贫困地区农户食物安全脆弱性研究

孙梦瑶，聂凤英

(中国农业科学院农业信息研究所，北京 100081)

贫困地区农户食物安全脆弱性研究

孙梦瑶，聂凤英

(中国农业科学院农业信息研究所，北京 100081)

基于2015年陕西、云南、贵州3省6县农户实地调查数据，采用期望贫困的脆弱性(VEP)研究方法，运用FGLS估计方法测算农户的食物安全脆弱性，并用Probit模型分析影响农户食物安全脆弱性的因素。经计算，样本户中具有高度脆弱性的有23户、占样本数的1.7%，其中食物不安全户16户、食物安全户7户。比较不同脆弱性与不同食物安全水平农户特征发现，高脆弱性且食物不安全农户各项情况均最差，进而通过影响因素分析得出，户主婚姻状况、家庭人口数、生病数、财富分组和食物消费得分对农户高脆弱性有显著影响。据此提出提高社会保障水平、增加卫生医疗机构、提高农户收入、改善食物消费结构等建议。

食物安全脆弱性；期望贫困的脆弱性法；FGLS；Probit模型

国内外对食物安全的研究非常丰富，从国内来看，关于贫困人口食物安全的研究主要是肖海峰[1]、朱玲[2]、朱晶[3-4]、王兴稳[5]、高帅[6-7]等人对内蒙、河南、甘肃、陕西、吉林、云南、贵州等贫困县食物可获得性、食物安全自我评价、能量和营养素摄入等方面的研究。聂凤英[8]对我国国家层面、省级层面、贫困县及农户层面进行了系统研究，建立了涵盖食物安全五大方面(食物供给能力、食物可获得性、食物利用条件、食物消费、食物安全脆弱性)的指标体系，综合衡量研究对象的食物安全水平。

从国外来看，世界粮食计划署、联合国粮农组织、国际食物政策研究所、国际农业发展基金等国际机构长时间、系统、分国别地对食物安全进行了研究，并且实施了大量的帮扶措施以降低农户食物不安全状况。但是目前，国内外对农户食物安全脆弱性尤其是定量研究脆弱性的研究较少，因此本文以实地调研数据为依托，定量测算农户食物安全脆弱性情况，并分析不同脆弱性农户的特征，探寻影响其食物安全脆弱性的因素。

1 食物安全脆弱性测量

1.1 食物安全脆弱性理论模型构建

脆弱性是指农户将来有较大的概率变得贫困或更贫困[9]。农户食物安全脆弱性就是食物不安全农户未来持续不安全的概率，或是食物安全农户未来陷入食物不安全的概率。脆弱性研究方法主要有六种，分别是脆弱性分析框架法、生计资产量化研究法、FGT贫困测量法、期望贫困的脆弱性法(VEP)、期望效用的脆弱性法(VEU)、风险暴露的脆弱性法(VER)。根据本文的研究实际，选择Chaudhuri[10]的VEP方法对农户食物安全脆弱性进行测量。

在脆弱性计算过程中，首先要计算农户的未来福利水平，国内大多关于脆弱性的研究往往用收入来替代家庭的福利水平，但是收入数据没有消费数据准确，因此本研究用实地调查的详尽的农户消费数据表示农户的福利水平，这将更有利于分析该问题。因此，农户脆弱性模型可以被表示为式(1)：

Vit=Pr(lnYh，t+1<=lnz)

(1)

式(1)中，Vit代表第i个农户在t时期的脆弱性；Yh，t+1代表第i个农户在t+1时期的食物安全水平；用食物消费得分1表示；z为确定性等价指标，本文用食物安全与不安全的临界值表示，即食物消费得分等于35，如果农户食物消费得分大于35，则农户食物安全，食物消费得分小于等于35，则食物不安全。Pr(.)代表概率。农户食物安全的产生过程主要受农户所受的冲击、农户个体特征、家庭特征、区域变量的影响。因此可以用函数表示为式(2)：

lnYi=Si′β1+Xi′β2+Hi′β3+Ci′β4+εi

(2)

式(2)中，Yi为农户的食物消费得分，Si为农户冲击向量，Xi为农户个体特征变量向量，Hi为农户家庭特征变量向量，Ci为区域变量向量，εi为干扰项。

由于现实中每个农户的lnYi满足同方差这个假设难以实现，所以不能使用最小二乘法进行估计，因此本文假设农户干扰项εi的方差为式(3)：

σε，i2=Si′θ1+Xi′θ2+Hi′θ3+Ci′θ4

(3)

式(3)中，解释变量含义与上文相同，θ1、θ2、θ3、θ4为参数。由于异方差的存在，本文采用Chaudhuri借鉴Amemiya的方法，用三阶段可行广义最小二乘法(FGLS)进行估计。FGLS估计的过程是，首先对式(2)进行最小二乘法估计，然后用估计的残差去估计式(4)：

(4)

再把预测的值带回式(4)，变为式(5)：

(5)

再用OLS估计式(5)，得到β1、β2、β3、β4、θ1、θ2、θ3、θ4。并用它们再去估计农户i预期的福利对数和福利对数方差。分别为式(6)、(7)：

(6)

+Hi′θ3+Ci′θ4

(7)

由于lnYi服从正态分布，所以最后可得出农户i脆弱性的估计式为式(8)：

(8)

借鉴其他学者对脆弱性的研究，设定脆弱性的阈值为0.5较为合适，即如果农户脆弱性水平大于等于0.5，就意味着农户具有高度脆弱性；如果其小于0.5，则脆弱性为低度。

1.2 数据和变量描述

脆弱性测量可以用面板数据也可以用截面数据，一些关于脆弱性测量的研究采用长期面板数据，因为这样符合脆弱性关于预期的考虑，但是面板数据在发展中国家很难获得。因此，一些研究通过2～3轮截面数据构造面板数据，结果也能测量脆弱性[11]，并且伪面板数据和面板数据得到的实证结果无较大差异[12]。杨龙[13]等采用1年的截面数据对贫困地区农户脆弱性进行分析，也得到了很好的效果。因此本文借鉴此方式，用2015年的截面数据计算农户的食物安全脆弱性。

本文的数据来源于课题组于2015年7—8月在陕西省洛南和镇安县、云南省武定和会泽县、贵州省正安和盘县3省6县的实地调查数据，样本总量为1 368户，调查内容包括农户家庭和个人特征、农户住房情况、资产情况、农业情况、收入和消费情况以及冲击和应对策略情况。但在计算脆弱性时，由于数据问题，最终只使用1 367户的截面数据，这些数据为评估贫困地区农户食物安全脆弱性和分析其影响因素奠定了良好的基础。

食物安全脆弱性测量的核心是食物安全的产生过程，这一过程有许多决定因素，例如食物消费量、当前的收入、未来的预期收入等，而这些因素又最终取决于农户及农户生计环境的一系列特征因素。本文选取了风险冲击变量、个体特征变量、家庭特征变量、区域特征变量等。其中风险冲击变量包括农户是否遭受灾害冲击、是否遭受经济冲击、是否遭受社会冲击，个体特征变量包括户主性别、年龄、年龄平方、受教育年限、婚姻状况；家庭特征变量有家庭人口数、劳动力数、生病数、拥有土地面积、耕地面积、收入、财富分组、生计类型；区域变量为正安、镇安、武定、会泽、盘县。

1.3 结果与分析

1.3.1 脆弱性与食物安全农户交叉分析 按照上述理论模型，本文使用FGLS求得了每个农户的脆弱性，即农户陷入食物不安全的概率，由于我们设定脆弱性的阈值为0.5，脆弱性大于等于0.5的都视为高度脆弱，经测算得出，样本农户中具有高度脆弱性的农户有23户，占样本总数的1.7%。

为了详细分析农户食物安全水平与农户食物安全脆弱性情况，我们通过计算食物消费得分，得到农户的食物安全情况，即根据食物消费得分是否大于35，得到两组农户，一组为食物不安全户，一组为食物安全户、其中食物安全户占84.7%，食物不安全户占15.3%。将食物安全情况与脆弱性情况进行交叉分析，发现具有高度脆弱性的农户中，食物不安全户16户、食物安全户7户。也就是说，样本农户中，食物不安全又具有高度脆弱性的农户有16户，占样本的1.2%；食物不安全但是脆弱性较低的农户有193户，占样本的14.1%；食物安全户但是具有高脆弱性的农户为7户，占比为0.5%；食物安全且脆弱性低的农户有1 151户，占84.2%。

1.3.2 脆弱性与食物安全交叉组农户的特征 上面已经计算出了每个农户的脆弱性，也明确了高脆弱性农户的比例，下面详细分析不同脆弱程度农户的特征情况，进而分析不同脆弱性与食物安全交叉组农户的特征情况。

表1 变量解释说明

表2 脆弱性与食物安全农户交叉分析(%)

比较高脆弱性和低脆弱性组农户情况，发现高脆弱组农户户主性别为男性的比例更大，户主年龄较高，受教育年限较低，离异或丧偶的较多，家庭人口数、劳动力数量较少，患病人数较多，财富情况较差，收入较低，遭受灾害、经济、社会冲击的比例均较大，最主要的是全部高脆弱性人口生活在洛南县。

下面详细比较不同脆弱性程度和不同食物安全状况交叉组的农户情况。由于脆弱性程度分为高脆弱性和低脆弱性两组，食物安全水平分为食物不安全和食物安全两组，所以两两交叉，最后得到四组，分别为高脆弱性且食物不安全组(A)、高脆弱性但食物安全组(B)、低脆弱性但食物不安全组(C)和低脆弱性且食物安全组(D)。

表3 高脆弱性组与低脆弱性组农户基本情况均值分析

通过比较四组农户，我们可知，A组农户整体情况最差，户主受教育年限最短，户主婚姻状况最不稳定，家庭劳动力数最少，生病人数最多，拥有的土地面积最少，平均收入最少，财富分组最低，受到的灾害冲击较多，并且大多分布在洛南县。B组农户各方面情况较A组相比较好，C组又略好于B组，而D组毫无疑问整体情况最好。由此可以推测，以上因素对农户脆弱性可能造成影响。为此，我们使用计量模型详细分析影响农户食物安全脆弱性的因素具体都有哪些。

表4 脆弱与食物安全交叉组农户的特征

2 农户食物安全脆弱性的影响因素分析

2.1 样本与变量选择

样本选择与上文计算脆弱性时依据相同，最终模型用到的样本量为1 367户。在变量选择方面，由于本研究目的是为了研究农户食物安全脆弱性的影响因素，因此因变量为农户是否是高脆弱性农户。

根据上文可知，户主受教育年限、婚姻状况、家庭劳动力数、生病人数、拥有土地面积、耕地面积、平均收入、财富分组、冲击可能对农户食物安全脆弱性造成影响，因此拟用以上变量作为自变量。具体包括：户主性别、户主年龄、户主受教育年限、婚姻状况、家庭人口数、家庭劳动力数、生病人数、拥有土地面积、耕地面积、平均收入、财富分组、生计类型、灾害冲击、经济冲击、社会冲击、食物消费得分、地区变量等变量，在进入模型前，先对自变量和因变量进行相关性分析，分析得到户主性别、拥有土地面积、耕地面积、生计类型、灾害冲击、经济冲击、收入与农户食物安全脆弱性无相关关系，因此在进入时不考虑这些自变量。

最终进入模型的自变量为户主年龄、户主受教育年限、婚姻状况、家庭人口数、家庭劳动力数、生病人数、财富分组、社会冲击、食物消费得分9个变量(表5)。

表5 变量解释说明

2.2 模型设定

由于因变量是农户是否是高脆弱性农户，值为0或者1，是个离散变量，应选择二值响应模型，我们采用Probit模型，其模型形式为式(9)：

F-1(Y)=β0+β1hhhead_age+β2 hhhead_edu+

β3 marital+β4hhsize+β5labor+β6ill

+β7wealth+β8FCS+β9 shock_soc

(9)

式(9)中，F-1(Y)为累积标准正态分布函数的反函数。β0、β1、β2、β3、β4、β5、β6、β7、β8、β9 为参数。

2.3 模型估计结果

模型结果表明，户主婚姻状况、家庭人口数、生病数、财富分组和食物消费得分对农户高脆弱性有显著影响，其中户主婚姻状况和生病数对其有正向影响，由于本研究中婚姻状况为1时是已婚状态，婚姻状况越不稳定对农户高脆弱性影响越大、农户家庭生病人数越多对农户高脆弱性影响越大。家庭人口数、财富分组和食物消费得分对农户高脆弱性具有显著负向影响，即家庭人口数越少、财富分组越低、食物消费得分越低对农户高脆弱性影响越大。

3 结论及建议

3.1 主要结论

本文通过构建农户脆弱性测量模型VEP模型，并用三阶段可行广义最小二乘法进行估计，测算出农户食物安全脆弱性情况，并对其进行深入分析。结果表明，样本农户中具有高度脆弱性的农户有23户，占总样的1.7%。通过交叉分析得出，样本农户中，既食物不安全又具有高度脆弱性的农户有16户，占样本的1.2%；食物不安全但是脆弱性较低的农户有193户，占样本的14.1%；食物安全户但是具有高脆弱性的农户为7户，占比为0.5%；食物安全且脆弱性低的农户有1 151户，占84.2%。进而分析不同脆弱性程度和食物安全水平农户的特征发现，户主受教育年限、婚姻状况、家庭劳动力数、生病人数、拥有土地面积、耕地面积、平均收入、财富分组、冲击可能对农户食物安全脆弱性造成影响，因此用以上变量作为自变量，深入分析影响农户食物安全脆弱性的因素是什么，结论表明，户主婚姻状况、家庭人口数、生病数、财富分组和食物消费得分对农户高脆弱性有显著影响，其中户主婚姻状况和生病数对其有正向影响，家庭人口数、财富分组和食物消费得分对农户高脆弱性具有显著负向影响(表6)。

3.2 建议

根据以上研究结论，本文提出两点建议。一是提高社会保障水平，增加卫生医疗机构数，贫困地区农户由于缺乏完善的医疗卫生机构、完备的社会保障体系，因病致贫返贫现象尤为严重，因此，国家和各级政府应该更好的推行大病医疗全覆盖、提前支付农户医疗费用、简化报销手续、加快报销时间、完善异地就医手续与报销机制等社会保障方式，落实到村级层面，真正使农户受益；二是改善食物消费结构，丰富食物种类，贫困地区农户食物主要以自给自足为主，谷物和块茎类食物、食用油、蔬菜等食物的消费频次较高，但是这些食物所蕴含的营养价值较低，因此应该丰富食物摄入的种类，多食用富含较高营养价值的奶类、肉类及水产品等种类的食物，以提高食物安全水平。◇

表6 Probit回归结果

注：***极显著(P值<0.01)、**显著(P值<0.05)、*P值<0.1。R2=0.347。

[1]肖海峰，王祖力.中国贫困地区农村居民家庭膳食质量状况及影响因素分析[J].中国农村经济，2008(2)：60-75.

[2]朱玲.贫困地区农户的营养和食品保障[J].经济研究，1994(2)：52-59.

[3]朱晶.贫困缺粮地区的粮食消费和食品安全[J].经济学，2003，2(3)：701-710.

[4]朱晶，王军英.物价变化、贫困度量与我国农村贫困线调整方法研究[J].农业技术经济，2010(3)：22-31.

[5]王兴稳，樊胜根，陈志钢，等.中国西南贫困山区农户食物安全、健康与公共政策——基于贵州普定县的调查[J].中国农村经济，2012(1)：43-55.

[6]高帅.贫困地区农户食物安全研究[D].西北农林科技大学，2013.

[7]高帅.农村人口食物安全测度与动因——基于家庭微观面板数据的分析[J].上海财经大学学报，2014(2)：36-42.

[8]聂凤英，Amit Wadhwa，王蔚菁，等.中国贫困县食物安全与脆弱性分析——基于西部六县的调查[M].北京：中国农业科技出版社，2011.

[9]Scaramozzino P.Measuring vulnerability to food insecurity[J].ESA Working Paper，2006：6-12.

[10]Chaudhuri，S.Assessing vulnerability to poverty：concepts，empirical methods and illustrative example.http：//info.worldbank.org/etools/docs/library/97185/Keny_0304/Ke_0304/vulnerabilityassessment.pdf.

[11]樊丽明，解垩.公共转移支付减少了贫困脆弱性吗?[J].经济研究，2014(8)：67-78.

[12]Bourguignon F，Goh C，Kim D I.Estimating individual vulnerability to poverty with pseudo-panel data[J]，2004.

[13]杨龙，汪三贵.贫困地区农户脆弱性及其影响因素分析[J].中国人口·资源与环境，2015(10)：150-156.

[14]顾蕊，聂凤英，毕洁颖，等.农户生计资本对食物安全的影响——基于中国西部六县的调查[J].中国食物与营养，2016，22(1)：10-15.

(责任编辑 李婷婷)

Food Security Vulnerability of Households in Rural Areas

SUN Meng-yao，NIE Feng-ying
(Agriculture Information Institute，the Chinese Academy of Agricultural Sciences，Beijing 100081，China)

Based on field survey data of 6 counties in Shaanxi，Yunnan，Guizhou provinces in 2015，using VEP，FGLS and probit method，the paper measured the food security vulnerability of households，and identified who had high vulnerability and why they had high vulnerability.The results showed that there were 23 households have high vulnerability，accounting for 1.7%of sample farmers，among which 16 were food insecure households，7 were food secure households.By comparing the characteristic of households in different groups，we found that the characteristic of households in high vulnerability and food insecure group were the worst.Then using probit model we found marital，household size，ill number，wealth group and food security score had significant effect on households’ high vulnerability.Accordingly we put forward suggestions including improving the ability of social security，increasing farmers’ income and improving their food consumption structure.

food security vulnerability；VEP；FGLS；Probit Model

国家自然科学基金面上项目“农村贫困人口粮食安全研究”(项目编号：71173222)。

孙梦瑶(1989— )，女，在读博士，研究方向：食物安全。

聂凤英(1963— )，女，博士，研究员，研究方向：粮食安全与减贫、畜产品经济、国际情报。

1食物消费得分是根据农户调查问卷中设计的相关问题计算得出的。在调研中，受访者被问到在最近7天中各种食物的消费天数，即为每个食物组的消费频次，进而将消费频次与根据不同食物种类的营养价值赋予每个食物组的权重值相乘并求和，即可计算出每个农户的食物消费得分。