关于“可持续农业集约化实践组合是否改善小农福利？来自肯尼亚东部和西部的证据”的研究报告
一、 研究作者、机构及发表信息
本研究由 Wilckyster Nyateko Nyarindo（第一作者，恩布大学农业经济与推广系）、Amin Mugera 与 Atakelty Hailu（西澳大利亚大学农业研究所及农业与环境学院）以及 Gideon Aiko Obare（埃格顿大学农业经济与商业管理系 / 内罗毕Tegemeo农业政策与发展研究所）共同完成。该研究以原创性文章（Original Article）的形式发表于 Agricultural Economics 期刊，于2023年11月28日被接受，并于2024年发表，文章数字对象标识符（DOI）为 10.1111/agec.12816。
二、 学术背景与研究目的
本研究属于农业经济学与发展经济学领域，聚焦于 可持续农业集约化（Sustainable Agricultural Intensification, SAI）实践在撒哈拉以南非洲小农生产体系中的应用与影响评估。研究背景基于以下几个关键现实问题：首先，小农是非洲农业的主体，他们面临着气候变化、土壤肥力下降、土地碎片化等多重压力，农业生产率低下，粮食安全脆弱。其次，旨在提高生产力的“绿色革命”和后来强调环境友好的保护性农业（Conservation Agriculture, CA）在非洲均未取得预期成功，前者受制于制度与政治挑战，后者则因养分释放慢等问题未能有效缓解粮食短缺。因此，SAI作为一种旨在以有限投入和土地获得更多农业产出，同时增强农业生产可持续性的方法，受到国际机构广泛推崇。
然而，现有研究存在明显缺口：1）多数研究关注单一SAI实践（如化肥、改良种子）的采用，而现实中农民倾向于捆绑采用（bundling）多种实践；2）少量研究考察了多种SAI实践的采用，但未将其视为有意义的组合或“捆绑包”来分析其决定因素和综合影响；3）对于不同SAI组合如何影响小农的福利（如产量、成本、收入等），尤其是其盈利能力，缺乏系统的实证证据。此外，由于小农所处的农业气候和资源条件具有高度异质性，一刀切的推广政策可能并不适用。
基于此，本研究旨在填补上述知识空白，具体目标为：1）识别肯尼亚小农户在玉米-豆类种植系统中实际采用的SAI实践组合（捆绑包）；2）分析影响农户选择不同SAI组合的关键因素；3）评估采用不同SAI组合对作物产量、劳动力使用、可变成本、收入和净收益等福利指标的影响。研究旨在为设计因地制宜、参与式的农业推广政策提供实证依据。
三、 详细研究流程与方法
本研究遵循了一个严谨、多步骤的实证分析流程，具体步骤如下：
第一步：数据来源与样本描述。 研究使用了由国际玉米和小麦改良中心（CIMMYT）领导的“采用路径项目”在肯尼亚收集的三轮面板调查数据（2011、2013、2015年）。调查区域覆盖了肯尼亚东部（Embu, Meru, Tharaka-Nithi）和西部（Siaya, Bungoma）两个主要玉米-豆类产区。最终的分析样本是一个包含3608个地块观测值的不平衡面板数据（每年约1200个地块）。数据涵盖了10种常见的SAI实践采用情况、社会经济特征、资源约束、市场准入、社会资本及地块特征等信息。
第二步：SAI实践聚类分析。 为解决SAI实践可能组合数量庞大且并非所有组合都有实际意义的问题，研究没有预先设定组合，而是采用数据驱动的方法来识别农户实际采用的主导模式。具体流程如下： 1. 确定分析单元与变量：以“地块”为观测单元，分析其采用的10种SAI实践（化肥、改良种子、杀虫剂、除草剂、有机肥、玉米-豆类间作、豆类轮作、最少耕作、短期水土保持措施、长期水土保持措施）。 2. 选择聚类算法：采用 K-模式聚类算法（K-modes clustering algorithm）。该算法适用于分类数据，通过最小化SAI实践与组模式（mode，即每组中最常见的值）之间的距离来形成聚类。研究使用R语言中的“klaR”包实现该算法。 3. 确定聚类数量：通过定性判断并结合多次随机起始种子测试（测试聚类数从3到8），最终选择了5个聚类方案。该方案在易于解释和稳定性方面表现最佳。卡方检验证实了不同聚类组之间在SAI实践采用上存在显著差异，验证了聚类结果的合理性。 4. 定义聚类：生成的5个SAI组合（集群）被命名为：EP（增产与保护型）、EPTM（增产-保护-传统-现代土壤修复型）、ET（增产与传统土壤修复型）、EPT（增产-保护-传统土壤修复型）、T（传统土壤修复型）。表1详细展示了每个集群中各项SAI实践的采用率，并圈出了相对于其他集群采用率较高的核心实践。
第三步：SAI组合采用决策的影响因素分析。 为了探究哪些因素影响农户选择特定的SAI组合，并控制不可观测的个体异质性（如农户的管理能力、风险偏好等），研究采用了面板随机效应多项Logit模型。该模型将农户选择某个SAI集群（相对于基准类别T）的效用函数设定为观测到的地块/家庭特征、时间虚拟变量以及一个代表家庭层面不可观测异质性的随机截距项的函数。模型使用Stata 14中的广义结构方程模型（GSEM）软件包进行估计。解释变量包括户主特征（性别、年龄、教育）、地区、年份、地块特征（肥力、坡度、权属）、制度因素（对推广人员的信心、推广接触次数）以及财富指标（储蓄、牲畜单位、资产价值、家庭收入）和种植系统（玉米单作、豆类单作，以间作为基准）等。
第四步：SAI组合采用效果的因果推断分析。 为评估采用不同SAI组合对福利结果（产量、劳动力成本、总可变成本、收入、净收益）的因果效应，并同时处理内生性问题（例如，农户的采用决策可能基于对未来收益的预期，且存在不可观测因素同时影响采用和产出），研究采用了多项内生处理效应模型。该模型的核心优势在于能够同时估计选择方程（农户选择哪个SAI组合）和结果方程（该选择对各项结果的影响），并通过引入工具变量和控制不可观测异质性来缓解内生性偏误。 1. 工具变量：研究使用“农户在村内认识的粮食贸易商数量”作为工具变量。其合理性在于，更多的贸易商联系可能通过提供市场信息和激励来影响农户采用更市场导向的SAI组合（如使用更多投入品），但理论上不应直接影响地块层面的产量或成本（排除限制）。有效性检验（伪造检验）支持了该工具变量的有效性。 2. 控制不可观测异质性：借鉴Mundlak-Chamberlain方法，通过在模型中引入所有时变解释变量的时间平均值，来捕捉并控制时不变不可观测异质性（如农户能力）与观测变量之间可能的相关性。 3. 估计方法：使用最大模拟似然法进行估计，模拟抽取次数设为400次。
四、 主要研究结果
1. SAI组合采用的决定因素： 随机效应多项Logit模型的边际效应分析揭示了影响SAI组合选择的关键因素： * 户主特征：男性户主家庭采用EPT组合的概率较低。户主年龄增长会降低采用EP（劳动密集型）组合的概率。更高的教育水平则与采用知识密集型的EPT组合正相关。 * 地区与时间：西部地区的农户更倾向于采用ET和EPT组合。与2011年相比，2013年采用包含土壤修复和外部投入的EPTM和EPT组合的概率增加，显示了从传统农业的转变趋势。 * 地块特征：土壤肥力中等的土地更可能采用EPT组合。中等坡度的地块更可能采用包含水土保持措施的EP组合。 * 制度与信息：对推广人员技能有信心会降低采用ET组合的概率，但提高采用EPT组合的概率。推广接触次数对采用有积极影响。 * 财富与资源：拥有更多储蓄和更高家庭收入的农户，采用EPT组合的概率更高，表明资源约束是采纳高投入、可能高回报SAI组合的重要障碍。 * 种植系统：与间作系统相比，玉米单作和豆类单作系统显著影响对不同SAI组合的选择。
2. SAI组合的福利影响： 多项内生处理效应模型的结果显示，不同SAI组合对福利指标的影响存在显著差异，且因作物系统和地区而异，证实了“一刀切”推广策略的不足。 * 产量：采用EP组合在所有地块上能显著提高产量。EPTM组合在玉米单作、豆类单作和间作系统中均与产量显著正相关。EPT组合也与更高的产量相关。而仅采用传统土壤修复的T组合，其产量分布明显偏向低产区域。 * 成本与收益： * EP：与T相比，显著增加了总可变成本，但也带来了显著更高的收入和净收益。 * EPTM：与T相比，关联着更高的产量、收入和净收益，同时其劳动力成本和可变成本低于ET和EPT，这可能是由于该组合中“最少耕作”的高采用率节省了劳力。 * ET：这是采用率最高（37%）的组合，与T相比，虽然总可变成本和劳动力成本显著更高，但其带来的收入和净收益的增加最为显著，表明尽管投入成本高，但其经济效益也最高。 * EPT：同样与显著更高的产量、可变成本、收入和净收益相关。 * T：与最低的可变成本和最低的回报相关联。 * 其他发现：研究还发现，以务农为主业的家庭产量和净收益更高；西部地区地块的成本更低、收益更高；农场规模与产量负相关；土壤贫瘠或坡度较大的地块产量和收益均较低；财富状况较好的家庭产量更高、使用更多劳动力。
五、 研究结论与价值
本研究得出结论：小农对SAI组合的采用因地区、种植系统和年份而异，这证实了“一刀切”的推广政策并不适用。SAI组合的采用率仍然较低且不稳定，小农可能会放弃那些仅包含传统土壤修复实践或仅限于增产和保护实践的集群。结合了土壤修复实践和外部农场投入使用的组合采用率随时间增加，显示出脱离传统农业的趋势。
研究的政策含义显著：首先，有效的农业推广体系对于传播适合当地条件的、有利可图的SAI组合信息至关重要。政府及私营部门需要识别并缓解制约因素。其次，应推广参与式推广方法，让推广人员和农民共同参与，以识别、改进和推广适应当地条件的SAI组合。最后，针对土壤贫瘠地块农户较少采用高净收益SAI组合的发现，政策干预应着眼于改善土壤肥力，以加速采用进程。
六、 研究亮点与创新
七、 其他有价值内容
研究通过核密度图直观展示了不同SAI组合下，玉米和豆类在单作及间作系统中的产量分布差异，生动地补充了回归分析结果。例如，图表清晰显示T组合的产量分布严重左偏（低产），而EPT和EPTM组合则有更多地块获得较高产量。此外，研究还进行了稳健性检验，通过对比Mundlak-Chamberlain回归和家庭固定效应面板回归的结果，进一步确认了主要结论的可靠性。作者也坦率指出了研究的局限性，即仅聚焦于玉米-豆类种植系统，并建议未来研究可拓展至其他作物系统（如水稻）。