食品生产经营主体行为研究

农户安全施药行为：选择倾向与影响因素——基于Logistic回归和Lasso算法的实证研究

马玉婷

摘要：本文利用河南、山东、江苏、浙江及黑龙江5省100个行政村986位农户的调查数据，运用Logistic回归和Lasso系数缩减算法对影响农户施药行为的一系列因素进行实证研究。研究发现：农户的性别、年龄、受教育程度、对农药残留及相关风险的认知、对安全生产的态度、政府的处罚落实程度、农药施用技术培训、农药的价格等因素对农户施药行为产生了显著的影响；农户对主要农作物价格的预测、安全农产品的种植标准、农产品市场销售中的成本收入不平衡等对农户施药行为的影响很复杂。

关键词：农户施药行为 安全生产Logistic回归Lasso算法

一 引言

近年来，随着我国经济的发展和居民收入水平的提高，人们对食品的要求逐渐从满足基本的生理需要提升到满足营养与安全的诉求，食品质量安全逐渐成为社会关注的焦点[1]。作为食品的主要原料和居民餐桌上的重要营养来源，农产品的质量安全与人们的饮食健康与生命安全紧密相连。农产品安全是食品安全的源头，也是确保食品安全的根本和关键[2]。然而，近年来农药超标残留的农产品安全事件频发。农业部曾对全国50多个蔬菜品种共1293个样品进行检测，结果发现蔬菜农药残留检测合格率不到80%；广西相关机构检测发现，蔬菜有机磷农药平均检出率高达87.5%；以盛产苹果著称的陕西省、以生产蔬菜闻名的山东省和传统的茶叶出口大省浙江省，近年来因农药残留超标问题在国际市场上频遇“红灯”，众多农民叫苦不迭，损失惨重[1]。虽然农产品在加工、流通和销售过程中不可避免地会因为防腐、保鲜等相关添加剂的使用或长期暴露在外而增加安全食用的风险，但是，作为农产品安全的源头，农户的生产行为特别是农药施用行为与农产品的质量安全息息相关，农药施用是农产品安全生产最核心和最关键的一环。董燕婕等认为，农户农药使用量大、施用结构不合理、农药有效利用率低是农药污染农业环境进而威胁农产品生产安全的主要因素[3], Hanna和Zhou等研究者还发现，农户对农药残留的认知以及由此产生的施用行为对农药残留的形成影响显著[4-6]。农药作为现代农业发展不可缺少的生产要素，农户对其的合理施用有利于减少人力投入，提高粮食产量，促进农产品的安全高效生产，但是，部分农业生产者出于对经济利益的追逐或由于自身相关认知的缺陷，违法施用高毒农药，擅自加大农药施用量，缩短农药施用间隔，不仅严重影响当地的生态环境，还阻碍了农产品行业的正常发展[7]。

为规范农户的农药施用行为，促进农产品安全生产，国内外学者进行了大量研究，并取得了可观的成就。Doss和Morris认为性别对农用化学品的施用有一定影响[8]; Isin等研究发现，土耳其Kemalpasa苹果种植地区农户的年龄、种植经验和受教育程度对其农药施用行为影响显著[9]；郝利等通过对山东、黑龙江、江苏等6省农户的调查发现，大多数农户不知道市场上高毒、高残留农药的危害及农民不了解农药使用量和停药期是影响农产品安全生产的重要因素[10]；李红梅等通过构建Logit模型进行回归分析，发现农户的信息获取渠道、对农药“三证”的认知等因素与其安全施用农药的意愿显著相关[6]。农户的施药行为受到现实中各种复杂因素的共同影响，农户个人特征、行为态度、主观规范、行为目标、知觉行为控制等都直接或间接地影响着农户的施药行为[11]，这给我国农产品安全问题的解决带来了不少约束。为此，本文试图通过梳理前人的研究成果，以分析农业生产者的农药施用行为为切入点，深入剖析影响农业生产者农药施用行为的各种因素及它们之间的影响差异，探索规范农业生产者农药施用行为的科学路径，提出政策建议，以推进农产品安全生产进程。

二 文献梳理与评述

农户的施药行为是有限理性的，会根据自身基本特征、经济现状、对农药产品的认知以及政府的相关政策做出决策[11]，影响因素繁多。国内外学者对影响农户施药行为的各种因素进行了大量的先驱性研究，主要集中在农户个体特征、家庭特征及其对农药施用与残留的相关认知等方面。

农户个体特征与其施药行为直接相关，Michael等认为，农户的性别会在农业生产技术方面造成差异，女性农户间接影响人力资源、土地资源的应用和延伸服务等方面，而在高科技生产技术的应用、要素的选择和使用投入等问题上男性户主则起主导作用。江激宇等的研究表明，年龄在一定程度上反映了农户的个人经历、思想观念、种植经验和施药习惯，农户年龄越大，决策越趋于保守，对农药新品种、施药新技术更难以接受，而从另一角度来看，年龄越大的农户，从事农业生产的时间越长，实践经验越丰富，越能做出“性价比”高的行为决策[12]。Abhilash和Singh通过对印度地区农药使用情况的调查分析，发现由于受教育程度的限制，农户对农药的认知水平普遍偏低，无法认识到过度使用化学农药的潜在弊端[13]。事实上，受教育程度是一个重要、复杂的影响因素，随着农户受教育程度的提高，其获取、辨识和理解信息的能力加强，更趋向于采纳农药新品种、使用施药新技术以促进农产品的安全生产。但同时，随着农户自身理解力的增强和对市场经济相关知识掌握程度的提升，农户追求利润的倾向性加强，加大了不合理施药的风险。

从农户的家庭特征来看，农户的家庭人口数间接影响了其自身的经济需求，家庭人口数越多的户主，在经济压力的驱使下更可能做出不合理的施药行为决策。另外，家庭人口数也在一定程度上代表了家庭劳动力的强弱，从而影响着农户家庭的农业投入力度与技术选择[14]。就我国农户特点而言，拥有充足劳动力的农业家庭倾向于用传统劳动投入来代替现代化投入，例如用人工授粉代替植物生长调节剂，用人工施药代替机器喷洒等。同时，随着近年来城市化的快速发展，众多农村青壮年劳动力进城务工，农村年轻劳动力大量流失，对农户家庭的农业生产造成负面影响[15]。由此，家庭人口数成为影响农户施药行为的一个相当复杂的因素。此外，土地规模也在一定程度上反映了农户在农业上的投入力度，土地规模越大，农户在农业上的投入越多，越有使用禁用农药、加大施药量来降低生产风险的可能[16-17]。

农户对农药施用及其残留的相关认知也在某种程度上影响了其最终的行为。张云华等研究表明，农户对农药毒性和农药污染所带来的风险没有认知是其施用高毒农药的根本原因[18], Dinham等和Epstein等的研究发现，认为施用不同品种的农药是控制害虫唯一有效方法的农场工人，大多缺乏环境保护知识，常常施用过量农药，从而威胁农产品安全[19-20]。排除政府干预和预期收益的影响，当农户意识到使用高毒农药、大量频繁使用低毒农药、忽视农药施用安全间隔期及农药残留等行为存在的安全隐患后，便会在主观上更积极地选择规范的施药行为以降低对环境和人体健康的负面影响，提高农产品质量。因此，通过组织培训和宣传教育等手段提高农户对安全生产行为的主观认知是规范施药行为的有效选择[21]。

综观国内外已有的相关研究，国外学者在该领域的探索起步较早，且取得了相当可观的研究成果，针对农户施药行为的规范化提出了诸多切实可行的解决方案[22-26]，但是由于国内外农业经济环境存在差异，农户在农业文化、生产规模等方面存在较大的异质性，仅照搬国外已有的研究成果并不能有效地解决当下农业生产中的实际问题。在国内研究领域，随着人们对食品安全问题的日益关注，诸多学者对我国多地区的农户进行了详细的调查和分析，如张云华、马九杰和孔祥智等运用二元Logit模型研究了当地农户无公害和绿色农药的使用现状[18]，冯忠泽等利用Probit回归模型，详细分析了农户个体特征及其对高毒农药、规范化生产操作行为以及绿色食品等的认知现状[26]。尽管如此，现有文献仍存在一些不足和局限：①现有研究的系统性不强，农户施药行为的影响因素纷繁复杂，少有学者将这些因素加以归纳，全面深入地进行探讨与分析；②偏重于理论分析，缺少有效的计量分析与测度，更忽视了地区间的发展差异和农民内部日益分化的现实国情；③数据代表性明显不足，多局限于对某一地区的少量个案研究，难以从整体上反映事实的原貌，更没有识别出关键因素。基于此，本文对河南、山东、江苏、浙江、黑龙江5个典型农业生产省份的100个行政村共986个样本农户的调查数据进行评估分析，估计影响农户农药施用行为的显著因素，评测其效力与影响力，为农产品安全生产提供理论支持和实践依据。

三 方法选择与模型构建

农户的农药施用行为是多变量共同作用的结果，在以往的研究中，很多学者利用Logit模型、结构方程模型、倾向评分匹配法、贝叶斯网络或聚类分析等方式进行多因素变量的分析测量，如罗峦等利用标准的Logit模型对农户安全施药行为的影响因素进行研究[14]，王建华等基于贝叶斯网络对农业生产者的农药施用行为进行风险评估[27]，这些方法虽然可以从不同角度对农户施药行为的影响因素进行有效识别与效度测量，但是模型建构复杂，计算过程烦琐，数据的分析处理工作量巨大，为有效提高运算效率，本文采用Logistic回归模型与Lasso算法相结合的方法，通过压缩变量，简化模型，从而更轻松地得到分析结果，减少了工作量。

在具体分析过程中，本文引入农户基本特征、生产经营状况、农药选择状况、对农产品安全生产的态度、对农药残留的感知、对农产品安全生产的主观规范、施用农药的技术来源、预期收入与风险、政府决策9个相关变量。首先，采用Logistic回归算法对研究数据进行拟合，运用梯度下降算法优化回归系数，计算函数的最小值和模型的拟合度，分析当前模型下各个特征参数的重要程度。其次，使用Lasso算法对特征参数进行缩减，引入软阈值去掉其中不重要的变量要素。最后，分析各个变量特征要素在农户施药行为过程中的影响方向与作用程度。

（一）基于Logistic回归和Sigmoid算法的分类

Logistic回归被广泛地应用在农业生产者行为的预测研究方面[19][25]，通过利用数据集和p维特征值XT=（X1, X2, …, Xp），生成Logistic回归模型并输出其对应的预测响应变量Y，然后通过对应的Logistic连接函数将所有回归模型的值转化为（0, 1）的范围内。最后，利用Sigmoid函数对数据进一步进行整合，其计算公式如（1）所示：

记Sigmoid函数的输入为z，在每一个特征上乘以一个回归系数，即z= β0x0+β1x1+β2x2+…+βnxn，代入Sigmoid函数可以把线性回归中假说方程hβ（x）= βTx改写为：

当回归系数确定以后，把一个观测数据代入线性回归模型，将计算得出的值用来表示y=1的概率，由此可以写出概率质量函数：

由于分类问题中Yi只能取0或1两种数值，上式等价于：

（二）梯度下降算法

用线性回归模型和响应变量来代替残差平方和，可以得到平均平方误差的普通形式，将其均值定义为代价函数：

确定回归系数的标准是使代价函数的均值达到最小，代价函数的图像是一个“碗状”的抛物线，然而由于Sigmoid函数非线性，不能将其直接代入代价函数。为了解决这一问题，可以先对Sigmoid函数取自然对数再代入代价函数：

通过将线性回归模型转换成对数形式，hβ（x）变为范围从0到1的单调递减的对数函数，该函数的含义是：当响应变量真实值为1，转化的对数函数hβ（x）也为1时，代价为0；相反，当响应变量真实值为1，但hβ（x）为0时，代价取值正无穷。

将代价函数代入Logistic回归模型中，得到：

为了使代价函数取到最小值，需要用到梯度下降算法。梯度下降算法是一种最优化算法，在给定一个初始点的情况下，通过循环，每次沿着下降最快的方向移动一个步长，直到到达函数的最低点[28]。如果用▽表示梯度，函数f（x, y）沿x轴和y轴方向的梯度分别为：

在每次循环中，梯度下降算法每到达一个新的点都会重新计算该点的梯度，估计下一步所要移动的方向，直到达到某一指定条件或误差允许的范围，通常该条件为‖βk-βk+1‖ ＜ tol, tol默认值为10-6。假设x1为初始化点，函数f（x）的一阶泰勒逼进式如下：

通过泰勒展开式可得：

其中，O（1）表示高阶无穷小，可看作常数，α表示每次移动的距离，称为步长，u为移动的方向，为了实现最有效的下降算法，需要使▽f（x1）·u最小。因此可以计算得到下一步的移动方向为：u =-▽f（x1）/‖▽f（x1）‖。

梯度下降的迭代算法过程如下。

（1）设k = 1,2, …, Nmax为循环次数。

（2）对每一个特征j更新回归系数，βj: = βj -α▽βJ（β）。对代价函数求一阶导数可得。其中，i表示训练数据集中第i个样本，j表示所有特征值中第j个特征。

（3）如果‖▽J（βk+1）‖ ＜ tol，达到最低点并结束算法。

（4）如果‖βk-βk+1‖ ＜ tol，达到误差允许范围，此时的β可看作最优解，结束算法。

（5）如果f（βk+1）＞ f（βk），步长过大无法达到最低点。

（6）达到最大循环次数，结束循环。

梯度下降算法步长的选择十分重要，如果步长过大，会导致算法无法在最小值处收敛。相反，如果步长选择得过小，每一步移动很小的距离，就需要增加循环次数，从而导致算法效率变低。

（三）Lasso算法

1．权衡偏差与方差

在数据特征很多的情况下，模型往往因为包含了一些对响应变量影响较小或不重要的特征而导致理解难度加大。另外，模型和观测值之间也会存在不可避免的误差，这些误差的来源通常包括偏差、随机噪声和测量误差。虽然模型在测试集上的误差会随着特征的增加而降低，但是到了一定程度误差又会重新上升，这是由于模型在训练集上出现了“过拟合”。为了防止数据在训练集上出现“过拟合”，需要引入一定的偏差来降低模型复杂度，从而减小方差，降低误差值。

2．Lasso缩减算法

通过在原有模型基础上引入正则化惩罚项，限制所有回归参数之和，去除不必要的参数，从而优化预测效果。在一些特定情况下，使用Lasso等正则化方法可以选择最佳模型[29]。

使用Lasso缩减算法的一个重要前提是将所用数据进行标准化处理。Lasso算法的实质是在原有模型中加入惩罚项，Lasso方法加入惩罚项的形式如下：

当回归系数很大时，第二项将导致整个式子数值增大，模型拟合效果下降，因此我们尽可能减小第二项的数值。可以将惩罚项看作另一个数据集上的最小二乘问题：

Lasso模型也可以理解为在原有模型基础上增加一个限制条件。这里s为λ的倒数。为了求得最小值，对上式求导并令一阶导数为0：

从而可得Lasso系数的解为：

Lasso的关键在于缩减参数λ的选择，不同的λ对应不同的解。

如果，即λ趋于0, Lasso不进行任何缩减，等价于最小二乘法。对于正则化设计矩阵，可以求得：

当回归系数的绝对值大于γ时，我们将其减去γ后的差值作为新的回归系数，并保留原系数的符号。

（四）相关统计量的计算及检验

1．标准误差

标准误差是衡量回归的一个变化性指标，它可以当作标准偏差使用，可用来预测区间。标准误差的计算方法如下：

其中n为样本数，k为样本所包含的变量数。

2．参数检验

回归模型中常用的三大检验为似然比检验、Wald检验、拉格朗日算子检验[30]。本文主要采用Wald检验。Wald检验类似于线性回归中的t检验，可用来测试当参数为0时假说是否成立，从而检验参数的重要性，其分布情况为非对称的χ2分布。下面简要介绍Wald检验的计算和含义。假设：

θ为一标量参数，为θ的估计值，se为的标准误差，假设是渐进正态的，则显著水平为α的Wald检验为：当W ＞ zα/2时，拒绝H0。其中，

四 对农户施药行为的研究

（一）数据来源

本文所用数据来自我国地理位置分散的5个主要粮食生产省份的100个行政村的986位农户。江南大学食品安全研究基地于2013年2～3月组织专门人员，采用分层设计、随机抽样与入户调查相结合的方式，进行实地调研获得研究所需的数据，以保证研究资料及结果的客观性与准确性。本次调查将我国大陆省份按照地理位置和生产的农产品品种分为东、西、南、北、中五大区域，其中主要包括以小麦为代表性农作物的河南、以蔬菜为代表性农作物的山东、以水稻为代表性农作物的江苏、以油菜为代表性农作物的浙江和以大豆为代表性农作物的黑龙江5个典型农业生产省份，根据调查结果有针对性地选取相关变量作为分析的数据来源，用以研究农业生产者农药施用行为的影响因素及作用机制。

本文所使用的问卷调查主要涉及以下9个方面：农户基本特征、生产经营状况、农药选择状况、对农药残留的感知、对农产品安全生产的态度、对农产品安全生产的主观规范、施用农药的技术来源、预期收入和风险与政府决策。

（二）数据预处理

原始数据需要经过处理修饰才能用于实际的数据分析过程。数据预处理工作主要包括异常值、缺失值定位纠正，近似字符匹配，输入错误纠正，日期值转换，其他数据类型转换和数据框结构变形等[30]。本文的处理工作包括以下方面。

（1）选取有效数据：从原始数据中拣取待研究的变量，剔除无关数据，简化研究过程。

（2）变量命名：根据变量特点定义变量名称，力求表达简洁精要。

（3）处理缺失值：数据缺失的现象在实际研究过程中极其普遍，对研究结论的有效性冲击很大。本文使用列均值代替列缺失值的方法，充分利用所有观测样本。

（4）处理异常值：异常值包括拼写错误、输入错误和脱离样本整体规律的特殊点。本文通过观测每列数值范围，将异常值视为缺失值处理。对于可能存在的个别非录入错误导致的异常值，通过图形定位再次删去。

（5）检查变量间的相关性。初步人为选取变量时，数据上的趋势特征往往不易被发现，相似变量容易被同时选取。在此处理环节，我们只需择其一，去掉关联变量以降低模型复杂度。

（三）选入变量及模型拟合

通过对问卷数据的初步整理与方差分析，本文将48个变量选入Logistic回归模型。结果如表1所示。

（四）数据分割方法

针对已有数据，本文按80%、20%的比例将数据分为训练集和测试集，采用交叉验证法来进行分析验证。交叉验证法是将数据等分为十部分，依次选取其中一部分作为验证数据，剩余部分作为训练数据来训练模型的方法。

（五）算法流程

1．Logistic算法流程

使用Logistic模型拟合过程如图1所示。计算回归参数的部分包括Sigmoid函数、代价函数、计算函数、分类函数、梯度下降函数、测试函数、重复测试函数。

2．Lasso算法流程

Lasso算法的流程如图2所示，计算回归参数用到了坐标下降算法，算法需要给定初始化的Lambda向量，通过调用软阈值函数在循环次数内计算每个Lambda值所对应的回归参数，再通过十折交叉验证的方法选取最佳的Lambda所对应的回归参数值用于后续的测试模型。

（六）模型检验结果及分析

1．Logistic对48个变量的回归结果分析

对各个变量进行Logistic回归，结果如表2所示。

由Logistic回归的系数估计和Wald检验可知，Gender、Age、Edu、Attit、Fine、Fellow-vill、Pesti dealer、Impt on envir、Agri safety、Pri consi、Train、Knowledge、Profit risk、Pro safety、Mar等变量均具有较大的回归系数，对农户安全施药行为有很强的正影响，Wald值在1以上说明这些变量影响显著，为影响农户施药行为的关键因素。

在农户基本特征的变量分析中，性别、年龄、受教育程度是影响农户施药行为的主要因素；在农户对农药的选择上，农药价格、对生态环境和农产品安全的影响是农户购买、施用农药时主要考虑的因素；在有关农户主观感知的变量中，农户对农药残留的了解程度在很大程度上影响其施药行为；在对农户安全生产态度的考察上，农户对农药残留所引发的农产品质量和收入风险的预期和在意程度是影响其施药行为的主要因素；在施用农药的技术来源中，农户的老乡和农药经销商是其获取农药除虫知识的重要渠道，并影响其施药行为；在政府有关决策变量中，政府提供的农药施用技术培训以及对农户非安全生产行为的处罚情况是影响其施药行为的主要因素。另外，农户中的已婚户主对农药残留的了解程度越高、对其所引发的安全风险越关注、购买农药时越能考虑到施用农药对生态环境的影响、农药价格越合理，就越倾向于使用安全农药并规范施药行为。

2．Lasso系数缩减后的回归结果

Lasso对系数的选择、缩减情况以及对模型再次进行系数拟合的情况如表3所示。

由表3可知，Lasso回归对原系数进行缩减并选出了几个较为重要的变量作为最终模型的特征，分别为性别、年龄、受教育程度、对主要农作物价格的预期、对农药残留所引发的农产品安全风险的态度、其他农户的影响、当地政府对违反农产品安全生产规定的情况是否进行处罚、是否制定安全农产品的生产种植标准等，其结果基本符合基于Logistic回归系数估计提出的推断。

3．结果分析及建议

根据Logistic回归和Lasso算法的实证研究分析可得，农户基本特征、农药选择偏好、对农药残留的感知、对农产品安全生产的态度与主观规范、对农药使用所引致的安全风险的感知、施用农药的技术来源、预期收入和风险与政府的决策等诸多因素都不同程度地影响了农户的施药行为，具体分析如下。

农户的性别、年龄、受教育程度、对农药残留的了解、对农药残留及相关风险的态度、对不合理的施药行为所带来的收益风险的认知、对农产品安全生产的态度等因素对其施药行为影响显著。性别对农户生产行为的影响主要体现在男女农户思维方式的差异上，由于农村人口受教育程度和打工经历的限制，男女农户在选择和施用农药时会因看问题的视角差异而做出不同的选择。样本中26～60岁的农户占76.7%，农户主要分布在中老年阶段，年龄表现出显著的正向影响初步说明，随着年龄的增长，农户对相关知识的了解增强，在可以保证一定收益水平的前提下，相对于年轻农户，其不再盲目追求产量而过度施用农药。样本农户接近一半为初中学历，大专以上学历的仅占5%，农村家庭受到传统观念和经济因素的影响，受教育程度普遍不高。一方面，我们应认识到受教育程度与农户的认知水平、知识储备紧密相关，受教育程度的提高有利于促使农户规范、合理地施用农药。同时，教育的影响又是复杂的，如果不提升农户的道德认知水平，其很可能受到利益驱使而做出不安全的施药行为。农户对农药残留的了解程度对其施药行为影响显著，农户对农药残留的感知程度越强，越倾向于安全施药。样本农户对农药残留所引发的农产品安全风险完全不在意、很少在意、偶尔在意、经常在意、总是会在意的态度分布分别为2%、17%、31%、42%、8%，表明多数农户主观上通常会在意农药残留问题，从而产生规范施用农药的意愿与行为。大约74%的农户认为不合理的施药行为应该会带来风险，且认为安全生产是比较明智的，说明农户的主观态度在很大程度上受到风险预期的影响，安全农产品保障了农户的收入，使农户主观上更愿意遵守合理的施药行为。

农药的价格及其对环境和农产品安全的影响、其他农户的行为、有经验的老乡和农药经销商、政府的处罚落实程度、农药施用技术培训、农产品安全生产的宣传教育等外界因素对农户的安全施药行为影响显著。在农药选购过程中，价格、对环境的影响、农产品安全依次为农户最主要的考虑因素，当价格差异较大时，农户倾向于购买性价比较高的农药以降低成本而把农药的安全程度放在次要地位。其他农户行为的影响体现了我国多数农户的从众心理，这与我国农村注重地缘和血缘关系有关。当某地区多数农户遵守安全施药行为时，少数群体将会受到排斥，同理，当多数农户存在随意施用农药的现象时，少数群体将会迫于言论、低收益的压力而转向多数群体。施药技术的来源分析显示，有经验的老乡和农药经销商是农户获得农药除虫等知识的主要渠道，且他们对农户的施药行为影响显著。由于以农业为主的地区普遍经济不发达，当前政府能提供完善咨询培训制度的地区仍是少数，农户倾向于询问并信任周围的权威或“意见领袖”，自觉遵守安全的施药行为。当地政府是否对不合理的农药施用行为进行处罚对农户的施药行为影响显著，但是否制定安全农产品的种植标准对农户施药行为的影响却很复杂，这两种政府行为在样本中有类似的分布，但影响各异。当政府制定安全农产品的种植标准时，会对农户行为起到一定程度的指导作用，但由于受到其他因素的干扰，农户并不一定遵守标准，需要加入惩罚措施进行强制性规制，引导农户科学施药。样本中显示提供培训和宣传教育的政府仅占33%和48%，由此可见政府在农户的安全施药行为指导上仍有较大的改善空间。婚姻状况对施药行为的影响显著，样本中已婚农户约占94%，婚姻状况的回归系数为正表示已婚农户比单身农户更倾向于选择规范的施药行为。

农户对主要农作物价格的预测、政府安全农产品的种植标准、农产品市场销售中的成本收入不平衡等情况对农户施药行为的影响复杂。Wald检验并没有显示农户对主要农作物价格的预测与其施药行为之间的显著相关性，但Lasso选出了这一变量，影响为负向，因此预期农产品价格上涨、下跌或是不变均有可能导致不合理的施药行为。在农产品的市场销售过程中，农户面临的成本高、收入少的问题在Wald检验中也未体现对农户施药行为的影响显著性，但Lasso依然选出了这一变量。虽然导致成本收入不均衡的原因有很多，但对农户施药行为影响较大的只有农药价格和农作物收益，需结合具体情况具体分析。

当农业收入占家庭收入的比例较小时，该因素起到正向的制约作用，但随着农业收入比例的增加，农户为了保证生活成本，更倾向于施用农药来保持产量。农户对农药残留对食品安全的影响评价体现负影响，样本中农户认为“有一些影响”或“影响较大”的比例分别为43%和41%，认为“影响非常大”的有9%，认为“有一些影响”的为5%，几乎没有农户认为农药残留是完全允许的，多数认为会有影响但不严重，由此看来虽然农户对农药残留有较客观的认知，但由于经济等各方面的原因，其没有做出规范的农药施用行为。

基于以上分析，可以发现经济因素是影响农户施药行为的主要原因，农户为了满足自身的经济需求，减少收益风险，在对未来预期不理想或出现认知偏差时，更有可能采取不合理的施药行为。据此，政府可制定相关政策，更好地保障和提高农户安全生产的利益，例如，对生产绿色无公害蔬菜的农户进行定期补贴、提供农作物保险等，当地物价局可以通过稳定物价减少农户的经济风险，同时让农户从安全农产品的市场销售中获取更多利润。此外，政府也应加大对农药生产商的监督力度，通过增加低毒无害农药的生产销售、提高普通农药的价格等来引导农户积极购买安全农药。

此外，农户的自我认知与主观态度也直接影响其施药行为。若农户了解农药残留及安全施药的相关知识，对安全规范施药行为有积极的态度，严格遵守施用农药的种类、频率、数量，便可以有效减少不规范生产行为。因此，为了有效指导农户安全规范地施用农药，一方面，政府要通过积极的宣传教育提高农户的环保和道德意识，不仅要让农户认识到安全生产行为对生态环境和居民健康的益处，更要让农户了解到无害化施药的利益，从而鼓励农户自觉规范施药行为。另一方面，政府要加强相关的组织培训，例如在“课上”开展相关的农作物种植与技术培训，向农户传授无害化施药技术，介绍安全农药新品种，在“课下”聘请专业技术人员在农户的种植过程中提供咨询和指导，帮助农户提高技术和认知水平，从而规范生产行为。

从外界规范的角度看，政府相关惩罚措施的制定与落实也很重要。比如：建立完善的市场准入制度与农产品检测机制，不允许有害物质含量超标的产品进入市场，严厉打击不合格产品的销售；加大对农药生产商的监管力度，颁布相关政策禁止高毒农药的生产，适当开展整治活动，对违规行为严格打击。

五 结束语

本文结合河南、山东、江苏、浙江及黑龙江5省农户施药行为的实际情况，采用Logistic回归和Lasso系数缩减算法分析影响农户安全施药行为的主要因素，以此为切入点，帮助指导农户安全、科学、规范地生产农产品。研究结果表明，影响农户安全施药行为的因素主要集中在农户对农药残留及安全施药方面的相关认知与主观态度、农药价格、预期收益与风险等经济性因素以及农户自身相关特征与外界规范等方面。因此，保障农户安全生产农产品的收益，加强对农户安全施药知识与技能方面的培训，提高农户安全用药的意识，加强对农药市场和农业生产环节的监管等是保障农产品安全生产的重要对策。本次研究选取的变量因素较为宽泛，调查分布的取样地区跨度较大，研究的系统性较强，但是专业性不够，详细分析各变量间的相互作用及影响农户施药行为的最关键因素，微观化研究视角，展开更细致的分析和测度将是本研究工作后续的方向与选择。

参考文献

[1] 吕建华、安红周、郭天松：《农药残留对我国食品安全的影响及相应对策》，《食品科技》2006年第11期。

[2] 王建华、马玉婷、王晓莉：《农产品安全生产：农户农药施用知识与技能培训》,《中国人口·资源与环境》2014年第4期。

[3] 董燕婕、张树秋、赵善仓等：《农产品生产环节存在的安全风险隐患探析——以山东省为例》，《农产品质量与安全》2014年第2期。

[4] Hanna-Andrea, R.，“Risk Perpception, Risk Communication, and the Effectiveness of Pesticide Labels in Communicating Hazards to South Africanfarm Workers, ”A Thesis for the Degree of Doctor of UMI, 2005.

[5] 李红梅、傅新红、吴秀敏：《农户安全施用农药的意愿及其影响因素研究——对四川省广汉市214户农户的调查与分析》，《农业技术经济》2007年第5期。

[6] Zhou, J., Jin, S.，“Safety of Vegetables and the Use of Pesticides by Farmers in China: Evidence from Zhejiang Province, ”Food Control, 2015, 20（11）: 1043-1048.

[7] 王建华、马玉婷、刘茁等：《农业生产者农药施用行为选择逻辑及其影响因素》,《中国人口·资源与环境》2015年第8期。

[8] Doss, C. R., Morris, M. L.，“How does Gender Affect the Adoption of Agricultural Innovations? The Case of Improved Maize Technology in Ghana, ”Agricultural Economics, 1999, 25（25）: 27-39.

[9] Isin, S., Yildirim, I.，“Fruit-growers' Perceptions on the Harmful Effects of Pesticides and their Reflection on Practices: The Case of Kemalpasa, Turkey, ”Crop Protection, 2007, 26（7）: 917-922.

[10] 郝利、任爱胜、冯忠泽等：《农产品质量安全农户认知分析》，《农业技术经济》2008年第6期。

[11] 王建华、马玉婷、晁熳璐：《农户农药残留认知及其行为意愿影响因素研究——基于全国五省986个农户的调查数据》，《软科学》2014年第9期。

[12] 江激宇、柯木飞、张士云、尹昌斌：《农户蔬菜质量安全控制意愿的影响因素分析——基于河北省藁城市151份农户的调查》，《农业技术经济》2012年第5期。

[13] Abhilash, P. C., Nandita Singh，“Pesticide Use and Application: An Indian Scenario, ”Journal of Hazardous Materials, 2009, 165: 1-12.

[14] 罗峦、周俊杰：《农户安全施药行为选择及影响因素分析——基于安仁县600户水稻种植户的调查》，《中国农学通报》2014年第17期。

[15] 赵建杰：《农村人口流动对农村可持续发展的双向效应——以农业为主地区的河南省周口市为例》，《宜宾学院学报》2010年第5期。

[16] 周峰、徐翔：《无公害蔬菜生产者农药使用行为研究——以南京为例》，《经济问题》2008年第1期。

[17] 童霞、吴林海、山丽杰：《影响农药施用行为的农户特征研究》，《农业技术经济》2011年第11期。

[18] 张云华、马九杰、孔祥智等：《农户采用无公害和绿色农药行为的影响因素分析》，《中国农村经济》2004年第1期。

[19] Dinham, B., Malik, S.，“Pesticides and Human Rights, ”International Journal of Occupational and Environmental Health, 2003, 9（1）: 40.

[20] Epstein, L., Bassein, S.，“Patterns of Pesticide Use in California and the Implications for Strategies for Reduction of Pesticides, ”Annual Review of Phytopathology, 2003, 41（41）: 351-375.

[21] 秦军：《影响农户选择农药使用技术的因素分析》，《河南农业科学》2011年第4期。

[22] Joanne R. Smith, Deborah J. Terry, Antony S. R. Manstead, Winnifred R. Louis，“Interaction Effects in the Theory of Planned Behavior: The Interplay of Self-Identity and Past Behavior, ”Applied Social Psychology, 2007, 37（11）: 2726-2750.

[23] Fishbein, M. and Ajzen, I., Belief Attitude Intention and Behavior: An Introduction to Theory and Research Reading, MA: Addison-Wesley, 1975: 265-271.

[24] Ajzen, I. and Fishbein, M., Understanding Attitudes and Predicting Social Behavior, Prentice Hall, 1980.

[25] Bergevoet, R. H. M., Ondersteijn, C. J. M., Saatkamp, H. W., et al.，“Enterpreneurial Behavior of Dutch Dairy Farmers under a Milk Quota System: Goal, Objectives and Attitudes, ”Agricultural Systems, 2004, 80（1）: 1-21.

[26] 冯忠泽、李庆江：《农户农产品质量安全认知及影响因素分析》，《农业经济问题》2007年第4期。

[27] 王建华、刘茁、浦徐进：《基于贝叶斯网络的农业生产者农药施用行为风险评估》，《经济评论》2016年第1期。

[28] 王云峰、顾成明、张晓辉等：《优化模式物理参数的扩展四维变分同化方法》,《物理学报》2014年第24期。

[29] James, G., Witten, D., Hastie, T., et al., An Introduction to Statistical Learning，New York: Springer, 2013.

[30] Ross, S. M., Introduction to Probability and Statistics for Engineers and Scientists, Academic Press/Elsevier, 2005.