采用三重障碍模型方法，对尼日利亚北部小农采用和放弃可持续绿色包装行为的变化动态进行建模

《Journal of Agriculture and Food Research》：Modeling the dynamics of adoption intensity and disadoption of Sustainable Green packs among smallholder farmers in Northern Nigeria using a triple hurdle approach

　　阿约德吉·达米洛拉·凯欣德 | 阿德巴约·阿基诺拉
尼日利亚伊莱-伊费奥巴费米·阿沃洛沃大学农业经济学系

**摘要**
可持续绿色（SG）技术越来越多地被推广为改善撒哈拉以南非洲小农户土壤健康、提高农场生产力和增强抵御能力的方法。本研究考察了尼日利亚北部农村家庭采用、使用强度以及放弃SG技术包的决定因素。通过多阶段抽样方法从五个州的小农户那里收集了第一手数据，并使用三重障碍模型分析了这些数据，以捕捉采用、使用强度和放弃的序贯决策过程。三个阶段之间的相关参数具有显著性，证实了存在未观察到的异质性，并支持使用三重障碍框架。研究结果表明，教育水平、农场规模、信贷获取能力、雇佣劳动力、生产性资产和非生产性资产以及农民协会的成员资格显著增加了采用的可能性，而家庭依赖负担则降低了这种可能性。使用强度受到农场规模、生产性资产和雇佣劳动力的积极影响，表明资源更丰富的农民更有能力扩大SG技术的应用。放弃结果表明，性别、家庭规模、受抚养人数和非生产性资产增加了停止使用SG技术的可能性，而教育水平、更大的农场规模、雇佣劳动力和生产性资产则降低了放弃的概率。研究结果表明，虽然农民采用了SG技术，但其持续使用在很大程度上取决于经济能力、劳动力可用性和制度支持。因此，加强信贷获取、推广服务和支持资产积累可以促进SG技术的持续采用。

**引言**
可持续绿色（SG）技术包是一系列互补的农业技术和土地管理实践的集合，旨在提高土壤肥力、增加作物产量并增强农业系统的韧性。这些技术包通常整合了综合养分管理（INM）、改良和耐旱种子品种、粮豆轮作（例如大豆-玉米系统）、农林复合系统和保护性农业等创新（Yadav等，2023年；Subedi等，2023年）。SG技术包的基本理念是，将相互促进的技术结合起来比单独采用每种技术能带来更强的农艺和环境效益（Qin等，2022年；Huang等，2025年）。在撒哈拉以南非洲（SSA）的许多地区，由于土壤退化、土壤肥力下降和气候变异性严重限制了农业生产率，因此广泛推广了综合技术包作为可持续农业集约化的途径。证据表明，综合土壤肥力管理和气候智能型农业实践可以显著提高作物产量、改善土壤养分平衡并增强农民对气候冲击的韧性（Kehinde等，2022年；Rupa & Saif，2022年）。 recent studies 进一步表明，包括轮作、农林复合系统和保护性农业在内的可持续集约化实践在恢复土壤健康、提高产量稳定性和增强SSA农业系统的生态韧性方面发挥着关键作用（Rayhan等，2024年；Konyannik等，2025年）。诸如“平衡养分管理系统”（BNMS）倡议和“非洲土壤健康联盟”等项目也强调了综合土壤肥力方法在提高小农户生产力及气候韧性方面的潜力（Liverpool-Tasie等，2020年；Adediran等，2023年；Meena等，2026年；Yi等，2026年）。

尽管SG技术得到了越来越多的认可，但其在小农户中的采用仍然不均衡且常常不完全。许多农民只采用技术包中的部分内容，而不是全部实践，而且使用强度在家庭之间和时间上存在差异。在某些情况下，由于经济、制度和环境限制，农民在初次采用后会停止使用这些技术。高投入成本、有限的信贷获取、薄弱的推广系统、劳动力短缺和市场不确定性等因素被确定为可持续农业技术持续采用的主要障碍（Nwokoye等，2023年；Yila等，2021年）。非洲的实证研究表明，即使采用了土壤肥力管理和保护性实践，由于资源限制和农民对技术效益的认识不足，这些实践也往往只应用于有限的区域或以较低的强度实施（Ouédraogo & Ouoba，2025年；Spurk等，2025年）。更广泛地说，研究表明，尽管再生性和气候智能型农业实践在非洲小农户系统中具有显著提高生产率和环境可持续性的潜力，但其大规模传播仍然缓慢（Emenyu等，2025年）。这些发现表明，农业技术的采用不是一个一次性决定，而是一个受到农民经验、学习和生产条件变化的动态演变过程。然而，现有的许多实证文献仍将农业技术采用概念化为一个简单的二元决策，即农民要么采用要么不采用某种创新（Kehinde等，2016年；Kehinde & Adeyemo，2017年）。这种方法未能反映农民实际决策过程的复杂性。实际上，农民经常尝试新技术，根据感知到的效益和资源可用性调整使用强度，在某些情况下还会减少或放弃先前采用的做法。因此，采用过程中的重要方面——特别是使用强度和放弃——在实证研究中仍未得到充分探索。传统的计量经济模型（如probit、logit和Tobit）在捕捉技术采用决策的序贯性和条件性方面存在局限性（Ogada等，2014年；Kehinde等，2018年；Mottaleb等，2019年）。这一限制限制了政策制定者和发展实践者全面理解农民为何会缩减或停止使用农业技术的能力，从而削弱了设计促进持续采用的干预措施的努力。最近的证据表明，理解采用强度的行为动态对于在小农户系统中推广可持续农业实践至关重要（Ouédraogo & Ouoba，2025年；Emenyu等，2025年）。

尼日利亚为研究这些动态提供了特别重要的背景。农业仍然是农村家庭的主要生计来源，并对就业和粮食生产做出了重要贡献。在尼日利亚北部，小农户主要依靠雨养农业，且越来越多地面临与气候相关的风险，如降雨模式不稳定、长期干旱和气温升高。这些环境压力因人口快速增长、土地分割、土壤肥力下降和缺乏改进的农业技术而加剧。因此，该地区的农场生产力仍然很低，许多农村家庭继续面临长期的食物不安全问题。研究显示，在尼日利亚采用可持续农业实践（包括改良种子、肥料管理和豆类间作）可以在气候变异性条件下显著提高生产力和家庭福利（Amankwah，2023年）。然而，农民是否一致采用、加强或停止这些技术的程度仍不甚清楚，特别是在社会经济和气候不确定性较强的尼日利亚北部。

鉴于此，本研究通过考察尼日利亚北部小农户采用、使用强度以及放弃可持续绿色技术包的完整行为动态，为相关文献做出了贡献。与以往仅关注初次采用决策的研究不同，本研究将农业技术采用视为一个多阶段过程。具体而言，本研究使用三重障碍模型分析了（i）SG技术包组成部分初次采用的可能性，（ii）采用者的使用强度，以及（iii）先前使用者放弃的概率。通过区分这些决策阶段，该方法深入探讨了影响采用过程每个阶段的经济、制度和生物物理因素，同时考虑了农民之间的行为异质性（Gebregziabher & Holden，2015年；Shiferaw等，2014年；Tambo & Wünscher，2017年）。因此，本研究的主要目标是分析尼日利亚北部小农户采用、使用强度和放弃可持续绿色技术包的决定因素。通过提供关于影响农民参与可持续农业技术的驱动因素和限制的更全面理解，该研究旨在为制定更有效的农业政策和发展干预措施提供依据。最终，研究结果有望支持政府、发展机构和研究机构推动可持续农业创新的持续采用，从而增强气候脆弱地区小农户农业系统的韧性和生产力。

**文献综述**
**概念综述**
农业技术的采用被广泛认为是一个动态的多阶段过程，而不仅仅是一个简单的二元决策。传统的创新扩散理论认为，农民通常会经历意识、信息获取、试验、采用和确认或拒绝等阶段（Rogers，2003年；Feder、Just & Zilberman，1985年）。最近的研究进一步强调，随着农民从经验中学习、调整策略并应对不断变化的社会经济和环境条件，技术采用会不断演变（Adeyemo & Kehinde，2019年；Mottaleb等，2019年）。小农户经常在不确定性、信息不完全和气候变异性条件下运作，这影响了他们采用新技术的意愿。因此，农民很少立即采用整个技术包，而是根据可用资源和生产系统试验选定的部分内容，这一过程通常被称为部分采用（Doss，2006年）。撒哈拉以南非洲的实证研究表明，农民通常从小规模试验开始，并随着获得经验和对其效益的信心逐渐扩大技术的使用（Kassie等，2020年；Ogada等，2014年；Teklu等，2023年）。此外，证据表明，采用改进的技术（如气候适应性作物品种）可以显著提高西非小农户的生产和商业化成果。

在这个动态框架下，采用强度成为理解农民实际参与农业创新程度的一个重要维度。采用强度是指技术在初次采用后的使用深度或范围，可以通过采用的技术组件数量、分配给该实践的农田比例或投入使用的频率和剂量等指标来衡量（Knowler & Bradshaw，2007年）。采用和强度之间的区别很重要，因为许多农业技术只有在持续且足够大的规模下实施才能产生可测量的效益。例如，综合土壤肥力管理和保护性农业等实践需要持续和充分的应用，才能实现土壤健康和生产力的显著改善（Kassie等，2020年；Teklewold等，2019年）。最近的实证证据还表明，采用多种气候智能型农业实践和更高的采用强度可以显著提高小农户的生产力、韧性和家庭福利（Arshad & Abdulai，2025年）。这些发现强调了不仅要关注技术是否被采用，还要关注其在农业系统中的实施程度。

除了采用和采用强度之外，近期文献越来越强调放弃的重要性，即先前采用的技术的减少或终止。放弃与非采用不同，因为它发生在农民已经试验或采用技术之后，并随后根据预期重新评估其性能时。在许多情况下，停止使用是对经济、环境或制度变化的一种理性反应，而不是技术的彻底失败（Baumgart-Getz、Prokopy & Floress，2012年）。农民可能由于投入成本上升、劳动力短缺、盈利能力下降或限制继续使用的市场约束而停止使用技术（Grabowski & Kerr，2014年；Wollni & Andersson，2014年）。气候变异性和农业生态条件也可能影响雨养系统中的农业实践的持续性，特别是在面临气候风险增加的地区（Abate等，2021年）。因此，学者们越来越多地倡导将采用视为一个涉及初次采用、使用强度和潜在放弃的序贯过程的分析方法。因此，通常使用双重障碍和三重障碍模型等计量经济框架来捕捉这些阶段，并提供关于影响农民技术使用决策的因素的更深入见解（Gebregziabher & Holden，2015年；Burke等，2015年）。

**理论综述**
有两个主要理论视角支撑着将技术采用、采用强度和放弃视为序贯行为过程的分析。首先是扩散理论，特别是创新扩散框架，该框架将采用视为一个涉及知识获取、说服、决策、实施和确认的多阶段过程（Rogers，2003年；Adeyemo & Kehinde，2020年）。在这个视角下，早期采用决策主要由通过推广服务、社会网络、示范和农民学习系统的信息流动所塑造（Feder & Savastano，2006年；Abate等，2021年；Krishnan & Patnam，2023年）。然而，一旦农民开始使用某种技术，他们是否继续使用或放弃该技术越来越多地取决于他们自身的经验、对技术效果的感知以及风险认知（Rogers, 2003; Foster & Rosenzweig, 2010）。第二个理论基础源于微观经济家庭决策模型，包括预期效用理论和利润最大化行为。这些框架认为，当预期的收益超过成本时，同时考虑到风险、资源限制以及家庭特征（如土地、劳动力、教育水平和信贷获取能力），农民就会采用并增加对该技术的使用（McFadden, 1974; Feder, Just, & Zilberman, 1985; Marra, Pannell, & Abadi-Ghadim, 2003）。实证研究表明，这些因素显著影响采用程度；而盈利能力下降、劳动力短缺、气候冲击或投入成本上升可能导致技术被放弃（Kassie et al., 2020; Arshad & Abdulai, 2025; Dercon & Christiaensen, 2011）。制度性约束（如薄弱的投入市场、有限的信贷和高的交易成本）进一步影响了技术的使用深度和持久性（Williamson, 1985; Key, Sadoulet, & de Janvry, 2000）。这些理论表明，采纳决策经历了不同的阶段：扩散和信息过程影响初步采纳，家庭经济因素决定使用强度，而经济或制度条件的变化则影响技术的持续使用或放弃。实证研究一致显示，这些阶段的决定因素各不相同（Grabowski & Kerr, 2014; Wollni & Andersson, 2014; Abate et al., 2021）。因此，多阶段计量经济方法（如三重障碍模型）为分析捆绑创新（如可持续绿色包）提供了更合适的框架，在这种模式下，农民可能会随着时间推移选择采纳、增加或停止使用不同的技术组件。

发展中国家的农业经验研究越来越多地证实，技术采纳不是一个单一的、静态的决定，而是一个多阶段的行为过程。采用双重和三重障碍模型的研究表明，农民是否采纳、增加使用或持续使用某种技术受到不同决定因素的影响。例如，在尼日利亚关于改良种子品种的研究、东非的可持续集约化实践以及南亚和东南亚的有机蔬菜生产的研究表明，信息获取、推广接触和社会学习在影响初步采纳新农业技术的决策中起着关键作用（Gebremedhin & Jaleta, 2012; Ndiritu, Kassie, & Shiferaw, 2014; Uaiene, Arndt, & Masters, 2009; Abate, Fisher, & Abdoulaye, 2021; Arshad & Abdulai, 2025）。相比之下，技术使用的强度更强烈地受到家庭资源禀赋的影响，如土地面积、劳动力可用性、信贷获取能力和非农收入。在后期阶段，技术的继续使用或停止通常受到实际经济回报、气候风险、产量稳定性以及投入和输出市场可靠性的影响（Grabowski & Kerr, 2014; Wollni & Andersson, 2014; Kassie et al., 2020）。这些发现突显了传统二元采纳模型的局限性，因为这些模型隐含地假设一旦做出初始决策，采纳就是永久性的。来自尼日利亚的证据同样表明，农业技术的使用深度和持久性存在显著差异。关于气候智能农业、土壤肥力管理和保护农业的研究表明，制度支持（特别是推广服务、农民组织、培训计划和非政府组织的参与）在促进改良做法的初步采用中起着核心作用（Ayanwale & Bamire, 2020; Mohammed & Sule, 2021; Abate et al., 2021; Bohoussou et al., 2025）。然而，农民如何加强这些做法的使用程度更多地与农场层面的资源相关，包括土地面积、牲畜拥有量、劳动力可用性和非农收入。市场准入、交易成本和互补投入的可用性进一步影响农民将这些可持续做法整合到生产系统中的深度。相反，薄弱的投入市场、劳动力限制和延迟的经济回报往往限制了这些技术的长期持久性（Giller et al., 2009; Nkonya et al., 2010; Islam et al., 2025; Golla et al., 2026）。

撒哈拉以南非洲的实证研究进一步强调了考察技术放弃动态的重要性。来自马拉维、加纳、肯尼亚和埃塞俄比亚的证据表明，由于生产风险、降雨量变化、经济冲击或与当地农业生态条件不匹配，农民可能会放弃之前采用的技术（Grabowski & Kerr, 2014; Wollni & Andersson, 2014; Teklewold, Kassie, & Shiferaw, 2013; Abate et al., 2021; Wang et al., 2026; Iboko et al., 2026）。这些研究使用风险模型、顺序选择模型和多阶段计量经济方法，表明忽略技术放弃会导致对技术持久性的高估，并可能导致政策建议的偏差。在像尼日利亚北部这样气候多变、土地分散且投入市场不完善的环境中，像可持续绿色包这样的多组件技术很可能会通过条件和顺序决策过程被采纳和持续使用。因此，如三重障碍模型这样的分析框架更适合捕捉采纳、使用强度和放弃的多种决定因素。

在撒哈拉以南非洲，对农业技术采纳的研究已经从简单的二元模型发展为更细致的框架，这些框架将采纳视为一个多阶段且受情境影响的过程。经典采纳理论强调理性经济决策，即如果预期收益超过成本，农民就会采纳技术（Feder et al., 1985）。随着时间的推移，研究纳入了行为、制度和环境维度，认识到采纳还受到意识、获取机会、风险认知和社会学习以及推广服务的影响（Doss, 2006; Meijer et al., 2015; Abate et al., 2021）。撒哈拉以南非洲的实证研究表明，教育水平、信贷获取、推广接触和土地面积是改良种子、化肥和保护农业采纳的一致决定因素（Ogada et al., 2014; Simtowe et al., 2016; Kassie et al., 2020）。然而，二元模型无法捕捉使用的强度或可持续性，这对于需要随着时间逐步使用多个组件的捆绑技术（如可持续绿色包）尤为重要。除了采纳之外，使用强度反映了农民采纳技术后的实际应用程度。农民可能部分采纳技术包，优先选择某些组件，或者根据劳动力、土地和资本禀赋调整应用水平（Teklewold et al., 2013; Kassie et al., 2015; Liverpool-Tasie et al., 2020; Arshad & Abdulai, 2025）。在尼日利亚，投入品的可负担性、与农业经销商的距离、家庭资产和农民网络等因素强烈影响了可持续绿色包组件的使用强度。因此，测量采纳强度可以为旨在提高持续性和有效技术使用的政策干预提供重要见解。

在发展中国家农业中，技术的放弃或先前采纳技术的抛弃是一个日益被认可的现象。来自马拉维、加纳和尼日利亚的研究表明，由于劳动强度高、投入成本高、短期回报低或气候变化，农民可能会停止使用某些技术（Melesse, 2018; Tambo & Wünscher, 2017; Nwokoye et al., 2023; Yila et al., 2021）。传统的二元采纳模型无法捕捉这一阶段，需要采用多阶段方法（如三重障碍模型）来估计采纳、使用强度和持续使用或放弃的顺序决策（Gebregziabher & Holden, 2015; Wu & Babcock, 1998; Abate et al., 2021）。将这一模型应用于尼日利亚北部的可持续绿色包，可以识别每个阶段的独特决定因素，从而深入了解农民行为、资源分配和捆绑农业创新的可持续性。

尽管对撒哈拉以南非洲农业技术采纳进行了大量研究，但在理解小农户参与捆绑创新（如可持续绿色包）的动态方面仍存在几个关键缺口。首先，现有文献大多依赖二元采纳模型，这些模型只能判断农民是否采纳技术，但无法解释部分采纳、采纳强度或对技术包各个组件的不同参与程度（Doss, 2006; Kassie et al., 2020; Teklewold et al., 2013）。这种局限性掩盖了农民行为的异质性和技术的实际使用程度，特别是对于需要持续投入、劳动力和学习的多组件创新。其次，虽然越来越多的研究认识到技术放弃是一个重要现象，但很少有研究在一个统一的分析框架内同时考察初始采纳、使用强度和随后的放弃。大多数实证研究要么专注于单一技术（例如改良种子、化肥），要么仅关注采纳阶段，从而忽略了理解农民为何扩大规模、部分采纳或随时间放弃实践的原因（Melesse, 2018; Tambo & Wünscher, 2017; Nwokoye et al., 2023; Yila et al., 2021）。此外，现有研究很少整合社会经济、制度和环境因素在这些连续阶段中的影响，这限制了识别特定阶段技术使用驱动因素的能力。第三，尽管在某些情况下应用了多阶段计量经济方法（如三重障碍模型），但在像尼日利亚北部这样资源有限的脆弱环境中分析复合或捆绑技术（如可持续绿色包）的应用仍然较少（Gebregziabher & Holden, 2015; Abate et al., 2021）。可持续绿色包的独特特性要求采取整体方法，能够捕捉农民决策的条件性、顺序性和异质性。这种缺口凸显了需要同时建模采纳、使用强度和放弃的研究需求，以提供关于技术采用决定因素和小农户参与复杂农业创新可持续性的见解。

本研究在尼日利亚北部进行，该地区具有多样的农业生态区——特别是萨赫勒区、苏丹草原和几内亚草原，每个区域都有独特的气候和土壤条件，这些条件塑造了当地的农业实践（图1）。萨赫勒区主要分布在卡齐纳州和吉加瓦州，年降水量低（250-600毫米），气温高（35-45°C），土壤沙质且易侵蚀，使其特别容易受到沙漠化和干旱的影响。苏丹草原覆盖卡诺州和卡杜纳州北部地区，降水量适中（600-1000毫米），适合种植小米和高粱等短周期作物。几内亚草原位于卡杜纳州南部和尼日尔州，降水量较高（1000-1500毫米），土壤较为肥沃，适合种植玉米、大豆和块茎作物等更多样化的作物。尼日利亚北部约有8700万人口，占尼日利亚总人口的近45%（NBS, 2023），其中大多数人口居住在农村地区并直接从事小规模农业。在选定的州（卡杜纳州、卡诺州、卡齐纳州、尼日尔州和吉加瓦州），农业是70%以上人口的主要生计来源。尽管如此，由于依赖传统低投入系统、机械化程度有限以及气候条件不稳定，生产率仍然较低。例如，该地区的平均玉米产量在1.5至2.0吨/公顷之间，远低于最佳条件下的4-5吨/公顷的全国潜力（FMARD, 2023）。

尽管如此，该地区对于国家粮食安全和农业转型具有重要的战略意义，因为它拥有超过2500万公顷的可耕地和大量小规模生产者。然而，人口快速增长（每年2.9%）、农村基础设施薄弱、投入和输出市场不足以及推广服务获取困难等问题加剧了粮食不安全，并限制了改良做法的广泛采纳。为了解决这些挑战，引入了多种增强土地和适应气候变化的创新，统称为可持续绿色包（SG Pack）。这些创新通过政府机构、非政府组织和捐助者支持的平台（如平衡养分管理系统（BNMS）、非洲土壤健康联盟和AGRA赞助的干预措施）得到推广。可持续绿色包通常结合了综合养分管理（INM）、改良的耐旱种子品种、大豆-玉米轮作、保护农业、农林业和最小耕作实践——这些技术旨在提高土壤肥力、气候适应性和可持续生产力。选择卡杜纳州、卡诺州、卡齐纳州、尼日尔州和吉加瓦州作为研究区域，是因为这些地区的农业生态差异显著，以及这些地区可持续绿色包干预的强度和采纳及放弃的模式有明确的记录。

尽管在撒哈拉以南非洲对农业技术采纳进行了广泛研究，但在理解小农户参与捆绑创新（如可持续绿色包）的动态方面仍存在几个关键缺口。首先，现有文献大多依赖于二元采纳模型，这些模型只能判断农民是否采纳技术，但无法解释部分采纳、采纳强度或对技术包各个组件的不同参与程度（Doss, 2006; Kassie et al., 2020; Teklewold et al., 2013）。这种局限性掩盖了农民行为的异质性和技术的实际使用程度，尤其是对于需要持续投入、劳动力和学习的多组件创新。其次，虽然越来越多的研究认识到技术放弃是一个重要现象，但很少有研究在一个统一的分析框架内同时考察初始采纳、使用强度和随后的放弃。大多数实证研究要么关注单一技术（例如改良种子、化肥），要么仅关注采纳阶段，从而忽略了理解农民为何扩大规模、部分采纳或随时间放弃实践的原因（Melesse, 2018; Tambo & Wünscher, 2017; Nwokoye et al., 2023; Yila et al., 2021）。此外，现有研究很少整合社会经济、制度和环境因素在这些连续阶段中的影响，这限制了识别技术使用特定驱动因素的能力。第三，尽管在某些情况下应用了多阶段计量经济方法（如三重障碍模型），但在像尼日利亚北部这样脆弱和资源有限的环境中分析复合或捆绑技术（如可持续绿色包）的应用仍然较少（Gebregziabher & Holden, 2015; Abate et al., 2021）。可持续绿色包的独特特性要求采取整体方法，能够捕捉农民决策的条件性、顺序性和异质性。例如：
- 卡诺州一直是旱季灌溉蔬菜种植和综合土壤肥力试验的中心。
- 卡杜纳州拥有诸如农业研究所（IAR）等主要的研究机构，并且SG Pack的推广非常广泛。
- 尼日尔州由于降雨量较高和农田广阔，为作物集约化和多样化提供了机会。
- 卡齐纳州和吉加瓦州是捐助者主导的土壤保护和抗旱项目的重点地区。
这些州还受益于活跃的推广系统、研究机构以及专注于农业的非政府组织（NGOs）的存在，这使它们成为评估在小农在复杂的农业环境和社会经济条件下技术采纳、使用强度及放弃的多阶段动态的理想地点。

## 抽样技术与数据收集
本研究采用了2023年9月至11月期间在尼日利亚北部五个选定州的中小农户家庭中收集的横断面调查数据——卡杜纳州、卡诺州、卡齐纳州、尼日尔州和吉加瓦州。选择这些州是因为它们积极参与可持续绿色（SG）Pack推广计划，并且具有不同的农业生态和制度背景。数据收集分为两个阶段：第一阶段测量采纳情况，第二阶段收集使用强度和放弃情况的信息。这种顺序设计与研究的概念框架一致，该框架将技术采纳过程建模为包括采纳、使用强度以及随后的放弃。抽样策略采用了多阶段方法，以确保广泛的地理代表性，同时针对之前接触过SG干预措施的家庭。最初，这五个州是由于SG Pack倡议（如平衡养分管理系统（BNMS）的广泛实施以及政府和捐助者支持的配套项目而被选中的。然后从每个州的农业部抽样框架中随机选择了两个地方政府区域（LGAs），在每个LGA内随机选择了四个农业社区，共得到40个社区。在每个社区中，根据推广官员和农民协会提供的家庭名单系统性地选择了15到20户农民家庭，重点关注在过去三个季节内收到过SG相关信息或投入的家庭。这样总共获得了800户家庭的样本。为了与顺序概念框架保持一致，实证分析是在嵌套子样本上进行的。第一阶段（采纳）仅在接触过SG干预的家庭中进行分析，反映了基于先前信息或投入的采纳决策；第二阶段（使用强度）仅在采纳了SG技术的家庭中进行测量；第三阶段（放弃）仅包括那些曾经使用这些技术但后来停止或减少使用的家庭。这种方法确保了概念框架与Triple-Hurdle模型之间的一致性，从而解决了在估计每个阶段时可能出现的选择偏差问题。

数据收集使用了一种结构化的、由调查员管理的问卷，该问卷已在类似但未抽样的社区中进行了预测试，以确保信息的清晰性和可靠性。问卷涵盖了关于家庭人口统计特征、农场情况、获取推广和信贷的机会、对SG技术的认知和看法、采纳强度以及放弃原因的详细信息。为了提高数据准确性，调查通过CSPro Android平台上的计算机辅助个人访谈（CAPI）进行，该平台允许实时验证、自动跳过不相关问题并最小化转录错误。调查员接受了包括实地模拟在内的密集培训，以确保在各调查点数据收集的一致性。问卷的有效性和可靠性经过了严格评估：内容有效性通过与IFPRI、IITA和世界银行LSMS-ISA的既定采纳框架及验证工具的对齐来确保，并通过专家审查进一步改进，以确保概念上的准确性和相关性。面效通过在未抽样但农业生态条件相似的社区中对30户家庭进行预测试来评估，以便识别和修正模糊或文化上不合适的问题。使用Cronbach’s alpha进行的可靠性分析显示，测量潜变量（如对SG技术的态度和制度信任）的多项指标的系数为0.78，表明内部一致性是可以接受的。然而，需要注意的是，这些潜在变量并未被纳入计量经济模型中，因为模型仅依赖于观察到的社会经济、人口统计和农场层面的变量。因此，报告Cronbach’s alpha系数仅用于描述性和探索性目的，而非推断性建模。为了确保调查员的可靠性，数据收集还得到了标准化培训、每日汇报和监督的支持。基于CAPI的监控和自动逻辑检查进一步减少了数据录入错误，提高了数据的质量。

尽管有这些方法上的优势，研究也承认一些局限性。目的性选择州以及对之前接触过SG干预措施的家庭的关注可能会引入选择偏差，从而限制了研究结果在未覆盖该计划的地区的普遍性。从推广官员处获得的家庭名单可能会排除那些联系较少的农民，可能导致对采纳和认知程度的高估。为了解决这些问题，应用了反映社区人口规模的样本权重，并通过在排除与计划相关的家庭后重新估计关键模型来进行稳健性检验，以帮助澄清观察到的模式是真实的行为倾向还是抽样偏差的结果。

## 分析技术
首先使用描述性统计方法来总结和分析受访者的社会经济特征。这些统计数据提供了关于年龄、教育程度和获取推广服务机会等变量的见解。然后，研究采用了Triple-Hurdle模型来同时分析中小农户采纳、使用SG Pack的强度以及最终放弃SG Pack的决定因素。

### 计量经济框架：Triple-Hurdle模型
为了同时分析中小农户采纳、使用SG Pack的强度以及最终放弃SG Pack的决定因素，本研究采用了Triple-Hurdle模型，这是一种适用于顺序决策过程的多阶段计量经济框架（Cragg, 1971; Burke, 2009）。该模型包括三个阶段：（1）初始采纳决策；（2）基于采纳的使用强度；（3）放弃决策，反映了技术参与的动态和条件性。虽然每个阶段根据其结果类型（采纳和放弃使用Probit模型，使用强度的截断回归模型）进行规定，但该模型是通过全信息最大似然（FIML）方法联合估计的，允许各个阶段的误差项之间存在相关性。这种联合估计考虑了可能同时影响多个阶段的未观察因素，从而提供了更高效和一致的参数估计，并揭示了采纳过程中的潜在行为联系。

### 第一障碍：采纳决策（Probit模型）
Triple-Hurdle模型的第一个障碍代表了农民是否采纳可持续绿色（SG）Pack的二元决策，标志着进入技术使用路径的起点。采纳定义为整体采纳SG Pack的行为，这在平衡养分管理系统（BNMS）等倡议下得到推广。将多个组成部分合并为单一的采纳变量是合理的，因为这一阶段关注的是初次参与技术的决策——这是进入采纳过程的一个重要行为阈值。在Triple-Hurdle模型的后续阶段中，解决了组成部分层面的异质性问题，其中明确模型化了使用强度和放弃行为。采纳决策使用Probit回归模型进行估计，该模型根据家庭人口统计特征、资源禀赋、获取机构支持（如推广服务和信贷）以及农业生态条件等解释变量来预测农民采纳SG Pack的概率。

### 第二障碍：使用强度（截断回归模型）
在至少采纳了一种SG技术的前提下，Triple-Hurdle模型的第二个障碍考察了采纳的强度，即农民使用这些技术的程度。在本研究中，使用强度是通过分配给SG实践的总耕地区域的比例来衡量的，而不是采纳的具体组件数量。这种连续度量反映了技术的应用深度和范围，提供了关于农场中技术使用范围的更有意义的指标。由于这一结果仅适用于采纳者，因此采用了截断回归模型来考虑数据的删失特性，确保估计结果基于之前的采纳情况。该模型评估了家庭、农场层面和制度因素（如土地持有规模、劳动力可用性、市场渠道以及参与培训计划的情况）如何影响用于SG实践的土地比例。通过关注土地分配，这一阶段提供了关于采纳强度和可扩展性的透明、可解释的见解，这对于评估SG推广计划的潜在可持续性和影响力至关重要。

### 第三障碍：放弃决策（Probit模型）
Triple-Hurdle模型的第三个障碍考察了家庭在初次采纳后放弃使用可持续绿色（SG）技术的决策。在本研究中，放弃使用定义为完全停止所有先前采纳的SG组件。只将那些完全停止使用所有SG组件的家庭归类为放弃者，确保结果反映了真正的脱离技术路径的行为。放弃使用可能由多种因素引起，包括投入成本上升、劳动力短缺、推广支持不足、产量低或令人失望，或市场条件不利等。由于放弃使用是一个二元结果（1=完全放弃，0=继续使用至少一种组件），因此使用Probit回归模型来估计家庭放弃SG技术的可能性。解释变量包括制度、经济和感知因素，如感知盈利能力、获取咨询服务的机会、高峰季节的劳动力可用性以及投入的可负担性。

### 结论
尽管本研究在方法上有一定的优势，但仍存在一些局限性。目的性选择州以及对之前接触过SG干预措施的家庭的关注可能会引入选择偏差，从而限制了研究结果的普遍性。从推广官员处获得的家庭名单可能排除了联系较少的农民，可能高估了采纳率和认知程度。为了解决这些问题，应用了反映社区人口规模的样本权重，并通过排除与计划相关的家庭后重新估计关键模型来进行稳健性检验，有助于明确观察到的模式是真实的心理倾向还是抽样偏差的结果。

综上所述，本研究通过描述性统计和计量经济方法相结合的方式，对尼日利亚北部中小农户采纳、使用和放弃SG Pack的决策因素进行了分析。Triple-Hurdle模型这一多阶段计量经济框架有助于全面理解技术采纳过程中的复杂动态。尽管存在某些方法上的局限性，但这些研究结果仍为政策制定提供了有价值的见解。未来的研究可以将该框架扩展到多项式或分数方法，以明确模拟多种技术组件中的部分弃用现象。弃用是二元的；规定了Probit模型：(6)其中：• 是代表弃用倾向的潜变量，• 是观察结果（1 = 弃用，0 = 继续使用），• 是解释变量向量（例如，劳动力限制、投入成本、推广跟进、风险认知、市场准入），• 是参数向量，• 是误差项。报告了弃用Probit的平均边际效应，显示了协变量变化一个单位时弃用概率的百分比点变化。例如，劳动力稀缺的边际效应为0.08，意味着经历劳动力限制的家庭弃用的概率增加8个百分点。还为一些示例性家庭概况计算了预测概率。(7)其中：• 是在均值处评估的标准正态PDF，• 是估计的系数，• 表示一个单位增加时的概率近似变化。使用全信息最大似然（FIML）联合估计的方法分析了小农户对可持续绿色（SG）包的采纳、使用强度和弃用情况。该模型在一个统一的似然框架内捕捉了三个连续的决策阶段，允许方程之间的误差项相关，从而解释可能同时影响多个阶段的未观察因素。第一个门槛（采纳）和第三个门槛（弃用）被建模为Probit方程，而第二个门槛（使用强度）则使用截断回归进行建模。使用Stata中的CMP框架估计了方程之间的相关性，这提供了潜在行为联系的见解；例如，采纳误差和强度误差之间的正相关表明促进采纳的未观察特征也会增加使用强度，而强度误差和弃用误差之间的负相关表明更高的使用强度会降低随后的弃用可能性。使用稳健的标准误差来解释异方差性，并通过方差膨胀因子（VIFs）评估多重共线性，任何VIF超过10的变量都进行了审查或转换。联合估计在Stata 18中使用David Roodman开发的条件混合过程（CMP）估计器实现，确保了所有三个决策阶段的参数估计一致且高效。

表1全面描述了用于分析农村农户采纳、采纳强度和弃用可持续绿色（SG）技术决定因素的三重门槛模型中使用的所有变量。该表概述了每个因变量和解释变量的测量方法、预期符号以及支持实证文献（Feder等人，1985；Kassie等人，2015）。三重门槛模型包含三个因变量，每个因变量代表农户参与SG技术包的某个特定行为阶段。第一个因变量“采纳”捕获了家庭最初采纳可持续绿色（SG）包的决定。它被编码为二元变量，如果家庭采纳了SG包则编码为1，否则编码为0。这个变量代表了进入SG技术途径的起点，并使用Probit模型进行估计（Greene，2012；Wooldridge，2010）。第二个因变量“采纳强度”反映了采纳家庭将农田分配给SG实践的程度。这个连续变量以SG技术下种植的总土地比例来衡量，捕捉了采纳者的使用规模和深度。这反映了模型的第二个门槛，只有最初采纳的农户才能在其应用技术的强度上有所不同（Kassie等人，2015；Kamau等人，2023）。预期存在正相关关系，因为更多的资源获取和制度支持通常会导致更高的采纳强度（Moser & Barrett，2003）。第三个因变量“弃用”捕获了先前采纳者停止使用SG技术的可能性。这个二元变量在农民完全停止使用所有SG组件时取值为1，当至少还有一个组件在使用时取值为0。弃用可能由多种限制引起，包括高投入成本、劳动力短缺、推广跟进不足、产量结果不佳或不利的市场条件（Marenya & Barrett，2007；Andriamparany等人，2024）。由于这一阶段取决于之前的采纳，弃用者构成了早期采纳者的一个子集，结果也使用Probit规范进行估计（Heckman，1979）。

### 分析中使用的变量描述
表1提供了用于分析农村农户采纳、采纳强度和弃用可持续绿色（SG）技术决定因素的三重门槛模型中使用的所有变量的全面描述。该表概述了每个因变量和解释变量的测量方法、预期符号以及支持的实证文献（Feder等人，1985；Kassie等人，2015）。三重门槛模型包括三个因变量，每个因变量代表农户参与SG技术包的不同行为阶段。第一个因变量“采纳”捕获了家庭最初采纳可持续绿色（SG）包的决定。它被编码为二元变量，如果家庭采纳了SG包则编码为1，否则编码为0。这个变量代表了进入SG技术途径的起点，并使用Probit模型进行估计（Greene，2012；Wooldridge，2010）。第二个因变量“采纳强度”反映了采纳家庭将农田分配给SG实践的程度。这个连续变量以SG技术下种植的总土地比例来衡量，捕获了采纳者的使用规模和深度。这反映了模型的第二个门槛，只有最初采纳的农户才能在其应用技术的强度上有所不同（Kassie等人，2015；Kamau等人，2023）。预期存在正相关关系，因为更多的资源获取和制度支持通常会导致更高的采纳强度（Moser & Barrett，2003）。第三个因变量“弃用”捕获了先前采纳者停止使用SG技术的可能性。这个二元变量在农民完全停止使用所有SG组件时取值为1，当至少还有一个组件在使用时取值为0。弃用可能由多种限制引起，包括高投入成本、劳动力短缺、推广跟进不足、产量结果不佳或不利的市场条件（Marenya & Barrett，2007；Andriamparany等人，2024）。由于这一阶段取决于之前的采纳，弃用者构成了早期采纳者的一个子集，结果也使用Probit规范进行估计（Heckman，1979）。

### 变量描述
| 变量 | 测量方法 | 预期符号 | 支持文献 |
|------|---------|---------|---------|
| 采纳（因变量：第一门槛） | 二元变量，表示农民是否采纳了可持续绿色（SG）包。编码：1 = 采纳了SG包；0 = 未采纳SG包。 |
| 采纳强度（因变量：第二门槛） | 连续变量，以分配给SG技术的耕地比例来衡量。 |
| 弃用（因变量：第三门槛） | 二元变量，表示先前采纳者在调查时是否完全停止使用SG包。（1 = 弃用（停止使用所有SG组件）；0 = 继续使用≥1个组件） |
| 年龄 | 家庭户主的年龄（年）。 | ±Doss（2006）；Kassie等人（2011）；Adesina & Baidu-Forson（1995） |
| 性别 | 1 = 男户主，0 = 女户主。 | +Ragasa（2014）；Ndiritu等人（2014）；Mignouna等人（2011） |
| 正规教育 | 总受教育年限（连续）。 | +Feder等人（1985）；Mwangi & Kariuki（2015）；Kassie等人（2009） |
| 妻子数量 | 多配偶家庭中的配偶数量。 | +Adeoti（2009）；Mignouna等人（2011） |
| 成年男性（>15岁） | 劳动年龄段的男性成员数量。 | +Uaiene等人（2009）；Abdulai & Huffman（2005） |
| 成年女性（>15岁） | 劳动年龄段的女性成员数量。 | ±Peterman等人（2014）；Doss & Morris（2001） |
| 儿童（<15岁） | 家庭中的儿童数量。 | –Uaiene等人（2009）；Asfaw等人（2012） |
| 家庭规模 | 家庭总人口。 | +Nkonya等人（2008）；Kassie等人（2010） |
| 农场规模 | 农场总面积（公顷）。 | +Feder等人（1985）；Gebremedhin & Swinton（2003） |
| 农场规模（年度作物） | 年度作物的公顷数。 | +Marenya & Barrett（2007）；Abdulai & Huffman（2005） |
| 农场规模（多年生作物） | 多年生作物的公顷数。 | ±Diiro（2013）；Marenya & Barrett（2007） |
| 雇佣劳动力 | 1 = 使用了雇佣劳动力；0 = 否（或总劳动日）。 | +Nkamleu & Adesina（2000）；Ogunniyi等人（2017） |
| 农场产出 | 总产量（价值或对数值）。 | +Ouma等人（2006）；Kassie等人（2015） |
| 生产性资产指数 | 农场工具和机械的PCA指数。 | +Moser & Barrett（2003）；Di Falco等人（2011） |
| 非生产性资产指数 | 家庭消费资产的PCA指数。 | ±Owusu等人（2011）；Tambo & Abdoulaye（2012） |
| 信贷获取 | 1 = 在过去12个月内获得了信贷；0 = 否。 | +Foltz（2004）；Simtowe等人（2011） |
| 汇款获取 | 1 = 在过去12个月内收到了汇款；0 = 否。 | ±de Janvry等人（2005）；Quisumbing & McNiven（2010） |
| 协会成员资格 | 1 = 属于农民协会；0 = 不是成员。 | +Fischer & Qaim（2012）；Shiferaw等人（2015）；Wossen等人（2017） |
| 推广服务获取 | 1 = 收到了与SG相关的推广建议；0 = 无推广服务。 | +Feder等人（1985）；Davis等人（2010）；Kondylis等人（2017） |
| 市场准入 | 到最近的投入/输出市场的距离（公里或分钟）。距离越远，准入越差。 | +Alene等人（2008）；Asfaw等人（2012） |

模型中包括的解释变量涵盖了预期会影响农民在每个门槛处决策的一系列人口统计、社会经济、资源基础和制度因素。人口统计和家庭特征，如年龄、性别、妻子数量、劳动年龄组成和家庭规模，捕捉了劳动力可用性、经验、风险偏好和决策自主性的差异。例如，年龄可能与技术的采纳或放弃有正面或负面的关系，因为年纪较大的农民可能拥有宝贵的经验，但可能不太愿意尝试新的做法（Doss，2006；Frontiers in Environmental Economics，2024）。性别预计会对采纳产生积极影响，因为男性户主通常拥有更多的土地、生产资源和信息（Ragasa，2014；Ndiritu等人，2014）。成人数量——无论是男性还是女性——反映了劳动力可用性（Abdulai & Huffman，2005），而儿童的存在往往会产生负面影响，因为会增加依赖负担（Asfaw等人，2012）。与农场相关的变量，包括总土地规模、分配给年度和多年生作物的土地以及总农场产出，反映了运营规模和生产能力。较大的农场规模由于规模经济和资源配置的灵活性较大，因此往往支持更高的采纳和使用强度（Marenya & Barrett，2007；Gebremedhin & Swinton，2003）。同样，通过PCA生成的指数捕捉的生产性资产增强了家庭投资和持续使用新技术的能力（Moser & Barrett，2003；Di Falco等人，2011）。非生产性资产可能产生正面或负面的影响：虽然它们反映了财富，但也可能表明向非农业领域的多元化（Owusu等人，2011；Tambo & Abdoulaye，2012）。制度因素，如信贷获取、汇款、协会成员资格、推广服务和市场准入，在技术使用行为中起着核心作用。信贷获取预计会通过缓解流动性约束和促进投资来积极影响采纳和强度（Foltz，2004；Simtowe等人，2011；Osman等人，2024）。汇款可能产生混合效应，这取决于它们是用于支持农业投资还是资助非农业多元化（de Janvry等人，2005）。加入农民协会通常通过改善信息流动、社会学习和集体行动来增强技术采纳（Fischer & Qaim，2012；Wossen等人，2017；Ogunjobi，2024）。推广服务的获取是所有三个技术结果的关键决定因素，因为及时且相关的咨询支持使农民更有可能采纳和维持改进的做法（Feder等人，1985；Davis等人，2010；Kondylis等人，2017）。市场准入，通过到投入或输出市场的距离来衡量，也有重要影响：距离市场较远的家庭面临更高的交易成本，这可能阻碍采纳或促进弃用（Alene等人，2008）。

在使用三重门槛方法模拟小农户采纳可持续绿色（SG）包的强度和弃用动态时，可能会出现几种潜在的内生性来源。首先，可能会出现反向因果关系：虽然农场规模、信贷获取或推广联系等因素预计会影响采纳和强度，但采纳本身也可能影响这些变量——例如，采纳的农民可能会获得更多信贷或推广服务。其次，如果未观察到的家庭特征（如风险偏好、企业家精神、土壤质量）同时影响采纳决策和强度/弃用结果，则可能存在遗漏变量偏差。第三，自我报告的采纳强度或过去弃用的测量误差可能与协变量相关，从而影响估计结果。第四，选择性偏差可能源于目的性抽样或关注已经接触SG包干预的家庭。为了评估主要发现的稳定性并考虑抽样设计和模型规范可能产生的偏差，进行了几项稳健性检验。首先，在排除所有通过推广计划受益者名单招募的家庭后重新估计了三重门槛模型，以评估与计划相关的抽样是否高估了采纳或持续性。其次，使用当地推广办公室提供的人口估计数据构建的社区级抽样权重重复了分析，以便将结果与未加权的基线模型进行比较。第三，估计了替代的功能规范—— specifically a double-hurdle model 和标准probit–tobit sequence——以评估三阶段结构是否显著改变了关键协变量的方向或显著性。第四，为了检查信息获取和推广联系可能的内生性，使用到最近推广办公室的距离和村级农民群体密度作为工具应用了控制函数方法；将结果与基线估计进行比较，以确定系数变化是否显著。第五，通过Pregibon杠杆统计量识别出有影响力的观测值并重新运行三重门槛模型来进行敏感性测试，以验证结果是否不是由异常值驱动的。在这些检验中，虽然某些系数的大小略有变化，但关联模式——特别是与采纳强度和弃用概率相关的那些——保持一致，表明核心结果对替代假设和样本限制具有合理的稳健性。这种模式反映了尼日利亚许多农村社区的文化规范，在这些社区中，男性主要拥有土地，控制生产资源，并做出与农业相关的大部分决策。Arowolo等人（2022年）也记录了类似的性别差异在农业参与中的存在，他们强调了社会文化和土地所有权制度如何限制了女性在农业和资源控制中的角色。受访者中的正规教育水平较低，平均只有7.5年的学校教育。虽然这种教育水平表明具备一定的读写能力，可能有助于基本的记录保持和沟通，但它可能仍然限制了农民获取改进技术、解读推广信息或参与更专业的外部收入活动的能力。先前的研究指出，低教育水平会降低农民采用复杂创新和多样化生计策略的能力（Kolawole, 2021; Ogunleye等, 2021; Adeyemi等, 2020）。家庭构成结果显示，受访者平均有1.3位妻子、2.1位成年男性、1.8位成年女性和3.4位15岁以下的儿童，家庭平均规模为7.3人。在以农业为主的环境中，这样的相对较大的家庭规模很常见，因为大家庭可以提供更多的劳动力用于农业生产，但同时也增加了消费需求。Abera等人（2021年）、Kehinde（2021年）和Akinyemi等人（2021年）也观察到，虽然较大的家庭可以增加劳动力的可用性，但可能会给家庭带来经济压力，从而影响生计选择和多样化行为。

表2. 受访者的社会经济特征

变量 平均值 百分比
年龄 45.3 ± 17.1
性别（男性） 80
正规教育 7.5±2.4
妻子数量 1.3±0.9
成年男性（>15岁） 2.1±1.1
成年女性（>15岁） 1.8±0.3
儿童（<15岁） 3.4±0.8
家庭规模 7.3±2.8
农场规模 2.5±1.3
农场规模（一年生作物） 1.5±0.5
农场规模（多年生作物） 1.0±0.8
雇佣劳动力使用率 60
农场产出 ?200,000 ± 134,000 （约等于USD 143）
生产性资产 ?150,000 ± 89,000 （约等于USD 107）
非生产性资产 ?100,000 ± 56,000 （约等于USD 71）
信贷获取 35
汇款获取 20
协会会员 55

来源：2024年实地调查

农场层面的特征显示，家庭平均经营着2.5公顷的农场，其中包括1.5公顷的一年生作物和1.0公顷的多年生作物。这种组合表明，农民将短期季节性作物与长期投资作物结合使用，以平衡即时收入需求和长期生产稳定性。此外，60%的受访者依赖雇佣劳动力，这表明在尼日利亚农村，劳动力短缺或家庭劳动力不足，无法满足生产需求（Abera等人，2021年；Kehinde，2021年；Adekunle & Shittu，2024年）。经济指标显示，生产力相对较低。平均农场产出为?200,000，而生产性和非生产性资产的价值分别为?150,000和?100,000。这些资产水平表明资本资源有限，可能会限制家庭投资于提高生产力的技术、扩大企业规模或应对冲击的能力。Obi Egbedi等人（2022年）、Kehinde（2022年）和Idumah等人（2023年）的类似研究也指出，低资产所有权是尼日利亚西南部小农户扩大生产的主要障碍。信贷和社会资源的获取也受到限制，只有35%的受访者能够获得信贷，20%的受访者收到汇款。有限的信贷获取仍然是农村农业系统中投资、创新和风险管理的主要障碍（Adeyemi等人，2020年；Bakare等人，2023年）。同时，55%的受访者加入了协会，表明他们适度参与了可以促进信息共享、获取投入物资、集体谈判和接触生计机会的社会网络。研究表明，参与此类群体可以提高农民的社会资本并增强他们多样化收入来源的能力（Bamidele等人，2025年）。

使用三重障碍模型对可持续绿色（SG）包的采用、采用强度和放弃情况的估计
表3展示了三重障碍模型的拟合统计数据和诊断措施，该模型用于分析农村家庭采用、采用强度和放弃可持续绿色（SG）技术的决定因素。表格报告了每个阶段的关键参数，包括相关系数、方差估计、基于似然的统计量、预测准确性和样本规模。对于采用阶段（障碍1），相关参数（, p < 0.01）表明潜在的采用倾向与随后强度方程的残差之间存在中等程度的相关性（Heckman, 1979; Wooldridge, 2010）。伪R2为0.518，LR卡方值为129.309（p < 0.001），表明解释变量显著解释了采用决策的变化（Feder等人，1985；Kassie等人，2015）。ROC/AUC为0.81，分类准确率为78%，表明模型能够可靠地区分采用者和非采用者（Greene, 2012）。样本规模为800个家庭。对于采用强度阶段（障碍2），在采用的情况下，标准差的对数（, p < 0.01）表明采用者之间的强度水平存在显著差异（Cameron & Trivedi, 2005; Feder等人，1985）。伪R2为0.632，LR卡方值为147.078，表明模型解释了分配给SG技术的土地的大量变化（Kassie等人，2015）。残差诊断确认了同方差性且没有重大异常值，支持连续回归规定的适当性（Wooldridge, 2010）（见附录1）。样本包括640个采用者。

表3. 模型拟合和诊断
统计 采用 强度 放弃
rho 0.819*** (0.136) – /lnsigma–0.956*** (0.124)
Rho 0.492 – 0.780
Sigma –0.386*** (0.118) –
LR卡方 120.796 147.078
Pseudo R2 0.518 0.632
对数似然 -56.172 147.769
Prob > 卡方 0.000 0.000
ROC/AUC 0.810 – 0.790
分类准确率 78% – 76%
残差诊断 – 同方差性 & 无重大异常值
N（样本规模） 800 640（采用者） 640（采用者）
平均VIF 2.140

ROC/AUC和分类准确率针对二元Probit结果进行报告；残差图用于截断回归诊断。

表4. 使用三重障碍模型对SG包的采用、采用强度和放弃情况的估计
变量 采用系数（标准误差） t值 采用强度系数（标准误差） t值 放弃系数（标准误差） t值 放弃强度系数（标准误差）
年龄 0.387*** (0.146) 2.66 0.154 0.213*** (0.056) 3.84 0.213 0.919 (1.41) 0.65 0.366
性别 0.932 (2.28) 0.41 0.37 0.796*** (0.211) 3.78 0.796 0.820*** (0.158) 5.19 0.326
正规教育 0.875*** (0.142) 6.18 0.348 0.811 (2.79) 0.29 0.811 -0.640*** (0.131) -4.89 -0.255
妻子数量 0.174 (0.378) 0.46 0.069 0.825*** (0.295) 2.79 0.825 0.383*** (0.144) 2.66 0.152
成年男性数量（>15岁） 0.379*** (0.118) 3.22 0.151 0.182** (0.091) 2.00 0.182 0.472 (1.62) 0.29 0.188
成年女性数量（>15岁） 0.324 (0.341) 0.95 0.129 0.431*** (0.157) 2.74 0.431 0.249 (0.161) 1.55 0.099
儿童数量（<15岁） -0.513*** (0.178) -2.88 -0.204 -0.748 (5.79) -0.13 -0.748 0.818*** (0.229) 3.57 0.326
家庭规模 0.838 (0.882) 0.95 0.333 0.628*** (0.161) 3.90 0.628 0.444*** (0.094) 4.73 0.177
农场规模 0.535*** (0.109) 4.92 0.213 0.411* (0.213) 1.93 0.411 -0.633** (0.287) -2.21 -0.252
一年生作物规模 0.318 (0.235) 0.03 0.127 0.312** (0.141) 2.22 0.312 -0.220** (0.060) -3.69 -0.088
多年生作物规模 0.238 (0.882) 0.27 0.095 0.324 (0.348) 0.93 0.324 0.392 (2.61) 0.15 0.156
雇佣劳动力 0.420*** (0.054) 7.80 0.167 0.523*** (0.163) 3.21 0.523 -0.279*** (0.041) -6.82 -0.111
农场产出 0.156 (1.20) 0.13 0.062 0.147 (1.34) 0.11 0.147 0.239 (0.34) 0.70 0.095
生产性资产 0.431 (0.958) 0.45 0.172 0.389*** (0.069) 5.61 0.389 -0.357*** (0.044) -8.04 -0.142
非生产性资产 0.597*** (0.198) 3.01 0.238 0.570*** (0.210) 2.72 0.570 0.570*** (0.144) 3.97 0.227
信贷获取 0.815*** (0.130) 6.28 0.324 0.780*** (0.182) 4.28 0.780 -0.793*** (0.282) -2.81 -0.316
汇款获取 0.398 (0.402) 0.99 0.158 0.288** (0.131) 2.19 0.288 -0.384*** (0.125) -3.07 -0.153
协会会员 0.162** (0.054) 2.96 0.064 0.274*** (0.058) 4.71 0.274 0.228*** (0.056) 4.10 0.091
IMR – – 0.176** (0.069) 2.52 0.176

注：所有系数估计均使用稳健标准误差。
采用和放弃的AME是与每个解释变量变化一个单位相对应预测概率（比例单位0–1）的变化。
强度Δ表示在采用条件下SG包土地比例的变化（0–1尺度）。

对于放弃阶段（障碍3），相关参数（）反映了影响放弃的未观察因素与先前的采用和强度决策之间的强相关性（Moser & Barrett, 2003; Doss, 2006）。LR卡方值为129.309（p < 0.001），伪R2值为0.518，表明解释变量显著预测了采用者是否放弃SG技术。ROC/AUC为0.79，分类准确率为76%，显示出良好的预测能力（Giller等人，2009）。样本基于640个采用者。表3表明三重障碍模型在所有三个阶段都很好地拟合了数据。统计上显著的似然比测试、较高的伪R2值和高的分类准确性强调了模型在捕捉农村家庭采用行为、使用强度和放弃决定因素方面的有效性。这些结果增强了模型稳健性和后续边际效应解释的可靠性（Heckman, 1979; Wooldridge, 2010; Cameron & Trivedi, 2005）。通过方差膨胀因子（VIF）评估了解释变量之间的多重共线性程度。模型的平均VIF为2.14，远低于计量经济学文献中普遍接受的阈值。根据Gujarati和Porter（2009）的观点，VIF值低于10通常表示不存在严重的多重共线性，而Wooldridge（2010）建议采用更为保守的阈值5。因此，估计的平均VIF表明模型中使用的回归变量没有表现出问题性的线性依赖。平均VIF为2.14表明这些关系仅存在于中等且统计上可以接受的程度上，不会夸大标准误差或破坏推断。

影响SG包采用的因素
三重障碍模型的第一阶段确定了几个统计上显著的社会经济、人口统计和制度因素，这些因素影响了小农户采用可持续绿色（SG）包的可能性。在采用阶段包含了十九个解释变量，其中年龄、正规教育、家庭构成（成年男性数量、儿童数量）、农场规模、雇佣劳动力、非生产性资产、信贷获取和协会会员在不同的概率水平（1%、5%和10%）上均具有重要意义。这些发现强调了采用决策的多方面性质，包括家庭特征和获取支持资源的途径（Feder等人，1985；Doss，2006）。以下段落提供了这些结果的特定背景解释。

年龄对小农户采用可持续绿色（SG）包的可能性有正面且显著的影响，表明年长的家庭户主采用SG包的可能性比年轻农户高约15.4%。在尼日利亚北部的农业背景下，年长的农民通常拥有关于当地农业生态、季节模式和风险管理策略的丰富经验知识。他们还可能维持长期的社会网络，有助于获取有关改进做法、信贷或投入市场的信息（Kehinde和Tijani，2021a；Kassie等人，2011；Doss，2006；Shiferaw & Holden，1998）。然而，极老的农民可能会面临身体或劳动力限制，这表明可能存在非线性效应，需要进一步研究（Feder等人，雇佣劳动力使家庭能够管理劳动密集型任务，保持及时的田间作业，并有效实施可持续绿色（SG）实践，特别是在高峰季节，而不会影响其他农业生产活动（Adesiyan等人，2023年；Gebremedhin和Swinton，2003年；Feder等人，1985年）。非生产性资产对小农户采用可持续绿色（SG）技术包的可能性有积极且显著的影响，表明拥有牲畜、储蓄或耐用家庭用品的家庭采用SG技术包的可能性比没有这些资产的家庭高出约23.8%。这表明非生产性资产起到了非正式保险的作用，使农民能够在不危及家庭福利的情况下承担新技术带来的风险（Cunguara和Moder，2012年；Kehinde和Tijani，2021年；Bamidele等人，2025年）。同样，信贷的可获得性也对采用率有积极且显著的影响，有信贷渠道的家庭采用SG技术包的可能性高出约32.4%。信贷为购买改良投入、肥料或培训等前期费用提供了流动性，而这些往往是资源受限家庭采用新技术的障碍（Bamidele等人，2025年；Olaniyan等人，2024年；Feder等人，1985年）。加入农民协会也对小农户采用可持续绿色（SG）技术包的可能性有积极且显著的影响，表明属于协会的家庭采用SG技术包的可能性比非会员家庭高出约6.4%。这表明参与合作社和社区团体通过提供知识共享、共同采购投入和集体解决问题平台来促进采用（Cunguara和Moder，2012年）。社交网络还会产生同伴压力和榜样作用，从而加速SG技术的普及。此外，协会成员可能获得优先的推广服务或小额信贷计划，进一步增强了采用的可能性（Fischer和Qaim，2012年；Shiferaw等人，2015年；Kehinde，2021年）。

**影响SG技术包采用强度的因素**
“三重障碍模型”的第二阶段探讨了小农户采用可持续绿色（SG）技术包的强度，即采用者分配给SG技术的农田比例。模型中包含了19个解释变量，其中几个变量——年龄、性别、家庭组成（妻子数量、成年男性人数、成年女性人数和家庭总规模）、农场规模、用于年 Mendel作物 的农场规模、雇佣劳动力、生产性资产和非生产性资产、信贷获取能力、现金汇款获取能力、协会会员资格以及Mills比率的倒数（IMR）——在不同概率水平（1%、5%和10%）上具有统计显著性。这些结果强调了人口统计、资源、财务和社会因素在决定家庭将多大比例的土地用于SG技术方面的复杂相互作用（Feder等人，1985年；Doss，2001年；Olaniyan等人，2024年）。以下讨论进一步说明了这些影响。

年龄对小农户采用可持续绿色（SG）技术包的可能性有积极且显著的影响，表明由年长农民领导的家庭采用SG技术包的可能性比由年轻农民领导的家庭高出约21.3%。这表明年长的家庭负责人通过利用他们对当地土壤和气候条件、害虫动态及季节变化的丰富经验来促进采用。这种知识使他们能够管理与劳动和投入密集型技术相关的风险，并预见SG实践的长期生产力效益。年长的农民还可以更有效地利用已建立的社会和制度网络来获取投入、劳动力和推广支持（Kehinde，2025年；Kassie等人，2011年；Doss，2006年；Shiferaw和Holden，1998年）。性别对小农户采用可持续绿色（SG）技术包的可能性也有积极且显著的影响，表明由男性领导的家庭采用SG技术包的可能性比由女性领导的家庭高出约79.6%。这表明男性家庭负责人由于面临较少的结构性约束（如更好的土地、信贷和劳动力获取途径以及更大的家庭决策权）而更易于采用。相比之下，女性家庭负责人在平衡家庭和农业责任时可能会遇到更高的劳动力密集型实践的机会成本。解决这些差异需要针对性别差异的干预措施，为女性农民提供有针对性的支持以增加采用率（Arowolo等人，2022年；Olaniyan等人，2024年；Ogunleye等人，2024年）。

家庭组成对小农户采用可持续绿色（SG）技术包的强度也有积极且显著的影响，表明拥有更多妻子（82.5%）、成年男性（18.2%）、成年女性（43.1%）和更大家庭总规模（62.8%）的家庭更有可能将更多土地分配给SG技术。这表明较大的家庭通过提供更多的成年劳动力来增强采用强度，有助于克服劳动力瓶颈，并投入更多时间于劳动密集型SG实践。相比之下，较小的家庭可能在管理劳动密集型SG实践时面临限制，从而限制了采用规模。这些发现强调了在尼日利亚北部推广SG技术时考虑家庭劳动力能力的重要性，因为该地区普遍采用土壤改良、覆膜和精细作物管理等措施（Doss，2001年；Olaniyan等人，2024年；Kehinde，2025年）。农场规模对小农户采用可持续绿色（SG）技术包的强度也有积极且显著的影响，表明拥有较大总地块（41.1%）或更大面积用于年 Mendel 作物的土地（31.2%）的家庭更有可能加强SG实践。这表明较大的土地持有量通过提供试验用地的灵活性来增强采用强度，从而使家庭能够扩大SG技术的采用规模（Feder等人，1985年；Gebremedhin和Swinton，2003年；Kassie等人，2011年；Kehinde等人，2025年）。雇佣劳动力对小农户采用可持续绿色（SG）技术包的强度也有积极且显著的影响，表明能够获得补充劳动力的家庭采用SG实践的可能性高出约52.3%。同样，生产性资产（38.9%）和非生产性资产（57.0%）也显著提高了采用强度，表明财务和物质资源减少了资源限制并支持了SG技术的持续使用。这些发现表明劳动力和资产所有权在家庭管理密集型实践方面的重要性，特别是在作物种植高峰期（Cunguara和Moder，2012年；Bamidele等人，2025年）。

信贷和现金汇款的可获得性对小农户采用可持续绿色（SG）技术包的强度也有积极且显著的影响，表明有信贷渠道的家庭将更多土地分配给SG技术的可能性高出约78.0%，而收到现金汇款的家庭则高出约28.8%。这表明流动性使家庭能够购买投入、雇佣劳动力并管理大规模采用带来的风险。在尼日利亚北部，由于正式金融服务有限，非正式信贷和汇款的可获得性在决定农民是否能够将更多土地用于新技术方面起着决定性作用（Olupona等人，2023年；Bamidele等人，2025年；Olaniyan等人，2024年；Ogunleye等人，2025年；Feder等人，1985年）。同样，加入农民协会和合作社也有积极且显著的影响，会员采用SG实践的强度高出约27.4%。这表明会员资格通过知识交流、同伴学习和集体资源（如群组信贷或共享设备）的获取增加了采用强度（Fischer和Qaim，2012年；Shiferaw等人，2015年）。Mills比率的倒数（IMR）也具有积极且显著的影响（17.6%），表明影响初始采用决策的未观测因素（如创业精神、创新动机、风险承受能力、非正式信息渠道的获取或特定地点因素如土壤质量和微气候）也影响持续采用。具有较高潜在采用倾向的家庭更有可能维持对SG技术的参与。相比之下，缺乏这些未观测特征的家庭即使具有相似的可观测社会经济或资源条件也可能停止采用。考虑这些未观测因素可以确保对持续采用的估计效应不受偏见，并提供对SG实践持久性的更细致理解（Greene，2012年；Wooldridge，2010年；Kehinde和Tijani，2024年；Olaniyan等人，2024年）。

**影响SG技术包停止采用的因素**
“三重障碍模型”的第三阶段研究了小农户停止采用可持续绿色（SG）技术包的可能性。模型中包含了19个解释变量，其中几个变量——性别、正规教育、家庭组成（妻子数量、儿童数量、家庭规模）、农场规模、用于年 Mendel 作物的农场规模、雇佣劳动力、生产性资产和非生产性资产、信贷获取能力、现金汇款获取能力和协会会员资格——在不同概率水平（1%、5%和10%）上具有统计显著性。这些结果强调了人口统计、家庭、资源、财务和社会因素在决定农民是继续还是放弃SG实践方面的相互作用（Feder等人，1985年；Doss，2001年；Olaniyan等人，2024年）。

性别对小农户停止采用可持续绿色（SG）技术包的可能性有积极且显著的影响，表明由男性领导的家庭停止使用SG技术包的可能性比由女性领导的家庭高出约32.6%。这表明男性家庭负责人可能因更多地接触商业机会、市场导向的作物或替代收入来源而更倾向于将注意力转移到其他方面。相比之下，女性家庭负责人可能更注重粮食安全和自给农业，从而更持续地采用支持家庭生计的技术（Doss，2001年；Olaniyan等人，2024年；Arowolo等人，2022年）。正规教育对小农户停止采用可持续绿色（SG）技术包的可能性有负面影响，表明受教育程度较高的家庭负责人停止使用SG技术的可能性较低（约25.5%）。这表明受过教育的农民更能理解技术指导，预见长期生产力收益，并有效管理复杂实践。这一发现进一步强调了人力资本在维持技术采用中的作用，并与证据相符，即教育通过提高创新管理技能来增强采用的持续性（Kassie等人，2011年；Gebremedhin和Swinton，2003年）。家庭组成也对停止采用有影响。拥有更多妻子（15.2%）、15岁以下儿童（32.6%）和更大家庭总规模（17.7%）的家庭更有可能停止使用SG技术。这表明较大的家庭或有多个依赖者的家庭面临更高的消费需求、更复杂的劳动力分配和竞争性资源需求，这可能降低维持劳动密集型SG实践的能力。在高依赖性的家庭中，随着时间的推移维持采用可能变得不切实际，这与Fadipe等人（2020年）、Kehinde和Tijani（2021年）以及Olaniyan等人（2024年）的先前的研究结果一致。

农场规模对小农户停止采用可持续绿色（SG）技术包的可能性也有负面影响，表明拥有较大总地块（25.2%）或更多用于年 Mendel 作物的土地（8.8%）的家庭不太可能停止使用SG技术。这表明较大的土地持有量通过提供灵活性来分配土地用于创新实践，从而增强可持续性，同时不影响主要生产或收入安全（Feder等人，1985年；Gebremedhin和Swinton，2003年）。同样，依赖雇佣劳动力（11.1%）和拥有生产性资产（14.2%）的家庭减少了停止采用的可能性，表明劳动力和实物资源的获取有助于缓解管理约束并确保持续投入（Cunguara和Moder，2012年；Bamidele等人，2025年）。财务获取能力也起着关键作用。有信贷（31.6%）或现金汇款（15.3%）渠道的家庭不太可能停止采用SG技术包，这强调了流动性在维持劳动和投入密集型技术投资中的重要性。财务资源使家庭能够覆盖重复成本，吸收冲击，并在环境或经济压力下维持采用（Bamidele等人，2025年；Olaniyan等人，2024年；Feder等人，1985年）。相反，拥有较多非生产性资产（22.7%）和协会会员资格（9.1%）的家庭更有可能停止采用可持续绿色（SG）技术包。这表明有其他收入来源或财务缓冲的家庭可能认为没有必要继续采用SG技术，而更倾向于选择回报更快或更可靠的其他生计策略。协会会员资格的积极且显著影响有些反直觉，因为通常认为社交网络会增强采用。一个合理的解释是，这可能反映了项目疲劳、设计不良的推广干预措施，或是通过协会推广的技术与农民的实际需求或能力不匹配。在某些情况下，参与多个网络的农民可能会面临相互竞争的建议或创新的替代方案，这促使他们放弃之前采用的做法，转而选择被认为更具盈利能力、劳动强度更低或更符合家庭优先事项的选项。这些发现突显了社会网络在技术采纳中的动态和有时意想不到的后果，强调了对情境敏感且以农民为中心的推广策略的重要性（Fischer & Qaim, 2012; Shiferaw et al., 2015）。表5展示了为了评估可持续绿色（SG）包装包采纳、采纳强度和放弃采纳的估计结果的稳健性而进行的检验结果。该表格比较了基线结果与不同的模型规格和抽样调整方法，包括：（i）排除通过项目受益者名单招募的家庭（“排除项目暴露家庭”），（ii）应用社区级别的抽样权重（“加权样本”），（iii）估计双门槛模型，（iv）实施Probit-Tobit序列，以及（v）使用工具变量（IV）处理潜在的内生协变量，如信贷获取和协会会员资格（Greene, 2018; Wooldridge, 2015）。结果表明，在各种规格下，结果都具有高度稳定性，这与之前对三门槛模型及相关模型的实证应用结果一致（Cragg, 1971; Deb & Trivedi, 2006）。关键的解释变量——年龄、正规教育、成年男性数量、15岁以下儿童数量、农场规模、雇佣劳动力、非生产性资产和信贷获取——在几乎所有稳健性检验中都保持了其符号和统计显著性。例如，年龄在所有规格中都呈正相关且显著性很高（p < 0.01），这表明年长的家庭户主更有可能采纳SG包装包，这与之前关于经验和技术采纳的研究结果一致（Feder et al., 1985）。同样，正规教育在所有模型中都显示出积极且显著的影响，凸显了其在促进信息获取和采纳决策中的作用（Knowler & Bradshaw, 2007）。

表5. 可持续绿色包装包采纳、采纳强度和放弃采纳的三门槛模型的稳健性检验

变量 基线 排除项目暴露家庭 加权样本 双门槛模型 Probit-Tobit序列 控制函数
年龄 0.387*** 0.395*** 0.389*** 0.384*** 0.391*** 0.392***
性别（男=1） 0.932 0.940 0.928 0.935 0.930 0.933
正规教育 0.875*** 0.870*** 0.872*** 0.868*** 0.874*** 0.873***
妻子数量 0.174 0.170 0.176 0.172 0.175 0.173
成年男性（>15岁） 0.379*** 0.381*** 0.380*** 0.376*** 0.378***
成年女性（>15岁） 0.324 0.327 0.325 0.322 0.323 0.324
儿童（<15岁） -0.513*** -0.510*** -0.515*** -0.508*** -0.512*** -0.514***
农场规模 0.838 0.835 0.840 0.833 0.837 0.838
农场规模 0.535*** 0.538*** 0.533*** 0.530*** 0.536***
雇佣劳动力 0.420*** 0.418*** 0.421*** 0.419*** 0.420***
生产性资产 0.431 0.430 0.433 0.428 0.431 0.432
非生产性资产 0.597*** 0.598*** 0.595*** 0.596*** 0.597*** 0.596***
信贷获取 0.815*** 0.810*** 0.812*** 0.805*** 0.813***
协会会员资格 0.162** 0.160** 0.163** 0.158** 0.161**
IMR（选择） -0.176** -0.175** 0.177** /athrho -0.822*** -0.820*** 0.819**
lnsigma -0.960*** -0.957*** 0.955*** 0.956***

注：使用了稳健的标准误差；显著性：*p<0.10, **p<0.05, ***p<0.01
排除通过项目列表招募的家庭
按社区人口加权
双门槛替代模型
Probit–Tobit序列
信贷和协会的control function/IV

家庭组成变量，如成年男性数量和15岁以下儿童数量，也显示出稳定且统计显著的影响，证实了它们在不同抽样和模型假设下对采纳决策的影响（Abegunde & Lawal, 2022）。农场规模和雇佣劳动力始终显示出正向且显著的系数，进一步证明了拥有劳动力的较大农场更有可能采纳SG技术，这一点在撒哈拉以南非洲的小农采纳行为研究中也有记录（Adesina & Zinnah, 1993; Olaniyan et al., 2024）。一些变量，如性别、家庭规模、生产性资产和成年女性，其显著性根据模型规格略有变化。例如，控制函数模型显示信贷获取（p < 0.05）和协会会员资格（p < 0.10）的显著性较低，反映了潜在内生性的调整（Wooldridge, 2015）。尽管如此，效应的方向仍然一致，表明基线模型没有受到实质性偏见的影响。其中估计的选择校正项（Inverse Mills Ratio, IMR）保持正向且统计显著，证实了采纳阶段存在适当的样本选择效应（Heckman, 1979; Deb & Trivedi, 2002）。参数/athrho和/lnsigma在各种规格中也显示出一致的估计值，表明采纳和强度阶段与截断回归组分之间的相关性对替代模型形式和抽样调整具有鲁棒性。最后，不同规格下的样本量大致相当（N = 712–800），表明观察到的结果并非由分析样本的剧烈变化所驱动。表5表明，基线三门槛模型的主要发现是稳健的，从而证明了所确定的SG包装包采纳、采纳强度和放弃采纳的社会经济、人口统计和制度决定因素是可靠且与现有文献一致的（Cragg, 1971; Feder et al., 1985; Deb & Trivedi, 2006）。

**结论与政策建议**

本研究使用三门槛模型调查了尼日利亚北部小农采纳、使用强度和放弃采纳可持续绿色（SG）包装包的决定因素，该模型考虑了顺序决策并纠正了潜在的选择偏差。结果提供了强有力的实证证据，表明农民对SG技术的采纳受到人力资本、家庭组成、资源禀赋和制度支持的共同影响，突显了脆弱农业系统中技术采纳的复杂性和动态性。第一阶段的Probit估计显示，正规教育、农场规模、雇佣劳动力、信贷获取、非生产性资产和农民协会会员资格显著增加了采纳SG包装包的可能性。这些因素强调了知识、劳动力可用性、流动性和社交网络在帮助农民跨越初始采纳门槛中的关键作用。相反，较多的儿童和依赖者降低了采纳概率，表明高消费负担和劳动力限制制约了家庭参与资源密集型创新的能力。第二阶段的结果表明，使用强度受到土地持有规模、生产性资产和雇佣劳动力的积极影响，表明资源能力较强的农民能够在其农场更大规模地推广SG实践。这表明，仅靠采纳是不够的；持续和深化SG技术的使用在很大程度上取决于农民将土地、资本和劳动力分配给这些实践的能力。第三阶段的Probit模型进一步显示，性别、家庭规模、依赖者数量和非生产性资产的所有权显著增加了放弃采纳的可能性，而教育、较大农场规模、雇佣劳动力和生产性资产则降低了这一可能性。这些发现证实，长期持续使用SG技术与经济稳定性和劳动力可用性密切相关。相关性参数（/athrho和IMR）的显著性证实了各阶段之间存在未观察到的异质性，验证了使用三门槛框架的合理性。这项研究表明，提高教育水平、扩大信贷获取、加强推广服务以及减少劳动力瓶颈对于促进SG包装包的持续使用至关重要。解决这些结构性约束不仅会改善采纳结果，还将增强尼日利亚北部小农的韧性、生产力和长期可持续性。

**政策建议**
为了确保尼日利亚北部小农持续采纳和有效使用可持续绿色（SG）包装包，建议采取一系列切实可行的、基于证据的措施。扩大农村信贷获取和投入融资至关重要，因为许多农民面临财务障碍，限制了采纳。应通过移动银行平台和当地小额信贷机构向小农提供低利率、低抵押要求的贷款，同时提供针对化肥、种子和有机改良剂的特定投入计划。与收获期相匹配的灵活还款计划可以帮助农民管理前期成本并降低因流动性限制而放弃采纳的风险。加强和现代化农业推广服务同样重要。部署接受SG技术培训的社区代理，并结合数字咨询工具（如关于覆盖、土壤改良和作物轮作的短信提醒），将有助于及时有效地使用技术。实地演示和后续访问可以进一步帮助农民克服技术和劳动力挑战。利用农民协会和社交网络可以通过促进批量投入购买、同伴学习和SG实践的监测来放大采纳效果。鼓励基于小组的劳动力共享安排可以帮助家庭克服劳动力瓶颈，特别是在农业高峰期。解决劳动力和资源约束也是必不可少的。推广耕作、种植和覆盖的机械化租赁服务，改善有机投入的获取，并促进社区劳动力交流，可以使农民维持SG包装包的采纳强度，即使对于劳动密集型组成部分也是如此。通过成人扫盲计划、农民田间学校和专注于SG包装包组件的实践研讨会投资于人力资本和技能发展，将使农民具备管理复杂实践（如综合土壤肥力管理和保护性农业）所需的知识和动手技能。

实施性别敏感的支持对于确保公平参与至关重要。应优先为女性农民提供信贷、培训、土地所有权支持和协会会员资格，而以男性为主的家庭由于放弃率较高，应获得量身定制的技术援助、风险管理指导和激励措施，以保持持续参与。最后，加强投入和市场体系将增强采纳的可持续性。通过与当地农业经销商和合作社的协调努力，确保高质量种子、化肥和土壤改良剂的及时供应，并为SG相关作物建立稳定的输出市场或合同安排，将减少收入不确定性，并防止因未满足的经济预期而放弃技术。

**理论贡献**
本研究通过表明农民对可持续绿色（SG）包装包等复合创新的采纳最好被视为一个多阶段行为过程，而不仅仅是一个单一的离散决策，从而推进了对农业技术采纳的理论理解。通过将三门槛模型应用于分开的采纳、使用强度和放弃采纳，该研究在几个重要方面为理论做出了贡献。首先，该研究扩展了创新采纳理论，表明初始采纳和持续使用代表了受不同社会经济和制度变量影响的不同行为阈值。虽然传统的采纳模型（例如，随机效用、创新扩散）假设一旦家庭越过初始决策点，采纳就反映了稳定的均衡，但研究结果表明，当出现劳动力、流动性和预期限制时，持续性是脆弱的并可能恶化。这挑战了传统的二元采纳框架，并支持了一个更动态的理论模型，在该模型中，技术使用是根据家庭能力的变化而发展的。其次，该研究通过表明放弃采纳不仅仅是采纳的相反情况，而是一个具有自身结构驱动因素的行为结果，为理论文献做出了贡献。诸如家庭规模、依赖者数量、家庭户主性别和非生产性资产所有权等因素增加了退出SG技术的可能性——这些因素并不一定抑制初始采纳。这表明需要扩展现有理论，以纳入“技术疲劳”、流动性冲击和劳动力瓶颈作为塑造长期技术参与的理论构建。第三，该研究为资源禀赋不仅影响采纳概率，还影响技术实施规模的观点提供了实证基础。研究发现表明，资产、农场规模和雇佣劳动力显著决定了使用强度，突显了基于能力的理论理论的重要性。这丰富了现有模型，表明资产阈值不仅决定了技术的存在，还决定了技术的深度。最后，通过确认采纳阶段之间的显著相关性，该研究加强了链接决策路径的理论依据，其中早期决策条件影响了后期行为结果。这加强了多阶段采纳理论，并验证了三门槛框架作为分析复杂农业创新的适当理论工具的合理性。

**研究的局限性**
尽管有这些贡献，但本研究也存在一些局限性。首先，使用横截面数据限制了捕捉随时间变化的能力，难以记录可持续绿色（SG）包装包的采纳、使用强度和放弃采纳的动态。纵向或面板数据可以提供对这些时间过程的更详细理解。其次，尽管该研究涵盖了尼日利亚北部的五个州，但研究结果可能无法完全推广到整个国家或其他具有不同社会经济或农业生态条件的农业部门。第三，某些可能影响采纳和放弃采纳决策的行为因素（如创新性、同伴影响或非正式社交网络）未纳入分析中，可能限制了结果的完整性。最后，采纳强度和放弃采纳的测量在一定程度上受到限制。例如，放弃采纳被视为一个二元变量，无法捕捉逐步过程或不同的放弃阶段和强度。未来的研究可以采用更细致的测量方法来更好地反映这些动态。尽管存在这些局限性，该研究为了解塑造SG包装包采纳、使用强度和放弃采纳的因素提供了宝贵的见解，为脆弱农业系统中的未来研究和政策设计奠定了坚实基础。

**未来研究方向**
基于这项研究的发现和局限性，提出了几个未来的研究方向。首先，建议进行纵向或面板研究，以捕捉可持续绿色（SG）包装随时间被采纳、使用强度以及弃用的动态变化。这类研究将有助于更深入地理解农民决策背后的时间过程和因果关系。其次，未来的研究可以将地理范围扩大到尼日利亚的其他州或地区，或者探索其他农业部门，以提高研究结果的普遍性。第三，纳入行为和社会因素（如创新能力、同伴影响和非正式网络）可以提供更全面的采纳和弃用决定因素的看法。最后，未来的研究应改进使用强度和弃用的测量方法，超越二分分类，以反映SG技术的不同阶段、程度以及部分采纳或放弃的情况。这将有助于更细致地了解推动技术使用和停止的过程。

**数据可用性**
当前研究中生成和分析的数据集可以在合理请求下从通讯作者处获得。

**未列入的参考文献**
Teklewold, Kassie, & Shiferaw, 2013；Teklewold et al., 2013；Teklewold et al., 2013, Environmental Economics；Kassie et al. (2011)；Peterman et al. (2014)；Doss & Morris (2001)；Shiferaw et al. (2015)；Kassie et al., 2011；Kehinde & Tijani, 2021；Shiferaw et al., 2015；Kassie et al., 2011；Kassie et al., 2011；Shiferaw et al., 2015；Kassie et al., 2011；Kehinde & Tijani (2021)；Shiferaw et al., 2015；Greene, 2018；Deb & Trivedi, 2002

**作者贡献声明**
Adebayo Akinola：撰写初稿、监督
Ayodeji Kehinde：撰写与编辑、软件开发、正式分析、概念化

**未标注的参考文献**
Kassie et al., 2013；Kassie et al., 2015；Kehinde and Tijani, 2021b；Shiferaw et al., 2014；Teklewold et al., 2019

**发表同意**
本手稿不包含任何形式的人员数据（包括个人详细信息、图片或视频），因此不需要发表同意。

**伦理审查与参与同意**
本研究已由尼日利亚伊莱-伊费奥巴费米·阿沃洛沃大学农业经济学系的伦理委员会审查并批准（批准编号：AEC/IRB/2025/019）。委员会认为该研究对参与者造成的风险很小，因此免除了正式书面同意的要求。所有程序均遵循《赫尔辛基宣言》中规定的伦理原则以及涉及人类参与者的机构指南。由于调查是通过CSPro Android平台进行面对面的人工辅助个人访谈（CAPI）完成的，因此在访谈开始前每个受访者都获得了口头同意。调查员向受访者解释了研究目的、流程、参与的自愿性、保密措施以及受访者随时拒绝参与或退出的权利，且不会产生任何后果。只有明确表示同意的受访者才被纳入调查。没有记录任何可识别的个人信息，在分析前所有数据均进行了匿名处理，以确保参与者隐私。

**利益冲突**
作者声明没有利益冲突。所有参与者（或其法定代理人）均提供了参与研究的知情口头同意。

**资金支持**
本研究未获得任何公共、商业或非营利性机构的特定资助。

**临床试验注册**
不适用。