农村劳动力机会成本对CSA模式影响的实证分析——基于2008—2018年省级面板数据

杨 柳 王霜伶

改革开放40多年来，我国经济建设取得巨大成就，GDP居全世界第二，购买力居世界第一，按照2011年世界银行的标准，我国已经进入中上等收入国家行列。与此同时，我国的中等收入群体占比在不断增加，他们普遍具有收入较高且稳定、受教育水平高、对社会主流文化具有较高的认同感等特点。(1)石嫣，程存旺，雷鹏，等：《生态型都市农业发展与城市中等收入群体兴起相关性分析:基于“小毛驴市民农园”社区支持农业(CSA)运作的参与式研究》，《贵州社会科学》2011年第2期。处于消费端的他们追求健康、高品质的生活方式，更加看重食物的新鲜、健康、安全。(2)Timothy P D， Community-Supported Agriculture: Opportunities for environmental education.,Journal of Environmental Education，Vol.2,No.25,1994.然而，处于供应端的农民囿于劳动力机会成本的增加(3)陈瑜琦，李秀彬，朱会义，等：《劳动力务农机会成本对农户耕地利用决策的影响——以河南省睢县为例》，《地理科学进展》2010年第29期。 郑旭媛，徐志刚：《资源禀赋约束、要素替代与诱致性技术变迁——以中国粮食生产的机械化为例》，《经济学》 (季刊)2017年第1期。 孔祥智，张琛，张效榕：《要素禀赋变化与农业资本有机构成提高——对1978年以来中国农业发展路径的解释》，《管理世界》2018年第10期。，作为理性人的农民，务农不再是他们“追求利润最大化”的最优选择，土地撂荒开始出现。这种现象说明农业在发展过程中存在农业资源浪费问题，城乡双向流动不畅。

中等收入群体的崛起促使社区支持农业开始在中国生根发芽(4)付会洋，叶敬忠：《兴起与围困：社区支持农业的本土化发展》，《中国农村经济》2015年第6期。，它是一种建立在信用体系上的新兴农业形态，城市消费者向农户预付生产费用，农户按照消费者的需求进行生产，定期为消费者提供一定数量的新鲜食品(5)Brown, C., and S. Miller., The Impact of Local Markets: A Review of Research on Farmers’ Markets and Community Supported Agriculture,The American Journal of Agricultural Economics,NO.90.2008.。这种模式既能满足城市消费者对健康生活品质的需求，又能解决农业资源浪费问题，是乡村振兴战略中现代农业发展的新模式。社区支持农业是国家经济水平发展到一定程度之后人们对健康、生态、农耕文化等需求的产物，在“质”的方面，社区支持农业区别于机械化农业，进行有机食物的生产，注重生态保护(6)Charles L., Animating community supported agriculture in North East England: Striving for a‘caring practice’. Journal of Rural Studies，Vol.4,No.27,2011.；在“量”的方面，社区支持农业区别于农民合作社，实现供应端和需求端的直接对接，减少了中间环节，提升了农业资源的综合效率。社区支持农业在农业生产经营活动中具有显著优势，它的发展引起了学术界的关注。

一、研究现状

社区支持农业(Community Support Agriculture，CSA)起源于20世纪60年代的日本，之后在欧洲、美国等地得到快速发展，形成很多成熟的CSA模式农场(7)Lang,K.B, The Changing Face of Community-Supported Agriculture,Culture & Agriculture,Vol.1,No.32,2010.。其在国内起步较晚，2005年建立的一些城乡互助组织，成为中国社区支持农业(CSA)的雏形(8)周飞跃，勾竞懿，梅灵：《国内外社区支持农业(CSA)体系的比较分析》，《农业经济问题》2018年第7期。。接着，在北京、上海等地形成数百个这种农业生产组织发展模式，其外延也在不断丰富，在原来的基础上延伸出消费者参与式体验、农业教育、农耕文化等活动(9)Kolodinsky, J. M., and L. L. Pelch, Factors Influencing the Decision to Join a Community Supported Agriculture *CSA Farm, Journal of Sustainable Agriculture，No.10,1997.(10)McMurry S., Preserving agricultural history through Land and buildings,Agricultural History，Vol.1,No.90,2016.，拓展了农业的经营范围，为第一产业与其他产业的融合提供了契机。

对于CSA兴起的原因，大部分学者认为，在食品安全问题频发、农业生态环境恶化的大环境下，消费者出于对健康、生态的偏好(11)Peterson H, Taylor M, Baudouin Q., Preferences of locavores favoring community supported agriculture in the United States and France,Ecological Economics，Vol.11,No.119,2015.，对新鲜、有机、健康食品的需求更加强烈(12)Brehm J M, Eisenhauer B W., Dimensions of Community Attachment and Their Relationship to Well-Being in the Amenity-Rich Rural West,Rural Sociology,Vol.3,No.69,2004.(13)Pole A, Kumar A., Segmenting CSA members by motivation:anything but two peas in a pod,British Food Journal,Vol.5,No.117,2015.，加入CSA成为了他们的选择。而对于农户来说，“预付资金，风险共享”的模式能够保证农业生产经营中资金和市场的稳定性(14)Lamb G.,Community Supported Agriculture Can it Become the Basis for a New Associative Economy, The Threefold Review,Vol.11,No.196,1994.，降低经营风险。

CSA在中国发展的时间较短，在运作过程中或多或少存在一些问题，将理论和实践相结合，有助于问题的解决，最终形成具有中国特色的农业发展路径。对比和借鉴国外成熟的CSA模式，国内学者认为CSA的发展很大程度上取决于消费者对它的认知和信任(15)董欢，郑晓冬，方向明：《社区支持农业的发展:理论基础与国际经验》，《中国农村经济》2017年第1期。，发挥社交媒体引导消费者树立健康参与意识的正向作用(16)陈卫平：《社区支持农业(CSA)消费者对生产者信任的建立：消费者社交媒体参与的作用》，《中国农村经济》2015年第6期。，有助于塑造消费者和生产者之间的信任。此外，也有学者认为，发展第三方力量如政府、第三方机构(17)孙娟，李艳军：《农业现代化的新方向：社区支持农业的发展及政策建议》，《农村经济》2015年第8期。，建立主导机制(18)周飞跃，勾竞懿，梅灵：《国内外社区支持农业(CSA)体系的比较分析》，《农业经济问题》2018年第7期。，能够集中消费端和生产端的力量，整合分散的资源，从而促进CSA更好地发展。

综上，现有文献为CSA的深入研究提供了宝贵的经验和思路，但仍存在一些不足：既有研究主要集中在对消费偏好的案例分析，尚未发现有文献从经济学角度有针对性地进行机理研究。农民作为CSA模式中生产端的核心要素，对他们来说，加入CSA从事农业活动就意味着放弃外出务工收入，那么农民参与CSA时必须考虑这部分机会成本。鉴于此，本文从经济学角度出发，首先分析农村劳动力机会成本与CSA模式之间的作用机制，然后选取2008—2018年27个省(自治区、直辖市)的面板数据，实证分析农村劳动力机会成本对CSA模式的影响，以期为农业发展、农民增收提供切实的参考。

二、农村劳动力机会成本与社区支持农业

(一)农村劳动力机会成本的界定

在同一时间，任何一种要素不可能投入多种生产活动中，其某种用途的选择性配置必然会产生机会成本(19)冉清红，岳云华，杨玲，陈俐谋，孙传敏，谢德体：《西部农户务农—务工的机会成本差分析》，《农业经济问题》2014年第12期。。经济学家萨缪尔森把机会成本定义为“在存在稀缺的世界上，选择一种东西意味着需要放弃其他一些东西。一项选择的机会成本就是相应的放弃的商品或者劳务的价值”，而曼昆把机会成本描述为“Whatever must be give up to some item”。按照他们对机会成本的定义，在CSA模式中的农村劳动力机会成本则是指农民从事农业生产而放弃的其他非农活动所获得的最大收益。那么，农村劳动力机会成本如何衡量呢？

查阅现有文献，邓大才将劳动力的机会成本分为两类，一是兼业劳动力的机会成本，二是完全务工的机会成本，并得出种粮劳动力的机会成本正在逐年上升的结论(20)邓大才：《中国粮食生产的机会成本研究》，《经济评论》2005年第6期。；陈瑜琦(2010)在研究劳动力务农机会成本对耕地利用决策的影响时，认为劳动力务农机会成本劳动力是从事非农生产的工资并进行修正(21)陈瑜琦，李秀彬，朱会义，等：《劳动力务农机会成本对农户耕地利用决策的影响——以河南省睢县为例》，《地理科学进展》2010年第29期。；柯炳生在研究农民工工资变化时，认为农民工工资是农村劳动力的机会成本，随着农民工工资的不断增长，将对农业生产、土地承包制度、农村居住环境产生影响(22)柯炳生：《我国农民工工资变化及其深远影响》，《农业经济问题》2019年第9期。。借鉴学者们的观点，本文认为CSA模式中的农村劳动力机会成本大体相当于外出务工的工资性收入。

国家统计局公布的农民外出务工工资代表全国平均水平，而我国东部、中部、西部地区农民工工资存在明显差距(23)张红宇：《新常态下的农民收入问题》，《农业经济问题》2015年第5期。，使得各地区农村劳动力机会成本存在差异，若采用国家统计局公布的农民外出务工工资这一数据，笔者认为不妥。因此，本文把CSA模式中的农村劳动力机会成本界定为“农民所处地区(省、自治区、直辖市)城镇职工平均工资”，以更好地说明各地区农村劳动力机会成本对CSA模式的影响及区域异质性。

(二)劳动力机会成本的现状

在城镇化进程中，受就业机会和高工资的吸引，农民涌入城市从事非农生产。数据显示，2008年农民外出务工年平均工资为14460元，2018年为44652元，在此期间，农民外出务工工资增长309%，如表1所示。与此同时，各省(自治区、直辖市)城镇职工年平均工资增长百分比保持在248%～349%之间，其中辽宁省城镇职工年平均工资增长百分比最低，海南省城镇职工年平均工资增长百分比最高，如表2所示。

表1 2008—2018年我国农民外出务工平均工资 单位：元/年

注：数据来源来自国家统计局“2008—2018年农民工监测调查报告”。该报告显示的农民工工资为月工资，为保证数据口径的一致性，本文将农民工工资进行换算，计算得出农民外出务工的年工资。

表2 2008—2018年27个省(自治区、直辖市)城镇职工年平均工资 单位：元/年

注：数据来源来自《2008—2018年中国统计年鉴》

不论是从全国农民外出务工平均工资视角还是从省(自治区、直辖市)城镇职工年平均工资视角来看，2008—2018年农民外出务工工资性收入都呈现中高速增长趋势且两者的增长速度基本上保持一致状态。这一方面说明农村劳动力机会成本逐年增加(24)温铁军，董筱丹，石嫣：《中国农业发展方向的转变和政策导向：基于国际比较研究的视角》，《农业经济问题》2010年第10期。(25)罗丹，李文明，陈洁：《种粮效益:差异化特征与政策意蕴——基于3400个种粮户的调查》，《管理世界》2013年第7期。，另一方面也验证了本文对农村劳动力机会成本界定的合理性。

在表2的基础上，对27个省(自治区、直辖市)的城镇职工年平均工资数据做进一步处理，得到城镇职工年平均工资较上年增加百分比，与农民外出务工人数较上年增加百分比作对比，如图1所示。

图1 城镇职工平均工资、农民外出务工人数较上年增加百分比折线图

2008—2018年，农民外出务工人数的增长比例与城镇职工年平均工资的增长比例几乎保持相同的趋势，均呈现先上升后下降再保持较小波动的变化趋势，进一步验证了将城镇职工年平均工资作为衡量劳动力机会成本指标的合理性。同时，可以看出劳动力机会成本在2011年之前增长幅度较大，2011—2014年增长幅度呈下降趋势，而2014—2017年增长幅度基本保持在一定范围之内，整体较平稳(26)2018年农民外出务工人数较上年增加百分比与城镇职工较上年增加百分比之间的差异，可能与党的十九大提出的乡村振兴战略以及鼓励农民工返乡务工或创业政策有关，从而使得农民外出务工人数增长比例下降。。劳动力机会成本发生这样的变化，与我国的宏观政策息息相关，展望未来，在经济增速放缓、产业结构调整、乡村振兴战略等因素的影响下(27)陈锡文：《实施乡村振兴战略，推进农业农村现代化》，《中国农业大学学报(社会科学版)》2018年第35期。，城乡差距逐渐缩小，劳动力机会成本将随之下降。

(三)农村劳动力机会成本对CSA模式的影响

CSA中的“community”并非指在一定范围内具有地域边界的生活空间，而是更多强调生产者和消费者进行社会互动的概念(28)董欢，郑晓冬，方向明：《社区支持农业的发展:理论基础与国际经验》，《中国农村经济》2017年第1期。，“agriculture”亦是指广义上的具有资源整合、产业融合意义的农业。CSA模式下的农业与外部力量碰撞而发生融合，拓展农业的多功能性，提升农业附加值，主要表现为横向的产业融合和纵向的价值深挖。在横向方面，农业与旅游、文化、健康养老等产业融合，促进生产要素的优化配置，拓宽农民增收渠道(29)郭军，张效榕，孔祥智：《农村一二三产业融合与农民增收——基于河南省农村一二三产业融合案例》，《农业经济问题》2019年第3期。；在纵向方面，建立“农产品生产-加工-销售”一体化发展，实现产业链延伸，降低交易成本，打破信息不对称的屏障，进一步提高农业收益。具体如图2所示。

图2 社区支持农业运作模式

在CSA模式中，生产者按照消费者需求进行生产，对农作物进行科学、合理、生态式的生产管理，以保证食品的健康、安全、新鲜，因此CSA模式对劳动力的需求非常强烈。然而，随着社会的发展，以前隐含在农产品中因劳动力大量剩余而被极度压低的劳动力价格，在务工工资的对照下得以显化(30)温铁军，董筱丹，石嫣：《中国农业发展方向的转变和政策导向：基于国际比较研究的视角》，《农业经济问题》2010年第10期。，劳动力的机会成本也开始被大众关注。

对于一种产业结构来说，影响其发展的因素众多，如科学技术、生产要素、管理制度等，而这些因素以价格机制为纽带发挥作用。林毅夫(2011)在分析新结构经济学时，提出要素相对价格是影响产业结构的核心变量(31)林毅夫：《新结构经济学：重构发展经济学的框架》，《经济学》 (季刊)2011年第1期。。CSA模式作为农业产业结构体系的组成部分，而农村劳动力作为CSA模式中的核心要素，其价格表现为机会成本，那么农村劳动力机会成本的变化势必会对CSA模式产生影响。因此，研究农村劳动力机会成本对社区支持农业模式的影响具有很大的现实意义。

基于以上研究，本文提出如下研究假说。

假说1：机会成本越大，农民往往会选择外出务工，选择加入CSA的意愿不强，这将对CSA模式的发展产生负面影响。

假说2：各地区经济发展水平不一致，农村劳动力机会成本存在差异，使得社CSA模式存在区域异质性。

三、模型设定及数据说明

(一)模型设定及变量说明

1.模型的设定。

为分析农村劳动力机会成本对CSA模式的影响，本文参考现有的研究，将计量模型设定如下：

devit=β0+α1ocit+α2eduit+α3powit+α4urbit+α5fundit+μi+εit

其中：下标i表示省份，t表示年份。被解释变量dev表示CSA模式发展程度，解释变量oc表示农村劳动力机会成本，为模型核心解释变量，控制变量为edu、pow、urb、fund，分别表示农民受教育水平、农业机械化程度、城乡差距、政府投资。μi表示省份固定效应；εit表示随机误差项；β0表示截距项，α表示相应变量的回归系数。

2.变量说明。

(1)被解释变量。dev代表CSA模式发展程度。CSA模式是对资源的优化，以农业为基础，实现产业融合，最终表现为农林牧渔业的生产总值。本文取农林牧渔总产值与地区生产总值之间的比值作为CSA模式发展程度的指标，既能说明CSA模式在整体经济大环境下的发展状况，又可以缩小数据之间的差距，提高数据的有效性。(2)解释变量。oc代表农村劳动力机会成本，取城镇职工年平均工资，前文已做说明，在此不再做详细说明。(3)控制变量。edu代表农民受教育水平。受教育水平直接影响CSA模式的接受程度，故将其作为本模型的控制变量。借鉴赵勇智(2019)的做法(32)赵勇智，罗尔呷，李建平：《农业综合开发投资对农民收入的影响分析——基于中国省级面板数据》，《中国农村经济》2019年第5期。，以农村居民受教育程度的人口比例权重，测算得到农民受教育年限，作为农民受教育水平的指标(33)自2013年起，《中国农村统计年鉴》对农村居民受教育程度的指标口径发生变化，故本文综合《中国农村统计年鉴》和《中国人口与就业统计年鉴》数据，采用“小学×6+初中×9+高中×12+大专及以上×16”的方法，得出农民受教育年限。。pow代表农业机械化，是农业生产技术的代表，取农业机械总动力值作为该指标。urb代表城乡差距。城乡差距是促使农民向城镇迁移的因素之一，在一定程度上会影响农民是否加入CSA模式。本文将城乡可支配收入之差与农村可支配收入之间(34)自2013年起，国家统计局对城镇、农村居民收支与生活状况抽样调查的范围、方法、指标口径发生变化，2013年以前的“人均纯收入指标”为老口径数据，2013年起的“可支配收入”为新口径数据，故本文采用2008—2012年的城镇、农村居民人均纯收入数据和2013—2018年的城镇、农村人均可支配收入数据进行计算，得出城乡差距这一指标。的比值，作为城乡差距的指标。fund表示政府投资，取政府对农林牧渔的支出作为该指标。μi表示省份固定效应；εit表示随机误差项；β0表示截距项，α表示相应变量的估计系数。

(二)数据来源

鉴于西藏、新疆、青海、内蒙古四地部分数据缺失，本文选取27个省(自治区、直辖市)2008—2018年面板数据。其中，CSA模式发展程度、城镇职工平均工资(农村劳动力机会成本)、城乡差距、政府对农林牧渔的支出数据来自《中国统计年鉴》；农业机械总动力数据来自历年《中国农村统计年鉴》；农民受教育水平来自《中国农村统计年鉴》和《中国人口与就业统计年鉴》。对于部分缺失数据，借鉴现有文献做法，采用插值法，取其前后两年平均值代替。相关变量的描述性统计结果见表3。

表3 变量描述性统计结果

(三)数据平稳性分析

在实证检验之前，为了避免伪回归，本文采用LLC单位根检验方法对样本数据进行平稳性检验，结果如表4所示。

表4 LLC单位根检验结果

注：***、**、*分别表示在1%、5%和10%的统计水平上显著。

(四)回归模型选择

为选择合适的分析模型，首先对混合回归模型和固定效应模型进行比较分析，根据分析结果采用F检验进行判断，结果表明，在1%的显著水平上拒绝原假设，不适合采用混合回归模型；然后，对固定效应模型和随机模型进行比较分析，采用稳健的Hausman检验进行判，结果表明，在1%的显著水平上拒绝原假设，采用固定效应模型更合适。结果见表5。

表5 F检验和稳健的Hausman检验结果

注：***、**、*分别表示在1%、5%和10%的统计水平上显著。

四、实证结果与分析

(一)劳动力机会成本对社区支持农业发展的影响

本文采用Eviews8.0软件对样本数据进行分析。为保证回归结果的稳健性，遵循 “从一般到特殊”的建模原则，对模型(1)采用逐个加入变量的方法进行固定效应模型估计，以考察单个变量对社区支持农业发展程度的影响。结果见表6。

表6 农村劳动力机会成本对社区支持农业发展影响的回归结果

注：***、**、*分别表示在1%、5%和10%的统计水平上显著，括号内为t值。

从表6可以看出，核心解释变量oc的估计结果在所列示的(1)～(5)中均在1%的水平上显著为负且未发生明显变化，说明核心解释变量oc和被解释变量dev之间的关系未发生根本变化。农村劳动力机会成本对CSA模式的发展产生负面影响，即农村劳动力机会成本越高，农民越倾向外出务工，加入CSA模式的意愿不强，对CSA模式的发展产生负面影响，从而验证了研究假说1。同时，对比oc、edu、pow、urb和fund的系数，发现oc系数的绝对值最大，说明农村劳动力机会成本是影响CSA模式发展的主要因素。

控制变量edu、urb在1%的水平上为正，说明农民受教育水平、城乡差距的缩小对CSA模式发展具有积极影响。控制变量fund在5%的水平下显著为正，说明政府的投资对CSA模式的发展产生正面影响，但是影响效果不如其他变量如edu、urb明显。控制变量pow的系数随其他变量的加入发生明显改变，说明农业机械化程度对CSA模式的影响随着社会环境的不同而发生变化，这符合实际情况，故上述估计结果合理。

从表6中(1)-(5)oc的系数可以看出，随着其他变量的加入，oc系数的绝对值在逐渐变小，说明随着农民教育水平的提高、城乡差距的缩小、政府的投资，在一定程度上可以降低农村劳动力机会成本对CSA模式发展的负面影响。

(二)社区支持农业地域差异性

鉴于各地区经济水平存在较大差异，本文基于模型1做进一步回归分析，探究东部(East)、中部(Mid)、西部(West)地区的劳动力机会成本对CSA模式影响存在的差异。表7为随机效应模型(RE)和固定效应模型(FE)的回归结果。

表7 东部、中部、西部地区回归结果

注：***、**、*分别表示在1%、5%和10%的统计水平上显著，括号内为t值。

从回归结果可以看出，在东部、中部和西部地区(35)借鉴中国统计局“农民工监测调查报告”中的分类方法，兼顾各地区观测值分布的合理性，本文将27个省(自治区、直辖市)分为东部、中部、西部三个地区，把东北地区的辽宁、吉林和黑龙江3省，分别划入东部、中部和西部，因此，东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南、辽宁11个省(市)，中部地区包括山西、安徽、江西、河南、湖北、湖南、吉林7个省，西部地区包括广西、重庆、四川、贵州、云南、陕西、甘肃、宁夏、黑龙江9个省(自治区、直辖市)。核心解释变量oc均在1%的水平上显著为负，其中，东部地区oc系数的绝对值最小，西部地区oc系数的绝对值其次，中部地区oc系数的绝对值最大。这个结果一方面说明在各地区农村劳动力机会成本均对CSA模式的发展产生负面影响，进一步验证了研究假说1；另一方面也说明CSA模式存在地域差异，从而验证了研究假说2。

此外，进行纵向和横向对比发现，东部地区在考虑其他影响因素的情况下，农村劳动力机会成本对CSA模式发展的影响较小，而农民受教育水平、城乡差距、政府投资对CSA模式的影响有所上升；在中部和西部地区农村劳动力机会成本仍为影响CSA模式的主要因素。

东部地区经济发展水平较高，农民受教育程度相对较高、城乡经济差距较小，这些因素在一定程度上可以降低农村劳动力机会成本对CSA模式产生的负面影响；而在中部、西部的大部分地区，经济欠发达，其中个别省份为劳动力输出大省，在这样的背景下，农民更倾向于外出打工，加入CSA模式的意愿不强。

五、结论与建议

(一)主要结论

本文首先分析农村劳动力机会成本和CSA模式之间的作用机制，提出两个研究假说，然后对混合效应模型、随机效应模型和固定效应模型进行F检验和Hausman稳定性检验，最终采用固定效应模型对27个省(自治区、直辖市)2008—2018年的面板数据进行回归，探究农村劳动力机会成本对CSA模式的影响，得出如下结论：

第一，农村劳动力机会成本对CSA模式的发展产生负面影响。随着社会环境的变化，以往被忽略的隐藏在农业生产中的劳动力机会成本逐渐显现。对农民来说，加入CSA模式则意味着放弃城市打工的收入，劳动力机会成本成为他们衡量是否加入CSA模式的主要因素。与城市工资相比较，农村劳动力机会成本较大，农民倾向于外出打工，加入CSA模式的意愿不强，进而对CSA模式的发展产生负面影响。

第二，CSA模式的发展存在区域异质性。东部地区经济发展水平较高，在农业基础上发展起来的休闲农业、生态农业等现代特色农业已逐渐产生成效，为CSA模式的发展奠定了良好的基础，农村劳动力机会成本对CSA模式的负面影响相对降低；而在中部和西部地区，农民外出打工获益更大，农村劳动力机会成本仍然是制约CSA模式发展的主要因素。

第三，随着农民受教育水平的提高、城乡差距的缩小、政府投资的增加，农村劳动力机会成本对CSA模式发展的影响将逐渐降低。

(二)政策建议

基于上述结论，提出如下政策建议：

第一，全面提升农民素质。“打铁还需自身硬”，农民作为CSA模式中的核心要素，其素质的高低直接决定CSA模式可以走多久、走多远。政府应积极引导农民加入CSA模式，为农民提供知识传授、技术培训及经营管理培训，培育一批有文化、会技术、懂经营的新型农民，发挥农民的主观能动性，释放其潜力。此外，定期举办技术交流会、经验交流会，促进农户之间的交流和沟通，可以更好地释放农民的潜力，从而促进CSA的发展。

第二，因地制宜，打造特色CSA。充分重视CSA发展中的区域异质性，结合地区优势发展具有地方特色的CSA模式，打造特色CSA。西部地区拥有得天独厚的自然资源，可以开展“农业+旅游”、“农业+健康养老”模式的CSA；而中部地区地势相对平坦，交通便利，可以开展“农业+休闲经济” 模式的CSA。同时，政府应对特色CSA加大支持力度，给予政策优惠，如低息贷款、绿色审批通道。

第三，利用区块链技术破解信息不对称。CSA在发展过程中不可避免地遇到传统产业都会面临的问题——信息不对称，而现代化信息技术能很好地解决该问题。2020年中央一号文件强调“加快区块链等现代信息技术在农业领域的应用”，CSA作为农业生产体系的组成部分，应充分发挥区块链技术的超级账本功能，助力CSA打造包括生产者、消费者、物流公司等在内的联盟链，实现生产可视化、物流实时化、信息公开化，重构消费者和生产者的信任，从而有利于CSA模式良性发展。