吉林省长春市农村合作社建设现状及影响因素研究

周曼 邹天诚 杨文培 封伟毅(通讯作者)

(长春理工大学经济管理学院 吉林长春 130022)

作为推动农村社会变革的核心力量，农村合作社已成为长春市推动农村发展、促进乡村振兴的重要手段。本文通过对吉林省长春市农村合作社的实际情况进行实地调研与深度考察，探讨其中存在的多种内部机制，并给出了一些具体的改进建议，旨在提高长春市农民入社率，扩大农村合作社规模，减少农村贫困户个数，从而推动长春市乡村的全面进步。“复制”的理念可被广泛运用，通过对东北地区的改革和完善，可以大大提升东北地区的农民就业机会，促使地区合作社实现规模化增长，改善地区合作社的经济结构，促使东北地区农村发展更加均衡，实现东北地区的复苏和繁荣。

1 长春市现状调查

1.1 调查实施

本次问卷调查的目的是了解长春市农村合作社建设现状及影响因素，通过调研长春市农村合作社和村民的基本情况及现存问题，对主要影响因素提出针对性建议，拓宽长春市农村合作社蓬勃发展的新道路。调研范围为长春市各区的农村合作社及村民，通过线上和线下相结合的方式展开调研。线上:通过当地同学的微信朋友圈传播发放线上问卷300份，历时15天，回收300份，有效数为275份；线下:通过对长春市周围农村随机发放问卷，并在填写问卷前询问是否填写过相同问卷，以避免与线上发放问卷收集重复数据。历时7天，回收份数100份，有效份数为100份。

1.2 长春市农村合作社经营现状调查

1.2.1 数量分布

从表1数据可以看出，长春市农村合作社的规模主要以中小规模为主，且合作社地域分布不合理，基本集中在九台区、农安县、榆树市、德惠市、公主岭市等外五县，外五县的交通条件是制约农村合作社进一步扩大规模的重要因素。中小规模的农村合作社无法调动更多资源，因此在生产方面很难形成规模效应，降低生产成本，反也会影响扩大规模的进程。

表1 长春市农村合作社数量

1.2.2 发展状况

通过发挥地方的资源优势，不同地区的农民组建起独一无二的农民专业合作组织，建立起涵盖农业、森林、牲畜养殖、水产养殖等多个行业的联盟，促进了当地的农业生产，实现了农业的可持续发展。到2023年，长春市已有3.45万个注册农业合作社，这个数字相对2022年底增加了2.8%，并且农户数量有86.4万，这个数字相对2022年度有7个百分点的提升。

根据最新的数据，长春市合作社目前的作物种植面积为164.1万公顷，作物的年度生产能力为1236.52万吨。畜牧业专业合作社生产了144.06万吨的畜牧业产品，包括773.04万头(只)的猪、牛，2.53亿只的鸡和515.34万头的羊。水产业专业合作社占地36.11万亩，并生产了4.07万吨水产品。

1.2.3 人员和组织情况

农村合作社的制度基础可以支持其健康发展，具体来说:合作社组建后，成立了社员代表大会、理事会、监事会。社员大会每年至少召开一次。理事会下设秘书处、财务部、采购部、生产部、销售部，具体负责合作社日常的生产管理。

2 理论基础与研究方法

2.1 基于理论选取指标

2.1.1 农业合作社理论

农业合作社是推动农村经济发展的重要力量，其以社会主义市场经济为基础，鼓励农民参与财产分配、劳动分配，实施共同经营、民主管理、利益共享的经济模式，为农村经济发展提供了有力支撑。基于对国内外农村合作社效绩评价文献分析，本文在研究农村合作社现状时，所选取指标主要是注册资金数额、产业链完善度、农村合作社年利润、农户每年入社总收益、政府支持资金额、合作社再就业提供就业岗位数、合作社解决贫困户个数。

2.1.2 机会成本理论

机会成本通常被描述为:当一个生产单位为从事某项生产活动而放弃另一项生产活动的机会，或利用一定资源获得某种收入时所放弃的另一种收入。通常来说，从事某一项生产活动的机会成本是指生产者所放弃的从事其他生产活动所能得到的最高收入。在机会成本理论的指导下，本文所研究的农民入社的机会成本分为两点:第一，无土地农民入社的机会成本是外出务工取得的收入；第二，有土地的农民入社的机会成本是自给种植的收入、外出务工取得的收入和转租的收入是两者中的最大值。

2.1.3 农户认知理论

农户认知理论强调，农民的认知能力不仅受外界环境的影响，还取决于其自身的思维模式和处理问题的能力。在本文的研究中，农民的年龄和土地面积是影响其认知能力的两个重要因素。一般来说，农户的年龄越大，其认知体系就越完善，应对突发事件的能力也越强；农户所拥有的土地亩数越多，越会注意与土地相关的政策等。

2.2 构建随机森林模型

随机森林是一种非常先进的机器学习模型，它将决策树+bagging算法结合在一起，形成一个完全独特的森林，它可以根据不同的决策树自动进行聚合，从而实现高效的决策过程。它可以帮助我们更好地理解和预测复杂的问题，从而更好地实现决策的准确性和可靠性[1]。本文使用bootstrap算法，可以在N个样本上进行有放回的重复随机抽样K次形成新的样本，然后根据自助样本集生成n个分类树，以此构建出一棵具有相同特征的分布式神经网络，这棵神经网络就是所谓的随机森林。

步骤大致如下:

(1)样本随机抽样抽取样本做训练集，使用bootstrap的方法，有放回的随机抽取N个训练样本(可以重复)，抽k次，K个数据集之间相互独立分布。

(2)特征随机抽样，从M个feature中选择m个feature(m＜＜M)。

(3)投票得出的结果把得到的所有决策树进行组合，通过民主投票的形式输出结果，并进行预测或分类。

3 数据分析与处理

3.1 信度检验和效度检验

3.1.1 信度检验

本文采用theta信度系数进行信度研究，通过“信息浓缩”(内部原理为因子分析且提取为1个因子)，各个测量项隶属于同一维度且数据真实，那么它们应该浓缩出较高的信息，结合因子分析输出的载荷系数进一步计算，最终得到指标值。原理计算公式如下:

式(1)中:N表示分析项个数，λ表示最大特征根值。由式(1)可得，当分析项个数越多，theta信度系数可能越大，并且最大特征根越大，则theta信度系数值也会越大。经过计算分析，theta系数值为0.722，大于0.7，说明研究数据信度质量良好。针对“项已删除的theta系数”，任意题项被删除后，theta系数并不会有明显上升，因此说明题项不应被删除处理。综上所述，研究数据theta系数值高于0.7，综合说明数据信度质量高，可用于进一步分析。

3.1.2 效度检验

效度研究用于分析研究项是否合理具有重要意义，效度分析使用因子数据分析方法进行研究，KMO值用于判断信息提取的适合程度，共同度值用于排除不合理研究项，方差解释率值用于说明信息提取水平，因子载荷系数用于衡量因子(维度)和题项对应关系。使用KMO和Bartlett检验进行效度验证，公因子方差未存在低于0.4的情况无需进行删除，KMO值为0.720，介于0.7～0.8之间，研究数据适合提取信息,从侧面反映出效度较好。

3.2 随机森林模型分析

基于以上理论分析，将年龄、农民拥有土地亩数、注册资金、产业链完善度、合作社年利润(万元)、农民入社可支配总收益(每年)、政府支持资金数额(万元)、提供就业岗位数、解决贫困户就业个数、机会成本项作为自变量，而将是否愿意入社作为因变量进行决策树建模[2-5]，总共有373个样本参与分析，训练集比例设置为0.8，决策树数目为100棵，树最大深度不做限制，进行随机森林建模。

每个节点的第一行是分裂该节点所用的属性名字及分裂指标；gini表示判断纯度的指标；samples是该节点所含样本数量；value表示不同的类别分别有多少样本数，样本数量最多的那个类别为该节点的类别。

通过随机森林的样本集和测试集，得到各项自变量的特征权重为:农民入社可支配总收益(/年)所占比重为17.41%；产业链完善度所占比重为12.04%；机会成本所占比重为11.10%；政府支持资金数额(万元)所占比重为10.51%；注册资金所占比重为9.97%；农民拥有土地亩数所占比重为8.39%；提供就业岗位数所占比重为7.93%；以上7项特征的比重合计占77.36%；剩余3项年龄、合作社年利润(万元)、解决贫困户就业个数的比重分别为:7.84%、7.76%、7.05%。

表2 模型汇总表

本文根据上述数据发现，该模型的准确度达到了74.55%，综合的精度达到76.45%，综合召回率也达到了74.55%，而f1-score的综合值则达到了0.74。

3.3 十折交叉验证优化

通过十折交叉验证，我们可以把原始的数据样本划分为若干个独立的子集，从而提取其中的一些作为我们的模型，而另一些则被保留下来，以便我们可以对其进行更准确的预测。最后，我们可以计算每个子集的预测精度，以及其相应的平均值[6]。

通过十折交叉验证(10-fold cross validation)，本文对数据集进行多次处理，从而得出更准确的结果。首先，本文把其划分为10份，并在其中挑选2个特征变量作为分类变量来构建模型，最终得出平均结果。通过十折交叉验证，发现2作为一个最佳参数，并且在重新运算随机森林时，发现其预测精度有了很大改善，达到了0.78，这表明本文的研究方法非常有效。优化后的变量特征权重分布如图1所示。

图1 解释变量特征权重分布

由图1可见，X6农民入社可支配总收益(/年)为最为显著的相关因子，X4产业链完善度显著性较强。根据各解释变量的偏依赖图可知，X6与X4最重要，变量X6是其最为显著的特征变量，其结果为0.56，非常接近0.6，故预测值与实际值之间有较好的异质性。计算模型科恩kAppa指标如式(2)所示:

P0通过计算各类别的准确性，可以得到一组相同的样本，这些样本的平均值可能会比一组更准确，这些平均值可能会比一组更高，而这些平均值的n则可能会比一组更高。a1,a2,···,acb1,b2,···,bc随机森林的ROC曲线如图2所示，可以直观展示随机森林的预测效果，该方法利用多个阈值来评估多个参数的灵活度，并用这些参数来表示其对应的阈值。然后，本文用这些阈值作为参数，并用1-阈值作为参数来构建一条曲线，其中，曲线的下部分数较多，表明该方法的精度较高。

图2 ROC曲线图

4 提高农民入社率的对策建议

基于对影响农民入社意愿关键因素的调查分析，本文提出如下切实可行的针对性建议:

4.1 提高入社农民可支配总收入

农业技术创新是农业发展的动力和基础。首先，加大对农业技术研究的投入，提高资金使用效率，使资本成为创新的引擎，使创新成为发展的动力；其次，建立农业技术创新团队，培养一支高素质的“三农”队伍。组建新型农民专业合作社联合社，建立起全链条服务系统，增加农民收入保障。当农村合作社可以生产出具有科技附加值的农产品时，不必进行价格竞争，也能够提高企业效益，提高农民可支配总收入，增强农民的入社意愿；最后，农产品期权交易可以帮助农民降低风险，并帮助其进行套期保值。然而，由于保证金比例较高，并且需要严格监管，因此并不适用于中小投资者。但是，大型农村合作社则可以通过创建农产品期权来稳定相关产品的价格，从而确保农民的预期收益，因此，农民入社后种植农产品风险将会降低，收益将会得到保障。在此情况下，农民入社意愿将显著提高。

4.2 完善产业链

首先，政府建立标准化的原材料供给基地，以满足人们对于优质农产品的需求；其次，提升精细化深加工，实现加工副产物的循环利用；再次，搭建一体物流网，构筑完善的物流服务平台；最后，推动绿色价值转化，将农业生态价值转化，打造聚合生产、加工、营销、资源养护的绿色全产业链经营模式。例如，长春市的玉米秸秆产业链可以参考该模式来完善自身产业链，以此获得更多的经济收益。

4.3 积极发展企业+合作社+农户模式

建立企业和农户利益共享、风险共担的长效机制，发展企业+合作社+农户模式[7]，即在龙头企业的领导下，组建相应的合作社，并且合作社可以代表农户与企业签订合同，组织农户进行一系列发展生产活动。合作社可以对农户进行相关专业的技术培训，农户可以从事相关工作来获取收益，即在此过程中，合作社发挥了桥梁和纽带作用，既可以保护单个农户的利益，也保证了企业和农户之间的履约率。在此发展模式下，更多的农户将会更加积极地加入农村合作社。

5 结语

本文通过对长春农村合作社的实地调研、理论分析和实证分析，表明影响长春市农民入社率的主要因素是农民入社可支配总收入、产业链完善度、机会成本。因此，本文针对以上影响因素提出提高农民入社率的三点建议:一是提高入社农民的可支配总收入；二是完善产业链；三是积极发展企业+合作社+农户模式。这一提高长春市农民入社率的思路经过适当性调整应用于东北地区其他省市，从而整体提高东北地区农民入社率，形成规模经济，提高经济质量，有助于解决乡村地区发展不平衡、不充分的问题。