退耕还林工程对农户收入的影响研究——基于地区与农户异质性的视角

吉雨欣，宋敏，朱明迪

（中南财经政法大学工商管理学院，湖北 武汉 430073）

0 引言

我国“十四五”规划中明确指出，实现生态文明是我国新发展阶段的重要战略目标。面对我国缺林少绿、生态脆弱的基本国情，国家将“六大林业重点工程”作为保护和促进生态改善的一项重要举措。其中，退耕还林工程因具有覆盖范围广，农户参与度高，通过公共财政投入购买环境公共物品等特征，被视为我国规模最大的生态系统服务付费项目（PES），并在世界范围内产生了深远影响［1，2］。该工程旨在通过经济激励手段，将农户原有的坡耕地进行用途转换，因地制宜地植树造林，从而达到改善生态环境的效果［3，4］。截至2020 年，我国退耕还林还草面积达到3480 万hm2，涉及4100 万户农户，取得了举世瞩目的成就。2021 年2 月，中共中央、国务院进一步提出深入实施及完善退耕还林等生态修复工程的绿色发展要求。由此可见，稳步推进退耕还林工程是持续改善我国生态环境，建设美丽中国的必然选择。

农户作为退耕还林工程实施过程中的关键主体和最终执行者，参与退耕后其收入能否得到有效提升是衡量退耕还林工程实施效果的重要依据之一［5］。现有研究关于退耕还林工程与农户收入关系的探讨存在两种主要观点：一是退耕还林工程对增加农户收入具有积极作用，认为参与退耕还林工程对农户家庭收入水平的影响为“正向”［6，7］，退耕还林补助［8］与生产要素调整［9］是退耕还林工程实现农户增收的主要原因；二是参与退耕还林工程并不总是对农户收入产生积极影响，甚至有负向影响或影响不显著，认为农户原有家庭收入水平在参与退耕还林工程后并未得到有效提升，仅能维持现状或呈现下降趋势［10，11］，退耕还林工程参与主体农户的自身特征［12］和执行主体地方政府补助发放不合理等行为［13］是造成退耕还林工程增收效果不显著的重要原因。此外，地方政府对退耕还林工程后续产业的扶持措施尚不完善等问题都将成为退耕还林工程未能促进农户收入增长的潜在因素。

总体而言，已有研究围绕退耕还林工程对农户收入的影响这一问题开展了较多理论和实证研究，但研究结论与观点仍未统一。同时，已有文献在探讨上述问题时常常将农户视为个体特征相同的整体进行均质研究。虽然有部分文献尝试从异质性视角展开分析，但是以此为出发点的相关研究尚不充分。鉴于此，本文以地区和农户异质性视角为切入点，试图回答两个问题：一是已实施20 余年的退耕还林工程对农户家庭总收入的影响状况如何；二是这一影响是否存在地区和农户异质性的结果。本文希望为各级政府调整和优化退耕还林补助标准，制定结合地域和农户特征的差别化生态补偿政策提供理论与实证支持。

1 理论分析与研究假设

针对退耕还林工程如何影响农户家庭总收入这一问题，本文首先对相关理论进行了探讨，主要包括农户行为理论，其中理性假设为重要组成部分［19］。学者们将其表述为农户在面对多种既定条件的约束时，将会最大限度地利用生产机会和资源，从中选择最优的生产方式，实现家庭利益最大化的目标［20］。对本文而言，参与退耕还林工程后农户的部分或全部耕地资源将会发生变动，在面临耕地面积下降的状况时，如何对剩余生产要素进行重新组合将成为农户未来收益多少的关键。作为理性经济人，在既有条件下为了实现家庭收入最大化的目标，农户必将会做出对自身最有利的决策。

退耕还林工程对农户家庭总收入的影响主要通过退耕还林补助、调整生产要素配置来实现［21，22］，包括直接和间接两种影响机制（图1）。①直接影响方面，农户作为退耕还林工程的关键利益主体，为弥补其丧失的机会成本和提高参与退耕还林工程的积极性，国家相应地采取经济激励措施，在一定时期内为退耕农户发放退耕还林补助［23］。与此同时，由于农户参与退耕还林工程的土地大多为敏感性耕地，相较之优质耕地，此类地块开展种植业生产的基础条件相对较差，种植业产出相对不高，这就为退耕还林补助起到补充农户家庭总收入的作用创造了条件。②间接影响方面，退耕还林工程导致农户家庭可支配的耕地数量下降，原本投入到退耕地中的其他生产要素特别是劳动力得到释放，因此如何合理分配劳动力成为了农户提高家庭总收入的重要途径。当非农边际收益大于农业边际收益时，农户就会优先将原本投入到退耕地中的劳动力和资本转移到非农产业，进而促进非农收入的增加［24，25］。此外，农户也有可能通过加强田间管理等措施对剩余耕地进行更充分的利用，从而实现集约化经营，促进种植业收入的增加，最终影响家庭总收入［26］。基于此，本文提出假设H1：退耕还林工程有利于提升农户家庭总收入水平。

图1 退耕还林工程对农户家庭总收入的作用机制Figure 1 Mechanism of SLCP on the total income of rural households

进一步考虑到退耕还林工程的实施范围，自退耕还林工程启动试点到全面实施以来，共覆盖我国25个省份，分别属于东部、中部、西部和东北地区。部分学者研究发现，退耕还林工程对农户收入的影响在宁夏和贵州两地具有明显差异［27］，原因是两地农户的亩均收入与退耕还林补助之间存在着差距。而实施退耕还林工程的25 个省份经济发展状况各不相同，农户间也存在个体差异，特别是在农业经营方式、收入结构等方面。例如，西部地区的发展模式主要为单一的粗放式农业，机械化程度相对较低，同时二、三产业的发展优势相对不足，这将在一定程度上限制退耕农户家庭中的劳动力转移，从而影响其家庭总收入水平的提升。基于此，本文提出假设H2：退耕还林工程对农户家庭总收入的影响在不同地区农户间存在差异。

随着我国城市化进程的不断推进，农户的生产生活方式同已往相比发生了较大的变化，逐渐形成了“农忙务农、农闲务工”的生产模式［28］。就纯农户而言，耕种土地获得的收入几乎是其家庭收入的全部来源。相较之纯农户，兼业户的收入不限于以土地为基础的种植业收入，还包括以工资性收入为代表的非农收入。同时，随着农户兼业化水平的提高，农户家庭对种植业收入的重视程度也会相应降低，这也体现了农户对家庭收入最大化的追求。已有研究表明，农户参与退耕还林工程后，在重新配置生产要素方面的能力、方向方面存在着一定的差异［9］。一般来说，兼业户因为长期参与非农生产而具有一定的信息渠道优势，这使其更容易将家庭中的剩余劳动力转移至非农行业，获得更高的家庭收入；相反，缺少非农技能的纯农户则在寻找新的替代收入来源时存在一定难度，进而不利于其优化配置剩余生产要素。基于此，本文提出假设H3：退耕还林工程对农户家庭总收入的影响在不同兼业化水平农户间存在差异。

2 研究方法与数据来源

2.1 研究方法与变量定义

对于农户来说，实际情形中无法同时识别其参与退耕还林工程和未参与时的家庭总收入。具体而言，仅能获得公式（1）中的E（Y1i│Di＝1），而无法同时观测到E（Y0i│Di＝1）。基于此，本文尝试借助“反事实框架”的思路构建一个样本集合，该样本集合与退耕农户仅在是否参与退耕还林工程这一变量上不同，而在其他方面具有相似特征。具体而言，本文将全部样本划分为以下两个类别，分别为退耕农户（处理组）和非退耕农户（控制组），在此基础上，构建农户参与退耕还林工程的决策方程，并采用K近邻匹配、核匹配等4 种方式对退耕农户和非退耕农户进行匹配，从而计算退耕农户和非退耕农户家庭总收入的差异大小，即平均处理效应（ATT）。

式中：Y1i表示农户参与退耕还林工程时的家庭总收入；Y0i表示实际参与退耕还林工程的农户如果未参与时的家庭总收入；Di表示农户i 是否参与了退耕还林工程。Di＝1，视为参与退耕还林工程，反之为0。

针对退耕还林工程与农户家庭总收入之间的关系，本文共设置了3 个方面的变量：一是被解释变量，即农户家庭总收入。在参考已有分类方法的基础上，本文将农户家庭总收入定义为家庭经营性收入（不含自家消费部分）、工资性收入、财产性收入、转移性收入4 项之和，并进行对数化处理。二是核心解释变量，即是否参与退耕还林工程。如果回答“您家过去一年有收到退耕还林补助则”取值为1，视为参与退耕还林工程；反之，取值为0，视为未参与退耕还林工程。三是控制变量，结合已有文献［29］和数据的可获得性，本文设置了3 个层面共计7 个控制变量，分别为：反映农户个体特征的变量，主要包括年龄、受教育年限、健康状况，此处的农户为CHARLS 2018 调查中的主要受访者；反映农户家庭特征的变量，主要包括家庭劳动力数量、耕地面积；其他控制变量，主要包括非农工作、农村医疗保险参与情况。

对于副词的词类属性，可以从述有关副词的定义中看出，有点学者认为其应当划归到实词，有的认为副词属于虚词的范畴，也有的学者认为副词介于实词和虚词之间。对于上述三种观点，都有其合理之外，认为副词是实词的一种，主要是从副词能够单独做句子成分这一角度判断的；认为副词是虚词的一种，则是从副词的意义上界定的，该观点认为虚词如同代词和语气词一样，都没有实质的意义；认为副词介于实词和虚词之间的这种观点，则是从虚词在不同的语言环境下所起的作用阐述的。笔者认为在界定副词的词类属性的过程中，不能以概而论，应当将副词看作一种开放性的词类，将其放在具体的语境中进行分析。

样本各变量及定义如表1 所示。

表1 样本各变量及定义Table 1 Definition of each variable

2.2 样本数据与描述性统计

本文所采用的微观数据来源于2018 年中国健康与养老追踪调查（China Health and Retirement Longitudinal Study，CHARLS）中的9291 个农村地区样本。相较之CFPS、CGSS、CHIP等与农户经济活动联系密切的微观数据库，CHARLS 能够通过问卷设置准确识别农户是否参与退耕还林工程这一核心问题，同时该数据库覆盖了绝大多数退耕还林工程的参与省份，调查结果具有较好的代表性。此外，采用2018年CHARLS微观数据与本文研究目的相符合，即分析退耕还林工程对农户家庭总收入的影响在不同区域、不同兼业化水平农户群体间的差异，故使用截面数据进行实证检验。基于上述分析，本文进一步根据研究需要剔除了未实施退耕还林工程的省份，大量缺失和回答明显与事实不符的样本。对于变量中的个别缺失数据，采用该变量的最大值和最小值加和取平均值的方法进行填充，最终使用的有效样本为来自19 个省份（云南省、内蒙古自治区、吉林省、四川省、安徽省、山西省、广西壮族自治区、江西省、河北省、河南省、湖北省、湖南省、甘肃省、贵州省、辽宁省、重庆市、陕西省、青海省、新疆维吾尔自治区）的退耕农户587 户、非退耕农户2423 户。

从所选样本农户的描述性统计中可以看出，退耕农户的年龄相对较大，受教育年限也相对更低。不仅如此，退耕农户与非退耕农户在家庭劳动力数量、从事非农工作方面是具有差异的。此外，与非退耕农户相比，退耕农户还拥有更多的耕地面积（表2）。由此可见，退耕农户与非退耕农户存在个体和家庭特征方面的差异性，如果直接将二者的家庭总收入进行简单对比不能准确反映出退耕还林工程对农户家庭总收入产生的影响，反而会造成结果有偏，这也为本文使用倾向得分匹配法开展实证分析提供了依据。

表2 样本农户的描述性统计Table 2 Descriptive statistics of sample rural households

3 结果及分析

3.1 决策方程构建

由于采用的微观数据为截面数据，因此本文引入方差膨胀因子（VIF）进行验证。结果显示，研究变量间的VIF值均不超过10。在此基础上，本文利用Logit 模型估计了农户参与退耕还林工程的条件概率（表3）。从表3 可见，本文所选的控制变量总体上对农户参与退耕还林工程的行为具有显著影响，具体表现为：①农户个体特征方面，受教育年限对参与退耕还林工程具有显著负向影响，即农户的受教育年限越低，就越倾向于参与退耕还林工程。同时，年龄也显著影响农户参与退耕还林工程的行为。②农户家庭特征方面，耕地面积对参与退耕还林工程具有显著正向影响，即农户家庭拥有的耕地面积越多，其参与退耕还林工程的可能性就越大。③其他控制变量方面，从事非农工作与农户参与退耕还林工程的负相关关系在10%的水平上显著，即从事非农工作在一定程度上会降低农户参与退耕还林工程的意愿。

表3 基于Logit模型的估计结果Table 3 Estimation results of logit model

3.2 匹配效果检验

在对退耕农户（处理组）和非退耕农户（控制组）进行匹配时，本文主要采用了4 种匹配方式。同时，本文对两组样本间是否满足共同支撑假设进行了检验。结果表明，匹配后的两组样本在倾向得分值上差异相对较小，且在密度分布上呈现出高度相似的特征（图2）。此外，大多数观测值都位于共同取值范围内（图3），这些都表明样本的匹配质量较高。

图2 倾向得分密度分布Figure 2 Propensity score density distribution

（续图2 倾向得分密度分析）

图3 倾向得分的共同取值范围Figure 3 Common range of propensity score

为了进一步保证处理组和控制组匹配的精准性，本文对所用匹配方式进行了平衡性检验。依据检验结果可知（表4），Pseudo - R2值在匹配后呈现大幅下降的趋势；同时，B 值下降十分显著，从匹配前的30.0%下降至25%以下。LR 统计量从匹配前的43.61 下降至1.36—4.74 之间。以上结果均表明各变量的拟合程度较好，匹配结果可以通过平衡性检验。

表4 样本匹配质量平衡性检验Table 4 Results of balance test

3.3 影响估计

在匹配效果检验的基础上，本文运用4 种匹配方式评估了退耕还林工程对农户家庭总收入的平均处理效应（ATT）。具体来看，虽然4 种匹配方式的ATT大小有所不同，但是均在5%的水平上显著且为正值（表5），说明参与退耕还林工程对农户家庭总收入具有正向的处理效应，且这一估计结果具有较强的稳健性。此外，退耕还林工程对农户家庭总收入的平均处理效应为0.169—0.222，说明参与退耕还林工程后农户家庭总收入显著提高了16.9%—22.2%。由此验证了研究假设H1，即退耕还林工程有利于提升农户家庭总收入水平。

表5 退耕还林工程对农户家庭总收入的影响Table 5 Impact of SLCP on the total income of rural households

3.4 影响机制的总体分析

根据上述研究结果可知，退耕还林工程有益于农户增收，但退耕还林工程产生的增收效应具体来源于哪部分收入没有得到进一步的说明。为此，本部分将探究退耕还林工程实现农户增收的作用机制，并从农户收入结构的角度进行考察。这与前文概括的两种影响机制相对应，其中转移性收入和经营性收入能够体现直接影响，类似可以体现间接影响的是财产性收入和工资性收入［15］。结果表明，退耕还林工程对4 类收入的平均处理效应并不一致，其中，退耕还林工程对转移性收入的影响显著为正（表6），表明退耕还林工程可以通过发放退耕还林补助的方式对农户家庭总收入产生直接影响，且农户增收的主要来源为转移性收入。此外，退耕还林工程对非农收入的主要来源工资性收入的平均处理效应为正，表明农户在参与退耕还林工程后其工资性收入也将有一定程度的增加，但这一间接影响的表现并不显著。

表6 退耕还林工程对农户家庭不同收入的影响Table 6 Impact of SLCP on the different types ofrural households′ income

3.5 影响机制的异质性

不同地区农户：为进一步了解退耕还林工程产生的增收效应是否存在地区异质性，本文依据国家统计局的区域划分方法，将全部样本划分为东部、中部、西部3 个子样本。为保证各子样本中省份数量的相对平衡，本文将吉林省、辽宁省纳入东部地区进行计算。由于各区域样本量相应减少，继续采用PSM 模型可能会导致匹配效果不理想，因此本文参考张炜等［18］的方法，选择OLS 模型进行分析，并设置两个虚拟变量east 和mid。不仅如此，本文在进行回归分析前还对数据结构是否发生变化进行判断，可以看出经过检验得到的p 值均远远小于F 统计量，这表明考虑退耕还林工程对农户家庭总收入的影响存在地区异质性是合适的（表7）。

表7 Chow检验结果Table 7 Results of Chow test

从回归结果可知（表8），east 的估计系数通过1%的显著性水平检验，而 mid 的估计系数为0.087，在统计上并不显著，进一步说明退耕还林工程对东部地区农户家庭产生的收入增长效应显著高于中西部地区。上述异质性结果的出现验证了研究假设H2，即退耕还林工程对农户家庭总收入的影响在不同地区农户间存在差异。可能的解释是，东部地区的沿海地理优势促进了城镇化水平的提升，能够为退耕农户提供更多的非农就业机会和更高的工资水平，进一步吸引了劳动力转移，从而为增加农户家庭总收入创造了条件。

表8 退耕还林工程对不同地区农户家庭总收入的影响Table 8 Impact of SLCP on the total income of rural households in different regions

不同兼业化水平农户：由于已有研究中关于农户异质性的界定还没有统一的标准，因此本文根据需要，采用兼业化水平来表征农户异质性。使用这一划分方式的原因主要是，兼业化水平能够较好地体现农户对土地的依赖程度，同时还能够反映农户家庭收入来源的不同。参考已有的划分方式［30，31］，本文将农业收入占家庭总收入比重为0—20%、20%—50%、50%—80%、80%—100%的农户分别定义为非农户、非农兼业户、农业兼业户、纯农户。为了研究方便，将前两类统称为高兼业水平农户，与后两类低兼业水平农户相对应，在此基础上进行OLS回归。

从不同兼业化水平农户的估计系数来看，退耕还林工程显著促进了高兼业水平农户家庭总收入的增长，而低兼业水平农户估计系数仅为0.056，且在统计上不显著，表明退耕还林工程对低兼业水平农户的家庭总收入并没有表现出明显的促进作用（表9）。由此验证了研究假设H3，即退耕还林工程对农户家庭总收入的影响在不同兼业化水平农户间存在差异。可能的解释是：低兼业水平农户家庭中的青中年劳动力多数选择外出务工，从退耕地中释放出的剩余劳动力一般为年龄层次相对较高的家庭成员，他们大多不具备从事非农生产的经验和技能，不容易在短期内找到替代生计。同时，低兼业水平农户在失去土地后还面临着生活成本更高的考验。而高兼业水平农户一般具有较高的人力资本质量、非农就业技能和广阔的用工信息渠道，一旦其选择参与退耕，则有可能更具效率地实现劳动力从农业向非农业的转移，进而依靠提高非农收入实现家庭总收入的增加，因此高兼业水平农户家庭从中获的收益更大。

表9 退耕还林工程对不同兼业化水平农户家庭总收入的影响Table 9 Impact of SLCP on the total income of rural households at different levels of concurrent farming

3.6 稳健性检验

为了进一步检验退耕还林工程的增收效应在不同地区、不同兼业化水平农户中表现出的异质性结果，根据本文特点选择变换计量模型的方法，具体应用加权最小二乘法（WLS）。通过OLS 模型（表8、表9）和WLS 模型（表10）的对比分析可知，各变量的估计系数符号和显著性水平是基本一致的。可以看出，研究结果不会因为计量模型的改变而形成较大的差异，说明退耕还林工程对农户家庭总收入所表现出的地区和农户异质性结果是具有较高的稳健性的。

表10 退耕还林工程对农户家庭总收入影响的WLS估计结果Table 10 WLS estimation results of the impact of SLCP on the total income of rural households

4 结论、讨论与建议

4.1 结论与讨论

本文基于2018 年CHARLS 全国追踪调查微观数据，采用PSM模型分析了退耕还林工程对农户家庭总收入的影响，实证检验了该影响是否存在地区和农户异质性，结论如下：①总体上看，退耕还林工程在样本区域内产生了良好的增收效果，显著增加了样本农户的家庭总收入。通过分析影响机制可知，退耕农户增收主要通过增加转移性收入这一途径来实现。与非退耕农户相比，参加退耕还林工程后农户家庭总收入水平提升了16.9%—22.2%。②从地区分样本估计结果来看，退耕还林工程对东部、中部、西部地区的农户家庭总收入均具有促进作用。与中西部地区相比，退耕还林工程在东部地区的增收效应显著高29.9%，即退耕还林工程对农户家庭总收入的影响表现出地区异质性。③从不同兼业化水平农户来看，退耕还林工程显著正向影响高兼业水平农户的家庭总收入，而这一影响在低兼业水平农户群体中并不显著。同时，退耕还林工程的增收效应存在地区、农户异质性的结果在经过WLS 模型检验后仍具有稳健性。

此外，本文所采用的CHARLS 数据库中样本农户的年龄层次相对较高，因此得出的结论更多解释的是年龄较大的农户群体在参与退耕还林工程后家庭总收入的变化状况。同时，CHARLS 数据库并不特定针对退耕还林工程，因此在退耕还林工程相关变量的设置上也较为单一。且本文更多地是从静态视角关注退耕还林工程对农户家庭总收入的影响，并未对其变化趋势进行详细的阐述。在后续研究中，可尝试采用实地调研数据，在丰富样本农户年龄层次的同时获取有关农户退耕面积、参与退耕程度高低、选择不同林种等方面的详细数据和资料，并从动态视角关注退耕还林工程带来的农户收入增长效应。

4.2 建议

上述研究结论表明，退耕还林工程在实现农户增收这一目标上取得了一定成效，但对不同地区、不同兼业化水平农户的影响程度是有所不同的。基于此，本文提出以下两点建议：①完善退耕还林补助体系，发挥退耕还林工程在增加农户收入方面的持续性作用。研究发现，退耕还林补助为增加退耕农户家庭总收入的最主要来源，因此需针对不同区域和农户类型特征适时调整和优化退耕还林补助标准，制定差别化的补偿政策。同时，将补偿资金优先向中西部地区农户、纯农户和农业兼业户家庭倾斜，帮助他们改善现有的生产和生活水平。②优化退耕地区剩余农业劳动力配置，提升非农就业竞争力。一般来说，拥有高质量人力资本和掌握非农技能的农户群体更容易获得非农就业机会。因此，政府首先应高度重视农村居民受教育水平和认知能力的提升，增加对农村教育事业的资金投入力度，帮助退耕农户弥补其在生计能力方面存在的短板。其次，农村基层组织应面向在寻找替代生计方面存在困难的农户家庭定期开展职业教育培训和就业帮扶指导，为退耕农户提供更多的非农就业信息，帮助退耕农户由农业就业转向非农就业。第三，拓宽退耕农户的非农就业渠道，实现退耕地区农户生计多样化发展。一方面，地方政府应积极探索退耕地区后续产业的发展方向，把握退耕地区的发展契机，结合当地农业资源禀赋因地制宜地发展特色经济林产业、挖掘生态旅游资源等，相应进行配套基础设施建设，为退耕后的农业剩余劳动力在当地从事非农经营活动创造条件；另一方面，鼓励退耕地区有条件的农户进行自主创业，例如发展采摘观光、农家乐等，从而实现退耕农户家庭收入来源的多元化。