意大利南部农业灌溉创新技术采纳的决定因素研究

《Agriculture》：Determinants of Irrigation Innovation Adoption in Southern Italian Agriculture

　　

专业术语翻译 创新灌溉技术的采纳对于提升水资源利用效率和增强农业系统在日益增长的环境、气候及经济压力下的韧性具有战略意义。本研究基于二元Logistic回归模型（binary logistic regression model），纳入结构、态度、经济及环境四类变量，考察了意大利巴西利卡塔（Basilicata）、卡拉布里亚（Calabria）、坎帕尼亚（Campania）和普利亚（Apulia）四地区201个农场会计数据网络（FADN）果蔬农场灌溉创新采纳的相关因素。结果表明，创新导向（innovation orientation）和对合格员工短缺的感知是与采纳行为关联最强的因素。前者支持了行为与态度因素在技术投资决策中的相关性；后者可能反映了以技术替代稀缺的专门劳动力的机制，但无法排除反向因果的可能性。对高水成本的感知也与更高的采纳倾向显著相关。大型农场（超过14公顷）表现出更高的采纳可能性，尽管其更强烈地感知到财务约束。环境关注和水资源稀缺感知仅呈现边际显著的积极关联（p < 0.10），而有机生产状态和缺乏财务支持的感知未呈现显著关联，社会人口学控制变量亦不显著。总体而言，灌溉创新采纳与个体、结构、经济及组织因素相关联，为在类似地中海农业情境中促进高效灌溉的政策提供了启示。

论文解读文章

一、研究背景与问题提出

水资源短缺是当前全球农业面临的最紧迫挑战之一。气候变异性增强、农业与民用及工业用水竞争加剧、干旱频率上升等因素持续加大水资源压力，这一压力在地中海地区尤为突出——该地区灌溉农业对生产力和粮食安全具有核心支撑作用。意大利南部农业，尤其是果蔬产业，因高度依赖灌溉而对这些压力高度敏感。提升水资源管理效率对于农场竞争力、生产稳定性以及农村地区的环境可持续性具有重要战略意义。

尽管滴灌（drip irrigation）、基于传感器的智能灌溉系统（smart irrigation systems）、灌溉自动化（irrigation automation）、水肥一体化（fertigation）以及节水节能解决方案等高效灌溉技术已被证实能够提升用水效率、降低成本并增强对气候变异的韧性，但这类技术的采纳率仍然有限且分布不均。技术的可获得性并不必然带来采纳：农场的创新倾向取决于其承受投资的能力、获取技能的渠道、咨询服务可及性以及生产重组能力。对于灌溉技术而言，所需的投资规模使采纳高度依赖当地农业气候条件以及农场在不确定性下整合创新和评估预期收益的能力。

现有文献对采纳的结构性和经济性决定因素研究较为充分，但对行为维度——创新导向、变革开放性以及对环境和经济挑战的感知——的关注相对不足。近期一项国际研究的元分析表明，同时分析行为、结构、组织和经济决定因素的证据仍然有限，尤其在地中海农业系统中更为稀缺，因为大多数文献将这些决定因素分开处理。因此，需要一种整合性方法，以厘清创新导向、环境感知、农场结构和感知约束对采纳的相对贡献——特别是在结构性约束（农场碎片化、感知高水成本、服务获取受限）与气候压力交织的意大利南部地区。

基于上述背景，本研究利用意大利南部四个地区（巴西利卡塔、卡拉布里亚、坎帕尼亚和普利亚）果蔬农场的农场层面数据，整合结构、经济与感知信息，分析灌溉创新采纳的相关因素。研究提出三个核心问题：第一，哪些行为、结构和经济因素与意大利南部果蔬农场的灌溉创新采纳相关？第二，创新导向和环境感知相对于结构和经济因素对采纳的贡献程度如何？第三，感知约束——高水成本、合格员工短缺、财务支持有限——是作为采纳的障碍还是驱动力？

二、研究设计与方法

研究人员于2025年11月至12月期间，从欧盟官方农场会计数据网络（FADN）数据库中选取了意大利四个地区的201个果蔬农场，通过经专门培训的FADN调查员进行面对面访谈收集数据。样本采用非概率便利抽样方法，分布在巴西利卡塔（24.88%）、卡拉布里亚（24.88%）、坎帕尼亚（24.88%）和普利亚（25.37%）。受访者以男性为主（78.61%），89.05%年龄超过40岁。在土地利用面积（UAA）方面，34.33%的农场不超过6公顷，32.34%介于6至14公顷之间，33.33%超过14公顷。

问卷分为两个部分：第一部分评估技术创新的推广情况和水资源管理的主要挑战，包括过去三年农场层面的创新引入情况、灌溉系统和实践的变化（滴灌系统、传感器智能灌溉技术、系统效率改进、水肥一体化技术），以及农民在水资源管理中的主要感知挑战（高水成本、财务支持有限、合格人员短缺）；第二部分通过16个条目测量三个潜在变量——创新导向（IO）、水资源稀缺关注（WSC）和环境关注（EC），采用五点李克特量表（Likert scale）进行测量。

在数据分析方法上，研究人员采用以下关键技术：使用Cronbach's α系数评估量表内部一致性，辅以校正后的条目-总分相关性；通过探索性因子分析（EFA）检验各构念的因子结构和单维性，以Kaiser-Meyer-Olkin（KMO）指数评估因子分析的适用性；核心分析采用二元Logistic回归模型估计各因素与灌溉创新采纳概率的关联，使用Huber-White稳健标准误进行推断；此外还进行了Firth惩罚Logistic回归、留一地区交叉验证、10折交叉验证以及有序Logistic回归等稳健性检验。

三、研究结果

3.1 灌溉创新采纳概况

约62%的样本农场（n = 124）未采纳任何灌溉创新。在采纳的农场中，15.4%采纳了一项创新，9.5%采纳了两项，8.0%采纳了三项，5.5%采纳了四项。采纳农场比例随创新数量增加而递减，表明多重创新采纳的扩散有限，农民投资灌溉技术的倾向存在显著异质性。在具体技术类型方面，节水节能灌溉系统采纳最广（n = 54），其次是滴灌系统（n = 49）和水肥一体化系统（n = 38），基于传感器的智能灌溉系统采纳最少（n = 20）。

3.2 变量测量与量表验证

创新导向（α = 0.833）和环境关注（α = 0.803）显示出良好的信度，水资源稀缺关注呈现可接受的信度（α = 0.649）。KMO值分别为0.768、0.622和0.828，表明数据适合进行因子分析。三个量表的因子载荷均确认了单维性，校正后的条目-总分相关性均高于0.30的常规阈值，支持使用复合指标进行后续实证分析。

3.3 Logit模型结果

模型的整体显著性由Wald检验确认（Wald χ2(10) = 35.39；p < 0.001），解释力良好（McFadden伪R2 = 0.393），判别能力较强（ROC-AUC = 0.897）。模型正确分类了83.58%的观测值，敏感性为67.19%，特异性为91.24%。多重共线性分析显示所有VIF值均接近1，平均VIF为1.08，表明不存在多重共线性问题。

3.4 创新导向与环境感知

创新导向与采纳呈强且高度显著的关联（β = 2.134；OR = 8.453；p < 0.001），边际效应为0.260（p < 0.001），支持假设H1。环境关注（β = 0.706；OR = 2.026；p < 0.10）和水资源稀缺感知（β = 0.591；OR = 1.805；p < 0.10）均与采纳呈正相关，但仅在10%水平上显著，边际效应较小，仅部分支持假设H2和H3。创新导向在解释强度上明显超过环境和水资源稀缺感知。

3.5 感知约束：障碍还是促进因素

合格员工短缺是模型中最强的预测因子之一（β = 2.529；OR = 12.541；p < 0.001），边际效应为0.309（p < 0.001），与"诱导创新"（induced innovation）视角一致，但反向因果——采纳本身提高了技能要求——同样具有解释力。高水成本感知与采纳呈正相关（β = 1.385；OR = 3.997；p < 0.05），支持假设H4。财务支持有限与采纳无显著关联（β = 0.021；OR = 1.021；p > 0.10），不支持假设H5。

3.6 结构因素与控制变量

农场规模（UAA）与采纳呈正相关（β = 0.915；OR = 2.497；p < 0.001），支持假设H7。有机生产状态（β = 0.414；OR = 1.513；p > 0.10）和性别（β = ?0.716；OR = 0.488；p > 0.10）、年龄（β = 0.334；OR = 1.397；p > 0.10）均无显著关联，不支持假设H8。

3.7 稳健性检验

Firth惩罚Logistic回归中所有系数保持符号一致，除水资源稀缺关注变为临界显著外，其余显著预测因子均保持显著性。留一地区分析中，创新导向、合格员工短缺和UAA在所有四个规格中均保持显著。10折交叉验证的AUC为0.850（95% CI：0.791–0.908），仅略低于样本内AUC（0.897），表明过拟合程度有限。将UAA作为虚拟变量的替代规格中，UAA第三类（>14公顷）的系数保持大且高度显著（β = 1.820；OR = 6.171；p < 0.001），模型拟合几乎不变。

3.8 采纳强度与类型

有序Logistic回归显示，创新导向（OR = 2.542；p < 0.001）、高水成本（OR = 5.320；p < 0.001）和农场规模（OR = 1.924；p < 0.05）与采纳强度显著相关，而合格员工短缺在强度模型中仅边际显著（OR = 1.759；p < 0.10）。分技术模型显示，创新导向、高水成本和农场规模在大多数或所有技术模型中保持显著，而合格员工短缺与任何单一技术的采纳均无显著关联。这表明员工短缺主要作用于采纳的广延边际（是否创新），而非集约边际（创新多少和采纳什么）。

3.9 农场规模与财务约束

Tukey调整的成对比较显示，UAA超过14公顷的农场采纳比例显著高于不超过6公顷和6至14公顷的农场，差异分别为0.260和0.216。在财务约束感知方面，最大规模农场感知财务约束的比例显著高于最小规模农场（差异0.203；p < 0.05）。

四、讨论与结论

在政策启示方面，研究指出促进灌溉创新的政策应更多关注使采纳在农场层面可行的条件，而非仅关注技术的可获得性。创新导向的重要性表明政策应通过咨询服务、示范农场、田间试验和同行学习强化农民的认知和组织能力。员工短缺与采纳的强关联提示投资于农场劳动力的职业和技术培训具有政策价值。农场规模与采纳的稳健关联则表明财务支持工具应按UAA进行差异化设计。

研究存在若干局限性：样本量相对较小且集中于意大利南部四地区，非概率抽样限制了结果的推广性；横断面设计只能识别关联而非因果效应；共同方法偏差可能夸大观测到的关联；一些感知变量可能存在社会期望偏差和回忆偏差；模型未包含盈利能力、信贷获取、推广服务等潜在相关决定因素。

研究结论表明，灌溉创新采纳最好通过整合行为、结构、组织和经济视角的框架来解释。创新导向和劳动力短缺是采纳的最强相关因素，高水成本感知也与采纳正相关，农场规模与采纳正相关，而环境敏感性和水资源稀缺意识仅呈现边际显著且不稳定的正相关。有机生产状态、财务支持感知以及社会人口学控制变量均不显著。研究强调应将灌溉创新理解为嵌入农场层面能力和资源约束的多维过程，而非单纯的技术投资。