Analysis of Influencing Factors on the Willingness of Forest Farmers to Participate in the Protection and Construction of Ecological Public Welfare Forests: Based on the Survey Data of Guangxi
-
摘要:
生态公益林的保护建设离不开林农的积极参与，本文基于计划行为理论，以广西林农为特定研究对象，采用随机抽样的方法进行，在各县（市、区）随机选取辖区两个乡（镇、街道）作为调查点，运用二元Logistic模型实证分析林农参与生态公益林保护建设意愿的影响因素。结果显示：林农的年龄、生计来源状况、经济社会地位、家庭收入状况、对生态公益林的功能作用和生态补偿状况的认知评价等因素对其参与生态公益林管护有显著影响。基于研究结论，进而提出加大生态公益林保护建设的宣传力度、持续提高林农森林素养、争取提升生态公益林补偿补助标准、提高财政补偿资金的兑付率、拓宽林农增收渠道、增加林农收入来源等建议。
Abstract:The protection and construction of ecological public welfare forests cannot be separated from the active participation of forest farmers. Based on the theory of planned behaviour, with Guangxi forest farmers as the specific research object, using random sampling method, in each county (city, district) randomly, this paper selected jurisdiction of the two townships (towns, streets) as the survey point, and the Logistic model was used to empirically analyse the influencing factors of forest farmers’ willingness to participate in the protection and construction of ecological public welfare forests. The results showed that, the age, source of livelihood, economic and social status, family income, and the cognitive evaluation of the functional role of ecological public welfare forests and ecological compensation status of forest farmers had a significant influence on their participation in the management and construction of ecological public welfare forests. Based on the conclusions of the study,this paper put forward following recommendations: increase the publicity of the protection and construction of ecological public welfare forests, continue to improve the forest literacy of forest farmers, strive to improve the compensation and subsidy standards of ecological public welfare forests, improve the rate of payment of financial compensation funds, broaden the channels for forest farmers to increase their income, and increase the sources of income of forest farmers.
-
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 模型变量赋值说明
变量类型 变量名称 变量定义 林农自身
因素年龄（$ {{{ X}}}_{1} $） 20~39岁=1，40~59岁=2，≥60岁=3 受教育程度（$ {{{ X}}}_{2} $） 小学及以下=1，初中=2，高中/中专=3，大学=4 是否村干部/党员（$ {{{ X}}}_{3} $） 否=1，是=2 从事行业（$ {{{ X}}}_{4} $） 务农=1，外出务工=2，做生意=3 林农家庭
因素家庭劳动力数量（$ {{{ X}}}_{5} $） ≤ 2人=1，3人=2，4人=3，>4人=4 家庭林地面积（$ {{{ X}}}_{6} $） 0~0.33 hm2=1，0.33~0.67 hm2=2，0.67~3.33 hm2=3，>3.33 hm2=4 家庭人均年收入（$ {{{ X}}}_{7} $） < 7000 元=1，7000 ~9000 元=2，9001 ~13000 元=3，>13000 元=4林业收入占家庭总收入的比率（$ {{{ X}}}_{8} $） >70%=1，70%~50%=2，50%~30%=3，<30%=4 农业收入占家庭总收入的比率（$ {{{ X}}}_{9} $） >70%=1，70%~50%=2，50%~30%=3，<30%=4 政策影响
因素对生态公益林的功能作用的认知度（$ {{{ X}}}_{10} $） 不了解=1，不太了解=2，一般了解=3，较了解=4，了解=5 对生态公益林补偿标准的满意度（$ {{{ X}}}_{11} $） 不满意=1，不太满意=2，一般满意=3，较满意=4，满意=5 生态公益林补偿金能否按时兑现（$ {{{ X}}}_{12} $） 不太能按时兑现=1，大部分能够按时兑现=2，都能按时兑现=3 生态公益林预期收益（$ {{{ X}}}_{13} $） 不太好=1，一般=2，比较好=3 
下载: 导出CSV
表 2 模型估计结果
变量 B S.E, Wals df Sig. Exp （B） 年龄（$ {{{X}}}_{1} $） −0.605 0.215 7.900 1 0.005 0.546 受教育程度（$ {{{X}}}_{2} $） 0.071 0.064 1.214 1 0.271 1.073 是否党员或村干部（$ {{{X}}}_{3} $） 0.309 0.122 6.444 1 0.011 1.362 从事行业（$ {{{X}}}_{4} $） 0.229 0.116 3.896 1 0.048 1.257 家庭劳动力数量（$ {{{X}}}_{5} $） −0.080 0.097 0.674 1 0.412 0.923 家庭林地面积（$ {{{X}}}_{6} $） 0.294 0.098 9.064 1 0.003 1.342 家庭人均收入（$ {{{X}}}_{7} $） 0.138 0.050 7.598 1 0.006 1.147 林业收入占比（$ {{{X}}}_{8} $） 0.160 0.114 1.966 1 0.161 1.173 农业收入占比（$ {{{X}}}_{9} $） 0.179 0.098 3.368 1 0.066 0.836 对生态公益林功能作用的认知度（$ {{{X}}}_{10} $） 0.442 0.079 31.463 1 0.000 1.556 对生态公益林补偿标准的满意度（$ {{{X}}}_{11} $） 0.476 0.072 43.447 1 0.000 1.609 生态公益林补偿金能否按时足额兑现（$ {{{X}}}_{12} $） 0.860 0.147 34.340 1 0.000 2.364 生态公益林预期收益（$ {{{X}}}_{13} $） 0.138 0.182 0.570 1 0.450 1.147 常量 −3.380 0.871 15.052 1 0.000 0.034
下载: 导出CSV
-
[1] 曹昌伟. 生态公益林政府补偿: 现状、问题及对策[J]. 江汉大学学报(社会科学版), 2018(4): 31. DOI: 10.16387/j.cnki.42-1867/c.2018.04.004. [2] 曹晴晴. 公益林生态补偿与管护制度有效结合研究: 以安徽省为例[J]. 宿州教育学院学报, 2020, 23(3): 12. DOI: 10.13985/j.cnki.34-1227/c.2020.03.003. [3] 杨冬梅, 刘滨, 朱述斌, 等. 林农参与生态公益林管育意愿的影响因素分析: 基于江西省的调查数据[J]. 新疆农垦经济, 2018(2): 27. DOI: 10.3969/j.issn.1000-7652.2018.02.004. [4] 段文婷, 江光荣. 计划行为理论述评[J]. 心理科学进展, 2008, 16(2): 315. [5] 杜重洋. 林农响应生态公益林补偿政策的营林行为研究[D]. 南昌: 江西农业大学, 2018. [6] 姜波. 农户参与生态公益林建设意愿的影响因素分析[D]. 杨凌: 西北农林科技大学, 2012. [7] 朱博旖, 王团真, 陈治琪, 等. 农户生态公益林保护影响因素的实证研究: 以福建省为例[J]. 云南农业大学学报(社会科学), 2016, 10(1): 22. DOI: 10.3969/j.issn.1004-390X(s).2016.01.007. [8] 李敏, 谢屹, 王静. 山区农户林业经营收入如何影响其参与生态公益林的管护意愿: 来自北京农户的证据[J]. 林业经济, 2020, 42(12): 12. DOI: 10.13843/j.cnki.lyjj.20210225.004. [9] 李国志. 农户公益林建设受偿意愿及影响因素研究[J]. 中南林业科技大学学报(社会科学版), 2018, 12(1): 39. DOI: 10.14067/j.cnki.1673-9272.2018.01.007. [10] 楚宗岭, 庞洁, 蒋振, 等. 贫困地区农户参与生态补偿自愿性影响因素分析: 以退耕还林和公益林补偿为例[J]. 生态与农村环境学报, 2019, 35(6): 738. DOI: 10.19741/j.issn.1673-4831.2019.0048. [11] 彭冲, 支玲, 谢彦明, 等. 林农天保二期工程参与意愿及其影响因素分析: 以西部四个案例县 (旗) 为例[J]. 西南林业大学学报 (社会科学), 2017, 6(3): 36. [12] 黄宰胜 , 陈治淇, 陈钦. 林农碳汇林经营受偿意愿影响因素分析: 基于计划行为理论[J]. 林业经济, 2017(3): 46. DOI: 10.13843/j.cnki.lyjj.2017.03.008. [13] 徐珂, 庞洁, 尹昌斌. 生态公益林补偿标准及其影响因素: 基于农户受偿意愿视角[J]. 中国土地科学, 2022, 36(6): 76. DOI: 10.11994/zgtdkx.20220523.100843. [14] 丘水林, 靳乐山. 生态公益林补偿、收入水平与政策满意度: 基于生态保护红线区农户调查数据的实证分析[J]. 长江流域资源与环境, 2022, 31(1): 234. DOI: 10.11870/cjlyzyyhj202201022. [15] 张如, 富逊娣, 孙国艳, 等. 陕西省农户对公益林生态效益补偿政策满意度及其影响因素研究[J]. 陕西林业科技, 2022, 50(4): 59. DOI: 10.12340/sxlykj202204011. [16] 杜娟, 谢芳婷, 刘小进, 等. 不同群体林农对生态公益林补偿政策的满意度研究: 基于江西省南方集体林区的实证分析[J]. 林业经济, 2019, 41(9): 16. DOI: 10.13843/j.cnki.lyjj.2019.09.002. [17] 陈娴仪, 石道金. 完善生态公益林补偿制度的思考: 基于浙江省实施生态公益林建设的调查[J]. 绿色财会, 2019(10): 3. DOI: 10.14153/j.cnki.lsck.2019.10.002. -
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: 427
- HTML全文浏览量: 84
- PDF下载量: 21
- 被引次数: 1