生态保护补偿、流动性约束与非农劳动力研究

# 生态保护补偿、流动性约束与非农劳动力研究 ## 1 研究背景与数据处理 在生态保护相关项目实施过程中，对农户劳动力分配的影响是一个重要的研究课题。以某生态保护项目为例，在项目实施过程中，调查人员按地块收集了每个农户的生产活动信息，还收集了农户的资产持有、人口构成以及包括农业和非农业活动在内的其他创收活动的详细信息。 由于研究依赖于 2003 年收集的 1999 年信息，存在回忆数据的潜在问题，尤其是项目前时期的数据。为解决回忆偏差问题，采取了以下措施： - 通过调查设计来解决回忆偏差的担忧。 - 对调查人员进行精心培训和监督，确保受访者能最好地回忆过去的数量和活动。 - 重新估计所有分析，使用仅来自 67 户的样本，即 2002 年至 2004 年两次调查期间从非参与者转变为参与者的 27 户和 40 户非参与户。通过这个子样本，比较 2002 年至 2004 年非农劳动力的变化，避免依赖 1999 年的回忆数据。因为使用子样本的分析结果与使用全样本的分析结果基本一致，所以认为回忆偏差是有限的。 ## 2 非农劳动力分配情况 ### 2.1 农户时间再分配选择 到 2004 年，参与项目的农户成员大量将时间重新分配到非农工作。2005 年调查中，询问参与农户在项目实施后腾出的时间如何安排，结果如下表所示： | 时间分配选择 | 占比 | | --- | --- | | 非农劳动 | 32% | | 增加对剩余耕地的劳动力投入 | 29% | | 在家休息 | 11% | | 利用粮食补偿发展畜牧业 | 9% | | 开垦荒地 | 1% | | 其他 | 18% | 从表中可以看出，最大比例的受访者表示将家庭成员的时间重新分配到非农工作，其次是将更多劳动力分配到剩余耕地。此外，还有部分受访者将腾出的劳动时间用于休闲或结合粮食补偿扩大畜牧业规模。 ### 2.2 非农劳动力分配变化趋势 从家庭数据的描述性统计来看，参与和非参与农户的非农劳动力分配都在增加。1999 年至 2004 年期间，参与农户有非农工作的个体增加了 13%，非参与农户增加了 8%。具体数据如下表： | | 参与农户（2004 年） | | | 非参与农户（2004 年） | | | | --- | --- | --- | --- | --- | --- | --- | | | 1999 年 | 2004 年 | %变化 | 1999 年 | 2004 年 | %变化 | | 有非农工作的个体百分比(%) | 23.9 | 32.4 | +9∗∗ | 28.2 | 30.8 | +2.6∗∗ | | 有农业工作的个体百分比(%) | 69.1 | 67.4 | –2∗∗ | 69.4 | 76.7 | +7.3∗∗ | | 有非农工作的家庭成员(人) | 0.72 | 1.24 | +72 | 0.93 | 1.15 | +24 | | 从事农业工作的家庭成员(人) | 2.59 | 2.59 | 0 | 2.53 | 2.90 | +15 | 可以看出，非农就业在两类农户中都有变化，因此为了令人信服地评估项目对非农劳动力的影响，需要控制时间效应，不能简单比较项目后两组的非农工作水平。 ### 2.3 2002 年非农就业情况 在 2002 年有非农就业的个体中，42%的工作不在当地（意味着他们是农民工，离家生活和工作），40%有当地的工资性工作，18%是自雇。2002 年和 2004 年有关于非农工作强度的信息，期间参与者每天平均工作小时数和每年工作天数增加，而非参与者则没有增加。两组的非农工作收入和汇款都有所增加，但特定年份两组之间的差异在统计上不显著。具体数据如下表： | | 参与农户（2002 - 2004 年） | | | 非参与农户（2002 - 2004 年） | | | | --- | --- | --- | --- | --- | --- | --- | | | 2002 年 | 2004 年 | %变化 | 2002 年 | 2004 年 | %变化 | | 若有非农工作：每天工作小时数 | 9.2 | 9.6∗ | +4 | 9.4 | 9.0∗ | –4 | | 若有非农工作：每年工作天数 | 171 | 188 | +10 | 196 | 164 | –26 | | 若有非农工作：每年工作月数 | 6.7∗ | 7.0 | +10 | 7.6∗ | 6.3 | –7 | | 每年非农收入(元) | 3,313∗ | 4,305 | +30 | 4,339∗ | 5,736 | +32 | | 每年汇款(元) | 1,936∗ | 2,362 | +22 | 2,812∗ | 3,180 | +13 | 注：∗表示该年参与者和非参与者的平均值在统计上有显著差异；∗∗表示数字为百分点。 虽然两类农户的非农就业参与都有明显增加，但农业工作情况不同。非参与农户从事农业活动的工作量增加了 6 个百分点，而参与农户减少了 4 个百分点。农业劳动力没有像非农活动增加那样大幅减少，可能是因为个体经常从事兼职非农工作，还会定期回到农业工作。 ## 3 识别策略 ### 3.1 利用双重差分（DID）和匹配方法 为了识别农户非农劳动力市场参与中除项目外其他因素导致的差异，利用项目的准自愿性质。许多农户没有是否参与项目或选择纳入项目地块的选择权，因此自我选择的可能性较小。项目官员根据每户土地的坡度和其他特征来决定参与户和纳入地块，参与者的土地坡度加权平均值高于非参与者。 首先，使用参与和非参与农户的数据进行双重差分（DID）估计。DID 比较政策变化对两组的结果，即受政策变化影响的组（项目参与者）与未受影响的组（非参与者）。其原理是通过比较处理组和控制组前后的变化，修正处理组政策变化前后结果的简单差异，从而消除两组结果中的共同趋势，并在一定程度上消除回顾性调查中固有的回忆偏差。 DID 还能消除所有时间不变的变量，包括观察到和未观察到的，如家庭的总时间禀赋和其他决定消费和生产的时间不变的家庭特征。同时，它能消除两组中平行变化的任何时间变量，例如投入和产出价格以及参与非农劳动力市场的交易成本在两组中平行变动的影响。 然而，传统的 DID 估计器假设在没有项目的情况下，参与者和非参与者的平均结果随时间呈平行趋势。如果认为不可观察的项目前特征与结果变量的动态相关，且参与和非参与组的这些特征不同，这个假设可能不合理。因此，报告的 DID 估计模型中包括长江流域虚拟变量和 2004 年年份虚拟变量的交互项，以捕捉补偿率的差异（四川省样本补偿水平较高，甘肃和陕西省家庭补偿水平较低），该交互项也能捕捉两个流域随时间变化的其他系统差异。此外，还包括 1999 年的非农工作状态和其他项目前控制变量，以增加平行假设成立的可能性。 基于上述考虑，估计的实证模型如下： \[L_{o_{it}} = \beta_{o}+\beta_{1}T_{t}+\beta_{2}D_{t}+\beta_{3}(T_{t}*D_{i})+\beta_{4}(T_{t}*R_{i})+\beta_{5}L_{o_{i,t=o}}+\beta_{6}R_{i}+\gamma X_{i}+\varepsilon_{it}\] 其中，\(L_{o_{it}}\) 是非农劳动力状态，\(D_{t}\) 是虚拟变量，个体 \(i\) 在处理组时取值为 1，在控制组时取值为 0；\(T_{t}\) 是虚拟变量，2004 年取值为 1，1999 年取值为 0。系数 \(\beta_{3}\) 是感兴趣的参数，即 DID 估计量。为了更好地控制不同的时间趋势，还控制了基年的非农劳动力参与情况（\(L_{o_{i,t=o}}\)）、家庭位于长江流域的区域虚拟变量（\(R_{i}\)）和其他家庭特征（\(X_{i}\)）。使用个体数据通过概率估计器估计模型并报告边际效应，由于误差可能在家庭内部相关，允许标准误差在家庭层面聚类。 ### 3.2 扩展 DID 框架 还扩展了 DID 框架，用项目强度指标替代处理变量 \(D_{i}\)，以测试项目参与强度是否影响项目效果。如果投入更多土地参与项目能增加可用劳动时间或家庭用于寻找非农工作的流动性，那么非农就业差异可能与每户退耕面积正相关。作为项目强度的衡量指标，考察以下方面： - 项目面积与每户总土地持有量的比率。 - 参与项目的年数。 - 退耕面积与总土地面积的比率和项目持续时间的交互项。 除了项目对非农就业转移的影响，还估计了对每个个体农业状态变化的影响。流动性改善的农民可能会增加每公顷耕地的劳动力投入和/或将劳动力从农业转移到非农就业。根据描述性统计，一些参与农民在项目开始后利用实物粮食补偿作为饲料增加了畜牧业生产，另一些则从传统粮食作物转向高价值园艺产品。前者的影响是否会抵消向非农劳动力的转移是一个实证问题。 综上所述，通过上述研究方法和模型，旨在更准确地评估该生态保护项目对农户劳动力分配的影响，为相关政策的制定和调整提供科学依据。后续还会进行敏感性分析以及探讨流动性对项目影响非农劳动力的作用机制等内容，以进一步完善研究结果。 ## 4 敏感性分析 ### 4.1 双重差分匹配（DID 匹配）方法 虽然双重差分（DID）方法有其优势，但也存在一些问题。部分农户对项目参与有自主权，可能存在选择问题。而且描述性统计显示，控制组和处理组在某些方面存在差异，这可能降低对 DID 估计的信心。 为解决此问题，采用双重差分匹配（DID 匹配）策略。该方法是在选择基于可观察特征进行时，考察处理对结果影响的一种方式。使用 DID 匹配无偏地衡量项目对非农劳动力的影响，需要包含以下两类特征： - 决定哪些农户可能参与项目的特征。 - 也会影响劳动力分配变化的特征。 如果这些假设成立，那么在给定可观察协变量的情况下，非参与农户非农劳动力分配决策的变化，就是参与农户若未参与项目时的非农劳动工作水平。通过将匹配与 DID 方法结合，可以消除时间不变的不可观察变量以及有平行趋势的时间变量的影响。 匹配处理户和控制户时，基于以下特征进行： - 官员用于项目安置的家庭土地资源的坡度和其他特征（包括隐含和明确的）。 - 影响获取非农和农业工作机会差异的因素，如 1999 年的教育程度、年龄、家庭规模、子女数量、流动性、作物收入以及村庄到乡镇政府所在地的距离。 实施估计时，使用两种协变量匹配估计器： - 具有逆方差加权矩阵的最近邻协变量匹配估计器（考虑协变量的规模差异）。 - 具有马氏加权的最近邻协变量匹配估计器（一种考虑规模的距离度量）。匹配是在观察值与其最近邻之间进行，允许替换。通过使用两个最近邻来解决匹配质量的均值 - 方差权衡问题，反事实结果是这两个最近邻的平均值。为处理有限样本匹配不精确时的偏差，使用 Abadie 和 Imbens（2006）的匹配后偏差校正程序，该程序在有限样本中渐近消除条件偏差项。还将结果与使用核匹配的倾向得分匹配进行比较。由于匹配估计器仅在处理变量为二元时效果良好，因此仅估计项目参与离散选择的效果。 ### 4.2 敏感性分析流程 下面是敏感性分析的 mermaid 流程图： ```mermaid graph LR A[发现 DID 方法问题] --> B[采用 DID 匹配策略] B --> C[确定需包含的特征] C --> D[基于特征匹配处理户和控制户] D --> E[选择匹配估计器] E --> F[实施匹配和偏差校正] F --> G[与倾向得分匹配比较] ``` ## 5 测试流动性对项目影响非农劳动力的策略 ### 5.1 按流动资产四分位数分组测试 由于数据中两个可作为流动性衡量指标的变量在参与和非参与组之间呈现不同趋势，且特别关注项目对不同流动性水平家庭劳动力分配影响的差异，因此采取两种替代方法。 首先，计算每个家庭项目前的流动资产价值。这里定义的流动资产包括牲畜资产、固定生产性资产和耐用消费品的价值，加上贷款和存款。然后将样本家庭按其总流动资产价值分为四分位数：\(Q_{j}, j = [1,2,3,4]\)，其中 \(Q_{j} = 1\) 表示家庭属于第 \(j\) 四分位数，\(j = 1\) 是资产价值最低的家庭组。接着使用 DID 框架测试项目效果在各四分位数之间是否存在差异。通过在 DID 模型中包含 \(Q_{j}\) 与处理虚拟变量的交互项来研究处理效果的异质性，估计的方程如下： \[L_{o_{it}} = \beta_{o}+\beta_{1}T_{t}+\beta_{2}D_{t}+\sum_{j = 1}^{4}\beta_{i,j}(Q_{j}*T_{t}*D_{i})+\beta_{4}(T_{t}*R_{i})+\beta_{5}L_{o_{i,t=o}}+\beta_{6}R_{i}+\gamma X_{i}+\varepsilon_{it}\] 如果农户参与项目确实缓解了其流动性约束，那么项目将对非农劳动力市场参与（或农业收入）产生积极影响。在实证模型中，预期项目实施前流动性水平较低的家庭（属于较低两个四分位数的家庭）在获得补偿后，其流动性约束的缓解程度将大于资产价值较高的家庭（属于较高两个四分位数的家庭）。 ### 5.2 按 Zeldes 规则分组比较 作为第二种替代方法，利用 Zeldes（1989）开发的规则将家庭分为流动性受限和不受限两组，并比较两组的 DID 估计结果。 ## 6 项目对非农劳动力的影响结果 ### 6.1 基本 DID 模型结果 双重差分（DID）模型的点估计显示，该生态保护项目增加了非农劳动力参与，减少了农业劳动力参与。具体而言，参与项目使个人从事非农工作的可能性增加了 15 个百分点，这一估计在 5%的水平上具有统计学意义。基本 DID 模型估计系数的符号表明，该项目正在促进结构变化，对于期望该项目有助于促进非农就业的人来说，基本回归模型的结果有一定的鼓舞作用。 ### 6.2 项目参与强度的影响 结果还显示，项目参与强度越大，非农劳动力参与增加越多。具体来说，退耕土地与总土地持有量的比率越高，以及该比率与参与项目年数的交互项越大，获得非农工作的倾向就越大。这表明，将全部土地退耕的家庭中的个体，更有可能获得非农工作。相关数据如下表所示： | 变量 | 系数 | 稳健 z 统计量 | 显著性 | | --- | --- | --- | --- | | 处理×2004 年 | 0.149 | 2.02 | ∗∗ | | 项目面积与总土地持有量的比率×2004 年 | 0.159 | 3.51 | ∗∗∗ | | 参与项目年数×2004 年 | 0.020 | 1.72 | ∗ | | 项目面积与总土地的比率×参与项目年数×2004 年 | 0.029 | 3.68 | ∗∗∗ | | 处理 | -0.038 | 1.38 | | | 项目面积与总土地的比率 | -0.083 | 3.01 | ∗∗∗ | | 参与项目年数 | -0.007 | 1.48 | | | 项目面积与总土地的比率×参与项目年数 | -0.015 | 3.14 | ∗∗∗ | | 2004 年虚拟变量 | 0.068 | 0.97 | | | 2004 年×长江流域 | 0.008 | 0.17 | | | 长江流域虚拟变量 | 0.047 | 2.23 | ∗∗ | | 家庭规模 | 0.011 | 1.49 | | | 15 岁以下儿童数量 | -0.006 | 0.48 | | | 总土地持有量 | -0.001 | 0.88 | | | 2002 年年龄 | -0.006 | 8.57 | ∗∗∗ | | 2002 年教育程度 | 0.010 | 3.55 | ∗∗∗ | | 1999 年家庭总流动性 | 0.000 | 1.67 | ∗ | | 1999 年个体有非农工作 | 0.731 | 22.67 | ∗∗∗ | | 伪 \(R^{2}\) | 0.44 | | | | 观测值 | 1953 | | | 注：∗表示在 10%水平显著；∗∗表示在 5%水平显著；∗∗∗表示在 1%水平显著。报告的系数是概率模型的边际效应，括号内的稳健 z 统计量基于家庭层面的聚类标准误差计算。 通过上述多方面的研究，可以更全面地了解该生态保护项目对农户劳动力分配的影响，为进一步优化项目实施和相关政策制定提供了有力的依据。例如，根据项目参与强度与非农劳动力参与的关系，可以针对性地鼓励农户提高项目参与强度，以促进非农就业和农村经济结构的调整。同时，考虑不同家庭的流动性约束情况，制定更有针对性的补偿和支持政策，以更好地发挥项目的作用。