影响牧民收入的关键因素研究—基于Meta分析与累积Meta分析

关士琪，李泓薇，唐增*

（1.草地农业生态系统国家重点实验室，农业农村部草牧业创新重点实验室，兰州大学草地农业科技学院，甘肃兰州730020；2.兰州大学管理学院，甘肃 兰州730000）

草原牧区的发展一直是我国经济发展的难点与重点，作为我国特殊的经济和生态区域，牧区的发展具有非常重要的战略地位和意义，不仅关系到牧民的脱贫致富，更是关系到边疆地区的社会稳定和民族团结［1］。牧区的发展依赖于草原，而草原不仅是牧民生存和发展的基础，也是我国重要的生态安全屏障和畜牧业生产基地，其在涵养水土、调节气候、保护生物多样性等方面的功能对于全社会来说更是有着巨大的价值［2］。但是过去几十年由于自然因素和人为因素的影响，我国草地发生了严重的退化［3］，这严重影响了草原生态环境服务功能［4］和牧区牧民的生计发展［5］。

为了解决草地退化问题，促进牧民增收，我国政府于2011年提出在我国内蒙古、新疆、西藏等8个主要牧区建立草原生态保护补助奖励机制（简称草原生态补奖政策），该政策的主要目标一是鼓励牧民减畜，二是促进牧民增收，以此来提高草地的可持续发展能力，改善牧区生计［6］。但是从目前的实施效果来看结果却出现了很大的分歧，有些研究表明政策效果良好，有些研究却指出政策效果并不理想，甚至有研究表明出现了偏离政策目标的现象，超载过牧的行为依然存在，政策对牧民增收的作用也并无明显效果［7-10］，草原生态环境“局部好转，整体恶化”的趋势依然没得到根本性改变［11］。尤其是在我国的经济发展进入新常态后，近几年牧民收入也进入了瓶颈期，增长速度明显减缓［12］，由于收入结构较单一，牧民面临着收入持续增长困难的境况［13-15］，经济收入的脆弱性和不稳定性的特点明显，城乡差距依然巨大［16］，这非常不利于牧区未来的发展。

牧区的主体是牧民，研究表明牧民的生计资本对其生计策略和收入有着非常重要的影响［17-18］。生计资本是指人们为了维持自身生活而从事的生产活动和行为的基本手段和方式［19］。其中自然资本是牧民重要的生计保障［20］，影响着牧民对草原的依赖性［21］，人力资本是推动牧区经济增长的主要动力［22］，物质资本是维持牧民生计的基础，可以提高牧民的生产力和生产效率［23］。现有的研究结果表明，代表自然资本的家庭草场面积、代表金融资本的借钱情况、代表人力资本的劳动力数量等、代表物质资本的家庭牲畜数量等都对牧民的收入产生了很大的影响［24-26］，但是这些影响作用在不同的研究中却呈现出不同的结果。

通过梳理现有的文献，发现目前关于牧民收入的研究中存在以下几个问题：第一，现有的研究都是单独地对某一个牧区的研究，几乎没有涉及全国大范围牧区的研究，缺乏对大样本研究结果的论证，而大样本往往能得出更加稳健可靠的结论；第二，关于影响牧民收入的关键因素，当前的研究观点产生了分歧，但这些分歧均没有得到有效的解释，有必要对此进行综述分析；第三，现有的研究中，缺乏对这些重要影响因素的作用随着时间变化趋势的研究。

基于此，本研究运用Meta分析特有的优势，立足于草原生态补偿政策实施以来牧民收入变化的背景，试图从现有的研究中分析并探讨究竟是什么因素显著影响着牧民的收入情况？这些因素的作用方向如何？以及这些因素随着时间产生了怎样的变化趋势？目前的相关研究间产生分歧的原因是什么？通过探讨这些问题，以期分析促进牧民增收的关键因素和有效途径，也有助于从根本上分析牧民超载过牧的行为背后的原因，从而为草原生态补奖政策的合理制定和可持续实行提供有效的理论基础。

1 材料与方法

Meta分析，也叫荟萃分析或者元分析，是对明确了假设的各个独立检验的研究结果的统计整合［27-28］。这种用于整合研究结果的统计方法有很长的发展历史［29］。Meta分析最大的贡献和益处在于对某一个研究领域内知识的积累，这种累积知识的观点有许多例子来证明［30-31］。由于Meta分析具有非常显著的优势，如设计严密；通过增加统计功效来提高论证强度，使得结论更加精确；可以分析各研究结果的差异；能够解决独立研究所不能解决的问题，引出新问题等，这使得它比传统的文献综述更客观［32-33］，由于Meta分析所具有的众多优势，近年来也逐步得到社会科学的广泛认可［34］，同时也促进了询证经济学的发展，有助于决策者作出更加有效合理的决策，优化资源配置［35］。

经典的Meta分析经过发展与改进，其在社会科学研究中的应用主要有以下的步骤：第一，确定研究问题，即明确Meta分析的对象，系统地检索相关文献，制定纳入或者剔除文献的标准，这也是Meta分析区别于传统方法的特别之处；第二，选择恰当的效应值（合并统计量），进行必要的统计检验，这是Meta分析至关重要的一步；第三，对效应值进行异质性检验；第四，统计模型的选择，依据异质性检验的不同结果，选择不同的模型，分别有固定效应模型和随机效应模型；第五，发表偏倚检验，当出现发表偏倚时，在后文中需要对其进行分析和修正；第六，其他分析诸如敏感性分析、Meta累积分析、Meta回归分析和亚组分析，根据情况的不同以及所需要研究的内容和结果的不同还可以进行其他的分析。

1.1 效应值

就本研究而言，选择Hedges g值作为本研究的效应值，Hedges g具有与样本无关且无量纲的特点。Hedges g表示不同样本间处理的标准化均值差［36］。当Hedges g＞0，表示该变量综合效应对牧民意愿具有正向影响，Hedges g＜0为负向影响，Hedges g=0则表示无影响，同时通过显著性检验验证Hedges g的显著性。

1.2 异质性检验和模型选择

Meta分析需要对各效应值进行异质性的检验，也叫齐性检验或者同质性检验，根据检验结果的不同选择不同的模型。一般有Q检验、I2检验［37］。

式中：为综合效应量；E i为第i个研究的效应量；w i为第i个研究的权重；统计量Q服从自由度为n-1的卡方分布。若表明P＞0.05，即研究间的方差的异质性是由于存在抽样误差造成的，此时可以认为研究间是同质的。若表明P＜0.05，研究间的变异超出抽样误差所能解释的范畴，需要考虑异质性的存在。

式中：Q为总体异质性；df为自由度；I2统计量指的是异质性部分在效应量总的变异中所占的比重。

最新版的cochrane干预措施系统评价手册（cochrane handbook of systematic review of interventions）中I2检验法则将异质性分为轻度异质性（0～40%）、中度异质性（40%～60%）、较大异质性（50%～90%）和很大异质性（75%～100%）。而Higgins等［38］建议25%、50%和75%的I2值需要被格外注意，这种建议通常是基于医学研究领域的元分析，但是也可以用于其他领域的Meta分析。一般认为，当同时满足P＞0.1和I2≤40%时（也有学者认为I2≤50%），采用固定效应模型；反之，则采用随机效应模型。

1.3 发表偏倚

一般公认已经发表的研究报告并不代表所有可能的影响结果［39］，当研究结果在统计学上并不显著的时候，审稿人和编辑很少会接受那些结果不显著的研究报告［40］，即所谓的发表偏倚，也叫出版偏倚。由于Meta分析是基于已经发表研究的积累，因此可能在一定程度上会受到出版偏倚的影响。常见的解决发表偏倚的方法有funnel plot，egger’s regression，trim and fill procedure以及fail-safe N［41］。本研究用egger’s regression对各个变量的发表偏倚进行检验［42］，若存在发表偏倚的情况，则采用trim and fill非参数方法对发表偏倚量进行校正，再次估计修正后的效应量及其显著性［43］。

1.4 敏感性分析

在效应量进行整合的过程中，可能会因为某些研究结果差异较大而导致模型整体出现估计偏误，敏感性分析的重要性在于能够确定结果是否稳健，通过改变研究的纳入标准或者分析中的一些假设，检查Meta分析的结果是如何变化的［44］。可以采用leave on out方法［45］通过逐一移除单个效应量对其余效应量进行整合，观察结果的差异性，以观察结果是否稳健。

1.5 累积Meta分析

累积Meta分析是在某个研究领域历史进程中的某个节点上运行Meta分析的过程，具体而言，是基于长期累积的Meta分析的数据库，然后将新的各个独立的研究依次添加到累积的Meta分析数据库中进行单独Meta分析的过程。通过Meta分析可以对现有的Meta分析进行重新检查，以衡量研究对象何时能够达到足够的稳定性［46］。累积Meta分析代表的是时间序列数据（在荟萃分析的层面上），可以反映效应值的估计量随着时间或者其他的协变量而进行变化的趋势，在这方面对时间序列的分析运用常在应用行为学领域，累积Meta分析在很多领域早就证明了其充分性和稳定性［47-48］。而本研究中运用累积Meta分析研究牧民行为及决策具有开创性的意义。

1.6 Meta回归分析

当研究者怀疑一些研究层面的特征可以被用来解释效应值之间的差异时，有必要用Meta回归分析来验证这些假设，这些研究特征通常有诸如发表年份、研究方法、干预类型、抽样方式、研究区域等因素［49］，这些因素的不同可能会导致研究间异质性的产生，可以通过加入调节变量加以控制。本研究中选取地区因素、变量测量方式、抽样方式及时间因素作为可能的调节变量，将效应量作为因变量，调节变量作为自变量，进行Meta回归分析以验证不同研究间异质性来源，其回归模型设定为：

式中：Y为效应量；βi为待估参数；x i为调节变量；β0为截距项；ε为误差项。

1.7 数据检索

本次检索数据来源于已公开发表的期刊论文，检索的数据库包括中文数据库和英文数据库，检索方法为关键词及其组合检索（表1），检索的截止时间为2019年12月27日。初次检索得到295篇相关文献，纳入和排除标准参考之前的研究［50］。从本研究采用的方法来筛选，最终通过纳入标准最终确定的文献数量为16篇（图1），有效样本总量为3099。

图1 文献筛选流程Fig.1 The process of selecting literature

表1 检索项目Table 1 Search items

1.8 文献编码

在进行Meta分析时，要对纳入的文献进行编码，并根据研究对象和研究内容的性质对其进行分类，本研究中将对纳入的文献编码（表2）。本研究的研究区域有：内蒙古、甘肃、新疆、宁夏、青海。

表2 文献编码Table 2 Literature coding

1.9 变量选取

通过对纳入本研究的16篇有效文献进行梳理，并结合效应量不低于5的经验法则，最终选取牧民的个体特征，牧户的家庭基本特征等两个维度共7个变量，将其作为变量纳入分析研究中，同时对不同变量的测量方式进行了标注，以验证不同的变量测量方式是否影响研究结果（表3）。

表3 变量描述Table 3 Description of variables

本研究采用R3.6.1、CMA（comprehensive meta analysis）2.0及Stata/SE12.0软件对数据进行统计与分析。其中综合效应量的统计是基于Q检验和I2检验的结果，同时对各变量进行异质性检验，用I2值评价异质性大小，I2值越大，表明异质性越强，若检验结果存在异质性，采用随机效应模型，反之，则用固定效应模型，同时采用Egger’s回归检验对发表偏倚进行检验。在本研究中，根据Higgins等［38］的建议，将P＜0.05，且I2＞75%视为高度异质性，需要解释其异质性来源；而I2＜75%，视为异质性在可接受的范围。

2 结果与分析

2.1 综合效应量和发表偏倚检验

根据表4中的结果可知，草地面积这一变量存在发表偏倚，其他变量均无发表偏倚，草地面积这一变量的矫正结果（图2）表明若要消除发表偏倚还需要纳入3项研究，剪补后的效应量为0.14237（95%CI=0.05650-0.22824），其影响方向未发生变化，变量缺失的研究集中在漏斗图左侧，缺失的研究个数为3个，图中的红色圆表示填补的缺失文献，蓝色圆则表示真实值。

图2 矫正漏斗图Fig.2 Funnel chart

根据表4的结果可知，在牧民的个体特征中，年龄和教育水平属于中度异质性，年龄对牧民收入没有显著影响，但是教育水平却对牧民收入产生了显著的正向影响，这意味着牧民所受的教育水平越高，收入来源更丰富，其收入水平也更高。这与已有的研究结论一致，提高教育水平可以丰富收入来源，增加经济收益［51，63-64］。教育是发展的根本，对牧区未来的长远发展至关重要，因此，提高牧区教育迫在眉睫。

表4 Meta分析结果Table 4 Meta-analysis results

就牧民家庭特征变量而言，牲畜数量这一变量存在中度的异质性，且牲畜数量对牧民收入的影响有显著的正向促进作用；而家庭人口数量，家中劳动力人数，家庭草场面积和家庭贷款情况均存在高度异质性，表明现有的研究间对这几个变量的研究结果存在很大的分歧；家庭人口数量对牧民收入的影响并不显著，但是家庭劳动力数量对收入有着显著的正向影响，即家庭劳动力越多，家庭收入也越高；家庭贷款情况对收入并没有显著的影响，现有研究中对这一变量的研究比较少；草场面积对收入有显著的正向影响，表明草场面积越大，牧民的收入越高。且在所有因素中，草地面积和牲畜数量是牧民非常关注的因素（效应值较大）。而之前的研究也得出了类似的研究结果，牧户家庭的牲畜养殖数量是决定牧户家庭收入的一个关键性因素，并且其重要性程度在不断增强［65-66］，这也解释了为什么草原生态补偿政策的预期目标与牧民的减畜行为相背离，其关键点就在于牲畜数量，草原生态补奖政策的目的是激励牧民减畜，但是于牧民而言，牲畜数量在维持家庭生计中占据着重要的地位，这就导致两者之间产生了矛盾。因此，草原生态补偿政策的实施要想达到理想的目标，就要在改善牧民生计和鼓励牧民减畜方面做好平衡，即补偿的标准要有效且合理，补偿要能弥补减畜带来的损失［67］，同时还要鼓励牧民从牧业生产活动向非牧业生产活动进行转移。

2.2 敏感性分析

为了排除个别极端值导致的结果偏误，以检验上述结果的稳健性，对变量进行了敏感性分析，因为存在的变量较多，限于篇幅，本研究选取了一个非显著性变量（年龄）和一个显著性变量（牲畜数量）进行数据分析（表5），结果表明，敏感性分析对变量的显著性、效应量、置信区间及异质性的影响作用很小，因此，可以得知表4的数据结果稳健，可信度高。

表5 变量的敏感性分析Table 5 Variable sensitivity analysis

2.3 累计Meta分析

累计Meta分析的结果（图3）表明，就牧民个体特征方面，年龄对牧民收入的影响随时间变化波动比较大，从方向上来说，由最开始的负向影响变为正向影响，影响作用逐渐变小；受教育水平对牧民收入的影响作用始终正向影响，但随时间变化一直呈现减小的趋势。

图3 累积Meta分析Fig.3 Cumulative Meta analysis

从牧户的家庭特征来看，家庭人口数量对牧民收入的影响逐渐减小，影响作用一直是正向的；家庭劳动力数量对牧民收入的影响也逐渐减小，其影响作用一直是正向的；家庭牲畜数量的影响从最开始的负向影响变为正向影响，且在整体上来看其影响作用逐渐增大，这意味着牲畜数量是影响牧民收入的一个非常重要的因素，且重要性在不断增加；草地面积对牧民收入的影响整体上先增大后减小，其拐点发生在2016年，这正好是草原生态补奖政策改进后第二轮实施的开始，在一定程度上说明了政策的实施对牧民的放牧行为起到了一定的影响，其影响方向一直是正向的；牧民家庭的贷款情况对牧民收入的影响近几年逐渐减小，其影响作用均为正向的。

综上所述，年龄、教育水平、家庭人口数量、家庭劳动力数量、草地面积以及家庭贷款情况等因素对牧民收入的影响作用均在逐渐减小，且减小的趋势都很明显，意味着这些因素对收入的决定作用变得越来越小，而在这之中值得关注的是教育水平。教育是人类社会发展的基石，但是在草原牧区，教育的作用却逐渐变小，这引人深思，经过对相关文献的梳理，发现在所有对牧区进行调研的实证文献中，几乎都无一例外的提到了牧区的教育问题，大部分的牧民文化程度极低，甚至有些牧区的牧民几乎都是文盲，这导致了牧民的生产生活方式完全依赖于自身经验，其收入来源受到限制。

除此之外，从累积Meta分析的结果可以看出，牲畜数量对于促进牧民收入的作用逐渐增加，其重要性不言而喻，牧户家庭的牲畜数量越多，牧民的收入也越高。这也解释了为什么草原生态补奖政策的实施效果在某些地区不理想，甚至出现了违背政策目标的现象，诸如发生“偷牧”“夜牧”等现象，超载过牧依然存在，甚至一些牧民不惜通过借款来扩大养殖规模等［68］。草原生态补偿政策的目的就是减畜的同时改善牧区生计，但对于牧民而言，牲畜是决定其收入的重要因素，因此，出现了牧民与政策制定者之间的博弈。从博弈论的角度来看，政府与牧民之间的博弈就是典型的“囚徒困境”问题，政府期望从生态发展和经济发展的战略全局出发，优化草地资源的配置，保护草原生态环境，以实现经济发展与草原生态效益的最大化。而牧民的主要生计活动依赖于草原，牧民作为“经济人”在追求个人利益最大化的过程中就会出现过度放牧的现象，而超载过牧则会导致草原生态环境恶化，草原生态环境恶化则会导致草原生态效益减弱，从而导致牧民的经济利益降低，这将会使整个草原生态系统陷入恶性循环，十分不利于牧区的草原生态环境的可持续发展，也有悖于政策制定和实施的初衷。这也意味着，只有当政策的补偿金额可以弥补牧民减少牲畜带来的损失时，草原生态补偿政策才能达到其理想效果，减畜的同时改善牧区牧民的生计。

2.4 回归分析

针对前文Meta分析的结果中异质性很高（I2＞75%，且P＜0.05）的变量，家庭人口数量，家庭劳动力数量，草场面积，家庭贷款情况等4个变量，有必要进一步做Meta回归分析，来探讨造成异质性的原因。

将研究区域按照地理位置进行划分，具体为：东部（内蒙古牧区），中部（甘肃和宁夏牧区），西部（新疆和部分青海地区）。抽样方式分为随机抽样和非随机抽样；变量的测量方式分为logit模型和OLS模型，发表年份为文献发表在纸质版期刊的时间。

将异质性变量的效应值作为因变量，调节变量作为自变量，进行回归分析，得到的结果如下所示。首先考虑单个因素对效应值的影响，对于家中人口数量这一变量而言，时间因素和模型因素可能是影响异质性的因素（表6）；而对于家庭劳动力数量而言，时间因素和地区因素可能是异质性的来源；对于草地面积而言，时间因素和变量类型是最有可能导致异质性的原因；就贷款情况而言，变量类型可能是导致产生异质性的原因，但是调节效应均不明显。

表6 各变量的Meta回归分析Table 6 Meta r egr ession of variables

为了验证以上的猜想，又进一步对异质性变量做了调节变量综合效应Meta回归。由于家庭数量和贷款情况所纳入的研究个数较小，不适宜做调节变量的综合性回归，故只考虑家庭劳动力数量和草场面积这两个变量的综合回归结果（表7）。经过各种变量的组合验证，得出的结论是，对于家庭劳动力数量而言，地区因素、抽样方式、模型及变量方式都很可能是导致异质性的原因，且这几个因素综合的影响最大，校正拟合优度（AdjustedR2）达到51.49%，其中抽样方式是影响异质性的显著性因素；对于草地面积而言，时间和地区因素是最主要的可能导致异质性存在的因素，其综合回归后的结果显示AdjustedR2达到71.64%，且时间因素非常显著。对于这两个变量异质性因素的具体影响作用和方向还有待进一步的亚组分析进行讨论。

表7 综合Meta回归分析Table 7 Compr ehensive Meta r egr ession analysis

2.5 亚组分析

根据上述Meta回归分析的结果，进一步探究家庭劳动力数量和草场面积这两个变量中其异质性因素的具体作用效果。从家庭劳动力数量亚组分析结果可知（表8），地区因素中，东部地区和西部地区的研究显示，家庭劳动力对收入并无显著影响，但是中部地区的家庭劳动力对牧民收入具有显著的正向影响；抽样方式中，随机抽样的研究结果中家庭劳动力数量对家庭收入具有显著的正向影响，而在非随机抽样方式下，并无显著影响；变量的类型经检验后表明没有显著影响。综上，中部地区（甘肃和宁夏牧区）的研究，在随机抽样的方式下，家庭劳动力数量对牧民的收入具有非常显著的正向影响。

就草场面积而言（表8），地区因素中，东部地区和中部地区草场面积对牧民收入具有显著的正向促进作用；而对于时间因素，因之前Meta回归分析的结果中时间因素显著，因此本研究按照政策实施的周期不同，对其进行了亚组分类，第一轮实施周期（2011-2015年），第二轮实施周期（2016-2020年），得出的结论是，第二轮政策实施期间，草场面积对牧民收入具有显著的正向影响。综上，对于东部（内蒙古）和中部地区（甘肃和宁夏）的牧民来说，在第二轮政策实施期间，草场面积对牧民的收入具有非常显著的促进作用。

表8 家庭劳动力数量和草场面积的亚组分析Table 8 Subgroup analysis of the number of family labor and grassland area

基于Meta回归分析和亚组分类的结果表明，地区因素是导致不同研究间产生分歧的重要因素，是导致不同影响因素产生不同结果的根本，但是目前草原生态补偿政策的实施仍然是“一刀切”，补偿的标准全国统一，这对不同牧区的发展来说存在着一定的局限，因此，实现理想的政策效果就要考虑到政策的差异化实施，在已有的研究［69-71］中也得到类似的结论。

3 结论

本研究运用Meta分析法对现有的牧民收入影响因素的实证文献做了计量分析，基于大样本的研究得出了更加稳健可靠的结论，主要结论如下：

1）当前的研究中普遍关注的因素有牧民的年龄、受教育程度、牧户家庭的人口数量、家庭劳动力数量、牲畜养殖规模、牧户家庭承包的草场面积、牧户家庭的借贷情况。研究结果表明，显著促进牧民收入的因素有：人力资本中的受教育程度和家庭劳动力数量，物质资本中的牲畜养殖规模，以及自然资本中的草场承包面积；其中牧户最为关注的因素是草场承包面积，其次是牲畜养殖规模。

2）随着时间的变化，牧民收入的影响因素的作用和强度也随之发生了不同程度的变化。其中受教育程度、家庭人口数量、家庭劳动力人数、草场面积以及借贷情况均随着时间的变化其影响作用都明显减小；牲畜养殖规模对牧民收入的影响却逐渐增大，即牲畜数量的重要性对收入而言变得非常重要，而牧民对此也比较看重。

3）在牧民家庭收入影响因素的研究中，各个研究间的异质性都比较大，即不同研究间出现显著分歧，而异质性非常强烈的因素为家庭人口数量、劳动力数量、草场面积和家庭借贷情况；其中，地区因素是造成异质性的主要来源，是导致现有的研究产生分歧的主要因素。