精准土地管理技术能否提高农业效率？来自印度激光平地技术的证据

《Agricultural Systems》：Do precision land management technologies improve farm efficiency? Evidence from laser land levelling in India

　　

激光平地（LLL）提高了受地下水胁迫的水稻系统的资源利用效率，支持了气候适应策略。LLL在水密集型水稻系统中同时提高了生产力（2.64公担/英亩）和效率（3%）。LLL的采纳受资产所有权、教育和土地持有规模的驱动，凸显了结构性获取约束。整合的倾向得分匹配-随机前沿方法（PSM–stochastic frontier approach）纠正了可观测和不可观测的选择性偏差。LLL不仅是一种资源效率创新，也是一种节水技术。

本研究围绕印度旁遮普邦地下水过度开采的水稻-小麦系统，探讨了精准土地管理技术——激光平地（laser land levelling, LLL）对农场效率的影响。研究背景方面，印度农业面临结构性挑战，如土地碎片化、气候变化、技术获取受限等，尤其在旁遮普邦，水稻-小麦系统依赖高强度灌溉，导致地下水严重超采（约156%的补给量），资源利用效率下降。现有研究主要关注LLL的产量效益，但缺乏对其技术效率影响的系统评估，尤其是能否帮助农户更接近生产前沿。因此，研究人员利用2017-18年对旁遮普12个地区60个村庄885名水稻种植户的横截面调查数据，开展了一项综合实证研究，旨在识别LLL采纳的决定因素，评估其对水稻产量和技术效率的影响，并纠正选择偏差。研究得出关键结论：LLL采纳显著提高产量（2.64公担/英亩）和技术效率（约2.23%-3.73%），且边际农户效率提升幅度更大（7.12%-8.24%）；采纳受土地持有规模、教育、拖拉机和水泵所有权等结构性因素驱动。该研究的重要意义在于，将LLL从单纯的节水技术重新定位为系统层面的资源效率创新，对地下水压力地区的农业可持续性具有政策启示。论文发表在《Agricultural Systems》。

研究方法方面，研究人员主要采用了三种关键定量技术。首先，利用Probit回归模型分析LLL采纳的决定因素，并计算边际效应。其次，采用倾向得分匹配（propensity score matching, PSM）算法，基于最近邻匹配构建反事实组，以估计LLL对产量的平均处理效应（average treatment effect on the treated, ATT），校正可观测选择偏差。最后，应用Greene的样本选择随机前沿模型（sample selection stochastic frontier model, SPF），在Translog生产函数形式下，通过引入逆米尔斯比率（inverse Mills ratio）校正不可观测的选择偏差，从而估计技术效率（technical efficiency, TE）。样本全部来自旁遮普的水稻种植户，数据通过分层随机抽样获得。

研究结果部分按小标题呈现如下：

**4.1 描述性统计（匹配样本）**：通过PSM匹配后，样本包含872个观测（523个LLL采纳者，349个非采纳者）。描述性统计显示，LLL采纳者与非采纳者在年龄、家庭规模、务农经验上无显著差异，但采纳者土地持有规模更大（6.05英亩 vs 5.38英亩），拖拉机拥有率更高（83% vs 69%），且产量显著更高（30.05公担/英亩 vs 26.69公担/英亩），总产量也更高（181.77公担 vs 143.57公担），这些差异在99%置信水平下显著。

**4.2 LLL采纳的决定因素**：Probit回归及其边际效应表明，家庭规模对采纳概率有显著负向影响（边际效应-0.7%），而土地持有规模（+0.5%）、教育（初等及以下+8.5%，中等及以下+13.6%）、拖拉机所有权（+15.1%）、水泵所有权（+26.4%）以及区域（南部地区+14.3%）均显著正向影响采纳概率。年龄、务农经验、农民生产者组织（FPO）成员身份、机构作物贷款和银行账户的影响不显著。

**4.3 产量影响：倾向得分匹配**：基于最近邻匹配的ATT估计显示，LLL采纳者的产量比非采纳者高2.64公担/英亩，在99%置信水平下显著。共同支撑条件和平衡性检验均满足要求。

**4.4 生产前沿**：通过广义似然比（LR）检验，研究者拒绝了Cobb-Douglas函数形式，选择Translog生产函数（AIC值533.29 vs 681.72），用于后续随机前沿分析。

**4.5 随机前沿生产函数**：样本选择SPF模型显示，选择性偏差参数ρ显著不为零，表明存在不可观测选择偏差，因此应采用样本选择模型而非常规模型。效率损失参数σ(u)在所有模型中均显著，说明无效率是水稻产量损失的重要因素。输入变量方面：土地持有规模对非采纳者产出有显著负效应（-2.5%），劳动投入对采纳者有显著负效应，尿素对非采纳者有正效应但递减，DAP对采纳者有正效应但递减，钾肥对采纳者有负效应。投入交互项显示，尿素与钾肥在采纳者中互补，而尿素与机械、DAP与劳动在采纳者中替代。机构变量方面，FPO成员身份对非采纳者效率有正向影响（+14.6%），但对采纳者有负向影响（-5%）；作物贷款对采纳者有正向影响。

**4.6 效率估计**：在常规SPF模型下，LLL采纳者的平均技术效率为84.36%，非采纳者为81.60%，差异2.75%显著；在样本选择SPF模型下，差异扩大至3.73%（84.71% vs 80.97%）。分别估计时，差异分别为2.23%和2.79%。对于边际土地持有者，效率差异更大：常规SPF下差异6.63%，样本选择SPF下差异7.78%；分别估计时差异达7.12%和8.24%，表明边际农户从LLL采纳中获得的效率提升更为显著。

讨论部分总结了LLL作为资源效率创新的多维效益，不仅提高产量，还改善技术效率，且边际农户受益更多，挑战了精准农业主要惠及大型农场的传统认知。研究强调，通过整合采纳与效率视角，可更全面评估技术福利影响。结论部分翻译如下：本研究考察了激光平地（LLL）在旁遮普高度地下水胁迫地区水稻种植中的生产力和技术效率影响。通过初级调查和综合计量经济学框架，提供了LLL技术对生产力和效率影响的实证证据。结果表明，在校正可观测和不可观测选择偏差后，LLL采纳带来了更高的产量收益和技术效率的适度改善。此外，通过将匹配方法与样本选择前沿框架相结合，研究展示了利用观测数据评估生产力和效率结果的更稳健方法。采纳分析强调了结构和资产相关因素在技术采纳决策中的重要性。较大的土地持有规模、较高的教育水平和农业机械的可获得性显著增加了采纳可能性，指出了技术获取中存在的持续不平等。同时，效率分析表明，边际农户从LLL采纳中获得的收益相对较大。研究结果凸显了LLL作为地下水胁迫农业区资源节约型干预措施的潜力。因此，应通过针对性的干预措施（如补贴、正规信贷服务、机械化和机构准入）来优先推广LLL。加强农民合作社和推广网络可进一步降低采纳障碍。总体而言，本研究为精准土地管理技术在提高生产力的同时保护稀缺自然资源方面的关键作用增添了证据。在面临地下水下降和气候变化的地区，推广能够提升土地、水和能源投入联合生产力的技术，对于平衡农业增长与长期可持续性至关重要。