導語：農業技術運用及經濟增長關系一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

一、引言

我國已進入加快改造傳統農業、走中國特色農業現代化道路的關鍵時刻。科技進步對農業增長的貢獻率從“一五”時期的19•9%,提高到目前的51%,已成為推動農業農村經濟發展的決定性力量。然而,現階段我國農業科技成果應用水平仍然不高,農業科技成果轉化率僅有30%-40%,遠低于發達國家65%-85%的水平,很多成果不能轉變為現實生產力(孫政才,2009)[1]。這說明,與新時期農業發展面臨的形勢和承擔的任務相比,我國農業科技進步貢獻率仍然偏低;與億萬農民迫切的科技需求相比,農業科技服務供給能力仍然不足;與走中國特色農業現代化道路的要求相比,農業科技支撐能力仍然不強;與世界發達國家相比,農業科技整體水平的差距仍然較大(張憲法,2009)[2-4]。究其根源,主要是由于我國農戶農業技術的需求和政府及科研、推廣機構農業技術的供給之間在對接上存在較大差距,以至造成農業技術應用率偏低,導致農業技術應用時存在有效需求不足和有效供給不足的雙重矛盾。因此,對當前我國農業技術需求和應用的主體———農戶農業技術應用行為的研究就顯得尤為迫切和重要。進入新世紀以來,我國農民收入保持了年均6%以上的增長速度,但這一增長與城鎮居民收入提高速度相比還有很大的差距(韓俊,2009)[5],因此,農民收入增長問題仍是當前我國農業和農村經濟發展中最突出的問題之一。由于農民收入增長問題對中國經濟和社會發展的意義特別重要而受到黨和政府的高度重視,國內學者對此也作了許多有益和深入的探討和研究。雖然農民收入增長問題的研究表現出明顯的多元化特征,但是,大多研究者都得出基本一致的結論,即改革開放30多年來,農民收入來源多元化、市場化和非農化的基本格局已經形成,農民非農收入的增長是主要的推動力量,這是農村經濟進入新階段后農民收入增長格局的新變化,是市場經濟發展和結構調整的必然結果(黃季焜,2000;張曉山,2002;溫鐵軍,2002;盛來運,2005;姜長云,2008等)[6-10]。因此,現階段對我國農民收入增長問題的研究具有十分重大的戰略意義,尤其是對農民非農收入增長的研究顯得更有突出的現實價值。對于農業技術應用問題的研究一直是學術界關注和討論的熱點問題,國內外研究者圍繞農戶是否應用、為何應用、應用制約、應用程度、應用效果等基本經濟主題進行了廣泛而深入的研究。

其中,對于農業技術應用與農戶收入之間關系的研究相當豐富,主要圍繞農戶收入是農業技術應用重要的影響因素展開理論與實證分析。如國外研究者普遍認為,農戶收入是其應用農業新技術的資金保障(Blasé,1960;Feder,1980;Ervin和Ervin,1982;Herath和Takeya,2003)[11-13]。Thir-tle等(2003)通過對南非部分區域棉花新技術的應用實證分析得出,非農收入與技術應用存在顯著正相關,能夠成為技術應用的重要資金支持。Smale等(2001)利用匯款(remittances)作為農戶收入的衡量指標,研究指出,農戶匯款的數額直接影響到其農業技術應用的決策,這與之前的研究是基本相似的(Gerhar,t1975;Rochin和Wit,t1975;Demir,1976;Perrin,1976)[14]。國內學者研究也進行了大量卓有成效的研究,所得出的共同結論是,農戶收入水平或其富裕程度是影響農戶農業技術應用的主要因素。如袁飛等(1993)以浙江省樂清縣為例分析認為,高收入的農民在技術選擇上愿意選擇節約勞動力的新技術[15]。宋軍等(1998)研究發現,農戶的富裕程度會影響農戶的技術選擇行為,富裕農戶往往會選擇優質技術和小型技術[16]。廖西元等(2006)按水稻生產環節對16個省5228個農戶采用水稻機械化生產技術應用情況調查與分析表明,農戶人均收入影響稻農采用機械化生產技術[17]。李海明(2007)分析我國7省28縣420農戶對不同類型農業技術的需求,表明農戶家庭經濟實力是影響農戶技術服務需求的主要因素[18]。然而,上述國內外研究中存在一個共同問題,即大都是圍繞農戶收入影響農業技術應用這一分析路徑考查兩者關系,而反之,從農業技術應用影響農戶收入增長這一分析路徑探討兩者關系的研究相對缺乏。雖然農業技術應用促進農戶收入增長是一個傳統的經濟學命題,但是,基于農業發展新階段的特點,此經濟命題有了新的內含,尤其是其傳導機制發生了重要的新變化。因此,探討現階段農業技術應用對農戶收入增長的影響及其傳導機制更具有重大的理論價值和現實意義。

本文旨在利用實證分析方法研究現階段農業技術應用對農戶收入增長的影響,并給出更為精確的估計。文中將采用中部農業大省江西11村939個固定跟蹤觀察農戶2003-2007年的面板數據(paneldata),構建個體和時間雙向固定效應模型(entityandtmiefixedeffectsregressionmod-el)[19],其中,個體固定效應模型用于消除解釋變量之外的自然環境、資源條件、村莊文化等不可觀測的個體差異對農戶收入的影響;時間固定效應模型采用年度時間變量控制宏觀經濟政策、農產品市場環境等因素對農戶收入的影響。同時,通過引入反映農業技術應用狀況的虛擬變量用于考查農業技術應用對農戶收入增長的平均影響和動態效應,其中,動態效應主要是分析不同年份農業技術應用的影響和變化趨勢以反映農業技術應用的時間效應。進而,本文還利用個體和時間雙向固定效應模型分析農業技術應用對農戶非農收入增長的影響,以驗證農戶通過農業技術應用節省時間和精力,促進其更好地從事非農就業以提高非農收入水平,從而促進農戶家庭總收入增長這一間接傳導新機制的存在和有效。選擇江西農戶作為本文的研究對象,主要基于兩方面的考慮:第一,江西是中部地區典型的農業大省,也是種植水稻的主產區之一,該省的農業技術應用與農戶收入增長問題越來越引起國內外學者們的關注。究其原因,主要在于經歷了30年的以市場導向為主線的農村經濟體制改革,江西農村社會經濟發生了歷史性的變化,但是,農業目前仍處于先進的生產手段與落后的生產手段并存、機械化作業與人畜力作業并存、現代適用技術與傳統耕作方式并存的格局。與此同時,隨著農村產業開始向多元化方向發展,外出務工經濟已經成為江西農村經濟發展的重要支柱,成為農民收入增長的主要渠道。因此,研究江西農戶農業技術應用促進其收入增長,尤其是促進其非農收入增長問題,不僅是江西農村經濟發展的重大戰略問題,更是反映我國糧食主產區農村經濟發展極其重要的典型案例。第二,筆者來自江西,且一直從事江西農業和農村經濟發展相關問題的研究,對江西農業和農村具有較為深刻的認識,與江西相關政府調查和決策部門也有良好的合作研究基礎,擁有江西省2003-2007年連續5年11個固定跟蹤觀察村、近1000個固定跟蹤觀察農戶生產、生活情況的面板數據資料。因此,通過對江西省農業技術應用影響農民收入增長的實證研究,可以更加精確地估計和驗證農業技術應用對農民收入增長的影響程度,從而為政府相關部門進一步完善農業技術推廣服務和促進農民增收提供有益的決策參考。

二、數據來源和變量選取

本文采用的數據來自國家農村固定跟蹤觀察系統①,此系統是1986年正式確立的,在全國各地均設有觀察點[20]。跟蹤觀察系統以村為單元,對村域中的農戶實行抽樣調查,以村域中的農戶為個體,對其進行跟蹤觀察。數據庫主要包括農戶特征、土地和固定資產、家庭生產經營、家庭收支和家庭消費等方面的詳細資料。此系統中涉及江西省的共有13個觀察村(本文所用數據缺失2個村),覆蓋江西省所有地級市,具體包括興國縣的回龍村,上高縣的下林村,九江縣的明閘村,崇仁縣的桃里村,南昌縣的甫下村,余江縣的蘭田村,新余市的灣里村,浮梁縣的柏林村,上饒縣的橋下村,泰和縣的龍洲村,萍鄉市安源區等,總計約1000個農戶樣本。

江西,在經濟發展上,屬于中國的欠發達地區,在糧食生產上,則屬于主產區,是國家的糧食主要供給地區。該省大多數農戶都是兼業戶,即既從事農業生產,又從事工業、商業等非農生產活動,選擇江西農戶為研究對象分析農業技術應用和農戶收入增長問題,具有較強代表性。另外,本文所用數據時間跨度是2003-2007年,這個時間跨度正是我國農業技術應用和農民收入增長的關鍵時期,恰好可以反映出農業技術應用和農民收入增長之間的現實關系[21]。基于數據整理過程中產生的誤差考慮,筆者對出現異常值的樣本予以了剔除,同時,考慮到個別年份少數農戶會出現數據缺失,筆者經過篩選,最終組成一個包括939個農戶、共4603個有效樣本的面板數據,因此,所獲得的面板數據是非平衡數據。研究農業技術應用對農戶收入增長的影響及其動態效果,首先需要衡量農戶農業技術應用具體的時點和時期,但已有研究指出,農戶應用農業技術存在自我選擇性(self-selection,JorgeFer-nandez-Cornejo等,2002)[22],即農戶應用農業技術的時機和程度具有較強主觀性,無法準確推知所觀察各村農戶農業技術應用的具體時間和程度,因此,筆者以“是否受過農業技術教育或培訓”虛擬變量為中間變量來近似反映農戶農業技術應用狀況,即如果農戶受過農業技術教育或培訓,則認為其具有應用農業技術較強的可能性和可行性,而其動態效果則通過不同年份農業技術教育或培訓后所形成的影響差異來衡量。其次,農業技術應用對農戶收入增長動態影響的研究,所采用數據的可比性是一個關鍵問題,筆者所采用的是來自全國農村固定觀察點連續跟蹤調查的數據,自2003年修改與完善以來,這套數據的統計口徑是保持一致的,各年間的數據也具有可比性(文中所有價值量的數據均依2000年不變價指數進行了轉換)。再則,全國固定跟蹤觀察系統以村為單元,對村域中的農戶實行抽樣調查并進行跟蹤觀察,加之,江西省農戶在應用農業技術的具體時間上是相對獨立的,因此,利用這套數據資料進行計量分析能夠避免選擇性偏差問題。

一般而論,影響農戶收入增長的因素包含國家宏觀經濟環境、自然環境和農戶個體差異等眾多方面,為了分析農業技術應用對農戶收入增長的影響,需要對其它影響農戶收入增長的因素加以控制。對于其中可觀測的部分,結合江西農戶水稻生產的特點,筆者選取了反映農戶生產經營特征的一組解釋變量,包括農戶年末經營耕地面積、年末擁有生產性固定資產原值、種稻投工量、購買化肥金額、購買農藥金額、家庭經營主業、交通通訊支出(此變量考查其對農戶非農就業決策的影響)等。而因變量則選取農戶家庭經營收入和外出打工收入(所選取的變量主要統計特征見表1)。而對于其中不可觀測的部分,筆者通過采用農戶個體和時間雙向固定效應的方式控制,即采用個體固定效應模型來控制自然環境、資源條件、村莊文化等不可觀測個體差異對農戶收入增長的影響;采用年度固定效應模型來控制不同年度的宏觀經濟環境、農產品市場環境等因素對農戶收入增長的影響,同時把2003年未受過農業技術教育或培訓的農戶作為參照組,研究2003-2007年間農業技術應用對農戶收入增長的影響[23-24]。

三、計量模型和實證結果

面板數據(paneldata)也稱時間序列截面數據(tmieseriesandcrosssectiondata)或混合數據(pooldata),它是指在一定時間跨度內對相同的個體每年進行重復測量得到的數據,它允許各橫截面之間存在一定的相關性。由于本文采用的是江西11村固定跟蹤觀察農戶2003-2007年面板數據,因此,筆者將構建個體與時期固定效應模型(entityandtmiefixedeffectsregressionmodel),并通過STATA10.0統計分析軟件進行估計。個體與時期固定效應模型(entityandtmiefixedeffectsregressionmode,lHsiaoCheng,2002)的基本表達式為:yit=C+αi+βitxit+γt+εiti=1,…,N;t=1,…,T(1)其中yit表示被解釋變量,xit表示解釋變量,i表示橫截面數據,t表示時間序列數據,βit為解釋變量的回歸系數;截距項為C+αi+γt,其中C為常數項,αi度量個體效應差異,γt度量時間效應差異,且截距項αi隨個體i變化,且γt也隨時間變化;隨機誤差項εit代表模型中被忽略的隨橫截面和時間而變化的因素的影響。為了分析農業技術應用對農戶收入增長的平均影響,筆者構建個體和年份雙向固定效應模型,具體如下:LnYit=αi+βitXit+θAdopit+γt+εiti=1,…,N;t=1,…,T(2)其中Yit是反映第i個農戶第t年收入的因變量(i=1,2,…,939;t=2003,2004,…,2007),筆者在計量分析中采用了家庭經營收入;αi是農戶i的固定效應;Xit是一組反映農戶生產經營特征的解釋變量,βit為Xit的回歸系數;Adopit是反映農業技術應用狀況的虛擬變量(以是否受過農業技術教育或培訓表示,即當年受過農業技術教育或培訓為“1”,否則為“0”);γt為年份t的固定效應;εit表示隨機誤差項;筆者所關心的是Adopit的系數θ,它度量了農業技術應用對農戶收入增長的平均影響[25]。

本模型選取的解釋變量有農戶年末經營耕地面積、年末擁有生產性固定資產原值、種稻投工量、購買化肥金額和購買農藥金額等。其選取依據在于,農戶經營耕地面積與其農業收入增長往往存在正相關關系,即耕地面積越大,其農業收入增長越高;基于規模經濟效應考慮,農戶擁有生產性固定資產與其收入增長也呈現正相關關系,即固定資產越大的農戶往往其收入增長越快;現階段種稻收入雖然不是江西稻農經營收入的主要來源,但仍然占其總收入的一定份額,因此,種稻投工量對江西農戶收入增長也是正向的影響;而對于化肥和農藥的支出費用則與農戶收入呈負相關關系(具體說明見表2)。

傳統觀點認為,農業技術的應用能夠提高農業技術生產效率,從而增加農戶收入,這是直接的傳導機制。然而,筆者認為,隨著市場經濟和現代農業的發展,農業技術應用對農戶收入增長影響的傳導機制發生了重要變化,已由原來的直接傳導機制轉變為現在的間接傳導機制,此間接傳導機制即是農業技術應用能夠節省農業勞動時間和精力,便于農戶從事非農就業從而增加其非農收入,最終增加其家庭總收入。因此,本模型中選取的因變量是農戶家庭經營收入,主要分析農業技術應用對農戶收入的平均影響程度(模型的估計結果見表3),而后文實證模型解釋時,選取的因變量則是農戶外出打工收入,主要分析農業技術應用對農戶外出打工收入的平均影響程度(模型的估計結果見表4)。基于表3中的估計結果可以得出,農業技術應用對農戶家庭經營收入的平均影響是正向的,且影響顯著,即在其它條件不變的條件下,農業技術應用能夠促進農戶收入平均增長6•5%②。這與JorgeFernandez-Cornejo(2007)[26]的研究結論是一致的,他研究得出,耕地保護技術應用對農戶家庭經營收入增長的彈性系數是0•46,抗蟲害技術應用對農戶家庭經營收入增長的彈性系數是0•97,影響尤為顯著。需要指出的是,本模型估計出的彈性值與其估計出的彈性值存在差異,原因在于其選取了具體技術應用作為研究對象,而且選取了具體技術應用的概率來衡量農業技術應用狀況。如前所述,結合實際考慮,運用農業技術應用提高農業效率以增加農戶農業收入,從而促進農戶家庭總收入增長這一直接傳導機制已經很難解釋本模型的估計結果。然而,農戶通過應用農業新技術以節省勞動時間和精力,更好地促進非農就業以提高其非農收入,從而促進農戶家庭總收入增長這一間接傳導新機制卻能夠解釋上述實證結果(本文將在第四部分進一步驗證此判斷)。

與此同時,表3中的估計結果還表明,除農業技術應用變量之外的其他解釋變量的估計結果與筆者預期的情況基本保持一致。經營耕地面積與農戶收入增長之間是正相關關系,即在其它條件不變的情況下,它能夠促進農戶收入平均增長6•3%,與農業技術應用的影響程度十分相似;生產性固定資產對農戶家庭經營收入的影響也是正向的,但其影響程度相對較小,即平均影響為0•2%;種稻投工量對農戶家庭經營收入也是正面的影響,且其影響度也很小,即平均影響為0•4%;而購買化肥和農藥的支出費用雖然沒有與筆者預期的負相關關系相一致,但其估計系數均為零,表明購買化肥和農藥的支出費用很可能已經不是現階段影響農戶家庭經營收入的主要因素。為了保證計量模型運行的正確性,筆者進行了相關統計檢驗,即F檢驗值為8•07,表明構建個體和年份雙向固定效應模型是成立的;LM檢驗值為61•96,表明構建個體和年份雙向隨機效應模型也是成立的;而Hausman檢驗值為160•46,表明構建個體和年份雙向固定效應模型比個體和年份雙向隨機效應模型更合理、有效。

為了考察農業技術應用對農戶收入增長的動態影響,筆者將農業技術應用虛擬變量拆分為一組農戶受過農業技術教育或培訓的年份虛擬變量,即Adop-1(2003年農戶受過農業技術教育或培訓);Adop-2(2004年農戶受過農業技術教育或培訓);Adop-3(2005年農戶受過農業技術教育或培訓);Adop-4(2006年農戶受過農業技術教育或培訓);Adop-5(2007年農戶受過農業技術教育或培訓)。如果農戶2003年受過農業技術教育或培訓,則Adop-1為1,而Adop-2;Adop-3;Adop-4;Adop-5均為0,依此類推[27]。將此組年份虛擬變量加入個體和年份雙向固定效應模型中,可得:LnYit=αi+βitXit+θ1(Adop-1)it+θ2(Adop-2)it+θ3(Adop-3)it+θ4(Adop-4)it+θ5(Adop-5)it+γt+εiti=1,…,N;t=1,…,T(3)其中θI(I=1,2,3,4,5)考察農業技術應用對農戶收入增長動態的平均影響。通過模型(3)的估計可得出農業技術應用對農戶家庭經營收入增長的動態影響程度,也能夠驗證農業技術應用對農戶經營收入增長影響的持久性。模型(3)的估計結果見表3。從表3中可以看出,所選解釋變量與模型(2)是相同的,且顯著性水平與模型(2)保持一致,解釋變量的估計結果也與模型(2)的估計結果基本吻合,而Adop-1;Adop-2;Adop-3;Adop-4;Adop-5前面的系數則反映了農業技術應用對農戶經營收入增長動態的平均影響。具體而言,在受過農業技術教育或培訓后的前兩年,農業技術應用對農戶家庭經營收入的影響是負值,其彈性系數分別為-0•026和-0•037,而從隨后的第三年開始,農業技術應用對農戶家庭經營收入的影響轉為正值,且逐步增強,其彈性系數分別為0•033、0•037和0•057。這表明,農業技術應用對農戶家庭經營收入增長的影響既有短期的,更有中長期的,即短期內對農戶收入增長呈現負面影響,但從總體趨勢而言,對農戶收入增長的影響卻是正向的。本模型的F檢驗植和Hausman檢驗值分別為8•52和36•15,說明構建個體和年份雙向固定效應模型對農業技術應用動態影響進行分析是更合理且有效的。

四、農業技術應用促進收入增長的實證解釋

從上述研究結論可知,無論是農業技術應用對農戶家庭經營收入增長的平均影響,還是農業技術應用對農戶家庭經營收入增長的動態影響,都呈現出較高的顯著性,且影響的總體趨勢是正向的。若深入探究此問題的經濟學解釋,即農業技術應用對農戶收入增長的影響究竟是通過傳統的直接傳導機制實現的,還是通過新的間接傳導機制實現的[28-29]?筆者更傾向于后者,為此,仍然運用同樣的計量方法來驗證[30]。

如前所述,新的間接傳導機制是指農戶通過應用農業新技術以節省勞動時間和精力,更好地從事非農就業以提高其非農收入,從而促進其家庭總收入的增長。因此,筆者仍然借鑒模型(2)和模型(3)的方式,構建個體和年份雙向固定效應模型分析農業技術應用對農戶非農收入增長的影響。但是,此時選取的因變量是農戶外出打工收入,同時選取年末經營耕地面積、家庭經營主業和交通通訊支出等為解釋變量。其選取依據在于,經營耕地面積與農戶外出打工收入增長往往呈現負相關關系,即耕地面積越大越會制約農戶外出打工,尤其是水稻生產領域,此種負相關關系體現地更為明顯;家庭經營主業則直接決定了農戶外出打工的收入水平,其與農戶外出打工收入增長是正相關關系;而交通通迅支出通常是農戶外出打工決策時需要考慮的重要因素,且其與農戶外出打工收入的增長往往是負相關關系。其它變量的設定、解釋與模型(2)、模型(3)保持一致,筆者所關心的仍然是Adopit的系數和(Adop-i)it的系數θi,只是此時它衡量地分別是農業技術應用對農戶外出打工收入增長的平均影響和動態影響(此模型的估計結果見表4)。

從表4可知,正如筆者所預期的一樣,農業技術應用對農戶外出打工收入增長具有重大的影響,農業技術的應用能夠促進農戶外出打工收入平均增長9%。這表明,農業技術應用對農戶收入增長的影響有極大可能是通過促進農戶非農收入增長這一新的間接傳導機制實現的。這與JorgeFernan-dez-Cornejo(2007)的研究結論也是一致的,他研究指出,耕地保護技術應用對農戶非農收入增長的彈性系數是0•98,抗蟲害技術應用對農戶非農收入增長的彈性系數是1•59,影響尤為顯著③。

基于動態視角分析,在農業技術應用的初期,其影響尤為明顯,如受過農業技術教育或培訓后前兩年的影響彈性系數分別高達為0•110和0•174。然而,從總體趨勢分析,農業技術應用對農戶外出打工收入的影響則是由強變弱的,如受過農業技術教育或培訓后第三、第四和第五年的彈性系數分別為0•047、0•078和0•001。這可能預示著農戶需要更先進的農業新技術,即新一輪更先進農業新技術應用的開始。本模型中其他解釋變量的估計結果與筆者的預期也是基本一致的,只是交通通迅支出的影響估計系數為零,這可能在于其已經不是影響現階段農戶外出打工收入的主要因素。本模型的F檢驗值和Hausman檢驗值也都較為顯著,說明本模型構建也是合理而有效的。因此,本模型估計結果能夠說明,農業技術應用通過促進農戶非農收入增長最終促進農戶家庭總收入增長這一新的間接傳導機制是客觀存在的,且作用尤為顯著。

五、主要結論

本文利用江西11村固定跟蹤觀察農戶連續5年的面板數據,構建個體和年份雙向固定效應模型,并運用此模型分析農業技術應用對農戶收入增長的平均影響和動態效應。實證結果表明,在控制了自然特征、社會經濟特征和農戶個體特征等變量后,農業技術應用對農戶收入增長具有顯著的正效應。一方面,農業技術應用能夠促進農戶家庭經營收入平均增長6•5%,雖然應用過程中可能會負面影響農戶收入增長,但從總體趨勢考慮,農業技術應用最終會促進農戶家庭經營收入增長。另一方面,農業技術應用之所以能夠促進農戶家庭經營收入增長,主要是因為農業技術應用能夠節省勞動時間和精力,使農戶能夠更好地從事非農就業以提高其非農收入,從而促進其家庭總收入的增長。實證解釋充分驗證了這一間接傳導新機制的存在,即農業技術應用促進農戶外出打工收入平均增長9%,影響尤為顯著。

綜上所述,農業技術應用能夠有效地促進農戶收入增長,且影響是長久的,同時,現階段其傳導機制主要是通過節省勞動時間和精力,促進農戶非農就業以提高其非農收入這個間接方式來實現。這一研究結論的得出,給政府農業科研與推廣相關部門政策決策提供了一個有益的政策信號,即現階段農戶對省時省力農業技術的需求尤為迫切。究其經濟學的根源,即是隨著市場經濟的深入發展,我國農戶家庭經營決策已經不僅僅是考慮單純的農業生產規模經濟問題,更重要的是應該綜合考慮從事農業生產與非農就業二者一體化決策的范圍經濟問題。這與JorgeFernandez-Cornejo(2007)對農戶范圍經濟效應的實證研究結論是一致的,其研究表明,農戶既從事玉米、大豆等農業生產又從事服務、營銷等非農就業的范圍經濟效應平均為0•24,即相比單獨從事農業生產或非農就業,農戶能夠平均節省24%的家庭成本。