新疆棉花秸秆资源循环利用的正外部性价值评估与补贴政策完善
Evaluation of Positive Externality of Cotton Straw Resource Recycling in Xinjiang and Improvement of Subsidy Policy
循环经济是一种生态经济,面对环境污染与资源紧张的双重压力,不以破坏生态环境为前提,充分利用有限的资源来推进经济、社会和生态和可持续发展一直以来都是中国实现"两型农业"的关键.在全面建设小康社会的进程中,以资源的高效、循环利用为核心的生态经济是改变我国资源过度消耗现状、合理开发、有效配置资源的重要途径,也是推动循环经济健康发展、实现农业可持续发展的必然选择,以农业废弃物循环利用为核心的循环农业更是全社会关注的焦点之一.新疆作为我国棉花主产区,棉花秸秆资源作为一种资源型农业废弃物,棉农对其循环利用的正外部性价值认知尤为重要,有利于提高棉花秸秆循环利用效率,推进"两型农业"的发展进程.近年来,我国农作物秸秆综合利用现状在逐年改善,但综合利用率依然偏低,棉花秸秆资源作为新疆最主要的农业废弃物资源,其循环利用的正外部性价值及棉农对棉花秸秆循环利用的正外部性价值认知情况对推动棉花秸秆循环利用起着至关重要的作用.本文依托循环农业理论和外部性理论,以新疆7个地区、437份棉农的调查数据为基础,首先,采用有序多分类Logistic回归模型分析了影响棉农对棉花秸秆循环利用的正外部性价值认知的各项因素,将其影响因素归纳为三大类,即个人特征、家庭经营特征、政策与技术特征,并逐一分析不同影响因素对棉农的正外部性价值认知的影响程度及成因,而后,进一步探讨了棉农的棉花秸秆循环利用价值认知的差异性;其次,运用条件价值评估法(CVM),通过棉农对棉花秸秆循环利用的支付意愿数据估算出棉花秸秆循环利用的正外部性价值,并以棉花秸秆还田为例分析其生态环境价值和社会价值;最后,梳理出现有的关于农业废弃物循环利用补贴政策,通过对比总结出现有农业废弃物资源补贴政策存在的问题,结合棉花秸秆循环利用正外部性价值的实证分析结果及棉农认知情况,提出完善棉花秸秆循环利用补贴政策改善的建议,以此推动新疆地区棉花秸秆循环利用及相关产业的可持续发展.通过研究形成以下基本结论:(1)棉农对棉花秸秆资源循环利用的正外部性价值认知,按照价值认知程度由高到低排序为:生态环境价值认知(54.2%)>社会价值认知(51.0%)>经济价值认知(46.5%),约一半以上棉农能够认识到棉花秸秆循环利用带来的好处,对棉花秸秆循环利用的生态环境功能、社会功能、经济功能表示认同,棉农对棉花秸秆循环利用的经济价值认知程度较低.(2)有序多分类Logistic回归模型结果表明,影响棉农对棉花秸秆循环利用的综合正外部性价值认知程度的主要因素是性别、年龄、文化程度、居住类型、家庭总人口数、棉花生产支出占家庭总支出的比重、棉花种植面积、上一年棉花种植总产量、当地是否宣传棉花秸秆循环利用相关政策、当地是否推广棉花秸秆循环利用相关技术、相关政策与技术信息获取渠道,这11个变量显著影响着棉农对棉花秸秆循环利用的综合正外部性价值认知程度.(3)基于问卷调查结果估算受访棉农的支付意愿,两种支付方式中,棉农更愿意通过义务劳动的方式推进棉花秸秆循环利用的正外部性价值的实现,农村地区棉农的平均支付意愿为109.75元/户,而城镇地区棉农的平均支付意愿为223.91元/户;经济发展水平呈现区域性差异,家庭可支配收入和可支配闲暇时间的多少是导致农村棉农与城镇棉农的两种支付方式并不统一的主要原因.(4)2017年新疆地区棉花秸秆循环利用的正外部性非市场价值总额为10.371 4亿元,相当于2017年新疆农业生产总值的0.67%;农村地区的正外部性非市场价值总额为41 787.93万元,城镇地区的正外部性非市场价值总额为83 168.99亿元.(5)根据实证分析结果,提出进一步完善棉花秸秆循环利用补贴政策的若干建议.其一,完善科学合理的补贴标准,加快促成科技成果转化;其二,加强补贴政策的宣传引导工作,增加对棉农教育培训的补贴;其三,加强棉花秸秆循环利用的财政补贴力度,优化补贴路径;其四,实施配套的金融贷款补贴,建立多元化投资机制;其五,精准补贴对象,扩大补贴用途,加大农机购置补贴;其六,完善棉花秸秆补贴政策运行程序,加强后期监管.
- 作者:
- 戴清秀
- 学位授予单位:
- 塔里木大学
- 专业名称:
- 农村与区域发展(专业学位)
- 授予学位:
- 硕士
- 学位年度:
- 2019年
- 导师姓名:
- 王鹏程
- 中图分类号:
- F323.214
- 关键词:
- 新疆;棉花秸秆循环利用;正外部性价值;有序多分类Logistic回归模型;影响因素
- Xinjiang; Recycling cotton straw; Positive externality value; Order multiple classification Logistic regression model; Factor of the influence;