基于傾向值匹配法的區域生態補償績效評估研究

徐大偉　李斌

摘要

從上世紀90年代起，中國在全國和各區域范圍內實施了大量以生態補償為理論基礎的環境保護項目。同時，伴隨著生態補償項目的實施，生態補償的相關研究也在不斷推進。目前，中國對于生態補償的研究主要集中在理論體系的構建、機制的探索、補償對象、補償方式以及補償金確定等補償前階段的研究，而較少涉及對現有補償項目績效評估等補償后階段的研究，特別是缺少標準經濟學范式的績效評估研究。因此，本文在提出了區域生態補償績效評價的必要性與理論意義的基礎上，通過引入熵值法、傾向值匹配法、面板數據回歸方法等經濟學技術對區域生態補償績效進行評估。本文以遼東山區生態補償財政項目為案例，運用熵值法對經濟、社會、生態狀況相近的27縣綜合生態績效進行計算、比較，經過統計分析初步發現績效最好的縣均是政策影響縣，但也存在諸如清河、燈塔、弓長嶺等補償縣的生態績效并沒有較大提升；通過對補償政策組與非補償政策組以及按行政區劃分的生態績效比較發現，補償政策以及行政歸屬對生態績效影響是顯著的；運用面板回歸方法，發現在控制了行政區劃、時間、環保投資和森林資源現有存量后，補償政策的效應為0.475。為避免樣本選擇問題，文章引入Kernel內核匹配法得出平均處理效應為0.783。兩方法均支持補償政策有效的結論。最后，為考察生態補償績效影響因素，對補償政策組樣本進行面板回歸并與全樣本回歸結果進行比較。研究認為，行政區劃與財政赤字占比分別在1%水平上顯著，且財政赤字占比效應為正。由于現階段生態補償政策依然包含過多行政色彩，所以第二產業占比、林業占比、人均GDP等經濟因素只有人均GDP在10%水平上顯著。另外，通過年份時間變量的引入，考察了各年平均生態績效的變化情況，并發現政策效應在逐漸趨于收斂，這也從另一個角度證實了補償政策的實際效果。

關鍵詞傾向值分析；熵值法；生態補償；績效評估

中圖分類號F062.2；F326.2文獻標識碼A文章編號1002-2104（2015）03-0034-09doi：10.3969/j.issn.1002-2104.2015.03.005

生態補償是人類在保護環境、改善生態環境的過程中，逐漸提出的一種以經濟學為理論基礎的制度安排，按照“中國環境與發展國際合作委員會”對生態補償的定義：“生態補償是一種以保護生態服務功能、促進人與自然和諧相處為目的，根據生態系統服務價值、生態保護成本、發展機會成本，運用財政、稅收、市場等手段，調節生態保護者、收益者和破壞者經濟利益關系的制度安排。”國外生態補償主要采取對生態服務支付的形式，比如：加拿大聯邦政府的“永久性草原覆蓋恢復計劃”（PPCRP）、美國的保護與儲備計劃（CRP）、環境質量激勵項目（EQIP）以及歐盟的農業環境保護項目[1]。自上世紀90年代起，中國在11個省（自治區）的685個縣（單位）和24個國家級自然保護區開展了征收生態環境補償費的試點。2012年，已有27個省（區、市）建立了省級財政森林生態效益補償基金，資金規模達51億元；有30個省（區、市）建立了礦山環境恢復治理保證金制度，累積繳納保證金612億元；還有包括對草原、濕地、流域、水源地、海洋以及重點生態功能區的專項補貼。作為一種公共財政支出，如此大規模的補償資金投入是否達到預期效果，是否對生態環境的改善起到顯著作用是決策者必須關注的問題，這為開展生態補償績效評價研究提供了現實需要。

目前，中國對于生態補償的研究主要集中在理論體系構建、機制探索、補償對象、補償方式以及補償金確定等方面，即關注的是補償前階段的研究，而較少涉及對現有補償項目績效的評估，即補償后階段的研究。現有生態績效評估的研究也限于方法、數據、指標確定等方面的制約，還難有科學、客觀準確的標準研究。這些研究的缺陷主要表現為兩方面：第一，沒有就一個案例給出具體的指標和明確的生態綜合績效值，無法進行進一步的定量統計分析；第二，較少應用經濟學的前沿評估方法。由于中國地域遼闊，并沒有全國性的生態補償政策，補償的實施主要以區域為主，相應研究也主要關注區域補償政策對本區域發展的效果。因此，本文選擇遼寧東部山區森林生態補償作為案例，通過應用傾向值分析方法對生態補償政策效應以及影響因素進行評估，以期為全國其他補償項目績效評估提供參考。

本文以遼東山區2009-2012年27個農業縣為例進行分析，利用熵權法、面板回歸方法以及傾向值匹配法，在得出生態績效綜合值的基礎上對其進行比較分析，通過生態績效考察生態補償政策的實際效應，并最終考察生態補償績效的影響因素。

1相關研究評述

對生態補償的研究主要是兩大領域，即補償前研究（理論探索、前期評估、補償機制研究、補償標準、方式的確定）和補償后研究（效果評估、經驗總結、案例分析）。對于前者國內外研究成果相對較多，體系比較健全，主要原因在于該領域以理論、模型方法的構建為主，開展研究受客觀條件制約較少。對于后者，目前的研究相對較少，而國外的研究無論是方法的應用、數據的搜集還是效果評估的科學性都值得國內學習。在國外，生態補償主要采取生態服務價值支付（PES）的形式，相應績效的研究也多以案例研究為主。Chevillat，et al.研究了瑞士生態補償區實施效果[2]。Hein，et al.對印度尼西亞森林可持續利用經濟效益案例進行研究[3]。Clifton和Julian研究了印度尼西亞海洋國家公園直接補償支付效果[4]。Matulis和Brett Sylvester對哥斯達黎加PES項目目標與現實差距進行了評估[5]。Zammit和Charlie評估了澳大利亞森林保護基金和環境監管項目運行效果[6]。Vidal，et al.評估了墨西哥Monarch Butterfly Biosphere保護區2001至2012年森林生態保護績效[7]。除了案例分析，也有從理論概述角度對生態補償績效的研究。Levrel，et al.對美國生態補償各種方式的適應性、績效評價、生態替代標準的適用性及生態補償的成本進行了研究[8]。Aradottir，et al從理論角度就生態服務支付政策對植被、土地、社會等效應進行了論述[9]。Adhikari，et al通過對11個國家26個案例的評述，重新闡述了影響PES實施效果的主要因素并提出從公平、參與、民生、環境可持續等四個角度評估PES的產出效果[10]。至于評估方法，由于PES項目的多學科交叉性，國外相關領域的學者應用了環境工程、生態學、項目評估、地理學等領域的方法來評估補償績效。Brady，et al通過基于代理人的Ariplis模型模擬了農民用地決策改革的政策后果以及對現實農業區生態服務、生物多樣性等方面的伴生影響[11]。Huber，et al將多學科的方法綜合應用于瑞士Jura Moutains的PES項目效果評價，研究了項目對當地生態、社會、經濟狀況的影響[12]。Crookes，et al通過系統動力模型評估了市場機制對南非生態修復的經濟效力與風險的作用[13]。Duncan，et al運用Bayes模型推斷基期數據，從而對植被修復工程的長期效果進行再評估[14]。由于國外的研究主要是針對生態服務價值支付（PES）項目，從概念上與國內生態補償綜合評估有一定區別。雖然，研究方法先進、科學，但研究對象僅針對某一類指標（比如生態環境指標、經濟指標、社會指標），較少涉及生態補償綜合指標。另外，應用社會科學特別是經濟科學范式的研究并不多見，主要還是環境、生態領域的定性和定量研究。

從國內來看，補償績效的研究主要分為方法探討、定性概述、定量研究三大類。蔣愛軍等在闡述開展國家級公益林績效評價必要性和原則的基礎上，提出了績效評價的主要指標體系和標準方法，并以湖南試點為例進行了分析[15]。吳水榮和顧亞麗從森林生態補償對森林經營者的影響、是否有效地促進森林生態服務供給、以及是否有助于緩減貧困等三個方面的效果進行評價[16]。張來章等對當前黃河流域水土保持生態補償主要的實踐活動進行了分析和評價，但沒有提出實質性的評價方法和數量結果[17]。汪峰對四川省退耕還林政策績效進行了研究[18]。李佳通過統計調查的研究方法對石羊河流域生態補償效果進行了評價與分析[19]。張寶林采用1993-2011年和1991-2011年的數據分別對兩類國家林業治沙重點工程公共投資績效進行實證研究[20]。但是，這些研究多停留于方法的探究與文字、數字的敘述和羅列，而定量研究的方法和范式的選用比較陳舊，估算的有效性不甚理想。

相對于財政績效、公共政策績效研究，生態補償政策方面的績效研究在定量方法上還有待進步、拓展。因此，本文將試圖在該領域的績效評價方面有所突破，結合生態補償理論的實際，運用熵權法計算綜合綜合績效，引入傾向值匹配分析法，并對遼東山區農業縣開展生態補償政策績效評估。

2測算方法、模型及數據處理

2.1生態補償財政績效的測算方法

從目前的研究來看，績效評價的定量方法主要是專家打分Delphi法、AHP層次分析法、主成份分析法、DEA數據包絡法以及熵值法。本文采用熵值法對生態綜合績效進行定量分析與測算。

2.2政策效果傾向得分匹配方法

分組政策效果的估計存在一個嚴重的問題——樣本選擇性問題，即樣本在干預組與控制組的分配并不是隨機的，實際分配過程往往要遵循一定的準則、標準。為避免樣本選擇性問題造成的內生性，Rosenbaum和Rubin創立了“傾向值匹配方法”[21]進行政策評估。

2.3績效影響因素的實證模型

本文運用面板回歸方法分別對全樣本27縣以及補償16縣生態績效影響因素進行考查，核心解釋變量包括：補償政策虛擬變量、行政區劃虛擬變量（補償政策以外的上級行政因素）、赤字占比（財政補貼需求）、人均GDP、第二產業占比、林業占比；控制變量包括：年度完成環保投資額（環保努力程度）、當年森林面積存量。

2.4數據來源及處理

2.4.1生態績效估算數據

根據《遼寧省人民政府關于對東部生態重點區域實施財政補償政策的通知》，本文確定以岫巖縣等16個遼東山區農業縣為例，選取同一行政區內，社會經濟相近但未獲得財政補償的11農業縣作為對照組，并將時間變量設定為生態補償政策實施后的四年數據（2009-2012年）。數據主要來自于2009-2012年的《中國林業統計年鑒》和《遼寧統計年鑒》。

2.4.2回歸方程數據

通過個案排秩方法對生態績效值進行正態變換，并通過對年份設置虛擬變量，以考察時間效應，最后根據樣本是否屬于政策組設置政策虛擬變量。模型設定中的其他變量數據均來自于2009-2012年的《中國林業統計年鑒》以及《遼寧統計年鑒》。

3生態補償政策績效計算及差異分析

3.1生態績效指標的理論基礎

根據生態補償理論，

生態補償的核心原則是：“誰收益，誰補償；誰污染，誰補償。”同時，需要明確的是，生態補償的目就是利用經濟方法協調各方利益關系，最終達到生態效益的最大化，而不僅是經濟效益的最大化。

國內關于生態補償的概念和內涵理解不一，主要分歧集中在生態補償的補償內容上，即生態補償的客觀對象是什么？對什么進行生態補償？將什么納入補償標準的確定？目前，廣為認可的補償類型是服務補償、資源補償、破壞補償、發展補償、保護補償等5方面內容。從補償內容看，可以認為生態補償政策有兩個主要目的：一是促進生態環境的改善；二是促進公平的發展權利。因此，本文在構建生態績效時，將重點體現這兩方面指標。

3.2生態績效的測算及政策效果分析

首先，根據表1設計的指標體系，運用熵權法計算權重，得出遼東山區27縣2009-2012年生態補償綜合績效

。限于篇幅，27縣各年生態綜合績效值不在正文列出。

（1）經濟發展狀況。GDP增長率作為經濟發展水平、發展速度的重要指標被引入對發展狀況的評價；同時，考慮公平發展的問題，還引入了城鎮、農村的平均工資。

（2）生態環境保護。本文選取人均森林面積、當年植樹造林面積作為林地狀況指標，以環境污染治理年度完成投資總額反映當地環保努力程度、工業二氧化硫排放量反映第二產業環境治理狀況，從而考察環保行為對當地工業經濟發展狀況的影響。

根據熵權法計算權重，得出遼東山區27縣2009-2012年生態補償綜合績效。結果表明，生態補償政策對生態績效差異的影響較大。只有2009年，績效最好的縣是未受政策影響的海城市。之后年份，績效最好的縣均是政策影響縣，但也存在諸如清河、燈塔、弓長嶺的生態績效并沒有較大提升，生態績效甚至連年落后于未實施生態補償的縣。

通過考察排名的分布情況，可以更加直觀的觀察政策效果，如表2所示。

從排名的總體分布情況來看，排名靠前的縣，絕大多數都實施了生態補償政策。以2009年為例，排名前14的縣中有13個是生態補償縣，只有一個海城市排名靠前且未獲生態補償政策；而排名后13的縣中有10個沒有獲生態補償政策。從統計分布可以初步判斷生態補償政策對生態績效有較大影響，而政策影響是否顯著，是否受其他影響因素的影響，還需建立計量模型進行檢驗。

3.3生態績效差異的分組檢驗

按照政策實施與否以及行政區劃兩個標準進行分組，通過對歷年各組均值進行t檢驗，來判斷政策以及行政區劃對績效的影響。各地區的行政管理、上級的施政目標、其他政策措施均有不同，因此，引入行政區劃的分組形式，補充生態補償政策以外的其他政策和行政管理的變異，從而使績效影響因素的考察更加全面。

3.3.1政策組與非政策組生態績效差異

將所有樣本分成政策組與非政策組，對各組的熵績效均值進行獨立樣本Bootstrap檢驗，如表 3所示。

從表3可見，政策組與非政策組之間在生態績效的差異是非常顯著的，顯著水平達到了 0.1%。但是，這種顯著的影響，并沒有考慮其他影響因素，比如行政區劃、社會發展狀況、居民收入、財富等以及這些因素與政策的交互作用。

3.3.2行政區劃對績效差異的影響

為考察行政區劃即上級行政制約作用，將考察各地級市的行政管轄對各縣生態績效的影響。因此，為剔除補償政策因素的影響，分別對有政策和無政策的縣生態績效進行行政區劃影響的考察。

為考察行政區劃即上級行政制約作用，將考察各地級市的行政管轄對各縣生態績效的影響。因此，為了剔除補償政策因素的影響，需要分別對有政策和無政策的縣生態績效進行行政區劃影響的考察。由圖1、圖2可知，各市實施政策縣的績效均值呈現收斂趨勢，而各市非政策縣績效均值處于一種發散狀態。政策組中，丹東市一直處于高位，波動較大，而鐵嶺市和撫順市卻是逐年提升。對于非政策縣，丹東的生態績效依然較高，說明該市相對重視生態環境建設，屬于自主保護型。而遼陽不論政策組還是非政策組，都排名最后，說明生態建設并不是該市行政管理的重要任務目標。

4生態補償政策有效性的估計：基于傾向值分析

本文實證研究的邏輯是：首先，通過傾向值分析法（PSM）對政策的有效性進行檢驗，即考察補償縣與未補償縣在生態績效上的差異。之后，在得出政策有效性的基礎上，通過回歸分析考察影響因素對生態績效的邊際影響。

4.1靜態面板估計結果

為了與傾向值分析進行對比，并回應統計分析中提出的問題，首先運用面板數據估計方法對政策虛擬變量進行估計。在模型構建過程中，盡量加入可能的控制變量以消除遺漏變量造成的內生性問題。為與前面統計分析提出的交互問題對照，將考查政策變量與人均GDP以及政策變量與赤字占比的交互作用，估計結果見表4。

模型1為未引入交互項的估計結果，補償虛擬變量系數為0.475，即從無補償到有補償可使生態績效提高0475；考慮到生態績效值在-2到2之間取值，這個效應比較大。另外，從統計角度看，該估計值在1%的水平上顯著，因此認為回歸結果支持政策有效的判斷。至于模型2和模型3的交互項，結果并不支持存在交互作用。

4.2基于傾向得分匹配的估計結果

本文采用logit模型估計傾向值，得出各縣各實施補償政策傾向性得分，Kernel密度分布見圖3。從圖中可知，非補償組集中于傾向得分較低（025左右）的位置，且其最大傾向值也不過08左右；而補償組的kereal密度值大部分集中于09和1之間。這說明樣本選擇問題對于本案例生態補償績效政策的評價是比較重要的。

傾向得分匹配方法主要包括參數方法、非參數匹配方法，

參數方法主要包括1對1匹配、最近鄰匹配、半徑匹配、馬氏距離匹配等；非參數方法主要包括基于內核的匹配估計量（Kernel）、局部線性回歸（llr）等。

并通過比較各種方法的評估結果判斷評估結果的穩定性。標準研究主要通過匹配變量的平衡性分析進行方法的確定，即通過對補償組與非補償組各匹配變量的標準偏差進行匹配平衡性檢驗來判斷匹配效果的優劣。該檢驗的原理是通過控制匹配變量的差異，從而排除因變量差異對結果變量的影響，以便評估政策效應。根據Rosenbaum和Rubin的研究[22]，一般認為只要標準偏差的絕對值小于20就不會引起匹配的失效。

同時，為進一步檢驗匹配的效果，需要對處理組和控制組企業匹配變量的均值進行T檢驗，以判斷二者是否存在顯著差異。如果沒有統計上的顯著差異則可認為匹配效果滿足要求；相反則必須改變匹配方法重新匹配[23]。本文選取參數方法的最近鄰匹配法、半徑匹配法、匹配估計量以及非參數方法的局部線性回歸（llr）和內核匹配法進行平衡性分析，結果見表5。

從表5可知，非參數Kernel內核匹配法有三個協變量的標準偏差顯著小于20%，只有dgdp的標準偏差略高于20%。而局部線性回歸匹配方法llr有三個協變量的標準偏差絕對值顯著大于20%；參數最近鄰匹配方法dgdp變量的標準偏差為30.8%；半徑匹配方法dgdp、farmincom、naturenum的標準偏差超過20%，并且forst也比較接近20%。這說明，Kernel內核匹配法的匹配效果是四種方法中最好的。

從表6可知，通過運用Kernel內核匹配法進行匹配，有25個補償組樣本和44個非補償組樣本落入共同支持區間，有39個補償樣本被剔除，這表明參與匹配的樣本數是可以接受的。表7、8分別報告了運用kernel內核匹配法得出的遼東山區生態補償的政策效應，即平均處理效應ATT為0.395，落入由0.039和0.841所圍成的95%自助抽樣置信區間。同時，95%置信區間并不包括0，這說明有95%的把握認為遼東山區生態補償的政策效應是顯著的。另外，ATT平均處理效應相對于未匹配前的平均績效差距（0.950）小了0.555，這表明選擇性偏差的效應比較大，在剔除之后，政策的效應只有0.395。

5生態補償績效影響因素分析

對于全樣本回歸而言，由于非補償樣本的引入，估計結果反映的是各因素對生態績效的影響。為考察生態補償績效的影響因素，需要對補償組進行面板回歸，以考察什么因素影響補償實施后生態績效的大小。

5.1政策組短面板數據的檢驗及估計結果

首先確定面板模型類型：分別檢驗混合最小二乘法、固定效應、隨機效應，可得固定效應優于混合效應，而隨機效應優于固定效應。因此，本文將選擇隨機效應模型進行估計。

本文對短面板數據的異方差、自相關、截面相關性進行檢驗。經檢驗發現，該面板數據不具備截面相關性，但存在異方差和自相關。因此，采用隨機效應聚類穩健的廣義最小二乘法，該方法可以同時解決異方差和自相關問題，估計結果見表9。

5.2結果分析

從表9的參數估計結果來看，實施生態補償16縣的city變量系數絕對值更大，并且更顯著，這反映了行政指令在生態補償政策實施過程中的作用更加明顯。對于全樣本而言，生態績效取決于各行政區的目標追求，而生態保護只是各市眾多目標之一，這分散了行政效應；而對于補償組，生態補償政策的提出與實施本身就增加了一項行政任務。因此，各行政區會更加注重對這項工作的關注。另外，各縣受上層地級市的行政管轄，各市都有自己的一套管理體制、規章制度、政治生態，政策執行的效率各有不同，也會造成生態補償績效的不同。這也與前面的統計結論相契合。

對于dgdp（財政赤字占比）而言，系數為正（3.782 303）且顯著大于全樣本系數（3.286 613），這表明生態補償財政轉移資金對緩解地方財政赤字的作用是明顯的，而該資金又是以生態環境績效的改善為要求，所以，

財政赤字占比越大，地方縣對補償資金需求越大，生態保護的行動越積極，績效會隨之改善。通過對補償16縣財政赤字的統計發現，所有縣均處于財政赤字狀況，這解釋了為什么補償組dgdp系數更大更顯著。這個估計結果說明通過財政轉移支付這種經濟激勵方式可以有效增加地方政府提供生態環境這種公共產品的動力。

核心解釋變量中sgdp（第二產業占比）為負但不顯著，fgdp（林業占比）為正也不顯著，其他核心解釋變量均顯著。從各縣林業占比的變量統計特征來看，林業占GDP比重較小，林業并不是重要產業，因此對績效的影響較小。而第二產業的系數為負，說明產業結構對當地的生態具有制約作用，但影響不顯著。而這種不顯著很可能跟生態績效評價指標的選取有關，因為指標中并沒有過多考慮與工業生產相關的污染指標。pgdp（人均GDP）為正卻在10%顯著水平上顯著，說明經濟發展水平對生態績效起促進作用。無論從理論還是現實的觀察，都有理由認為經濟發展水平越高，人均GDP越高，社會對生態環境保護的訴求越強烈。

最后，從時間效應來看，截距項為-0.655且在5%的水平上顯著，說明生態補償政策實施第一年（2009年）的平均生態績效為-0.655。而第二年（2010年）則增加了0517且在1%水平上顯著；第三年（2011年）增加了0240 5且在5%水平上顯著，這種變化說明了生態補償政策在逐年增加東部山區的生態績效，生態補償績效是顯著的；而到第四年（2012）生態績效平均提高雖然為正，但是已經不顯著。這種現象與前面的統計分析相吻合，原因在于隨著生態補償政策實施的逐年深入，各縣、各市已經探索出項目平穩實施的方式、方法，政策的效果常態化、均衡化，生態績效趨于平穩并逐漸收斂，這反映了政策實施效果的演化路徑。

6研究結論

第一，運用熵值法對案例關注的綜合生態績效進行計算、比較，經過統計分析初步發現績效最好的縣均是政策影響縣，其中，鳳城市在2010年、2011年連續兩年位居第一，績效逐年提升。但也存在一些問題，清河、燈塔、弓長嶺的生態績效并沒有較大提升，生態績效甚至連年落后于未實施生態補償的縣。

第二，通過對補償政策組與非補償政策組以及按行政區劃分的生態績效比較發現，補償政策以及行政歸屬對生態績效影響是顯著的。但是，初步的統計分析并沒有考慮其他綜合因素的影響，結果需要更科學的方法進行檢驗。

第三，運用面板回歸方法，發現在控制了行政區劃、時間、環保投資和森林資源現有存量后，補償政策的效應為0.475，并且在1%水平上顯著。這表明，遼東山區森林生態補償政策是顯著有效的。

第四，為了避免計量回歸方法可能存在的樣本選擇問題，文章引入傾向得分匹配方法，在選擇了恰當的匹配變量后，使用logit模型估計了接受生態補償政策概率作為匹配參照的傾向得分，并對四種典型匹配方法進行平衡性分析比較，最終確定運用Kernel內核匹配法對平均處理效應（ATT）進行估計。結果顯示補償組與非補償組平均處理效應ATT約為0.783，這與統計分析以及面板計量分析一致，即生態補償政策效應是顯著的。

第五，為考察生態補償績效影響因素，對補償政策組樣本進行面板回歸并與全樣本回歸結果進行比較，發現行政區劃與財政赤字占比分別在1%水平上顯著，且財政赤字占比效應為正。由于現階段生態補償政策依然包含過多行政色彩，所以第二產業占比、林業占比、人均GDP等經濟因素只有人均GDP在10%水平上顯著。另外，通過年份時間變量的引入，考察了各年平均生態績效的變化情況，并發現政策效應在逐漸趨于收斂，這也從另一個角度證實了補償政策的實際效果。

（編輯：田紅）

參考文獻（References）

[1]秦艷紅，康慕誼. 國內外生態補償現狀及其完善措施[J]. 自然資源學報， 2007，（4）： 557-567.[Qin Yanhong，Kang Muyi. A Review of Ecological Compensation and Its Improvement Measures [J].Journal of Natural Resources， 2007，（4）： 557-567.]

[2]Chevillat V， Doppler V， Graf R， et al. Wholefarm Advisory Increases Quality and Quantity of Ecological Compensation Areas[J]. Agrarforschung Schweiz， 2012， 3（2）： 104-111.

[3]Hein L， VanderMeer P J. REDD+ in the Context of Ecosystem Management [J]. Current Opinion in Environmental Sustainability， 2012，4（6）：4-11.