生態保護區移民搬遷對低收入農戶脆弱性的影響*

趙 媛,逄金棟

(1.西安交通大學 金禾經濟研究中心,西安 710049;2.武漢大學 經濟與管理學院,武漢 430072)

一、引言

我國的生態保護區主要分布在公共基礎服務供給不足的偏遠山區,存在“一方水土養不活一方人”的生存和發展約束。這些區域同時承擔著水源涵養等生態產品供給功能,無法進行大規模、高強度工業化開發,面臨著發展和環保雙重壓力。移民搬遷是我國破解自然和地理資本匱乏困境,實現發展和保護雙重目標的重要策略之一。我國從1983年開始移民搬遷工作,包括減災搬遷、生態搬遷等多種類型。2016年,國家發展和改革委員會制定的《全國“十三五”易地扶貧搬遷規劃》聚焦自然條件嚴酷、生存環境惡劣、發展條件嚴重欠缺地區的低收入農戶,推行移民搬遷計劃。截至2020年,我國完成了約1 000萬人口的移民搬遷工作。

移民搬遷不單是人口及資產的空間轉移,其生計轉型也是重要環節。一方面,農戶從偏遠山區遷至安置地,遠離原住地后更加靠近市場化活動,降低了其進入勞動力市場的成本,有利于家庭的可持續發展;另一方面,搬遷后農戶的傳統農業和商業等生產經營活動可能難以持續,會加速向工薪生計轉型(王曉毅,2016)[1]。在生計轉型過程中,人力資本發揮著重要作用,是搬遷農戶重塑農業生計、應對市場化競爭的決定因素。但生態保護區的搬遷農戶往往是人力資本匱乏的低收入群體,容易陷入搬遷后的生計困境。

2022年國家發改委等18個部委聯合發文指出,要“全面轉變搬遷群眾生產生活方式,確保搬遷群眾穩得住、逐步能致富,為推動脫貧地區高質量發展,如期實現中國式現代化打下堅實基礎”?！笆奈濉笔俏覈柟堂撠毠猿晒?、實現鄉村振興的重要時期,移民搬遷會對農戶的福利產生沖擊,進而產生返貧風險,需要對搬遷政策效果進行充分評估。

農戶在面對外部沖擊和不確定性風險時,脆弱性是其陷入困境的內因所在(李聰,2018)[2]。從動態角度前瞻性地分析移民搬遷政策對農戶收入水平、收入波動以及未來返貧概率等造成的影響,有助于識別搬遷戶中哪些農戶未來仍有可能陷入貧困,并厘清政策的傳導路徑。世界銀行將脆弱性定義為未來陷入貧困的概率,用以衡量一個家庭對不利社會經濟沖擊的敏感性。脆弱性不是事后確定性的統計分析,而是一種事前預判和測量,政府可以通過衡量脆弱性識別政策沖擊下返貧概率較高的農戶,預先給予干預(蔣麗麗,2017)[3]。同時,脆弱性指標分解(高脆弱性、低脆弱性;均值引致的脆弱性、風險引致的脆弱性等)有助于厘清影響農戶短期收入波動的因素,以及造成返貧風險的結構性因素。

為此,本文擬利用生態保護區A縣低收入建檔立卡貧困農戶(以下簡稱低收入農戶)2014—2022年的面板數據,研究移民搬遷對低收入農戶脆弱性的影響。文章首先對農戶的脆弱性進行測度和分解,隨后采用雙重差分法和事件研究法分析移民搬遷對低收入農戶脆弱性的影響并進行穩健性檢驗,最后對不同類型農戶展開異質性分析。

本文的主要邊際貢獻包括:(1)已有對于生態移民搬遷政策影響的研究多采用典型案例或截面數據,少量文獻采用2～3年的短面板數據進行分析。本文采用2014—2022年的面板數據進行分析,可以避免基于截面數據的線性模型分析存在的內生偏誤問題。(2)現有研究大多基于脫貧攻堅前的數據進行分析,時效性較差,缺乏跟進現階段調查數據開展長期、動態的移民搬遷政策評估。(3)受數據量限制,現有研究及結論大多針對所有搬遷農戶,缺乏對其中低收入特殊群體的分析,而移民搬遷農戶中的低收入農戶生計重塑能力較弱,是需要重點關注和研究的高風險人群。因此,針對低收入群體,基于脆弱性的異質性分析有助于識別弱勢群體的特征,進行精準幫扶。

二、相關理論和實證研究綜述

脆弱性在《世界發展報告》中被界定為“度量對于沖擊的彈力——沖擊造成未來福利下降的可能性”。因此,脆弱性是一種可能性,是與概率相關的概念,是一個動態測度指標。Jalan和Ravallion(1998)[4]認為脆弱性意味著處于貧困線邊緣的人口會由于遭受某一負向的外部沖擊而重新落入深度貧困或持久性貧困之中。Jamal(2005)[5]指出傳統的測量應把風險和脆弱性作為重要組成部分。Chaudhuri等(2002)[6]認為估計脆弱性才能制定出有效的反貧困政策。

在主流研究中,脆弱性的測度可分為三類:一是Chaudhuri(2002)等[6]提出的期望貧困的脆弱性測度模型(Vulnerability as Expected Poverty,VEP),二是Ligon和Schechter(2003)[7]提出的期望效用的脆弱性理論(Vulnerability as Low Expected Utility,VEU),三是Dercon和Krishnan(2000)[8]提出的風險暴露的脆弱性理論(Vulnerability as Uninsured Exposure to Risk,VER)。在對脆弱性概念的綜合評述中,Gallardo(2018)[9]提出脆弱性具有以下三個特點:第一,前瞻性,實質是對未來低于某個特定基準線概率的估算;第二,脆弱性的程度取決于風險的特征以及家庭對風險的應對能力,且依賴于時間范圍;第三,不論是貧困家庭還是非貧困家庭,都可能因為未能擁有足夠的資產和能力應對風險事件而具有脆弱性。通過脆弱性指標分解,可以分析脆弱性成因,相關研究可參考Günther和Harttgen(2009)[10]、黃瀟(2018)[11]、李麗和白雪梅(2010)[12]。其中,Günther和Harttgen(2009)[10]將脆弱性分解為均值引致的脆弱性和風險引致的脆弱性,即結構性原因(即低稟賦)和風險原因(即收入波動)導致的脆弱性,這對政策評估十分重要。

脆弱性被廣泛應用于實證研究,現有文獻可以分為兩部分:一部分集中于測度脆弱性;另一部分分析特定沖擊對家庭福利的影響,包括農戶對于某沖擊的反應程度、農戶應對風險的適應性行為、生計資本策略等。近年來,學界對脆弱性的研究水平逐步提升,整體呈現從單一化向分層化、從簡單的數據分析向機理分析的轉變。由于其具有動態性與前瞻性,脆弱性研究相較于簡單的靜態貧困理論而言,對于發展中國家制定政策具有重要意義(Ward,2016)[13]。

移民搬遷是一個古老的經濟學議題,國外研究更多聚焦于移民(Moving)這一活動。Bazzi等(2016)[14]分析了印度尼西亞的移民政策,認為適應于搬遷地發展的人力資本以及技能轉化能力與搬遷后生產力的提高密切相關,凸顯了比較優勢的重要作用。Lagakos(2023)等[15]研究了低收入國家補貼政策對搬遷人口的福利影響,指出政策性激勵不一定能改善搬遷家庭與遷入地家庭的收入差距。從農村搬遷到城市的家庭往往不具有比較優勢,而傾向于被負向選擇;但對那些最貧窮的家庭,搬遷會提高其福利?；诒容^優勢理論,移民活動對收入的改變可能是選擇效應,生產力高的家庭遷移到特定地區,從而獲得高工資。Nakamura等(2022)[16]通過分析冰島火山爆發對移民的影響,認為家庭通過搬遷獲益的重要原因是比較優勢,搬遷后收入的提升是由搬遷后家庭人力資本的比較優勢得以體現。搬遷效果在家庭內部的不同會通過代際傳遞積極影響家庭的后代。

國內文獻集中關注我國的移民搬遷政策。檀文學(2019)[17]將我國移民搬遷分為四個階段,并提出現階段的移民是一種準自愿性的移民,搬遷戶普遍面臨生計壓力。謝大偉(2020)[18]的研究表明政府主導的移民搬遷對農戶生計資本、多維貧困、總體福利等均存在顯著影響,但在個體層面、安置方式、社區環境、政府后續扶持政策、實施地點等環節存在異質性,如搬遷對勞動力素質高的家庭有益,分散安置的效果好于集中安置。王君涵等(2020)[19]認為搬遷切實改善了農戶的生計資本和生計策略(主要表現為促進農戶的外出務工、非農自營,抑制家畜養殖、農林種植),并且對于搬遷后的農戶而言,不同生計策略依賴于不同的生計資本。Zhang等(2023)[20]發現中國的扶貧搬遷使參與者收入顯著增加了9.61%,主要是受工資收入增加的驅動。在非農業部門具有相對優勢的農村家庭可以從遷入城鎮受益,證明在農村地區,即使在小的地理范圍內也存在跨部門的流動障礙。成本效益分析的結果表明,偏遠農村地區的家庭搬遷是克服這種流動障礙的可行政策工具。

國內關于移民搬遷對農戶脆弱性影響的研究表明,搬遷政策對農戶的脆弱性普遍具有積極作用,但農戶的脆弱性存在異質性,如劉明月等(2019)[21]利用8省16縣1 050戶農戶實地調查截面數據,使用VEP方法對農戶脆弱性進行測度,研究移民搬遷對脆弱性的影響。研究發現,搬遷農戶的脆弱性比非搬遷農戶下降更快,且不同地區的搬遷農戶脆弱性變化存在較大差異。寧靜等(2018)[22]基于短面板,使用PSM-DID方法研究易地移民搬遷對脆弱性的影響,結果也表明移民搬遷是一項有效的減貧措施。李聰(2018)[2]利用截面數據分析陜南秦嶺自然保護區移民搬遷對農戶脆弱性的影響,發現參與移民搬遷有助于降低農戶的脆弱性。相較于扶貧、生態和避災搬遷農戶,工程搬遷農戶更易陷入困境,采取集中安置模式更有利于降低脆弱性。

實證研究多數通過截面數據或2～3年短面板進行分析,其結果的穩健性需進一步驗證?，F有研究基本認同的觀點是,移民搬遷對實現鄉村振興具有積極作用,但其具體的影響在微觀層面存在異質性。搬遷影響農戶的機制并不僅僅是改變農戶的地理條件,而是外生推力與內生動力的結合,取決于人力資本的重新配置能力。同時,針對搬遷農戶的后續扶持措施也十分重要。

三、研究區域基本情況、政策介紹與數據描述

(一)研究區域基本情況與政策介紹

A縣總面積約2 000平方公里,常住人口50萬,屬暖溫帶半濕潤大陸性季風氣候,四季分明,境內山、川、塬、嶺相間,80%以上為山區,野生動物種類繁多,礦產資源豐富,是2010年國務院頒布的《全國主體功能區規劃》劃定的生態保護區,具有涵養水源、保持水土等重要生態服務功能,無法開展大規模、高強度工農業活動。同時,A縣也是曾經的國家級貧困縣。2022年A縣生產總值約為150億元,其中,第一、二、三產業增加值占比分別為23%、20%和57%,人均生產總值約3萬元。2012年之后農業產值增速緩慢,工業產值呈下降趨勢。長期以來,A縣面臨著生態保護和減貧的雙重壓力。

“十三五”期間,A縣開展了以集中安置為主的大規模移民搬遷項目,2018年共計1 004戶家庭完成了搬遷。搬遷對象主要是居住于交通不便、生態環境脆弱的山溝、嶺上的低收入建檔立卡農戶。本著農戶自愿原則,政府按照每戶人均住房面積不超過25平方米、戶型最大面積不超過120平方米的標準為搬遷戶提供免費住房,農戶所在鄉鎮周邊建設了多個集中安置點。搬遷后農戶原有的宅基地被收回,但仍維持原有土地、山林、草場的經營權,亦可自愿進行流轉。為了扶持搬遷群眾的后續發展,政府通過“社區+”模式為搬遷安置區域打造“社區經濟”,并通過提供小額貸款、公益崗位、產業配套等綜合性政策對搬遷戶進行扶持。但受限于人力、資金等,社區產業規模有限,吸納搬遷勞動力的能力有限。

(二)數據描述

使用2014—2022年當地政府統計的建檔立卡低收入農戶跟蹤調查數據,覆蓋A縣下轄的所有328個行政村。其中,2014年的樣本中共有22 752戶家庭,2022年共有26 767戶家庭。A縣于2018年實施搬遷,主要對象是建檔立卡低收入貧困戶,本著就近原則和農戶自愿原則,在農戶所在鄉鎮政府附近修建安置小區進行集中安置,2018年共計1 004戶家庭全部搬遷入住。本研究將搬遷農戶設置為實驗組,其余農戶為對照組進行分析。表1展示了搬遷前一年以及搬遷后一年兩組家庭主要特征變量的描述性統計。

表1 描述性統計

農戶家庭總收入包括生產經營性收入、工資性收入、財產性收入以及轉移性收入4項。其中,生產經營性收入是農戶傳統種地、林業和商業買賣收入;工資性收入主要是外出務工的凈收入;財產性收入是通過家庭資產獲得的收入,如不動產交易和房屋租金收入等;轉移性收入包含計劃生育補貼、低保金、五保金、養老保險金、生態補償金以及其他臨時救助、捐助、家人匯錢等。本文中的實際收入為農戶總收入減去轉移性收入,用來衡量農戶不依賴于外界支持的持久性創收能力。

通過縱向比較各類家庭的收入構成發現,搬遷戶和非搬遷戶家庭收入均以工資性收入為主,占總收入的比例超過60%;占比列第二、三、四的為轉移性收入、生產經營性收入、財產性收入。橫向對比兩類農戶的收入發現:首先,除轉移性收入外,非搬遷戶各項收入均高于搬遷戶,說明搬遷的主要是收入較低的農戶;其次,比較兩年收入差異可以看出,2019年兩類家庭各項收入均高于2017年的各項收入。其中,工資性收入均值增加約10 000元,是各項收入中增加最多的。非搬遷戶工資性收入增長了70%,搬遷戶工資性收入則增長了95%。工資性收入變化已經成為樣本農戶總收入變化的主要來源。

樣本農戶收入構成的變化符合A縣產業結構的變化趨勢,搬遷戶與非搬遷戶都將更多的勞動資源投入到務工市場,因為對于一個勞動力充裕的家庭來說,外出務工的回報率顯著高于傳統農業活動的回報率,家庭將勞動力投入到務工市場是一個具有吸引力的選擇。這一點體現在樣本農戶平均務工時長的變化上:搬遷家庭與非搬遷家庭2019年的工作時間比2017年增加了約2個月,2017年搬遷戶工作時間低于非搬遷戶約2.4個月,2019年搬遷戶工作時間低于非搬遷戶約1.2個月。搬遷后兩類家庭工作時間的差異有所減小,搬遷戶在搬遷后的區位優勢對其務工活動具有積極影響。

四、模型設定

(一)脆弱性模型

本文選取基于面板數據的VEP模型對農戶脆弱性進行測度,9年的面板數據能夠較為準確地捕捉農戶的收入風險。Paxson(1992)[23]提出持久性收入假說以及持久性收入和暫時性收入的回歸分解方法。根據已有研究,本文在回歸中選取人口變量(戶主年齡、戶主受教育程度、家庭總人口數、勞動力人口數、患大病或慢性病人口數、文盲人口數、小于16歲人口數、大于60歲人口數)、農戶類型、自然資本變量(人均耕地、人均林地)、社會資本(是否加入農村合作社)共12個變量作為控制變量。脆弱性的測算方法如下。

首先,依據式(1)進行回歸,估計家庭實際收入對數的方程,提取殘差項的平方作為收入對數風險的估計值:

lnIiy=α0+α1Xiy+θy+φi+εiy

(1)

式(1)中,Iiy代表農戶i在第y年的持久性收入,Xiy為一系列控制變量,θy和φi分別代表農戶固定效應和時間固定效應,εiy為誤差項。

其次,根據式(2)和式(3)估計人均收入對數期望值及方差:

(3)

最后,參考萬廣華和章元(2009)[24]的方法,假設收入為正態分布,這一設定計算出的脆弱性比自舉法擬合分布等能更加準確地預測脆弱性。因此,本文延續此做法估算人均收入對數期望值及方差。根據式(4)即可得到農戶的脆弱性:

其中,z表示貧困線。根據國家標準,以2010年不變價格測算的2 300元作為貧困線;φ為標準分布函數。

(二)雙向固定效應雙重差分模型

本文首先采用雙向固定效應雙重差分法,利用面板數據進行回歸分析,以考察移民搬遷對低收入農戶脆弱性的影響,實證回歸模型如式(5):

VEPiy=β0+β1Aiy+γXiy+θy+φi+iy

(5)

式(5)中,因變量VEPiy代表第i個家庭在年份y的脆弱性,是本文最主要的結果變量;虛擬變量Aiy表示第i個家庭在第y年及以后是否完成了搬遷,是表示為1,否則為0;Xiy為控制變量,與式(1) 中的控制變量相同;θy表示時間固定效應;家庭層面的固定效應φi控制了家戶層面不隨著時間變化的不可觀測特征;iy是一個誤差項。

五、實證結果分析

(一)脆弱性分布與分解

根據式(1)—(4)計算農戶脆弱性,繪制脆弱性分布。圖1-1和圖1-2分別展示了全樣本以及搬遷戶脆弱性的密度分布情況。從脆弱性分布來看,全樣本農戶以及搬遷戶的脆弱性分布均呈現雙峰特點,且樣本中脆弱性特別高的比較少。脆弱性分布的峰值分別落在0～0.2的區域以及0.4～0.6的區域。從脆弱性的變化趨勢來看,脆弱性逐年下降。尤其是2018年以后,全樣本及搬遷樣本農戶的脆弱性分布均左移,脆弱性低的農戶占比顯著提高,脆弱性高的農戶占比下降。由圖1可知,脆弱性大幅度下降,農戶狀況得到了改善。

圖1 全樣本農戶和搬遷農戶的脆弱性密度分布

通過脆弱性分解可以進行異質性分析。本文依據脆弱性指標以及人均收入方差,結合Patrick(2016)[13]提出的高脆弱與低脆弱的劃分標準,首先將樣本劃分為低脆弱農戶(VEP<0.25)和高脆弱農戶(VEP>0.33),再進一步將高脆弱農戶分解為高脆弱高波動農戶(VEP>0.33且人均收入對數方差高于平均值,簡稱高波動農戶)和高脆弱低波動農戶(VEP>0.33且人均收入對數方差低于平均值,簡稱低波動農戶)。

圖2為上述4類農戶的脆弱性分布。由圖2可知,4類農戶的脆弱性分布曲線逐年整體向左移動,意味著4類農戶的脆弱性均逐年降低。由圖2-1觀察脆弱性分布的特征可知,低脆弱人群的脆弱性分布主要集中在脆弱性小于0.2的區域,峰值逐年升高。由圖2-2可知,高脆弱人群在2017年以前呈單峰分布,峰值在0.4以上,2017年之后出現雙峰分布,一部分人的境況得到改善。圖2-3與圖2-4分別報告了高波動與低波動農戶的脆弱性分布。這兩類農戶的脆弱性分布每一年都呈現出中間高兩邊低的特征,且高脆弱高波動農戶整體的脆弱性更高,在2022年達到0.4以上,其脆弱性逐年降幅也明顯小于高脆弱低波動農戶。

圖2 四類農戶的脆弱性密度分布

(二)移民搬遷對農戶脆弱性的影響

本文采用雙重差分模型分析搬遷政策對農戶脆弱性的影響,應用雙重差分模型需要滿足平行趨勢假設。本文通過事件研究法進行平行趨勢檢驗,圖3展示了事件研究法的系數估計結果。由圖3可知,沖擊前實驗組和對照組農戶的脆弱性不存在顯著差異,平行趨勢假設成立。

式(5)加入控制變量進行雙重差分回歸,基準回歸結果匯總見表2。表3是穩健性檢驗結果,模型1展示了不加入控制變量的回歸結果。為了解決內生性問題,分別將搬遷前居住地離所在縣政府的駕車時長和駕車距離作為是否搬遷的工具變量進行回歸,結果如模型2和模型3所示。本文同時采用1∶3 PSM-DID進行穩健性檢驗,結果見模型4。由結果可知,表3的回歸結果與表2差別很小,表明基準回歸結果基本穩健。

圖3 事件研究法系數估計值

由表2可知,搬遷戶在搬遷后的脆弱性平均下降了0.022,說明對于樣本農戶整體而言,搬遷能夠降低其脆弱性。因此,在自然保護區實施移民搬遷政策可以顯著改善該地區農戶的脆弱性。

表2 移民搬遷對農戶脆弱性的影響

表3 穩健性檢驗結果

(三)基于脆弱性分解的異質性分析

對總樣本平均效果進行分析后,進一步評估搬遷對不同人群的異質性影響,以識別政策需要瞄準的主要人群。根據上文脆弱性分解結果,在式(5)加入交互項DT_move×if_X,分別得到搬遷對于不同農戶的影響,結果見表4。

表4 移民搬遷對農戶脆弱性影響的異質性分析結果

表4說明了搬遷對不同類型農戶的促進作用有所差異。首先,將農戶分為高脆弱農戶和低脆弱農戶進行回歸。模型5與模型6的回歸結果表明,搬遷對于減少低脆弱農戶脆弱性的效果顯著強于高脆弱農戶。其次,進一步將高脆弱農戶分為高波動和低波動農戶。模型7的回歸結果顯示,搬遷對減少低波動農戶脆弱性的效果顯著強于高波動農戶。異質性分析結果說明原本狀況較好的農戶改善較快,而相對困難的農戶從搬遷中獲益較少。因此,搬遷后的扶持政策應向高脆弱農戶傾斜,尤其是高脆弱高波動農戶。

(四)異質性特征和成因分析

政策制定者如果了解目標農戶的特征,就可以更加直觀地通過個體特征識別政策需要重點關注的對象,這對促進搬遷農戶融入新社區、防止返貧具有重要意義。

本文通過比較農戶個體特征差異對脆弱性成因進行分析。首先利用Logit模型研究各類家庭的特征,如年齡、健康、教育等,在短期內一般不會發生較大的波動,本節選取面板數據中搬遷后一年,即2019年的樣本進行研究。表5是回歸結果的Odds ratio,每一變量對應的第一行表示該系數估計值的Odds ratio。對于Odds ratio大于1或回歸系數為正的變量,變量值的增加與實現因變量=1有正向關聯;反之,Odds ratio小于1或回歸系數為負的變量,其值增加對于實現因變量=1有負向關聯。利用各變量的回歸系數即可判斷不同類型的農戶特征。

通過比較高低脆弱農戶的特征可知,高脆弱農戶在家庭人口結構上呈現出家庭人口少、家庭受教育程度較低、家庭健康狀況較差、家庭勞動力不足和家庭兒童占比較高等特征,教育水平、健康狀況以及勞動力缺乏使其在勞動市場中處于劣勢,在高度競爭和高回報率的勞動部門中競爭力不足,從而難以顯著提高自身的收入水平。這些家庭依然會過度依賴搬遷前的收入渠道,生計轉型困難(后文進一步驗證)。

高脆弱農戶中高波動農戶與低波動農戶的對比結果與前文基本一致,唯一不同的是高波動農戶中老年人口占比偏高。由此可見,高波動家庭的問題是人力資本匱乏疊加人口老齡化的綜合結果,這種人力資本特征導致極度不穩定的收入結構。因此,高波動家庭是需要重點關注的群體。

表5 農戶特征對比

綜上所述,人力資本特征與家庭收入結構直接相關(見后文分析),對于家庭脆弱狀況及其變化起到了主要作用。高脆弱和高波動農戶的人力資本處于明顯劣勢,使其在搬遷后可能沒有足夠的勞動資源拓寬收入渠道,最終無法降低自身的脆弱性。這可以通過務工市場打工時長和收入結構得到進一步驗證。

應用雙重差分模型分析搬遷對農戶打工時長的影響,結果見表6。表6的基準回歸結果(模型8)表明,搬遷后農戶的打工時長增加,搬遷促使農戶將更多時間投入到務工市場中。進一步加入搬遷與不同脆弱性類型家庭的交乘項進行分析,模型9和模型10的回歸結果表明,高脆弱農戶的打工時長比低脆弱農戶減少了4個多月,而模型10和模型11顯示打工時長在高波動和低波動家庭間的差異并不顯著。

打工時長變化的異質性在一定程度上揭示了不同農戶搬遷前后勞動力的分配狀況?；谶@一結果,本文通過不同類型農戶收入構成進一步分析驗證。生產經營收入、工資性收入和財產性收入反映了農戶不依靠外界的持久性創收能力。其中,生產經營性收入是農戶傳統種地、林業和商業買賣收入;工資性收入主要反映外出務工的凈收入。利用t檢驗研究搬遷后第一年高脆弱-低脆弱、高波動-低波動農戶以上收入構成的差異,結果見表7。對比高脆弱和低脆弱農戶的收入可知,低脆弱農戶的實際收入遠高于高脆弱農戶。同時,兩類家庭收入構成不同,低脆弱農戶的工資收入占比高達84%,生產經營性收入占比為15%;而高脆弱農戶工資性收入僅為31%,生產經營活動收入占比為50%。對比高脆弱農戶中低波動農戶和高波動農戶可知,低波動農戶的實際收入高于高波動農戶,這兩類家庭的生產經營性收入占比最高,分別為44%和52%,而工資性收入占比分別為39%和26%。

表6 移民搬遷對不同類型農戶打工時長的影響

表7 不同類型農戶收入構成的t檢驗結果

我國農戶的收入來源普遍存在二元結構。隨著市場經濟向農村的滲入,農戶不再依賴傳統的農耕作業方式,更多家庭通過外出打工補貼家庭收入。附著于土地的傳統農業活動是農戶的福利保障機制,打工成為致富源泉。對于A縣這樣經濟發展較慢的區域,安置地雖位于農戶所在鎮的中心地帶,但仍然遠離大城市。這種安置方式在一定程度上帶來交通、信息等的便利,降低了打工成本,但耕作地和居住地距離增加帶來農業生產活動的勞作成本上升,促使搬遷農戶向打工活動地轉移。

低脆弱農戶的主要收入是工資性收入,這些家庭適應了從傳統農業生產向務工活動的生計轉型,打工收入促進了家庭持久性收入的提升,降低了其未來陷入貧困的可能。高脆弱家庭的收入則依賴傳統生產經營性活動,家庭人力資本狀況決定了其較難實現由農業生產向務工活動的生計轉型。高波動家庭對傳統農業收入的依賴度進一步提升,其生產經營性收入占比超過50%。傳統農業生產極其依賴當地自然、氣候條件,搬遷農戶普遍缺乏現代化的農業生產技術,山地、溝內氣候和生態條件不穩定,加劇了農業產出的波動性,極大地影響了家庭脆弱性。因此,由于高脆弱家庭和高波動家庭的人口結構與勞動力結構處于明顯劣勢,導致其較難向務工活動轉型。這些農戶對傳統農業活動的依存度較高,而搬遷增加了傳統農業活動的成本,最終導致高脆弱和高波動農戶的脆弱性下降幅度小于其他搬遷農戶。

六、研究結論

本文基于2014—2022年生態保護區A縣低收入農戶的面板數據,應用VEP模型估計農戶脆弱性及其分布,識別高脆弱性人群,并借助脆弱性指標分解以厘清影響農戶短期收入波動的因素,在此基礎上進一步應用雙重差分法進行分析,以了解移民搬遷政策對搬遷農戶脆弱性的影響。本文研究發現:(1)搬遷農戶的脆弱性分布呈現雙峰特點,樣本中脆弱性特別高的家庭較少;且脆弱性逐年下降,農戶生活狀況得到改善。(2)雙重差分結果表明,搬遷戶在搬遷后脆弱性平均下降了0.022,說明搬遷能夠降低農戶脆弱性。因此,在生態脆弱區實施移民搬遷可以顯著改善該地區農戶整體生活狀況。(3)由移民搬遷對不同類型農戶的異質性影響分析可知,雖然所有搬遷戶的脆弱性都降低了,但其影響存在異質性,搬遷對低脆弱和低波動農戶更加有利,而高脆弱、高波動家庭的脆弱性下降較慢。(4)高脆弱農戶的家庭人口結構呈現出家庭人口較少、家庭受教育程度較低、家庭健康狀況較差、家庭勞動力不足和兒童占比較高等特征,而高波動家庭除了具有上述特征外,更加顯著的特征是家庭中的老年人口占比偏高。因此,高波動農戶需要重點關注。(5)由不同類型農戶打工時長的雙重差分分析以及收入構成的t檢驗可知,搬遷農戶應對市場化競爭的生計重塑能力是造成脆弱性差異的重要原因。搬遷增加了所有農戶的打工時長,搬遷戶將更多時間投入到務工市場中。由交乘分析發現,搬遷對增加低脆弱性家庭打工時長的作用顯著大于高脆弱家庭。通過考察收入構成可以看出,低脆弱農戶搬遷后更加依賴打工收入;而高脆弱和高波動農戶受限于人力資本,對傳統農業活動依存度較高,在務工市場中的參與程度比較低。

截至2020年,我國已經完成了大約1 000萬人口的移民搬遷工作,如何實現“搬得出、穩得住、有事做、能致富”的政策目標?本文根據研究結論得到以下政策啟示:首先,搬遷后續扶持措施應注重搬遷農戶生計重建和風險防范。在生態保護區的小城鎮集中安置模式下,農戶需要在勞動力市場快速重建生計,但存在生計重塑風險。同時,生態保護區低收入農戶的人力資本稟賦較差,難以依靠自身力量實現突破。加之位于保護區的農戶原有農業活動極不穩定,小城鎮吸納就業能力有限,增加了生計重建的風險。其次,政策制定者應著重關注處于劣勢的家庭。搬遷對不同群體的影響存在差異,政策制定者必須考慮如何將幫扶資源向劣勢群體傾斜,有針對性地制定促進他們融入新社區環境、適應新勞動市場結構的措施。政策后評估對搬遷后扶持政策制定具有十分重要的意義,需要運用科學方法識別劣勢群體,厘清脆弱性成因,制定精準扶持政策。