退耕还林工程对贫困山区农户生计的影响——以甘肃会宁县为例

刘璐璐



退耕还林工程对贫困山区农户生计的影响——以甘肃会宁县为例

刘璐璐1,2

1. 中国科学院西北生态环境资源研究院, 甘肃 兰州 730000 2. 中国科学院大学, 北京 100049

贫困山区农户生计问题为退耕还林工程可持续发展带来了严峻挑战。本文基于甘肃省会宁县的农户(包括退耕户和非退耕户)调查数据，采用双重差分法(DID)对退耕还林工程的经济效益进行评估。结果表明：退耕还林政策存在处置效应即退耕还林政策对退耕户家庭收入具有显著的负面影响，退耕还林工程使得退耕户收入下降近2000元；差分回归模型分析结果进一步证实了DID方法的研究结论。为实现退耕还林工程的可持续性，建议大幅度提高农户退耕还林的补贴额度，延长退耕还林补贴款年限，建立退耕还林补贴政策的动态调整机制，保证退耕还林工程发挥正的经济效应。

退耕还林; 农户; 经济收入

我国是世界上水土流失最为严重的地区，其中黄土高原水土流失面积占其总面积的70%。针对这一现象，我国政府以水土流失较为严重的甘肃等省份为试点区域，于1999年启动退耕还林工程。工程实施所带来的生态效益已开始凸显，生态环境改善明显[1]。退耕还林工程的实施地区多为欠发达的西部省份，而这些地区的农户作为退耕还林地区的参与主体，是退耕还林工程可持续发展的关键因素。如何科学测度退耕还林工程对贫困地区农户生计的经济效应是当前亟需解决的关键问题。目前，国内外学者对退耕还林工程的经济效应给予广泛关注[2,3]。学者们分别从还林的投入与产出[4]；农业全要素生产率、就业和收入[3]等方面进行讨论。但是针对退耕还林工程对退耕还林户生计影响的定量测度缺乏关注，较少区别退耕还林与非退耕还林户以定量考察还林工程对农户生计的净效应。

退耕还林工程的实施是否对贫困山区农户生计产生影响？如果产生影响，其作用大小及方向如何？这是本文主要关注的问题。本研究以贫困山区甘肃会宁县为例展开讨论。本文采用双重差分(DID)计量评估方法，测度退耕还林工程对农户生计的影响程度，并进行稳健性检验，最终基于实证结果提出相应政策建议。本研究将为解决退耕还林工程的可持续性，改善贫困农户生计，实现精准扶贫提供重要的经验支持。

1 研究区域概况

甘肃省会宁县位于我国西北内陆干旱区，属典型黄土高原丘陵沟壑区，是我国黄土高原地区水土流失的典型区域之一[1]。会宁县现有耕地26.18×104hm2，其中15度至25度坡耕地占42.9％，仍有可实施退耕还林还草的耕地面积2.8×104hm2。截至2013年底，累计完成退耕地还林2.86×104hm2，还草1.12×104hm2，荒山造林2.72×104hm2，累计兑现第一轮粮款补助资金6.79×108元，兑现第二轮农户补助资金1.81×108元，兑现巩固退耕还林成果项目专项资金1.79×108元[5]。工程实施范围覆盖了全县28个乡镇，284个行政村，涉及89538退耕农户，共376060人。作为西北内陆干旱区的全国重点扶贫县，会宁县水土流失严重，且贫困程度较为严重，社会经济发展水平相对落后。

2 数据来源与调查方法

2.1 数据来源

本文数据来自国家统计局会宁调查队在1999~2015年间的农村住户追踪调查和1999~2015年国家林业重点工程社会经济效益监测报告，最终确定有效调查农户为102户，其中退耕户为52户，非退耕户为50户。两项调查中都包括的农户收入、消费等数据。图1汇总了退耕还林户和非退耕还林户的收入与消费信息。

退耕还林户 Farmers in Grain for Green Program 非退耕还林户 Farmers not in Grain for Green Program

基于调查问卷，我们还可以得到农户家庭人口数、受教育水平、劳动力比例、耕地情况等信息。表1报告了退耕户和非退耕户家庭基本调查数据。我们发现：与非退耕户相比，退耕户的家庭人口，耕地以及各类资本相对较多，但是退耕户在家庭受教育水平及劳动力占比方面低于非退耕户。退耕户的各项家庭指标的波动幅度大于非退耕户，说明退耕户的各类指标的稳定性不强。

表1 农户家庭基本信息

2.2 研究方法

2.2.1 DID评估方法目前，项目评估和政策施行效果研究的主流方法是DID(Difference in Difference)方法。DID方法西部大开发政策等政策评估领域有着广泛的应用[6]。DID方法的主要优势在于给定其他因素的条件下，将退耕还林区的农户加以区别，基于退耕户和非退耕户分别设定控制组和处置组，进而评估退耕还林工程的经济效益。

2.2.1 面板模型构建若要实现DID评估方法中处置效应的估计结果，则需构建面板数据计量模型。本文研究的主要问题是退耕还林工程的经济效益，这里定义退耕还林户为处置组，非退耕还林户为控制组。我们将采用DID方法说明退耕还林工程实施前后对农户经济效益（收入）的影响。面板数据模型构建如下：

其中，Y表示个体农户，包括退耕还林户和非退耕还林户。T取值为1表示处置组个体户，取值为0表示控制组个体户，A取值为1表示退耕还林政策实施前，取值为0表示退耕还林政策实施后。T和A分别控制个体和时间两个维度，T*A为交叉项取值为1表示退耕还林政策实施后处置组个体户。0，1，2，3为待估参数，其中3度量了处置效应。

3 结果分析及讨论

基于收集整理的农户调研数据信息集，本文对面板数据模型进行估计。其中，因变量Y表示个体农户的收入，其他解释变量和参数的含义保持不变。基于表2的估计结果，我们发现，无论是固定效应还是随机效应模型，3的估计结果均显著为负，说明退耕还林政策存在明显的处置效应，这意味着退耕还林政策对退耕户家庭收入具有显著的负面影响，进一步地，Hausman检验结果为0.5906，我们由此得知在10%的显著性水平上依旧不能拒绝原假设即随机效应模型。换言之，在退耕还林政策评估的研究中，设定随机效应模型更为合适。总之，DID方法的估计结果表明退耕还林政策对退耕还林农户收入有着较为显著的负面影响。平均而言，退耕还林工程使得退耕户收入下降近2000元。

表 2 DID方法估计结果

注：括号内的值估计标准差，因为多重共线性，1的估计结果被忽略。*表示在10%的显著性水平上估计结果是显著的；**表示在5%的显著性水平上估计结果是显著的；***表示在1%的显著性水平上估计结果是显著的，下同。Hausman Test的原假设是设定随机效应模型。

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.

进一步地，为说明上述研究结果的稳健性，参考文献[7]的方法，采用一阶差分模型进行估计，引入虚拟变量衡量退耕还林政策的经济效应。这里本文将样本区间划分为两个时间段进行考察，以说明退耕还林政策经济效应的短期和长期效果。一阶差分模型构建如下：

其中，Y,1表示退耕还林政策实施后个体农户的收入，Y,0表示退耕还林政策实施前个体农户的收入。Prog为虚拟变量，其取值为1对应退耕还林农户，取值为0对应非退耕还林农户。x表示相应的控制变量，其主要包括家庭人口，劳动力比例，物质资本，耕地面积，受教育水平等。

表3报告了一阶差分模型的估计结果，我们选取的样本区间为2002~2007年。为消除数据量纲对参数估计的影响，这里对收入变量和物质资本变量取对数。我们可以发现参数估计结果均为负值，但是不具有统计意义上的显著性，这说明在短期内退耕还林政策对农户收入并没有显著的负面影响。对退耕还林户收入而言，家庭人口在1%的显著性水平上具有显著的正向影响。这表明农户的收入主要取决于家庭人口规模，农户的受教育程度对农户收入具有显著的负面影响，短期内受教育年限对农户收入具有负面影响。耕地规模对农户收入无显著影响，主要原因在于恶劣的自然环境使得土地的产值较低，而农户的受教育水平整体偏低，外出打工者主要从事较为简单的体力劳动或者服务业。表3的估计结果表明退耕还林政策在短期内没有明显的经济效益。这与上文中DID的分析结果不一致，这意味着退耕还林政策作用时效较为缓慢，在一定程度上说明退耕还林工程对农户经济利益的考量有待加强，例如增加补贴力度，增加农户职业教育培训等。为进一步说明退耕还林政策作用时效性，我们将数据样本延长至2015年，以考虑退耕还林政策的长期效应。

表 3 一阶差分模型估计结果（2002~2007）

表4同样报告了一阶差分模型的估计结果，这里的样本数据区间为2002~2015年。我们可以发现，与表3估计结果明显不同的是，参数的估计值显著为负。这说明在更长的样本区间内退耕还林政策对农户收入产生了显著的负面影响。与短期不同，劳动力比例在长期内对农户收入有显著的正向影响，而受教育水平在长期内也会显著提高农户收入。这一估计结果与DID方法的分析结论相一致即在较长期限范围内退还林政策经济效益为负，并没有增加农户收入。实际上反映出退耕还林政策补贴期限相对较短，按照现有标准，粮食和现金的补助年限为：退耕还草补助按2年计算；还经济林补助按5年市场计算；还生态林补助按8年计算[8,9]。

本文认为出现这种结果原因在于退耕还林工程的收入补贴政策缺乏动态调整机制而且补贴金额较低。具体表现在，退耕还林的收入补贴政策没有综合考虑必要宏观经济因素。例如收入补贴通常以固定数额每年发放，但是通货膨胀不断上升，使得整个社会的物价水平直接增加，但农户补贴不变，这意味其实际收入下降。此外，退耕还林补偿款数额较低，以无法体现退耕还林的机会成本。这里我们得到的一个政策启示是制定退耕还林补贴政策主要综合考虑宏观经济因素，适当延长补贴年限，提高退耕还林政策的持续性。退耕还林地区农户相对贫困，退耕还林政策需要显著提高农户退耕还林的补贴收入，同时增加必要的农村教育培训。

表 4 一阶差分模型估计结果（2002~2015）

4 主要结论及政策建议

对该地区退耕还林经济效益的考察可以为退耕还林可持续性及减少地区贫困，实现精准扶贫等问题提供参考依据。我们基于甘肃省会宁县的实地调查数据，采用经典DID计量评估方法即构建面板数据模型研究退耕还林工程的政策效果经济评估。采用差分回归模型进行稳健性分析。研究结果表明：首先，DID方法的实证结果说明在退耕还林政策评估的研究中，退耕还林政策存在明显的处置效应即退耕还林政策对退耕户家庭收入具有显著的负面影响，平均意义上而言，退耕还林工程使得退耕户收入下降近2000元；其次，差分回归模型的估计结果表明在短期内退耕还林工程的政策效果并不明显，农户的收入主要取决于家庭人口规模。长期来看，农户的收入依旧取决于家庭人口规模等因素，进一步证实DID方法的研究结论。

本文提出如下政策建议。首先，幅度提高农户退耕还林的货币补贴额度，增加农户的退耕意愿；其次，基于社会经济发展水平，适度调增补贴额度，发挥退耕还林工程对农户生计正的经济效应；最后，适度延长退耕还林补贴款的年限，防止出现退耕土地返耕现象。

[1] 宋玲玲,田青,李宗杰,等.会宁县退耕还林还草工程植被生长状况分析[J].甘肃农业大学学报,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,杜秉贞,等.黄土高原典型区退耕还林还草工程实施效果实证分析[J].中国生态农业学报,2014,22(7):850-858

[4] 侯军岐,张社梅.黄土高原地区退耕还林还草效果评价[J].水土保持通报,2002,22(6):29-31

[5] 会宁县人民政府.会宁县新一轮退耕还林还草实施方案[R].会宁:会宁县人民政府,2014

[6] 刘瑞明,赵仁杰.西部大开发:增长驱动还是政策陷阱--基于PSM-DID方法的研究[J].中国工业经济,2015(6):32-43

[7] 徐晋涛,陶然,徐志刚.退耕还林:成本有效性、结构调整效应与经济可持续性——基于西部三省农户调查的实证 分析[J].经济学,2004,4(4):269-290

[8] 李宗杰,田青,宋玲玲.会宁县退耕还林(草)工程效果调查研究--以会宁县刘寨乡和土门岘乡为例[J].草原与草 坪,2014(5):65-70

[9] 张晓萍,温忠明,马晓微.参与性农村调查与评估（PRA）概念与调查方法[J].水土保持科技情报,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

刘璐璐(1984-),女,博士研究生,主要研究方向为生态经济，经济计量. E-mail:lululiu@lzb.ac.cn