1引言

2010年溫家寶總理在《政府工作報告》中指出“15億畝林地確權到戶，占全國集體林地面積的60%，這是繼土地家庭承包之后我國農村經營制度的又一重大變革。”從2003年新一輪集體林權制度改革伊始迄今，旨在“明晰產權、放活經營權、落實處置權、保障收益權”的這一重大變革在一定程度上調動了林農生產積極性，但是林農在這“第三次土地革命”的過程中是否愿意擴大經營規模，以實現“資源增長、農民增收、生態良好、林區和諧”目標值得關注。擴大林業經營規模就其本身而言，一方面有利于實現生態效益和社會效益，一方面有利于實現農戶的經濟效益［1］，可謂雙贏。然而，筆者通過查閱大量資料文獻和實地調查研究發現，林農絕大部分積極擁護集體林權改革并肯定改革對生產積極性的提升，但對擴大林業經營規模意愿差異性很大。具體體現在有些林農積極尋求擴大經營規模的途徑，有些林農對擴大經營規模持消極看法，有些林農對現有經營規模表示滿意，有些林農甚至表達想要放棄現有林地經營權的想法。林農意愿受多方因素的影響，具有復雜性、區域差異性及多因素關聯性的特征。意愿在很大程度上會轉化為未來的行為。因此，分析林農擴大林業經營規模意愿影響因素，對集體林權制度改革的政策制定有重要參考價值，對林業發展有著不可忽視的意義。筆者嘗試運用二項式邏輯回歸進行計量實證研究，為引導林農經營行為和相關政策制定提供參考。

2研究區域概況

本文是以我國南方林改試點省浙江省、福建省和江西省為主要調查地區。分別選取浙江省德清縣和遂昌縣、福建省順昌縣和沙縣以及江西省遂川縣和銅鼓縣為調查樣本縣。研究區域自然條件優越，林業發達，森林資源分布均勻，集約經營水平高。并且三省樣本縣林改起步較早，截至2009年已經基本完成集體林權制度改革，林業發展趨于成熟。3研究方法利用2010年7月－8月參與的國家林業局關于我國集體林權制度改革政策追蹤項目的農戶實地調查數據，采用二分類Logistic回歸模型來分析林農擴大林業經營規模意愿;使用SPSS16．0統計軟件作為分析數據的工具;運用的分析方法主要有描述統計、信度分析和回歸分析法。

2．1模型選擇與設計

Logistic回歸是對定性變量的回歸分析，根據因變量取值類別的不同，Logistic回歸可以分為BinaryLo-gistic分析和MuitinominalLogistic回歸分析。前者因變量只能取兩個值1和0(虛擬因變量)，而后者因變量可以取多個值［2］。根據本研究的需要，林農只有愿意擴大經營規模和不愿參擴大經營規模兩種行為意愿，因此本文中應用的是二分類邏輯回歸(BinaryLogisticRegression)。根據研究目標，將林農擴大林業經營規模意愿作為被解釋變量，即因變量;將影響林農行為意愿的各種因素作為解釋變量，即自變量［3］。根據解釋變量特征，將全部影響因素分為五大類因素函數:①農戶戶主特征;②林農家庭特征;③林農生產經營特征;④外部市場政策特征;⑤林改政策特征。納入函數理論模型，即:擴大經營意愿=f(內部影響因素變量，外部影響因素變量)=f(農戶戶主特征變量，林農家庭特征變量，林農生產經營特征變量，外部市場政策特征變量，林改政策特征變量)+隨機擾動項［4］。

2．2變量選取與設計

2．2．1變量選取

本次調查采用入戶走訪和發放問卷兩種形式，共發放問卷810份，收回問卷810份，有效問卷為798份，問卷有效率為98．52%。本著因素重要、數據可行的原則，筆者選取了具有代表性的變量用于實證研究。①農戶戶主特征:戶主性別、戶主是否是干部、戶主是否是黨員、戶主文化程度、戶主婚姻狀況、戶主是否是勞動力、戶主從事行業、戶主從事地區、非農收入;②林農家庭特征:除戶主以外家庭成員數、除戶主以外勞動力個數、家庭成員是否知道生態效益補償政策、家距離林地遠近;③林農生產經營特征:從事林業資金來源、林地經營面積、林地地塊數、公益林下是否經營;④外部市場政策特征:有無林業技術教育和培訓、有無產品市場信息服務、有無投資融資服務、有無政策法律咨詢服務、有無防范病蟲害及火災服務、有無中介服務;⑤林改政策特征:申請采伐指標是否容易、林改后林地經營方式、林改對家庭是否有好處、政府補貼對造林積極性調動程度、是否獲得造林補助、是否得到造林撫育基金、其它投入來源。

2．2．2變量定義及特征描述

調查數據表明，在798戶林農戶中，表示愿意擴大林業經營規模的林農戶為444戶，占55．7%;表示不愿意擴大林業經營規模的林農戶為354戶，占44．3%。戶主性別以男性為主，占97．7%。戶主是村組及以上干部的占33．6%;受教育年限達到6年以上的占49．2%;戶主將農林牧兼業作為主要從事行業的占30．7%;43．4%的戶主主要從事行業是單一農業。更多詳細的自變量定義以及數據描述特征見表1－5。其中表1－3反映的是內部影響因素特征變量賦值和樣本分布情況;表4－5反映的是外部影響因素特征變量賦值和樣本分布情況。

3模型估計及結果分析

3．1模型估計及統計檢驗結果分析

在進行二項式Logistic回歸時，采用的回歸方法是Backward(Conditional)方式。在處理過程中，先將影響因變量的自變量代入模型進行檢驗，根據檢驗結果，將因變量影響不顯著的自變量剔除，繼續檢驗，直到自變量對因變量影響的檢驗結果基本顯著為止。將數據代入進行篩選和檢驗，得出最后的估計結果，見表6。從模型擬合優度檢驗看(表6)，最后一次回歸中，極大似然估計值為974．795，NagelkerkeRSquare的值為0．145。總體上，擬合效果較好，回歸具有可信性。Wald檢驗是針對Logistic回歸模型中的回歸系數顯著性檢驗的一種假設檢驗方法。假設零假設H0為:βk=0(表示自變量Xk對事件發生可能性無影響作用)，如果零假設被拒絕，說明事件發生可能性依賴于Xk的變化。常用統計軟件，對邏輯回歸系數顯著性進行檢驗通常使用Wald檢驗。在零假設條件下，每一個回歸系數都等于0，那么這個單變量為自由度等于1的漸進的2分布。根據表(7)，各影響因素的影響力度是有差異的。其中，有無中介服務和有無投資融資服務的回歸系數經Wald檢驗最為顯著，對因變量影響顯著水平均在1%內，即Wald值大于α=0．01的2臨界值6．63，拒絕零假設βk=0。同理，公益林面積及林改對家庭有無好處的回歸系數較為顯著，對因變量影響顯著水平均在5%內，即Wald值大于α=0．05的2臨界值3．84，拒絕零假設βk=0。而戶主受教育年數、非農收入、家距離林地遠近、是否知道生態效益補償政策、林地經營面積、林地塊數和補貼對造林積極性的調動的回歸系數一般顯著，對因變量影響顯著水平均在10%內，即Wald值大于α=0．10的2臨界值2．71，拒絕零假設βk=0。由此可見，(表7)所列示的解釋變量均通過統計檢驗。