基于结构方程的香蕉枯萎病认知及防控技术行为分析

夏勇开+刘殿国

摘 要 香蕉枯萎病是一种传染性极强的土传病害，对生产危害极大。从研究香蕉种植户对枯萎病的认知特征和防控技术行为入手，可以为科学防控枯萎病提供基础。本研究以海南、广东、广西、福建和云南等香蕉主产区的20个县（区）的133份调查资料为样本，采用结构方程模型进行研究，结果表明：认知程度直接影响香蕉枯萎病防控技术的扩散，防控成本、受教育程度、收入水平、技术培训经历和种植经验等均不同程度地影响种植户对枯萎病的防控行为；蕉园土壤酸碱度及有机质含量、抗逆品种的选择对枯萎病蔓延有一定的影响。引导和规范种植户修复土壤、重施有机肥、注重土壤酸碱度平衡等生产技术行为，可以抑制或减缓枯萎病的蔓延；拓展香蕉种植户对枯萎病防控技术的认知深度，以“技术的供给与需求相结合”为导向，加大扶持力度，建立起枯萎病统防统治等综合防控体系，可以达到抑制枯萎病的目的。

关键词 香蕉枯萎病 ；技术 ；认知 ；影响因素 ；结构方程

分类号 F306

香蕉是全球性的大宗水果之一，据联合国粮农组织（FAO）统计，2012年全球香蕉进出口贸易额达210.3亿美元，在农产品贸易中仅次于小麦、玉米和大豆，位居第4位[1]。香蕉是中国主要的热带、亚热带水果，是华南地区农民增收的支柱性产业之一。据国家香蕉产业技术体系统计，2013年中国香蕉收获面积30.6万hm2，产量1 142.8万t，产值321.7亿元。香蕉枯萎病是一种由尖孢镰孢菌引起的维管束系统性土传病害，俗称黄叶病、巴拿马病。该病传染性极强，对生产危害极大，近期媒体曝出的或将给全球香蕉带来灭顶之灾的香蕉“艾滋病”，就属该病害[2]。香蕉枯萎病现已几乎蔓延至所有的香蕉种植国家和地区，中国的广东、海南、福建等省区已不同程度感染。目前中国是香蕉枯萎病研究的主要力量，在枯萎病防控和机理研究上大多为中国学者所发表[3]。例如，中国科技工作者已先后培育出‘农科1号、‘抗枯5号、‘粤优抗等对枯萎病有一定抗性的优良品种，也总结出一套与木瓜、韭菜等作物轮作的综合防控技术，在实际生产中起得了一定的效果[4]。

但总体上说，国内现有研究侧重于分析香蕉枯萎病蔓延的原因及其防控机理[5]，对于从种植户本身的技术行为特征、对枯萎病的认知程度，以及外在环境（包括土壤）对病害的传播等方面进行综合研究的较少。结构方程模型（structural equationmodel，SEM）是一种可以将难以避免的误差纳入模型的分析工具，并且可以为难以直接观测的潜变量转化为可以观测和处理。本研究以海南、广东、广西、福建和云南等香蕉主产省区的20个县（区）的133份调查资料为样本，采用结构方程模型分析种植户受教育程度、收入水平、技术培训经历、种植经验、对枯萎病的认知程度及其防控成本，以及现有生产技术行为如蕉园土壤酸碱度、有机质含量和微生物含量等等，旨在提升种植户对技术防控认知的广度和深度、规范种植户技术行为、建立完善的枯萎病综合防控体系，进而达到有效抑制香蕉枯萎病蔓延的目的。

1 研究区域与方法

1.1 研究区域与数据来源

2013年12月至2014年1月，在国家香蕉产业技术体系的支持下，作者赶赴海南、广东、广西、福建和云南等省区的香蕉主产区进行调研，先后调查了海南的澄迈、乐东和东方，广东的徐闻、遂溪和高洲，福建的平和、永泰和漳州市芗城区，广西的浦北、灵山、武鸣、隆安、绥扶和南宁市西乡塘区，云南的河口、金平、耿马和景洪等20个重点县市。在产业调研过程中，主要进行重点调研，例如海南主要调查澄迈的福山镇、乐东的利国镇，广西主要调查浦北的大成镇、灵山的武利镇，南宁市西乡塘区的坛洛镇、金陵镇等等。由于很多调查并不在种植户家里，而是直接在地里，因此为保证调研的广度和深度，针对每片蕉区的调查样本数，一般控制在3个以下，这样可以有效避免区域样本的趋同性。调查总共收回问卷138份，剔除部分失效问卷，共获得有效问卷133份，包括海南36份、广东25份、福建12份、广西37份、云南23份。

1.2 基于结构方程模型的枯萎病认知及防控技术行为分析方法

结构方程模型研究主要包括两部分，一是结构方程，二是测量模型，通常情况下包含3个矩阵方程式[7]。

X=Λxξ+σ（1）

Y=Λyη+ε（2）

η=Bη+Γξ+ζ（3）

（1）、（2）矩阵方程式为测量变量模型，主要反映可测变量间与潜变量的关系。式中，X代表外源潜变量的可测变量，Λx代表关联系数矩阵（外源潜变量与其可测变量），Y代表内生潜变量的可测变量，Λy 代表关联系数矩阵（内生潜变量与其可测变量）。通过该模型，可测变量即可以反映出潜变量。

（3）矩阵方程式代表结构方程，它主要反映潜变量之间的结构关系。式中，B为相关系数矩阵（内生潜变量间），η为内生潜变量，Γ为影响系数矩阵（外生潜变量对内生潜变量），ξ为外源潜变量，ζ是测量误差。

通过对（1）、（2）、（3）矩阵方程式的求解，可获得各个潜变量与可测变量之间的关系，以及内生潜变量和外源潜变量。本研究以香蕉种植户的自身特征、生产特征、枯萎病认知及技术防控特征、政策与环境特征为外源潜变量，以种植户对枯萎病的认知为内生潜变量。同时研究假设，各个外生潜变量之间相互独立，且均对香蕉枯萎病认知产生影响。其中，种植户自身特征潜变量用年龄、教育程度、是否为村干部、年收入作观测变量；生产特征潜变量用种植规模、种植年限、是否为合作组织成员、技术培训经历作测量变量；枯萎病认知及技术防控特征潜变量用对香蕉枯萎病的了解程度、香蕉枯萎病感染情况、种植品种、蕉园土壤酸碱度及有机质含量、对现有防控技术的满意程度、技术壁垒（指应用防控技术的难易程度）、枯萎病综合防控成本作观测变量；政策与环境特征潜变量用枯萎病作为准公共技术的政策认知、补贴力度、补贴方式和产业预期作观测变量；对香蕉枯萎病认知潜变量用对香蕉枯萎病了解程度、枯萎病是否土传病害作观测变量。

1.3 样本数据描述

根据对香蕉种植户的自身特征、生产特征、枯萎病认知及技术防控特征、政策与环境特征分析，本研究调查问卷的设计共分4类21项（表1）。在数据处理过程中，本研究借助了SPSS统计分析软件对调研数据进行分析和建立数据库，并产生汇总表格。

由表1可知，133个种植户中，平均年龄为44.89岁，87%为男性，平均文化程度在初高中之间，村干部占27%，平均年收入5万左右，平均种植面积0.667 hm2左右，平均种植年限5～6年；54%加入合作社，81%经过技术培训，对香蕉枯萎病较熟悉。对枯萎病是否土传病害，大约50%人认为是，大约50%人不清楚；大部分感染香蕉枯萎病比例在5%以下；52%种植抗逆品种；蕉园土壤的平均酸碱度在6左右；蕉园的每千克土壤中有机质平均含量为15～20 g；对现有防控技术的满意度大致为一般；技术壁垒程度为一般；枯萎病平均综合防控成本为4 928.55元/hm2；对枯萎病综合防控应以自身投入为主；政府投入主要在设备上；产业预期较为一般。

1.4 样本数据的信度与因子分析

本文主要采用克朗巴哈α系数作为检验标准，测量问卷的可靠性和有效性，即验证调查问卷的信度[7]。本研究涉及香蕉种植户自身特征、生产特征、枯萎病认知及技术防控特征、政策与环境特征等4个潜变量的可观测变量，通过利用SPSS18.0 软件对这些可观测变量进行信度分析，得出的α值介于0.617～0.715，而问卷整体的α值为0.738。可见，本研究调研数据可接受。此外，4个可观测变量的标准因子载荷系数，经计算都在0.7左右，可以认为各潜变量的结构效度良好，调查问卷测量变量的设计符合要求。

对调查数据进行验证因子分析，主要利用LISREL8.7 软件处理。计算结果发现，香蕉种植户自身特征、生产特征、枯萎病认知及技术防控特征、政策与环境特征各潜变量与其观测变量间的GFI、NFI、CFI的值都大于0.9，说明这4个潜变量用相应的观测值测量非常合理。

2 结果与分析

2.1 模型拟合与评价

结构模型反映了外生潜变量与内生潜变量之间的相互关系[9]。通过应用LISREL8.7软件对构建的结构方程进行分可知，观测变量年龄与香蕉枯萎病感染情况极不显著去掉，利用剩余的19个变量计算得种植户自身特征、生产特征、枯萎病认知及技术防控特征、政策与环境特征对香蕉枯萎病认知特征的路径系数值分别为0.88、0.13、0.18和-0.21。其中种植户自身特征通过了显著性检验，生产特征、枯萎病认知及技术防控特征对香蕉种植户枯萎病认知特征有一定影响，但没有达到显著。政策与环境特征对枯萎病认知特征呈负相关关系。

香蕉种植户对枯萎病认知及防控技术行为分析模型的路径系数、标准误差、T值及显著性见表2。

由表2所示，各可观测变量除（是否村干部←种植户自身特征）外T值都大于2，且都在5%显著性水平上通过检验，说明模型设定的可观测变量有效，可以用于对潜变量的考察。

本文选择相对拟合指数和绝对拟合指数进行模型适配度检验[8-9]。整体适配度的评价及拟合结果见表3。从表3可以看出，测量模型的总体拟合度较好。

2.2 结果分析

2.2.1 种植户自身特征与枯萎病认知及其防控技术行为

从表2可以看出，年收入和文化程度（标准化路径系数分别为0.95和0.76）是香蕉种植户自身特征潜变量中最显著的因素。与普通种植户相比，文化程度和年收入较高的种植户，由于受教育程度高或社会活动面广，比较善于接受新生事物，对枯萎病认知具有较强的主动性，对于枯萎病综合防控技术也乐于首先尝试。可见，香蕉种植户文化水平越高或收入越高，均会增强种植户对枯萎病的认知，并且对于枯萎病综合防控技术理解表现更为透彻，在获得和应用枯萎病防控技术行为方面，意识超前。

2.2.2 种植户生产特征与枯萎病认知及其防控技术行为

香蕉种植面积是种植户生产特征中最显著的可测变量。它表明，种植面积的大小显著影响枯萎病认知及其防控技术行为。通常，随着种植面积的扩大，意味责任和风险也将变大，这将促使人们希望了解和采用最新的枯萎病防控技术，以降低损害风险。香蕉种植户是否有技术培训经历，对香蕉枯萎病的认知也有较大正向影响。如果种植户有技术培训的经历，往往会对枯萎病危害有较深的认识。为使自己的蕉园免于遭受枯萎病的侵害，种植户自然会产生学习枯萎病防控技术的欲望，进而采用新技术的可能性就非常大。

2.2.3 技术本身的防控特征与枯萎病防控技术行为

由表2可知，技术防控特征对种植户防控技术行为的影响最显著。香蕉枯萎病防控技术综合防控成本的高低，直接影响到种植户对技术的选择和使用。由于香蕉种植户都有一杆成本收益秤，过高的防控成本往往会减缓对枯萎病防控技术的选择。此外，枯萎病防控技术掌握的难易程度也会直接影响种植户对技术的认知程度。从表2还可以看出，蕉园土壤酸碱度及有机质含量、抗逆品种的选择对枯萎病蔓延有一定的影响。蕉园土壤酸碱度越平衡，土壤有机质含量越高，枯萎病的发生几率也越低。

2.2.4 政策环境特征与枯萎病认知及防控技术行为

香蕉枯萎病综合防控是一项准公共技术，并不是一家一户能够解决得了的，需要政府的扶持与综合调控，这一点对不断加大种植户枯萎病认知及防控技术行为的选择，具有显著地促进作用。良好的政策与环境氛围，是规模推广香蕉枯萎病综合防控技术的基础。尤其在政府资金、设备补贴等支持下，在香蕉片区或合作组织内部实施统防统治，很多种植户将会积极地投入到这场运动中来。

3 结论

（1）香蕉种植户对枯萎病防控技术的认知有较大差异，不同的认知结果对枯萎病防控技术的扩散会产生不同的影响。对枯萎病现有防控技术的满意度、区域内部统防统治的方式和力度、防控成本、种植户受教育程度、种植规模以及技术培训经历等均影响种植户对技术的选择与认知。

（2）蕉园土壤酸碱度和土壤有机质含量与枯萎病的发生存在一定的影响。保持土壤酸碱度适中，重施有机肥，将使土壤有机质含量提高，进而大幅度增加有益微生物种群的数量，这对于抑制镰刀菌的侵染具有重要作用。我国华南植蕉区土壤普遍呈酸性，在实际生产中，如不采取有效措施，同一地块植蕉期越长，土壤酸性也越强，随着土壤有机质的降低，地块发生枯萎病的危害几率将变得越大。因此，引导和规范种植户修复土壤、重施有机肥、注重土壤酸碱度平衡等生产技术行为，可以有效抑制或减缓枯萎病的蔓延。

（3）香蕉枯萎病综合防控是一种准公共技术，因此在香蕉枯萎病蔓延区域，必须采取统防统治，如果其中有某个种植户不采取防治措施，这势必影响到其它种植者的的防治效果。近年来，在有些香蕉枯萎病的蔓延区域，特别是组织化程度较高的区域，种植户已开始尝试枯萎病的统防统治。同时当地政府也通过强化技术的培训推广力度，来推动种植户采取统一行动。但另一方面，组织内的统一行动或政策要素的加入，也增加了种植户技术行为选择的不确定性[10]。这些措施是否能够有效激励种植户采用一致行动，在很大程度上取决于种植户对香蕉枯萎病的认知及防控技术选择行为的影响因素之上。因此，各级技术推广部门或专业合作组织，应该利用各种渠道，拓展香蕉种植户对枯萎病防控技术的认知深度，以“技术的供给与需求相结合”为导向，加大扶持力度，建立起枯萎病统防统治等综合防控体系，可以达到抑制枯萎病的目的。

参考文献

[1] 联合国粮农组织网站http：//faostat.fao.org/site/567/default.aspx#ancor.

[2] http：//chihe.sohu.com/20140409/n397950202.shtml？qq-pf-to=pcqq.group.

[3] 国家香蕉产业技术体系. 2013年度香蕉产业技术发展报告[C]. 海口，2014：10-11.

[4] 黄永红，魏岳荣，左存武，等. 韭菜对香蕉枯萎病菌生长及香蕉枯萎病发生的抑制作用[J]. 西北植物学报，2011，31（9）：1 840-1 845.

[5] 何 欣，黄启为，杨兴明，等.香蕉枯萎病致病菌筛选及致病菌浓度对香蕉枯萎病的影响[J].中国农业科学，2010，43（18）：3 809-3 816.

[6] 宋永涛，苏 秦. 基于贝叶斯网络的质量管理实践对绩效的影响评价[J]. 系统工程理论与实践， 2011，31（8）：1 440-1 446.

[7] Song X Y， Lee S Y. Bayesian analysis of structural equationmodels with nonlinear covariates and latent variables[J]. Multivariate Behavioral Research， 2006， 41（3）： 337-365.

[8] 吴林海，侯 博，高申荣. 基于结构方程模型的分散农户农药残留认知与主要影响因素分析[J]. 中国农村经济，2011（3）：35-46.

[9] 吴明隆. 结构方程模型—AMOS 的操作与应用[M]. 重庆大学出版社，2009：23-26.

[10] 夏勇开.中国香蕉生产技术的经济研究[M]. 经济科学出版社，2011：43-45.