退耕還林工程對貧困山區農戶生計的影響——以甘肅會寧縣為例

劉璐璐

?

退耕還林工程對貧困山區農戶生計的影響——以甘肅會寧縣為例

劉璐璐1,2

1. 中國科學院西北生態環境資源研究院, 甘肅 蘭州 730000 2. 中國科學院大學, 北京 100049

貧困山區農戶生計問題為退耕還林工程可持續發展帶來了嚴峻挑戰。本文基于甘肅省會寧縣的農戶(包括退耕戶和非退耕戶)調查數據，采用雙重差分法(DID)對退耕還林工程的經濟效益進行評估。結果表明：退耕還林政策存在處置效應即退耕還林政策對退耕戶家庭收入具有顯著的負面影響，退耕還林工程使得退耕戶收入下降近2000元；差分回歸模型分析結果進一步證實了DID方法的研究結論。為實現退耕還林工程的可持續性，建議大幅度提高農戶退耕還林的補貼額度，延長退耕還林補貼款年限，建立退耕還林補貼政策的動態調整機制，保證退耕還林工程發揮正的經濟效應。

退耕還林; 農戶; 經濟收入

我國是世界上水土流失最為嚴重的地區，其中黃土高原水土流失面積占其總面積的70%。針對這一現象，我國政府以水土流失較為嚴重的甘肅等省份為試點區域，于1999年啟動退耕還林工程。工程實施所帶來的生態效益已開始凸顯，生態環境改善明顯[1]。退耕還林工程的實施地區多為欠發達的西部省份，而這些地區的農戶作為退耕還林地區的參與主體，是退耕還林工程可持續發展的關鍵因素。如何科學測度退耕還林工程對貧困地區農戶生計的經濟效應是當前亟需解決的關鍵問題。目前，國內外學者對退耕還林工程的經濟效應給予廣泛關注[2,3]。學者們分別從還林的投入與產出[4]；農業全要素生產率、就業和收入[3]等方面進行討論。但是針對退耕還林工程對退耕還林戶生計影響的定量測度缺乏關注，較少區別退耕還林與非退耕還林戶以定量考察還林工程對農戶生計的凈效應。

退耕還林工程的實施是否對貧困山區農戶生計產生影響？如果產生影響，其作用大小及方向如何？這是本文主要關注的問題。本研究以貧困山區甘肅會寧縣為例展開討論。本文采用雙重差分(DID)計量評估方法，測度退耕還林工程對農戶生計的影響程度，并進行穩健性檢驗，最終基于實證結果提出相應政策建議。本研究將為解決退耕還林工程的可持續性，改善貧困農戶生計，實現精準扶貧提供重要的經驗支持。

1 研究區域概況

甘肅省會寧縣位于我國西北內陸干旱區，屬典型黃土高原丘陵溝壑區，是我國黃土高原地區水土流失的典型區域之一[1]。會寧縣現有耕地26.18×104hm2，其中15度至25度坡耕地占42.9％，仍有可實施退耕還林還草的耕地面積2.8×104hm2。截至2013年底，累計完成退耕地還林2.86×104hm2，還草1.12×104hm2，荒山造林2.72×104hm2，累計兌現第一輪糧款補助資金6.79×108元，兌現第二輪農戶補助資金1.81×108元，兌現鞏固退耕還林成果項目專項資金1.79×108元[5]。工程實施范圍覆蓋了全縣28個鄉鎮，284個行政村，涉及89538退耕農戶，共376060人。作為西北內陸干旱區的全國重點扶貧縣，會寧縣水土流失嚴重，且貧困程度較為嚴重，社會經濟發展水平相對落后。

2 數據來源與調查方法

2.1 數據來源

本文數據來自國家統計局會寧調查隊在1999~2015年間的農村住戶追蹤調查和1999~2015年國家林業重點工程社會經濟效益監測報告，最終確定有效調查農戶為102戶，其中退耕戶為52戶，非退耕戶為50戶。兩項調查中都包括的農戶收入、消費等數據。圖1匯總了退耕還林戶和非退耕還林戶的收入與消費信息。

退耕還林戶 Farmers in Grain for Green Program 非退耕還林戶 Farmers not in Grain for Green Program

基于調查問卷，我們還可以得到農戶家庭人口數、受教育水平、勞動力比例、耕地情況等信息。表1報告了退耕戶和非退耕戶家庭基本調查數據。我們發現：與非退耕戶相比，退耕戶的家庭人口，耕地以及各類資本相對較多，但是退耕戶在家庭受教育水平及勞動力占比方面低于非退耕戶。退耕戶的各項家庭指標的波動幅度大于非退耕戶，說明退耕戶的各類指標的穩定性不強。

表1 農戶家庭基本信息

2.2 研究方法

2.2.1 DID評估方法目前，項目評估和政策施行效果研究的主流方法是DID(Difference in Difference)方法。DID方法西部大開發政策等政策評估領域有著廣泛的應用[6]。DID方法的主要優勢在于給定其他因素的條件下，將退耕還林區的農戶加以區別，基于退耕戶和非退耕戶分別設定控制組和處置組，進而評估退耕還林工程的經濟效益。

2.2.1 面板模型構建若要實現DID評估方法中處置效應的估計結果，則需構建面板數據計量模型。本文研究的主要問題是退耕還林工程的經濟效益，這里定義退耕還林戶為處置組，非退耕還林戶為控制組。我們將采用DID方法說明退耕還林工程實施前后對農戶經濟效益（收入）的影響。面板數據模型構建如下：

其中，Y表示個體農戶，包括退耕還林戶和非退耕還林戶。T取值為1表示處置組個體戶，取值為0表示控制組個體戶，A取值為1表示退耕還林政策實施前，取值為0表示退耕還林政策實施后。T和A分別控制個體和時間兩個維度，T*A為交叉項取值為1表示退耕還林政策實施后處置組個體戶。0，1，2，3為待估參數，其中3度量了處置效應。

3 結果分析及討論

基于收集整理的農戶調研數據信息集，本文對面板數據模型進行估計。其中，因變量Y表示個體農戶的收入，其他解釋變量和參數的含義保持不變。基于表2的估計結果，我們發現，無論是固定效應還是隨機效應模型，3的估計結果均顯著為負，說明退耕還林政策存在明顯的處置效應，這意味著退耕還林政策對退耕戶家庭收入具有顯著的負面影響，進一步地，Hausman檢驗結果為0.5906，我們由此得知在10%的顯著性水平上依舊不能拒絕原假設即隨機效應模型。換言之，在退耕還林政策評估的研究中，設定隨機效應模型更為合適。總之，DID方法的估計結果表明退耕還林政策對退耕還林農戶收入有著較為顯著的負面影響。平均而言，退耕還林工程使得退耕戶收入下降近2000元。

表 2 DID方法估計結果

注：括號內的值估計標準差，因為多重共線性，1的估計結果被忽略。*表示在10%的顯著性水平上估計結果是顯著的；**表示在5%的顯著性水平上估計結果是顯著的；***表示在1%的顯著性水平上估計結果是顯著的，下同。Hausman Test的原假設是設定隨機效應模型。

Note: The values in the brackets were estimation SD, the estimated result of1was ignored for a multicollinearity. * showed the significance at 0.1 level; ** showed the significance at 0.05 level; *** showed the high significance at 0.01 level, the same as follows. The original hypothesis of Hausman Test was the given random effect model.

進一步地，為說明上述研究結果的穩健性，參考文獻[7]的方法，采用一階差分模型進行估計，引入虛擬變量衡量退耕還林政策的經濟效應。這里本文將樣本區間劃分為兩個時間段進行考察，以說明退耕還林政策經濟效應的短期和長期效果。一階差分模型構建如下：

其中，Y,1表示退耕還林政策實施后個體農戶的收入，Y,0表示退耕還林政策實施前個體農戶的收入。Prog為虛擬變量，其取值為1對應退耕還林農戶，取值為0對應非退耕還林農戶。x表示相應的控制變量，其主要包括家庭人口，勞動力比例，物質資本，耕地面積，受教育水平等。

表3報告了一階差分模型的估計結果，我們選取的樣本區間為2002~2007年。為消除數據量綱對參數估計的影響，這里對收入變量和物質資本變量取對數。我們可以發現參數估計結果均為負值，但是不具有統計意義上的顯著性，這說明在短期內退耕還林政策對農戶收入并沒有顯著的負面影響。對退耕還林戶收入而言，家庭人口在1%的顯著性水平上具有顯著的正向影響。這表明農戶的收入主要取決于家庭人口規模，農戶的受教育程度對農戶收入具有顯著的負面影響，短期內受教育年限對農戶收入具有負面影響。耕地規模對農戶收入無顯著影響，主要原因在于惡劣的自然環境使得土地的產值較低，而農戶的受教育水平整體偏低，外出打工者主要從事較為簡單的體力勞動或者服務業。表3的估計結果表明退耕還林政策在短期內沒有明顯的經濟效益。這與上文中DID的分析結果不一致，這意味著退耕還林政策作用時效較為緩慢，在一定程度上說明退耕還林工程對農戶經濟利益的考量有待加強，例如增加補貼力度，增加農戶職業教育培訓等。為進一步說明退耕還林政策作用時效性，我們將數據樣本延長至2015年，以考慮退耕還林政策的長期效應。

表 3 一階差分模型估計結果（2002~2007）

表4同樣報告了一階差分模型的估計結果，這里的樣本數據區間為2002~2015年。我們可以發現，與表3估計結果明顯不同的是，參數的估計值顯著為負。這說明在更長的樣本區間內退耕還林政策對農戶收入產生了顯著的負面影響。與短期不同，勞動力比例在長期內對農戶收入有顯著的正向影響，而受教育水平在長期內也會顯著提高農戶收入。這一估計結果與DID方法的分析結論相一致即在較長期限范圍內退還林政策經濟效益為負，并沒有增加農戶收入。實際上反映出退耕還林政策補貼期限相對較短，按照現有標準，糧食和現金的補助年限為：退耕還草補助按2年計算；還經濟林補助按5年市場計算；還生態林補助按8年計算[8,9]。

本文認為出現這種結果原因在于退耕還林工程的收入補貼政策缺乏動態調整機制而且補貼金額較低。具體表現在，退耕還林的收入補貼政策沒有綜合考慮必要宏觀經濟因素。例如收入補貼通常以固定數額每年發放，但是通貨膨脹不斷上升，使得整個社會的物價水平直接增加，但農戶補貼不變，這意味其實際收入下降。此外，退耕還林補償款數額較低，以無法體現退耕還林的機會成本。這里我們得到的一個政策啟示是制定退耕還林補貼政策主要綜合考慮宏觀經濟因素，適當延長補貼年限，提高退耕還林政策的持續性。退耕還林地區農戶相對貧困，退耕還林政策需要顯著提高農戶退耕還林的補貼收入，同時增加必要的農村教育培訓。

表 4 一階差分模型估計結果（2002~2015）

4 主要結論及政策建議

對該地區退耕還林經濟效益的考察可以為退耕還林可持續性及減少地區貧困，實現精準扶貧等問題提供參考依據。我們基于甘肅省會寧縣的實地調查數據，采用經典DID計量評估方法即構建面板數據模型研究退耕還林工程的政策效果經濟評估。采用差分回歸模型進行穩健性分析。研究結果表明：首先，DID方法的實證結果說明在退耕還林政策評估的研究中，退耕還林政策存在明顯的處置效應即退耕還林政策對退耕戶家庭收入具有顯著的負面影響，平均意義上而言，退耕還林工程使得退耕戶收入下降近2000元；其次，差分回歸模型的估計結果表明在短期內退耕還林工程的政策效果并不明顯，農戶的收入主要取決于家庭人口規模。長期來看，農戶的收入依舊取決于家庭人口規模等因素，進一步證實DID方法的研究結論。

本文提出如下政策建議。首先，幅度提高農戶退耕還林的貨幣補貼額度，增加農戶的退耕意愿；其次，基于社會經濟發展水平，適度調增補貼額度，發揮退耕還林工程對農戶生計正的經濟效應；最后，適度延長退耕還林補貼款的年限，防止出現退耕土地返耕現象。

[1] 宋玲玲,田青,李宗杰,等.會寧縣退耕還林還草工程植被生長狀況分析[J].甘肅農業大學學報,2016,51(3):102-107

[2] Yao SB, Guo YJ, Huo XX. An empirical analysis of the effects of China's land conversion program on farmers' income growth and labor transfer[J]. Environmental Management, 2010,45(3):502-512

[3] 王超,甄霖,杜秉貞,等.黃土高原典型區退耕還林還草工程實施效果實證分析[J].中國生態農業學報,2014,22(7):850-858

[4] 侯軍岐,張社梅.黃土高原地區退耕還林還草效果評價[J].水土保持通報,2002,22(6):29-31

[5] 會寧縣人民政府.會寧縣新一輪退耕還林還草實施方案[R].會寧:會寧縣人民政府,2014

[6] 劉瑞明,趙仁杰.西部大開發:增長驅動還是政策陷阱--基于PSM-DID方法的研究[J].中國工業經濟,2015(6):32-43

[7] 徐晉濤,陶然,徐志剛.退耕還林:成本有效性、結構調整效應與經濟可持續性——基于西部三省農戶調查的實證 分析[J].經濟學,2004,4(4):269-290

[8] 李宗杰,田青,宋玲玲.會寧縣退耕還林(草)工程效果調查研究--以會寧縣劉寨鄉和土門峴鄉為例[J].草原與草 坪,2014(5):65-70

[9] 張曉萍,溫忠明,馬曉微.參與性農村調查與評估（PRA）概念與調查方法[J].水土保持科技情報,1999(4):53-56

The Impact of the Grain-for-Green Program on Peasants’ Livelihoods in Poor Mountainous Areas ——The case from Huining County of Gansu Province

LIU Lu-lu1,2

1.730000,2.100049,

The livelihood problems in poor mountainous areas brought severe challenges for the sustainable development of the Grain-for-Green Program. Based on the survey data from rural households (including farmers in and not in Grain-for-Green Program) in Huining County of Gansu Province, this paper evaluated the economic benefits with the Difference in Difference method (DID). The results showed that the policy of the Grain-for-Green Project has a significant negative impact on the household incomes of returning farmers. On average, the program reduced the income of returning farmers by nearly 2,000 yuan. The difference regression model further confirmed the conclusion. In order to ensure the sustainability of the Grain-for-Green Program, this paper proposed to increase the allowance of returning farmland to forest significantly and extend the years of subsidies and establish a dynamic adjustment mechanism for the subsidy policy to ensure a positive economic effect.

Grain-for-Green Program; rural households; economic effect

F30

A

1000-2324(2018)03-0543-04

2017-10-23

2017-11-03

劉璐璐(1984-),女,博士研究生,主要研究方向為生態經濟，經濟計量. E-mail:lululiu@lzb.ac.cn