从田间试验到场间采纳:识别田间技术采纳的生产率效应

《Food Policy》:From field trials to farm adoption: identifying the productivity effect of on-farm technology adoption

【字体: 大 中 小 】 时间:2026年07月12日 来源:Food Policy 6.8

编辑推荐:

  技术采纳是重要的农场管理决策,且常基于研究人员无法获取的信息做出。除自身经验外,生产者常依赖推广服务来指导其采纳决策。此处,研究人员提出一种新颖的工具变量(IV)方法来识别一项新技术即转基因(GM)玉米对农场产量的影响,所使用的工具由推广信息构建而成。所提出的

  
技术采纳是重要的农场管理决策,且常基于研究人员无法获取的信息做出。除自身经验外,生产者常依赖推广服务来指导其采纳决策。此处,研究人员提出一种新颖的工具变量(IV)方法来识别一项新技术即转基因(GM)玉米对农场产量的影响,所使用的工具由推广信息构建而成。所提出的方法允许研究人员探索GM采纳效应对农场生产率的内生性偏差存在的程度。候选工具由品种试验数据构建,以模拟生产者从大学推广品种试验报告中获取的信息,并在空间上与田间生产数据合并。研究人员发现,未能考虑采纳决策的内生性确实会导致估计的生产率增益产生向上偏差。通过IV方法校正此偏差后,GM玉米在田间带来每英亩19.6蒲式耳(bushels per acre)的巨大产量增益。研究人员证明品种试验数据可用于估计新技术在田间的冲击,且该方法具有足够的通用性以应用于其他情境(即技术、作物和/或地点)。
研究背景方面,技术创新不断改变农业格局,是过去一个世纪农场生产率大幅增长的主要驱动力。许多学者认为创新有助于应对气候变化和保障全球粮食安全等当前及未来挑战。然而,技术生成本身并不会带来效率提升,只有当生产者决定采纳创新技术时才会引致生产变化,因此技术采纳是不论规模与范围的全体生产者的重要农场管理决策,也是农业经济学文献的基石。分析技术采纳的一个关键挑战在于,它是一个基于研究人员通常无法获取的信息的不断演进的动态决策过程。生产者在采纳决策前必须评估新技术的预期收益并据此在知晓其实际田间冲击之前做出事前(ex ante)决策,且某些技术需大量前期获取与学习成本,决策者须收集信息、评估可信度并形成田间冲击预期,故技术采纳被视为内生(endogenous)的。由于研究人员通常不控制新技术传播过程,农业经济学家常使用观测数据进行事后(ex post)分析以评估技术采纳效应,但这常存在偏差。生产者采纳决策常与影响生产率的其他不可观测因素(如雄心、管理能力)相关,导致选择性问题(selectivity problem),难以区分技术效应与遗漏变量效应。此外,生产者联合决定品种与其他投入水平(如农药施用、轮作、种植密度等)也引入潜在偏差源。固定效应估计虽常用于克服若干内生性来源,但既往研究指出其仍可能产生有偏的采纳参数估计。为此,研究人员通过开发新颖工具变量(IV)方法并比较基线固定效应模型结果,直接考察内生性偏差影响GM玉米采纳对产量效应的程度,旨在识别GM采纳对农场产量的效应,该方法使用由推广信息构建的工具,据研究人员所知,从推广信息构建工具及伴随的实证策略在文献中具有新颖性,可应用于其他研究情境(即技术、作物和/或地点)。
为开展研究,研究人员主要用到以下几个关键技术方法:数据方面整合品种试验数据(来自大学农业推广服务年度田间试验报告,涵盖1992–2009年美国十大玉米生产州的236个地点超20000个品种)、田间生产数据(来自USDA-NASS Quick Stats数据库1980–2010年县级玉米产量与收获面积,剔除灌溉占比超10%及预后期观测不足的县,形成676县20655个产量观测值)及天气数据(来自PRISM Climate Group县级逐日温降水,构造0–10℃、10–29℃、>29℃积温与降水及其平方);工具构建方面将试验数据滞后一年以减暂态异质性,计算同地点年份GM与常规品种最大产量差(或累积平均差)作为信号(signal),以GM品种出现累计年数作为噪声(noise),并按单一性状(single trait)、堆叠性状(stacked traits)、多性状(multiple traits)分技术与商业体制(regime)交互;实证模型方面设定含县固定效应、线性时间趋势、天气控制的OLS与两阶段最小二乘法(2SLS)方程,第一阶段回归将前述工具与县匹配(取县作物加权质心至最近试验点最小线性距离),并允许体制切换交互,标准误按年份聚类,辅以控制函数(CF)与some invalid some valid IV estimator (sisVIVE)作稳健检验。
研究结果部分保留小标题并说明如下:
  1. 1.
    Introduction部分通过文献梳理指出技术采纳内生性及既往固定效应局限,提出用推广品种试验数据构建IV的新框架,论证试验数据由土地赠予大学按随机区组等协议生成、生产者无影响故具外生性,经滞后与差分处理可满足工具相关性(relevance)与外生性(exogeneity)(排除限制与无混杂分配),并说明主要贡献为用公开数据改进田间技术采纳生产率效应估计,核心发现为固定效应未控内生性致约24%向上偏误,IV校正后GM玉米增产19.6 b/a。
  2. 2.
    Data部分描述三数据集:品种试验数据含常规与GM(分抗玉米螟CB、抗根虫RW、耐除草剂HT及组合)产量与性状包,平均每年80个地点;田间数据平均每年665县,GM采纳率均值0.20,1996–1999年用logistic插值补缺失;天气数据含积温与降水变量,三者按地点–年份空间匹配。
  3. 3.
    Empirical strategy部分详述工具构建:定义试验产量yi,l,t-1滞后一年,取zmaxl,t-1=maxi∈GMyi,l,t-1?maxj∈COyj,l,t-1及累积平均zcmax,噪声znuml,t-1=∑Il,t-n;按性状分single_ zcmax、stacked_ zcmax、multiple_ zcmax与对应num,依商业体制R1(1996–2002)、R2(2002–2005)、R3(2005–2010)交互;空间上以县crop-weighted centroid匹配最近试验点(平均距87.2 km)。模型估计设产量方程yc,t=αc+θ GMs,t+x′c,tβ+μc,t(αc县固定效应,x′含趋势与天气),第一阶段GMs,t=αc+x′c,tβ+γ1zcmaxc,t-1+γ2znumc,t-1+εc,t,扩展至性状与体制交互的最终式GMs,t=αc+x′c,tβ+∑3r=1Rr(z′c,t-1γr)+εc,t。
  4. 4.
    Results部分下分:
Preferred specification:第一阶段九工具中七显著,六产量差均正向显著,三年数联合显著(p<0.001);第二阶段OLS估GM效应24.181b/a,2SLS估19.564b/a,向上偏误约24%,Kleibergen-Paap Wald验非弱工具(49.848***),Sargan验过度识别显著;控制函数(CF)聚类标准误下残差不显著,异方差与Conley(50 km、100 km)下显著,依标准误保守性未能拒外生原假或拒绝。
Data driven IV selection:用sisVIVE选λ=24.7,判single cmax R3、stacked cmax R2、multiple cmax R3、multiple num R3为有效,估GM效应19.3 b/a,表明部分无效工具不偏结果。
Alternative subsets of instruments:仅信号子集估18.1–20.3 b/a,仅噪声子集标准误大;按性状子集单18.1–20.3 b/a、堆17.3–20.3 b/a、多效标误大;仅首体制子集估19.4 b/a,均稳于首选。
Alternative measurement of instruments:州聚合同工具估18.9 b/a;单年最大差、单年平均差、累积平均差估19.4–20.0 b/a;限差>0或>15 b/a估19.1–19.8 b/a;重分(CB,RW,HT)为多性状估18.7 b/a,均稳。
Pest pressure:加预季冻害与6月降水作虫压代理,变量不显著,GM估21.4 b/a仍低于OLS。
Seed price:加GM/非GM种子价比(2002起插补至1996),GM估19.5 b/a,无明显影响。
Alternative GM adoption rates:删1996–1999插值估20.4 b/a;用Kynetec农场级数据(1996起)估19.0 b/a,插值影响可忽略。
讨论与结论部分总结:确立技术采纳对作物生产率的因果效应是农业经济学的研究要务,解决内生性偏差日益重要因技术干预常属扶贫、粮食安全与气候适应政策推荐组成。研究人员提出用推广信息(品种试验数据)构建工具的新颖实证方法以识别新技术对田间产量的效应,结果显示未考虑采纳决策内生性致估计生产率增益向上偏差,IV校正后GM效应仍为19.6 b/a,虽既往文献估计可能偏高但本研究结果不支持GM玉米不增产之说,且GM效应在多种工具子集等替代设定下稳健,表明品种试验数据可在比首选更简约模型下提供可信识别。局限包括因缺公开农场级数据用县生产–州采纳的空间不匹配面板难捕抗性/溢出效应,及生产者如何用试验信息尚多未知;试验数据分散管理挑战大需开放共享倡议借鉴基因组等公库。政策含义为GM作物生产禁令因巨大增产具经济后果,不仅失采纳增益亦失环境与市域效益;推广服务助生产者克服采纳障碍,其受信且关键,但近年资金与专员减少伴公农研投资下降,或致采纳与新技适应力降低。
研究结论部分原文翻译:确立技术采纳对作物生产率的因果效应是农业经济学的研究要务。解决内生性偏差日益重要,因为技术干预常常是贫困缓解、改善粮食安全及适应气候变化等政策建议的组成部分。在本文中,研究人员提出了一种新颖的实证方法,使用由推广信息(即品种试验数据)构建的工具来识别新技术对农场产量的效应。研究人员的结果表明,未能考虑采纳决策的内生性会导致估计的生产率增益出现向上偏差。通过研究人员的IV方法校正此偏差后,GM对产量的效应仍然很大,为每英亩19.6蒲式耳(b/a)。尽管文献中先前的估计可能存在向上偏差,但研究结果与“GM玉米不提高生产率”的说法不一致。此外,GM效应在包括所用工具数量受限在内的若干替代设定下是稳健的。这表明品种试验数据可在比研究人员首选方法更简约的模型下提供可信识别的结果。本研究并非没有局限性。由于缺乏公开的农场级数据,研究人员构建了使用县级生产数据与州级采纳数据的空间不匹配面板。这使其难以捕捉诸如GM技术的抗性(resistance)或溢出(spillover)效应等因素。该方法的另一个潜在局限性是,关于生产者如何使用品种试验信息仍存在许多未知。研究人员的工具构建是量化此过程的一次尝试。需要进一步探究以厘清生产者如何在田间决策中使用试验信息。这也可以通过更直接或地展示推广服务的利益相关者冲击来为政策制定者的资金决策提供信息。该方法的另一局限性源于与开发大规模田间试验数据集相关的当前数据管理挑战。通常,田间试验是在更大的机构保护下进行的,然而进行试验的试验站往往去中心化。这通常被视为积极因素,因为试验站可能进行与其当地利益相关者相关的试验,但这种去中心化使数据管理具有挑战性。开放数据与数据共享倡议可以缓解其中一些挑战。此外,可能有机会从已开发实验公共数据库的其他领域(如基因组学、表型组学和生物信息学)学习,以使研究人员能够利用田间试验产生的大量数据。研究结果的更广泛政策含义有两点。首先,鉴于GM带来的巨大产量增益,对GM作物的生产禁令具有经济后果。GM作物禁令不仅失去了与采纳相关的生产率增益,而且也未实现归因于GM技术的环境和市场广泛效益。其次,推广服务帮助生产者克服采纳障碍。其他人发现推广在传播新技术信息方面起关键作用且深受生产者信任支持了这一点。随着近几十年来资金下降以及受雇的推广专家和代理人数量减少,推广的有效性可能正在降低。这是过去二十年来美国农业研究公共投资较大幅度减少的一部分。这些资金减少可能导致生产者采纳更新技术的可能性降低和/或适应气候变化的能力较弱。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号