文章快速检索     高级检索
  中国环境管理  2023, Vol. 15 Issue (4): 130-139  
0

引用本文 

赵晶晶, 葛颜祥, 李颖. 协同引擎、外部环境与流域生态补偿多主体协同行为研究——以山东省大汶河流域为例[J]. 中国环境管理, 2023, 15(4): 130-139.
ZHAO Jingjing, GE Yanxiang, LI Ying. Research on Multi-agent Collaboration Behavior of Collaboration Engine, External Environment and Watershed Eco-compensation -A Case Study of Dawen River Basin in Shandong Province[J]. Chinese Journal of Environmental Management, 2023, 15(4): 130-139.

基金项目

国家社会科学基金项目“流域生态补偿多元主体协同机制研究”(20BGL198);国家自然科学基金项目“基于碳汇功能的粮食作物生态补偿机制研究”(71503148);清华大学中国农村研究院博士论文奖学金项目“流域生态补偿多主体协同机制研究”(202211)

作者简介

赵晶晶(1993-), 女, 讲师, 研究方向为农业资源与环境管理, E-mail: 1814087540@qq.com.

责任作者

李颖(1983-), 女, 副教授, 研究方向为生态经济与资源经济, E-mail: liyingsdan@163.com.
协同引擎、外部环境与流域生态补偿多主体协同行为研究——以山东省大汶河流域为例
赵晶晶 1, 葛颜祥 2, 李颖 2     
1. 苏州城市学院城市治理与公共事务学院, 江苏苏州 215104;
2. 山东农业大学经济管理学院, 山东泰安 271018
摘要: 联合多方利益相关主体实施协同行为,提升多元异质性主体之间的协同性,对优化流域生态补偿机制效能至关重要。本文基于山东省大汶河流域的979份实地调研数据,运用层次回归与有调节的中介效应检验方法,实证剖析协同引擎、外部环境对流域生态补偿多主体协同行为的驱动机理。研究表明:①协同引擎对流域生态补偿多主体协同行为具有显著正向驱动作用;②协同意愿在协同引擎与协同行为之间起中介作用,协同引擎可通过强化协同意愿间接驱动协同行为;③外部环境正向调节协同意愿向协同行为的转化,政府规制与社会规范的调节作用均通过显著性检验;④有调节的中介效应检验结果显示,高水平的政府规制及社会规范影响下,协同意愿在协同引擎与协同行为之间的中介作用得到增强,但在低水平的政府规制与社会规范影响下,协同意愿的中介作用并不显著。
关键词: 流域生态补偿    协同引擎    协同行为    协同意愿    外部环境    
Research on Multi-agent Collaboration Behavior of Collaboration Engine, External Environment and Watershed Eco-compensation -A Case Study of Dawen River Basin in Shandong Province
ZHAO Jingjing1 , GE Yanxiang2 , LI Ying2     
1. College of Urban Governance and Public Affairs, Suzhou Gity University, Suzhou 215104, China;
2. College of Economics and Management, Shandong Agricultural University, Taian 271018, China
Abstract: It is very important to optimize the efficiency of watershed eco-compensation mechanism by uniting multi-stakeholders to implement collaborative behaviors and improving the synergy between multiple heterogeneous subjects. Based on 979 field survey data in the Dawen River basin of Shandong Province, this paper empirically analyzes the driving mechanism of collaborative engine and external environment on multi-agent collaborative behavior of watershed eco-compensation by using hierarchical regression and moderated mediation effect test methods. The results show that: (1) Collaborative engine has a significantly positive driving effect on multi-agent collaborative behavior of watershed eco-compensation; (2) Collaborative intention plays an intermediary role between collaborative engine and collaborative behavior, and collaborative engine can indirectly drive collaborative behavior by strengthening collaborative intention; (3) External environment positively regulates the transformation of collaborative intention to collaborative behavior, and the regulatory effects of government regulations and social norms pass the significance test; (4) The moderated mediating effect test results show that under the influence of high level of government regulations and social norms, the mediating effect of collaborative intention between the collaborative engine and collaborative behavior is enhanced, but under the influence of low level of government regulations and social norms, the mediating effect of collaborative intention is not significant.
Keywords: watershed eco-compensation    collaborative engine    collaborative behavior    collaborative intention    external environment    
引言

黄河流域生态保护与高质量发展战略提出后,引导多主体协同行动以缓解政府财政压力与生态治理压力,成为新时期推进流域生态补偿可持续运行的必然趋势。协同行为指各主体为实现共同目标所实施行为的总称,具体指向为多方主体的共同行为或某个主体的单独有序行为等。集体行动中,个体“违约”行为往往导致群体互动“无序”,并且无法促成多主体协同状态[1]。在政府“唱独角戏”的流域生态补偿政策实施过程中,同样存在利益相关者间互动“无序”现象,具体表现为主体的“没有补偿不保护”“不补偿或少补偿”“搭便车”行为等,致使多方主体间难以形成合力以推进流域生态补偿运行绩效的整体跃进。理论上,流域兼具空间整体性与行政地区关联性,只有联合上下游、左右岸协同共保同治,才能保障优质生态系统服务持续输出与流域生态环境的持续改善[2]。这要求多方利益相关者实施协同行为,共同签订流域生态补偿行动协议,降低个体“违约”动机,由保护者共同输出优质生态系统服务,共担保护责任;由受益者共同付费,共担补偿责任,进而产生“1+1+1>3”的整体协同效应[3]。为此,探究多方主体实施流域生态补偿协同行为的驱动因素成为一项重要研究议题。

关于流域生态补偿的研究已取得丰硕成果,主要涉及概念界定[4]、利益相关者识别[5]、补偿标准测算[6]、补偿模式应用[7]以及机制构建等方面。进入流域生态补偿发展完善阶段,为提升流域生态补偿政策绩效,需构建多元化的流域生态补偿机制[3]。目前,各利益相关者协同参与流域生态补偿的研究才刚刚起步。部分学者在构建流域多元化生态补偿基本框架[3]、优化多元主体组合的流域生态补偿模式[8]、搭建多元融资体系[9]等方面做出了有益探索。现有文献主要集中于多主体协同行为的必要性、可行性以及实施路径方面的理论探讨,关于如何驱动流域生态补偿中各方主体实施协同行为的实证研究相对较少,有必要做进一步拓展研究。田培杰[10]研究指出,协同行为并非一个单向线性的过程,需要通过推动“协同引擎”中各主体有效参与、达成一致思想共识和发挥各方主体的协同能力,为促成多主体协同行为提供足够支持。协同引擎是依据协同治理模型(SFIC)中催化领导、制度设计以及协同过程的主要内容综合考量得出的概念[10],实质为影响协同治理效果的一系列因素的总称。此外,Ullah等[11]认为主体协同也不能忽视来自政府与社会创建的基本规则及基本协议等外部环境因素对其产生的影响。刺激—反应理论认为,外部环境会通过刺激个体意愿强化其实际行为。事实上,外部环境作为开展协同活动的重要基础,其变化会促使协同成员为适应政策要求变动行为方式,形成一种新的协同关系[12]。通过优化外部环境能够及时修正与消除影响行为有序性的不利因素,有助于促成多主体协同的理想状态[13]。因此,协同引擎、协同意愿与外部环境均可能对流域生态补偿多主体协同行为存在影响。

鉴于此,本文基于山东省大汶河流域的979份实地调研数据,运用层次回归与有调节的中介效应检验方法,拟进行如下拓展研究:第一,基于计划行为理论与协同治理模型(SFIC),构建流域生态补偿多主体协同驱动模型;第二,从微观个体感知视角出发,探讨协同引擎对流域生态补偿多主体协同行为的影响机理,同时,在协同引擎影响流域生态补偿多主体协同意愿的基础上,重新审视协同意愿对协同行为的解释与预测程度;第三,将外部环境(政府规制、社会规范)作为调节变量纳入分析框架,剖析其对协同意愿转化为协同行为的调节作用,以期为引导多主体协同参与流域生态补偿提供实证依据与价值参考。

1 理论分析与研究假设 1.1 协同引擎与流域生态补偿多主体协同行为

SFIC模型是目前学术界最具代表性与普适性的协同治理分析模型,模型起始条件中对资源不对称及各方主体协同动机的考量,符合引导各方主体协同参与流域生态补偿问题的需求。因此,本研究将协同引擎引入流域生态补偿领域,分析其对多主体协同行为可能存在的影响。协同引擎具体涵盖有效参与、思想共识和协同能力3个要素[10]。其中,保障有效参与需要优化主体关系、强化信任与依赖(权利共享);达成一致思想共识则要求各方对共同目标有清晰的认知,相互信任与保障公平(利益平衡)[14];协同能力具体指个体具备的整合、构建、重新配置资源的能力,其对促成协同行为并产生实际成果至关重要[15]。此外,贺桂珍等[16]认为协同态度反映了参与者对集体行动的认同程度以及资源、精力的投入程度,是影响协同行为产生的重要因素,理应纳入协同引擎范畴。为方便分析,本文结合不同利益诉求群体参与流域生态补偿的实际情况,对协同引擎涵盖的核心因子进行归纳,具体涉及信任、公平、依赖、协同能力与协同态度五个关键维度。

事实上,协同各方间的信任、公平及依赖程度越高,主体间关系质量越好,越能够对多主体协同过程产生积极影响。Hoof等[17]认为,当参与者认同协同行为价值并认为自身拥有足够的资源(如时间、精力、知识,合作经验)时,这种积极正向的协同态度与较高水平的协同能力,对促成协同行为实现协同效果具有积极作用。因此,基于流域生态补偿情景,可将协同引擎看作是驱动利益相关者达成提升流域生态补偿运行绩效与实现流域生态保护效果最大化协同目标的一种内在驱动因素,协同引擎程度越高,促成多主体协同行为的概率越大。据此,基于个体感知角度,分析协同引擎对流域生态补偿多主体协同行为的影响,并提出以下研究假设:

H1:协同引擎正向影响流域生态补偿多主体协同行为。

1.2 流域生态补偿多主体协同意愿的中介作用

意愿是反映个体执行某一特定行为的直接心理陈述与想要执行该行为的倾向程度[18]。个体对开展某一特定环境行为的意愿越明显,则其开展亲环境行为的可能性越大。罗琳等[19]认为,个体协同意愿越强,越有助于触发实际协同行为,进而产生较好的协同效果。计划行为理论认为,意愿可以表述为行为的前提,意味着协同意愿达成有助于促成协同行为。Juana等[20]从个体视角出发,指出参与者的合作意愿对促成合作与减少“搭便车”等机会主义行为具有积极作用。王格玲等[21]研究发现,尽管意愿与行为间存在较强的相关关系,但并不意味两者是等同的,为促成实际行为需修正意愿与行为间的转化偏差。因此,在流域生态补偿领域,倘若个体愿意签订流域生态补偿行动协议、没有补助也愿意参与流域生态补偿活动以及计划与其他利益相关者共担保护流域生态环境责任的倾向性越明显,这种较高水平的协同意愿转化为协同行为的可能性越大。

此外,Klöckner[22]认为,个体内在因素对某一特定环境行为的影响也会通过行为意愿间接影响实际的环境行为。吕宛青[23]研究发现,个体态度、能力感知会通过意愿的传导作用对实际行为产生显著的间接影响。这意味着基于个体感知视角下的协同引擎可能通过协同意愿间接影响协同行为。各主体之间的信任、依赖、公平程度越高,协同态度越积极,协同能力感知越强时,在较高程度协同引擎因素的影响下其协同意愿越强烈,转化为实际协同行为的概率也会越大。对此,提出以下研究假设:

H2:协同意愿在“协同引擎—协同行为”关系中具有中介作用。

H2a:协同引擎正向影响协同意愿。

H2b:协同意愿正向影响流域生态补偿多主体协同行为。

1.3 外部环境的调节作用 1.3.1 政府规制的调节作用

政府规制是政府采取特殊的立法、行政及司法手段直接调节控制个体行为的形式[24]。理论上,政府规制作为一种外部环境因素,会刺激个体行为意愿,强化其实际的参与行为。盛永祥等[25]认为协同意愿作为行为主体的主观性表现,会受到外部环境的影响。刺激—反应理论认为,政府规制会刺激个体流域生态补偿参与意愿,强化其实际参与行为。基于情境认知理论,个体亲环境行为受其认知水平影响的同时,也会根据政府规制的强弱效应发生改变,即政府规制对个体亲环境行为起调节作用。因此,政府规制作为影响个体意愿向实际行为转化过程中的外部环境因素,其在协同意愿影响协同行为关系中的正向调节作用还有待进一步验证。此外,Edwards等[26]研究发现,当中介作用与调节作用共同存在时,可能存在有调节的中介效应。意味着政府规制也可能调节协同意愿在协同引擎与协同行为关系间的中介作用。对此,基于个体对政府规制的接受角度,从约束规制、激励规制、引导规制3方面测度政府规制,并提出以下研究假设:

H3:政府规制正向调节协同意愿与协同行为间的关系。

H3a:政府规制可正向调节协同意愿在协同引擎与协同行为关系间的中介作用。

1.3.2 社会规范的调节作用

社会规范指行为个体做出某一特定环境行为决策过程中所感知的群体规则与行为准则[27]。张郁等[28]研究发现,对于处在一定社会网络结构中的个体,不仅受个人规范是否被激活的影响,同时也受其感知到的社会期待及外部情景因素的影响。郭清卉等[29]指出,在群体互动过程中,社会规范会提升个人规范,进而强化个体的亲环境行为。赵秋倩等[30]认为流域上下游、左右岸的各方主体同时处在一个社会网络中,其行为会受到社会规范的影响,自发促成行为约束,产生与其他参与者良性互动的社会效应,最终通过价值引导实现行为意愿到实际行为的转换。倘若周边群体形成共同参与流域生态补偿的共识,在这种社会环境或舆论氛围的影响下,会强化个体协同意愿,驱动其开展协同行为的可能性越大。因此,本文认为社会规范能够正向调节各主体协同意愿与协同行为间的关系。此外,社会规范也可能调节协同意愿在协同引擎与协同行为关系间的中介作用[26]。据此,提出以下研究假设:

H4:社会规范正向调节协同意愿与协同行为间的关系。

H4a:社会规范可正向调节协同意愿在协同引擎与协同行为关系间的中介作用。

综上,构建流域生态补偿多主体协同驱动模型的理论框架,见图 1

图 1 流域生态补偿多主体协同驱动模型
2 材料与方法 2.1 研究区概况

大汶河流域系黄河下游山东境内最大的支流,地处山东省中部,地理位置在东经116.12° ~ 117.56°,北纬35.59° ~ 36.70°。该河起源于济南市钢城区汶源街道办事处旋崮顶东麓台子村,汇集泰山山脉以南、蒙山山脉以北诸水,自东向西流经济南市的钢城区、莱芜区,泰安市的岱岳区、泰山区、肥城市、宁阳县、东平县,最终于东平县马口村注入东平湖,再由东平湖清河门、陈山口出湖闸入黄河,全长231 km,流域面积8944 km2

在2008年大汶河流域上下游协议生态补偿试点中,补偿资金由省级财政和泰安、莱芜(现济南市的莱芜区与钢城区)两市财政共筹集资金2000万元(其中,省级政府筹集1200万元),补偿标准依据流域水质状况,按照上年度跨界断面水质自动监测数据(COD和氨氮)的年平均值进行考核。该试点充分调动了两地政府加大流域水生态治理的积极性,流域生态补偿取得显著成效。截至2022年12月,大汶河流域水质得到明显改善,为Ⅱ类水质。但依据国家采测分离数据显示,仍有部分河段水质较差,化学需氧量浓度超标,氨氮、总磷、总氮、氟化物是主要污染物,大汶河流域呈轻度污染。在实地调研中也证实了上述情况。

2.2 数据来源

依据利益相关者理论,重点关注流域生态补偿的核心利益相关者,兼顾具体性与抽象性特点将多主体界定为政府、企业及流域居民三方主体。为方便数据采集与分析,问卷中用签订流域生态补偿行动协议来表征流域生态补偿多主体协同行为。本文所用数据来自课题组2021年12月—2022年2月在山东省大汶河流域开展的实地调研。基于大汶河流域水系图,根据各样本地区的经济发展水平及大汶河的距离,同时考虑实地调研可行性与便利性,在济南市城乡水务局、泰安市河长办的配合下,从7个县(市、区)中各选取3个典型乡镇,各乡镇选取3~ 5个行政村。在此基础上,采用随机抽样的方式对受访者(主要涉及政府工作人员、流域周边企业负责人以及流域居民)展开一对一访谈。其中,政府工作人员主要包括城乡水务局、河道管理局(河长办)、大汶河管理处以及样本镇政府的工作人员,企业负责人为流域周边企业的高层管理者。

调研结束后,对问卷进行筛选,剔除无效的问卷,最终获得适用于本研究所用有效问卷979份。从受访者基本特征来看(表 1),政府工作人员占比12.6%,企业负责人占比19.3%,流域居民占比68.1%。受访者以男性居多,占比64.2%;受访者年龄以46~ 55岁及56~ 65岁这两个年龄段居多,占比48.2%;受访者受教育程度以初中或中专/ 高中学历居多,占比64.7%;从受访者家庭总收入来看,41.7% 的受访者家庭年收入水平低于3万元,36.3% 的受访者的家庭年收入处在3万~ 7万元的水平;此外,78.1% 的受访者对流域生态补偿政策有一定了解,89.5% 的受访者具有较高的流域生态保护认知水平。

表 1 受访者的基本特征
2.3 变量选取 2.3.1 因变量

因变量为流域生态补偿多主体协同行为。借鉴董霞等[31]、郑云辰等[3]的研究,结合多方主体参与流域生态补偿的实际情况进行改进后,具体设置3个题项(表 2),均按照“从未做到”“较少做到”“约半做到”“较多做到”“经常做到”依次赋值1~ 5。

表 2 测量题项及描述性统计
2.3.2 自变量

自变量为协同引擎,具体包含协同态度、协同能力、信任程度、公平程度、依赖程度五个关键维度(表 2)。其中,①协同态度量表参照姚引良[15]的研究,共设置3个题项;②协同能力量表参照姚引良等[14]、曾贤刚等[32]的研究,共设置3个题项;③信任程度量表参考赵佳佳等[33]的研究,主要考察受访者对其他利益相关者(政府、企业、街坊邻居)履约自觉性的信任程度以及多主体间信任程度的感知,共设置4个题项;④公平程度量表参照钟文晶等[34]的研究,共设置4个题项;⑤依赖程度量表参考刘刚等[35]的研究,用个体所做承诺间接反映依赖程度,共设置3个题项。以上各题项均按照受访者的回答程度依次赋值1~ 5。

2.3.3 中介变量

中介变量为流域生态补偿多主体协同意愿,借鉴王格玲等[21]、董霞等[31]的研究,共设置3个题项(表 2),按照受访者的同意程度从“非常不同意”到“非常同意”依次赋值1~ 5。

2.3.4 调节变量

调节变量为外部环境,主要包含政府规制与社会规范两个维度。政府规制借鉴盖豪等[24]的研究,社会规范参照郭清卉等[29]的研究,各分别设置3个题项(表 2),均按照受访者的同意程度从“非常不同意”到“非常同意”依次赋值1~ 5。

2.3.5 控制变量

为避免其他可能影响协同意愿与协同行为的因素对检验结果产生干扰,故将受访者个体特征(包括性别、年龄、受教育程度、收入水平)、受访者认知特征(生态保护认知、政策认知)、主体类型及所属地区设置为模型的控制变量。

2.4 研究方法

参照Hayes[36]提出的有调节中介的检验流程,运用Bootstrap技术方法对流域生态补偿多主体协同意愿的中介效应和外部环境(政府规制、社会规范)的调节效应以及有调节的中介效应进行检验。构建的概念模型如下:

(1)
(2)
(3)

式中,Y为因变量协同行为;Xeg为自变量协同引擎;T为中介变量协同意愿;Mev为调节变量外部环境(政府规制、社会规范);γ为控制变量;αβ1β2cc1 'c2 '为待估参数;ε1ε2ε3为随机误差项。式(1)是协同引擎对协同行为的直接影响;式(2)是协同引擎对协同意愿的直接影响;式(3)协同意愿通过外部环境(政府规制、社会规范)调节的协同引擎对协同行为的间接影响。

3 结果与分析 3.1 信效度检验及同源偏差检验

SPSS26.0运行结果见表 3,量表整体效度检验的KMO值为0.890,Bartlett球形检验χ 2为9877.625(Sig=0.000),表明样本适合进行因子分析。采用最大方差法(Varimax)进行直交转轴,29个题项可以提取出9个主成分,9个主成分的累积贡献率为66.667%,与模型设计内容一致,因此,认为模型具有良好的结构效度。各潜变量的Cronbach’s α值均高于理想值0.7,且各潜变量的组合信度(Composite Reliability,CR)值均满足大于0.7的可接受标准,表明模型具有较高的信度水平。通过探索性因子分析,29个可观测变量的标准因子载荷系数均大于0.5,表明各变量的内部一致性较好。通过验证性因子分析,各潜变量的平均方差萃取值(Average Variance Extracted,AVE)满足大于0.5的预置条件,表明模型具有较好的收敛效度。总体而言,本文涉及的9个潜变量,29个观测变量均通过信度、效度检验。

表 3 信效度检验

为进一步验证问卷数据的共同源偏差问题,采用Harman单因素法,在未旋转情况下第一公因子对题项的方差解释率为25.540%,未达临界值50%,这表明本研究不存在共同源偏差问题,适合展开下一步分析。

3.2 主效应及中介效应检验

本文采用层次回归分析法和有调节中介的分析流程共同验证研究假设。首先对全部模型进行多重共线性检验,方差膨胀因子(VIF)均小于3,说明模型不存在严重共线性问题。

将流域生态补偿多主体协同行为作为因变量进行层次回归并对主效应、中介效应和调节效应进行验证,步骤如下:首先,将控制变量引入回归方程;其次,将自变量协同引擎和中介变量协同意愿分别引入回归方程;最后,在对协同意愿、政府规制和社会规范进行中心化处理并构造乘积项以后,将交互项(协同意愿×政府规制、协同意愿×社会规范)引入回归方程,运行结果见表 4p代表显著性水平,β表示回归系数,R2为拟合优度)。

表 4 层次回归检验结果

模型1与模型2为协同引擎对流域生态补偿多主体协同行为的直接效应检验结果。模型1只加入控制变量,模型2在模型1基础上加入自变量协同引擎,模型2显示,协同引擎对流域生态补偿多主体协同行为具有显著正向影响(β =0.460,p < 0.01)。模型2比模型1的R2增加了0.199,说明协同引擎对流域生态补偿多主体协同行为具有较强的解释力,验证假设H1成立。模型6为协同意愿中介效应的前半段检验,协同引擎对协同意愿具有显著的正向影响(β =0.398,p < 0.01),假设H2a得证。模型3为协同意愿中介效应的后半段检验,协同意愿正向影响流域生态补偿多主体协同行为(β =0.181,p < 0.01)。假设H2b得证。

考虑到依次检验能力较低的问题,进一步运用偏差校正非参数百分位Bootstrap法来检验研究模型中协同意愿的中介效应。运用SPSS26.0中PROCESS(v4.0)宏程序,选择模型4,设置95% 置信区间重复抽样5000次,均值加减一个标准差作为分组条件进行数据分析。检验结果是根据95% 的置信区间是否包含“0”来判断,若置信区间的下限与上限之间均不包括“0”,就可验证存在中介效应。运行结果见表 5,协同意愿的间接效应的效应值为0.073(CI= [0.045, 0.104]),置信区间不包含0,验证协同意愿发挥部分中介作用。此外,将协同引擎根据维度拆分后的区间估计结果显示协同态度、协同能力、信任程度、公平程度、依赖程度间接效应的置信区间均不包含0,表明协同意愿的中介效应通过显著性检验,假设H2得证。

表 5 直接效应和中介效应Bootstrap检验结果
3.3 调节效应检验

政府规制与社会规范的调节效应检验结果见表 4中的模型4与模型5。从协同意愿与政府规制的交互项系数来看(β =0.082,p < 0.01),政府规制能够正向调节协同意愿与协同行为间的关系;从协同意愿与社会规范的交互项系数来看(β =0.055,p < 0.1),社会规范同样能够正向调节协同意愿与协同行为间的关系,验证假设H3、H4成立。

进一步,对政府规制、社会规范在“协同引擎→协同意愿→协同行为”(后半段受调节的中介)路径中的有调节的中介效应进行检验,选择PROCESS(v4.0)中模型14,运行结果见表 6,调节中介指标(INDEX)的置信区间均不包含0,进一步证实有调节的中介效应显著,由此验证H3a、H4a均成立。当政府规制水平较低时,协同意愿的中介作用并不显著(CI=[-0.015, 0.053])。可能的解释是:政府规制水平较低的情况下,受“依赖政府”固化思维的影响,其他利益相关者会在政府唱“独角戏”的流域生态补偿运行模式中,更倾向于选择“搭便车”等“违约”行为。在高政府规制水平条件下,协同意愿的中介作用显著(CI=[0.031, 0.119]),表明政府规制水平较高的情况下,协同引擎会强化协同意愿,进而有助于促成协同行为。

表 6 有调节的中介效应检验结果

当社会规范水平较低时,协同意愿的中介作用同样不显著(CI=[-0.017, 0.053])。可能的解释是:现阶段流域生态补偿运行过程中,处在一个社会网络中的其他参与者尚未形成一致的“行动共识”与情感认同。但在高社会规范水平下,协同意愿的中介作用明显(CI=[0.029, 0.118]),意味着高水平社会规范影响下,协同引擎会强化协同意愿,进而对协同行为产生正向驱动作用。

为探究协同引擎各个维度有调节的中介效应是否显著,本文依次对协同态度、协同能力、信任程度、公平程度及依赖程度进行检验。结合表 6中调节中介指标(INDEX)发现,在政府规制与社会规范的调节作用下,协同意愿在协同态度、公平程度与协同行为关系间的中介作用均显著,但在协同能力、依赖程度与协同行为关系间的中介作用均不显著。可能的解释是:从协同能力来看,主体参与流域生态补偿付出的时间、精力等个人资源越多,在放弃经济发展机会的同时其家庭收入可能会有所减少。在此过程中,参与者会受自身经济实力的影响,参与流域生态补偿后未获得足够的经济补偿或合理收益,致使经济实力下降。因此,从长期来看,尽管个体存在协同意愿,在缺少合理利益回报的情况下,仍无法开展持续性的协同行为。从依赖程度来看,在传统的“政府主导型”运行模式影响下,各主体间相互依赖程度并不高,即使优化外部环境,尚且无法从根本上改变其“搭便车”内在倾向。

此外,在社会规范的调节作用下,协同意愿在信任程度与协同行为关系间的中介作用并不显著。可能的解释是:现阶段流域生态补偿实施过程中,个体对同质群体、异质群体的实际信任水平并不高。调研中发现,受访者认为同质群体“搭便车”行为普遍,即使处在较好的社会氛围中,参与者协同意愿转化为实际协同行为可能性依旧很小。

在协同治理领域中,协同引擎通常被认为是影响协同治理效果的关键因素。将其纳入流域生态补偿领域,同样验证了包含协同能力、协同态度、信任程度、公平程度以及依赖程度在内的“协同引擎”对流域生态补偿多主体协同行为具有直接驱动作用。协同治理强调信任是协同成功的前提条件,与之相比,流域生态补偿多主体协同更强调上下游间、各区域间、异质性主体间、同质主体间的协同性,维护参与主体间的利益平衡与公平性至关重要。此外,协同治理实践与流域生态补偿多主体协同实践都受外部环境因素的影响,为提升协同实践效果需优化外部环境。

4 结论与政策建议

本文基于山东省大汶河流域的979份实地调研数据,运用层次回归与有调节的中介效应检验方法,实证剖析协同引擎、外部环境对流域生态补偿多主体协同行为的驱动机理,得出以下研究结论:①协同引擎对流域生态补偿多主体协同行为具有显著的正向驱动作用;②协同意愿在协同引擎与协同行为之间起中介作用,协同引擎可通过强化协同意愿间接驱动协同行为;③外部环境正向调节协同意愿向协同行为的转化,政府规制与社会规范的调节作用均通过显著性检验;④有调节的中介效应检验结果显示,高水平的政府规制及社会规范影响下,协同意愿在协同引擎与协同行为之间的中介作用得到增强,但在低水平的政府规制与社会规范影响下,协同意愿的中介作用并不显著。

基于以上研究结论,本文提出如下政策建议:

(1)从协同引擎角度出发,注重提升流域生态补偿中各主体间信任、公平与依赖水平,改善主体协同态度与协同能力。一方面,政策制定者可引导各方主体签订正式协议或建立契约关系,对行动目标、行为准则、责任划分、利益共享、风险共担、补偿标准、补偿方式、效果监督等主要环节进行完善,增强各方主体间的信任水平;转变政府“绝对主导者”角色、打破各主体“依赖政府”惯性思维,提供市场交易、生态购买、生态彩票、绿色债券、信托基金等参与方式,疏通、拓宽各主体参与渠道,鼓励参与者做出达成多主体共同行动的一致承诺,增强主体间相互依赖程度;提供各方主体利益诉求表达的有效途径及解决矛盾冲突的可行方案,最大程度维护主体间的公平。另一方面,综合考量异质性主体间的利益诉求,通过建设清洁生产示范园区和生态工业园区,引导保护区企业搬迁入园,推动企业整合集聚发展,引导保护区承接生态农业、绿色养殖、生态旅游等环境友好型经济项目以确保居民能够获得新的就业空间,保障主体参与流域生态补偿后仍具备可持续发展能力与获取稳定的收入来源,进而改善主体的协同态度与协同能力,提升其参与流域生态治理及补偿活动的自愿性、积极性。

(2)从外部环境角度出发,强化政府规制与社会规范水平,发挥其在促成多主体协同参与流域生态补偿中的积极作用。研究发现,协同意愿正向影响协同行为,但并不具有完全的解释力,在外部环境的影响下,能够提高参与者协同意愿对协同行为的预测程度。因此,政策制定者要重视加强多主体共同参与流域生态补偿的政策宣传及引导力度,提供各方主体参与流域生态补偿的财政补贴、信贷支持等政策优惠,加强约束型规制建设与重视效果评估与监督,充分发挥政府规制的“硬约束”作用。基于社会规范方面,可借助村规村约、项目示范等方式发挥描述性与命令性规范的作用,营造多主体共同行动的良好社会风气。结合流域生态补偿实施情况解读指令性社会规范,引导各方主体签订流域生态补偿行动协议,引入“河长巡河员监管”模式,强化社会规则压力的同时带动更多潜在利益相关者签订协议,进而促成流域生态补偿多主体协同行为。

参考文献
[1]
曾健, 张一方. 社会协同学[M]. 北京: 科学出版社, 2000: 30-33.
[2]
谢慧明, 毛狄, 沈满洪. 流域上游居民接受生态补偿意愿及其偏好研究——以新安江流域为例[J]. 生态学报, 2022, 42(16): 6633-6643.
[3]
郑云辰, 葛颜祥, 接玉梅, 等. 流域多元化生态补偿分析框架: 补偿主体视角[J]. 中国人口· 资源与环境, 2019, 29(7): 131-139.
[4]
孙翔, 王玢, 董战峰. 流域生态补偿: 理论基础与模式创新[J]. 改革, 2021(8): 145-155.
[5]
董战峰, 郝春旭, 璩爱玉, 等. 黄河流域生态补偿机制建设的思路与重点[J]. 生态经济, 2020, 36(2): 196-201.
[6]
潘美晨, 宋波. 受偿意愿在确定生态补偿标准上下限中的作用[J]. 中国环境科学, 2021, 41(4): 1932-1939.
[7]
杨爱平, 杨和焰. 国家治理视野下省际流域生态补偿新思路——以皖、浙两省的新安江流域为例[J]. 北京行政学院学报, 2015(3): 9-15.
[8]
巩芳. 草原生态四元补偿主体模型的构建与演进研究[J]. 干旱区资源与环境, 2015, 29(2): 21-26.
[9]
赵晶晶, 葛颜祥, 李颖. 流域生态补偿多元融资的障碍因素、国际经验及体系建构[J]. 中国环境管理, 2022, 14(2): 62-69.
[10]
田培杰. 协同治理: 理论研究框架与分析模型[D]. 上海: 上海交通大学, 2013: 110-119.
[11]
ULLAH I, KIM D Y. A model of collaborative governance for community-based trophy-hunting programs in developing countries[J]. Perspectives in ecology and conservation, 2020, 18(3): 145-160. DOI:10.1016/j.pecon.2020.06.004
[12]
MCLOUGHLIN C. Factors affecting state-non-governmental organisation relations in service provision: key themes from the literature[J]. Public administration and development, 2011, 31(4): 240-251. DOI:10.1002/pad.611
[13]
朱喜群. 生态治理的多元协同: 太湖流域个案[J]. 改革, 2017(2): 96-107.
[14]
刘伟俊, 杨丹. 城市巨灾风险协同治理机制及其优化路径研究——基于SFIC模型的视角[J]. 城市发展研究, 2022, 29(3): 12-16.
[15]
姚引良, 刘波, 王少军, 等. 地方政府网络治理多主体合作效果影响因素研究[J]. 中国软科学, 2010(1): 138-149.
[16]
贺桂珍, 吕永龙. 新建核电站风险信息沟通实证研究[J]. 环境科学, 2013, 34(3): 1218-1224.
[17]
VAN HOOF B, THIELL M. Collaboration capacity for sustainable supply chain management: small and mediumsized enterprises in Mexico[J]. Journal of cleaner production, 2014, 67: 239-248.
[18]
李昊, 李世平, 南灵. 农户农业环境保护为何高意愿低行为?——公平性感知视角新解[J]. 华中农业大学学报(社会科学版), 2018(2): 18-27.
[19]
罗琳, 魏奇锋, 顾新. 产学研协同创新的知识协同影响因素实证研究[J]. 科学学研究, 2017, 35(10): 1567-1577.
[20]
SANTA J C, EXADAKTYLOS F, SOTO-FARACO S. Beliefs about others' intentions determine whether cooperation is the faster choice[J]. Scientific reports, 2018, 8(1): 7509.
[21]
王格玲, 陆迁. 意愿与行为的悖离: 农村社区小型水利设施农户合作意愿及合作行为的影响因素分析[J]. 华中科技大学学报(社会科学版), 2013, 27(3): 68-75.
[22]
KLÖCKNER C A. A comprehensive model of the psychology of environmental behaviour-a meta-analysis[J]. Global environmental change, 2013, 23(5): 1028-1038.
[23]
吕宛青. 居民可持续遗产旅游参与行为研究——基于计划行为理论视角[J]. 社会科学家, 2019(12): 89-100.
[24]
盖豪, 颜廷武, 张俊飚. 感知价值、政府规制与农户秸秆机械化持续还田行为——基于冀、皖、鄂三省1288份农户调查数据的实证分析[J]. 中国农村经济, 2020(8): 106-123.
[25]
盛永祥, 胡俊, 吴洁, 等. 技术因素影响产学研合作创新意愿的演化博弈研究[J]. 管理工程学报, 2020, 34(2): 172-179.
[26]
EDWARDS J R, LAMBERT L S. Methods for integrating moderation and mediation: a general analytical framework using moderated path analysis[J]. Psychological methods, 2007, 12(1): 1-22.
[27]
韦庆旺, 孙健敏. 对环保行为的心理学解读——规范焦点理论述评[J]. 心理科学进展, 2013, 21(4): 751-760.
[28]
张郁, 徐彬. 基于嵌入性社会结构理论的城市居民垃圾分类参与研究[J]. 干旱区资源与环境, 2020, 34(10): 64-70.
[29]
郭清卉, 李昊, 李世平, 等. 社会规范、个人规范与土壤污染防治——来自农户微观数据的证据[J]. 干旱区资源与环境, 2020, 34(11): 1-7.
[30]
赵秋倩, 夏显力. 社会规范何以影响农户农药减量化施用——基于道德责任感中介效应与社会经济地位差异的调节效应分析[J]. 农业技术经济, 2020(10): 61-73.
[31]
董霞, 王林, 曹龙, 等. 祁连山地区农户参与生态补偿意愿与行为研究——以甘肃省张掖市肃南裕固族自治县为例[J]. 干旱区资源与环境, 2020, 34(8): 74-79.
[32]
曾贤刚, 段存儒, 虞慧怡. 社会资本对生态补偿绩效的影响机制研究——以锡林郭勒盟草原生态补偿为例[J]. 中国环境科学, 2019, 39(2): 879-888.
[33]
赵佳佳, 魏娟, 刘军弟, 等. 信任有助于提升创业绩效吗?——基于876个农民创业者的理论探讨与实证检验[J]. 中国农村观察, 2020(4): 90-108.
[34]
钟文晶, 罗必良. 公共政策及其响应: 基于农民信任机制的解释——以农地确权政策为例[J]. 中国农村观察, 2020(3): 42-59.
[35]
刘刚, 王岚. 公平感知、关系质量与研发合作关系价值研究[J]. 科研管理, 2014, 35(8): 25-33.
[36]
HAYES A F. Introduction to Mediation, Moderation, and Conditional Process Analysis[M]. 2nd ed. New York: The Guilford Press, 2018: 325-357.