Page 67 - 《华中农业大学学报(社会科学版)》2020年第1期
P. 67
华中农业大学学报( 社会科学版) ( 总 145 期)
6
2
是否采用的估计, 这部分估计属于IVGProbit估计.
完成是否采用某项技术回归后, 需要进行技术采用量的估计, 若直接估计可能存在选择性偏误,
需通过经典 Heckman 方法修正. Heckman 修正偏误具体的方法为从第二阶段的 Probit模型计算
出每一个观察值的反向 Mills 比率, 然后利用选择有机肥的样本进行回归, 同时将 Mills 比率作为控
制变量以获得一致估计量, Mills 计算方法如下:
⌒
( )
ϕ β 0 + β 1 credit i + β 2 income i + β 3 person i + β 4 family i + β 5 land i + β 6 te i + β 7 zone g
λ=
⌒
( )
φ β 0 + β 1 credit i + β 2 income i + β 3 p erson i + β 4 f amil y i + β 5 land i + β 6 te i + β 7 zone g
( 13 )
式( 13 ) 中 , λ 为反向 Mills 比率, 和 φ 分别为概率密度函数和累计分布函数.
ϕ
第三阶段: 第四阶段需要判断信贷需求抑制、 非农收入对农户有机肥采用量的影响; 同理, 在判断
之前需要采用工具变量法得出粮食经营户信贷需求抑制与工具变量的诱导方程, 第三阶段计算方法
如下:
( 14 )
credit i = α 0 + α 1 atm + α 2 p erson i + α 3 f amil y i + α 4 land i + α 5 te i + α 6 zone g + ε i
第四阶段: 本阶段是对农户有机肥施用量的回归, 以有机肥施用量为因变量, λ 作为控制变量纳
入方程, 并且在自变量中用第三阶段得到的拟合值credit i 来替代credit i 原本的取值, 具体表达式
如下:
techm = γ 0 +γ 1credit i +γ 2 income i +γ 3 p erson i +γ 4 f amil y i +
( 15 )
γ 5 land i +γ 6 te i +γ 7 zone g +γ 8 λ i + θ i
式( 15 ) 中, techm 为有机肥采用量, γ 1 和γ 2 为信贷需求抑制和非农收入的待估参数, γ 8 为反向
Mills 比率的待估参数.
考虑到信贷需求抑制这一内生性变量是二值变量而非连续型变量, 因此运用工具变量时, 需采用
工具变量的cm p 估计法进行估计.这种方法基于似不相关回归, 通过构造递归方程组实现多阶段模
型的极大似然估计 [ 26 ] , 可以避免对离散型变量直接回归可能出现的偏误问题.
四、 实证结果与分析
1. 有机肥技术采纳行为的估计
本文使用stata13.0 软件对数据进行分析.表 2 是农户有机肥技术采纳行为的估计结果, 模型 1
为不考虑内生性的 Heckman估计, 模型 2 和模型 3 为加入工具变量的 IVGHeckit估计, 其中模型 3
加入了交互项.每个模型第一阶段被解释变量为农户是否采用有机肥, 第二阶段被解释变量为有机
肥施用量.为控制模型扰动项异方差、 自相关以及异常值可能造成的影响, 对所有回归采用了稳健估
计.统计结果显示, 所有回归 wald 值都在 1% 的水平上显著, 逆米尔斯系数模型 2 和模型 3 分别在
10% 和 5% 水平内显著, 表明直接估计存在选择偏误问题, 适用 Heckman 模型.模型 1 两阶段信贷
需求抑制均不显著, 而模型 2 和模型 3 在控制内生性后, 信贷需求抑制基本显著, 说明信贷需求抑制
存在内生性.对于信贷需求抑制内生性问题, 模型 3 第一阶段和第二阶段 atanhrh~12 值分别在
10% 和 1% 水平上显著, 拒绝了信贷需求抑制外生性的假设.从模型 2 和模型 3 工具变量的估计结
果来看, 村级变量是否有 ATM 机与信贷需求抑制内生变量高度相关, 且 wald检验值拒绝了零假设,
说明基本不存在弱工具变量问题.
从模型 2 估计结果来看, 信贷需求抑制分别在 10% 和 1% 的水平上显著负向影响农户有机肥是
否采用和采用量, 由此可知, 当前在我国农村金融供给不足的背景下, 信贷需求抑制会抑制农户有机
肥的采用及采用量, 假说 H 2 得以验证.这主要是由于有机肥技术相对化肥而言资金需求较大, 当农
户缺乏资金时, 在资源配置的过程中会降低有机肥的采用程度.非农收入变量第二阶段在 1% 的水
平上通过显著性检验, 表明非农收入能够促进农户采用有机肥技术.模型 3 为加入交互项后的估计