農(nóng)戶采取抗旱適應性措施的決定因素研究

陳 煌,王金霞,黃季焜

(中國科學院地理科學與資源研究所農(nóng)業(yè)政策研究中心,北京 100101)

旱災是世界上影響糧食安全最嚴重的自然災害之一[1]。2002年澳大利亞因旱災導致糧食總產(chǎn)量減少59%,糧食出口降低19%[2]。2010年,泰國和俄羅斯都遭受了歷史罕見的干旱,導致泰國受災季大米減產(chǎn)60%,俄羅斯宣布暫時禁止玉米、小麥等農(nóng)產(chǎn)品出口。2011年歐洲多個國家遭受嚴重旱災侵襲。在近20多年中,旱災導致中國平均每年損失糧食270多億kg，其中2000年的糧食損失竟然高達近600億kg,約占當年總產(chǎn)量的13%[3]。在同一時期,旱災也使得每年有2 800萬人口和2 200頭牲畜飲水困難[4]。2007年和2009年,旱災給中國帶來的直接經(jīng)濟損失高達1 000多億元[5]。

面對日益嚴峻的極端氣候挑戰(zhàn),如何采取適應性措施來緩解旱災等氣候風險的負面影響引起了國際社會的廣泛關注，中國政府也將適應性政策的制定與實施列入國家優(yōu)先先動計劃。然而,適應氣候變化是一項復雜的系統(tǒng)工程,一些國外學者的研究表明,信息提供、政策支持、社會經(jīng)濟和自然條件等眾多因素影響著適應性措施的采用[6-7]。盡管對旱災等適應性措施的采用及影響因素也引起了中國學者的關注,但現(xiàn)有的研究還難以有效支持國家適應性策略的設計與實施。目前國內(nèi)大多研究成果是基于宏觀面的適應性策略的討論或模擬分析[8-11],很少有基于大規(guī)模實地調(diào)研基礎上開展的定量研究。Mirza等[12]指出,由于缺乏微觀面社會經(jīng)濟方面的深入分析,宏觀面適應性措施的實施往往面臨很大的挑戰(zhàn)。

在旱災日益嚴重的背景下,為了提高應對災害能力,急需回答如下問題:農(nóng)戶在面臨旱災時做出適應性反應受到哪些因素的影響?政府在農(nóng)戶提高抗旱能力方面能起什么作用?回答以上問題不僅有助于學術界對農(nóng)戶適應性措施采取行為的認知,更重要的是這種實證研究能為利益相關者制定抗旱適應性策略提供決策依據(jù)。圍繞以上問題,本研究的目標是探討農(nóng)戶采取適應性措施的影響因素,為相關領域的研究和國家制定相關政策提供實證依據(jù)。為了實現(xiàn)以上研究目標,本文開展如下兩方面的研究:首先,基于大規(guī)模實地調(diào)研,用描述性統(tǒng)計分析的方法初步判斷農(nóng)戶做出適應性反應的影響因素;其次,基于計量經(jīng)濟學模型的估計,深入分析災害政策支持、農(nóng)戶及社區(qū)的社會經(jīng)濟和自然條件等因素對農(nóng)戶采取適應性措施的影響。

研究所用數(shù)據(jù)來源于本課題組2010年在我國6個省(河北省、吉林省、安徽省、四川省、云南省和浙江省)開展的大規(guī)模實地調(diào)查。這些省份的選取不僅反映了南北方地域的差異,而且也反映了社會經(jīng)濟發(fā)展水平方面的差異。本課題組在每個省隨機選取了3個縣,每個縣隨機選取了2個鄉(xiāng)，每個鄉(xiāng)隨機選取了3個村開展調(diào)研;另外,每個村內(nèi)又隨機選取了10個農(nóng)戶。調(diào)查樣本最終包括6個省中的18個縣、36個鄉(xiāng)、108個村、1 080戶農(nóng)戶。調(diào)研結果表明,在2006—2010年這5年中有53%(91個村的569戶)的農(nóng)戶遭受了旱災影響,因而本文將以這569戶農(nóng)戶作為分析樣本。

1 描述性統(tǒng)計分析

國外研究表明,信息提供、政策支持、社會經(jīng)濟和自然條件等因素影響農(nóng)戶適應性措施采用的決策[13-15]。國內(nèi)的一些研究表明種植結構也可能是影響農(nóng)戶采用適應性措施的一個因素[16]。此外,耕地地形等條件對適應性措施采用的影響也有待進一步研究[17]。筆者基于調(diào)研數(shù)據(jù),運用描述性統(tǒng)計分析的方法探討影響農(nóng)戶采取抗旱適應性施的主要因措素。

1.1 信息提供和政策支持與抗旱適應性措施的采用

調(diào)研發(fā)現(xiàn),信息的提供及支持政策都可能對農(nóng)戶采取適應性措施產(chǎn)生積極影響。例如,在沒有提供抗旱預警和防治信息的村中,采取適應性措施的農(nóng)戶比例為81%,這一比例低于提供了抗旱預警和防治信息的村中農(nóng)戶采用比例(88%)，如表1所示。進一步分析可知,如果只有提供災后抗旱信息,采取適應性措施的農(nóng)戶比例為86%,低于只有災前提供信息(90%)或者災前和災后都提供信息的情況(89%),說明只在災后提供抗旱信息對農(nóng)戶采取適應性措施的行為影響可能不如另外二者大。同樣,如果政府在技術、物質(zhì)或資金方面提供政策支持,高達96%的農(nóng)戶將采取相應的適應性措施;然而,如果政府沒有提供相關的政策支持,采取適應性措施的農(nóng)戶比例將降低到85%。以上分析說明,如果政府提供抗旱預警和防止信息(特別是災前和災后都提供此類信息)或者提供技術、物質(zhì)或資金等方面的政策支持,農(nóng)戶采取適應性措施的概率就可能趨于增加,從而有利于提高抵御旱災風險的能力。

表1 抗旱預警和防治信息的提供及政策支持與農(nóng)戶采取適應性措施的關系

表2 農(nóng)戶社會經(jīng)濟特征和自然條件對農(nóng)戶采取適應性措施的影響

1.2 農(nóng)戶的社會經(jīng)濟和自然條件與抗旱適應性措施的采用

除了政策因素外,農(nóng)戶采取適應性措施也與農(nóng)戶的一些社會經(jīng)濟特征和自然條件有相關關系。例如,采取適應性措施農(nóng)戶的社會資本狀況則較好,戶均干部數(shù)量為0.27個,幾乎是不采取措施農(nóng)戶的2倍,這可能說明良好的社會資本有利于農(nóng)戶采取適應性措施 (表2)。在采取適應性措施的農(nóng)戶中,糧食作物的播面比例(80%)高于不采取適應性措施的農(nóng)戶糧食作物播面比例(76%),表明農(nóng)戶更可能針對糧食作物的受旱采取一些適應性措施。另外,農(nóng)戶家庭越富裕,農(nóng)戶就越有可能采取適應性措施。在采取措施的農(nóng)戶中,務農(nóng)人口比例為74%,稍高于不采用措施農(nóng)戶的務農(nóng)比例(73%),可能表明務農(nóng)人口越多,采取適應性措施的可能性也越大。在采用適應性措施的農(nóng)戶中,務農(nóng)人口的教育水平(6.0)高于不采取措施農(nóng)戶(5.6)的教育水平,而其勞動力的年齡較低,這說明農(nóng)戶教育水平越高、年齡越小,采取適應性措施的可能性就越大。農(nóng)戶面臨的自然條件也可能是影響對于采取適應性措施的一個因素,例如對于采取措施的農(nóng)戶,在他們的耕地中山地、坡地和梯田等非平地所占的比例為45%,高于不采取措施的農(nóng)戶(40%)。

2 計量經(jīng)濟學模型及估計結果

2.1 計量經(jīng)濟學模型設定

以上的描述性統(tǒng)計分析由于沒有控制其他因素的影響,因而很難準確分離不同因素對農(nóng)戶采取適應性措施的影響。為此,基于我國6省農(nóng)戶和村的大規(guī)模實地調(diào)查數(shù)據(jù),筆者建立了如下計量經(jīng)濟學模型:

Rij=α+βIj+δPj+γHij+μVj+ψZt+ηDr+εij

式中:Rij為第j村第i個農(nóng)戶針對旱災是否采取適應性措施,這是一個虛變量,當農(nóng)戶采取了適應性措施時,Rij=1,否則Rij=0;Ij和Pj分別為村級抗旱預警信息提供和政策支持變量；Hij為農(nóng)戶的社會經(jīng)濟特征變量;Vj為反映村自然和社會經(jīng)濟條件特征的變量;Zt為干旱指數(shù),t代表縣;Dr為虛變量,r代表省;α,β,δ,γ,μ,ψ,η均為待估系數(shù);εij是隨機誤差項,假設服從獨立同分布。在模型中,變量Ij和Pj是筆者最感興趣的村級抗旱預警信息提供和政策支持變量。對于抗旱預警和防治信息服務提供變量Ij,這一變量有兩種設置方式,一種是如果提供了信息則為1,否則為0(模型(1))；第二種是將這一變量進一步分類,分為是否只在災前提供(1為是;0為否)(模型(2))、是否只在災后提供(1為是;0為否)和是否災前和災后都提供息(1為是;0為否)。這兩種設置方式的對比基礎均為沒有提供任何抗旱預警和防治信息。對于反映政策支持的變量Pj,用上級是否為本村提供技術、物質(zhì)或資金等方面的政策支持來表示,提供為1,否則為0。

變量Hij為農(nóng)戶的社會經(jīng)濟特征,包括:①農(nóng)戶的社會資本狀況,用每個農(nóng)戶戶主及配偶三代以內(nèi)親戚在村委會或鄉(xiāng)鎮(zhèn)及以上政府組織工作的人數(shù)來衡量(人/戶)；②農(nóng)戶作物的種植結構,用糧食作物播面比例來度量;③農(nóng)戶耕地的地形特征,用耕地中山地、坡地和梯田等非平地的比例來衡量;④農(nóng)戶耕地的土壤特征,用耕地中壤土所占比例來衡量;⑤農(nóng)戶家庭富裕程度,用耐用消費品價值(元)的對數(shù)來衡量;⑥最后3個特征都是衡量農(nóng)戶(農(nóng)業(yè))勞動力特征的變量,分別用務農(nóng)人口比例來衡量農(nóng)業(yè)勞動力投入程度，用務農(nóng)人口平均受教育水平和務農(nóng)人口平均年齡來衡量農(nóng)業(yè)勞動力素質(zhì)。

除此之外，反映村自然和社會經(jīng)濟條件特征的變量(Vj),主要包括:①地表水可靠性,用5年內(nèi)地表水供水可靠的年份比例來度量;②地下水可靠性,用5年內(nèi)地下水供水可靠的年份比例來度量;③村耕地土壤類型,用耕地是否為壤土(1為是;0為否)和是否為黏土(1為是;0為否)來表示,對比的基礎是沙土;④村經(jīng)濟發(fā)展水平當?shù)厥袌霭l(fā)育程度,用村內(nèi)企業(yè)本村戶均自營工商業(yè)數(shù)量(個)來表示;⑤交通條件交通便利程度,用村委會到鄉(xiāng)鎮(zhèn)政府級以上公路的距離變量來表示;⑥村領導特征,用村領導的年齡來度量。

不同地區(qū)農(nóng)戶是否采取適應性措施還與干旱的嚴重程度有密切關系,如果旱情較輕,可能會降低農(nóng)戶采取適應性措施的積極性,反之亦然。為此們在模型中引入了干旱指數(shù)Zt來反映這一因素的影響。Zt為縣級變量，t代表某個縣。基于國家氣象局提供的數(shù)據(jù),計算樣本所在縣受災當年的干旱指數(shù),用年平均溫度與降水量的離差來表示[18]。此外，為了控制模型中沒有包括的不隨時間變化的區(qū)域特征對適應性措施采取的影響。

2.2 模型估計結果

在模型中,因為反映農(nóng)戶是否采取適應性措施的因變量是虛擬變量,取值為1和0,具有離散特征,所以筆者選擇Probit模型來估計。Probit模型的優(yōu)勢在于當因變量是虛擬變量時,其估計結果依然是一致且有效的,而采取普通最小二乘法估計結果是有偏的[19]。由于Protit模型估計出的自變量系數(shù)只是反映了這些自變量對因變量的影響方向,并不能反映實際所產(chǎn)生影響概率的大小,為此,在模型估計的基礎上,進一步計算了自變量的邊際效應值,并替代系數(shù)估計值，如表3所示。

模型的估計結果見表3。從總體上看模型的運行結果良好,兩次估計的似然比統(tǒng)計值都在1%的顯著性水平上通過卡方檢驗;模型PseudoR2分別為0.115 3和0.115 9,說明基于橫截面數(shù)據(jù)的回歸分析結果較好。另外,模型估計出的大部分農(nóng)戶和村的特征變量的系數(shù)符號與理論預期吻合,而且多數(shù)系數(shù)統(tǒng)計檢驗顯著。基于模型估計結果,關于適應性措施采取的影響因素的主要結論總結為如下幾點:

a.抗旱預警和防治信息的提供可顯著促進農(nóng)戶采取相關的適應性措施。模型估計結果(1)顯示,提供抗旱預警和防治信息的邊際效應為正值,且原系數(shù)估計值在1%的統(tǒng)計水平上顯著,說明提供抗旱信息能夠顯著促進農(nóng)戶采取適應性措施的可能性,提高的幅度為12.5%左右。那么,相比而言,哪一種信息提供方式會更加有效呢?模型估計結果(2)表明,在保持其他條件不變的情況下,只有災前提供抗旱預警和防治信息這一變量的邊際效應為0.121,且原系數(shù)的統(tǒng)計檢驗在10%的水平上顯著；更重要的是,災前和災后都提供抗旱信息的估計結果在更高的統(tǒng)計水平(5%)上顯著,且根據(jù)估計結果計算出的邊際效應(0.128)比只有災前提供抗旱信息的邊際效應值更高。這說明,災前和災后雙重提醒農(nóng)戶采取預防和應對措施對農(nóng)戶實際采取適應性措施的促進作用最為明顯。然而,根據(jù)模型估計結果(2),只在災后提供信息的變量估計結果中不顯著。由此可見,抗旱預警信息提供雖然可以有效地促進農(nóng)戶采取適應性措施,但是僅僅災后提醒并不能發(fā)揮作用,相比只有災前提醒而言,最理想的政策方式是災前災后都提供預警和防治信息。

表3 農(nóng)戶采取適應性措施決定因素的計量模型估計結果

注:①除常數(shù)項外,表格中所有回歸的自變量系數(shù)為邊際效應值;②括號中為Z統(tǒng)計值的絕對值;③*，**和***表示估計系數(shù)的統(tǒng)計顯著水平分別為10%、5%和1%。

b.上級提供的技術、物質(zhì)或資金等方面的抗旱政策支持也能顯著地促進農(nóng)戶采取適應性措施。在模型的估計結果中,抗旱政策支持這一變量的邊際效應值都為正且原系數(shù)統(tǒng)計檢驗顯著(表3)。這說明在其他條件保持一致的情況下,如果政府在旱災發(fā)生時能夠對農(nóng)戶給予技術指導、物質(zhì)補貼或資金扶助的話,農(nóng)戶采取適應性措施的概率就會顯著增加17%左右。因此,政府除了在給予農(nóng)戶提供抗旱預警信息以外,還應該注重對農(nóng)戶進行具體的技術指導和物資幫助,從而提高農(nóng)戶的抗災能力。

c.農(nóng)戶的社會資本確實是影響其采取適應性措施的顯著因素之一。用來衡量的農(nóng)戶社會資本狀況的變量在模型中的邊際效應值都為正且原系數(shù)統(tǒng)計檢驗顯著(表3)。這說明在其他條件保持一致的情況下,農(nóng)戶親戚中的干部數(shù)量越多,農(nóng)戶的社會關系網(wǎng)可能越廣,與外界的交流也越頻繁,從非官方渠道得到的抗旱幫助也可能越多,因此農(nóng)戶采取適應性措施的可能性也就越大。在現(xiàn)有水平上,親戚中干部數(shù)量多增加一人,那么可以提高農(nóng)戶采取適應性措施的概率為12.3%。因而如何引導農(nóng)戶積極利用他們擁有的社會資本也是提高農(nóng)戶抗旱能力的一個重要方面。

d.農(nóng)戶面臨的自然條件也會影響其采用適應性措施的可能性。例如,從模型的結果來看,農(nóng)戶是否采取適應性措施與耕地地形特征有相關關系;農(nóng)戶耕地中山地、坡地和梯田的比例這一變量的邊際效應值不僅為正數(shù),而且原系數(shù)統(tǒng)計檢驗顯著。這說明耕地越不平整,山地、坡地和梯田的比例越大,農(nóng)戶農(nóng)業(yè)生產(chǎn)就越容易受到旱災的影響或者應對干旱風險的脆弱性就越強,因此農(nóng)戶就越有可能采取適應性措施。而農(nóng)戶耕地土壤中的壤土比例越高,農(nóng)戶采用適應性措施的可能性越低,說明了由于壤土相對其他土壤(沙土或者黏土)而言,土質(zhì)較好,保水性能適中,最適合農(nóng)作物生產(chǎn),因此,壤土比例越高,作物生長條件越好,農(nóng)戶采取抗旱適應性措施的必要性則越低。

e.農(nóng)戶是否采取適應性措施與村的一些自然和社會經(jīng)濟條件顯著相關。例如,村內(nèi)地下水可靠性變量在兩個模型估計結果中的統(tǒng)計檢驗顯著都十分顯著,且邊際效應為正(表3)。這說明地下水可靠性越高的地方,農(nóng)戶采取適應性措施的概率就越大。這可能是因為在地下水供水更可靠的地區(qū),采取適應性措施產(chǎn)生的潛在抗旱效益會更顯著,因而農(nóng)戶就更愿意采取適應性措施。同時,本村戶均自營工商業(yè)數(shù)量在模型估計結果中邊際效應為正且統(tǒng)計檢驗顯著。這一結果表明,當?shù)氐淖誀I工商業(yè)數(shù)量越多,則市場發(fā)育程度越高,農(nóng)戶購買抗旱物資就會越方便,越及時,因此采取適應性措施的能力就越強。

3 結論與政策建議

筆者基于我國6省大規(guī)模的社區(qū)和農(nóng)戶的實地調(diào)研結果,定量分析了農(nóng)戶在應對旱災采取適應性措施的影響因素。結果表明,政府的抗旱預警和防治信息的提供以及技術、物質(zhì)或資金方面的政策支持都可顯著促進農(nóng)戶采取相關的適應性措施。但是,僅僅在災前提供預警和防治信息還不夠,尤其是僅在災后提供抗旱信息并不能顯著促進農(nóng)戶采取適應性措施,最理想的提供方式是災前和災后都提供預警和防治信息。此外,農(nóng)戶的社會資本、耕地地形特征、地下水供水的可靠程度及市場發(fā)育狀況等社會經(jīng)濟和自然條件特征也會顯著影響農(nóng)戶采取適應性措施的決策。

基于以上的研究結論,筆者提出幾點政策建議:①要加大對抗旱預警和防治信息的發(fā)布力度。抗旱預警和防治信息不能只在災后發(fā)生后才開始提供,根據(jù)本文的研究結論,災前提供的抗旱預警信息效果比災后更好,而最佳的策略是災前和災后都提供抗旱預警信息,災前提供預防信息,災后提供救災指導信息,這樣才能有效促進農(nóng)戶采取適應性措施,提高抗旱能力。②要擴大抗旱支持的普及面,包括技術、物質(zhì)或資金的支持。研究發(fā)現(xiàn),抗旱支持是促進農(nóng)戶采取適應性措施的有效政策之一,可是目前能夠提供這種抗旱支持的村比例還相當?shù)?只有5%,因此,可以適當擴大抗旱支持的覆蓋面,提高農(nóng)戶采取適應性措施的比例。③利用多種方式促進農(nóng)戶間的溝通與交流,比如成立農(nóng)民合作組織、定期舉辦農(nóng)村集體活動等,將農(nóng)戶潛在的社會資本轉化為實際的社會資本收益,從而提高農(nóng)戶采取適應性措施的可能性,加強農(nóng)業(yè)的抗旱能力。

[1]United Natons Development Programme.Reducing disaster risk: a challenge for development[R].New York:UNDP,2004.

[2]RISBEY J,KAROLY D,REYNOLDS A,et al.Global warming signature in Australia’s worst drought[J].Bull Aust Met Ocn Soc,2003,16: 6-11.

[3]中華人民共和國統(tǒng)計局.中國統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社,2010.

[4]中華人民共和國水利部.水旱災害公報[M].北京：中國水利出版社,2010.

[5]中華人民共和國民政部.中國民政統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社,2010.

[6]KATUNGI E M.Social capital and technology adoption on small farms: the case of Banana production technology in Uganda[D].Pretoria:University of Pretoria,2007.

[7]JU H,CONWAY D,LI Y,et al.Application of the adaptation framework:a case study of Ningxia,Northwest China[R].Adaptation framework and strategy Part 2.London:AEA Group,2008.

[8]WANG J,HUANG J,SCOTT R.Climate change and China’s agricultural sector:an overview of impacts,adaptations and mitigation[R].Washngton D.C.:ICTSD-IPC Platform on Climate Change,Agriculture and Trade,2010.

[9]潘家華,鄭艷.適應氣候變化的分析框架及政策涵義[J].中國人口·資源與環(huán)境,2010,20(10):1-5.

[10]王金霞,李浩,夏軍,等.氣候變化條件下水資源短缺的狀況及適應性措施:海河流域的模擬分析[J].氣候變化研究進展,2008,4(6):336-341.

[11]夏軍,任國玉,程曉陶,等.氣候變化對中國水資源影響的適應性評估與管理框架[J].氣候變化研究進展,2008,4(4):215-219.

[12]MIRZA M,BURTON I.Using adaptation policy framework to assess climate risks and response measures in South Asia: the case of floods and droughts in Bangladesh and India[M].London:Balkema Publishers,2005.

[13]ARCHER E,MUKHALA E,WALKER S,et al.Sustaining agricultural production and food security in Southern Africa: an improved role for climate prediction?[J]Climatic Change,2007,83(3): 287-300.

[14]DERESSA T T,HASSAN R M,RINGLER C,et al.Determinants of farmers’choice of adaptation methods to climate change in the Nile Basin of Ethiopia[J].Global Environmental Change,2009,19(2): 248-255.

[15]MADDISON D.The perception of and adaptation to climate change in Africa[M].Washington D.C.:World Bank Pubilactions,2007.

[16]鄧可洪,居輝,熊偉,等.氣候變化對中國農(nóng)業(yè)的影響研究進展[J].中國農(nóng)學通報,2006,22(5):439-441.

[17]THOMAS D S G,TWYMAN C,OSBAHR H,et al.Adaptation to climate change and variability: farmer responses to intra-seasonal precipitation trends in South Africa[J].Climatic Change,2007,83(3): 301-322.

[18]PEDJ D A.On the indicator of drought and moisture surplus[J].Proceedings of HMC of USSR,1975,156:19-38.

[19]WOOLDRIDGE J M.Econometric analysis of cross section and panel data[M].Cambridge:MIT Press,2002.