2021-4-10 | 农业
1引言
2010年温家宝总理在《政府工作报告》中指出“15亿亩林地确权到户，占全国集体林地面积的60%，这是继土地家庭承包之后我国农村经营制度的又一重大变革。”从2003年新一轮集体林权制度改革伊始迄今，旨在“明晰产权、放活经营权、落实处置权、保障收益权”的这一重大变革在一定程度上调动了林农生产积极性，但是林农在这“第三次土地革命”的过程中是否愿意扩大经营规模，以实现“资源增长、农民增收、生态良好、林区和谐”目标值得关注。扩大林业经营规模就其本身而言，一方面有利于实现生态效益和社会效益，一方面有利于实现农户的经济效益［1］，可谓双赢。然而，笔者通过查阅大量资料文献和实地调查研究发现，林农绝大部分积极拥护集体林权改革并肯定改革对生产积极性的提升，但对扩大林业经营规模意愿差异性很大。具体体现在有些林农积极寻求扩大经营规模的途径，有些林农对扩大经营规模持消极看法，有些林农对现有经营规模表示满意，有些林农甚至表达想要放弃现有林地经营权的想法。林农意愿受多方因素的影响，具有复杂性、区域差异性及多因素关联性的特征。意愿在很大程度上会转化为未来的行为。因此，分析林农扩大林业经营规模意愿影响因素，对集体林权制度改革的政策制定有重要参考价值，对林业发展有着不可忽视的意义。笔者尝试运用二项式逻辑回归进行计量实证研究，为引导林农经营行为和相关政策制定提供参考。
2研究区域概况
本文是以我国南方林改试点省浙江省、福建省和江西省为主要调查地区。分别选取浙江省德清县和遂昌县、福建省顺昌县和沙县以及江西省遂川县和铜鼓县为调查样本县。研究区域自然条件优越，林业发达，森林资源分布均匀，集约经营水平高。并且三省样本县林改起步较早，截至2009年已经基本完成集体林权制度改革，林业发展趋于成熟。3研究方法利用2010年7月－8月参与的国家林业局关于我国集体林权制度改革政策追踪项目的农户实地调查数据，采用二分类Logistic回归模型来分析林农扩大林业经营规模意愿;使用SPSS16．0统计软件作为分析数据的工具;运用的分析方法主要有描述统计、信度分析和回归分析法。
2．1模型选择与设计
Logistic回归是对定性变量的回归分析，根据因变量取值类别的不同，Logistic回归可以分为BinaryLo-gistic分析和MuitinominalLogistic回归分析。前者因变量只能取两个值1和0(虚拟因变量)，而后者因变量可以取多个值［2］。根据本研究的需要，林农只有愿意扩大经营规模和不愿参扩大经营规模两种行为意愿，因此本文中应用的是二分类逻辑回归(BinaryLogisticRegression)。根据研究目标，将林农扩大林业经营规模意愿作为被解释变量，即因变量;将影响林农行为意愿的各种因素作为解释变量，即自变量［3］。根据解释变量特征，将全部影响因素分为五大类因素函数:①农户户主特征;②林农家庭特征;③林农生产经营特征;④外部市场政策特征;⑤林改政策特征。纳入函数理论模型，即:扩大经营意愿=f(内部影响因素变量，外部影响因素变量)=f(农户户主特征变量，林农家庭特征变量，林农生产经营特征变量，外部市场政策特征变量，林改政策特征变量)+随机扰动项［4］。
2．2变量选取与设计
2．2．1变量选取
本次调查采用入户走访和发放问卷两种形式，共发放问卷810份，收回问卷810份，有效问卷为798份，问卷有效率为98．52%。本着因素重要、数据可行的原则，笔者选取了具有代表性的变量用于实证研究。①农户户主特征:户主性别、户主是否是干部、户主是否是党员、户主文化程度、户主婚姻状况、户主是否是劳动力、户主从事行业、户主从事地区、非农收入;②林农家庭特征:除户主以外家庭成员数、除户主以外劳动力个数、家庭成员是否知道生态效益补偿政策、家距离林地远近;③林农生产经营特征:从事林业资金来源、林地经营面积、林地地块数、公益林下是否经营;④外部市场政策特征:有无林业技术教育和培训、有无产品市场信息服务、有无投资融资服务、有无政策法律咨询服务、有无防范病虫害及火灾服务、有无中介服务;⑤林改政策特征:申请采伐指标是否容易、林改后林地经营方式、林改对家庭是否有好处、政府补贴对造林积极性调动程度、是否获得造林补助、是否得到造林抚育基金、其它投入来源。
2．2．2变量定义及特征描述
调查数据表明，在798户林农户中，表示愿意扩大林业经营规模的林农户为444户，占55．7%;表示不愿意扩大林业经营规模的林农户为354户，占44．3%。户主性别以男性为主，占97．7%。户主是村组及以上干部的占33．6%;受教育年限达到6年以上的占49．2%;户主将农林牧兼业作为主要从事行业的占30．7%;43．4%的户主主要从事行业是单一农业。更多详细的自变量定义以及数据描述特征见表1－5。其中表1－3反映的是内部影响因素特征变量赋值和样本分布情况;表4－5反映的是外部影响因素特征变量赋值和样本分布情况。
3模型估计及结果分析
3．1模型估计及统计检验结果分析
在进行二项式Logistic回归时，采用的回归方法是Backward(Conditional)方式。在处理过程中，先将影响因变量的自变量代入模型进行检验，根据检验结果，将因变量影响不显著的自变量剔除，继续检验，直到自变量对因变量影响的检验结果基本显著为止。将数据代入进行筛选和检验，得出最后的估计结果，见表6。从模型拟合优度检验看(表6)，最后一次回归中，极大似然估计值为974．795，NagelkerkeRSquare的值为0．145。总体上，拟合效果较好，回归具有可信性。Wald检验是针对Logistic回归模型中的回归系数显著性检验的一种假设检验方法。假设零假设H0为:βk=0(表示自变量Xk对事件发生可能性无影响作用)，如果零假设被拒绝，说明事件发生可能性依赖于Xk的变化。常用统计软件，对逻辑回归系数显著性进行检验通常使用Wald检验。在零假设条件下，每一个回归系数都等于0，那么这个单变量为自由度等于1的渐进的2分布。根据表(7)，各影响因素的影响力度是有差异的。其中，有无中介服务和有无投资融资服务的回归系数经Wald检验最为显著，对因变量影响显著水平均在1%内，即Wald值大于α=0．01的2临界值6．63，拒绝零假设βk=0。同理，公益林面积及林改对家庭有无好处的回归系数较为显著，对因变量影响显著水平均在5%内，即Wald值大于α=0．05的2临界值3．84，拒绝零假设βk=0。而户主受教育年数、非农收入、家距离林地远近、是否知道生态效益补偿政策、林地经营面积、林地块数和补贴对造林积极性的调动的回归系数一般显著，对因变量影响显著水平均在10%内，即Wald值大于α=0．10的2临界值2．71，拒绝零假设βk=0。由此可见，(表7)所列示的解释变量均通过统计检验。