不同貧困程度農戶退耕還林的收入效應*

潘 丹 陸 雨 孔凡斌

(1. 江西財經大學經濟學院 南昌330013； 2. 浙江農林大學經濟管理學院 浙江省重點培育智庫——浙江省鄉村振興研究院 杭州311300)

截至2019年末，我國仍有551萬左右的農村人口需要脫貧(中國政府網， http://www.gov.cn/shuju/2020-01/24/content_5471927.htm)。按照國際標準，我國現存的貧困人口依然眾多(程名望等， 2014)，且主要集中在生態脆弱的農村貧困地區，這些地區面臨生態環境惡化與貧困之間的惡性循環，生態減貧任務異常艱巨。為此，國家實施了多項生態減貧政策措施以減緩這些地區的生態貧困狀況，包括1998年以來實施的六大林業重點工程，其中的退耕還林工程是涉及面最廣、投資規模最大、農村貧困人口參與程度最高、影響最大的一項重大生態修復保護工程。20多年來，我國已實施退耕還林面積近3 346萬hm2，工程總投入超過5 000億元，有1.58億農民從國家補助糧款中直接受益(國家林業和草原局， http://www.forestry.gov.cn/main/437/201909 12/100302202763475.html)。始于2014年的新一輪退耕還林工程覆蓋了18.7%的建檔立卡貧困戶，僅在2016—2018年3年間，在集中連片特殊困難地區有關縣和國家扶貧開發工作重點縣共安排退耕還林任務196.4萬hm2，占3年退耕還林總任務的近3/4(中國林業網， http://www.forestry.gov.cn/main/216/20190906/102234987763566.html)。最早在2005年《國務院辦公廳關于切實搞好“五個結合”進一步鞏固退耕還林成果的通知》中提出將農民脫貧致富和增加農民收入列入退耕還林的目標。2014年開始的新一輪生態補償政策明確提出優先在貧困地區開展退耕還林以解決深度貧困問題，退耕還林成為國家實施生態補償減貧的重要抓手(吳樂等， 2018)。2015年在《中共中央國務院關于打贏脫貧攻堅戰的決定》中明確提出實施生態扶貧工程。2018年國家發展和改革委員會等六部委發布《生態扶貧工作方案》進一步明確新一輪退耕還林工程建設扶貧的具體目標和任務。2020年之后，我國脫貧攻堅工作即將進入長期減緩相對貧困的戰略轉型新階段，退耕還林工程作為國家重大生態建設扶貧工程，需要在穩固提升退耕農戶收入水平和貧困地區鞏固脫貧攻堅成果等方面持續發揮骨干示范作用。當前，退耕還林工程目標不僅限于國家和公共層面的生態可持續性，對于退耕農戶而言，其經濟效益的可持續性顯得更為重要。退耕還林工程直接作用于農民生產領域，農戶作為退耕還林工程建設參與和實施的主體，退耕后其經濟收入能否有效提升將直接影響農戶因貧毀林復耕的可能性，進而影響退耕還林工程的可持續性。參與退耕的貧困農戶同時作為生態工程建設扶貧的主要對象，退耕后其收入水平能否得到更為有效的改善則直接關乎生態工程建設扶貧工作的成敗。為此，在我國全面推進生態扶貧的重大戰略背景下，有必要從生態工程建設扶貧效應的目標視角，評估農戶參與退耕還林工程后的收入變化及其減緩貧困的效應機制，進而為完善我國生態扶貧政策提供理論依據。

1 退耕還林工程對農戶收入影響的研究進展

已有大量的研究從總體層面分析農戶退耕還林收入效應，得出的結論存在較大分歧。有的學者認為退耕還林工程對農戶收入有積極影響(Wang， 2003； 韋榮華， 2004； 李若凝， 2004； 王秋菊等， 2009； 盧悅等， 2019)，而有的學者則認為影響不顯著甚至有負向影響(徐晉濤等， 2004； 郭曉鳴等， 2005； 易福金等， 2006； 韓洪云等， 2010； 謝旭軒等， 2011； 韓秀華， 2015； 張煒等， 2019)，還有的持動態折中的觀點，認為工程的增收減貧效應需要一段時間才能表現出來，存在先增長達到一定水平后又下降的倒“U”型變化趨勢(甄靜等， 2011)。隨著研究的深入，近年來也有學者將研究視角轉向退耕還林工程對貧困農戶收入的影響上。易福金等(2006)運用雙重差分法分析認為退耕后非農收入提高的主要原因是外出勞動時間的增加，而各農戶的外出務工人數并沒有發生顯著變化； Uchida等(2009)采用同樣的數據和方法，發現貧困農戶和受教育程度高的年輕農戶退耕后非農就業增加效果明顯； 楊小軍等(2009)采用一階差分法分析認為退耕還林工程對以種植收入為主的貧困農戶的勞動力轉移有不利影響，反而對非貧困農戶勞動力轉移幫助較大。

還有一些研究從扶貧和消除貧困視角分析退耕還林農戶的收入效應。Uchida等(2005)利用寧夏和貴州樣本，用成本收益法觀察到農民可能不是退耕還林工程扶貧成果的最大受益者。劉璨等(2007)使用河北、山西和內蒙古的農戶面板數據，采用固定效應分析方法研究認為退耕還林工程并未過多關注扶貧的目標，對減緩貧困的效應不明顯。同時，還有從退耕還林對貧困農戶與非貧困農戶異質性角度的分析，如Liu等(2010a)認為非貧困農戶獲得的退耕補貼較貧困農戶獲得的更多，因此削弱了退耕政策縮小收入差距和消除貧困的效果。黎潔等(2010)利用西部地區數據，采用分位數回歸分析認為參與退耕對農戶收入有顯著的正向作用，且該作用從貧困農戶到非貧困農戶遞減； Li等(2011)利用陜西省數據得出相似的結論。此外，李樺等(2006)采用描述性統計方法觀察到退耕還林補貼政策對貧困農戶收入有長期促進作用，而對非貧困農戶收入的影響具有階段性。王立安等(2013)通過比較分析發現退耕還林工程對絕對貧困和一般貧困農戶的人均純收入有積極影響，但絕對貧困農戶收益最大，對富裕農戶影響為負。王庶等(2017)使用2006—2010年592個國家扶貧重點縣的數據研究發現退耕還林工程對貧困農戶減貧效應顯著。

綜上可見，退耕還林工程能否提高退耕農戶收入以及能夠在何種程度上影響退耕農戶的收入水平，尤其是工程能否有效減緩退耕貧困農戶的貧困程度以及能夠在何種程度上改善退耕貧困農戶的收入水平等問題上，前者存在較大分歧和爭議，后者尚未得到有效研究和應有關注。整體上看，既有研究存在以下不足： 一是樣本數據的代表性。已有研究大多基于一個或幾個省級調研數據，研究結論可能隨著地區差異而彼此孤立，在評價全國層面政策實施效果的評估上難免存在偏差，僅以現有研究結果不足以對退耕還林工程有一個全局性的認識和把握，也不利于相關政策的制定和跟進。二是研究方法的科學性。現有文獻主要運用描述性統計法、固定效應估計方法、傾向得分匹配法和雙重差分模型進行估計，但農戶是否退耕的行為與其收入之間可能存在“同時決策”，或者受到共同的不可觀測因素的影響，若忽略可能會由于內生性問題造成結論不準確(Maetal.， 2016)。三是研究內容的局限性。已有文獻比較缺乏對農戶異質性的關注，由于農戶資源稟賦的不同，工程對不同貧困程度農戶的收入效應可能存在差異，由此可以認為，退耕還林工程影響農戶收入的內在機制至今尚未得到完全有效的揭示。

鑒于此，本文基于2013年中國家庭收入調查數據，借鑒內生轉換模型(endogenous switching regression model, ESR)構建“反事實”框架，估計和分析參與退耕還林工程對不同貧困程度農戶收入水平的平均處理效應及作用機制。本文嘗試在以下幾個方面進行改進和創新： 一是在樣本數據的使用上，本文采用的中國家庭收入調查數據樣本覆蓋了大多數退耕還林工程建設省份，與其他基于2～3個省份樣本的類似研究相比，更具代表性和說服力。二是在研究方法的選擇上，本文采用ESR模型有效解決樣本選擇偏差和不可觀測因素所帶來的內生性問題，可以使研究結論建立在更為科學和嚴謹的方法之上。三是在研究內容的拓展上，本文按照恩格爾系數將農戶劃分為3個不同貧困等級的樣本進行異質分析，將有利于理解和研究退耕還林工程影響貧困退耕農戶收入及其緩解貧困效應的內在機制。

2 理論分析與模型設定

2.1 理論分析與研究假設

從新古典經濟學來看，參與退耕會使農戶家庭耕地面積減少，而家庭作為一個獨立經濟代理人進行生產，當某一生產要素價格或數量發生變化時，農戶會改變生產要素的投入比例，即耕地面積的減少會使農戶調整其他生產要素(如資本和勞動)，這種調整對農戶收入的影響可體現為直接效應和間接效應2個方面(段偉等， 2018； 張煒等， 2019)： 一是參與退耕還林導致耕地面積(自然資本)的減少會直接影響農戶收入。此外，退耕補貼(資金資本)是參與工程直接發放的財政轉移性收入，該收入也會對農戶收入產生直接影響。二是在技術水平不變的條件下，耕地面積減少會影響農戶其他生產要素的投入，由于農戶主要依賴于勞動性收入(程名望等， 2015)，所以耕地減少后會促使農戶對勞動要素重新配置，加速剩余勞動力的轉移，進而間接影響農戶收入(Linetal.， 2014)。

從退耕對農戶福利的影響來看，工程能夠實現農戶增收的來源主要是退耕補貼(Uchidaetal.， 2005)，但由于退耕補貼到期和補貼金額較少的問題，其促進增收的效果也存在質疑(Liuetal.， 2010b； 謝旭軒等， 2011)。一方面，如果退耕補貼發放完成，農戶收入可能不會增長(王庶等， 2017)； 另一方面，退耕補貼對于不同貧困程度的農戶家庭來說，其增收效應也存在顯著差異。在其他因素不變的情況下，隨著退耕農戶家庭資本的增加(即貧困等級的降低)，退耕還林工程對農戶收入效應呈現出邊際報酬遞減的現象。通常情況下，退耕還林工程對重度貧困農戶的邊際增收效益大于一般貧困農戶，而一般貧困農戶又大于非貧困農戶，其可能的原因在于： 相對于非貧困農戶，貧困農戶(包括一般貧困農戶和重度貧困農戶，下同)經濟基礎較為薄弱，退耕還林工程補貼的總水平相對于其家庭原有總收入具有更高的增長比例，包括退耕補貼在內的轉移性收入對貧困農戶具有更大的邊際增長效應； 而對于非貧困農戶，轉移性收入可能只占其家庭收入的小部分，工程帶給非貧困家庭的邊際收入增長效應因此要小于貧困農戶。基于此，本文提出第1個研究假設：

H1： 退耕還林工程可以通過退耕補貼或改變農戶耕地面積，直接影響退耕農戶的收入水平，但這一影響效應對不同貧困程度的退耕農戶存在異質性。

從退耕對農戶剩余勞動力的轉移效果來看，參與退耕后可能引起勞動力轉移后的非農收入增加(Wang， 2003； 韋榮華， 2004)。退耕還林工程實施以后引發的勞動力剩余或轉移促進了生產效率，同時增加了農戶外出務工等非農就業的機會，進而提高了農戶的非農收入(Yaoetal.， 2010)。農村剩余勞動力的轉移引致農業結構調整，也能夠促進農戶增收(李若凝， 2004； 王秋菊等， 2009)。但是，這個過程對于不同貧困程度的農戶存在2個方面的可能影響： 一是工程減少了農戶對傳統農業的依賴，使農戶收入多元化，但存在擴大不同貧困農戶收入差距的可能。工程能否實現勞動力從農業到非農的轉移及轉移的效率問題往往受限于農戶的文化水平或是否掌握非農就業技能。一般來說，非貧困農戶平均受教育年限高于貧困農戶，且非貧困農戶更有可能投資與提升除基本生存以外的勞動技能，即貧困農戶特別是重度貧困農戶，缺乏資金和社會資源等問題更難建立與勞動力市場需求相匹配的勞動技能(張煒， 2019)，所以非貧困農戶無論是成功獲得非農就業的機會還是得到更高勞動回報的概率都更高，故存在拉大不同貧困程度農戶間收入差距的可能。二是工程實現參與退耕農戶非農收入增長可能不是以增加外出就業人數的方式，而是以非農勞動時間增加的形式(易福金等， 2006)。不同貧困程度農戶對工程促使勞動力轉向非農生產和就業的反應也存在差異，如對非貧困農戶和一般貧困農戶，在參與退耕前后其非農就業人數的變化不大，但因農地面積減少而釋放的勞動時間卻可以轉移到非農勞動上，而對重度貧困農戶來說，該群體多為殘疾戶或重病戶，故不管是增加勞動轉移人數還是勞動供給時間都比較困難。基于此，本文提出第2個研究假設：

H2： 退耕還林工程能夠引起農業剩余勞動力轉移等帶來的非農收入變化，間接改變農戶的收入結構，但這一影響效應對不同貧困程度農戶存在差異。

2.2 模型構建

采用內生轉換(ESR)模型，借鑒朱長寧等(2015)和段偉等(2018)構建農戶收入決定方程：

Yi=αCi+βXi+μi。

(1)

式中：Yi為農戶i的家庭收入水平(取對數)；Ci為農戶是否參與退耕還林的決策，C=1表示農戶參與退耕還林(稱為“退耕農戶”)，C=0表示農戶未參與退耕還林(稱為“非退耕農戶”)；Xi為影響農戶家庭收入水平的個人特征、家庭特征、經營特征以及一些外部環境特征等因素。由于每個地區退耕還林的力度和程度都不一樣，為了控制地區差異對農戶收入的影響，式中還設置了省份虛擬變量； α和β分別為對應的待估系數，μi為服從獨立同分布的殘差項。

模型(1)中的參數能夠準確量化農戶參與退耕還林的收入效應的前提是農戶隨機選擇參與退耕還林。然而，本文使用的是調查數據，這一決策是農戶在各種約束條件下基于預期收益的最優選擇，并非隨機。因此，本文借鑒Maddala(1983)提出的ESR模型能夠有效解決由可觀測變量和不可觀測變量帶來遺漏變量內生性問題及處理效應異質性問題(Maetal.， 2006； Di Falcoetal.， 2011； 楊志海， 2019)。

ESR模型的估計思路為： 第1步，使用Probit或Logit模型估計農戶參與退耕的選擇方程(史常亮等， 2017)； 第2步，建立農戶家庭收入水平決定方程，估計農戶參與退耕還林工程導致的收入水平變化。具體包括以下3個方程：

行為方程(是否參與退耕還林)：

Ci=δZi+μi；

(2)

結果方程1(處理組，即退耕還林組的收入水平方程)：

Yit=βtXit+εit；

(3)

結果方程2(控制組，即非退耕還林組的收入水平方程)：

Yiu=βuXiu+εiu。

(4)

式中：Ci表示農戶是否參與退耕還林的二元選擇變量，Zi是影響農戶是否參與退耕還林的各類因素，μi是誤差項；Yit與Yiu分別表示退耕農戶與非退耕農戶的收入水平，Xit與Xiu是一系列影響農戶家庭收入水平的因素，εit與εiu為結果方程的誤差項；δ、βt和βu分別為對應的待估系數。需要說明的是，為保證ESR模型的可識別性，模型允許Zi中至少有一個變量(識別變量)不包含于Xi中，并且該變量應直接影響農戶的行為，而不直接影響收入水平。

ESR模型能夠比較處理組(退耕農戶)和控制組(非退耕農戶)農戶分別在實際情況下與反事實假設情況下的家庭收入期望值，以此估計農戶是否參與退耕還林的平均處理效應和異質性效應。

退耕農戶的收入期望值(處理組)：

E[Yit|Ci=1]=βtXit+σtλit；

(5)

非退耕農戶的收入期望值(控制組)：

E[Yiu|Ci=0]=βuXiu+σuλiu。

(6)

同時考慮2種反事實假設情景，即退耕農戶若未參與退耕情形下的家庭收入期望值：

E[Yiu|Ci=1]=βuXiu+σuλiu；

(7)

非退耕農戶若參與退耕情形下的收入期望值：

E[Yit|Ci=0]=βtXit+σtλit。

(8)

式中：λit和λiu分別表示由不可觀測變量帶來的樣本選擇性偏誤，σt和σu則為對應的待估系數，若其不為零，說明有必要糾正由不可觀測變量帶來的樣本選擇性偏誤。式(5)-(8)所得到的收入見表1。以表1為基礎既能夠定義處理組和控制組平均處理效應，又可以定義相應的異質性效應。其中，ATT表示退耕還林組的平均處理效應，ATU表示非退耕還林組的平均處理效應，HT表示退耕還林組收入與非退耕還林組反事實收入之間的差異，HU表示非退耕還林組收入與退耕還林組反事實收入之間的差異，而Δ則表示克服了自選擇問題和異質性偏差之后退耕農戶組與非退耕農戶組的收入差距(金江等， 2018)。

表1 處理效應和異質性效應①

3 數據來源與變量統計描述

3.1 數據來源

數據來源于2013年中國家庭收入調查數據(China Household Income Projects 2013，以下簡稱CHIP 2013)。CHIP 2013是一項在國家統計局協助下完成的在全國范圍內展開的、截面式的研究數據庫，系統記錄了2013年各家庭住戶的生產經營情況，研究樣本囊括了退耕還林工程的大多數參與省份。該數據包括城鎮住戶、農村住戶和流動人口3種類型，本文致力于研究退耕還林工程對農戶收入的影響，因此剔除城鎮樣本。由于流動人口問卷的設計與農村住戶問卷有很大的差異，很多指標難以匹配，故又將流動人口樣本剔除。此外，該數據庫中的收入數據由2部分組成，一部分是從國家統計局的數據庫中直接過錄的，比普通問卷調查方式一次性回憶的數據更加準確，故采用此數據作為本文實證分析的農戶家庭收入數據；另一部分是委托國家統計局調查隊以問卷調查的方式采集的，可作為替換被解釋變量進行穩健性檢驗。這2部分收入數據均從家庭和個人2種統計口徑下收集，為了不低估家庭成員的收入狀況，同時鑒于中國農村普遍是以家庭作為生產經營決策單位，因此將研究單位鎖定在家庭暨本文所定義的農戶級層面。最后再剔除沒有實施退耕還林政策省份和缺失家庭特征數據后，最終得到7 150戶數據，其中退耕還林農戶1 259戶，非退耕還林農戶5 891戶。

3.2 變量設置

因變量設置為農戶家庭人均收入水平。參照邢祥娟(2014)的方法，選取人均可支配收入作為被解釋變量，按照收入結構，將人均可支配收入劃分為人均工資性收入、人均財產性收入、人均經營性收入和人均轉移性收入，并將各項收入數據取對數值。其中人均可支配收入反映農戶家庭總收入水平，工資性收入是農戶通過就業或零工的形式獲得的勞動報酬，經營性收入主要是農戶從事糧食種植和飼養家禽等農業生產活動得到的收入，轉移性收入是農戶獲得的包括退耕補貼在內的各種收入轉移，財產性收入則是農戶對外投資和財產租賃等取得的收入。

核心自變量設置為是否退耕還林。將是否參與退耕還林作為處理變量，通過詢問受訪者家庭“是否參加過退耕還林還草項目”判斷其退耕行為(0、1變量，參與退耕=1)。樣本農戶中參與退耕還林有1 259戶，占總樣本的17.61%。

控制變量設置為2類： 一是戶主個體特征，如戶主性別、年齡、受教育年限、健康狀況及戶主兄弟姐妹的個數； 二是家庭特征，如該戶常住人口比例、勞動力人數、男性比例、是否干部戶、人均疾病天數、人均經營土地面積、人均公共工程天數。此外，為了控制地區差異對估計結果的影響，生成并控制省份虛擬變量(朋文歡等， 2017)。其中，家庭常住人口比例越低的農戶參與退耕的概率越高，其原因可能在于該類農戶人口多數選擇外出務工，在家務農人口缺乏，退耕是農戶對家庭務農勞動力缺乏的適應性選擇。其次，干部戶家庭、人均經營土地面積更多的家庭，選擇參與退耕還林的可能性更高。干部戶也更愿意參與退耕還林，一方面可能是出于對國家政策起示范帶頭作用的意愿，另一方面干部戶對政策的了解和擁有的社會資源更多，對政策的實施更容易。人均經營土地面積更多的農戶也更有可能選擇退耕還林，主要原因在于經營土地面積越大就需要越多的勞動力，而家庭中勞動力的數量是一定的，經營土地勞動力存在相對剩余，還可能是因為農戶依據自身效應最大化的原則，將經營土地的收益去換取參與退耕收益的機會成本可能更小。

識別變量設置為農戶人均親鄰幫工天數。親鄰幫工所付出的勞動是沒有收入或報酬的(張煒， 2019)，但這一指標能體現農戶家庭社會關系、資源和參與公共事務的積極性等，而這些因素會影響農戶是否選擇參與類似退耕還林這樣的公共事務活動。即該變量只對是否參與退耕有影響，對農戶的家庭收入沒有影響。為了驗證該識別變量的有效性，將農戶人均親鄰幫工天數與其他變量一起分別對農戶是否參與退耕、影響結果方程(表4)的因變量進行回歸。結果顯示，農戶人均親鄰幫工天數在1%顯著性水平上影響了農戶參與退耕的選擇，但對農戶收入因變量則無顯著影響，說明該識別變量的選取是合適的。

3.3 變量描述性統計

從表2中主要解釋變量的描述性統計中可以發現，在戶主個人特征中，退耕農戶戶主的平均年齡更大，受教育年限更低，且健康狀況也相對較差。從家庭特征中可以發現，退耕農戶與非退耕農戶在男性比例、是否干部戶和人均經營土地面積變量上均無顯著差異，勞動力人數有顯著差異，退耕農戶家庭常住人口比例低于非退耕農戶，人均疾病天數和低保比例高于非退耕農戶。從人均參與公共工程天數看，退耕農戶家庭參與公共工程的天數更多。從以上主要解釋變量的描述中可以發現，參與退耕的農戶家庭各項收入更低，不僅如此，退耕農戶戶主的健康狀態差于非退耕農戶，且家庭人均疾病天數和低保比例等都高于非退耕農戶，這表明存在貧困農戶更愿意參與退耕的可能。從識別變量看，選擇參與退耕的農戶其人均親鄰幫工天數會更多，顯著高于非退耕農戶家庭，這也驗證了選取該變量的依據。除此之外，表2中的絕大多數變量的差異值均顯著，這說明農戶是否參與退耕還林存在樣本自選擇問題，因此，有必要使用內生轉換模型克服選擇偏差，以獲得更加準確的估計結果。

表2 退耕農戶與非退耕農戶的主要變量情況描述性統計①

4 結果與分析

本文借鑒尹海潔等(2009)提出的修正的恩格爾系數將7 150份農戶家庭樣本劃分為3個不同貧困等級的子樣本，分別重新擬合內生轉換模型，并根據模型的擬合結果得到反事實情況下的結果，估算參與退耕還林對不同貧困程度農戶收入的處理效應和異質性效應。為進一步了解退耕還林對不同貧困程度農戶的增收機制，從家庭收入結構的角度分別分析退耕還林對農戶收入的直接與間接影響效應。

4.1 不同貧困程度農戶參與退耕還林決策與農戶收入模型聯立估計

表3展示了不同貧困程度農戶參與退耕還林決策對其家庭收入水平的影響效應方程的估計結果。其中，每個模型的第1列是農戶參與退耕還林決策影響因素估計結果，后2列分別是退耕農戶與非退耕農戶收入水平的影響因素估計結果。表中ρt與ρu分別表示選擇方程與退耕農戶、非退耕農戶家庭收入水平影響效應方程誤差項的相關系數，從回歸結果可以發現，不同貧困程度農戶的選擇方程和結果方程的相關系數均顯著，除了模型2的聯合獨立似然比沒能通過檢驗，其余2個子樣本模型均通過了顯著性檢驗。為此，有必要糾正由不可觀測因素引起的樣本選擇性偏誤問題。從樣本回歸結果來看，首先，對不同貧困程度的農戶家庭，影響其是否參與退耕還林決策的因素存在差異。其中，常住人口比例對3個貧困等級農戶的退耕決策均有顯著負向影響，即常住人口比例越低，農戶參與退耕的可能性就越大。具體來看，對于非貧困農戶而言，戶主年齡和家中有人是干部對其退耕決策有正向影響，且分別在10%和5%統計水平上顯著。對于一般貧困農戶而言，家中有人是干部也對其有正向影響，在10%統計水平上顯著。對于重度貧困農戶而言，人均經營土地面積對其選擇參與退耕還林有顯著正向作用，在1%統計水平上顯著，表明重度貧困農戶若擁有的人均經營土地面積越多，參與退耕的可能性就越大。其次，從不同子樣本模型的結果方程中可以看出，不同貧困程度的農戶收入影響因素不盡相同。其中，戶主的健康狀況對不同貧困程度退耕農戶收入來說都是負向的，但僅對重度貧困退耕農戶有顯著的影響，其原因可能在于戶主健康狀況差會增加醫藥支出。家庭勞動力數量、人均經營土地面積和男性比例對不同貧困程度非退耕農戶收入均有顯著正向影響，其中，勞動力的數量越多或家庭人均土地經營面積越大，農戶可獲得的收入也就越多； 農戶收入的主要承擔者是家庭中的男性，農戶家庭中男性比例越大，其收入可能就越高。最后，不同貧困程度農戶模型中的退耕農戶與非退耕農戶的收入影響因素也不相同。非貧困農戶和一般貧困農戶中戶主年齡對非退耕農戶有正向顯著影響，但對退耕農戶的影響不顯著，且有正有負。戶主受教育年限和是否是干部戶僅對一般貧困農戶中的非退耕農戶有正向顯著影響，且是干部戶對非貧困樣本中退耕農戶的收入有顯著負向影響，可能的原因在于非貧困農戶的增收來源并不依賴退耕還林補貼，干部戶選擇參與退耕反倒會對其勞動力的分配有影響，進而給家庭收入帶來負面影響。

4.2 處理效應和異質性效應

依據內生轉換回歸模型(ESR)得到反事實結果，確定在參與退耕和未參與退耕2種情形下的期望收入，并基于表3的結果和表1的定義，得到相應的處理效應和異質性效應，并將不同貧困程度農戶子樣本一并報告在表4中。

表4展示了退耕還林對不同貧困程度農戶的收入效應。從非貧困農戶來看，處理組的平均處理效應(ATT)為-0.457 ，說明對于已經參加退耕還林的非貧困農戶，如果沒有選擇退耕還林，其家庭收入水平將提高45.7%； 控制組的平均處理效應(ATU)為1.552 ，表明對于未參與退耕還林的非貧困農戶，如果參與退耕還林，其家庭收入將提高155.2%。以上結果說明對于未參與退耕非貧困農戶來說，若參與退耕還林則會增加其家庭收入。這一結果似乎與農戶根據自身效用最大化做出的決策相悖，但如前文的描述性統計中所述即家庭收入較低的農戶選擇參與退耕的可能性更大，則這一結果可以解釋為： 非退耕農戶多為收入較高的農戶，因退耕補貼對其家庭收入增長的邊際效應較小，農戶根據自身效用最大化原則傾向于不選擇參與退耕。然而，一旦這部分農戶選擇參與退耕，則有可能以其資金或其他技能優勢更快地實現勞動力轉移，進而更快地實現家庭收入增加。

為了更清楚地展現退耕決策對一般貧困農戶和重度貧困農戶的收入效應，本文分別給出退耕農戶和非退耕農戶在2種情境下的家庭收入的概率密度分布(圖1、圖2)。一般貧困退耕農戶(圖1a)和重度貧困退耕農戶(圖2a)若不參與退耕，其收入的概率密度函數曲線向左移動，表明在考慮了選擇偏誤的情況下，參與退耕能有效提升其收入水平，ATT值分別為0.095 和0.255 ，表明如果沒有選擇退耕還林，其家庭收入水平將分別減少9.5%和25.5%。一般貧困(圖1b)和重度貧困(圖2b)的非退耕農戶若參與退耕，其收入的概率密度分布曲線將向左移動，平均處理效應(ATU)分別為-0.538 和-1.428 ，表明如果選擇參與退耕還林，其家庭收入將分別降低53.8%和142.8%。從以上結果可以看出，一般貧困農戶和重度貧困農戶選擇參與退耕還林均可以顯著增加其家庭收入水平，且重度貧困退耕農戶的增收效應更大。

在一般貧困農戶子樣本中，HT的估計值說明若一般貧困的非退耕農戶選擇參與退耕，將比實際參與退耕的一般貧困農戶家庭收入水平低41.2%，反過來，HU的估計值說明，如果一般貧困退耕農戶沒有參與退耕，其收入水平將比實際未參與退耕的一般貧困農戶低22.1%。在重度貧困農戶子樣本中，HT的估計值說明如果重度貧困的非退耕農戶選擇參與退耕，將比實際參與退耕的重度貧困農戶收入水平低139.4%，反過來，HU的估計值說明，如果重度貧困退耕農戶沒有參與退耕，其家庭收入水平將比實際未參與退耕的重度貧困農戶低28.9%。以上結果表明，參與退耕還林工程對一般貧困農戶和重度貧困農戶均有正向影響，其收入水平均較反事實情況下得到顯著提高，且2種影響效應估計結果的方向不一致，印證了一般貧困農戶和重度貧困農戶參與退耕還林的選擇上是基于其自身的比較優勢所做出的決策(Borjas, 1987)。

表3 不同貧困程度農戶的ESR回歸結果①

表4 不同貧困程度農戶收入的處理效應和異質性效應的測算結果①

圖1 2種情景下一般貧困農戶的家庭收入概率密度

圖2 2種情景下重度貧困農戶收入概率密度

4.3 穩健性檢驗

以上研究結果的穩健性可能會受到以下2個方面的影響： 一是極端值問題； 二是得到的處理效應和異質性效應可能受到了其他因素的干擾(金江等， 2018)。因此，需要圍繞這2個方面問題展開穩健性檢驗。一是收入極端值穩健性檢驗。借鑒Falck等(2016)的做法，剔除收入低于第5百分位和高于第95百分位的觀測值，對模型進行重新估計。結果表明，收入極端值被剔除之后，對應的處理效應和異質性效應結果沒有發生改變，說明之前的估計結果是穩健的。二是替換被解釋變量的檢驗方法。鑒于本文采用的數據庫有2種收入統計方式，一種是通過國家統計局過錄的農戶數據，即前文分析中所采用的數據，另外一種是入戶調查時得到的收入數據。故采用入戶調查的收入數據作為穩健性檢驗的被解釋變量進行重新估計，結果表明，退耕還林對不同貧困程度農戶的處理效應并無顯著變化，也說明了之前得出的結論是穩健的。

4.4 影響機制分析

從前文的實證結果可以得出，參與退耕對一般貧困農戶和重度貧困農戶收入有顯著的增收效應，但是，退耕還林具體是通過哪一部分收入實現增收以及增收的效果如何？對于不同貧困程度農戶，退耕還林是直接還是間接地影響其收入？為了進一步剖析參與退耕對不同貧困程度農戶增收的影響機制，同時驗證前文中的2個假設是否成立，按照收入結構將農戶收入劃分為可以體現直接效應的人均轉移性收入和人均經營性收入，以及能夠體現間接效應的工資性收入和財產性收入，分別估計參與退耕對不同貧困程度農戶不同收入類型的處理效應(表5)。

表5 退耕對不同貧困程度農戶不同收入影響的處理效應

從直接影響看，退耕還林工程只對退耕農戶中的重度貧困農戶的人均轉移性收入和人均經營性收入的平均處理效應顯著為正，這表明工程能夠通過轉移性收入和經營性收入的方式直接增加重度貧困農戶的家庭收入，與不參與退耕的反事實情況相比，分別提高了15.9%和18.6%。這一結論印證了假設1，即退耕還林工程可能通過退耕補貼或改變農戶耕地面積，直接影響退耕農戶收入水平，但這一直接影響效應僅對重度貧困農戶收入是正向顯著的。

從間接影響看，退耕還林工程對不同貧困程度的退耕農戶人均工資性收入的處理效應均為正，這表明退耕還林工程可通過勞動力轉移等其他形式間接影響農戶收入結構，促進非農收入的增長，工資性收入作為農戶勞動力轉移后最主要的非農收入來源也是其收入的主要部分，在農戶選擇退耕后均有不同程度的增加。相對于未參與退耕的反事實情況，退耕分別帶動非貧困農戶工資性收入提高4.0%，一般貧困農戶提高7.9%，而重度貧困戶提高了24.6%。這一結論印證了假設2，即退耕能夠引起農業剩余勞動力轉移等非農收入變化，間接改變退耕農戶的收入結構，且退耕對退耕農戶人均工資性收入的增長效應隨著貧困程度的加深而變大，即退耕對重度貧困退耕農戶的工資性收入的效應最大。

整體上看，退耕還林工程可直接或間接地影響退耕農戶的收入水平，且對不同貧困程度退耕農戶的增收效應在不同的收入類型上存在不同。非貧困和一般貧困退耕農戶參與退耕僅對其工資性收入有正向處理效應，且一般貧困退耕農戶的正向效應要大于非貧困退耕農戶。重度貧困退耕農戶參與退耕能夠使其家庭收入從直接和間接兩方面得到改善，且間接影響的正向處理效應大于非貧困和一般貧困農戶。

5 結論及政策建議

本文基于2013年中國家庭收入調查數據中的7 150戶農村住戶樣本(其中退耕農戶樣本1 259戶，非退耕農戶樣本5 891戶)，采用內生轉換模型估計農戶退耕還林的收入效應，并通過構建“反事實”分析框架，得出不同貧困程度農戶參與退耕還林工程的平均處理效應和異質性效應，用以檢驗退耕還林工程能否有效提升退耕農戶收入水平。基于收入類型進一步剖析工程對不同貧困程度農戶收入影響的直接效應和間接效應，進而明確工程對退耕農戶收入效應的影響機制，得出以下結論：

1) 從反映農戶整體收入水平的人均可支配收入來看，退耕還林工程能有效提升一般貧困退耕農戶和重度貧困退耕農戶人均可支配收入水平，與沒有參與退耕的反事實情況相比，其收入水平將分別提高9.5%和25.5%，且重度貧困退耕農戶的增收效應大于一般貧困退耕農戶。

2) 從工程對不同貧困程度農戶收入影響的直接效應來看，參與退耕對重度貧困農戶人均轉移性收入和人均經營性收入有顯著正向的影響，與未參與退耕的反事實相比，重度貧困農戶參與退耕后其人均轉移性收入和人均經營性收入分別增加15.9%和18.6%。

3) 從工程對不同貧困程度農戶收入影響的間接效應來看，非貧困農戶和一般貧困農戶的人均工資性收入較未參與退耕的反事實情況，分別提高4.0%和7.9%，而工程對重度貧困農戶的間接影響效應大于非貧困和一般貧困退耕農戶，其人均工資性收入在參與退耕后可以增加24.6%。

在考慮了測量誤差和極端值問題及排除其他干擾因素后，本文的結論依然穩健。

基于以上結論，本文得出以下政策啟示：

1) 針對不同貧困程度農戶實行差異化補貼。農戶參與退耕還林工程獲得的退耕補貼是其最直接的增收來源，也是帶動農戶參與退耕的直接動力。考慮到不同貧困程度農戶對退耕補貼在內的轉移性收入的敏感性不同，結合2020年之后國家扶貧攻堅進入減緩相對貧困及長期減貧的戰略轉型需求和工程的扶貧增收目標，在退耕還林工程規模拓展與后續管理管護過程中，工程任務和資金安排面對不同貧困程度農戶時，實施差異化補貼，將資金更多地向相對貧困尤其是對退耕補貼更為敏感的重度貧困農戶傾斜。同時，將相對貧困人口納為退耕還林工程優先對象，通過項目和資金的精準瞄準，提高補貼資金扶貧減貧的配置效率以及生態建設工程扶貧績效。

2) 適度提高補貼標準，延長補貼期限。當前的退耕補貼存在相對標準偏低與補貼時間偏短的現實問題，為了更好地帶動貧困農戶參與退耕，同時為避免已退耕農戶因收入減少而復耕，政府應提高補貼標準，提高退耕補貼在貧困農戶收入中的比例，延長補貼年限。更為重要的是，要探索實行以退耕還林生態系統服務功能價值與退耕農戶福祉改善為基礎的永久性生態補償制度，以替代和對接現行基于建設工程項目管理的財政補助政策。與此同時，還需配套優化工程資金使用績效的評價標準，將工程的長期減貧績效納入考核體系，推動工程生態扶貧管理運行機制的創新。

3) 加強對退耕貧困農戶非農生產和就業的專業知識和技能培訓。一般來說，受教育水平更高或掌握非農就業技能的退耕農戶獲得非農就業機會和更高工資性收入的可能性更大，而退耕還林工程對不同貧困程度退耕農戶的間接影響效應隨貧困程度增加而越顯著。為此，政府要配套建立重點面向退耕貧困農戶的就業指導與定向培訓計劃，提高貧困農戶非農就業人力資本能力，提高就業競爭力與工資水平，推動貧困退耕農戶收入的多元化。