印度尼西亚Semende地区小农户对地理标志咖啡合作模式的偏好研究：基于选择实验法的实证分析

《Cogent Food & Agriculture》：Smallholder coffee farmers’ preferences for partnership scheme attributes: a case of geographical indication coffee in Semende, Indonesia

本研究通过选择实验法（CE）和条件Logit模型（CLM），系统分析了印度尼西亚Muara Enim地区Semende罗布斯塔地理标志（GI）咖啡小农户对合作方案属性的偏好。研究发现，农户普遍愿意参与合作，但排斥咖啡豆加工（green bean processing）和企业社会责任（CSR）支持；偏好合作社和农民小组作为合作平台，但对地理标志保护社区（MPIG）参与度低。教育水平低、住址与咖啡园距离远、随机采摘方式及家庭劳动力多的农户更不愿参与合作。研究为设计符合农户需求、提升参与度的合作方案提供了实证依据，对促进咖啡价值链的包容性发展具有重要政策启示。

　　

2. 材料与方法

2.1. 理论框架

本研究采用选择实验法（Choice Experiment, CE）作为核心研究方法，该方法基于兰卡斯特消费者选择理论（Lancaster's theory of customer choice），用于评估个体在假设情境下的偏好。CE与随机效用模型（Random Utility Model, RUM）相结合，其基本公式为U_njt= V_njt+ ε_njt，其中U_njt代表受访者n在选择情境t下选择方案j所获得的总效用，V_njt为可观测的确定性效用部分，ε_njt为随机误差项。受访者选择某一方案的概率使用条件Logit模型（Conditional Logit Model, CLM）进行估计，该模型假设选项间的误差项独立且服从Gumbel分布。模型公式为V_njt= ASC + βX_njt+ ε_njt，其中ASC（Alternative Specific Constant）为特定常数项，代表受访者选择不参与合作（维持现状）的基准效用，β为待估参数，反映各属性水平对效用的影响程度。

2.2. 选择集与抽样技术

研究通过文献回顾、焦点小组讨论（Focus Group Discussions, FGDs）以及与咖啡价值链关键利益相关者的访谈，最终确定了合作方案的10个关键属性和27个属性水平。这些属性涵盖了咖啡种植与产后处理的多个方面，包括：采收方式、分选与浮选、咖啡豆加工、农药使用、支付方式、合作平台、信贷获取、技术援助、企业社会责任（CSR）以及附加价格。

研究采用便利抽样法（convenience sampling）在Semende罗布斯塔咖啡地理标志产区内的三个区（Semende Darat Laut, Semende Darat Tengah, Semende Darat Ulu）选取了300名罗布斯塔咖啡生产者作为受访者。选择实验设计通过R Studio软件生成18个选择集，每个选择集包含不同的属性组合方案，以及“参与合作”、“不参与合作”和“弃权”三个选项。数据收集于2023年7月至8月通过面对面访谈进行，访谈前向农户详细解释了合作方案内容，以减少潜在偏差。

2.3. 研究区域

研究区域位于印度尼西亚南苏门答腊省Muara Enim县的Semende高地，该地区海拔在600至1800米之间，是罗布斯塔咖啡的主要种植区，其生产的Semende罗布斯塔咖啡已获得地理标志（Geographical Indication, GI）认证。咖啡种植是该地区的支柱产业，三个研究分区的咖啡种植总面积达71,424公顷，占其总面积的71.6%。

2.4. 数据分析

研究使用条件Logit模型（CLM）分析农户对合作属性的偏好，并进一步构建交互模型，探究社会经济特征（如教育水平、家庭劳动力数量、住所与咖啡园距离、采摘方式等）与农户选择退出合作（ASC）之间的关系。模型拟合优度通过伪R2（Pseudo-R2）进行评估，模型整体显著性通过似然比检验（Prob > χ2）判断。

3. 结果与讨论

3.1. 社会经济特征

受访者以31-40岁年龄组为主（占比最大），男性占65%。大多数受访者拥有高中学历（47%），仅1%未接受过正规教育。85%的农户咖啡生产依赖1-2名家庭成员。57%的咖啡园面积在5,000–10,000 m2之间。70.3%的农户住所与咖啡园距离在5,000米以内。咖啡种植与贸易是95%农户的主要收入来源。值得注意的是，77.3%的农户仍采用随机采摘咖啡樱桃的方式，仅15.3%的农户能做到至少95%采摘红樱桃。84.3%的农户使用化学农药（除草剂和杀虫剂）进行病虫害防治，89.7%的农户在咖啡园中种植了遮荫树。

3.2. 模型估计

基础CLM模型的伪R2值为0.4714，模型整体显著性极高（Prob > χ2 = 0.000），表明模型对农户选择行为具有很好的解释力。估计结果显示，大多数属性对农户参与合作的效用有显著正向影响，但咖啡豆加工（green bean processing）和CSR支持两个属性产生了显著的负向影响。信贷获取属性则不显著，表明农户对此偏好不强，可能源于对收成不佳时无法偿还贷款的担忧。交互模型的伪R2为0.396，同样表现良好，且估计结果与基础模型一致，证明了结果的稳健性。

3.3. 农户对合作属性的偏好

• •
  采收与加工：农户愿意进行红樱桃选择性采收（至少95%红果）和湿法分选，因其预期能获得附加价格补偿。然而，他们对合作方案中要求进行咖啡豆加工（如延长干燥时间以降低湿度）表现出显著的抵触情绪，因为这需要额外资源且非其惯常做法，同时农户生计多样化也降低了其改进咖啡质量的动力。
• •
  农药使用：有趣的是，“按剂量允许使用”和“完全禁止使用”农药两个属性水平均对效用有显著正向影响，但前者的系数更大。这表明农户倾向于被允许在规范下使用农药，但如果被禁止并辅以割草机等替代技术作为补偿，他们也愿意接受。
• •
  支付方式与技术援助：农户强烈偏好采收前支付方式，其次为现金交易，延迟支付则不受欢迎。技术援助是吸引农户参与合作的关键因素，能帮助其提升生产技术和咖啡品质。
• •
  合作平台：所有合作平台类型均有正向影响，但合作社（Cooperative） 的系数最大，显著高于农民小组（Farmer Group）。农户对合作社的偏好可能源于其兼具经济与社会功能，且更符合印尼社会的合作传统。然而，作为地理标志管理机构的地理标志保护社区（MPIG） 并不显著，原因是农户对该机构了解不足，且MPIG在实际运作中较为被动，未能有效发挥其GI管理和市场连接作用。
• •
  企业社会责任（CSR）与附加价格：CSR支持对农户效用有显著负面影响，这可能源于当前CSR项目往往针对特定群体，导致覆盖面窄并引发社会嫉妒。附加价格是激励农户参与合作的核心经济因素。所有附加价格水平（除不现实的IDR 20,000/kg外）均有显著正向影响，其中“基础价格 + IDR 5,000/kg”系数最大，被认为是最现实和可行的“双赢”方案。农户对过高附加价格持谨慎态度，担心伴随更繁重的义务。

3.4. 影响农户参与合作的社会经济因素

通过与ASC的交互效应分析发现：

• •
  教育水平：对ASC有显著负向影响，表明教育水平越高的农户，越倾向于参与合作。高学历农户通常更具创新性和接受新事物的能力。
• •
  家庭劳动力数量：对ASC有显著正向影响，意味着依赖家庭劳动力越多的农户，越可能避免合作，因其可独立完成农事活动。
• •
  劳动力类型：同时使用家庭劳动力和雇佣劳动力的农户更可能参与合作，因合作能带来知识交流和技术引入。
• •
  采摘方式：实施红樱桃选择性采收的农户（尽管占比仅15.33%）更倾向于参与合作，因其已具备生产优质咖啡的基础。
• •
  住址与咖啡园距离：距离越远，对ASC的正向影响越大，即农户越不愿合作。远距离增加了往返的时间和资源成本，使其难以满足合作方案的要求。

3.5. 政策启示

基于研究发现，提出以下政策建议：

1. 1.
   能力建设：针对教育水平较低的农户，开展关于合同条款、咖啡质量管理和合规要求的培训，降低其参与风险。
2. 2.
   改善可达性：为住所偏远的农户设立分散的咖啡收集点或提供移动技术服务，降低其参与成本。
3. 3.
   设计合理激励机制：优先采用适度、可信的价格溢价（如基础价格+IDR 5,000/kg）等渐进式激励，而非不切实际的高额补偿。
4. 4.
   强化技术援助：将技术援助作为合作方案的核心组成部分，直接解决生产中的技术瓶颈。
5. 5.
   优化合作平台：重点支持和改革合作社与农民小组，确保利益真正惠及农户而非地方精英。同时，需大力 revitalize 地理标志保护社区（MPIG），加强其宣传、GI标签执行和市场连接功能。

4. 结论

本研究揭示了印度尼西亚Semende地区地理标志咖啡小农户对合作方案属性的复杂偏好。农户普遍愿意接受合作要求以换取经济补偿，但明确排斥咖啡豆加工和CSR支持。合作社是最受青睐的合作平台，而MPIG因功能不彰未被认可。教育水平低、咖啡园距离远、采用随机采摘及依赖家庭劳动力等因素显著降低了农户的参与意愿。研究强调，合作方案的设计必须充分考虑农户的偏好和面临的现实约束，才能有效提升参与度，进而促进咖啡价值链的包容性和可持续发展。未来的研究可采用纵向追踪或混合方法，进一步评估合作参与对农户收入、风险抵御能力和福祉的实际影响。