首轮退耕还林补贴到期对农户多维相对贫困的影响

石颜露,陈 琛,王立群

(北京林业大学 经济管理学院,北京 100083)

引 言

消除贫困、逐步实现共同富裕不仅是中国发展的首要使命,也是联合国可持续发展议程中的核心内容。2020年中央一号文件明确提出要研究建立解决相对贫困的长效机制,推动工作体系与减贫战略的平稳转型。2020年底,中国9 899万农村贫困人口全部脱贫,实现了消除农村地区绝对贫困的目标,为全球减贫事业作出了重要贡献。然而,贫困具有长期性和阶段性特征[1],收入标准下绝对贫困的消除并不代表扶贫工作的结束,在后扶贫时代,中国治理的重心由消除绝对贫困向缓解相对贫困转变。已有研究表明,在收入层面上脱贫的农户中仅有11.34%同时实现了多维层面上的脱贫[2]。可见,农村贫困是一种兼具复杂性和多样性的现实问题,与以经济状况为基础识别的绝对贫困相比,相对贫困的设定更宽泛,涉及相对收入、教育、健康、生活水平等多维度的贫困识别,呈现出明显的多维特征[3-4]。因此在新的发展阶段,政府及学界持续关注并研究多维相对贫困问题,既是推进乡村振兴战略实施的现实需要,也是实现共同富裕的关键环节[5]。

退耕还林工程作为世界范围内政策性最强、投资最大、涉及农户最多的生态恢复项目,肩负生态环境保护和农村减贫的双重责任[6]。为弥补农户退耕机会成本、促进农户稳定增收,国家持续多年向退耕农户发放补贴。其中,首轮退耕还林补贴累计占退耕农户人均纯收入的14.36%[7],且贫困户获得的人均补贴收入平均比非贫困户多22.36%[8],在减缓农户贫困方面起到了一定的积极作用。另外,退耕补贴对农户的收入、非农就业及主观感知等方面均产生了不同程度影响[9-11],这也从侧面反映出退耕补贴的多维减贫作用,有利于全面提升农户的福祉[12]。长达16年的首轮退耕还生态林补贴已于2021年全面到期,农户在失去了一项长期稳定收入来源的情况下,会面临退耕地产出、种养业经营及生计转型等多重挑战与风险[13],可能对农户生产生活造成一定冲击[14]。那么,这是否对农户多维相对贫困产生影响?如果是,将具体对哪些维度产生影响?其影响程度以及异质性如何?探讨上述问题,无论是对退耕还林成果的巩固,还是对脱贫攻坚与乡村振兴的有效衔接都具有重要意义。

20多年来,国内外学者相继利用描述性统计、倾向得分匹配和双重差分等方法对退耕还林工程及补贴政策效果展开分析,研究主题不仅涵盖退耕农户的收入、就业及生活水平等方面,也涉及各个维度的多维贫困效应。从收入维度来看,相关研究表明退耕后农户的收入水平有所提高,其主要归因于退耕还林补贴[15]。与其他财政补贴相比,退耕还林补贴的边际减贫效应达到2.69%,显著高于五保户补贴(0.53%)和特困户补贴(0.26%)的减贫效应[16]。与中高收入农户相比,退耕还林补贴对低收入农户的减贫效应更明显[17]。但也有研究认为,退耕还林补贴并没有很好地惠及不同收入层次的农户,扩大了农户之间的收入不平等,导致长期扶贫效果不明显[11,18]。从就业维度来看,部分学者认为退耕还林补贴政策能够放松农户的劳动力流动性约束、减轻转移就业成本和外出务工的失业风险,进而促进其增收减贫[19]。但也有学者认为由于农户对退耕补贴的依赖性等因素影响,使其外出务工的动力不足,不利于实现农户减贫[20]。从生活水平维度来看,得益于退耕补贴和林业发展,退耕农户的生产生活条件、卫生条件、村容寨貌可以得到较大改观[21]。基于10年100个退耕还林县的监测结果也表明,退耕还林工程使退耕农户生活整体得到改善,提高了农户福利水平[22]。此外,也有学者发现相比退耕前,退耕后农户在基本生活与就业维度方面的能力贫困程度下降了6.62%[23]。从多维贫困来看,基于退耕还林工程社会经济效益监测数据的研究发现,从2008-2015年退耕农户的多维贫困发生率总体上降低了40%左右[12]。还有一些不同的观点认为,贫困地区的大多数退耕农户仍存在不同程度的多维贫困状态[24],有84.80%、59.84%和56.53%的退耕农户陷入生活质量、医疗和教育维度的贫困,且退耕农户年龄越大,越容易在多维贫困各个维度上表现出脆弱性[25]。

既有文献从不同维度评估了退耕还林工程及补贴政策的减贫效应,其观点与结论为本研究奠定了较好的基础。在首轮退耕还林补贴到期的现实背景下,本文试图从以下几个方面拓展现有研究:第一,研究内容上,关注并揭示首轮退耕还林补贴政策全面到期这一阶段变化对农户多维相对贫困的影响,考察退耕还林补贴到期对不同类型农户的异质性影响。第二,研究方法上,首轮退耕还林补贴到期可以视为一项外生冲击,适合随机实验的断点回归设计,以实现退耕还林补贴到期与农户多维相对贫困之间因果关系的精确识别,获得解释力度更大的实证结果。

一、研究设计

(一)政策背景

1999年国家率先在甘肃、陕西和四川3省试行退耕还林工程,2000年试点范围扩大到13个省份,2002年正式全面启动,覆盖了25个省(市、区)。生态环境改善、农户实现增收脱贫是工程实施的首要目标,而退耕还林补贴政策是工程顺利实施及退耕还林成果得以巩固的重要保证。

首轮退耕还林补贴的期限较长,在退耕还林政策实施之初,2002年《国务院关于进一步完善退耕还林政策措施的若干意见》和2004年《国务院办公厅关于完善退耕还林粮食补助办法的通知》规定退耕还生态林和还经济林的补贴期限分别为8年和5年。为进一步解决退耕农户的长远生计问题,2007年国务院发布了《关于完善退耕还林政策的通知》,决定对退耕还林补贴期限再延长一个周期,因而首轮退耕还生态林补贴年限长达16年,还经济林长达10年。中央财政累计投入首轮退耕还林工程的补贴资金达4 424.8亿元,使3 200万农户、1.24亿农民直接受益(《中国退耕还林还草二十年(1999-2019)》)。据统计,总体上首轮退耕还林补贴占这类农户人均纯收入近10%,西部地区多数县均高于20%,其他地区有少数县达到45%以上[21]。此外,2000年《国务院关于进一步做好退耕还林还草试点工作的若干意见》和2002年《退耕还林条例》明确要求,生态林作为首轮退耕还林的主要树种,其比例以县为单位进行核算,不能低于80%,且禁止农户退耕后自行砍伐。加之退耕还生态林存在生长周期较长、经济收益较低的特点,如果不考虑退耕补贴,其本身对于农户增收的贡献率会很低。可见,首轮退耕还林补贴到期后,可能存在影响农户长远生计和退耕还林成果巩固的问题,在此背景下考察农户多维相对贫困的变化及补贴到期对其影响具有现实意义。

(二)数据来源

本文数据来自课题组于2021年7-8月在甘肃、宁夏及湖南三省(区)进行的实地调研,选择这三省(区)主要原因如下:第一,上述三省(区)作为首轮退耕还林工程试点和实施的重点省份,其累计退耕还林面积分别为2 845万亩、1 305万亩和2 160万亩,具有一定的代表性(1)数据来源:国家林业和草原局政府网站http://www.forestry.gov.cn/main/134/index.html.;第二,湖南位于首轮退耕还林补贴标准中的长江流域,而甘肃和宁夏则位于黄河流域,有助于考察区位条件和补贴差异所带来的不同影响;第三,调研县(区)均曾为国家级或省级扶贫开发重点县,多属于生态环境脆弱和致贫因素复杂地区,众多脱贫农户生计可持续性长期处于脆弱和不稳定状态,仍面临着较高的返贫风险。

课题组采用多阶段典型抽样的方法获取调研样本。首先,重点选择原国家级贫困县,并且综合考虑各县退耕还林实施日期和参与情况,在三省(区)分别选取2000-2006年(2)2006年是首轮退耕还林原补助标准实施的最后一年,也是农户退耕面积几乎没有继续发生变化的年份,因此本文选择2006年及之前参与首轮退耕的农户作为样本,能够较好地反映首轮退耕还林补贴到期的政策效果。参与首轮退耕还林的3～5个县(市、区)(3)考虑到1999年仅能观察到甘肃省的数据,为保证数据完整性,本文以2000年为起点进行选择。样本县(区)分别为:甘肃省的静宁县、庄浪县和天水市麦积区;宁夏的彭阳县、西吉县和固原市原州区;湖南省的中方县、芷江县、沅陵县、古丈县和花垣县。。其次,在每个县(市、区)依次选择2～3个乡镇,再从所选乡镇中随机抽取1～3个行政村。最后,从每个行政村随机抽取20～30户农户,对其开展入户调查,共获得调查问卷1 040份。剔除遗漏关键信息或填写有误的问卷后,共获得有效问卷896份,问卷有效率为86.15%。

(三)变量说明

1.被解释变量。本文参考汪三贵等[26]和王小林等[5]提出的2020年后中国多维相对贫困的测评指标,立足于调研地区农户实际状况和数据可得性,综合选取了相对收入、教育水平、充分就业、健康养老、生活水平和主观感知6个维度11项指标形成多维相对贫困指标体系,并沿用联合国及国内研究通用的等权重法对各个指标进行赋权,如表1所示。

表1 多维相对贫困指标体系

在多维相对贫困的测算方法中,由Alkire等[27]提出的A-F双界限方法应用最为广泛,因此本文采用A-F方法对退耕农户多维相对贫困进行测度。计算公式如下:

(1)

其中:M表示多维相对贫困指数,即样本农户多维相对贫困整体情况;H为多维相对贫困发生率;A为多维平均剥夺程度;ci(k)表示多维相对贫困临界值为k时(4)参照多数国内外相关文献[2,27],本文将k=30%设定为多维相对贫困状态的临界值,即被剥夺得分大于或等于30%的农户认定为多维相对贫困。,农户i的被剥夺的指标数量;n、q分别表示家庭总户数和处于多维相对贫困的户数。

2.核心解释变量。本文将农户退耕还林补贴是否到期作为核心解释变量,用1表示补贴到期,0表示补贴未到期。

3.协变量。由于断点回归设计是一种特殊的因果识别,模型中是否包含协变量对结果没有实质性的影响,但加入协变量可以有效降低估计值的抽样变异性和扰动项方差,提升对被解释变量的解释力[28]。本文遵循外生性原则,借鉴相关研究成果[25,29],选取反映户主、家庭和地区特征的性别、年龄、家庭规模、抚养负担比以及农户所在地区作为协变量。

(四)描述性统计

本文变量描述性统计结果如表2所示。补贴到期的样本量为395个,占比44.08%;补贴未到期的样本量为501个,占比55.92%。多维相对贫困指数为0.324,补贴到期户比未到期户的多维相对贫困指数平均高0.031,均值t检验在5%的水平上统计显著(限于篇幅,检验结果从略)。这初步表明,退耕还林补贴到期可能会对农户多维相对贫困产生正向影响。就所选取的指标而言,本次调研结果基本与以往研究和官方统计数据一致(5)国家林业和草原局经济发展研究中心,国家林业和草原局规划财务司《2017国家林业重点工程社会经济效益监测报告》(第1版),北京:中国林业出版社,2018。http://www.stats.gov.cn/tjsj/tjgb/nypcgb/。,这在一定程度上说明调研样本具有代表性。

表2 变量描述性统计

(五)模型设计

1.断点回归模型。考虑到退耕还林补贴到期的特点及方法适用性,采用断点回归设计对退耕还林补贴到期与多维相对贫困变动的因果关系进行实证检验。这一方法的基本思想是在外生政策冲击下形成一个断点,在断点左右两侧样本接受政策处理概率有所不同,通过测算断点左右两侧的样本差异得出因果效应。由于是根据补贴年限计算退耕还林补贴到期时间,样本农户是否受到政策处置完全取决于驱动变量的取值情况,因此使用精确断点回归(SRD)的方法。

本文的抽样方式能够获得2015-2021年期间退耕农户补贴到期状况的相关数据,为了在时间维度上相对完整的观察断点左右两侧样本农户多维相对贫困的状态变化,本文设置2018年12月补贴到期为断点。根据Imbens等[30]对精确断点回归的设计思路,本文分别计算断点右侧(2018年12月之前)和左侧(2018年12月之后)样本农户的多维相对贫困指数,并以两者的差值得到局部平均处理效应。

(2)

式(2)中,被解释变量Y为农户多维相对贫困指数;处理变量D表示农户退耕还林补贴到期情况;x为驱动变量,表示农户退耕还林补贴到期距离断点的时间,x=0代表驱动变量x的断点;δ表示退耕还林补贴到期对农户多维相对贫困的局部平均处理效应,其分子和分母分别表示多维相对贫困和退耕还林补贴是否到期在断点处发生的“跳跃”。由于精确断点回归的特性,样本受到政策处理的概率只能为0或1。

2.双重差分模型。已有研究表明,双重差分模型可用于综合验证断点回归结果的稳健性[31]。因此,本文设置同样的处理变量D将样本分为两组,分别考察这两组样本在退耕还林补贴到期前(T=0)和退耕还林补贴到期后(T=1)农户多维相对贫困的变化趋势,通过进一步测算其差距获得平均处理效应。回归方程如下:

Y=β0+β1D+β2T+αDT+β3X+μ

(3)

式(3)中,交互项DT的系数α为双重差分估计量;X为协变量;μ表示随机误差项。

二、实证结果分析

(一)退耕农户的多维相对贫困发生率

为了更全面地从整体和分样本层面考察退耕农户多维相对贫困的状态,通过A-F方法对退耕农户各维度及多维相对贫困发生率进行测算,结果如表3所示。从总体来看,全部样本农户的多维相对贫困发生率达到48.5%,其中退耕还林补贴到期农户比未到期农户的多维相对贫困发生率高出6%。从各个维度来看,补贴到期农户的相对贫困发生率均高于未到期农户。以上结果说明补贴到期可能会对退耕农户的多维相对贫困产生影响,为后续利用断点回归设计进行实证检验提供特征性事实。

表3 各维度及多维相对贫困发生率的测算结果

(二)退耕还林补贴到期对农户多维相对贫困的影响效应

1.初步图形观察。在实施精确断点回归前,本文以1个月为箱体(bin),利用可视化分布图直观地展示驱动变量分别与退耕还林补贴到期概率、多维相对贫困指数的关系(6)限于篇幅,本文没有展示驱动变量与各个维度相对贫困指数关系的可视化图形。如有需要,可向作者索取。。图1和图2显示,在断点“2018年12月”右侧,结果变量均发生明显的向上跳跃,初步表明退耕还林补贴到期对农户多维相对贫困的影响情况。

图1 退耕还林补贴到期概率在断点前后的变化 图2 多维相对贫困指数在断点前后的变化

2.精确断点回归的估计。本文的精确断点回归采用非参数方法作为基准回归,其优点在于不依赖具体的函数形式,并可以选择最优带宽。表4列(1)汇报了未加入协变量、最优带宽及三角核函数的估计结果;列(2)、列(3)显示通过设定不同带宽以检验估计结果是否基本一致;列(4)～列(6)使用矩形核函数以检验估计结果的稳健性。

表4 基于SRD的估计结果

在选择不同核函数估计的情况下,退耕还林补贴到期对农户相对收入、充分就业、生活水平及主观感知维度的最优带宽估计结果均显著为正,且对多维相对贫困指数的估计结果在1%的水平上也显著为正,说明退耕还林补贴到期在一定程度上加剧了农户多维相对贫困程度。其可能的原因主要是,其一,补贴到期直接降低退耕农户的收入水平及减少一项长期稳定的收入来源。相对于未补贴到期的农户,补贴到期农户在家庭资源重新配置过程中会新增人力、物力、财力的投入,同时市场风险和外部环境的不确定性使其难以获得稳定的收益,因而补贴到期后极易导致农户降低相对收入水平。其二,由于务农存在间歇性、季节性及非稳定性特点,大多数农户的农业经营收入缺乏有效保障[32],补贴到期后可能在一定程度上影响农户的农业生产投入。相对于非农就业,务农增收缓慢,这往往会造成农户降低其农业生产积极性。农户在进行非农就业的过程中还可能会面对转移就业成本增加以及因劳动市场信息不对称带来的待业风险,不利于实现农户家庭劳动力的充分就业,同时可能加大农户的经济压力,生活水平也随之受到一定的影响。其三,补贴到期农户无论是与补贴到期前的生活水平进行纵向对比,或是与同村未退耕农户进行横向比较,都容易产生较大的心理落差和相对剥夺感,进而提高其主观贫困感知。

此外,如表4所示,在不同函数估计和带宽的情况下,退耕还林补贴到期对农户教育水平和健康养老的估计结果均不显著。可能的原因是:近年来国家大力推进公共服务均等化,逐步将农村教育、医疗和养老等纳入公共财政覆盖范围,并且保障水平不断提高;对于特殊群体,国家建立了农村最低保障等“托底”制度等。

为降低扰动项方差,提升对被解释变量的解释力,得到更准确的估计结果,参照已有文献的做法[28],在稳健性检验中加入协变量,估计结果见表4列(7)～列(12)。由表4可知,加入协变量与未加入协变量的估计结果基本一致,说明断点回归结果具有较好的稳健性。

3.有效性检验。SRD估计结果的有效性还取决于两个假设条件,一是驱动变量无法受到个体操控;二是协变量在断点两侧具有连续性。对于第一个假设检验,本文采用McCrary[33]检验方法,结果如图3所示,在2018年12月断点前后的核密度函数估计值的置信区间几乎重合,且断点前后的密度差异为0.016,说明样本个体的分布连续平滑,不存在对驱动变量的操控,故符合第一个假设条件。对于第二个假设检验,本文利用局部线性回归的思想,用协变量替代被解释变量,结果显示(7)限于篇幅,结果未呈现。如有需要,可向作者索取。,不论带宽是否进行调整,协变量在断点前后均没有发生显著的变化,故证实其假设。

图3 样本密度分布在断点前后的变化(8)基于McCrary建议的DCdensity程序绘制图3。

(三)双重差分的估计结果

根据表5的回归结果可见,如果将局部影响扩大到全样本,退耕还林补贴到期对多维相对贫困及各维度相对贫困指标的平均处理效应比局部平均处理效应更低,但影响方向和显著性没有改变,再次证实了SRD估计结果的稳健性。

表5 基于DID的估计结果

三、异质性分析

由于农户在个体特征、资源禀赋及收入水平等方面存在差异,退耕还林补贴到期对不同农户群体多维相对贫困的影响可能会有所不同,本文进一步从年龄和收入层面探讨退耕补贴到期对不同农户群体的多维相对贫困影响效应。

年龄对农户生产生活决策和行为的影响较大,补贴到期后不同年龄阶段农户承担风险能力和应对方式不同,可能使得补贴到期对其多维相对贫困程度影响不尽相同。本文参照杨进等[34]的研究,将60岁以上的农户划分为老年农户组,60岁及以下农户划分为中青年农户组,选择最优带宽的非参数估计,结果如表6所示。可见,无论是否加入协变量,退耕补贴到期对老年农户和中青年农户充分就业、生活水平、主观感知及多维相对贫困均产生了显著的正向影响,而在相对收入维度仅对老年农户产生显著正向影响。从系数值来看,老年农户的相对收入、充分就业、主观感知、生活水平以及多维相对贫困的系数估计值显著大于中青年农户,这意味着退耕还林补贴到期后老年农户多维相对贫困问题会更加突出。可能的原因是,相对于老年农户,中青年农户在劳动投入效率、生计转型能力及应对风险能力等方面更具有比较优势,因而会有较多的方式和渠道来缓解退耕补贴到期带来的影响。

表6 年龄异质性估计结果

为了探讨退耕还林补贴到期对不同收入层次农户多维相对贫困的影响程度,本文以总收入的中位数为标准,进一步将样本农户分为低收入组和中高收入组,估计结果见表7。结果表明,无论协变量加入与否,补贴到期对低收入农户和中高收入农户的主观感知均产生显著正向影响,而在相对收入、充分就业、生活水平及多维相对贫困的影响效应上仅对低收入农户显著为正。可能原因在于,相对于中高收入农户,低收入农户自身要素禀赋、信息和社会资源处于劣势,难以掌握与劳动力市场需求相匹配的劳动技能,使得补贴到期对其充分就业和生活水平造成的不利冲击更大,会进一步扩大与其他农户的相对收入差距,最终加剧低收入农户的多维相对贫困程度。

表7 收入异质性估计结果

四、结论与启示

本文基于首轮退耕还林补贴到期的现行政策背景,利用甘肃、宁夏和湖南三地的896份农户实地调查数据,构建多维相对贫困指标体系,采用A-F双界限方法测度退耕农户各维度及多维相对贫困发生率。在此基础上,运用精确断点回归方法估计退耕还林补贴到期对农户多维相对贫困的影响效应,考察补贴到期对不同农户群体多维相对贫困的影响效应。研究结果表明:(1)补贴到期农户各维度及其多维相对贫困发生率均高于未到期农户;(2)补贴到期对相对收入、充分就业、生活水平、主观感知维度及多维相对贫困的局部平均处理效应均显著为正;(3)异质性分析发现,补贴到期对老年和低收入农户多维相对贫困的正向影响效应相对更强。

根据研究结论,提出以下政策启示。

第一,制定有效降低相对贫困指数的保障措施。建议以发展当地退耕还林后续产业和特色农林业为依托,通过多元化参与模式建立产业与退耕农户的利益联结机制,并搭建外出务工、非农经营和生态公益岗位的对接平台,引导补贴到期农户从事非农就业;通过制定各种惠农政策,为农户农业生产环节提供配套保障措施,降低其农业经营成本,进一步提高农户生活水平和满意度;向退耕农户提供职业技能培训和新型农林业生产经营技术支持,助力退耕区劳动力转移、农林业增产和农林产品提质,有效减轻多维相对贫困程度。

第二,建立防止返贫的动态监测和帮扶机制。充分考虑退耕农户的差异性,各类帮扶政策应适度向更易陷入多维相对贫困的老年群体和低收入家庭倾斜,并且将存在返贫风险的退耕农户纳为生态公益岗位的优先对象。另外,通过政府专岗平台、其他公益性岗位和托底安置等方式让生计转型能力和资源禀赋处于相对弱势的退耕农户实现稳定就业,逐步提高其生活质量,降低多维相对贫困程度。

第三,完善退耕还林后续政策。一方面,建议政府应在补贴到期后,对位于各级各类生态功能区或生态脆弱区的退耕地,继续通过相应生态补偿项目给予退耕农户生态补偿,并对其余退耕地赋予农户一定的退耕地处置权。另一方面,建议政府结合退耕还林所处区位的生态保护重要性,探索退耕还林生态产品价值实现机制和市场化补偿机制,有效保障农户利益、巩固退耕还林成果并减少相对贫困,实现保护生态和改善民生的双赢。