冻原高山草地牧户家畜养殖规模影响因素分析——以青海省为例

吴廷美，林慧龙，范迪，籍常婷，赵玉婷，魏靖琼

（兰州大学草地农业生态系统国家重点实验室，兰州大学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）

草地面积广阔，蕴含陆地绿色植物资源中面积最大的再生性自然资源，是畜牧业发展的物质基础［1］。但是，由于大量牧户过载放牧，导致我国草地载畜压力过大，草地退化严重。如何合理利用草地资源，采用何种措施引导牧民合理放牧，是我国草地学者亟待处理的问题。为引导牧民合理放牧，我国政府先后实施了退牧还草、生态移民、草原生态保护补助奖励政策（以下简称“草原补奖政策”）等一系列草地建设和保护工程项目，在部分地区取得了一定成效。但依据中国工程院的报告，目前我国草地退化虽在局部得到改善，整体退化的趋势却没有得到遏止［2－5］。

分析牧户家畜养殖规模的影响因素，可以在根源上探索解决过度放牧的方法。有学者从牧户家畜养殖规模的角度就我国存在的过度放牧问题展开研究。作为理性“经济人”，牧户追求自有载畜量的最大化是致使草地过度放牧的最主要原因［6－7］。王晶等［8］对农牧户绒毛用羊养殖规模影响因素进行量化分析表明，单位养羊收益与成本、畜牧良种保护补贴和养殖时长等对养殖规模均有重要影响。马梅等［9］基于锡林郭勒盟牧区的统计数据，实证分析表明在全球气候变暖的背景下，实施草地生态保护政策和降低养羊收益是控制羊年末存栏量的主要手段。胡振通等［10］认为研究超载过牧，实现草畜平衡是草地资源可持续利用的核心所在。以上研究为治理草地过度放牧提供了一定的理论依据和措施，但是由于草地过度放牧的主体是中小牧户，牧户经营草地面积越小，其超载可能性越大，超载程度越高［6］，在分析牧户养殖影响因素时应将牧户规模的异质性纳入考虑范围，而目前这方面的研究尚不多见。

冻原高山草地是我国面积最大的草地类组，也是全国年碳汇潜力最大的草地类组，该类组的年碳汇潜力达250.7 Tg C，占全国草地年碳汇的32.4%，在维系牧区牧民生产生活和保障我国生态安全方面具有举足轻重的地位［1］。青海省是我国冻原高山草地的主要分布地，对气候变暖和过度放牧极为敏感，是分析牧户家畜养殖规模影响因素的优选区域之一。本研究的主要目的是：1）根据在青海冻原高山草地类组上调查获取的牧户数据，运用主成分分析法［11］（principal component analysis，PCA）识别冻原高山草地上相关因素对牧户家畜养殖量的贡献率；2）在主成分分析的基础上设定计量经济模型，采用分位数回归［12］（quantile regression，QR）深入剖析个人特征、家庭特征、草地经营特征和外部环境因素对不同规模牧户家畜养殖量的影响规律。旨在分析冻原高山草地类组中，牧户养殖影响因素在牧户规模上的异质性，为政府针对不同规模牧户进行区分管理提供一定的科学依据。

1 材料与方法

1.1 数据与抽样设计

牧户调查数据，受中国工程院重点咨询项目资助，于2017年9－10月在青海地区使用参与式农村评估法（participatory rural appraisal，PRA）以实地问卷调查的方式获得。样本牧户的选取采取分层随机抽样法：1）根据海拔，将冻原高山草地牧户涉及县划分为高、低2个级别，每个等级随机抽取3个县；2）根据2016年户均家畜养殖量，将每个县乡镇划分为大、中、小3个级别，每个级别随机抽取3个乡镇；3）根据户均家畜养殖量，将每个乡镇划分为大、小2个级别，每个级别随机抽取1个村，每个村随机抽取6户；依据上述抽样方法，本次实际调查牧户216户，剔除因数据缺失、书写模糊等导致的无效样本，最终得到有效样本203户，样本牧户分布情况如图1所示。

图1 研究区及调查样本牧户分布Fig.1 Study area and survey sample herders distribution

1.2 研究方法

调查内容重点关注牧户家畜养殖情况，通过问卷收集牧户2012－2017年5年间的家畜养殖数据，问卷还涉及牧户个人特征、家庭特征、草地经营特征等方面。记录了牧户所处位置海拔及最常用草地的经纬度，基于草地综合顺序分类系统［13－14］（comprehensive and sequential classification system，CSCS），通过薄板样条插值法［15］得到草地年均降水量和年积温数据，并据此计算出草地湿润度K值［14］。

1.2.1 主成分分析法 影响牧户家畜养殖规模的因素主要包括牧户个人特征、家庭特征、草地经营特征和外部环境因素4类，针对每一类分别选取若干指标因子，运用PCA分析确定各因子的贡献率。其中，个人特征用户主年龄和户主受教育水平表征；家庭特征用家庭整体劳动力和家庭非牧就业收入占比表征；草地经营特征用人均经营草地面积和草原补奖金额表征；外部环境因素用海拔和湿润度K表征。值得说明的是，湿润度K反映的是水分条件和热量状况的交叉影响［14］，同时为确定水热交叉条件和水热单一条件对牧户家畜养殖量的贡献程度，在外部环境因素中引入年降水和年积温。各影响因子的具体含义和符号见表1。

表1 影响因子含义和符号Table 1 Impact factor meaning and symbols

1.2.2 分位数回归 由于分位数回归的实质假定分位点满足线性关系，并且牧户家畜养殖量为连续变量，因此设定多元线性回归模型深入分析牧户家畜养殖的影响因素，模型如下：

其中，被解释变量Y表示牧户家畜养殖量，为减弱异方差性，实际估计中采用对数形式。解释变量Ph、Hj、Gc、Ew分别表示牧户个人特征、家庭特征、草地经营特征和外部环境因素的具体影响因子，需特别指出的是：1）由于草原补奖政策两种方式（禁牧和草畜平衡）对牧户家畜养殖量的影响存在差异，模型中加入了补奖金额和政策类型（1=禁牧；0=草畜平衡）的交互项G1×Bb；2）主成分分析时的相关系数矩阵显示，外部环境因素中海拔和湿润度K具有较强相关性（相关度0.8796），且海拔的贡献率高于湿润度K的贡献率，因此为提高模型的稳定性，仅将海拔作为外部环境因素的代理变量。λ、θ、ω和γ分别表示相应变量的待估计参数，ωG1+τBb衡量不同草原补奖政策对牧户家畜养殖的影响；β0为常数项；μ为随机干扰性。模型中变量的描述性统计如表2所示。为便于比较分析，本研究同时报告了普通最小二乘法（ordinary least square，OLS）和分位数回归结果。

表2 变量的描述性统计Table 2 Descriptive statistics of variable

2 结果与分析

2.1 牧户家畜养殖情况

研究区域内牧户家畜养殖量整体不高，但草地仍存在一定的载畜压力。调查样本中户均家畜养殖量为221个羊单位，规模最大的牧户有782个羊单位，有8家牧户的家畜养殖量为最小值0。从具体分布来看，有超过50%的牧户家畜养殖量在0～200个羊单位区间内，不到15%的牧户家畜养殖量在200～400个羊单位，剩下近33%的牧户家畜养殖量超过400个羊单位（图2）。

上述结果显示研究区域内牧户的养殖规模并不大，但是家畜总量并不能完全代表草地放牧强度，为此，使用养羊比容来衡量草地放牧强度。调查样本中户均养羊比容为0.90 hm2·sheep unit－1，最高一户为11.80 hm2·sheep unit－1，最低为0.04 hm2·sheep unit－1。从分布上来看，养羊比容在0～0.67 hm2·sheep unit－1的牧户最多有121户，占比达59.61%；0.67～1.33 hm2·sheep unit－1的次之，共有47户，占比为23.15%；1.33～2.00 hm2·sheep unit－1和2.00 hm2·sheep unit－1以上的牧户相当，分别为16和19户（图2）。

图2 牧户家畜养殖特征Fig.2 Livestock breeding characteristics of herdsmen

2.2 牧户家畜养殖情况PCA分析

自然因子、政策因子、教育因子和非牧因子是牧户家畜养殖量的现实主导因素。综合特征值和累积贡献率，本研究选取了4个影响牧户家畜养殖规模的主成分，累积贡献率达到73.65%。第一主成分贡献率为36.27%，主要体现在牧户养殖场所处的海拔（0.9533）、湿润度K（0.9457）、年积温（－0.9371）和年降水量（0.8941），描述为自然因子；第二主成分贡献率为15.01%，体现草原补奖金额（0.7392）贡献，描述为政策因子；第三主成分贡献率为11.91%，体现了户主受教育年限（0.8510）的贡献，描述为教育因子；第四主成分贡献率为10.45%，体现了非牧就业收入占比（0.8537）的贡献（图3和表3），描述为非牧因子。

表3 主成分的载荷情况Table 3 Principal component load

图3 牧户家畜养殖情况的PCA分析Fig.3 PCA analysis of livestock breeding in herdsmen

2.3 牧户家畜养殖规模影响因素分位数回归分析

研究使用牧户家畜养殖量的分位数回归结果区分牧户的规模，其中0.10、0.25、0.50和0.75分别代表着小规模、中小规模、中等规模和大规模养殖牧户。OLS回归结果显示，F统计量的值在1%水平上显著，说明模型估计结果的有效性，所有变量的方差扩大因子（variance inflation factor，VIF）（介于1.03～1.55）均小于10，说明结果不存在多重性问题（表4）。QR分析结果中，分位数回归系数本身显著，意味着估计结果能较好地解释研究问题。分析分位数回归结果发现，不同规模牧户家畜养殖量的影响因素存在显著差异，为更直观反映牧户家畜养殖量在不同分位点上的变化规律，本研究还描述分位点回归系数的变化情况（图4）。

图4 分位数回归系数变化情况Fig.4 Change of quantile regression coefficient

表4 不同规模牧户家畜养殖量的分位数回归结果Table 4 Quantile regression results of livestock breeding volume of herdsmen of different sizes

相比OLS回归，分位数回归能更好地解释牧户家畜养殖规模问题。OLS回归是均值回归，只解释自变量对牧户家畜养殖量的平均影响程度，而分位数回归得到4个分位点（0.10、0.25、0.50和0.75）的分析结果，相比前者，描述了不同分位点上牧户养殖规模的影响因素，所得结果更加精确，更能反映自变量对不同规模牧户的影响程度（图4）。

中等以下规模牧户家畜养殖量受家庭劳动力和非牧就业收入占比的显著影响，而中等及以上规模牧户家畜养殖量受人均经营草地面积和草原补奖政策的显著影响，其中补奖政策中禁牧比草畜平衡更能达到保护草地生态的目标。在0.10分位点处，非牧就业收入占比每增加1%，牧户家畜养殖量将减少2.97%；在0.25分位点处，家庭劳动力每增加1人，牧户家畜养殖量将增加18.34%；在0.50和0.75分位点处，人均经营草地面积每增加1 hm2，牧户家畜养殖量将分别增加0.62%和0.66%；禁牧补助每增加1000元，牧户家畜养殖量将分别减少2.68%和2.47%，而草畜平衡奖励每增加1000元，牧户家畜养殖量将分别增加3.69%和2.50%（表4）。

个人特征和海拔对牧户家畜养殖量无显著影响。回归分析结果表明户主年龄对牧户家畜养殖量无显著影响，而户主受教育水平对家畜养殖量有微弱影响且仅针对小规模牧户；外部环境因素中，海拔对牧户家畜养殖量无显著影响。海拔的OLS回归系数不显著，虽然分位数回归系数在0.25、0.50和0.75分位点上通过显著性检验，但系数值过小，对牧户家畜养殖量的影响可忽略（表4）。

3 讨论

3.1 养殖影响因素存在牧户规模上的异质性

牧户家畜养殖规模控制是保护草地生态，确保草地资源可持续利用的关键［17］。大量研究表明，作为一个理性“经济人”和草地的直接利用者，牧户追求自有载畜量最大化是引起草地退化的主要原因，本研究发现牧户养殖影响因素表现出在牧户规模上的异质性［6－7］。本研究使用分位数回归分析法，将调查样本按照分位点0.10、0.25、0.50和0.75分为小规模、中小规模、中等规模和大规模4种养殖牧户（表4），研究不同规模牧户的养殖影响因素，探究内在的异质性。

首先在牧户的家庭特征中，家庭劳动力对家畜养殖量的显著影响仅针对中小规模牧户，而非牧就业收入占比的显著影响仅针对小规模牧户。就家庭劳动力而言，在分位数回归中，只在0.25的分位点上通过显著性检验，估计结果表明对于中小规模牧户，家庭劳动力每增加1人，牧户家畜养殖量将增加18.34%。这可能是因为相较于小规模和大规模牧户，中小规模牧户扩大养殖规模的愿望更强烈，在劳动力充足而当地又没有其他生计来源的情况下，其增加家畜养殖量的可能性也就更大；就非牧就业收入占比而言，分位数回归的结果只在0.10的分位点上通过显著性检验，估计结果表明对于小规模牧户，非牧就业收入占比每增加1%，牧户家畜养殖量将减少2.97%，这可能是因为小规模牧户对畜牧业依赖程度低，更倾向于拓展其他生计渠道。

其次在牧户草地经营特征中，人均经营草地面积对家畜养殖量的显著影响针对中等及大规模牧户，草原补奖金额中草畜平衡奖励对家畜养殖量的显著正向影响随规模的扩大而减弱，而禁牧补助对家畜养殖量的显著负向影响仅针对中等及大规模牧户。就人均经营草地面积而言，只在0.5和0.75分位点上通过显著性检验，估计结果表明对于中等及大规模牧户，人均经营草地面积每增加1 hm2，牧户家畜养殖量将分别增加0.62%和0.66%。其原因为家庭人均经营草地面积越大，意味着牧户有更多的自然资本进行畜牧生产，其家畜养殖量自然也就越多，调查发现家庭人均经营草地面积在30 hm2以上的牧户家畜养殖量约为0～10 hm2的1.6倍。

就草原补奖政策而言，草畜平衡奖励在0.10、0.25、0.50和0.75分位点均通过显著性检验，估计结果表明草畜平衡奖励每增加1000元，随着养殖规模的扩大，牧户家畜养殖量将依次增加4.69%、3.73%、3.69%和2.50%；禁牧补助只在0.50和0.75分位点上通过显著性检验，估计结果表明对于中等及大规模牧户，禁牧补助每增加1000元，牧户家畜养殖量将分别减少2.68%和2.47%。说明草原补奖政策未能取得良好的减畜效果，尤其在草畜平衡区出现了“不减反增”的现象，究其原因可能是冻原高山草地地理环境特殊，政策监管比较困难，牧户将补奖金用于补给饲草料，反而增加了其抵御风险的能力。

以上分析，说明各规模牧户的养殖影响因素存在异质性，不能将其一概而论。为实现草地资源可持续利用的最终目标，需充分考虑牧户规模的异质性，针对不同规模牧户采取差别化措施，发展适度规模养殖［18］，以期能够有效减轻草地的载畜压力。

3.2 牧户养殖规模对自然因子的响应大于人为因素

冻原高山草地区域地理位置较为特殊，极易受气候变化和人为因素的双重影响［19］。已有研究发现，气候变暖会引起冻土地温升高、分布下界抬升以及面积萎缩等，气象因子对草地退化的贡献相对高于人为影响因子［20］。本研究通过主成分分析法指出冻原高山草地上牧户家畜养殖量的主导现实因素为自然因子（贡献率36.27%），远超第二主成分—政策因子（贡献率15.01%），即牧户家畜养殖量的多寡主要受海拔、气温和降水等自然因素的限制，草地政策、教育背景以及就业环境对其有干扰但不起决定性作用。

以此结果为启示，在生态环境相似的同一草地类组中，牧户养殖规模大小受到自然因素的主要支配，在全国的草地放牧研究中，不同草地类组所具备的不同生产功能和自然环境，是否会对牧户养殖规模产生更大的影响？如果存在影响，对不同草地类组采用同一种治理政策是否合理？因此，以草地类型作为切入口，在其他草地类组上开展牧户养殖规模影响因素研究，可能是研究草地放牧问题的新方向，可以为政府实事求是，因地施政解决过度放牧问题提供科学依据。

4 结论

本研究以草地类型为切入口，探索了在冻原高山草地类组上牧户养殖规模的影响因素。根据在青海冻原高山草地上调查获取的牧户数据，使用主成分分析识别出相关因素对牧户家畜养殖规模影响，进一步搭建经济计量模型，通过分位数回归分析得出不同规模牧户家畜养殖量的影响因素和影响规律。研究发现：

1）对冻原高山草地类组牧户家畜养殖规模贡献率最大的4个因素分别是：自然因子、政策因子、教育因子和非牧因子。其中自然因子占主导地位，贡献率为36.27%，政策因子、教育因子和非牧因子的贡献率分别为15.01%、11.91%和10.45%。

2）由分位数回归分析发现，冻原高山草地牧户家畜养殖量存在牧户规模上的异质性，主要表现有：中等以下规模牧户家畜养殖量受家庭劳动力和非牧就业收入占比的显著影响；中等及以上规模牧户家畜养殖量受人均经营草地面积和草原补奖政策的显著影响，同时补奖政策中禁牧比草畜平衡更能达到保护草地生态的目标。

基于上述结论本研究提出以下两点建议：一是增加牧区非牧就业机会，积极引导中等以下规模牧户参与非牧就业，减少草地放牧压力。由于民族、语言等现实原因，牧民很难走出去，需要适当发展符合地区优势的特色二、三产业，实现劳动力转移。二是依托草原补奖政策，加大冻原高山草地禁牧范围，在补偿标准上对中等及以上规模牧户适当倾斜。现行草原补奖政策主要是在地区间实施差别化，忽视了不同类型草地生态价值和生态贡献的差异，也未能考虑牧户之间的异质性，减畜效果差强人意。因此，在制定新的补奖政策时，应在地区差异的基础上，将草地类型和牧户异质性等纳入考虑范畴，加大冻原高山草地禁牧范围，并在补偿标准上对中等及以上规模牧户适当倾斜。