退耕還林工程對農戶收入的影響研究
——基于地區與農戶異質性的視角

吉雨欣，宋敏，朱明迪

（中南財經政法大學工商管理學院，湖北 武漢 430073）

0 引言

我國“十四五”規劃中明確指出，實現生態文明是我國新發展階段的重要戰略目標。面對我國缺林少綠、生態脆弱的基本國情，國家將“六大林業重點工程”作為保護和促進生態改善的一項重要舉措。其中，退耕還林工程因具有覆蓋范圍廣，農戶參與度高，通過公共財政投入購買環境公共物品等特征，被視為我國規模最大的生態系統服務付費項目（PES），并在世界范圍內產生了深遠影響［1，2］。該工程旨在通過經濟激勵手段，將農戶原有的坡耕地進行用途轉換，因地制宜地植樹造林，從而達到改善生態環境的效果［3，4］。截至2020 年，我國退耕還林還草面積達到3480 萬hm2，涉及4100 萬戶農戶，取得了舉世矚目的成就。2021 年2 月，中共中央、國務院進一步提出深入實施及完善退耕還林等生態修復工程的綠色發展要求。由此可見，穩步推進退耕還林工程是持續改善我國生態環境，建設美麗中國的必然選擇。

農戶作為退耕還林工程實施過程中的關鍵主體和最終執行者，參與退耕后其收入能否得到有效提升是衡量退耕還林工程實施效果的重要依據之一［5］。現有研究關于退耕還林工程與農戶收入關系的探討存在兩種主要觀點：一是退耕還林工程對增加農戶收入具有積極作用，認為參與退耕還林工程對農戶家庭收入水平的影響為“正向”［6，7］，退耕還林補助［8］與生產要素調整［9］是退耕還林工程實現農戶增收的主要原因；二是參與退耕還林工程并不總是對農戶收入產生積極影響，甚至有負向影響或影響不顯著，認為農戶原有家庭收入水平在參與退耕還林工程后并未得到有效提升，僅能維持現狀或呈現下降趨勢［10，11］，退耕還林工程參與主體農戶的自身特征［12］和執行主體地方政府補助發放不合理等行為［13］是造成退耕還林工程增收效果不顯著的重要原因。此外，地方政府對退耕還林工程后續產業的扶持措施尚不完善等問題都將成為退耕還林工程未能促進農戶收入增長的潛在因素。

總體而言，已有研究圍繞退耕還林工程對農戶收入的影響這一問題開展了較多理論和實證研究，但研究結論與觀點仍未統一。同時，已有文獻在探討上述問題時常常將農戶視為個體特征相同的整體進行均質研究。雖然有部分文獻嘗試從異質性視角展開分析，但是以此為出發點的相關研究尚不充分。鑒于此，本文以地區和農戶異質性視角為切入點，試圖回答兩個問題：一是已實施20 余年的退耕還林工程對農戶家庭總收入的影響狀況如何；二是這一影響是否存在地區和農戶異質性的結果。本文希望為各級政府調整和優化退耕還林補助標準，制定結合地域和農戶特征的差別化生態補償政策提供理論與實證支持。

1 理論分析與研究假設

針對退耕還林工程如何影響農戶家庭總收入這一問題，本文首先對相關理論進行了探討，主要包括農戶行為理論，其中理性假設為重要組成部分［19］。學者們將其表述為農戶在面對多種既定條件的約束時，將會最大限度地利用生產機會和資源，從中選擇最優的生產方式，實現家庭利益最大化的目標［20］。對本文而言，參與退耕還林工程后農戶的部分或全部耕地資源將會發生變動，在面臨耕地面積下降的狀況時，如何對剩余生產要素進行重新組合將成為農戶未來收益多少的關鍵。作為理性經濟人，在既有條件下為了實現家庭收入最大化的目標，農戶必將會做出對自身最有利的決策。

退耕還林工程對農戶家庭總收入的影響主要通過退耕還林補助、調整生產要素配置來實現［21，22］，包括直接和間接兩種影響機制（圖1）。①直接影響方面，農戶作為退耕還林工程的關鍵利益主體，為彌補其喪失的機會成本和提高參與退耕還林工程的積極性，國家相應地采取經濟激勵措施，在一定時期內為退耕農戶發放退耕還林補助［23］。與此同時，由于農戶參與退耕還林工程的土地大多為敏感性耕地，相較之優質耕地，此類地塊開展種植業生產的基礎條件相對較差，種植業產出相對不高，這就為退耕還林補助起到補充農戶家庭總收入的作用創造了條件。②間接影響方面，退耕還林工程導致農戶家庭可支配的耕地數量下降，原本投入到退耕地中的其他生產要素特別是勞動力得到釋放，因此如何合理分配勞動力成為了農戶提高家庭總收入的重要途徑。當非農邊際收益大于農業邊際收益時，農戶就會優先將原本投入到退耕地中的勞動力和資本轉移到非農產業，進而促進非農收入的增加［24，25］。此外，農戶也有可能通過加強田間管理等措施對剩余耕地進行更充分的利用，從而實現集約化經營，促進種植業收入的增加，最終影響家庭總收入［26］。基于此，本文提出假設H1：退耕還林工程有利于提升農戶家庭總收入水平。

圖1 退耕還林工程對農戶家庭總收入的作用機制Figure 1 Mechanism of SLCP on the total income of rural households

進一步考慮到退耕還林工程的實施范圍，自退耕還林工程啟動試點到全面實施以來，共覆蓋我國25個省份，分別屬于東部、中部、西部和東北地區。部分學者研究發現，退耕還林工程對農戶收入的影響在寧夏和貴州兩地具有明顯差異［27］，原因是兩地農戶的畝均收入與退耕還林補助之間存在著差距。而實施退耕還林工程的25 個省份經濟發展狀況各不相同，農戶間也存在個體差異，特別是在農業經營方式、收入結構等方面。例如，西部地區的發展模式主要為單一的粗放式農業，機械化程度相對較低，同時二、三產業的發展優勢相對不足，這將在一定程度上限制退耕農戶家庭中的勞動力轉移，從而影響其家庭總收入水平的提升。基于此，本文提出假設H2：退耕還林工程對農戶家庭總收入的影響在不同地區農戶間存在差異。

隨著我國城市化進程的不斷推進，農戶的生產生活方式同已往相比發生了較大的變化，逐漸形成了“農忙務農、農閑務工”的生產模式［28］。就純農戶而言，耕種土地獲得的收入幾乎是其家庭收入的全部來源。相較之純農戶，兼業戶的收入不限于以土地為基礎的種植業收入，還包括以工資性收入為代表的非農收入。同時，隨著農戶兼業化水平的提高，農戶家庭對種植業收入的重視程度也會相應降低，這也體現了農戶對家庭收入最大化的追求。已有研究表明，農戶參與退耕還林工程后，在重新配置生產要素方面的能力、方向方面存在著一定的差異［9］。一般來說，兼業戶因為長期參與非農生產而具有一定的信息渠道優勢，這使其更容易將家庭中的剩余勞動力轉移至非農行業，獲得更高的家庭收入；相反，缺少非農技能的純農戶則在尋找新的替代收入來源時存在一定難度，進而不利于其優化配置剩余生產要素。基于此，本文提出假設H3：退耕還林工程對農戶家庭總收入的影響在不同兼業化水平農戶間存在差異。

2 研究方法與數據來源

2.1 研究方法與變量定義

對于農戶來說，實際情形中無法同時識別其參與退耕還林工程和未參與時的家庭總收入。具體而言，僅能獲得公式（1）中的E（Y1i│Di＝1），而無法同時觀測到E（Y0i│Di＝1）。基于此，本文嘗試借助“反事實框架”的思路構建一個樣本集合，該樣本集合與退耕農戶僅在是否參與退耕還林工程這一變量上不同，而在其他方面具有相似特征。具體而言，本文將全部樣本劃分為以下兩個類別，分別為退耕農戶（處理組）和非退耕農戶（控制組），在此基礎上，構建農戶參與退耕還林工程的決策方程，并采用K近鄰匹配、核匹配等4 種方式對退耕農戶和非退耕農戶進行匹配，從而計算退耕農戶和非退耕農戶家庭總收入的差異大小，即平均處理效應（ATT）。

式中：Y1i表示農戶參與退耕還林工程時的家庭總收入；Y0i表示實際參與退耕還林工程的農戶如果未參與時的家庭總收入；Di表示農戶i 是否參與了退耕還林工程。Di＝1，視為參與退耕還林工程，反之為0。

針對退耕還林工程與農戶家庭總收入之間的關系，本文共設置了3 個方面的變量：一是被解釋變量，即農戶家庭總收入。在參考已有分類方法的基礎上，本文將農戶家庭總收入定義為家庭經營性收入（不含自家消費部分）、工資性收入、財產性收入、轉移性收入4 項之和，并進行對數化處理。二是核心解釋變量，即是否參與退耕還林工程。如果回答“您家過去一年有收到退耕還林補助則”取值為1，視為參與退耕還林工程；反之，取值為0，視為未參與退耕還林工程。三是控制變量，結合已有文獻［29］和數據的可獲得性，本文設置了3 個層面共計7 個控制變量，分別為：反映農戶個體特征的變量，主要包括年齡、受教育年限、健康狀況，此處的農戶為CHARLS 2018 調查中的主要受訪者；反映農戶家庭特征的變量，主要包括家庭勞動力數量、耕地面積；其他控制變量，主要包括非農工作、農村醫療保險參與情況。

對于副詞的詞類屬性，可以從述有關副詞的定義中看出，有點學者認為其應當劃歸到實詞，有的認為副詞屬于虛詞的范疇，也有的學者認為副詞介于實詞和虛詞之間。對于上述三種觀點，都有其合理之外，認為副詞是實詞的一種，主要是從副詞能夠單獨做句子成分這一角度判斷的；認為副詞是虛詞的一種，則是從副詞的意義上界定的，該觀點認為虛詞如同代詞和語氣詞一樣，都沒有實質的意義；認為副詞介于實詞和虛詞之間的這種觀點，則是從虛詞在不同的語言環境下所起的作用闡述的。筆者認為在界定副詞的詞類屬性的過程中，不能以概而論，應當將副詞看作一種開放性的詞類，將其放在具體的語境中進行分析。

樣本各變量及定義如表1 所示。

表1 樣本各變量及定義Table 1 Definition of each variable

2.2 樣本數據與描述性統計

本文所采用的微觀數據來源于2018 年中國健康與養老追蹤調查（China Health and Retirement Longitudinal Study，CHARLS）中的9291 個農村地區樣本。相較之CFPS、CGSS、CHIP等與農戶經濟活動聯系密切的微觀數據庫，CHARLS 能夠通過問卷設置準確識別農戶是否參與退耕還林工程這一核心問題，同時該數據庫覆蓋了絕大多數退耕還林工程的參與省份，調查結果具有較好的代表性。此外，采用2018年CHARLS微觀數據與本文研究目的相符合，即分析退耕還林工程對農戶家庭總收入的影響在不同區域、不同兼業化水平農戶群體間的差異，故使用截面數據進行實證檢驗。基于上述分析，本文進一步根據研究需要剔除了未實施退耕還林工程的省份，大量缺失和回答明顯與事實不符的樣本。對于變量中的個別缺失數據，采用該變量的最大值和最小值加和取平均值的方法進行填充，最終使用的有效樣本為來自19 個省份（云南省、內蒙古自治區、吉林省、四川省、安徽省、山西省、廣西壯族自治區、江西省、河北省、河南省、湖北省、湖南省、甘肅省、貴州省、遼寧省、重慶市、陜西省、青海省、新疆維吾爾自治區）的退耕農戶587 戶、非退耕農戶2423 戶。

從所選樣本農戶的描述性統計中可以看出，退耕農戶的年齡相對較大，受教育年限也相對更低。不僅如此，退耕農戶與非退耕農戶在家庭勞動力數量、從事非農工作方面是具有差異的。此外，與非退耕農戶相比，退耕農戶還擁有更多的耕地面積（表2）。由此可見，退耕農戶與非退耕農戶存在個體和家庭特征方面的差異性，如果直接將二者的家庭總收入進行簡單對比不能準確反映出退耕還林工程對農戶家庭總收入產生的影響，反而會造成結果有偏，這也為本文使用傾向得分匹配法開展實證分析提供了依據。

表2 樣本農戶的描述性統計Table 2 Descriptive statistics of sample rural households

3 結果及分析

3.1 決策方程構建

由于采用的微觀數據為截面數據，因此本文引入方差膨脹因子（VIF）進行驗證。結果顯示，研究變量間的VIF值均不超過10。在此基礎上，本文利用Logit 模型估計了農戶參與退耕還林工程的條件概率（表3）。從表3 可見，本文所選的控制變量總體上對農戶參與退耕還林工程的行為具有顯著影響，具體表現為：①農戶個體特征方面，受教育年限對參與退耕還林工程具有顯著負向影響，即農戶的受教育年限越低，就越傾向于參與退耕還林工程。同時，年齡也顯著影響農戶參與退耕還林工程的行為。②農戶家庭特征方面，耕地面積對參與退耕還林工程具有顯著正向影響，即農戶家庭擁有的耕地面積越多，其參與退耕還林工程的可能性就越大。③其他控制變量方面，從事非農工作與農戶參與退耕還林工程的負相關關系在10%的水平上顯著，即從事非農工作在一定程度上會降低農戶參與退耕還林工程的意愿。

表3 基于Logit模型的估計結果Table 3 Estimation results of logit model

3.2 匹配效果檢驗

在對退耕農戶（處理組）和非退耕農戶（控制組）進行匹配時，本文主要采用了4 種匹配方式。同時，本文對兩組樣本間是否滿足共同支撐假設進行了檢驗。結果表明，匹配后的兩組樣本在傾向得分值上差異相對較小，且在密度分布上呈現出高度相似的特征（圖2）。此外，大多數觀測值都位于共同取值范圍內（圖3），這些都表明樣本的匹配質量較高。

圖2 傾向得分密度分布Figure 2 Propensity score density distribution

（續圖2 傾向得分密度分析）

圖3 傾向得分的共同取值范圍Figure 3 Common range of propensity score

為了進一步保證處理組和控制組匹配的精準性，本文對所用匹配方式進行了平衡性檢驗。依據檢驗結果可知（表4），Pseudo - R2值在匹配后呈現大幅下降的趨勢；同時，B 值下降十分顯著，從匹配前的30.0%下降至25%以下。LR 統計量從匹配前的43.61 下降至1.36—4.74 之間。以上結果均表明各變量的擬合程度較好，匹配結果可以通過平衡性檢驗。

表4 樣本匹配質量平衡性檢驗Table 4 Results of balance test

3.3 影響估計

在匹配效果檢驗的基礎上，本文運用4 種匹配方式評估了退耕還林工程對農戶家庭總收入的平均處理效應（ATT）。具體來看，雖然4 種匹配方式的ATT大小有所不同，但是均在5%的水平上顯著且為正值（表5），說明參與退耕還林工程對農戶家庭總收入具有正向的處理效應，且這一估計結果具有較強的穩健性。此外，退耕還林工程對農戶家庭總收入的平均處理效應為0.169—0.222，說明參與退耕還林工程后農戶家庭總收入顯著提高了16.9%—22.2%。由此驗證了研究假設H1，即退耕還林工程有利于提升農戶家庭總收入水平。

表5 退耕還林工程對農戶家庭總收入的影響Table 5 Impact of SLCP on the total income of rural households

3.4 影響機制的總體分析

根據上述研究結果可知，退耕還林工程有益于農戶增收，但退耕還林工程產生的增收效應具體來源于哪部分收入沒有得到進一步的說明。為此，本部分將探究退耕還林工程實現農戶增收的作用機制，并從農戶收入結構的角度進行考察。這與前文概括的兩種影響機制相對應，其中轉移性收入和經營性收入能夠體現直接影響，類似可以體現間接影響的是財產性收入和工資性收入［15］。結果表明，退耕還林工程對4 類收入的平均處理效應并不一致，其中，退耕還林工程對轉移性收入的影響顯著為正（表6），表明退耕還林工程可以通過發放退耕還林補助的方式對農戶家庭總收入產生直接影響，且農戶增收的主要來源為轉移性收入。此外，退耕還林工程對非農收入的主要來源工資性收入的平均處理效應為正，表明農戶在參與退耕還林工程后其工資性收入也將有一定程度的增加，但這一間接影響的表現并不顯著。

表6 退耕還林工程對農戶家庭不同收入的影響Table 6 Impact of SLCP on the different types ofrural households′ income

3.5 影響機制的異質性

不同地區農戶：為進一步了解退耕還林工程產生的增收效應是否存在地區異質性，本文依據國家統計局的區域劃分方法，將全部樣本劃分為東部、中部、西部3 個子樣本。為保證各子樣本中省份數量的相對平衡，本文將吉林省、遼寧省納入東部地區進行計算。由于各區域樣本量相應減少，繼續采用PSM 模型可能會導致匹配效果不理想，因此本文參考張煒等［18］的方法，選擇OLS 模型進行分析，并設置兩個虛擬變量east 和mid。不僅如此，本文在進行回歸分析前還對數據結構是否發生變化進行判斷，可以看出經過檢驗得到的p 值均遠遠小于F 統計量，這表明考慮退耕還林工程對農戶家庭總收入的影響存在地區異質性是合適的（表7）。

表7 Chow檢驗結果Table 7 Results of Chow test

從回歸結果可知（表8），east 的估計系數通過1%的顯著性水平檢驗，而 mid 的估計系數為0.087，在統計上并不顯著，進一步說明退耕還林工程對東部地區農戶家庭產生的收入增長效應顯著高于中西部地區。上述異質性結果的出現驗證了研究假設H2，即退耕還林工程對農戶家庭總收入的影響在不同地區農戶間存在差異。可能的解釋是，東部地區的沿海地理優勢促進了城鎮化水平的提升，能夠為退耕農戶提供更多的非農就業機會和更高的工資水平，進一步吸引了勞動力轉移，從而為增加農戶家庭總收入創造了條件。

表8 退耕還林工程對不同地區農戶家庭總收入的影響Table 8 Impact of SLCP on the total income of rural households in different regions

不同兼業化水平農戶：由于已有研究中關于農戶異質性的界定還沒有統一的標準，因此本文根據需要，采用兼業化水平來表征農戶異質性。使用這一劃分方式的原因主要是，兼業化水平能夠較好地體現農戶對土地的依賴程度，同時還能夠反映農戶家庭收入來源的不同。參考已有的劃分方式［30，31］，本文將農業收入占家庭總收入比重為0—20%、20%—50%、50%—80%、80%—100%的農戶分別定義為非農戶、非農兼業戶、農業兼業戶、純農戶。為了研究方便，將前兩類統稱為高兼業水平農戶，與后兩類低兼業水平農戶相對應，在此基礎上進行OLS回歸。

從不同兼業化水平農戶的估計系數來看，退耕還林工程顯著促進了高兼業水平農戶家庭總收入的增長，而低兼業水平農戶估計系數僅為0.056，且在統計上不顯著，表明退耕還林工程對低兼業水平農戶的家庭總收入并沒有表現出明顯的促進作用（表9）。由此驗證了研究假設H3，即退耕還林工程對農戶家庭總收入的影響在不同兼業化水平農戶間存在差異。可能的解釋是：低兼業水平農戶家庭中的青中年勞動力多數選擇外出務工，從退耕地中釋放出的剩余勞動力一般為年齡層次相對較高的家庭成員，他們大多不具備從事非農生產的經驗和技能，不容易在短期內找到替代生計。同時，低兼業水平農戶在失去土地后還面臨著生活成本更高的考驗。而高兼業水平農戶一般具有較高的人力資本質量、非農就業技能和廣闊的用工信息渠道，一旦其選擇參與退耕，則有可能更具效率地實現勞動力從農業向非農業的轉移，進而依靠提高非農收入實現家庭總收入的增加，因此高兼業水平農戶家庭從中獲的收益更大。

表9 退耕還林工程對不同兼業化水平農戶家庭總收入的影響Table 9 Impact of SLCP on the total income of rural households at different levels of concurrent farming

3.6 穩健性檢驗

為了進一步檢驗退耕還林工程的增收效應在不同地區、不同兼業化水平農戶中表現出的異質性結果，根據本文特點選擇變換計量模型的方法，具體應用加權最小二乘法（WLS）。通過OLS 模型（表8、表9）和WLS 模型（表10）的對比分析可知，各變量的估計系數符號和顯著性水平是基本一致的。可以看出，研究結果不會因為計量模型的改變而形成較大的差異，說明退耕還林工程對農戶家庭總收入所表現出的地區和農戶異質性結果是具有較高的穩健性的。

表10 退耕還林工程對農戶家庭總收入影響的WLS估計結果Table 10 WLS estimation results of the impact of SLCP on the total income of rural households

4 結論、討論與建議

4.1 結論與討論

本文基于2018 年CHARLS 全國追蹤調查微觀數據，采用PSM模型分析了退耕還林工程對農戶家庭總收入的影響，實證檢驗了該影響是否存在地區和農戶異質性，結論如下：①總體上看，退耕還林工程在樣本區域內產生了良好的增收效果，顯著增加了樣本農戶的家庭總收入。通過分析影響機制可知，退耕農戶增收主要通過增加轉移性收入這一途徑來實現。與非退耕農戶相比，參加退耕還林工程后農戶家庭總收入水平提升了16.9%—22.2%。②從地區分樣本估計結果來看，退耕還林工程對東部、中部、西部地區的農戶家庭總收入均具有促進作用。與中西部地區相比，退耕還林工程在東部地區的增收效應顯著高29.9%，即退耕還林工程對農戶家庭總收入的影響表現出地區異質性。③從不同兼業化水平農戶來看，退耕還林工程顯著正向影響高兼業水平農戶的家庭總收入，而這一影響在低兼業水平農戶群體中并不顯著。同時，退耕還林工程的增收效應存在地區、農戶異質性的結果在經過WLS 模型檢驗后仍具有穩健性。

此外，本文所采用的CHARLS 數據庫中樣本農戶的年齡層次相對較高，因此得出的結論更多解釋的是年齡較大的農戶群體在參與退耕還林工程后家庭總收入的變化狀況。同時，CHARLS 數據庫并不特定針對退耕還林工程，因此在退耕還林工程相關變量的設置上也較為單一。且本文更多地是從靜態視角關注退耕還林工程對農戶家庭總收入的影響，并未對其變化趨勢進行詳細的闡述。在后續研究中，可嘗試采用實地調研數據，在豐富樣本農戶年齡層次的同時獲取有關農戶退耕面積、參與退耕程度高低、選擇不同林種等方面的詳細數據和資料，并從動態視角關注退耕還林工程帶來的農戶收入增長效應。

4.2 建議

上述研究結論表明，退耕還林工程在實現農戶增收這一目標上取得了一定成效，但對不同地區、不同兼業化水平農戶的影響程度是有所不同的。基于此，本文提出以下兩點建議：①完善退耕還林補助體系，發揮退耕還林工程在增加農戶收入方面的持續性作用。研究發現，退耕還林補助為增加退耕農戶家庭總收入的最主要來源，因此需針對不同區域和農戶類型特征適時調整和優化退耕還林補助標準，制定差別化的補償政策。同時，將補償資金優先向中西部地區農戶、純農戶和農業兼業戶家庭傾斜，幫助他們改善現有的生產和生活水平。②優化退耕地區剩余農業勞動力配置，提升非農就業競爭力。一般來說，擁有高質量人力資本和掌握非農技能的農戶群體更容易獲得非農就業機會。因此，政府首先應高度重視農村居民受教育水平和認知能力的提升，增加對農村教育事業的資金投入力度，幫助退耕農戶彌補其在生計能力方面存在的短板。其次，農村基層組織應面向在尋找替代生計方面存在困難的農戶家庭定期開展職業教育培訓和就業幫扶指導，為退耕農戶提供更多的非農就業信息，幫助退耕農戶由農業就業轉向非農就業。第三，拓寬退耕農戶的非農就業渠道，實現退耕地區農戶生計多樣化發展。一方面，地方政府應積極探索退耕地區后續產業的發展方向，把握退耕地區的發展契機，結合當地農業資源稟賦因地制宜地發展特色經濟林產業、挖掘生態旅游資源等，相應進行配套基礎設施建設，為退耕后的農業剩余勞動力在當地從事非農經營活動創造條件；另一方面，鼓勵退耕地區有條件的農戶進行自主創業，例如發展采摘觀光、農家樂等，從而實現退耕農戶家庭收入來源的多元化。