基于资产视角的六盘山片区农户生态移民效应分析
杨国涛1,李佳*
(1.宁夏大学经济管理学院,宁夏 银川 750021)
摘要:移民搬迁使贫困人口实现了生计空间的再造和家庭资产的重塑。本文借助2017年六盘山片区548户农户家庭微观调研数据,采用倾向得分匹配法,研究了移民户与非移民户的家庭资产变化情况。研究表明:生态移民工程的实施使得农户总资产得到显著的提高,同时改变了农户的资产持有结构。其中移民对农户的自然资源持有量具有负向影响;对农户金融资产影响不明显;对农户非金融资产持有量有正向的影响,这主要得益于房产价值的增加。另外,我们还发现,运用传统的回归方法来评估移民效应会明显低估移民政策真正的正面作用,同时放大其负面影响。基于以上结论,本文提出了相关政策建议。
关键词:生态移民 农户资产 倾向得分匹配
一.引言
2011年12月,《中国农村扶贫开发纲要2011-2020》[1]划出了14个集中连片特困区域,并将其视作国家扶贫的重点对象。其中六盘山集中连片特困地区覆盖宁夏西海固地区、陕西桥山西部地区、甘肃中东部地区及青海海东地区共61个县(区),涉及人口2000余万。由于受到民族、历史、自然以及经济、社会发展水平的影响,集中连片特困区长期深陷“贫困陷阱”和“梅佐乔诺陷阱”[2]。国内外实践发展表明,在新形势下实施生态移民,是有效脱贫的关键。
所谓生态移民是指由于生态环境恶化困扰或者为了缓解、改善和保护脆弱地区的生态环境所发生、开展的群落迁移活动[3]。该政策不仅强调对生态的重视,还关注移民搬迁之后的生计状况、收入和适应性[4],但是中国的生态移民往往与贫困存在强烈的耦合关系,尤其是集中连片特困地区的农户生计资本存量和积累水平低,资产的投资和运用受制于资本和劳动力市场的缺失[5],对家庭资产配置与转换上的有限性和不可及性长期制约贫困农户实现有效脱贫。而生态移民政策的实施,为搬迁农户带来了资产建设的机会,使家庭生产生活的资源禀赋条件发生了非边际变化,促使他们重新配置家庭劳动时间、转变生产行为、调整其在农业生产及非农业生产中的生产资料投入水平和投入结构[6]。生态移民搬迁使贫困人口实现了生计空间的再造和空间资本的重塑[7],但是迁移能否从根本上改变贫困农户资产配置和转换的有限性?生态移民政策对农户资产究竟产生怎样的影响值得我们进行更加深入的研究。
目前,国内外学者在移民对农户资产的影响方面看法不一。一种观点认为移民搬迁对农户资产具有正面影响。其中汪磊和汪霞( 2016)[8]在对比分析了搬迁农户生计资本前后的变化后,发现搬迁后农户生计资本增量有所提升,结构也更加均衡。金梅和申云(2017)[9]基于云南省怒江州贫困农户易地扶贫搬迁准实验数据,采用 DID 模型发现易地扶贫搬迁总体上有利于提升农户生计资本。但是,也一些学者并不认同这样一个观点,徐锡广和申鹏(2018)[10]对贵州省移民搬迁农户的生计资本研究后发现:安置区农户收入较搬迁前虽有所提高,但仍处于较低水平,且农户人力资本水平较低,自身发展能力不足。辛瑞萍(2016)[11]也指出移民搬迁对农户的生计,尤其是家庭可支配收入会产生消极影响,移民家庭的生计脆弱性十分突出,并且会形成一个贫困过渡期,这就需要从可持续生计的角度来解决这种现象,否则会成为当地经济与社会发展的一个“瓶颈”(葛根高娃等,2003)[12]。因此,Jackson & Sleigh(2000)[13]指出,要更好地改善贫困人口的生活环境,增加他们的生计资本,应对移民进行一个合理的补偿,包括货币补偿及实物补偿(Koczberski & Curry,2005)[14]以增加其可持续生计能力。
以往的研究对我国生态移民问题提供了很大的帮助,但具体来讲,国内学者的研究还存在一些不足。主要表现在:目前大多数研究都是基于自然、民族等社会学方向的宏观层面的定性研究,从经济学视角出发并进行微观定量研究的文献尚少;现有文献通过实地调研获取一手资料对农户经济行为进行了解并掌握其规律的较少,由于对当地实际情况不了解,导致研究成果和实际存在差距。在研究内容上,涉及生态移民实施过程中存在的问题、安置方式等方面的内容较为丰富,从农户角度出发,对农户政策参与的收入效应也有涉及,但定量评估生态移民政策对农户资产总量和资产结构变化的文献严重缺乏,资产是个人和家庭相对稳定的经济社会资源,与收入相比,它可以更加准确地反映家庭的实际经济状况和可持续生计能力。因此,本文从微观角度出发,旨在分析生态移民政策对农户家庭资产总量状况和资产结构的影响。
二.研究方法和数据来源
(一)模型选择
本文拟回答的问题是:对于每个参与生态移民的农户而言,在其他因素保持不变的情况下,该农户总资产、金融资产、非金融资产和自然资源的变化在多大程度上可以归因于生态移民工程的实施。由于国家对生态移民地区的选择并非随机分配,而是考虑一系列因素后决定的结果,因此,实验组和对照组成员的初始条件并不完全相同,如若不加区分地将非移民地区农户的情况作为移民区农户的反事实结果会产生明显选择偏误,所以不能通过简单的统计对比来确定生态移民工程对农户资产的影响。
为解决上述问题,本文使用倾向得分匹配方法(PSM)来尽可能地分离出实验本身对实验对象的净效应。该方法估计的基本思路是:将参与生态移民工程的处理组与未参与生态移民工程的控制组的样本进行逐一匹配,使处理组与控制组的主要特征尽可能相似,然后用控制组模拟处理组未参与生态移民工程(反事实)的状态,进而比较农户在参与生态移民工程后的资产差异。在此过程中,是否参与生态移民工程作为处理变量,属于0-1变量,根据拟合效果,本文选择二元选择模型Logit模型估计倾向得分,继而进行匹配。
(二)倾向得分匹配法(PSM)
倾向得分匹配方法(Propensity Score Matching)的定义为:在给定观测协变量向量()的情况下,样本i(i=1,2,···,n)被分配到某一特定干预的条件概率。其基本步骤如下:
1.估计倾向得分。Rosenbaum and Rubin(1985)建议使用形式灵活的Logit模型,并结合反映农户特征的匹配变量,计算每个农户参与生态移民工程的条件概率。
(1)
其中,,表示农户参与了生态移民工程,为处理组(Treatment Group);
,表示农户未参与生态移民工程,为控制组(Control Group);
表示可观测到的农户特征。
2.根据倾向得分进行匹配。在匹配时,为了提高匹配质量,通常仅保留倾向得分重叠的样本。根据陈强(2014)[7],常见的匹配方法有:k近邻匹配(K-nearest-Neighbor Matching),半径匹配(Radius Matching)和核匹配(Kernel Matching)。
k近邻匹配方法是指为处理组个体寻找到倾向得分最近的k个不同的个体。若k=1,则为“一对一匹配”。具体公式为:
(2)
其中,为用倾向得分值为处理组第i个农户从控制组匹配到的农户的集合。
半径匹配是限制倾向得分的绝对距离,一般建议
,其中
为倾向得分的样本标准差。具体公式为:
(3)
核匹配本质上是一种整体匹配法,每个个体的匹配结果为不同组的全部个体(但通常去掉在共同取值范围之外的个体),然后根据个体距离的远近不同为其附上不同的权重,一般来说,近者权重大,远着权重小,超出一定范围时,权重为0。如果使用核函数来计算权重,则就为“核匹配”(Heckman et al,1997,1998),其权重表达式为:
(4)
其中,h为指定带宽,为核函数。
此时,的估计量为:
(5)
一般认为,在实际进行匹配时,不存在适用于一切情形的绝对好方法,具体应该使用以上哪一种方法或参数,目前文献中尚无明确指南。本文将同时采用最近邻匹配和局部线性回归匹配法,然后比较其结果,若结果相似,则说明结果稳健,不依赖于具体方法。
3.进行平衡性假设检验。该过程是判别匹配质量的重要依据,用于检验变量X的组间差异是否因匹配而得以消除。目前,一般采用两种方法开展平衡性检验:一是如果匹配后的显著降低,并且解释变量的联合显著性被拒绝,则匹配效果较好(Sianesi,2002;陈飞,戳伟娟,2015);另一种检验“标准化差距”:
(6)
其中,与
分别为处理组与控制组变量x的样本方差。一般要求此标准化差距不超过20%。
4.根据匹配后样本计算平均处理效应。
(7)
其中,ATT表示生态移民工程对农户资产的净效应;指农户在移民状态下的资产水平;
指农户在非移民状态下的资产水平。在衡量生态移民工程对农户资产的影响时,应将农户参加生态移民工程与不参加此工程的未来资产水平对比研究。然而,我们只能观察到某位农户在参加了生态移民工程后的各项资产水平
,不能观测到同一农户在未参加生态移民工程状态下的资产水平
。由此,可以利用倾向得分匹配方法在非移民组合中找出一批与处理组移民前的主要特征相似的农户进行匹配,创造随机试验的条件,构造
的替代值。如此,(7)可改写为:
(8)
其中,为倾向得分。
三.数据来源及变量设置
(一)数据来源
本文所使用数据来自课题组2017年对六盘山连片特困地区宁夏片区中迁出区和移民安置区农户资产情况的实地调研。其中,迁出区包括7个县,分别为:原州区、同心县、西吉县、海原县、隆德县、彭阳县和泾源县;移民安置区包括:宁夏银川市西夏区镇北堡同阳新村、金凤区良田镇和顺新村、宁县闽宁镇元龙村南区、永宁县胜利乡、永北区等。本次调研以农户层面的调查问卷为主,通过调研员与农户当面访谈并填写问卷的方式进行数据获取。结合研究目的的需要和当地实际情况,通过分层抽样分别在迁出区和移民安置区的县级层面随机选取2~5个村,然后在每个村中随机抽取20~30户农户进行访谈,调查对象为家庭中年龄在18周岁以上的了解移民具体情况并且能进行无障碍沟通的户主、配偶或其他家庭成员。调研问卷内容包含个体、家庭和社区三个层次的信息,个体层次涉及家庭成员年龄,职业,受教育程度,健康状况等基本信息;家庭层次包括农户家庭资产、负债、收入和支出,是否为移民等信息;社区层次包括社会风气、干群关系、公共服务和社会关系等数据。本文所采用数据来源于基本信息和家庭资产部分。经过整理,最终得到有效问卷548份,其中非移民有效问卷308份,移民有效问卷240份。
(二)变量设置
本文主要研究生态移民工程对农户资产产生的影响,考虑到农户生活的各方面因素,借鉴相关文献研究成果(达古拉等,2010;王瑞娟,2015;等)[15],分别以农户家庭总资产(对数值)、农户家庭金融资产(对数值)、农户家庭非金融资产(对数值)和农户家庭自然资源(对数值)作为被解释变量,主要解释变量为是否为移民。另外,还控制了其他对农户移民产生影响的因素,包括户主年龄、户主职业类型、户主受教育年限、家庭人口数、劳动力数量、男性劳动力数量、户均受教育年限、家庭人均土地面积、家庭人均可支配收入9个变量。所采用的变量定义及描述性统计如表1所示。
表1 变量描述性统计结果
变量名称 |
变量说明 |
均值 |
标准差 |
最小值 |
最大值 |
户主年龄 |
周岁 |
49.389 |
11.999 |
24 |
84 |
户主工作类型 |
1=不干活,2=只在家干农活,3=干农活,有时在当地打工,4-当地打工,5-外地打工,6-自营活动,7-乡村干部,8-教师,9-医生,10-当兵,11-其他 |
2.932 |
1.425 |
1 |
16 |
户主受教育年限 |
户主实际上学年数 |
6.312 |
4.206 |
1 |
16 |
家庭人口数 |
样本家庭人口数 |
4.659 |
1.386 |
1 |
10 |
劳动力数量 |
整半劳动力之和 |
2.511 |
1.015 |
0.5 |
8 |
男性劳动力数量 |
男性整劳动力:18-50岁;男性半劳动力:16-17岁,51-60岁 |
1.349 |
0.668 |
0 |
4.5 |
户均受教育年限 |
单位:年 |
6.361 |
2.922 |
0 |
14.5 |
家庭人均土地面积 |
家庭人均土地面积=(耕地面积+果树/林地面积)/家庭人口数 |
2.430 |
3.865 |
0 |
40 |
家庭人均可支配收入 |
家庭人均可支配收入=(家庭经营净收入+工资性收入+财产净收入+转移净收入)/家庭人口数 |
10158.07 |
7762.456 |
360 |
61530 |
数据来源:作者根据农户调研问卷计算整理
表2描述了总体样本、非移民农户、移民农户的各项家庭资产情况。在此需要说明的是:非金融资产,主要指生产性固定资产和生活消费性资产,例如住房,牛、羊等产品畜以及生产性产房包括牛棚、羊棚等和交通工具等(对于生产用房、交通运输工具、生产设施设备、家用电器,分别根据其建设年限或购买年限进行平均折旧处理,折旧年限的选择结合国家规定的折旧年限范围以及作者实地调查过程中对农村的了解来确定,确定后的具体折旧年限分别为40年、15年、15年、10年,对于超出折旧年限的资产则视为现值为0(冉和光、田庆刚,2015)[16];对于移民户的房屋价值,则按照“十三五”移民搬迁政策所述方法计算,以户均4人口为标准。住房政策:民住房建设资金实行按人补助和农户自筹的方式,人均自筹0.3万元,人均补助投资4.7万元;非移民户则按其实际价值计算);自然资源,主要指土地价值,具体根据以下方法量化:首先,对土地面积按一亩水浇地等于两亩旱地进行了调整。其次,每户家庭的农业经营毛收入是通过对家庭农业经营毛收入的分项加总计算得出。最后,按照特里·麦金利(McKinley,1993)的测算方法,假定农业经营毛收入中的25%是土地带来的,土地的收益率为8%,从而得出家庭的土地价值。对于问卷中个别农户没有回答关于农业经营毛收入的问题,但回答了土地面积,我们将这些农户所在的县平均农业经营毛收入作为替代,算出其土地价值。
表2 资产指标的描述性统计
变量名称 |
变量说明 |
总体N=548 |
非移民N=308 |
移民N=240 |
T检验 |
|||||
均值 |
标准差 |
均值 |
比重(%) |
标准差 |
均值 |
比重(%) |
标准差 |
|||
农户家庭总资产 |
总资产=金融资产+非金融资产+自然资源 |
226796.8 |
142594.1 |
206761.5 |
100 |
178443.9 |
252508.8 |
100 |
66732.7 |
-3.77 *** |
农户家庭金融资产 |
包括活期存款、定期存款、保险、股票和其他金融资产 |
7308.83 |
24454.74 |
9397.224 |
4.54 |
27593.04 |
4628.73 |
1.83 |
19439.3 |
2.27 ** |
农户家庭非金融资产 |
包括生产性固定资产、生活消费性资产和房产 |
163684.4 |
96405.48 |
109062.8 |
52.75 |
88904.02 |
233782.1 |
92.58 |
48367.3 |
-19.6 *** |
农户家庭自然资源 |
包括耕地面积、果树/林地面积、退耕还林面积所量化的土地价值 |
55803.61 |
101828 |
88301.46 |
42.71 |
124048.4 |
14098.04 |
5.59 |
29284.3 |
9.07 *** |
注:***、**、*分别表示 1% 、5% 和 10% 显著性水平。
通过简单的比较,可以发现:
(1)生态移民搬迁改变了农户资产持有结构。较迁出区来说,安置区农户的资产更加集中分布在非金融资产部分,这主要得益于房产价值的增加。而农户的金融资产和自然资源所占比重有所下降。
(2)参与生态移民工程农户的总资产均值显著高于未参加生态移民工程的农户。其中移民农户的家庭非金融资产均值远远大于非移民农户,而移民农户的家庭金融资产和自然资源的均值明显小于非移民农户。不过,由于潜在的选择偏差,我们不能将上述简单比较得出的差异完全归结于生态移民工程的实施。
四.实证分析
(一)倾向得分的估计结果
用Logit模型进行参数估计,使用倾向得分来度量个体之间距离的好处在于,它可以使匹配变量由多维转换为单维,且取值介于[0,1]之间,Logit模型的回归结果见表3。从中可以看出,Logit模型回归的系数与边际效应的符号一致,且大多在10%的水平下显著。
表3 Logit模型回归结果
变量 |
含义 |
系数 |
P值 |
|