退耕還林工程：生態恢復與收入增長

秦 聰,賈俊雪

(中國人民大學 財政金融學院，北京 100872)

?

退耕還林工程：生態恢復與收入增長

秦 聰,賈俊雪

(中國人民大學 財政金融學院，北京 100872)

本文基于1997年和2002年的村級調查數據，在一個相對統一的框架下，利用雙差分傾向得分匹配法識別出退耕還林工程對我國生態恢復和農戶收入增長的因果處置效應。研究表明，該工程顯著增加了參與村莊的人均林地面積，對生態建設起到了積極作用，但并未對農戶純收入產生明顯影響。僅對現有的退耕還林工程設計進行完善不會提高其對農戶增收的影響，但是通過在工程設計中減少資金和勞動力的配套要求、由上級政府統籌工程的執行以及加大工程的投資額會進一步增加人均林地面積，在更大程度上改善工程參與村莊的生態環境。

退耕還林工程；農民人均純收入；人均林地面積；雙差分傾向得分匹配法

一、引言

長期以來，學術界和各國政府一直在積極探索如何在改善農村生態環境的同時維持或增加農民的收入水平。最近幾十年，在“耕地輪休輪作制度”的經驗基礎上，一些農業大國普遍嘗試了“土地休耕保護項目(conservation set-aside program)”，將不適宜耕作的土地劃為環境保護用地，通過政府主導或農民自主申報的模式，在這些地區推行還林還草等生態恢復工程[1-3]。但是，由于此類項目可能導致糧食產量的下降，引發糧食供給短缺，同時也會減少農民的收入，因此其政策的有效性備受質疑[4-6]。

改革開放以來，我國經歷了高速的經濟增長，但隨之而來的環境污染和水土流失等生態問題也變得愈發嚴重。1998年長江、嫩江和松花江流域突發特大洪水，致使全國29個省、市、自治區受災，受災面積3.18億畝，受災人口2.23億人，直接經濟損失達1666億元。這次洪災引起了我國政府和社會各界對生態環境問題的關注，以及對經濟發展模式的深刻反思。1998年10 月，中央頒布《關于災后重建、整治江湖、興修水利的若干意見》，以“封山植樹、退耕還林”為指導原則，通過實施“退耕還林工程”來改善我國廣大農村地區的生態環境。退耕還林工程于1999年在四川、陜西和甘肅三省率先試行，并自2002年至2008年在全國范圍內正式實施。隨著退耕還林工程的中斷，2008年以來，我國廣大地區尤其是中西部地區依然飽受自然災害困擾。有鑒于此，我國政府于2016年推行了新一輪的退耕還林工程。

為更加有效地推進退耕還林工程的實施，提高工程在生態建設和農民增收方面的影響，對第一輪退耕還林工程進行合理評估從而積累經驗顯得尤為關鍵。本文旨在深刻揭示退耕還林工程對生態恢復和農民增收的影響，豐富拓展此類文獻，為我國新一輪的退耕還林工程實踐提供良好借鑒。具體而言，本文以1999年起實施的退耕還林工程這一擬自然實驗為基礎，利用1997年和2002年2423個村莊的調查數據和雙差分傾向得分匹配法(difference-in-difference matching)，有效地對樣本選擇偏差做以矯正。分別識別出該工程對參與村莊的人均林地面積以及農戶的人均純收入的因果處置效應，進而通過分樣本研究考察了不同的工程設計對工程效果的影響。研究表明，退耕還林工程對生態恢復起到了積極作用，促使參與村莊的人均林地面積增長約0.8畝；但是由于該工程沒有改善農戶的收入和就業結構，從而并未顯著增加參與農戶的人均純收入。進一步地，在不引入新的工程設計的情況下，僅針對現有工程設計的改進無法提高退耕還林工程對農戶收入水平的影響，但是通過在工程設計中減少資金和勞動力的配套要求、由上級政府統籌工程的執行以及加大工程的投資額則會增加更多的人均林地面積。

總體而言，本文主要從如下兩個方面豐富拓展了已有文獻。第一，本文在一個相對統一的框架下同時考察了退耕還林工程的生態和經濟影響。與國外的土地休耕保護項目不同，我國的退耕還林工程在致力于改善生態環境的同時，還力圖通過補貼和調整農村產業結構等手段提高農民收入，從而在一定程度上解決農村的貧困問題。《退耕還林條例》明確指出：退耕還林工程必須將堅持生態優先與調整農村產業結構和發展農村經濟相結合。然而，現有文獻分別在獨立的框架下探討了退耕還林工程的生態和經濟影響，還鮮有研究在一個統一的研究框架下同時考察該工程的兩種影響*大量文獻對退耕還林工程的生態效應給予了積極評價[7-8]：國家統計局課題調研組(2004)[7]基于對西部大開發12個省區市的調查研究得出結論：退耕還林工程改善了生態環境，并且對本地區的糧食生產影響不大。韓洪云、喻永紅(2012)[8]運用陳述偏好法中的選擇實驗法，基于受益者視角評估了退耕還林工程的環境改善價值及其可持續性，得出結論：退耕還林工程對參與村莊帶來了較大程度的環境改善，而這種改善具有較好的可持續性。而關于退耕還林工程的經濟效應，文獻結論則產生了較大分歧[9-12]。劉璨、張巍(2006)[9]的研究表明：退耕還林工程對參與農戶的收入產生了積極影響，越早參與工程對農戶收入增長產生的效果越顯著。王愛民(2005)[10]的研究表明，退耕還林工程對區域經濟和退耕農戶的家庭收入的影響存在明顯的區域差異性，在不同的區域采用一致的補助標準不能對全部區域產生同等的政策效果，部分地區實行退耕還林工程后，非農收入比重變化不大，退耕農戶主要收入來源轉為政府的糧款補助，這意味著退耕補貼一旦停止，退耕農戶收入將會明顯下降。而徐晉濤、陶然、徐志剛(2004)[11]和易福金、陳志穎(2006)[12]則持反對意見，認為退耕還林工程對農民的增收效應十分微弱。。由于現有文獻在研究方法和結果上存在差異，我們無法對該工程的效果給出一個明確的評價。針對這一不足，本文利用統一的識別策略，對退耕還林工程的生態和經濟影響做以系統分析，豐富了相關文獻。

第二，本文研究有助于理清工程設計對于生態環境改善程度的影響。第一階段退耕還林工程的實施不僅極大改善了我國的生態環境，同時也為我國的生態治理提供了寶貴的經驗。通過深入分析該工程的設計對生態改善的影響，本文不僅深化了對退耕還林工程設計重要性的認識，更重要的是為我國新一輪的退耕還林工程設計提供了一些有益思路。

本文余下部分的結構安排如下。第二節簡要梳理了我國退耕還林政策的變遷。第三節給出本文的計量策略，第四節介紹了數據和變量。第五節給出基準和穩健性檢驗結果，進行機制和分樣本異質性分析。最后一節給出本文的結論和政策建議。

二、政策背景

我國的退耕還林工程肇始于1999年，但是在此之前我國政府對于農村土地的使用進行了長期的探索，其中尤以林地和耕地的占比為主導。廣義而言，我國政府對退耕還林政策的探索可以追溯到新中國的建立之初。但是直到改革開放，退耕還林建設在實踐上一直處于停滯階段。從1978年開始，我國的退耕還林政策實踐可以大致劃分為3個階段。

第一階段(1978—1983年)：以營造商品林為主的退耕還林階段。1978 年，我國政府啟動了“三北”防護林體系建設工程，從而推動退耕還林工作的開展。隨著經濟建設的加快，可供采伐的天然林面積大幅減少，同時由于商品林見效快、收益高，農戶在市場經濟導向下進行了商品林建設。這一階段的退耕還林具有兩個特點：一是，退耕還林主要發生在高山地區，而并非水土流失嚴重的中低山區；二是，由于缺乏有效監管，商品林砍伐過度，部分退耕區出現返耕現象[13]。

第二階段(1984—1998年)：以營造經濟林為主的退耕還林階段。20世紀80年代初期，國家逐漸加大對貧困地區的投入，嘗試將扶貧與改善生態環境相結合，形成了以營造經濟林尤其是果樹為主的退耕還林政策。但是由于受市場因素的影響，這一時期政策對經濟和生態的影響都不穩定。

第三階段(1999年至今)：以營造生態林為主的退耕還林階段。在這一階段，綜合以往的小規模實踐經驗，我國政府正式實施了退耕還林工程。1999年四川、陜西和甘肅三省在全國率先開展退耕還林試點，當年共完成退耕還林試點44.8萬公頃。次年，試點范圍新增17個省區市188個縣。2002年起退耕還林工程在全國正式實施。由于在2003年出現了糧食供應短缺的問題，2004年起工程進入鞏固階段，不再進行大規模推進。截至2008年第一輪退耕還林工程結束，全國累計完成退耕還林4.03億畝，其中退耕地造林1.39億畝，荒山荒地造林2.37億畝，封山育林0.27億畝。工程共涉及1.24億農民。鑒于2008年之后我國部分地區依然面臨著生態環境惡化的問題，2016年我國啟動了新一輪的退耕還林工程。

三、計量策略

本文擬回答的問題是：對于每個參與退耕還林工程的村莊而言，在其他因素保持不變的情況下，該村莊農民人均純收入的增長和人均林地面積的增加在多大程度上可以歸因于退耕還林工程的實施。我們利用TGHLi∈{0,1}表示村莊i是否參與了退耕還林工程；Y表示結果變量，其中包含農戶人均純收入和農戶人均林地面積。如果我們可以同時觀察到村莊i參與(TGHLi=1)或者未參與(TGHLi=0)退耕還林工程之后的結果，那么兩者的差值(Yi1-Yi0)即為項目的因果效應。但遺憾的是，對于單個村莊而言，在現實經濟中我們僅能觀察到上述兩種狀態中的一種，缺失的另一種狀態則需要我們進行反事實推斷，從而估算出退耕還林工程的因果效應。根據Heckman等人(1997)[14]，相比于某個村莊i的因果效應，我們此時應該關注退耕還林工程的平均處置效應(ATT)，即：

τATT≡E{Yi1-Yi0|TGHLi=1}

=E{Yi1|TGHLi=1}-E{Yi0|TGHLi=1}

(1)其中，E{Yi0|TGHLi=1}表示項目參與村如果未參加退耕還林工程時的結果變量，即為我們需要估計的反事實結果。由于村莊是否參與退耕還林工程受到一系列非隨機因素的影響，而這些因素也可能同時影響到農戶人均純收入和人均林地面積，因此簡單地將未實施退耕還林工程村莊當作工程實施村莊的反事實對照組會帶來明顯的選擇偏差。

為解決這一問題，本文采取傾向得分匹配法對選擇偏差進行矯正[15]。具體而言，我們利用probit模型估算出每個村莊的傾向得分P(X)，即控制變量X給定時村莊i參與退耕還林工程的預測概率，然后據此將參與工程的村莊(處置組)與未參與工程的村莊(對照組)進行匹配。基于傾向得分的匹配為處置組樣本尋找到特征最為相似的對照組樣本并將其作為處置組的反事實結果，因此可以有效避免選擇偏差。但是Guo和Fraser(2014)[16]指出，我們通過傾向得分的估算僅能控制住可觀測變量的影響，仍然不能對不可觀測因素的影響加以控制，因此削弱了平均處置效應估計的有效性。針對這一問題，我們將雙重差分的思想引入到傾向得分匹配法的框架中，形成了雙差分傾向得分匹配法(DID-PSM)：首先，通過分別對處置組和對照組樣本自身在事前和事后兩個時間點的差分來消除兩組樣本自身的變化趨勢，進而將兩組差分結果進行再次差分從而估算出退耕還林工程的平均處置效應。因此，這一方法能夠有效地對不可觀測因素的影響加以控制[17]。

雙差分傾向得分匹配法估算出的退耕還林工程的平均處置效應為：

(2)

其中，I1和I0分別代表處置組和對照組村莊，Sp為共同支持域(regionofcommonsupport)，n1為落入Ii∩Sp區域內的樣本數量，t0和t1分別代表退耕還林工程實施前時點和實施后時點。W(i,j)代表在對村莊i進行反事實推斷時我們賦予對照組中村莊j的權重。目前，基于權重W(i,j)的構造方法，匹配方法可分為內核匹配法(kernelmatching)，最鄰近匹配法(nearest-neighbormatching)和卡尺匹配法(calipermatching)等。

四、數據與變量

(一)數據

本文使用的數據來自“中國科學院‘農村貧困與發展’項目社會經濟調查(2003)”。此次調查包含兩個部分：第一部分提供了1997年和2002年的人口統計學信息、社會經濟信息以及農民收入信息；第二部分則描述了樣本期間各村莊退耕還林工程的實施情況。詳實的數據為下文估算出可靠的傾向得分提供了基礎，同時兩年的面板數據也是我們使用雙差分傾向得分匹配的必要前提。本次調查省份的選取具有較強的代表性，其中中西部內陸省份包括甘肅、吉林、陜西和四川，東部沿海省份則包含河北和江蘇(圖1)。省以下采取分層抽樣的方法，最終樣本包含36個縣， 216個鄉鎮，共2459個村級行政單位。

本文以1997年作為事前時點。之所以將1997年而非1998年作為事前時點，是因為我國的退耕還林工程開始于1999年，這樣處理可以減少工程預期效應造成的估算偏差，并且保證匹配前的樣本沒有受到退耕還林工程的影響。然而由第二節政策背景的梳理可以看出，在1999年前，一些地區實施過具有退耕還林政策特征的早期實踐，為了排除這部分參與效應(anticipationeffect)，我們在樣本中剔除此類村莊。本文最后使用的樣本包含2423個村，其中824個村(占總樣本的34%)參與了退耕還林工程，1599個村(占總樣本的66%)截至2002年尚未參與這一工程。

(二)結果變量

本文旨在考察以環境保護和農民增收為目的的退耕還林工程的影響，因此我們分別利用農民人均林地面積和農民人均純收入(對數值)對其加以刻畫。為剔除通貨膨脹影響，我們利用農村消費價格指數將2002年的農民人均純收入換算成以1997年的價格水平為基準的實際值。表1對結果變量分別做以描述性統計。通過簡單的比較，我們可以得到3點認識：(1)在退耕還林工程實施前，處置組村莊比對照組村莊平均多擁有2.85畝的人均林地面積，但是相對更加貧困——兩者差異為-0.46，在1%置信水平上顯著；(2)在樣本期內，處置組村莊的人均林地面積增長顯著(增長0.78畝，在1%置信水平上顯著)，而對照組村莊的人均林地面積幾無變化(增長0.03畝，統計上不顯著)，兩者的增長幅度差異非常明顯(相差0.75畝，在1%置信水平上顯著)；(3)盡管所有村莊的農民人均純收入都顯著增加，但相比于對照組中的村莊，處置組中的村莊有著更高的收入增速(兩者差異為0.04，在1%置信水平上顯著)。不過，由于潛在的選擇偏差，我們很難將上述簡單比較得出的差異完全歸結于退耕還林工程的實施。

圖1 被調查省份分布圖

因變量年份平均值(標準偏差)全樣本(1)處置村(2)對照村(3)差異：(2)-(3)(4)農民人均林地面積(畝)1997(t)171(691)359(987)074(441)285???(029)2002(t’)200(699)437(1027)077(391)360???(029)Δt029???(004)078???(004)003(005)075???(009)農民人均純收入(對數值)1997(t)705(072)675(061)721(073)-046???(003)2002(t’)729(070)702(059)744(072)-042???(003)Δt024???(001)027???(001)023???(001)004???(001)村莊數2，4238241，599

注：Δt行和(4)列括號里的數字為標準誤差，*、**和***分別表示在10%、5%和1%的置信水平上顯著。

(三)匹配變量

雙差分傾向得分匹配法是否可以有效校正選擇偏差依賴于處置組和對照組的樣本匹配質量，而這又在很大程度上取決于傾向得分估算模型的設定是否合理。得益于調查提供的詳細信息，在同時參考匹配質量的情況下，我們最終選取了21個匹配變量。為確保其沒有受到退耕還林工程的影響，這些變量均使用事前時點即1997年的數值。表2給出匹配變量的描述性統計結果，其中(1)列至(3)列分別為全樣本、處置組和對照組的統計描述，(4)列給出了樣本的組間差異。總體而言，在退耕還林工程實施之前，處置組和對照組在眾多維度上(21個匹配變量中的20個)已經存在顯著差異，表明退耕還林工程在參與村莊的選擇上并非是隨機的，表1反映出的差異性可能來自匹配變量間的差異。因此，我們需要矯正樣本的選擇偏差。

表2 匹配變量的描述性統計及傾向值估計結果

注：(4)-(5)列括號里的數字為標準誤差，*、**和***分別表示在10%、5%和1%的置信水平上顯著。

具體而言，樣本村莊平均有居民1097人，其中半數左右(534人)為勞動力。農民的人均純收入約為1150元，其中約有30%來自非農收入。得益于20世紀80年代起我國政府在農村基礎設施改善方面的不懈努力，93%的農戶實現了通電；但僅有33%的農戶可以使用自來水，12%的農戶有條件使用電話。因此，樣本村莊的基礎設施總體上還較為薄弱。通過進一步比較處置組和對照組之間的差異，我們可以得到兩個重要發現。第一，退耕還林工程的參與村莊坡地比例較高且較為貧窮：處置組村莊的坡地比例平均比對照組村莊高出22%，根據前文所述，相比于種植業這部分村莊更適合發展林業；處置組村莊的農民人均純收入平均比對照組少約500元，而非農收入占比也低了5%。由此可見，退耕還林工程較好地瞄準到易林的貧困地區。第二，在基礎設施水平方面，無論是家庭電力、自來水和電話的覆蓋率，還是交通的便利程度，處置組村莊都處于明顯劣勢，表明參與退耕還林工程的村莊多為基礎設施較為落后的村莊。這反駁了Rogers(2014)[18]的觀點，即中國政府官員通常認為基礎設施較好的村莊可以更加有效地利用扶貧資金，因而傾向于將扶貧資源分配給基礎設施較好的而非最貧困的村莊。

五、實證結果

本節首先估算出傾向得分并據此將處置組與對照組樣本進行匹配，然后給出退耕還林工程的因果處置效應并進行穩健性分析，繼而對其作用機制加以分析，最后考察退耕還林工程在實施過程中的差異以及參與村莊間的差異對工程效果的影響。

(一)傾向得分估計與平衡性檢驗

表2中第(5)列給出了傾向得分的估計結果。半數左右的匹配變量對村莊參與退耕還林工程的概率具有顯著影響，而且與描述性統計結果基本保持一致。根據各村莊參與退耕還林工程的概率，我們對處置組和對照組樣本進行匹配。為確保結果的穩健性，本文同時采用內核匹配法和5對1最鄰近匹配法。

為保證雙差分傾向得分匹配法給出的因果效應是真實可靠的，傾向得分的估算必須滿足兩個條件。首先，處置組和對照組樣本必須滿足共同支持條件，即兩組樣本具有較好的可比性。根據圖2給出的處置組和對照組傾向得分的分布，我們不難看出：盡管總體而言，處置組村莊比對照組村莊擁有更高的工程參與概率，但兩組樣本的傾向得分具有足夠大的重疊區域，從而滿足共同支持條件。

圖2 處置組和對照組傾向得分的柱狀分布圖

表3 匹配樣本的平衡性檢驗

(二)退耕還林工程的平均處置效應

如前文所述，本文旨在考察退耕還林工程的實施對農民收入和環境改善兩方面的影響。針對這一問題，本文首先估計了退耕還林工程對農民人均純收入和人均林地面積的平均處置效應。表4給出具體的估算結果： 兩種匹配方法給出的平均處置效應在數值和顯著性上保持了較好的一致性。具體而言，退耕還林工程對農民人均純收入沒有顯著影響(處置效應在統計上不顯著)，意味著本次工程未能在農民增收方面產生積極作用。這一結果佐證了徐晉濤等(2004)[11]以及易福金、陳志穎(2006)[12]的結論。另外，退耕還林工程對人均林地面積的平均處置效應在0.8左右，且在1%的置信水平上顯著，說明退耕還林工程的實施導致參與村莊的人均林地面積增長了約0.8畝。鑒于樹木的生長需要一定的周期，在短短四年的時間內，退耕還林工程已經取得如此顯著的成果，可見其是非常有助于生態環境的改善。

表4 退耕還林工程的平均處置效應

注：括號里的數字為標準差，*、**和***分別表示在10%、5%和1%的置信水平上顯著。

(三)穩健性檢驗

為檢驗本文基本結論的可靠性，進而確保后續分析是真實有效的，本節進行穩健性分析。首先，我們對平行假設進行檢驗，從而確保處置組和對照組樣本在退耕還林工程實施之前具有相同的趨勢。如果兩組樣本在工程實施之前就存在明顯差異，那么雙差分傾向得分匹配法估計出的平均處置效應很可能反映的是組間事前趨勢的差異，因此并非是真實的。為此，本文構造了一個安慰劑檢驗，即在樣本中隨機分配處置狀態[20]。具體而言，我們在全部2331的村莊中隨機抽取785個村莊作為處置組，剩余的村莊即進入對照組。基于這一虛擬的處置組和對照組，我們重新使用雙差分傾向得分匹配法進行估算，并將上述過程重復1000次，考察全部結果的分布。由于安慰劑檢驗具有隨機性，在沒有遺漏變量(例如工程實施之前的趨勢)的情況下，得到的結果均值應該趨近于零。圖3給出數值模擬出的平均處置效應的具體分布情況。不論選取哪種匹配方法和結果變量，模擬出的平均處置效應的分布都以0為中心，而且標準差較小。這表明本文的模型設定沒有受到遺漏變量問題的困擾，也說明處置組和對照組在工程實施前具有相似的趨勢。

(1) 農民人均純收入，內核匹配 (2) 農民人均純收入，5對1最鄰近匹配

(3) 人均林地面積，內核匹配 (4) 人均林地面積，5對1最鄰近匹配圖3 數值模擬出的平均處置效應

其次，我們考察隨時間變化的不可觀測因素對估算結果的影響。根據前文所述，雙差分傾向得分匹配法有效消除了不隨時間變化的不可觀測因素的影響，但是仍然無法排除隨時間變化的不可觀測因素的影響。在本文的研究中，這一影響主要來自樣本期間由于村委會領導的更迭導致的領導能力的改變。為排除這部分不可觀測因素的影響，我們剔除了處置組中在樣本期間內發生過領導更迭的村莊，并重新進行估算。由表5第(1)列給出的估算結果可以看出，剔除樣本后的估算結果與基準結果保持了較好的一致性——退耕還林工程沒有顯著提高參與村莊的農民收入水平，但是對人均林地面積有顯著為正的影響。由此可見，隨時間變化的不可觀測因素對本文的估算沒有明顯影響。

表5 穩健性檢驗結果

注：括號里的數字為標準差，*、**和***分別表示在10%、5%和1%的置信水平上顯著。

再次，我們考察不同的修剪策略(Trimming strategy)對基準結果的影響。Black和Smith(2004)[21]指出，當傾向得分匹配嚴重依賴于傾向得分分布的尾部時，共同支撐條件可能會被違背，估計結果因而是有偏的。這里，我們嘗試采用2%、5%和10%三種修剪水平，分別剔除掉對照組傾向得分分布尾部最極端的2%、5%和10%的樣本[22]。表5中第(2)—(4)列給出的估算結果表明：無論采取哪一種修剪策略，與基準結果相比，退耕還林工程的平均處置效應在顯著性和數值上都相差無幾。這意味著，基準結果并不依賴于傾向得分分布的尾部。

最后，根據各村莊參與退耕還林工程的年份，我們將處置組樣本劃分為四組，分別考察不同組別的平均處置效應。表5中第(5)—(8)列的結果表明，兩種匹配方法得到的平均處置效應基本一致，并且與基準結果具有較好的一致性。由此可見，本文的基準結果具有較好的穩健性。

(四)機制分析

基于穩健的模型設定，本節著重考察退耕還林工程影響農民收入水平的作用機制，并借此考察工程的其他經濟目標是否實現。首先，退耕還林工程一方面嘗試通過經濟林的建設增加村民的農業收入，另一方面通過技術培訓等手段使勞動力向非農部門轉移，從而獲得更多的非農收入。本節分別考察退耕還林工程對農戶人均農業收入和非農收入的影響，具體結果見表6第(1)和(2)列：不同的匹配方法得出的結果高度一致，得出的平均處置效應在統計上均不顯著。這表明退耕還林工程沒有顯著增加參與村莊的農業收入和非農收入，也因此導致了工程對人均純收入的影響并不顯著。其次，由表6第(3)列的結果缺少統計上的顯著性，說明在全部勞動力中非農就業的占比沒有顯著提升。表6第(4)和(5)列的結果進一步說明，在非農部門的勞動力中，本村就業人口和在外打工人口的占比都沒有明顯變化。綜上所述，由于農業收入和非農收入沒有顯著提升，勞動力向非農部門的轉移也沒有實現，因此退耕還林工程未能對農民人均純收入產生積極的影響。

(五)分樣本異質性分析

本節通過樣本分類的方法，考察工程設計和農民收入水平差異對退耕還林工程效果的影響。首先，在實施過程中，退耕還林工程會要求部分參與村提供一定數量的資金或者勞動力配套。為考察這一設計的影響，我們按照工程是否需要配套資金或勞動力將處置組分為兩組，分別進行研究。表7中第(1)和(2)列的估算結果表明：無論采用哪種匹配方法和配套設計，退耕還林工程都不會顯著提高農戶的收入水平，但是對人均林地面積的增加則有明顯促進作用。值得注意的是，就工程對人均林地面積的平均處置效應的數值而言，不需配套的村莊要高出需要配套的村莊一倍左右，說明需要村莊配套的工程設計效果并不盡如人意。這主要是因為參與退耕還林工程的村莊相對貧困，要求村民進行工程配套會占用其本就不多的資本，從而降低村民的參與熱情。

表6 機制分析

注：括號里的數字為標準差，*、**和***分別表示在10%、5%和1%的置信水平上顯著。

其次，本節考察工程執行單位的差異對退耕還林工程效果的影響。我們按照工程執行單位是村委會還是上級政府，將處置組分成兩組分別估算其平均處置效應。表7中第(3)和(4)列的估算結果表明：兩組分樣本結果與基準結果相似，退耕還林工程沒有影響農戶的收入水平，但是增加了人均的林地面積。同樣值得注意的是，就工程對人均林地面積的平均處置效應的數值而言，上級政府執行的工程通常要高于村委會執行的工程。這可能是因為上級政府的領導能力更強，在工程的實施過程中能夠調動更多的人力物力。

進一步，我們考察各村莊獲得退耕還林工程投資額的差異對工程效果的影響。我們根據各村獲得退耕還林工程投資額的中位數將處置組樣本劃分為兩組：一組為高投資額組，即獲得的投資額大于中位數，另外一組為低投資額組。表7的第(5)和(6)列給出分組估算結果：就工程對農民收入的因果處置效應而言，高投資額組和低投資額組在數值上和顯著性上基本一致，表明村莊獲得工程投資額的多寡并未導致工程對農民收入影響的差異；另一方面，雖然無論投資額高低退耕還林工程都會顯著增加人均林地面積，但是獲得高投資額的村莊的人均林地面積增長幅度要遠高于低投資額組，表明投資額對工程效果的影響在于人均林地面積的增長幅度而非農民的收入水平。

最后，我們考察參與村莊的初始收入水平對工程效果的影響。與前文分析相似，我們根據各村在1997年人均純收入的中位數將處置組樣本劃分為兩組：一組為高收入組，即初始收入水平高于中位數，另外一組則為低收入組。表7的第(7)和(8)列給出分組估算結果：退耕還林工程對于低收入組和高收入組的人均純收入沒有顯著影響(平均處置效應統計上不顯著)，但是對兩組的人均林地面積產生了積極的影響，而且在數值上大致相當。這反駁了Liu和Wu(2010)[23]的觀點，即初始收入較高的村莊將得到更多的補貼，從而人均收入水平隨之增加。

六、結論及政策建議

生態保護和減緩貧困是當下我國在發展中面臨的兩大難題，如何有效地對其進行解決已經成為學術界和社會各界的焦點議題。為尋找一劑良方以同時緩解上述問題，我國在1999年啟動了迄今為止世界上最大規模的生態建設工程——退耕還林工程，試圖在改良生態的同時致力于實現農民增收和勞動力的轉移。那么這一工程的成效如何，是否實現了生態建設和收入提高這兩個目標？為科學嚴謹地評估退耕還林工程的效果，本文利用雙差分傾向得分匹配法，對這一工程的經濟影響和生態影響加以考察。

表7 分樣本分析結果

注：括號里的數字為標準差，*、**和***分別表示在10%、5%和1%的置信水平上顯著。

研究表明，退耕還林工程可以顯著增加參與村莊的人均林地面積，但是并未對其村民的收入水平產生積極的影響。其原因在于，工程并未帶來農戶農業收入的提高，勞動力向非農部門的轉移成效也不明顯，因而非農收入也沒有顯著增加。分樣本結果表明，就工程的生態影響而言，工程設計中的資金和勞動力配套要求會降低工程的效率，而由上級政府統籌工程的執行以及加大工程的投資額則會促使這一工程發揮更大的作用；但是，就工程的經濟影響而言，僅對現有政策設計加以改進并不會提高農戶的收入水平。

上述結論對于我國未來退耕還林工程的設計具有良好的借鑒意義。首先，退耕還林工程在生態建設方面無疑取得了成功——顯著增加了人均林地面積，從而提升了我國陸地涵養水源和防止旱澇災害的能力。為進一步改善我國的生態環境，我們應該堅定不移地推進這一工程的建設。其次，為提高工程的效率，我們應該加大投資額，同時將工程的執行交給上級政府由其統籌規劃，盡量避免給參與工程的村莊造成額外的負擔。最后，鑒于目前退耕還林工程對農民收入的影響并不顯著，我們需要引入新的制度設計或者藉由其他扶貧項目來提高農民的收入水平。

[1]朱芬萌，馮永忠，楊改河. 美國退耕還林工程及其啟示[J]．世界林業研究，2004(17).

[2]DESHINGKAR P, JOHNSON C, FARRINGTON J. State transfers to the poor and back: The case of the food-for-work program in India [J]. World Development, 2005, 33.

[3]BALOONI K. Participatory forest management in India： An analysis of policy trends amid “management change” [J]. Policy Trend Report, 2002: 88-113.

[4]陶 然，徐志剛，徐晉濤. 退耕還林，糧食政策與可持續發展[J]．中國社會科學，2004(6).

[5]PARKS P J, SCHORR J P. Sustaining open space benefits in the Northeast: An evaluation of the conservation reserve program [J]. Journal of Environmental Economics and Management, 1997, 32.

[6]FENG Z, YANG Y, ZHANG Y, et al. Grain-for-Green policy and its impacts on grain supply in west China [J]. Land Use Policy, 2005, 22.

[7]國家統計局課題調研組. 退耕還林對西部地區糧食生產及供求的影響[J]．管理世界，2004(11).

[8]韓洪云，喻永紅. 退耕還林的環境價值及政策可持續性[J]．中國農村經濟，2012(11).

[9]劉 璨，張 巍. 退耕還林政策選擇對農戶收入的影響：以我國京津風沙源治理工程為例[J]．經濟學(季刊)，2006(6).

[10]王愛民. 退耕還林的經濟影響及現行政策的調整：以河北省為例[J]．農業經濟問題，2005(11).

[11]徐晉濤，陶 然，徐志剛. 退耕還林：成本有效性、結構調整效應與經濟可持續性：基于西部三省農戶調查的實證分析[J]．經濟學(季刊)，2004(4).

[12]易福金，陳志穎. 退耕還林對非農就業的影響分析[J]．中國軟科學，2006(8).

[13]甘枝茂，桑廣書. 關于黃土高原退耕還林(草)問題[J]．干旱區資源與環境，2002(16).

[14]HECKMAN J J, ICHIMURA H, TODD P E. Matching as an econometric evaluation estimator: Evidence from evaluating a job training programme [J]. The Review of Economic Studies, 1997, 64.

[15]ROSENBAUM P R, RUBIN D B. The central role of the propensity score in observational studies for causal effects [J]. Biometrika, 1983,70.

[16]GUO S FRASER M W. Propensity score analysis: Statistical methods and applications [M]. Sage Publications, 2014.

[17]SMITH J, TODD P. Does matching overcome LaLonde’s critique of nonexperimental estimators? [J]. Journal of Econometrics, 2005,125.

[18]ROGERS S. Betting on the strong: Local government resource allocation in China’s poverty counties [J]. Journal of Rural Studies, 2014, 36.

[19]CALIENDO M. KOPEINIG S. Some practical guidance for the implementation of propensity score matching [J]. Journal of Economic Surveys, 2008, 22.

[20]MASTROBUONI G, PINOTTI P. Legal status and the criminal activity of immigrants [J].American Economic Journal: Applied Economics,2015, 7.

[21]BLACK D A. SMITH J A. How robust is the evidence on the effects of college quality? Evidence from matching [J]. Journal of Econometrics, 2004, 121.

[22]BARTH R P, GIBBONS C, GUO S. Substance abuse treatment and the recurrence of maltreatment among caregivers with children living at home: A propensity score analysis [J]. Journal of Substance Abuse Treatment, 2006, 30.

[23]LIU C, WU B. Grain for green programme in China: Policy making and implementation [J].Policy Briefing Series, 2010, 60.

(本文責編：海 洋)

Grain for Green Programme: Environment Recovery and Income Growth

QIN Cong， JIA Jun-xue

(SchoolofFinance,RenminUniversityofChina,Beijing100872,China)

Drawing on a village panel data of 1997 and 2002, and the difference-in-difference matching estimator, we identify the average treatment effect of China’s Grain for Green Programme on the rural environment and income of residents in a uniform frame. We find that the program significantly improved the rural environment by increasing the forest land area per capita, while had almost no effects on the income of rural residents. This insignificance cannot be changed by the variation of the program design. However, if we can lose the matching requirements in the design, be more obedient to the order from upper level governments, and increase the financial support to the program, the Grain for Green Programme would further improve the rural environment.

Grain for Green Programme; Net income per capita; Forest land area per capita; Difference-in-difference Matching

2017-02-17

2017-05-28

中國人民大學科學研究基金(中央高校基本科研業務費專項資金資助)項目(17XNH003)

秦 聰(1988-)，男，遼寧錦州人，中國人民大學財政金融學院博士生，研究方向：財政政策、發展經濟學。

F326.2

A

1002-9753(2017)07-0126-13