Page 9 - 《华中农业大学学报(社会科学版)》2022年第2期
P. 9

第2 期                       陈宏伟 等:节水生产行为、非农就业与农户收入溢出                                     3

                  能够承担较高的节水设施管护费用和技术风险,更好地发挥节水生产行为的比较优势,进一步提升
                  农业收入水平,即节水生产行为采纳的“马太效应”。而高非农收入的农户家庭往往较少将所获收入
                  用于农业投资,而是用于住房、教育、医疗等方面 ,使得节水生产行为的要素替代效应弱化,即农户
                                                              [17]
                  节水生产行为采纳的“重心转变效应”。
                       H 2:节水生产行为对高农业收入农户的农业增收作用更为显著,对低非农收入农户的非农收入
                  提升作用更加明显。

                      (3)节水生产行为的农户增收门槛机制。根据劳动力务工距离的远近,可以将非农就业划分为
                  本地非农就业和外出务工两种类型,农户节水生产行为采纳推动家庭劳动力向非农行业转移,本地
                  非农就业能够提高农户家庭收入水平同时兼顾农业生产,从而进一步增强对节水生产行为的支付能
                  力和抗风险能力,契合节水生产行为减轻人工投入的特点 ,且本地非农就业比例越高,节水生产行
                                                                      [18]
                  为的要素替代效应越大,增收效果越显著。劳动力外出务工使得工资性收入成为农户家庭收入的主
                  要部分 ,随着家庭劳动力外出务工比例的提高,引致从业重心向非农转变,从而减少务农时间投
                         [19]
                  入 ,不利于节水生产行为的要素替代效应的发挥。
                    [20]
                       H 3:本地非农就业、外出务工均在节水生产行为的农户增收机制中发挥门槛效应。
                       为此,本文构建粮食节水生产行为对农户收入溢出机制的理论分析框架,如图1所示。






















                                            图 1  粮食节水生产行为的农户收入溢出分析框架
                       2.模型构建

                      (1)基准模型。为研究节水生产行为对农户收入的影响,本文将基准模型设置如下:
                                                                                                        (1)
                                              Income i = α 0 + α 1WP i + ∑ α 2i X i + ε 1
                       式(1)中, Income i 表示第 i 个农户的收入水平, WP i 表示节水生产行为, X i 表示一系列控制变量,
                  α i 表示待估参数, ε i 表示随机误差项。
                      (2)工具变量分位数模型。检验节水生产行为对农户收入的异质性影响是分析农户增收“分化”
                  的重要手段。考虑到节水生产行为与农户收入可能存在互为因果关系的内生性问题,而分位数回归
                  模型可能造成参数估计的不一致性。因此,采用由 Chernozhukov 等 提出的工具变量分位数回归模
                                                                               [21]
                  型(IVQR)分析节水生产行为对农户收入的影响。模型设定如下:
                                                q(WP i,X ′ ,τ )= λ(τ )TA i + θ(τ ) X ′                  (2)
                                               p [ Income i ≤ q(WP i,X ′ ,τ )|Z,X ′]= τ                 (3)
                      其中, τ 表示特定分位点, λ、 θ 表示待估参数,Z 表示工具变量, q(.)表示分位数函数方程,式(3)为
                  引入工具变量后的目标函数,根据加权离差绝对值之和最小原则展开如下,得到分位数回归估计量:
                                       arg min E{ρ τ [ Income i - WP i λ(τ )- θ(τ ) X ′- Z i δ(τ ) ]}   (4)

                       式(4)中, ρ τ 为损失函数, δ表示待估参数,在模型估计之前需要检验工具变量的有效性和弱工具
   4   5   6   7   8   9   10   11   12   13   14