A Study on Government Response, Rural Elites and Farmers’ Willingness to Pay for Rural Environmental Improvement
-
摘要:
基于安徽省肥西县715份农户调研数据，运用Heckman两阶段模型分析政府回应、乡村精英、村庄归属感等因素对农户环境整治支付意愿的影响，为建立农户合理付费的环境整治经费保障模式提供参考。结果表明：（1）75.8%的受访农户愿意为环境整治付费，意愿支付水平在33.72~44.48元/月·户之间；（2）政府回应、乡村精英等因素对农户是否愿意付费的决策产生显著影响，政府回应每优化1个单位，农户愿意为环境整治付费的概率提高5.0%，乡村精英作用每加强1个单位，农户愿意为环境整治付费的概率提高5.6%；（3）乡村精英、村庄归属感等因素显著正向影响有支付意愿农户的支付水平。因此，为提升农户环境整治支付意愿和支付水平，应畅通基层治理政民沟通渠道，塑造回应型政府形象；优化乡村精英服务环境，调动发挥乡村精英参与环境整治的号召力和协调作用；开展乡风文明建设，提高农户村庄归属感，促进农户发挥环境整治的主人翁精神。
Abstract:Based on 715 survey data from farmers in Feixi County, Anhui Province, this article used the Heckman two-stage model to analyze the impact of government response, rural elites, the sense of village belonging and other factors on farmers’ willingness to pay for environmental improvement, so as to provide reference for establishing a reasonable payment model for farmers’ environmental improvement funds. The results showed that: (1) 75.8% of surveyed farmers were willing to pay for environmental improvement, and the level of willing payment was between 33.72 yuan / month and 44.48 yuan / month per household. (2) Factors such as government response and rural elites had a significant impact on farmers’ decision whether they were willing to pay. For every unit optimized by government response, the probability of farmers willing to pay for environmental improvement increased by 5%. For every unit strengthened by the rural elite function, the probability of farmers willing to pay for environmental improvement increased by 5.6%. (3) Factors such as rural elites and the sense of village belonging also had a significant positive impact on the payment level of farmers who were willing to pay. Therefore, in order to improve farmers’ willingness and level of payment for environmental improvement, it was necessary to dredge the communication channels between the government and the public, and shape a responsive government image; Optimize the service environment for rural elites, mobilize the appeal and coordination role of rural elites to participate in environmental improvement; Carry out the construction of social civility in rural areas , enhance the sense of village belonging of farmers, and promote them to play a leading role in environmental improvement.
-
党的二十大报告提出要坚持创新在我国现代化建设全局中的核心地位，农业科技创新体系是国家创新体系的重要组成部分。习近平总书记指出：科技创新，就像撬动地球的杠杆，总能创造令人意想不到的奇迹[1]。科技是第一生产力，是先进生产力的集中体现和主要标志。学术界围绕农业科技创新已有众多研究，杨传喜等人主张农业科技资源的错配可直接影响农业科技生产率，并通过技术创新间接作用于农业科技生产率[2]。付艺杰等人认为要加大农业科技创新投入、促进各地农业科技自主创新，才能防止规模性返贫，以期促进农民收入实现稳定、可持续的健康增长[3]。陈劲等人则是借鉴美国、德国等国的农业经验，提出强化金融对科技创新的支持，才能走好农业强国的道路[4]。
数字普惠金融是数字技术与普惠金融的有机结合，是指在数字技术的支持下通过金融服务促进普惠金融的行动。同样有学者对数字普惠金融开展了研究，杜金岷等人的研究从多个维度阐述了数字普惠金融的正面影响，他们主张数字普惠金融在缩小居民收入差距、增强资本积累、提高消费需求及促进科技创新等方面均具备显著作用[5]。李晓龙等人的研究则从市场与结构两个维度进一步探究了数字普惠金融的作用机制[6]。
综上所述，发展数字普惠金融对推进农业科技创新水平可能存在作用机制，然而目前对数字普惠金融与农业科技创新水平之间的内在关联的研究尚为缺乏。基于此，本文基于全国30个省区市（不包含西藏和港澳台地区）2011—2022年的数据采用固定效应模型、中介效应检验等方法对数字普惠金融与农业科技创新水平之间的作用机制展开实证分析。结果表明，数字普惠金融对农业科技创新具有显著的促进作用。本文进一步研究了信息化企业数与城镇化水平在二者关系中起到的作用。结果表明，数字普惠金融可以通过增加信息化企业数和提高城镇化水平来对农业科技创新水平产生积极影响。同时，为了保证实证结果的严谨性，本文采取替换核心变量、剔除时间样本的方法，基准回归结果依然稳健。最后，本文还发现数字普惠金融对农业科技创新水平的影响程度在地区间存在差异，东部地区农业科技创新水平受数字普惠金融影响大于中西部地区。产生该结果的原因可能是中西部多为农业大省，农业比重高，而数字普惠金融发展程度较低。上述实证结果对政府部门理解数字普惠金融与农业科技创新水平间的关系以及后续制定政策提供了参考。
一、 理论分析与研究假设
朱秋博等人指出，农户能依据获取的相关信息，作出更为理智的决策，进而实现资本、劳动力、土地等生产要素的优化配置[7]。同时，通过数字化的途径，使农民能够更好地了解农产品的生产情况，从而实现对生产要素的配置和利用，提升农产品的生产效率。周绍东认为在农产品加工过程中，生产加工者利用智能物联网技术可以对农产品进行精确调控[8]。在农产品流通的各个环节中，数字化媒体的运用能够显著地降低农民的信息搜寻成本。农民不再局限于当地市场的有限信息，而是能够跨越地域限制，从更广阔的范围内获取农产品交易信息和市场动态。Aker认为数字经济的发展为农产品生产及流通带来了革命性的变革[9]，不仅降低了农民的信息搜寻成本，拓宽了农产品的销售市场，还促进了农民与市场的直接对接和交易的高效匹配。这些变革将进一步推动我国农业科技创新的步伐，提升农业的整体竞争力和可持续发展水平。根据上述理论分析，本研究提出研究假设H1。
假设H1：数字普惠金融的发展，对农业科技创新水平的提升具有积极作用。
在21世纪，我国面临数字经济发展的新挑战。数字化浪潮正推动产业结构调整和经济社会发展。王婷等人提出数字经济的发展为企业带来机遇和挑战，企业管理模式的信息化变得尤为关键[10]。信息化不仅是适应发展需求的必然，也是提升竞争力和实现可持续发展的重要途径。
展望未来，数字技术不断进步和应用领域拓展，企业管理模式信息化将有更广阔的发展空间和应用场景。新型管理模式将促进农业信息化企业增长，提升农业科技创新水平。企业应抓住数字化转型的机遇，适应数字经济时代的发展。政府和企业应共同努力，推动农业信息化发展，为农业科技创新和农村经济注入新活力。本研究提出研究假设H2。
假设H2：数字普惠金融可以通过增加信息化企业数来提高农业科技创新水平。
数字互联网基础设施已经成为城镇化建设的关键驱动因素。胡树林等人认为数字经济发展程度和城市化程度具有明显的关联性[11]。具体表现为：第一，数字经济产业表现出明显的区域突围特性，打破了传统的城市孤立格局，使城市之间的分工协作和城市化进程不断加快。二是数字化技术的普及，使得城市生活和社会管理向科学化、精细化、智能化方向发展。霍悦发现以“智慧城市”为代表的新型城镇化模式，在拓展城市服务领域的同时，也在不断地充实着城镇化的内涵[12]。数字经济对提高城镇化水平具有很大的促进作用。
城市化促进了农业的科技创新，也促进了农业的现代化。农村剩余劳动力进城，提高了农业生产的效率，减少了人均占有的土地面积，促进了农业生产的规模化。武宵旭等人提出随着城镇人口的不断扩大，对优质农产品的需求量也在不断增长[13]，这推动了农业科技的创新和升级。根据上述理论分析，本文提出研究假设H3。
假设H3：数字普惠金融通过促进城镇化水平的提升，进而推动农业科技创新。
二、 研究设计
（一） 变量说明
1. 被解释变量：农业科技创新水平
在当前的学术研究范围内，关于农业科技创新的衡量，主流观点倾向于采用以下三种方式：第一，以科技创新的投入为基准，如研发经费投入、科研人员数量等[14]；第二，通过对科技创新成果的评价，如专利申请数、论文发表数等[15]；第三，采用数据包络分析和随机前沿分析等多种统计方法，间接得到的技术创新投入与产出的比值作为指标[16]。
本研究立足于2011—2022年全国30个省区市的面板数据展开实证分析，但目前尚不能从有关的统计年鉴或其他统计数据库中得到准确的数据。此外，利用数据包络分析、随机前沿分析等多种统计学手段来定量分析农业科技创新也有其局限，例如所得数据过于抽象，难以进行跨时期、跨区域纵向对比。
综合考虑数据的可获取性、指标的明确性以及实际应用的便捷性，本研究决定采用张金鑫等人的方法[17]，以农林牧渔业三类专利的总和作为衡量农业科技创新的主要指标。这一指标不仅数据易于获取，且能较好地反映农业科技创新的整体水平。同时由于原始数据较大，故对其进行了对数处理作为本文研究数据。
2. 核心解释变量：数字普惠金融发展水平
郭峰等人研发出剖析我国各区域数字普惠金融发展状况的指数——北京大学数字普惠金融指数[18]。该指数现已具备较高的准确性和全面性，能够精确地描绘出我国数字普惠金融的发展历程和地域差异。
本文采用所发布指数中的“数字普惠金融指数”作为衡量指标，由于该指标数据与农业科技创新水平数据不在同一数量级，故进行了对数处理。
3. 中介变量
（1）信息化企业数。该指标衡量的是某一地区已实施或正在实施信息化项目的企业总数。该指标能够体现该地区或行业的信息化程度以及企业信息化的普及程度。在研究中，采用其对数值形式表示该指标。（2）城镇化水平。该指标系以各省区市年末城镇人口占年末总人口的比率加以衡量。
4. 控制变量
为了提高严谨性，本文引入其他控制变量：（1）通信发展水平（commu），该指标以长途光缆里程的对数形式衡量，旨在反映各地区电信基础设施建设的完善程度；（2）对外开放度（fdi），是指通过测算各省区市实际使用外资在当地国内生产总值中所占的比率来评价的；（3）农村快递发展水平（express），该指标能在一定程度上揭示农村地区数字平台交易规模及效益状况；（4）金融发展程度（fin），本文以年末存贷款之和占GDP的比率作为衡量金融发展水平的指标。
主要变量定义及描述性统计结果见表1。
表 1 主要变量定义及描述性统计结果变量 代码 衡量方式 均值 标准差 农业科技创新水平 tec 农林牧渔业三类专利的总和的对数值 7.4969 1.0896 数字普惠金融发展水平 eco 北京大学数字普惠金融指数的对数值 5.3376 0.6659 信息化企业数 cor 信息化企业个数的对数值/个 5.2993 1.8391 城镇化水平 city 年末城镇人口占总人口比率/% 0.6012 0.1205 通信发展水平 commu 长途光缆里程数的对数值/万km 3.1973 1.8704 对外开放程度 fdi 对外实际使用外资总额占GDP比率/% 0.2713 0.2805 农村快递发展水平 express 农村快递投递路线长度的对数值/km 11.4690 0.8764 金融发展程度 fin 年末存贷款之和占GDP比率/% 3.4321 1.0963 注：农业科技创新水平、数字普惠金融水平、信息化企业数和农村快递发展水平原数值较大，故进行了对数处理。 （二） 模型构建
1. 基准回归模型
为了确保模型选择的有效性，对选取的面板数据先进行豪斯曼检验，在固定效应与随机效应模型间进行选择。根据表2的F检验结果，采用固定效应模型Hausman检验法，原假设中面板数据所采用模型为随机效应模型。然而检验结果显示P值为0.00是小于0.05的，故P值显著可以拒绝原假设，选择固定效应模型进行实证分析。
表 2 Hausmantest模型检验检验 检验结果 F test F（29, 325） = 16.04 P = 0.0000 Hausmantest Chi2（5）= 32.12 P = 0.0000 在数据方面本文使用30个省区市2011—2022年的面板数据，模型方面选择双向固定效应模型。双向固定效应模型控制了时间和地区固定效应，这是为了控制不随时间变化的个体特征以及不随地区变化的时间特征。固定效应模型为式（1）所示：
$$ TEC_{it}={\text{β}}_{1}eco_{it}+{\text{β}}X_{it}+{\daleth}_{t}+ {\text{μ}} _{i}+ {\text{ε}}_{it } $$ (1) 式（1）中，i与t分别代表省区市和时间。TEC作为被解释变量，用农林牧渔业各类专利的总和的对数值来表示；eco则作为核心解释变量，代表数字普惠金融的发展状况。X代表所有控制变量，包括通信发展水平、对外开放程度、农村快递发展水平、金融发展程度。
$ {\text{μ}}_i $ 和$\daleth_t $ 分别代表未被观测的地区及时间效应，$ {\text{ε}}_{it} $ 作为随机扰动项，β、β1为代估系数。2. 中介效应回归模型及检验步骤
为了深入研究信息化企业数量与城镇化水平是否存在中介效应机制，本文构建如下回归方程：
$$ mid_{it}={\text{β}}_{2}eco_{it}+{\text{β}}X_{it}+\daleth_{t}+ {\text{μ}} _{i}+ {\text{ε}}_{it} $$ (2) $$ TEC_{it}={\text{β}}_{3}mid_{it}+{\text{β}}_{4}eco_{it}+{\text{β}}X_{it}+\daleth_{t}+ {\text{μ}} _{i}+ {\text{ε}}_{it} $$ (3) 式（2）（3）中，mid是中介变量，表示信息化企业数量和城镇化水平。除mid外，其他参数值与式（1）一致。本文将运用式（1）（2）（3）的逐步回归方法，深入探讨城镇化和信息化企业数量在影响机制中的作用。具体步骤如下：
首先，对基准回归式（1）中的系数β1进行显著性检验。若β1在特定置信水平下呈显著性，中介效应就可能存在，进而继续检验；反之则终止。其次，通过式（2）对模型做进一步的验证。如果式（2）的系数β2在特定置信水平上是显著的，这就更支持了这一假设；反之终止测试。其三，进行第3阶段的检验，来运行式（3）的回归方程。当回归结果发现，在置信水平下，系数β3依然显著，这就说明它们在影响机制中具有中介作用；反之，则说明信息化企业数量和城镇化水平在影响机制中未发挥中介作用。
三、 实证结果分析
（一） 基准回归结果分析
为了更好探讨本文数字普惠金融对农业科技创新水平的影响机制，本研究在表3第（1）列中只考虑了数字普惠金融系数β1的变动，未加入任何控制变量。在第（2）列中，添加所有控制变量，第（2）列为基准回归结果。通过比较表3的第（1）、第（2）列，得出数字普惠金融对于农业科技创新水平的影响系数值分别为0.000，0.001，均在1%的置信度下达到了显著水平。该结果表明数字普惠金融的深入发展，对农业科技创新水平起到了显著且积极的推动作用。这种正向促进效应的产生，可能源于以下原因：数字普惠金融的发展有助于为农业科技创新提供资金保障。通过降低融资门槛，数字普惠金融让更多的农业经营者能够获得贷款，为农业科技创新项目提供启动资金。其次，通过线上线下的金融服务，农业经营者可以更方便地获取科技培训、技术指导等信息，从而提高农业科技创新的能力。据此假设H1成立。
表 3 数字普惠金融对农业科技创新水平的影响变量 （1） （2） 数字普惠金融水平 0.000***
（5.49）0.001***
（3.38）对外开放程度 0.009***
（2.60）通信发展水平 0.199
（2.16）农村快递发展水平 0.032**
（2.16）金融发展 0.000***
（−3.80）常系数 3.159
（5.63）2.694
（2.75）时间效应 YES YES 省市效应 YES YES 样本数量 360 360 注：***、**和*分别表示在1%、5%和10%的置信水平上显著，括号内为t值，下同。 （二） 中介效应机制回归结果分析
首先，在表4的列（1）中，即式（1）的回归结果，可以看到数字普惠金融对农业科技创新水平的正向影响显著。其次，列（2）与列（3）为式（2）将中介变量信息化企业数量与城镇化水平依次分别代入回归，通过查看表4中列（2）与列（3）的回归结果，可以得知，数字普惠金融对信息化企业数量与城镇化水平的正向影响均在1%的置信水平上显著。进一步地，表4中列（4）与列（5）为式（3）依次分别将信息化企业数与城镇化水平代入回归的结果，列（4）与列（5）的回归结果显示信息化企业数和城镇化水平都在1%的置信水平上对农业科技创新水平起到显著的正向影响。根据中介效应检验程序，信息化企业数与城镇化水平的中介效应显著。这表明数字普惠金融可以通过增加信息化企业数量和提高城镇化水平的方式，对农业科技创新水平产生显著的积极影响。换言之，即存在“数字普惠金融→增加信息化企业数量→提升农业科技创新水平”和“数字化普惠金融→城镇化程度提升→农业科技创新能力提升”的作用机制。据此，研究假设H2和H3得到验证。
表 4 中介效应机制回归结果变量 （1） （2） （3） （4） （5） 农业科技创新水平 信息化企业数 城镇化水平 农业科技创新水平 农业科技创新水平 数字普惠金融水平 0.001***（3.38） 0.000***（4.14） 0.000***（4.58） 0.008***（2.66） 0.019**（2.36） 信息化企业数 0.003***（2.95） 城镇化水平 0.000***（3.94） 常系数 2.694（2.75） 0.895（0.81） 0.413（10.02） 2.563（2.64） 0.557（0.51） 控制变量 已控制 已控制 已控制 已控制 已控制 时间效应 YES YES YES YES YES 省市效应 YES YES YES YES YES 样本数量 360 360 360 360 360 （三） 异质效应分析
我国地域辽阔，各区域间的农业自然条件和资源禀赋存在差异，这使得数字普惠金融对农业科技创新水平的影响也呈现出地域性的差异。为了探讨这种差异，本文将样本划分为东部地区、中西部地区以及东北地区三部分进行分析。
如表5所示，首先从东部地区入手，可以看出数字普惠金融对农业科技创新水平的影响较大。这可能是因为东部地区的数字普惠金融发展水平较高，同时其农业产值比重相对较小，因此数字普惠金融对农业科技创新的推动作用更为明显。随着数字普惠金融与农业的不断融合发展，其对东部地区农业科技创新水平的提升作用将进一步凸显。其次，对于中西部地区，数字普惠金融对农业科技创新水平的影响较小。这可能是因为我国中西部农业大省较多，农业产值比重较大，而数字普惠金融发展水平相对较低。最后，结果显示数字普惠金融对东北地区农业科技创新水平的促进作用仅次于东部地区，说明数字普惠金融在东北地区同样具有推动农业科技创新的作用。
表 5 分地区数字普惠金融对农业科技创新水平的影响变量 （1） （2） （3） 东部地区 中西部地区 东北地区 数字普惠金融水平 0.043**（2.05） 0.093*（1.69） 0.054*（2.07） 常系数 1.822（0.47） 3.211（2.43） −11.900（−1.69） 控制变量 已控制 已控制 已控制 时间效应 YES YES YES 省市效应 YES YES YES 数字普惠金融于各区域农业科技创新水平的作用都是正向且显著的。但同时数字普惠金融于各区域农业科技创新水平的影响存在差异，各地区政府和企业应根据自身农业发展和数字普惠金融的实际情况，制定相应的政策。
（四） 稳健性检验
为了验证数字普惠金融影响农业科技创新水平回归结果的稳健性，本文主要使用替换样本和剔除时间样本的方法对数字普惠金融和农业科技创新水平之间的关系进行检验。其一是将核心解释变量数字普惠金融指数替换成北京大学普惠金融指数中的“数字化转型程度指数”，其二是剔除2011年时间样本的数据再分别进行回归，与表3的回归结果相比，发现不同计量模型的回归结果中数字普惠金融对农业科技创新水平方向和显著性均未出现明显差异，表明数字普惠金融的作用效果是稳健的。
四、 结论及政策启示
2023年10月11日，《国务院关于推进普惠金融高质量发展的实施意见》正式印发[19]，其中明确强调要有序推进数字普惠金融发展，包括提升普惠金融科技水平、打造健康的数字普惠金融生态以及健全数字普惠金融监管体系。应结合实际情况，制定切实可行的政策措施，加强政策引导和市场机制的作用，推动农业领域的创新与发展，为实现乡村振兴和农业可持续发展贡献力量。
根据本文研究结论，得出以下政策建议，以期在当前的时代背景下推动农业技术领域的创新与发展：其一，应大力发展数字普惠金融，为了促进数字普惠金融的发展和应用，首要任务是完善基础设施。政府应进一步加大对数字普惠金融的支持力度，推动数字普惠金融在广大农村地区的普及和应用。通过提供优惠政策和资金支持，鼓励金融机构向农村地区延伸服务，提升金融服务的可得性和便利性；其二，在农业企业生产管理的过程中，应加快云计算、大数据以及人工智能等技术的应用。通过运用这些先进技术，可以更精准地掌握农业生产过程中的数据和信息，为农业决策提供科学依据，提高农业生产的效率和效益。其三，政府应大力推进城镇化进程，城镇化水平的提高对于提升农业科技创新水平具有积极作用。政府应继续推动城镇化进程，加强城乡融合发展，提高农村地区的基础设施和公共服务水平，吸引更多的人才和资源向农村地区流动，为农业科技创新提供有力保障。其四，对不同地区采取差异化政策，以促进数字普惠金融与农业科技创新高效循环发展。针对各区域间农业自然条件和资源禀赋的差异，政府应实施差异化的政策。对于东部地区，应进一步发挥数字普惠金融在推动农业科技创新中的优势作用；对于中西部地区和东北地区，应加大对数字普惠金融与农业科技融合发展的支持力度。
-
表 1 受访者特征
特征 选项 频数（人/户） 频率（%） 特征 选项 频数（人/户） 频率（%） 性别 女 296 41.4 家庭劳动力人数 ≤3人 371 51.9 男 419 58.6 （3,5]人 300 42 年龄 $ \le $30岁 116 16.2 >5人 44 6.1 （30,40]岁 265 37.1 是否购买商品房 否 327 45.7 （40,50]岁 214 29.9 是 388 54.3 （50,60]岁 81 11.3 家庭是否有村干部或党员 否 507 70.9 >60岁 39 5.5 是 208 29.1 学历 小学及以下 96 13.4 职业资格证书获得数量 0本 335 46.9 初中/中专 141 19.7 1本 299 41.8 高中/高职 236 33.0 ≥2本 81 11.3 本科/大专 217 30.4 政策了解程度 非常不了解 47 6.6 研究生 25 3.5 不怎么了解 158 22.1 户口 农村 580 81.1 一般 256 35.8 城镇 135 18.9 比较了解 194 27.1 工作单位 无工作 197 27.5 非常了解 60 8.4 个体 178 24.9 环境整治工作满意度 非常不满意 30 4.2 私企 180 25.2 不太满意 70 9.8 集体企业 35 4.9 一般 205 28.7 国有企业 42 5.9 比较满意 312 43.6 政府、公立学校等 83 11.6 非常满意 98 13.7 家庭年收入 ≤5万元 151 21.1 环境整治支付意愿 不愿意 173 24.2 （5,10]万元 254 35.5 愿意 542 75.8 （10,15]万元 212 29.7 （15,20]万元 68 9.5 >20万元 30 4.2 
下载: 导出CSV
表 2 变量描述性统计
变量名称 变量定义 均值 标准差 因变量 农户环境整治支付意愿 0=不愿意；1=愿意 0.758 0.429 农户环境整治意愿
支付金额（元/月·户）1=≤10元；2=（10,20]；3=（20,30]；4=（30,40]；
5=（40,50]；6=（50,70]；7=（70,100]；8=>100元4.325 2.332 核心解
释变量政府回应 因子分析所得 0.000 1.000 乡村精英 因子分析所得 0.000 1.000 村庄归属感 因子分析所得 0.000 1.000 控制变量 政策了解程度 1=非常不了解；2=较不了解；3=一般；4=较了解；5=非常了解 3.087 1.042 环境整治工作满意度 1=非常不满意；2=较不满意；3=一般；4=较满意；5=非常满意 3.529 0.986 性别 0=女；1=男 0.586 0.493 年龄 1=≤30岁；2=（30,40]岁；3=（40,50]岁；4=（50,60]岁；5=>60岁 2.527 1.063 学历 1=小学及以下；2=初中/中专；3=高中/高职；4=本科/大专；5=研究生 2.908 1.082 户口 0=农业户口；1=非农户口 0.189 0.392 工作单位 1=无单位；2=个体3=私企；4=集体企业；
5=国有企业；6=政府（公立学校）2.715 1.613 家庭年收入 1=≤5万元；2=（5,10]万元；3=（10,15]万元；4=（15,20]万元；5=>20万元 2.401 1.052 家庭劳动力人数 1=≤3人；2=（3,5]人；3=>5人 是否购买商品房 0=否；1=是 0.543 0.499 家庭是否有村干部或党员 0=否；1=是 0.291 0.454 职业资格证书获得数量 1=无；2=1本；3=≥2本 1.645 0.675
下载: 导出CSV
表 3 受访农户支付意愿水平分布
WTP
（元/月·户）频数 比率/% WTP
（元/月·户）频数 比率/% 0 173 24.2 45 57 8.0（10.5） 5 41 5.7（7.6） 60 32 4.5（5.9） 15 115 16.1（21.2） 85 46 6.4（8.5） 25 98 13.7（18.1） 100 92 12.9（17.0） 35 61 8.5（11.3） 注：（X）表示WTP值在有支付意愿农户中的分布比率。
下载: 导出CSV
表 4 Heckman两阶段模型估计结果
解释变量 第一阶段Probit ：是否愿意付费（N=715） 第二阶段OLS ：选择付费金额（N=542） 系数 标准误 边际效应 系数 标准误 政府回应 0.182** 0.080 0.050** −0.027 0.175 乡村精英 0.205** 0.095 0.056** 0.559** 0.242 村庄归属感 −0.046 0.085 −0.013 0.574*** 0.161 政策了解程度 0.176*** 0.061 0.048*** 0.402*** 0.145 环境整治工作满意度 −0.049 0.074 −0.013 0.114 0.135 性别 0.127 0.116 0.035 0.175 0.220 年龄 −0.052 0.065 −0.014 −0.155 0.119 学历 0.073 0.069 0.020 0.326*** 0.117 户口 0.149 0.153 0.041 0.746*** 0.256 工作单位 0.100** 0.042 0.028** 0.229*** 0.084 家庭年收入 0.134** 0.059 0.037** 0.556*** 0.132 家庭劳动力人数 0.171* 0.091 0.047* 0.762*** 0.191 是否购买商品房 −0.093 0.119 −0.026 −0.390* 0.218 家庭是否有村干部或党员 0.332** 0.131 0.091** 0.869*** 0.286 职业资格证书获得数量 −0.161* 0.092 −0.044* —— —— cons −0.402 0.471 —— −3.477** 1.674 IMR 5.128*** 1.591 注：*、**、***分别代表10%、5%、1%的显著性水平。
下载: 导出CSV
-
[1] 蒋培. 农村环境内发性治理的社会机制研究[J]. 南京农业大学学报(社会科学版), 2019, 19(4): 49. DOI: 10.19714/j.cnki.1671-7465.2019.0054. [2] 于法稳, 胡梅梅, 王广梁. 面向2035年远景目标的农村人居环境整治提升路径及对策研究[J]. 中国软科学, 2022(7): 17. DOI: 10.3969/j.issn.1002-9753.2022.07.002. [3] 朱云. 超越“二元博弈”: 行政与自治均衡视角下农村人居环境整治研究[J]. 华中农业大学学报(社会科学版), 2023(1): 165. DOI: 10.13300/j.cnki.hnwkxb.2023.01.015. [4] 王佳锐, 高文永, 魏孝承, 等. 国外改善农村人居环境及其经验借鉴研究[J]. 中国农业资源与区划, 2023, 44(4): 89. DOI: 10.7621/cjarrp.1005-9121.20230409. [5] 湛礼珠. 农民主体性建设: 一个农村人居环境整治参与的分析框架[J]. 现代经济探讨, 2023(1): 123. DOI: 10.13891/j.cnki.mer.2023.01.001. [6] 张鸣鸣, 杨理珍, 刘钰聪. 农村人居环境整治的农民参与水平及影响因素研究[J]. 农村经济, 2024(1): 133. [7] 卞素萍. 美丽乡村建设背景下农村人居环境整治现状及创新研究: 基于江浙地区的美丽乡村建设实践[J]. 南京工业大学学报(社会科学版), 2020, 19(6): 62. DOI: 10.3969/j.issn.1671-7287.2020.06.006. [8] 闵师, 王晓兵, 侯玲玲, 等. 农户参与人居环境整治的影响因素: 基于西南山区的调查数据[J]. 中国农村观察, 2019(4): 94. [9] 李芬妮, 张俊飚, 何可. 农户外出务工、村庄认同对其参与人居环境整治的影响[J]. 中国人口·资源与环境, 2020, 30(12): 185. DOI: 10.12062/cpre.20200424. [10] 王学婷, 张俊飚, 童庆蒙. 地方依恋有助于提高农户村庄环境治理参与意愿吗: 基于湖北省调查数据的分析[J]. 中国人口·资源与环境, 2020, 30(4): 136. DOI: 10.12062/cpre.20191101. [11] 唐林, 罗小锋, 张俊飚. 社会监督、群体认同与农户生活垃圾集中处理行为: 基于面子观念的中介和调节作用[J]. 中国农村观察, 2019(2): 18. [12] 胡德胜, 王雅楠, 王帆, 等. 农户认知、制度环境与农户人居环境整治参与意愿研究: 信息信任的中介效应[J]. 干旱区资源与环境, 2021, 35(6): 15. DOI: 10.13448/j.cnki.jalre.2021.152. [13] 何可, 张俊飚, 张露, 等. 人际信任、制度信任与农民环境治理参与意愿: 以农业废弃物资源化为例[J]. 管理世界, 2015(5): 75. DOI: 10.19744/j.cnki.11-1235/f.2015.05.008. [14] 徐凌. 论热线管理中公众导向型政府回应模式的有效建构[J]. 中国行政管理, 2020(10): 52. DOI: 10.19735/j.issn.1006-0863.2020.10.07. [15] 孙小逸. 从单一结果导向到“过程—结果”导向: 政府回应公众诉求的特征分析与路径优化[J]. 南京社会科学, 2024(1): 65. DOI: 10.15937/j.cnki.issn1001-8263.2024.01.008. [16] 吴结兵, 李勇, 张玉婷. 差序政府信任: 文化心理与制度绩效的影响及其交互效应[J]. 浙江大学学报(人文社会科学版), 2016, 46(5): 157. DOI: 10.3785/j.issn.1008-942X.CN33-6000/C.2015.11.034. [17] 周恩毅, 张文培. 数字赋权背景下民众诉求与政府回应的互动逻辑[J]. 河南师范大学学报(哲学社会科学版), 2023, 50(4): 22. DOI: 10.16366/j.cnki.1000-2359.2023.04.04. [18] 孟利艳. 意愿驱动还是能力驱动: 回应性政府建设的民众路向: 基于六个省份的实证调查[J]. 河南师范大学学报(哲学社会科学版), 2023, 50(5): 76. DOI: 10.16366/j.cnki.1000-2359.2023.05.12. [19] 李华胤. 回应性参与: 农村改革中乡镇政府与农民的行为互动机制: 基于三个乡镇改革试验的调查与比较[J]. 中国行政管理, 2020(9): 128. DOI: 10.19735/j.issn.1006-0863.2020.09.19. [20] 廖冰. 农户家庭生计资本、人居环境整治付费认知与人居环境整治付费行为: 以江西省873个农户为例[J]. 农林经济管理学报, 2021, 20(5): 598. DOI: 10.16195/j.cnki.cn36-1328/f.2021.05.62. [21] 谢小菲, 卢春天. 青年精英与乡村新内源式发展: 基于湖南M村人居环境整治的田野调查[J]. 中国青年研究, 2023(12): 68. DOI: 10.19633/j.cnki.11-2579/d.2023.0156. [22] 唐建兵. 乡村精英与乡村环境治理[J]. 河南社会科学, 2015, 23(6): 85. DOI: 10.3969/j.issn.1007-905X.2015.06.019. [23] 崔红志, 张鸣鸣. 农村人居环境整治的多元主体投入机制研究: 以河南省为例[J]. 农村经济, 2022(3): 1. [24] 张陈一轩, 任宗哲. 精英回乡、体系重构与乡村振兴[J]. 人文杂志, 2021(7): 113. DOI: 10.15895/j.cnki.rwzz.2021.07.014. [25] 马超, 李晓广. 论村民自治导向下乡村精英治理的困境及对策[J]. 山西农业大学学报(社会科学版), 2014, 13(9): 881. DOI: 10.13842/j.cnki.issn1671-816x.2014.09.025. [26] 朱凯宁, 高清, 靳乐山. 收入水平、村干可信度对农户生活垃圾治理意愿影响分析: 基于云南省465个农户调研数据[J]. 长江流域资源与环境, 2021, 30(10): 2512. DOI: 10.11870/cjlyzyyhj202110019. [27] 罗小锋. 社会资本与公共物品供给中的精英动员: 基于对闽西M村的实地研究[J]. 福州大学学报(哲学社会科学版), 2014, 28(5): 74. [28] 李芬妮, 张俊飚, 何可, 等. 归属感对农户参与村域环境治理的影响分析: 基于湖北省1007个农户调研数据[J]. 长江流域资源与环境, 2020, 29(4): 1027. DOI: 10.11870/cjlyzyyhj202004023. [29] CHEN X, WASTI S, TRIANDIS H. When does group norm or group identity predict cooperation in a public goods dilemma? The moderating effects of idiocentrism and all centrism[J]. International Journal of Intercultural Relations, 2007, 31(2): 259. DOI: 10.1016/j.ijintrel.2006.02.004.
[30] LU L. Culture, self, and subjective well-being: cultural psychological and social change perspectives[J]. Psychologia, 2008, 51(4): 290. DOI: 10.2117/psysoc.2008.290.
[31] 程惠珊, 李霄鹤, 兰思仁. 地方归属感及价值感视角下的村民参与影响研究: 基于福建省晋江市乡村案例[J]. 林业经济, 2019, 41(11): 55. DOI: 10.13843/j.cnki.lyjj.2019.11.008. [32] 李芬妮, 张俊飚, 何可. 资本禀赋、归属感对农户参与村域环境治理的影响[J]. 华中农业大学学报(社会科学版), 2021(4): 100. DOI: 10.13300/j.cnki.hnwkxb.2021.04.012. [33] 唐丽霞, 冯瑞英. 农民参与乡村治理的“双重认同”逻辑: 以云村人居环境治理实践为例[J]. 华中农业大学学报(社会科学版), 2023(5): 100. DOI: 10.13300/j.cnki.hnwkxb.2023.05.010. [34] MITCHELLRC, CARSONRT. Using surveys to value public goods[M]. Washington DC: RFF Press, 1989.
[35] 文清, 尹宁, 吕明, 等. 云南森林生态功能区农户生态补偿支付意愿(WTP)影响因素及差异性分析[J]. 长江流域资源与环境, 2017, 26(8): 1260. DOI: 10.11870/cjlyzyyhj201708016. [36] 马荟, 苏毅清, 王卉, 等. 从成员个体理性到村社集体理性: 乡村精英的作用机制分析: 以S省Y村为例[J]. 经济社会体制比较, 2021(4): 119. DOI: 10.3969/j.issn.1003-3947.2021.04.013. -
期刊类型引用(1)
1. 宋瑛，李璐，张驰. 数字乡村建设与农民福利水平——基于阿玛蒂亚·森的可行能力视角. 贵州社会科学. 2024(12): 141-151 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 484
- HTML全文浏览量: 96
- PDF下载量: 29
- 被引次数: 1