4 基于 Logistic 模型的农户秸秆资源化利用行为的关键影响因子识别
在运用统计数据和调研数据对河北省秸秆资源利用现状、农户秸秆利用行为及其可能的影响因素进行了简单描述统计分析的基础上，笔者期望通过 logistic 回归模型对影响农户秸秆资源化利用行为的各因素的影响方向、作用强度作进一步分析。从而识别影响农户秸秆资源化利用行为的关键因子，为下一阶段提出政策建议提供信息基础。
4.1 变量选择及定义。
在农户行为理论研究的基础上，通过对调研数据的整理和前文的分析，我们构建了农户秸秆资源化利用行为的影响因素的理论框架（图 3），此理论框架将农户秸秆资源化利用行为的影响因子划分为六大类：农户个体特征、农户家庭特征、农户秸秆资源化利用认知情况、地域特征、秸秆利用的政策环境、秸秆利用的市场环境。
结合上述的描述性分析以及各因素与农户秸秆资源化利用行为的交叉分析，我们对各变量的定义、描述性统计及预期作用方向归纳如下：
4.2 模型设定与选择。
根据研究目的及 4.1 中构建的农户秸秆资源化行为影响因素的理论框架，我们设定了本研究的理论模型：
农户秸秆资源化利用行为=F（个体特征；家庭经营特征；农户秸秆资源化利用认知；区域差异；秸秆利用政策环境；秸秆利用市场环境）Logistic 回归又称 Logistic 回归分析，常用于对定性变量的回归分析。在很多学科，尤其是社会科学领域有着广泛的应用。本文对农户秸秆资源化利用行为的研究属于社会科学研究的范畴，因此选择 Logistic 回归模型比较合适。另外，根据因变量取值的不同，Logistic 回归分析有二元Logistic 回归分析和多元 Logistic 回归分析，因本研究中因变量：农户秸秆资源化利用行为"y"只有"0"和"1"两个取值，y=l 表示秸秆资源化利用，y=0 表示秸秆非资源化利用。所以采用二元 Logistic 回归模型进行分析。在对回归模型参数进行估计时，极大似然估计法相较于最小平方估计法在 Logistic 回归这种非线性回归模型中更合适，所以，本研究用极大似然估计法对回归模型参数进行估计。
4.3 模型估计过程及结果。
选定模型，设定因变量和自变量后，本研究运用 SPSS19.0 对调研数据进行二元 Logistic 回归处理分析。在做回归分析时，选择进入法，把所有自变量均带入模型进行检验，进而找到模型中影响显着的自变量。
运用二元 logistic 模型做影响因子的显着性检验，得出了对农户秸秆资源化利用行为有显着影响的五个变量，分别为：教育程度、秸秆资源化利用技术认知、地形特征、机械化作业水平、秸秆利用技术推广。虽然在模型检验中焚烧秸秆惩罚力度没通过显着性检验，但调研中农户特意强调了该因素的影响，遂在此将该因素列入显着性影响因子的讨论范围。
下表 26 反映的是模型的总体检验效果，即自变量与因变量关联强度的检验。
"Cox & Snell R 方"与"Nagelkerke R 方"的值分别为 0.483,0.740,表明自变量与因变量之间有中强度关联，所以该模型的总体检验效果比较好。
4.4 模型结果分析。
运用二元 logistic 模型对农户秸秆资源化利用行为的影响因素、影响方向及作用强度进行分析，结果表明，除了耕地规模对农户秸秆资源化利用行为的影响方向与预期方向相反外，其他变量的作用方向均与预期方向一致；另外在作交叉分析后无法确定预期影响方向的两个变量--种植经验、务农人口，在经过模型的检验后也确定了影响方向，二者分别于与农户秸秆资源化利用行为呈正相关关系、负相关关系。经过显着性检验过程，本研究共确定了影响农户秸秆资源化利用行为的六个关键因子，分别是：教育程度、秸秆资源化利用技术认知、地形特征、机械化作业水平、秸秆利用技术推广、焚烧秸秆惩罚力度。
耕地规模的作用方向与预期方向不一致可能是因为在样本选取时，存在少量耕地规模非常大的样本，在做交叉分析时将这些样本作了偶然性解释，但在显着性检验过程中，这些样本却发挥了很大作用。
秸秆利用技术推广对农户秸秆资源化利用行为的影响：模型结果显示，二者之间呈正相关关系，且在 5%的水平上通过了显着性检验。即随着秸秆利用技术推广种类的增多、推广程度的加深，农户实施秸秆资源化利用行为的趋势有所加强。这是因为，当前很多农户已经逐渐意识到秸秆焚烧对环境的危害，如果能够得到有效的技术推广和技术指导，农户秸秆资源化利用的机会就会增大。这一点在不同样本区的调研农户中表现的非常明显，样本区 1 农户之所以选择秸秆资源化利用的比例比较大，尤其是选择秸秆气化途径利用的比例很大，很大程度上跟当地秸秆气化技术推广有关。样本区 2 农户进行秸秆资源化利用的比例也不低，但多是通过秸秆还田的方式实现的，这主要是因为当地政府对秸秆还田的推广力度比较大。样本区 3 高达 73.1%的农户反映当地没有任何秸秆利用技术的推广，也可以解释为什么只有 30.7%的农户选择进行秸秆资源化利用。
地形特征对农户秸秆资源化利用行为的影响：模型结果显示，二者之间呈负相关关系，且在5%的水平上通过了显着性检验。表明地势越平坦，农户秸秆资源化利用的可能性就越大，这可能是因为目前人力成本比较高，秸秆资源化利用工作多是通过机器完成，平坦的耕地特征有利于大型机械作业。对于河北省目前这种仍以秸秆还田为秸秆主要利用方式的情况来说，坡地或山坡地并不具有大田收播、机械运作的条件，尤其是玉米秸秆，体积大、产量丰富，如果收割机械和还田机械无法下田，将会严重降低农户秸秆资源化利用的意愿。
教育程度、秸秆资源化利用技术认知对农户秸秆资源化利用行为的影响：模型结果显示，这两个变量与因变量之间均呈现正相关关系，且分别在 10%、5%的水平上通过了显着性检验。这表明，随着农户受教育程度的提高、农户对秸秆资源化利用技术认知的加深，农户秸秆利用行为会得到优化，其秸秆资源化利用的比例也会提高。这是因为农户秸秆利用行为受他们对该项技术认知情况的影响[72-73],而决定农民对技术认知情况的因素主要有农民自身教育程度以及农民对信息的关注程度和诉求动机。较高的受教育程度能在一定程度上提高农户对环保节能的认知水平，同时也能提高他们对新技术的理解能力和接受程度。
机械化作业水平对农户秸秆资源化利用行为的影响：模型结果显示，二者之间呈正相关关系，且在 5%的水平上通过了显着性检验。这是因为，无论是传统的秸秆直燃、秸秆养畜，还是新兴的秸秆气化、生物质发电、食用菌栽培，均对机械化作业水平提出了严重的挑战。调研中农户们反映秸秆还田不仅需要秸秆粉碎装置，还需要大马力的旋耕犁对土地进行深翻，否则粉碎后的秸秆厚厚的覆盖在耕地表层，不仅影响种子的播种和发芽，还可能导致病虫害的发生。而秸秆的其他利用方式，多数情况下依赖于农户的秸秆出售行为，如果当地秸秆打捆、揉丝、运输机械不发达，这些秸秆利用行为就难以转化为现实。可见提高农业机械化作业水平，有利于促进农户秸秆资源化利用。
焚烧秸秆惩罚力度对农户秸秆资源化利用行为的影响：模型结果虽然未显示二者之间呈显着相关，但据调研情况和模型测算数据（Sig 值为 0.121），笔者将其列为农户秸秆资源化利用行为的关键影响因子。当下调研地区政府并没有开展以农户为主体的秸秆资源化利用补贴行为，农户进行秸秆还田不仅需要投入人力、物力和时间，还需要支付较高的机械作业成本。此时在政府监督不严格或惩罚力度不大的情况下，农户选择秸秆大田焚烧的机会就会大大增加。因此，加大焚烧秸秆惩罚力度，将负外部成本内部化，有利于农户实施秸秆资源化利用。
