Page 110 - 《华中农业大学学报（社会科学版）》2024年第1期

104 华中农业大学学报（社会科学版） （总169 期）

生产特征与家庭特征等，ε i 为随机扰动项；同时基于保证内生转换模型的可识别性，引入农户节水技
术态度变量作为工具变量，即农户是否认为节水技术容易掌握。一方面，认为节水技术容易掌握的
农户会主动了解节水技术的特点与作用，更加倾向于在生产中主动采纳节水技术并感知到技术价
值；另一方面，农户对节水技术的态度主要代表了农户对于节水技术可掌握程度的评价，只有当农户
认为节水技术容易掌握并且采纳节水技术，农户节水态度才会有可能与农户收入产生联系，且如果
农户认为节水技术不易掌握，他们采纳节水技术的可能性较低。基于以上模型设定，将农户分为感
知组（tech=1）与未感知组（tech=0），其农户收入影响方程可以分为两个收入效应结果方程：
y 1i = β 1 x 1i + δ 1 r 1i + μ 1i , if tech = 1 （14）
y 2i = β 2 x 2i + δ 2 r 2i + μ 2i , if tech = 0 （15）
其中，y 1i 和 y 2i 分别表示感知组和未感知组农户的家庭人均收入；基准模型中 x的各种解释变量由
x 1i 和 x 2i 表示；两组的随机扰动项分别为 μ 1i 与 μ 2i。由于分析中可能存在不可观测因素的影响，导致行
为选择方程与结果方程之间的随机扰动项可能存在相关性，因此需要通过引入逆米尔斯比率（λ）对
模型进行修正。具体步骤为：
首先，采用 Probit 模型估计行为选择方程，将计算得到的逆米尔斯比率（λ 1、λ 2 ）以及协方差 σ 1μ=
cov(μ,μ 1)和σ 2μ=cov(μ,μ 2)分别引入收入效应方程，转化得到如下两个方程：
y 1i = β 1 x 1i + δ 1 r 1i + μ 1i λ 1 + μ 1 , if tech = 1 （16）
y 2i = β 2 x 2i + δ 2 r 2i + μ 2i λ 2 + μ 2 , if tech = 0 （17）
其次，采用完全信息极大似然估计（FIML）同时估计式（13）、（16）与（17），即可得到无偏一致估
[27]
计量并提升有效性 。当行为方程与收入效应方程中扰动项的相关系数（ρ 1μ、 ρ 2μ ）在统计意义上显著，
则表明农户采纳节水技术并感知技术价值的行为与农户收入相关，对于样本的选择偏差进行纠正是
有必要的。
基于以上分析，对节水技术采纳感知组与未感知组的家庭人均收入进行反事实分析，即可得到
节水技术采纳并感知技术价值对农户家庭人均收入影响的平均处理效应。
感知组的人均收入条件期望值（处理组）：
E[ y 1i|tech = 1]= β 1 x 1i + δ 1 r 1i + μ 1i λ 1 , if tech = 1 （18）
未感知组的人均收入条件期望值（控制组）：
E[ y 2i|tech = 0]= β 2 x 2i + δ 2 r 2i + μ 2i λ 2 , if tech = 0 （19）
处理组和控制组的人均收入反事实条件下的期望值分别为：

E[ y 2i|tech = 1]= β 2 x 1i + δ 2 r 1i + μ 2i λ 1 , if tech = 1 （20）
E[ y 1i|tech = 0]= β 1 x 2i + δ 1 r 2i + μ 1i λ 2 , if tech = 0 （21）
处理组的平均处理效应（average treatment effect on the treated , ATT），即感知组农户家庭人均
收入的平均处理效应，可通过公式（19）与公式（21）得到 ：
[28]
ATT = E[ y 1i|tech = 1]- E[ y 2i|tech = 1] （22）
同样地，对照组的平均处理效应（average treatment effect on the untreated，ATU），即未感知组农
户家庭人均收入的平均处理效应，可根据公式（21）与公式（19）得到：
ATU = E[ y 1i|tech = 0]- E[ y 2i|tech = 0] （23）

根据计算所得的两个处理效应，可以分析采纳节水技术并是否感知技术价值的收入效应。

二、数据来源与变量选择

1.数据来源
本文使用的数据来自课题组于 2021 年 6−7 月在河北、山东和河南三省开展的农户调研。冀鲁
豫三省是北方粮食主产区的重要组成部分，根据相关数据显示，三省粮食产量占全国总产量的比重
达到了 24%，是国家重要的粮食生产基地。本次调研采用分层抽样与随机抽样相结合的方式对冀鲁