低碳视角下农业生态补偿的激励有效性

陈 儒，姜志德，赵 凯

(西北农林科技大学 经济管理学院，陕西 杨陵 712100)

引 言

农业生态补偿已被世界各国广泛用来应对农业领域的生态环境问题[1-3],其本质在于通过经济激励手段,将农业生产活动的环境外部性内部化[3]。如何更好地实现农业生态补偿的实际可操作性和激励有效性[1,4],一直是学术领域关切的焦点,部分学者尝试通过不同角度和方法对资源环境进行精确定价,如生态系统价值当量因子法[5]、机会成本法[6]、条件价值法[7]、生态足迹法[8]等,以期厘定更为合理的生态补偿金额,从而提升农业生态补偿的可行性、公平性;还有学者运用理论分析[4]、实证检验[9-10]等方法,通过对生态补偿实际案例的剖析,多角度评价生态补偿机制有效性,试图找出可能导致生态补偿机制失灵的问题,并针对此提出相应的对策建议,从而提升补偿机制的激励有效性等。

虽然关于生态补偿的研究日趋成熟,但是在农业领域内,由于农业生产活动本身具有较强的分散性、灵活性,生态价值零碎且难以量化评估[6],所以在农业产业层面尚未形成全面的、成熟的生态补偿方案[3]。随着相关低碳农业研究的深入,部分学者尝试探索构建一套新视角的补偿方案——“碳补偿”,试图从“低碳”视角入手探讨构建生态补偿机制的可能性,以期运用农业碳计量将农业发展的生态价值以温室气体排放量或抵消量来加以衡量,从而打破农业领域内生态补偿的瓶颈,如宋博、李颖等基于农业碳汇功能视角,分别模拟构建了设施蔬菜、粮食作物农业生产项目的生态补偿机制[11-12],赵荣钦等在开展区域层面碳收支量化评估基础之上,提出了区域横向碳补偿的模式等[13]。然而在实际生产中,农业领域内并不缺乏类似“碳补偿”形式的生态补偿实际操作案例,譬如上海、江苏、浙江等地通过向农户提供每吨150～400元价格补贴鼓励农户购买和使用有机肥,山东桓台由县乡两级政府对玉米秸秆还田以每亩30～50元的标准进行补贴等[3],政府均通过一定数量货币支付向农户购买低碳农业生产的生态正外部性,只不过未能将其放在“低碳”概念的框架内对补偿的有效性进行评价、修正,而现有研究在进行“碳补偿”形式生态补偿的机制构建或标准测算时,也均缺乏对生态补偿本质特征——激励关系的深入探讨,这使得研究结论难以逃避碳补偿机制激励有效性的质疑,鉴于此,本研究基于“低碳”视角,首先运用多任务委托代理模型分析农业生态补偿契约中的激励关系,并得到一些待检验假说,其次利用调研获取的微观农户数据进行实证检验,以此分析现行农业生态补偿机制的激励性与有效性。

一、理论分析

农业生产过程严格遵循联合生产原则,在低碳视角下其产出方面包括作为期望产出的农产品、碳汇产品和非期望产出的碳排放产品、其他形式废弃物两大类。在市场经济条件下,农产品是可以在市场出售的有价商品,而碳产品是不能自动实现市场价值的公共产品,大多通过政府补偿机制实现农业生产活动环境外部性的内部化,其外部性由净碳汇(碳汇与碳排放差值)额度决定[14]。因此,在农业生产生态补偿契约中,政府通常作为契约委托方,农户则为契约代理方,委托人通过给予代理人一定的奖赏去引导代理人按照委托人的利益要求完成一定的行为,即代理人农户需要遵守契约要求,在有限的时间和资源等约束条件下,综合考虑任务收益和努力成本等因素完成两个任务,其一为经济产品(本研究界定为农产品)生产任务,其二为生态产品(本研究界定为碳产品)生产任务,并将努力程度在各项任务间做出分配。

假设:代理人农户在两任务间投入的努力分别为e1与e2,代理人一次性选择努力为eT=(e1,e2),代理人为此支付努力成本C(e),预期给委托人带来收益B(e),C(e)为e严格递增的凸函数,B(e)为e严格递增的凹函数;由于代理人农户的努力程度不可观测,所以委托人政府只能根据可观测的业绩信息xT=(x1,x2)给予补偿W(x),设定农户生产函数为x=μ(e)+εT,其中εT=(ε1,ε2)为正态分布向量,且协方差矩阵为Σ=(σij),ij=1,2;设定线性合同报酬为W(x)=α+βTx,βT=(β1,β2)表示可变收益分配率(0≤β≤1)。

政府作为委托人是风险中性的,其效用函数为up(yp)=yp,农户作为代理人是风险规避的,且具有不变绝对风险厌恶系数ρ,其效用函数为ua(ya)=-e-ρya,ya=W(x)-C(e)=α+βTx-C(e)是代理人农户不确定性收入。那么,可用期望效用函数这一次优结果求得委托人和代理人的确定性等价收益为:

CEp=E(yp)=B(e)-α-βTμ(e)

(1)

式(1)中CEp是委托人的确定性等价收益,CEa是代理人的确定性等价收益,用分布函数参数化方法推导求得,1/2ρβTΣβ为代理人支付的风险成本。由于委托人设计的激励契约必须满足代理人激励相容和参与约束两个条件,所以激励机制设计变成如下带约束最优化问题:

(2)

∂β/∂e=∂C2/∂e2=(Cij),∂e/∂β=(Cij)-1

(3)

β=[1+ρ(Cij)Σ]-1∂β/∂e

(4)

图1 代理人农户的边际努力成本曲线

在低碳农业生产过程中,当市场化的产品和非市场化生态服务在成本上并不相互独立时,两者之间的产品关系可能是互补、竞争或者替代,由于农户在农产品上的努力程度是可以被客观度量和观测的,而生产碳产品任务的努力程度因其价值难以显化,不可被准确度量和观测,所以对于理性农户来讲,更侧重于追逐增加农产品产量而不在乎增加碳产品,这使得两个任务之间的努力成本产生替代关系(B点右侧区域),即代理人农户增加经济产品生产任务的努力程度会提高其生态产品生产任务的边际机会成本,使得代理人往往将努力集中投入于容易被观测的农产品生产任务中(以牺牲另外碳产品生产任务的努力为代价),此时Cij>0,那么由式(4)可知,由于两种任务是相互代替的,激励系数β变小,此时多任务补偿机制的激励效能将被弱化。

基于以上理论分析可知,现行低碳农业领域内生态补偿机制所体现的激励作用只能算作“弱激励”而非“强激励”,即代理人农户以生态建设为目标的生产性努力缺乏有效激励,导致这种现象的主要原因集中在两个方面:第一,由于农户生产所得碳产品的经济价值未能显化,导致刚性的生态补偿机制缺乏一定的瞄准性,难以对真正实现正外部性的农户形成有效激励,在这种委托与代理双方信息不对称的条件下极易造成道德风险和逆向选择[3]。第二,在低碳农业生产过程中,农产品是农户有目的投入和努力经营的结果,而碳产品可能是与此过程密不可分的无意后果,尽管低碳农业的生态效益会随着农户努力而提高,但这种效益却因缺乏经济价值的显示和实现途径而不能无条件纳入农户的决策视野之中,从而导致委托人和代理人的目标函数发生偏差,最终降低了农户低碳生产的努力程度,难以形成有效的生态生产性激励。基于以上两点理论假设,本研究将继续运用微观农户证据,对现行生态补偿机制的瞄准性和农户低碳生产的现实努力程度进行实证检验。

二、变量选取与数据来源

在低碳农业生态补偿机制中,代理人农户在生产农产品和碳产品之间如何做出分配努力是基于成本与收益之间权衡比较的决策行为。从收益角度来看,由于农户生产的碳产品价值难以显化,其可得生态收益不可被精确估量,所以能纳入农户决策视野的仅有农产品收益;同样地,从成本角度来看,农户在碳产品生产任务上的努力程度也难以被直接度量和观测,所以具体生态成本支出也无法确切测算。在收益与成本无法明晰的情况下,农户如何做出分配努力的决策结果也就难以真实反映出来,基于计划行为理论(TPB)可知,解决该问题唯一可行的路径是通过运用一系列可客观观测和获取的信息、数据对分配努力的决策行为进行转化,为此,本研究立足于农户在碳产品生产任务上的努力程度,依据计划行为理论明确指出的行为态度、主观规范和知觉行为控制[15]3个方面对其进行转化。换言之,农户低碳生产努力程度可通过其对于低碳农业生产的感知、意识、态度和行为展现出来,结合相关研究成果及数据可获得性,选取农户低碳生产感知、低碳生产意识、低碳生产态度、低碳生产行为4个角度衡量农户在碳产品生产任务上的努力程度。具体变量定义如表1所示。

本研究所采用的数据来源于课题组于2017年3-4月对陕西泾阳县实施的问卷调查,考虑到由自然资源禀赋和环境条件的差异可能带来的碳计量误差,本文将研究范围锁定在县域农户层面,并在分析过程中尽可能区分农业生产项目类型,确保碳产品产量核算的精确性。泾阳县是西北地区最大蔬菜生产基地,近年来泾阳县不断转变农业发展方式,探索和推广了诸多低碳农业技术,如测土配方施肥技术、节水灌溉技术、秸秆资源化技术等,取得了良好的低碳效果。本次调研对2016年泾阳县农户家庭基本情况、农业生产经营情况、技术采用情况等进行了全面了解,共发放370份问卷,最终确定有效问卷350份,有效率94.59%,农户农业经营项目共计613项,主要包括粮食作物、经济作物两大类,粮食作物包括小麦、玉米、大豆,共计247项;经济草本作物包括蔬菜、瓜果,作业方式分为露天作业和设施作业,共计287项,其中露天作业109项,设施大棚作业178项;经济木本作物包括桃、杏,共计79项,作物分类参照陈儒等[16]研究成果。

表1 农户低碳生产努力程度的变量定义

三、实证检验与分析

尽管农户在农业生产过程中经营所得碳产品的经济价值难以显化,但随着低碳农业研究的深入,温室气体排放核算方法学已被成熟运用于农业碳计量之中,每项农业生产活动的碳排放量或碳汇量均可得以较为精确地计量,只不过由于缺乏类似价格机制的实现途径而难以兑换成货币收益。因此,在实证检验过程中,首先通过核算出农户经营所得的碳产品产量,将其与农户可获得的生态补偿收益进行匹配分析,从而对政府主导的生态补偿机制的瞄准性和公平性进行评价,其次结合前文界定的变量,运用因子分析法检验农户低碳生产的现实努力程度,并以此挖掘出影响农户低碳生产努力的重要因素。

(一)农户经营所得碳产品产量分析

1.核算方法。为节约篇幅,对于农户经营所得碳产品产量的核算方法,本文沿用已有阶段性研究成果[14],农业碳计量公式表达为:

E=ΣEi=Σ(Dci+Dei)φci+Σ[(DNi+Bi+Li)

φni+(Dm+Bi+Li)φmi]×GWP

(5)

Ccv=ΣCcv-i=ΣCiYi(1-ri)

(6)

Ctg=ΣCtg-i=ΣσiAi

(7)

Cland=ΣδuAu+ΣCiωi[Yi(1-ri)(1/Hi-1)fr+

Yi(1-ri)/HiRs+Dm]

(8)

式(5)中E为农业碳排放总量,Ei为各种碳排放源的排放量,i为表示类型,Dci、Dei为不同农用化学品和能源的消耗量,φci为相应碳排放系数,DNi为不同产出途径下的氮投入量,Bi为农业废弃物焚烧量,Li为不同品种牲畜的饲养量,φni为相应氧化亚氮排放系数,Dm为农家肥消耗量,φmi为相应甲烷排放系数,GWP为所排放温室气体的增温潜势;式(6)中Ccv为农作物碳汇总量(不包含经济林木),Ccv-i为各类农作物的碳吸收量,i为农作物类型,ci为碳转化系数,Yi为农作物产量,ri为相应农作物经济产品部分的含水量;式(7)中Ctg为林草年均固碳量(含经济林木),Ctg-i为各类林草的年均碳吸收量,i为林草类型,σi为林草不同层落的平均固碳速率,Ai为林草的栽植面积;式(8)中Cland为土壤固碳量,u为土地利用方式(翻耕、翻耕并施化肥、免耕等),δu为不同土地利用方式下的土壤平均固碳速率,Au为土地面积,ωi为分解残留率,Hi为农作物经济系数,fr为秸秆还田率,Rs为根冠比,排放系数使用中注意CO2当量与C当量的区别。

2.结果分析。依据构建的农业碳计量公式,测算了样本农户生产经营所得的碳排放产品、碳汇产品和净碳汇产品产量,为了保证测算结果的精确性和可比性,在区分农户经营项目类型的基础之上,分项目测算了单位耕地面积上的碳产品产量,具体分布如图2～4所示。

图2显示,农户经营不同农业项目的碳排放量呈现出一定的差异性,依据“谁污染、谁付费”的生态补偿原则可得,草本经济作物生产项目由于自身“高投入、高产出”的生产特点,在经营过程中产生了较多的碳排放量,需要支付较高的污染费用,而经营粮食作物和木本经济作物碳排放量较低且分布较为集中,对环境污染程度较低。农户的经营方式对碳排放量也产生较大影响,对于经营草本经济作物而言,由于该项目对化肥、农药、农膜等生产要素依赖度较高,要实现资源的合理配置需要农户具备较高的素质条件,而走访调研中发现农业经营主体之间具有较强的异质性,不同农户经营方式差异较大,最终导致碳排放(污染量)离散程度较高,同时在露天和设施两种作业方式下,生产草本经济作物平均碳排放密度分别为每亩0.297吨碳、0.577吨碳,设施作业方式需要支付较高的污染费用。

图2 各样本农业生产项目碳排放产品产量

图3显示了农户在单位耕地面积上经营所得的碳汇产品,由于不同农业作物自身生长特性的差异,以及农户经营方式的区别,最终导致农户在不同农业项目上经营所得的碳汇产量差异较大。碳汇是减缓气候变化的生态产品,依据“谁保护、谁受益”的补偿原则可得,农户经营木本经济作物生态收益率最高,单位耕地面积上平均碳汇产出量达到每亩0.93吨碳,主要得益于经济果木根茎器官逐年的碳积累;农户在粮食作物生产项目上碳汇产量最小,生态收益率最低,平均碳汇密度为每亩0.496吨碳;对于草本经济作物生产项目,设施作业方式更有利于碳汇量的积累,相比露天作业而言,设施作业单位耕地面积上的碳汇产量要比其高出0.333吨碳。

图3 各样本农业生产项目碳汇产品产量

将农业生产碳排放量(污染成本)从相应碳汇量(生态收益)中扣除,最终得出农户在不同农业项目上经营所得的净碳汇产量(生态净收益)。如图4所示,大部分农业项目经营实现了碳汇量的盈余,农业生产在整体水平上保持了良好的净碳汇效益,其中,农户经营木本经济作物单位耕地面积上的净碳汇效益最好,每亩盈余0.767吨碳;粮食作物净碳汇密度位列第二,单位耕地面积实现碳汇盈余0.377吨碳;在露天作业和设施作业两种生产方式下,草本经济作物生产项目单位耕地面积分别实现碳汇盈余0.293和0.346吨碳。然而,并非所有农业项目的经营都实现了碳汇量盈余或正的环境外部性,农户生产经营过程也存在不少碳汇量亏损现象,且主要分布在草本经济作物项目上,露天作业和设施作业两种方式下碳汇亏损比例分别达到了27.52%、28.99%。

图4 各样本农业生产项目净碳汇产品产量

由此可知,尽管有些农户在某一生产环节上采取了低碳农业措施获得了生态补偿,但其在整个低碳生产过程中实质上产生了负的生态外部性。他们在未实现经营项目上的“低碳”或未承担起应该承担的外部性成本情况下,却同样获得了农业生态补偿,违背了“谁保护、谁受益;谁污染、谁付费”的公平补偿原则。在现实农业生产过程中,由于农户进行生态生产经营所得的碳产品价值难以显化,导致出现了“搭便车”的现象,“一刀切”的刚性补偿机制缺乏一定瞄准性,从而难以对真正实现正外部性的农户形成有效激励。如此长期下去,农户逆向选择问题将不可避免:现行补偿机制将吸引越来越多的对生态生产任务不努力或努力程度偏低的农户参与,原先较努力的农户受到补偿金额和心理因素落差的影响,逐渐转向生态产品生产不努力或降低努力,最终将会弱化生态补偿的激励效应,理论假设(原因一)得以验证。

(二)农户低碳生产的努力程度分析

1.估计方法。考虑到表1定义的解释变量较多,且难以全面反映农户低碳生产的努力程度,因而采用因子分析法对诸多解释变量进行降维处理,以此选出公共因子,并通过计算所有解释变量的综合因子得分来判断农户低碳生产努力程度的强弱。因子分析法通过对解释变量相关系数矩阵的内部结构进行研究,将诸多变量进行归类,同一类别中的解释变量相关性较高,而不同类别之间相关性较低,每个类别即视为一个公共因子,之后用这些公共因子的线性函数与特殊因子之和来描述原来观测的解释变量。其数学表达式为:

Xi=αi1F1+αi2F2+…+αimFm+εi

(9)

式(9)中,Xi为p各可观测变量;F1,F2,…,Fm(m≤p)为公共因子;αi1,αi2,αim为因子载荷;εi为Xi的特殊因子。上式可用矩阵表达为:X=AF+ε,其中,A为因子载荷矩阵,F是p个观测指标的公共因子。将各公共因子方差贡献率占累积方差贡献率的比率作为权重,可计算出综合因子得分,并据此对农户低碳生产努力程度进行评价。

为了进一步解释各变量对农户低碳生产努力程度的影响,将继续采用最优尺度回归分析法对农户低碳生产努力程度进行回归分析,最优尺度回归采用一定的非线性变换方法对原始变量进行转换,然后反复迭代找到最佳方程,分析各解释变量对被解释变量影响的强弱变化情况,不仅可以描述解释变量对被解释变量的影响程度,也可根据重要性指标描述解释变量对被解释变量的重要性水平。模型构建如下所示:

ELCPi=β0+β1pepti+β2cnsci+β3willi+β4ncsti+β5stfci+β6TABi+β7FIBi+β8PIBi+β9AFIBi+β10DOIBi+μi

(10)

式(10)中ELCPi为农户低碳生产的努力程度,即综合因子得分;i为样本农户;β0为常数项,β1～β10分别为各解释变量的待估参数;μ为随机扰动项。

2.结果分析。采用KMO和Bartlett球形检验判断数据是否可使用因子分析,运用SPSS20.0对观测指标进行因子分析后,结果显示KMO值为0.650，大于0.5,Bartlett球形检验统计量为835.830,显著性水平远小于1%,说明数据存在公共因子,适合进行因子分析,结果如表 2所示。

旋转后前4个公因子成分特征值均大于1,累计方差贡献率达到82.866%,所以选取前4个成分作为公因子来描述每个农户低碳生产的努力程度是可行的。因此,在此基础之上继续估算各个农户在该4个公共因子上的综合得分,输出结果如图5所示。

表2 因子分析解释的总方差

图5给出了350个样本农户在4个公共因子上综合得分的分布情况,综合得分均值为0。从图中可以看出,因子得分大于零的农户有154户,得分小于零的农户有196户,而因子得分的正负情况反映了该农户的低碳努力程度与调研地区农户平均努力水平的高低程度,由此可知,占样本量56%的农户低碳生产的努力程度处于平均努力水平之下,在碳产品生产任务上的努力程度不高。换言之,在现行低碳农业生态补偿机制下,农户将较多的努力分配在了农产品生产任务上,而对碳产品的生产表现出较弱的积极性,即代理人农户以低碳生产为目标的生产性努力缺乏有效激励。

图5 样本农户低碳生产的努力程度

结合表1来看,低碳生产态度反映了农户对相关低碳农业政策的响应情况,其中对于农户进行低碳农业生产的意愿和必要性认知,二者平均得分结果均超过了样本总量的平均水平,体现出农户对参与低碳生产具有饱满的热情和较高的积极性。有趣的是,通过分析农户实际的低碳生产行为发现,无论从低碳技术采用方面,还是从生产要素投入方面,其平均得分结果较多处于样本均值中等或中等偏下水平,表明在实际农业生产过程中,农户并没有真正积极地开展低碳生产行动,其态度与行为发生背离现象,可能的解释是农户之所以具有参与低碳生产的热情,其主要目的在于获取更多的农业政策支持,一旦获取到补偿金额及相关优惠措施后,由于缺乏后续的监管、监测机制,农户便在生产过程中懈怠下来,最终难以真正地实现低碳生产,加之农户对于现行低碳政策实施的满意度较低(表1),如此便形成恶性循环,这也较好地解释了农户在碳产品生产任务上努力程度不高的原因。

因此,农户在农业生产过程中所收获的净碳汇效益,极可能是与农业生产过程密不可分的无意后果,而并非其有目的努力经营所得,同时在现实农业生产过程中,由于农业碳汇的经济价值缺乏相关实现途径而不能被精确定价,而刚性的生态补偿金额又难以满足不同农户的需求,最终导致农户在分配努力的决策上更青睐于农产品收益,现行补偿机制的生态激励效能则进一步被弱化,由此理论假设(原因二)得以验证。为了挖掘出影响农户低碳生产努力的最重要的内在因素,本研究以农户低碳生产努力的程度(综合因子得分)作为被解释变量,以表1设定的变量作为解释变量,继续利用SPSS20.0进行回归分析,结果如表3所示。在回归结果中,模型的方差分析表显示模型通过显著性检验,各个解释变量具有统计学意义,且解释变量的容忍度在转换前后都大于0.1,表明模型不存在共线性问题。

表3 最优尺度回归分析结果

解释变量中除低碳生产感知没有通过显著性外,其余变量均在5%的水平上显著,表明农户低碳生产意识、态度、行为是农户低碳生产努力程度的显著影响因素,即低碳生产意识较强、态度较积极、已采取低碳措施的农户在碳产品生产任务上的努力程度越高,三类指标影响的重要程度依次为态度(0.812)、行为(0.168)、意识(0.096),因而调整农户低碳农业生产的态度实为首要责任。低碳态度是农户心理和情绪因素的直观反映,通过完善低碳农业生态补偿机制、构建多元化激励措施,发挥农户心理、情绪等因素对生态生产努力水平的积极影响,激发农户低碳生产的积极性是有效提升农户低碳生产努力的关键路径,这与张文彬等[17]研究结论一致。

四、结论与启示

(一)研究结论

基于以上分析,本研究得出以下结论:

1.政府主导的低碳农业生态补偿机制呈现出弱激励特性:对于在生产过程中真正实现了正外部效益的农户,不合理的补偿方式和补偿金额难以对其在碳产品生产努力上实现有效激励,反之对于存在负外部效益的农户,却形成了过度激励,最终导致生态补偿机制出现“失灵”现象。

2.导致补偿机制呈现弱激励性的原因之一在于农户进行碳产品生产的努力程度及其经济价值难以显化,使得农户在农产品生产任务和碳产品生产任务之间的努力成本产生替代关系,多任务补偿机制的激励效能被弱化;原因之二在于现行生态补偿机制的刚性特征,导致补偿政策在短期内虽然对农户低碳生产行为形成一定的激励性,但长期来看仍然难以解决代理人个体行为偏离生态建设目标的问题。

3.农户农业生产在整体水平上保持了良好的净碳汇效益,以经营木本经济作物净碳汇效益最优,然而,并非所有农业项目的经营都实现了碳汇量盈余或正外部性,农户在农业生产经营过程存在碳汇量亏损的现象,且主要分布在草本经济作物项目上,部分农户在进行低碳农业生产时出现了“搭便车”的现象,最终导致现行生态补偿机制缺乏一定瞄准性。

4.农业生态补偿机制的弱激励性使得农户低碳生产态度与低碳生产行为发生了背离,所以农户在农业生产过程中所收获的净碳汇效益并非其有目的努力经营所得,以致于在碳产品生产任务上的努力程度不高,其中低碳生产态度是农户低碳生产努力程度的重要影响因素,调整农户低碳农业生产的态度、激发农户低碳生产的积极性是提升农户低碳生产努力的首要责任。

(二)政策启示

基于以上结论可知,现行低碳农业领域内生态补偿机制所体现的激励作用较弱,要改变这种现象就必须实现低碳农业生态补偿的激励机制创新。

1.尽快将核证的低碳农业生态产品产量纳入碳交易中心,借助碳交易市场的价格机制将农户低碳生产努力的经济价值显化,冲破现有生态补偿机制的刚性,实现资源环境“谁保护、谁受益;谁污染、谁付费”的公平原则。

2.依据当地实际生产经营特征以及不同类型农户的技术采用偏好,转变低碳农业技术推广方式,实行精准性技术推广方式方法,满足农户多样化的技术需求,提升低碳农业技术的适用性,不断提升农户技术使用效果的满意度。

3.制定具有弹性的补偿标准是低碳生态补偿机制创新的基本方向,合理有效的补偿标准需要考虑农户心理、情绪因素对其生态生产努力水平的影响,也是奖惩措施落实有效的基本依据,通过巧妙设置补偿金差距、改善补偿方式,鼓励不同农户之间的竞争,有助于提高政府资金使用效率。此外,制定相关政策进行积极引导、宣传和教育,提升农户低碳生产意识,进而约制其自身行为规范,进一步增强农户进行低碳生产的自觉性。