農(nóng)戶兼業(yè)對食物消費(fèi)的影響
——基于PSM 實證研究

張靜思，侯慶豐

（1.甘肅農(nóng)業(yè)大學(xué) 管理學(xué)院，甘肅 蘭州 730000；2.甘肅農(nóng)業(yè)大學(xué) 馬克思主義學(xué)院，甘肅 蘭州 730000）

一、引言

自1978 年改革開放以來我國農(nóng)民逐漸擁有了自主經(jīng)營權(quán)，農(nóng)村出現(xiàn)了大量的剩余勞動力，因此越來越多的農(nóng)戶開始了兼業(yè)這一種經(jīng)濟(jì)現(xiàn)象[1]。陳曉紅和汪朝霞（2007）[2]研究發(fā)現(xiàn)家庭經(jīng)營農(nóng)業(yè)用地面積，家庭規(guī)模和家庭勞動力平均年齡都是影響農(nóng)戶選擇兼業(yè)不可或缺的因素。吳蓓蓓等（2019）[3]研究發(fā)現(xiàn)不同純收入家庭的各類食物消費(fèi)特征和消費(fèi)趨勢有著顯著差異。

現(xiàn)有的關(guān)于農(nóng)戶兼業(yè)的國際文獻(xiàn)主要來自發(fā)達(dá)國家。D.Christodoulou（1982）[4]研究發(fā)現(xiàn)農(nóng)戶兼業(yè)經(jīng)營面臨著對廣大農(nóng)村勞動力就業(yè)和收入的長期威脅，發(fā)展中國家的兼職農(nóng)業(yè)值得深入探討和富有想象力的評估，拉丁美洲的Hacienda 系統(tǒng)提供了一個內(nèi)建的依賴性兼職農(nóng)業(yè)系統(tǒng)。Stephan BROSIG 等（2008）[5]研究發(fā)現(xiàn)從農(nóng)戶非兼業(yè)向農(nóng)戶兼業(yè)轉(zhuǎn)變的可能性與家庭勞動力的教育水平呈正相關(guān)。

目前，國內(nèi)在學(xué)術(shù)界關(guān)于農(nóng)戶兼業(yè)問題和農(nóng)戶食物消費(fèi)問題分別有討論與研究，但針對農(nóng)戶兼業(yè)對食物消費(fèi)的影響研究的問題很少，沒有將兩者結(jié)合在一起分析研究。國家統(tǒng)計局記載，國家扶貧重點(diǎn)開發(fā)地區(qū)農(nóng)牧民糧食消費(fèi)量2017 年比2016 年降低了1.1 個百分點(diǎn)，而油脂類消費(fèi)量2017 年比2016 年增長了6.7 個百分點(diǎn)[6]。所以農(nóng)戶兼業(yè)行為究竟是如何對貧困地區(qū)的食物消費(fèi)狀況影響的呢？

二、西北部貧困地區(qū)農(nóng)戶食物消費(fèi)數(shù)據(jù)及現(xiàn)狀

依托2018 年對青海省樂都縣、剛察縣和尖扎縣，甘肅省文縣、西和縣、岷縣和康的500 戶農(nóng)戶的實地調(diào)研數(shù)據(jù)，調(diào)查內(nèi)容涉及到農(nóng)戶的收入水平、食物消費(fèi)情況、家庭人口數(shù)等多個指標(biāo)；經(jīng)過對數(shù)據(jù)的整理和篩查，剔除了兩戶數(shù)據(jù)存在缺失的數(shù)據(jù)，最終得到的有效數(shù)據(jù)為391 條。如表1 所示，該地區(qū)年人均食物總消費(fèi)為2 177.551 元/ 人·年；食物消費(fèi)主要是以糧食為主，人均支出為793.978 元/人·年，占比為總消費(fèi)的36%；調(diào)味品類的消費(fèi)最少，除了糧食消費(fèi)之外，較高的是在外用餐消費(fèi)，占比達(dá)29%。

表1 農(nóng)戶食物消費(fèi)情況

三、模型構(gòu)建

為評估農(nóng)戶是否兼業(yè)這一因素對其食物消費(fèi)的影響，本文決定采用傾向得分匹配（Propensity Score Matching）的研究方法。PSM 法按照農(nóng)戶是否兼業(yè)這一指標(biāo)，將所得樣本分為兩組，即處理組和對照組，再利用其匹配原則將兩組樣本之間的特征相似來對比差異作為是否兼業(yè)這一因素對農(nóng)戶食物消費(fèi)的影響。對傾向得分匹配法來講，其中難以解決的問題就是“反事實狀態(tài)”以及內(nèi)生性?！胺词聦崰顟B(tài)”指在進(jìn)行政策效應(yīng)分析時，同時需要得到觀測者和非觀測者的數(shù)據(jù)信息，但是，非觀測者的數(shù)據(jù)信息往往不容易被收集，原因是農(nóng)戶不可能同時會有兩種狀態(tài)。為了更好地處理這個問題，因此采用傾向得分匹配法是非常有價值的方法。

（一）傾向匹配得分值

傾向得分匹配方法第一步要確定影響農(nóng)戶食物消費(fèi)的因素，使用Logit 模型篩選相關(guān)所需特征的變量。PS 值是計算農(nóng)村居民在可觀測特征Xi情況下是否兼業(yè)的條件概率，將篩選出的多維變量降為一維，其計算公式如下：

其中Psi是計算出的每戶農(nóng)戶的傾向得分值；Xi是所有與農(nóng)戶相關(guān)特征變量構(gòu)成的向量；Di是虛擬變量，用來表示農(nóng)戶是否兼業(yè)，兼業(yè)的農(nóng)戶表示為1，未兼業(yè)的農(nóng)戶表示為0；為累計分布函數(shù)，其中，β 為相應(yīng)的參數(shù)。通過估計參數(shù)值β 帶入式（1）中，可得到農(nóng)村居民兼業(yè)的傾向得分匹配值Psi，同時也是農(nóng)村居民兼業(yè)的概率值。對于第i 個農(nóng)村居民，其傾向得分匹配值為，農(nóng)村居民兼業(yè)的平均處理效應(yīng)ATT 表示為：

式子中Y1i和Y0i分別表示同一農(nóng)戶在兼業(yè)和未兼業(yè)兩種情況下的食物消費(fèi)水平。得到樣本的平均處理效應(yīng)：

其中，NT是處理組的樣本數(shù)；T 代表匹配后的處理組；C 代表匹配后的對照組；是處理組中第i個農(nóng)戶兼業(yè)后的食物消費(fèi)水平，是控制組中第j個農(nóng)戶未兼業(yè)的食物消費(fèi)水平；ω（pi，pj）為傾向匹配得分pi和pj的權(quán)重函數(shù)，來按照三種匹配方法計算，其對應(yīng)的權(quán)重函數(shù)也有所差異。

（二）樣本的匹配方法

傾向得分匹配法中常用的匹配方法有最鄰近匹配、半徑匹配和核匹配三種方法。最近鄰匹配法通過最小化對照組和處理組傾向匹配得分差值的絕對值確定最為接近的匹配對象。半徑匹配法是通過得出選定的半徑值，找到其半徑范圍內(nèi)的圓內(nèi)的控制樣本，圓的半徑越小，匹配條件也就越顯著。核匹配方法一般將其權(quán)重函數(shù)ω（pi，pj）的表達(dá)式，其中h 為指定帶寬，k（·）為核函數(shù)。

（三）變量選取與描述性統(tǒng)計分析

該文將年人均食物消費(fèi)總支出的對數(shù)作為因變量，反映了該貧困地區(qū)農(nóng)戶的總體上的食物消費(fèi)水平。將農(nóng)戶是否兼業(yè)設(shè)置為處理變量，該文選取戶主年齡及家庭特征，種養(yǎng)特征和房前屋后等作為協(xié)變量。具體內(nèi)容如表2 所示。

表2 變量的描述性統(tǒng)計

從表2 可以看出，該地區(qū)被調(diào)查農(nóng)戶的食物消費(fèi)支出總對數(shù)為9.323，有兼業(yè)的農(nóng)戶占總體的20%。戶主年齡的均值在54 歲左右；該地區(qū)被調(diào)查農(nóng)戶的家庭勞動力水平在每戶3 個人左右；被調(diào)查農(nóng)戶中少數(shù)民族占17.7%；被調(diào)查農(nóng)戶的戶主中已婚農(nóng)戶占86.2%；被調(diào)查的所有農(nóng)戶中有外債的農(nóng)戶占22.3%；受到自然災(zāi)害的農(nóng)戶占9.5%；被調(diào)查農(nóng)戶中家中有人住院的農(nóng)戶占到44.8%，參加合作社的農(nóng)戶占70.3%；種地和養(yǎng)殖的農(nóng)戶分別占85.9%和96.2%，房前屋后種地的農(nóng)戶占28.9%，進(jìn)一步說明該地區(qū)主要以種地養(yǎng)殖為主要生計方式。

（四）模型估算結(jié)果

用Logit 模型將協(xié)變量加入到其公式里計算，得出兩組樣本組的PSM 值和平衡性，及觀測模型的Pseudo-R2值，選擇既要滿足平衡性又要使得Pseudo-R2值最大變量且多重共線性遠(yuǎn)小于10 的變量組，最大的為1.46，所以不存在多重共線性的情況。Logit模型結(jié)果如表3 所示。

表3 傾向匹配得分的Logit 模型估算結(jié)果

用logit 模型計算傾向得分，因變量為是否兼業(yè)。分析回歸結(jié)果，自然災(zāi)害、戶主年齡、養(yǎng)殖、房前屋后對農(nóng)戶是否兼業(yè)都有著顯著的負(fù)向影響，但自然災(zāi)害的負(fù)向效果并不顯著；婚姻、勞動力總數(shù)、種地、養(yǎng)殖、房前屋后均有著顯著的正向影響。

四、實證和分析

（一）匹配平衡性檢驗

在進(jìn)行傾向得分匹配后，下一班要分析處理組和控制組之間的平衡性問題。經(jīng)過最鄰近匹配法匹配后，對照控制變量匹配前后的均值，匹配后的處理組和對照組的所有變量均值偏差在最鄰近匹配法匹配之后都出現(xiàn)了顯著的下降，常年且T 檢驗之后均未出現(xiàn)顯著差異。因此可以得出，在匹配后，處理組和控制組變量的差異得以控制，達(dá)到了類似于隨機(jī)試驗的效應(yīng)，足以證明已顯著降低自選擇所導(dǎo)致的估計偏誤。

圖1 是通過最鄰近匹配法匹配后的各個協(xié)變量的標(biāo)準(zhǔn)偏誤情況，可以發(fā)現(xiàn)在處理組和控制組匹配前后有著顯著的差異；匹配之前處理組和控制組之間相對分散，匹配之后其向0 聚攏，因此可以得出，通過匹配之后兩組間的差異大幅度減小。

表4 最鄰近匹配法的平衡性檢驗

圖1 匹配前與匹配后協(xié)變量的標(biāo)準(zhǔn)偏誤

（二）匹配質(zhì)量

表5 匹配質(zhì)量

根據(jù)農(nóng)戶是否兼業(yè)得出的傾向得分，采用最近鄰匹配法、半徑匹配法、核匹配法三種方法對比分析出處理組和對照組之間的食物消費(fèi)水平不同。從Pseudo_R 來看，不同的匹配方法匹配之后，Pseudo_R均有所下降；匹配前變量的Pseudo_R 值為0.115，采用最近鄰匹配法、半徑匹配法、核匹配法三種方法后分別降到0.022、0.025、0.035，進(jìn)而說明變量消除了系統(tǒng)差異。

（三）分析平均處理效應(yīng)

運(yùn)用三種匹配方法進(jìn)行估計樣本的平均處理效應(yīng)（ATT），分別是最鄰近匹配法、半徑匹配法和核匹配法，并采用自抽樣法反復(fù)抽樣500 次估計樣本的標(biāo)準(zhǔn)誤。具體內(nèi)容如表6 所示。

表6 平均處理效應(yīng)分析

通過匹配后發(fā)現(xiàn)農(nóng)戶是否兼業(yè)對農(nóng)戶食物消費(fèi)支出存在影響，兼業(yè)對農(nóng)戶食物消費(fèi)支出存在正向作用，通過不同匹配方法的結(jié)果可以看出，其3種方法有所不同，但是結(jié)果相近，從實證結(jié)果看，農(nóng)戶兼業(yè)顯著提高農(nóng)戶的食物消費(fèi)水平，這也說明了結(jié)果是穩(wěn)健的，不會依賴于具體的方法。觀測中發(fā)現(xiàn)在貧困地區(qū)影響農(nóng)戶食物消費(fèi)支出的眾多因素中將農(nóng)戶是否兼業(yè)這一變量單獨(dú)出來分析，發(fā)現(xiàn)其對農(nóng)戶家庭食物消費(fèi)的結(jié)果具有一定的可信度和說服力。

五、結(jié)論和建議

（一）主要結(jié)論

本文2018 年基于青海省樂都縣、剛察縣和尖扎縣，甘肅省文、縣、西和縣岷縣和康縣對500 戶農(nóng)戶的實地調(diào)研數(shù)據(jù)，運(yùn)用傾向匹配得分法（PSM）研究農(nóng)戶兼業(yè)對于食物消費(fèi)的影響。通過實證分析發(fā)現(xiàn)，農(nóng)戶兼業(yè)顯著提升了農(nóng)村居民的食物消費(fèi)支出，在采用最鄰近匹配法、半徑匹配法和核匹配法的平均處理效應(yīng)（ATT）后兼業(yè)農(nóng)戶的人均食物消費(fèi)總支出的對數(shù)比其非未兼業(yè)的分別提高0.422 個百分點(diǎn)、0.467 個百分點(diǎn)和0.416 個百分點(diǎn)，說明兼業(yè)農(nóng)戶的人均食物消費(fèi)總支出的對數(shù)比其非未兼業(yè)的顯著提高。不同的匹配方法的匹配集而產(chǎn)生了不同的共同支撐區(qū)域，但產(chǎn)生效應(yīng)的結(jié)果和趨勢是相同的，從而說明了貧困地區(qū)的農(nóng)戶兼業(yè)對其食物消費(fèi)具有正效應(yīng)和穩(wěn)健性。

（二）對策建議

從研究結(jié)論上看，農(nóng)戶兼業(yè)會顯著提高農(nóng)戶的食物消費(fèi)水平，但是農(nóng)戶兼業(yè)是否會提高他們的食物消費(fèi)觀念和習(xí)慣的認(rèn)知呢，這值得我們更深層次討論。因此，有關(guān)部門應(yīng)正確引導(dǎo)和呼吁農(nóng)民的消費(fèi)，提倡健康飲食和均衡營養(yǎng)的消費(fèi)方法，加大對健康飲食等方面知識的宣傳，提高農(nóng)戶對富含維生素和高蛋白產(chǎn)品的消費(fèi)力度，同時，政府應(yīng)該加強(qiáng)監(jiān)管，保障農(nóng)戶食物安全和提高對食物質(zhì)量的信任，促進(jìn)農(nóng)戶再次消費(fèi)。