Effect of prohibition policy of livestock and poultry on alternative livelihood strategies and family income:Based on the evidence of pig farmers’ in Hebei, Henan, and Hubei provinces
SIRuishi通讯作者:
收稿日期:2018-11-5
修回日期:2018-12-20
网络出版日期:2019-04-25
版权声明:2019《资源科学》编辑部《资源科学》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词:
Abstract
Keywords:
-->0
PDF (4222KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
改革开放40年来,中国畜禽规模化养殖步伐加快、区域布局优势凸显、产品质量稳步提升,畜禽业已成为广大农村地区、尤其是贫困地区脱贫致富的支柱产业。然而,畜禽养殖带来的废弃物污染问题日益严重,数据显示:2014年,中国畜禽养殖化学需氧量和氨氮排放量分别为1049万t和58万t,分别占当年各产业总排放量的45%和25%,占农业源排放量的95%和76%[1],养殖业已经成为仅次于钢铁、煤炭的最大污染行业[2]。国外经验表明,调控畜禽产业布局(调布局)、配给废弃物处理设施(配设施)及促进粪污资源化利用(促利用)是加强畜禽污染治理的主要措施。2011年之前,中国主要按照“配设施”和“促利用”的思路加强畜禽污染防治,但前者技术要求高、成本投入大及推进难度大[3];后者政策支持不足、有机肥与化肥缺乏竞争优势及粪污资源化利用程度较低[4]。因此,在完善“配设施”和“促利用”的基础上,通过调控畜禽产业布局以突破资源环境约束已成为中国畜禽业绿色可持续发展的战略选择。畜禽禁养政策是当前政府通过“调布局”强化畜禽污染防治的主要手段。主要是指在饮用水源保护区、自然保护区、风景名胜区、城镇居民区和文化教育科学研究区划定畜禽禁养范围,严禁新建、改建和扩建养殖场(小区),并对已建的养殖场(小区)予以关闭或搬迁。需要强调的是,“禁养区”并非“无畜禽区”,对于尚未到达养殖场(小区)规模标准的养殖户仍可继续养殖。《全国畜禽污染防治“十二五”规划》(2012)[5]明确要求各地政府完成畜禽禁养区划定工作,《水污染防治计划(水十条)》(2015)[6]要求依法关闭或搬迁禁养区养殖场(小区)。学术界也从不同视角对畜禽禁养政策进行了丰富研究。国外发达国家主要从完善产业规划调整畜禽产业布局,并通过废弃物无害化处理实现粪污资源化利用[7];国内主要以定性研究为主,囊括畜禽禁养政策制定的必要性、政策出台的上位法基础、政策执行的基本原则、“禁养区”等基本概念、禁养区划定的技术流程等[8,9,10]。实践上,各地相继出台最严禁养方案,禁养区范围不断扩大,畜禽污染明显改观;适养区范围逐渐萎缩,养殖户退出趋势明显[11]。然而,一个不容忽视的问题是:禁养区养殖户如何优化替代生计策略?畜禽禁养政策对禁养区养殖户家庭收入产生怎样影响?回答上述问题成为持续推进畜禽禁养政策高效实施及促进禁养区经济社会稳定发展的关键。基于此,本文从以下3个方面对已有研究进行改进:第一,运用Probit模型实证分析畜禽禁养政策对养殖户替代生计策略的影响;第二,运用粗略精确匹配法(CEM)分析畜禽禁养政策对养殖户家庭收入的影响;第三,运用混合研究方法(MM)对模型估计结果进行解释。
2 理论分析框架
2.1 畜禽禁养政策对替代生计策略的影响
生计概念主要包括能力、资本和活动3层含义[12],即主体受资本禀赋约束而维持特定生产经营的活动。替代生计概念主要从生态保护与扶贫项目实践中提炼而来,是指资源环境难以承载现有生产模式,而在政策范围内寻找与资本禀赋相适应的替代模式[13]。国际发展研究机构采用替代生计解决农村地区贫困和生态保护问题[14];而行为主体适应替代生计模式的过程表现为一种理性决策,即“替代生计策略”。国内外****对替代生计策略的影响因素进行了有益研究,主要包括政府调控和资源约束2个层面:从政府调控角度来看,部分****认为禁渔政策促使渔民主动寻求替代生计,新的生计模式更能促进地区可持续发展[15];另有****认为禁牧政策能够减少掠夺式生计对草地发展的压力[16]。从资源约束角度来看,部分****认为西印度洋海域资源匮乏迫使渔业、蜂业及旅游业经营者不断优化替代生计模式,从而减轻海域生态环境损害[17];另有****认为三江源生态脆弱性是改造传统农业、生态移民及多元产业发展的主要影响因素[13]。可见,政府加强资源环境管控已经成为驱动微观主体寻求替代生计策略的重要因素。畜禽禁养政策属于政府调控的组成部分,通过行政手段划定禁养区范围,关闭或搬迁禁养区范围内的养殖场(小区),旨在强化畜禽污染防治。替代生计策略是养殖户应对资本禀赋与环境变化所作的理性决策,凸显生计活动的动态性,即畜禽禁养政策通过“调配”资本禀赋而对养殖户替代生计策略产生影响。借鉴可持续生计框架,本文将资本禀赋划分为自然资本、物质资本、人力资本、金融资本和社会资本,畜禽禁养政策通过重新配置资本禀赋实现养殖户替代生计策略最优:①腾退圈舍等基础设施,土地面积增加,养殖户参与农业种植的可能性较大;②运输车辆等家庭物资原始服务功能降低,趋向从替代生计策略中寻求新的职能发挥;③ 生计策略转换引起劳动力剩余,人力资本失灵是家庭进行资产配置的最大掣肘;④畜禽养殖收入减少,偿贷压力较大,养殖户倾向选择投资较少而效益明显的生计方式;⑤畜禽养殖构建的社会网络稀薄,养殖户重塑关系网络才能适应替代生计策略。此外,地理环境和疫情灾害也是调配资本禀赋,进而影响禁养区养殖户替代生计策略的重要影响因素。结合实际调研情况,本文将禁养区和非禁养区养殖户的生计策略分为畜禽养殖、农业种植、外出务工和商业经营4种类型。
2.2 畜禽禁养政策对家庭收入的影响
畜禽禁养政策促使养殖户寻求替代生计策略,不同生计策略的收入效应具有异质性。Howard[18]根据资源禀赋对加拿大沿岸、印度洋沿海等地区设计差异的替代生计策略,发现与资源环境承载力相适应的生计模式能够显著增加居民收入水平;李茜等[19]认为通过改变种植和耕作结构,实施农业替代生计项目,提高土地利用率和产出率,对家庭纯收入具有正向显著影响;于秀波等[20]通过对洞庭湖西畔山洲垸调查发现,湿地保护项目降低了生计脆弱性,对提高农户收入和福利水平具有促进作用。但是,杨明等[21]以亚洲开发银行在三江平原实施的替代生计项目为载体,研究发现替代生计选择受到资源存量约束,项目收入和环境效应并不明显。上述结论产生差异的重要原因为不同地域资本禀赋的存量和维度取向具有异质性,或仅从收入水平研究替代生计策略的收入效应,而忽视了不同群体间的收入差距。因此,本文重点研究畜禽禁养政策通过调配资本禀赋对养殖户替代生计策略产生影响,然后分析不同生计策略的收入效应。同时,将收入效应划分为家庭收入和人均收入,进而测算禁养区和非禁养区养殖户的家庭收入与人均收入差距,以便为政府制定差异化政策提供参考和借鉴。综上,本文构建理论分析框架如图1。显示原图|下载原图ZIP|生成PPT
图1理论分析框架
-->Figure 1Theoretical framework of analysis
-->
3 数据来源、变量选取与模型构建
3.1 数据来源
河北、河南和湖北3省是中国生猪养殖密集地区,地理区位优越,环境承载力强,规模养殖量大,生猪产业已成为各省农业经济发展的支柱产业。2017年,3省生猪出栏量分别为3571万头、6220万头和4300万头,占全国生猪出栏总量的5.2%、9.0%和6.2%。与此同时,这些地区存在生猪养殖布局不合理、废弃物无害化处理能力较弱及生态养殖数量较少等问题。为优化畜禽产业布局,强化畜禽污染防治,促进畜禽业绿色可持续发展,各省积极实施畜禽禁养政策,截至2016年底,“禁养区”划定基本结束。因此,调研区域选择具备一定的典型性和代表性。文中数据来源于课题组于2018年7-8月对河北、河南和湖北进行的实地调研。调研采用分层抽样与随机抽样相结合的方法进行,具体而言:①每个省选择生猪养殖密集且规模较大的县2~4个;②在样本县分别选择禁养区和非禁养区乡镇3~5个;③在不同区域选择经济发展水平存在差异的村4~6个;④在村内对禁养区养殖户和非禁养区养殖户进行随机调研。调研以问卷为基础数据,同时采取对相关市、县(区)、乡(镇)政府及畜牧养殖场(户)负责人访谈,共获取访谈记录46份,较全面掌握了调研地区的禁养方案和配套政策等相关内容。本次调研共发放问卷400份,剔除无效样本,最终获得有效样本364户,占样本总量的91.00%。样本中共有河北115户、河南125户、湖北124户;其中禁养户258户、非禁养户106户,样本在不同地区呈现均匀分布(表1)。
Table 1
表1
表1样本分布情况
Table 1Distribution of the samples
省份 | 县(区) | 样本量/户(百分数/%) | 禁养区养殖户/户(百分数/%) | 非禁养区养殖户/户(百分数/%) |
---|---|---|---|---|
河北 | 兴隆、平山、黄骅 | 115 (31.59) | 72 (27.91) | 43 (40.57) |
河南 | 济源、孟津、中牟 | 125 (34.34) | 95 (36.82) | 30 (28.30) |
湖北 | 监利、恩施、夷陵 | 124 (34.07) | 91 (35.27) | 33 (31.13) |
总计 | —— | 364 | 258 | 106 |
新窗口打开
3.2 变量选取
(1)因变量。在畜禽禁养政策对养殖户替代生计策略影响的模型中,因变量为替代生计策略,即畜禽养殖、农业种植、外出务工和商业经营4种类型。实践上,为了实现资本禀赋最优配置及分散家庭经营风险,养殖户通常选择多种替代生计策略。选择何种替代生计策略,属于二元离散变量,1表示选择某种生计策略,0表示未选择某种生计策略。需要说明的是,“畜禽养殖”之所以纳入替代生计策略,主要是因为:规模养殖户可以适应畜禽禁养政策要求,压缩养殖规模至散养户,因此与养殖场(小区)在饲养技术和管理方式等方面存在较大差异。在畜禽禁养政策对家庭收入影响模型中,因变量为家庭收入和人均收入,属于连续型变量。需要强调的是,家庭收入和人均收入均为纯收入,主要考虑到畜禽养殖投资额较大,总收入难以反映禁养区与非禁养区养殖户的收入水平和收入差距。(2)自变量。核心自变量为畜禽禁养政策,如果养殖户受到畜禽禁养政策影响,则赋值1;未受到畜禽禁养政策影响,则赋值0。畜禽禁养政策的对象是养殖场(小区),禁养区范围内的养殖场(小区)均受到畜禽禁养政策影响。
(3)协变量。参考已有研究[22],选取资本禀赋、地理环境与疫情灾害作为协变量。选取耕地面积和圈舍面积表征自然资本,耕地面积及腾退圈舍面积越大,养殖户参与农业种植的可能性越大;选取交通工具价值和家庭手机数量表征物质资本,交通工具价值越大及手机数量越多,养殖户与外界交往更为便捷,信息获取能力较高,参与外出务工或商业经营的可能性越大;选取户主年龄、受教育程度和劳动力数量表征人力资本,户主年龄越大,受教育程度越低,思想越趋向保守,产业转型难度越大,越有可能继续从事畜禽养殖或参与农业种植;劳动力数量越多,人力资源越丰富,选择外出务工的可能性越大;选取贷款数额表征金融资本,贷款数额越大,偿贷压力越大,选择外出务工等投资较少的生计方式可能性越大;选取家中是否有村干部、是否有公职人员表征社会资本,以体现关系网络强弱。此外,选取地理环境中的距集市的距离及疫情灾害作为本文的其他协变量。各项指标均值差异描述性统计如表2。
Table 2
表2
表2养殖户协变量指标均值差异描述性统计
Table 2Descriptive statistics of the mean difference of covariate variables between farmers
变量 | 赋值说明 | 禁养区养殖户 | 非禁养区养殖户 | 差值 | t值 | |||
---|---|---|---|---|---|---|---|---|
平均值 | 标准差 | 平均值 | 标准差 | |||||
耕地面积 | 实际耕地面积/hm2 | 0.614 | 0.409 | 0.610 | 0.427 | 0.004 | 0.174 | |
圈舍面积 | 圈舍占地面积/hm2 | 0.117 | 0.220 | 0.045 | 0.335 | 0.072** | 2.084 | |
交通工具价值 | 交通工具价值/万元 | 3.452 | 4.215 | 0.655 | 0.105 | 2.797*** | 4.275 | |
手机数量 | 家庭手机数量/部 | 3.705 | 1.202 | 3.015 | 0.701 | 0.690 | 0.517 | |
户主年龄 | 实际年龄/岁 | 45.275 | 10.403 | 56.250 | 24.205 | -10.975** | 2.205 | |
受教育程度 | 户主受教育年限/年 | 10.476 | 3.267 | 8.215 | 2.150 | 2.261* | 1.892 | |
劳动力数量 | 家庭劳动力数量/人 | 3.895 | 1.021 | 2.050 | 0.375 | 1.845** | 2.402 | |
贷款金额 | 家庭贷款金额/万元 | 10.505 | 3.754 | 3.570 | 0.504 | 6.935*** | 3.076 | |
是否有村干部 | 1=是,0=否 | 0.015 | 0.330 | 0.007 | 0.110 | 0.008 | 0.950 | |
是否有公职人员 | 1=是,0=否 | 0.785 | 0.856 | 0.417 | 0.575 | 0.368** | 2.240 | |
距集市的距离 | 家庭到最近集市距离/km | 12.278 | 6.206 | 8.275 | 4.705 | 4.003* | 1.742 | |
疫情灾害 | 疫情严重程度:1=非常不严重~5=非常严重 | 2.750 | 0.575 | 0.875 | 0.154 | 1.875** | 2.025 |
新窗口打开
本文选用SPSS22.0软件,运用独立样本t检验分析了禁养区和非禁养区养殖户协变量指标均值之间的差异。结果显示:t检验结果拒绝了对照组和处理组之间无差异的原假设,即禁养区和非禁养区养殖户的资本禀赋存在显著差异。具体而言,与非禁养区养殖户相比,禁养区养殖户的户主年龄更低,受教育程度更高,圈舍面积和交通工具价值更大,手机数量、劳动力数量、贷款金额及家庭公职人员更多,遭受疫情灾害更为严重。养殖户资本禀赋差异产生的原因主要是:畜禽禁养政策的规制对象是养殖场(小区),而非禁养区养殖户(包含大量散养户和专业养殖户),不同规模养殖户的资本禀赋具有异质性。结果还表明,在实证分析畜禽禁养政策对养殖户家庭收入影响中,很可能是由禁养区养殖户的协变量引起,而非畜禽禁养政策作用的结果。因此,本文选用能平衡禁养区和非禁养区养殖户之间协变量指标差异的CEM模型,以研究畜禽禁养政策的收入效应。
3.3 模型构建
3.3.1 Probit模型本文运用Probit模型分析畜禽禁养政策对禁养区养殖户替代生计策略的影响,模型定义为:
式中:Y为观测值为1或0的列向量,X为解释变量观测值矩阵,β为待估计系数,ε为随机误差项。因此,Probit模型可表示为:
式中:yi表示养殖户是否选择畜禽养殖、农业种植、外出务工和商业经营4种替代生计策略,
3.3.2 CEM模型
与倾向得分匹配法(PSM)相比,本文选用粗略精确匹配法(Coarsened Exact Matching,CEM)研究畜禽禁养政策对禁养区养殖户家庭收入的影响,主要基于3方面考虑:①CEM是通过控制观测数据中混杂因素对结果进行评估的一种非参数估计方法,通过保证协变量数据的平衡性,增强对照组与处理组的可比性,并通过权重变量(Weight)使得匹配后对照组与处理组的样本量大致相同[23];②CEM不需要处理组与对照组的特征分数具有共同支撑区域,而是根据原始数据经验分布进行匹配,满足一致性原则。畜禽禁养区与非禁养区条块分割,养殖户不存在“自选择”行为,不适用PSM模型;③CEM减少对模型的依赖程度,PSM模型首先需要Probit或Logit模型拟合特征分数,然后根据特征分数才能进行匹配;而CEM模型直接根据协变量理论分布进行匹配,最终求得畜禽禁养政策对养殖户家庭收入影响的净效应[24]。
CEM模型运算步骤:首先,将协变量理论分层为对照组和处理组,分别表示非禁养区和禁养区养殖户;其次,对每层的研究对象进行精确匹配,保证每层至少有一个处理组和一个对照组的研究对象匹配成功;再次,运用匹配后的数据库估算畜禽禁养政策对养殖户家庭收入的影响;最后,进行非平衡性检验,即比较匹配前后数据的非平衡性值τ1,
式中:Y1表示受到畜禽禁养政策影响的养殖户,Y0表示未受到畜禽禁养政策影响的养殖户。平均处理效应(ATT)表示畜禽禁养政策对养殖户家庭收入和人均收入影响的净效应。
3.3.3 混合研究方法
混合研究方法(Mixed Method)是定性与定量相结合的研究方法,旨在增加结论的可信度和解释力,以减少因方法选取和模型设定带来的结果偏差[25]。本文主要结合调研过程中养殖户的政策响应对模型估计结果进行解读。
4 实证结果分析
4.1 畜禽禁养政策对禁养区养殖户替代生计策略的影响
4.1.1 养殖户生计策略现状表3给出了禁养区和非禁养区养殖户生计策略之间的差异,数据显示:① 非禁养区家庭经营的主要产业是生猪养殖,有近50%的养殖户参与农业种植、外出务工和商业经营,养殖兼业仍是生猪养殖密集地区养殖户的主要生计模式。② 与非禁区养殖户相比,畜禽禁养政策促使禁养区养殖户生计策略发生较大变动,超过60%的禁养户转产从事商业经营和外出务工,不足20%的养殖户继续从事生猪养殖,而农业种植的比重也增至近50%。③从生计策略比重差值来看,商业经营(23.30%)>外出务工(16.90%)>农业种植(6.89%)>畜禽养殖(-82.17%)。可见,畜禽禁养政策实施背景下,养殖户倾向选择收益较大或效益明显的替代生计策略,农业种植仍是生计模式转型过程中的最后选择。
Table 3
表3
表3禁养区与非禁养区养殖户生计策略比较
Table 3Comparison of livelihood strategies of farmers in animal production prohibited and non-prohibited areas
生计策略 | 禁养区养殖户/户(百分数/%) | 非禁养区养殖户/户(百分数/%) | 差值 |
---|---|---|---|
畜禽养殖 | 46 (17.83) | 106 (100.00) | -60 (-82.17) |
农业种植 | 120 (46.51) | 42 (39.62) | 78 (6.89) |
外出务工 | 158 (61.24) | 47 (44.34) | 111 (16.90) |
商业经营 | 194 (75.19) | 55 (51.89) | 139 (23.30) |
新窗口打开
4.1.2 模型估计结果分析
首先,对所有解释变量进行多重共线性检验。通常认为,当方差膨胀因子VIF>5时,变量之间存在较为严重的多重共线性。检验结果表明:除圈舍面积(VIF=6.75)以外,其余各变量的VIF均小于5,故将圈舍面积变量删除后重新进行共线性检验,结果显示所有解释变量的VIF均小于5,符合样本独立性的基本原则。然后,运用stata13.0软件对方程进行拟合,同时测算解释变量的边际效应,表4表明模型的拟合优度良好,分别为0.254、0.302、0.179和0.203。
Table 4
表4
表4基于Probit模型的估计结果
Table 4Estimation results based on the Probit model
畜禽养殖 | 农业种植 | 外出务工 | 商业经营 | ||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
边际效应 | 标准误 | 边际效应 | 标准误 | 边际效应 | 标准误 | 边际效应 | 标准误 | ||||
畜禽禁养政策 | -0.771*** | 0.251 | 0.074 | 0.065 | 0.282** | 0.125 | 0.327*** | 0.072 | |||
耕地面积 | 0.035 | 0.027 | 0.102* | 0.057 | -0.175** | 0.086 | -0.007** | 0.003 | |||
交通工具价值 | 0.075* | 0.040 | 0.028* | 0.016 | 0.067 | 0.051 | 0.092*** | 0.029 | |||
手机数量 | 0.057 | 0.045 | 0.067 | 0.049 | 0.022 | 0.038 | 0.082 | 0.039 | |||
户主年龄 | 0.126** | 0.055 | 0.092*** | 0.027 | -0.037** | 0.015 | -0.023 | 0.017 | |||
受教育程度 | 0.045 | 0.037 | 0.072 | 0.052 | 0.139*** | 0.041 | 0.177** | 0.082 | |||
劳动力数量 | 0.021** | 0.009 | 0.048* | 0.026 | 0.080** | 0.035 | 0.007 | 0.021 | |||
贷款金额 | 0.062* | 0.036 | 0.056 | 0.042 | 0.105** | 0.049 | 0.013 | 0.009 | |||
是否有村干部 | 0.069 | 0.071 | 0.004 | 0.006 | 0.305 | 0.209 | 0.041** | 0.021 | |||
是否有公职人员 | 0.125** | 0.056 | 0.002 | 0.004 | 0.079 | 0.060 | 0.302* | 0.176 | |||
距集市的距离 | -0.105* | 0.056 | 0.075 | 0.056 | 0.044* | 0.024 | -0.092** | 0.045 | |||
疫情灾害 | -0.024* | 0.013 | 0.004 | 0.006 | 0.029** | 0.012 | 0.085 | 0.061 | |||
拟合优度 | 0.254 | 0.302 | 0.179 | 0.203 |
新窗口打开
(1)畜禽禁养政策使得禁养区养殖户从事畜禽养殖的概率显著降低了77.10%,主要原因为:①禁养区对养殖场(小区)予以强制关闭或搬迁,实践上各地较少采取搬迁措施,主要采取强制关闭措施,并依法拆除圈舍等基础设施;②禁养区通常以养殖规模为标准确定关闭对象,河北、河南和湖北分别要求生猪存量大于150头、200头和300头的养殖户限期关闭,而样本中3省达到禁养规模的养殖户占总养殖户比重分别为74.15%、82.32%和78.19%,与实证结果较为吻合;③调研中发现,部分养殖户并没有退出生猪养殖的原因是养殖年限较长,技术经验丰富,产业依赖性较强,而通过出售等方式调整家庭养殖规模,以避免纳入畜禽禁养范围。
(2)畜禽禁养政策对禁养区养殖户选择农业种植的影响不显著,主要原因为:①样本区养殖户土地面积为0.612 hm2/户,而土地转出面积达0.415 hm2/户,土地流转面积较大且合同期限为3~10年,养殖户参与农业种植的概率较低;②为供给生猪养殖饲料,养殖户种植结构以玉米为主,且通过兼业形式参与农业种植,尚未构成家庭收入的主要来源;③2017年样本区小麦遭受严重自然灾害及赤霉病,产量普遍较低及收益较差,养殖户对农业种植的预期收益较低,转产从事农业种植的意愿较低。
(3)畜禽禁养政策促使禁养区养殖户选择外出务工的概率显著提高了28.20%,主要原因是:①禁养区养殖户的户主年龄均值为45.28岁,受教育程度均值为10.48年,均优于非禁养区养殖户,人力资本优势明显,适宜选择外出务工;②禁养区养殖户家庭劳动力数量均值为4人,显著高于非禁养区养殖户。畜禽禁养政策使得禁养区养殖户家庭劳动力闲置,养殖户选择外出务工的可能性较大;③禁养区规模养殖户较多,生猪养殖资金投入量大,在政府利率补贴激励下,养殖户贷款金额均值为10.505万元,显著高于非禁养区养殖户。畜禽禁养政策使得养殖户的偿贷能力显著降低,选择外出务工等投资较少且经济效益明显的替代生计策略成为一种理性选择。
(4)畜禽禁养政策促使禁养区养殖户选择商业经营的概率显著提高了32.70%,主要原因是:①禁养区养殖户平均养殖年限超过5年,生猪养殖经验丰富,加之与非禁养区较近,更倾向于转产从事仔猪、饲料、兽药及饲养设备销售等商业经营;②禁养区养殖户多为专业合作社和家庭农场,除了从事生猪养殖外,还通过种猪配给、技术指导及统购统销等方式带动其他养殖户参与生猪养殖。因此,养殖户从事商业经营的社会资本较为雄厚;③与农业种植和外出务工相比,商业经营受自然灾害和务工市场不稳等因素影响较小,养殖户从事商业经营所获取的收入较高且稳定性较好。因此,畜禽禁养政策对商业经营的影响效应最强。
4.2 畜禽禁养政策对禁养区养殖户家庭收入的影响
4.2.1 养殖户家庭收入现状表5给出了禁养区和非禁养区养殖户家庭收入之间的差异,数据显示:①从家庭收入和人均收入来看,禁养区养殖户家庭收入和人均收入均低于非禁养区养殖户,差值分别为2.768万元和0.554万元/人。可见,禁养区养殖户家庭收入水平显著低于非禁养区养殖户。②从生计策略收入来看,禁养区养殖户生计策略的收入排序为:商业经营(4.709万元)>外出务工(2.285万元)>畜禽养殖(0.823万元)>农业种植(0.435万元);而非禁养区养殖户生计策略的收入排序为:畜禽养殖(5.804万元)>商业经营(2.201万元)>外出务工(1.054万元)>农业种植(0.305万元)。可见,禁养区与非禁养区养殖户生计策略的收入效应存在较大差异,但不同区域养殖户对农业种植的依赖程度均较低。③从生计策略收入差值来看,与非禁养区养殖户相比,禁养区养殖户的商业经营(2.508万元)>外出务工(1.231万元)>农业种植(0.130万元)>畜禽养殖(-4.981万元),但农业种植收入在不同群体之间的差异并不显著。可见,在组合型替代生计策略中,商业经营和外出务工在禁养区养殖户家庭收入中发挥主导作用。
Table 5
Table 5Comparison of family income of farmers in animal production prohibited and non-prohibited areas (万元)
禁养户/户(百分数/%) | 非禁养户/户(百分数/%) | 差值 | t值 | |
---|---|---|---|---|
畜禽养殖收入 | 0.823 (8.71) | 5.804 (47.50) | -4.981*** (-38.79) | 3.801 |
农业种植收入 | 0.435 (4.60) | 0.305 (2.50) | 0.130 (2.10) | 1.225 |
外出务工收入 | 2.285 (24.17) | 1.054 (8.63) | 1.231** (15.54) | 2.027 |
商业经营收入 | 4.709 (49.82) | 2.201 (18.01) | 2.508*** (31.81) | 2.795 |
家庭收入 | 9.452 | 12.220 | -2.768** | 2.022 |
人均收入 | 1.890 | 2.444 | -0.554* | 1.752 |
新窗口打开
4.2.2 模型估计结果分析
选用stata13.0软件对方程进行估计,表6给出了最大损失样本量,匹配后样本损失差异较少。限于篇幅,仅展示家庭收入和人均收入方程匹配结果。可以发现,家庭收入方程中,处理组损失54个样本,对照组损失7个样本,99个样本参与匹配;人均收入方程中,处理组损失67个样本,对照组损失9个样本,97个样本参与匹配,表明对照组和处理组匹配样本量良好。
Table 6
Table 6Matching sample size based on the Coarsened Exact Matching (CEM) model (户)
家庭收入方程 | 人均收入方程 | ||||||
---|---|---|---|---|---|---|---|
未匹配样本 | 匹配样本 | 总计 | 未匹配样本 | 匹配样本 | 总计 | ||
对照组 | 7 | 99 | 106 | 9 | 97 | 106 | |
处理组 | 54 | 204 | 258 | 67 | 191 | 258 | |
总计 | 61 | 303 | 364 | 76 | 288 | 364 |
新窗口打开
表7给出了畜禽禁养政策对养殖户家庭收入影响的净效应,可以得出:
Table 7
表7
表7基于CEM模型的估计结果
Table 7Estimation results based on the Coarsened Eexact Matching (CEM) model
禁养区养殖户 | 非禁养区养殖户 | 差值/万元 | t值 | ||||||
---|---|---|---|---|---|---|---|---|---|
ATT/万元 | 标准差 | 95%置信区间 | ATT/万元 | 标准差 | 95%置信区间 | ||||
畜禽养殖收入 | 0.705 | 0.222 | [0.265,1.145] | 5.501 | 1.420 | [2.689,8.313] | -4.796** | 2.275 | |
农业种植收入 | 0.402 | 0.275 | [-0.143,0.947] | 0.342 | 0.292 | [-0.236,0.920] | 0.060 | 0.702 | |
外出务工收入 | 1.887 | 0.720 | [0.461,3.313] | 0.685 | 0.341 | [0.010,1.360] | 1.202* | 1.754 | |
商业经营收入 | 4.002 | 0.926 | [2.169,5.836] | 1.811 | 0.802 | [0.223,3.399] | 2.191*** | 2.789 | |
家庭收入 | 8.105 | 1.794 | [4.553,11.657] | 10.410 | 3.775 | [2.936,17.885] | -2.305** | 2.322 | |
人均收入 | 1.621 | 0.675 | [0.285,2.958] | 2.082 | 0.771 | [0.555,3.609] | -0.461* | 1.705 |
新窗口打开
(1)畜禽禁养政策使禁养区养殖户畜禽养殖的收入显著减少4.796万元,主要原因为:①畜禽禁养政策对生猪养殖收入产生直接冲击,生猪养殖已不再是禁养区养殖户家庭收入的主要来源;同时也反映出畜禽禁养政策在强化畜禽污染防治同时,对养殖户生产行为具有较强抑制作用。②调研中发现,政府仅划定“禁养区”而尚未划定“适养区”,加之圈舍迁入地的土地租赁价格较高,养殖户不具备承继生猪养殖的地理条件和经济实力,恢复生产的能力较弱。③2017年全国生猪出栏价格普遍较低,养殖户生产经营亏损严重,而畜禽禁养政策的实施与市场价格低迷共同促使养殖户退出生猪养殖。
(2)畜禽禁养政策使禁养区养殖户农业种植收入增加0.060万元,增幅较小且影响不显著,主要原因为:①农业种植是养殖户最后的替代生计策略选择,源于小规模和碎片化的小农经营很难提高养殖户家庭福利水平。②养殖户参与农业种植受到耕地面积和质量约束,禁养区圈舍等基础设施关闭或搬迁后,土地复垦速度较慢且质量较差,短期内难以满足玉米、小麦等作物种植条件。③玉米和小麦属于大宗粮食种类,市场价格弹性较小,在自然灾害及病虫害风险冲击下,养殖户从事农业种植的经济效益并不明显。
(3)畜禽禁养政策使禁养区养殖户外出务工收入显著增加1.202万元,主要原因为:①养殖户退出生猪养殖后,转产从事其他行业的技能较低,多数家庭以外出务工形式重新配置劳动力资源。②调研中发现,政府给予养殖户产业转型引导均以组织外出务工为主,务工收入已成为禁养区养殖户的第二收入来源。③样本区养殖户外出务工以跨省建筑工和销售工为主,河北、河南务工人员主要流向京津地区,湖北务工人员主要流向长三角地区,流入地劳务市场价格较高,养殖户获取的务工收入较高。
(4)畜禽禁养政策使禁养区养殖户商业经营收入显著增加2.191万元,主要原因为:①禁养区养殖户的户主通常为合作社社长或公司经理,社会身份获得感和认同感较强,转产从事农业种植等其他行业的意愿较低。②与其他生计策略相比,产品销售经营属于服务型行业,增值较大且空间更广,更能适应市场主体需求而调整投资方向,商业经营已成为禁养区养殖户首要的替代生计策略。③与非禁养区养殖户主要生计策略相比,禁养区养殖户从事商业经营的收入偏低,主要是因为多数转产养殖户处于投资初期,商业经营投资额较大,短期内经济效益尚未凸显。
(5)畜禽禁养政策使禁养区养殖户家庭收入和人均收入显著降低2.305万元和0.461万元/人。可见,畜禽禁养政策促使禁养区与非禁养区养殖户家庭收入和人均收入差距不断扩大,禁养区养殖户替代生计策略未能维持养殖户原有的生计水平。
4.3 平衡性检验
为了保证匹配质量,还应进一步讨论对照组和处理组之间的平衡性。图2给出不同生计策略匹配后的非平衡性τ1值。可以看出,畜禽养殖、农业种植、外出务工和商业经营匹配后的τ1值总体上小于匹配前,并且τ1值趋近于0。因此,本文对照组和处理组数据平衡性良好,CEM模型估计结果的稳健性良好。显示原图|下载原图ZIP|生成PPT
图2替代生计策略非平衡性τ1值检验
-->Figure 2Unbalanced τ1 values test of alternative livelihood strategies
-->
5 结论和启示
5.1 结论
畜禽禁养政策是当前政府强化畜禽污染防治的重要举措,研究畜禽禁养政策对禁养区养殖户替代生计策略及家庭收入的影响对于促进禁养区经济社会稳定发展具有重要意义。本文基于河北、河南、湖北3省生猪养殖密集地区的364户生猪养殖户数据,分别运用Probit模型和粗略精确匹配法(CEM)实证分析了畜禽禁养政策对养殖户替代生计策略的影响及不同替代生计策略下的家庭收入效应。主要研究结论如下:(1)畜禽禁养政策促使禁养区养殖户不断优化替代生计策略。具体而言,畜禽禁养政策实施情景下,养殖户选择商业经营和外出务工的概率显著提高了32.70%和28.20%,选择投资较少、经济效益明显及稳定性较好的替代生计策略成为禁养区养殖户的理性生计选择。畜禽禁养政策促使禁养区养殖户选择畜禽养殖的概率显著降低了77.10%,但对农业种植的影响不显著。
(2)畜禽禁养政策在强化畜禽污染防治同时,对禁养区养殖户生产行为具有较强抑制作用,养殖户畜禽养殖的收入显著减少4.796万元。畜禽禁养政策促使养殖户商业经营和外出务工的收入显著增加2.191万元和1.202万元,并且这2种生计收入已经成为禁养区养殖户的主要收入来源;农业种植收入增加0.060万元,增幅较小且影响不显著,小规模和碎片化的小农经营是养殖户最后寻求的替代生计策略。
(3)畜禽禁养政策使得禁养区养殖户家庭收入和人均收入显著降低,分别减少2.305万元和0.461万元/人。禁养区与非禁养区养殖户家庭收入和人均收入差距显著扩大。可见,禁养区养殖户的替代生计策略不能维持养殖户原有的生计水平,禁养区经济社会发展不稳定的因素依然存在。
5.2 启示
畜禽禁养政策通过调配资本禀赋而对禁养区养殖户替代生计策略及家庭收入产生重要影响。如何提高养殖户资本禀赋存量并不断优化替代生计策略需要政府予以调控。具体启示如下:(1)完善畜禽禁养政策。畜禽禁养政策关乎养殖户利益与环境公益、产业转型与家庭收入稳定增长、畜禽防污防治与养殖业可持续发展。因此,政府应严格划定禁养区范围,并在综合评价地区环境承载力及严格环保准入基础上,科学划定畜禽适养区,确保倾向继续养殖的主体能够养殖经营。同时,提高畜禽养殖的规模化、标准化和组织化程度,并通过技术引进和设备配给等途径提高养殖户污染防治水平。
(2)加强圈舍土地复垦。养殖圈舍等基础设施占地面积较大,土地复垦难度较大,某种程度上限制了禁养区养殖户参与种植经营。因此,政府应统筹建立土地复垦储备资金,通过直接补贴等政策减轻土地复垦的经济压力,激励养殖户积极开展圈舍土地复垦。同时,鼓励复垦土地流转,实现复垦地规模化和机械化种植,不断提高农业种植效益。
(3)强化产业转型支持。对于转产从事外出务工的,政府应加强技能培训,鼓励跨区就业创业,着力开拓劳务市场,并与劳务输入地紧密合作,切实维护外出务工人员合法权益;对于转产从事商业经营的,政府应加强小企业孵化基地和创业就业平台建设,降低企业市场准入门槛,并强化产品质量监管,为转型户营造良好的经商环境。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[1] | [J]. , [J]. , |
[2] | [J]. , [J]. , |
[3] | [J]. , [J]. , |
[4] | [J]. , [J]. , |
[5] | [EB/OL]. ( [EB/OL]. ( |
[6] | [EB/OL]. ( [EB/OL]. ( |
[7] | [J]. , [J]. , |
[8] | [J]. , [J]. , |
[9] | [J]. , [J]. , |
[10] | [J]. , [J]. , |
[11] | [J]. , [J]. , |
[12] | [J]. , [J]. , |
[13] | [J]. , [J]. , |
[14] | [R]. , |
[15] | [J]. , |
[16] | [J]. , |
[17] | [J]. , |
[18] | [J]. , |
[19] | [J]. , [J]. , |
[20] | [J]. , [J]. , |
[21] | [J]. , [J]. , |
[22] | [J]. , [J]. , |
[23] | [J]. , |
[24] | [J]. , [J]. , |
[25] | [J]. , |