生态保护区移民搬迁对低收入农户脆弱性的影响*

赵 媛,逄金栋

(1.西安交通大学 金禾经济研究中心,西安 710049;2.武汉大学 经济与管理学院,武汉 430072)

一、引言

我国的生态保护区主要分布在公共基础服务供给不足的偏远山区,存在“一方水土养不活一方人”的生存和发展约束。这些区域同时承担着水源涵养等生态产品供给功能,无法进行大规模、高强度工业化开发,面临着发展和环保双重压力。移民搬迁是我国破解自然和地理资本匮乏困境,实现发展和保护双重目标的重要策略之一。我国从1983年开始移民搬迁工作,包括减灾搬迁、生态搬迁等多种类型。2016年,国家发展和改革委员会制定的《全国“十三五”易地扶贫搬迁规划》聚焦自然条件严酷、生存环境恶劣、发展条件严重欠缺地区的低收入农户,推行移民搬迁计划。截至2020年,我国完成了约1 000万人口的移民搬迁工作。

移民搬迁不单是人口及资产的空间转移,其生计转型也是重要环节。一方面,农户从偏远山区迁至安置地,远离原住地后更加靠近市场化活动,降低了其进入劳动力市场的成本,有利于家庭的可持续发展;另一方面,搬迁后农户的传统农业和商业等生产经营活动可能难以持续,会加速向工薪生计转型(王晓毅,2016)[1]。在生计转型过程中,人力资本发挥着重要作用,是搬迁农户重塑农业生计、应对市场化竞争的决定因素。但生态保护区的搬迁农户往往是人力资本匮乏的低收入群体,容易陷入搬迁后的生计困境。

2022年国家发改委等18个部委联合发文指出,要“全面转变搬迁群众生产生活方式,确保搬迁群众稳得住、逐步能致富,为推动脱贫地区高质量发展,如期实现中国式现代化打下坚实基础”。“十四五”是我国巩固脱贫攻坚成果、实现乡村振兴的重要时期,移民搬迁会对农户的福利产生冲击,进而产生返贫风险,需要对搬迁政策效果进行充分评估。

农户在面对外部冲击和不确定性风险时,脆弱性是其陷入困境的内因所在(李聪,2018)[2]。从动态角度前瞻性地分析移民搬迁政策对农户收入水平、收入波动以及未来返贫概率等造成的影响,有助于识别搬迁户中哪些农户未来仍有可能陷入贫困,并厘清政策的传导路径。世界银行将脆弱性定义为未来陷入贫困的概率,用以衡量一个家庭对不利社会经济冲击的敏感性。脆弱性不是事后确定性的统计分析,而是一种事前预判和测量,政府可以通过衡量脆弱性识别政策冲击下返贫概率较高的农户,预先给予干预(蒋丽丽,2017)[3]。同时,脆弱性指标分解(高脆弱性、低脆弱性;均值引致的脆弱性、风险引致的脆弱性等)有助于厘清影响农户短期收入波动的因素,以及造成返贫风险的结构性因素。

为此,本文拟利用生态保护区A县低收入建档立卡贫困农户(以下简称低收入农户)2014—2022年的面板数据,研究移民搬迁对低收入农户脆弱性的影响。文章首先对农户的脆弱性进行测度和分解,随后采用双重差分法和事件研究法分析移民搬迁对低收入农户脆弱性的影响并进行稳健性检验,最后对不同类型农户展开异质性分析。

本文的主要边际贡献包括:(1)已有对于生态移民搬迁政策影响的研究多采用典型案例或截面数据,少量文献采用2～3年的短面板数据进行分析。本文采用2014—2022年的面板数据进行分析,可以避免基于截面数据的线性模型分析存在的内生偏误问题。(2)现有研究大多基于脱贫攻坚前的数据进行分析,时效性较差,缺乏跟进现阶段调查数据开展长期、动态的移民搬迁政策评估。(3)受数据量限制,现有研究及结论大多针对所有搬迁农户,缺乏对其中低收入特殊群体的分析,而移民搬迁农户中的低收入农户生计重塑能力较弱,是需要重点关注和研究的高风险人群。因此,针对低收入群体,基于脆弱性的异质性分析有助于识别弱势群体的特征,进行精准帮扶。

二、相关理论和实证研究综述

脆弱性在《世界发展报告》中被界定为“度量对于冲击的弹力——冲击造成未来福利下降的可能性”。因此,脆弱性是一种可能性,是与概率相关的概念,是一个动态测度指标。Jalan和Ravallion(1998)[4]认为脆弱性意味着处于贫困线边缘的人口会由于遭受某一负向的外部冲击而重新落入深度贫困或持久性贫困之中。Jamal(2005)[5]指出传统的测量应把风险和脆弱性作为重要组成部分。Chaudhuri等(2002)[6]认为估计脆弱性才能制定出有效的反贫困政策。

在主流研究中,脆弱性的测度可分为三类:一是Chaudhuri(2002)等[6]提出的期望贫困的脆弱性测度模型(Vulnerability as Expected Poverty,VEP),二是Ligon和Schechter(2003)[7]提出的期望效用的脆弱性理论(Vulnerability as Low Expected Utility,VEU),三是Dercon和Krishnan(2000)[8]提出的风险暴露的脆弱性理论(Vulnerability as Uninsured Exposure to Risk,VER)。在对脆弱性概念的综合评述中,Gallardo(2018)[9]提出脆弱性具有以下三个特点:第一,前瞻性,实质是对未来低于某个特定基准线概率的估算;第二,脆弱性的程度取决于风险的特征以及家庭对风险的应对能力,且依赖于时间范围;第三,不论是贫困家庭还是非贫困家庭,都可能因为未能拥有足够的资产和能力应对风险事件而具有脆弱性。通过脆弱性指标分解,可以分析脆弱性成因,相关研究可参考Günther和Harttgen(2009)[10]、黄潇(2018)[11]、李丽和白雪梅(2010)[12]。其中,Günther和Harttgen(2009)[10]将脆弱性分解为均值引致的脆弱性和风险引致的脆弱性,即结构性原因(即低禀赋)和风险原因(即收入波动)导致的脆弱性,这对政策评估十分重要。

脆弱性被广泛应用于实证研究,现有文献可以分为两部分:一部分集中于测度脆弱性;另一部分分析特定冲击对家庭福利的影响,包括农户对于某冲击的反应程度、农户应对风险的适应性行为、生计资本策略等。近年来,学界对脆弱性的研究水平逐步提升,整体呈现从单一化向分层化、从简单的数据分析向机理分析的转变。由于其具有动态性与前瞻性,脆弱性研究相较于简单的静态贫困理论而言,对于发展中国家制定政策具有重要意义(Ward,2016)[13]。

移民搬迁是一个古老的经济学议题,国外研究更多聚焦于移民(Moving)这一活动。Bazzi等(2016)[14]分析了印度尼西亚的移民政策,认为适应于搬迁地发展的人力资本以及技能转化能力与搬迁后生产力的提高密切相关,凸显了比较优势的重要作用。Lagakos(2023)等[15]研究了低收入国家补贴政策对搬迁人口的福利影响,指出政策性激励不一定能改善搬迁家庭与迁入地家庭的收入差距。从农村搬迁到城市的家庭往往不具有比较优势,而倾向于被负向选择;但对那些最贫穷的家庭,搬迁会提高其福利。基于比较优势理论,移民活动对收入的改变可能是选择效应,生产力高的家庭迁移到特定地区,从而获得高工资。Nakamura等(2022)[16]通过分析冰岛火山爆发对移民的影响,认为家庭通过搬迁获益的重要原因是比较优势,搬迁后收入的提升是由搬迁后家庭人力资本的比较优势得以体现。搬迁效果在家庭内部的不同会通过代际传递积极影响家庭的后代。

国内文献集中关注我国的移民搬迁政策。檀文学(2019)[17]将我国移民搬迁分为四个阶段,并提出现阶段的移民是一种准自愿性的移民,搬迁户普遍面临生计压力。谢大伟(2020)[18]的研究表明政府主导的移民搬迁对农户生计资本、多维贫困、总体福利等均存在显著影响,但在个体层面、安置方式、社区环境、政府后续扶持政策、实施地点等环节存在异质性,如搬迁对劳动力素质高的家庭有益,分散安置的效果好于集中安置。王君涵等(2020)[19]认为搬迁切实改善了农户的生计资本和生计策略(主要表现为促进农户的外出务工、非农自营,抑制家畜养殖、农林种植),并且对于搬迁后的农户而言,不同生计策略依赖于不同的生计资本。Zhang等(2023)[20]发现中国的扶贫搬迁使参与者收入显著增加了9.61%,主要是受工资收入增加的驱动。在非农业部门具有相对优势的农村家庭可以从迁入城镇受益,证明在农村地区,即使在小的地理范围内也存在跨部门的流动障碍。成本效益分析的结果表明,偏远农村地区的家庭搬迁是克服这种流动障碍的可行政策工具。

国内关于移民搬迁对农户脆弱性影响的研究表明,搬迁政策对农户的脆弱性普遍具有积极作用,但农户的脆弱性存在异质性,如刘明月等(2019)[21]利用8省16县1 050户农户实地调查截面数据,使用VEP方法对农户脆弱性进行测度,研究移民搬迁对脆弱性的影响。研究发现,搬迁农户的脆弱性比非搬迁农户下降更快,且不同地区的搬迁农户脆弱性变化存在较大差异。宁静等(2018)[22]基于短面板,使用PSM-DID方法研究易地移民搬迁对脆弱性的影响,结果也表明移民搬迁是一项有效的减贫措施。李聪(2018)[2]利用截面数据分析陕南秦岭自然保护区移民搬迁对农户脆弱性的影响,发现参与移民搬迁有助于降低农户的脆弱性。相较于扶贫、生态和避灾搬迁农户,工程搬迁农户更易陷入困境,采取集中安置模式更有利于降低脆弱性。

实证研究多数通过截面数据或2～3年短面板进行分析,其结果的稳健性需进一步验证。现有研究基本认同的观点是,移民搬迁对实现乡村振兴具有积极作用,但其具体的影响在微观层面存在异质性。搬迁影响农户的机制并不仅仅是改变农户的地理条件,而是外生推力与内生动力的结合,取决于人力资本的重新配置能力。同时,针对搬迁农户的后续扶持措施也十分重要。

三、研究区域基本情况、政策介绍与数据描述

(一)研究区域基本情况与政策介绍

A县总面积约2 000平方公里,常住人口50万,属暖温带半湿润大陆性季风气候,四季分明,境内山、川、塬、岭相间,80%以上为山区,野生动物种类繁多,矿产资源丰富,是2010年国务院颁布的《全国主体功能区规划》划定的生态保护区,具有涵养水源、保持水土等重要生态服务功能,无法开展大规模、高强度工农业活动。同时,A县也是曾经的国家级贫困县。2022年A县生产总值约为150亿元,其中,第一、二、三产业增加值占比分别为23%、20%和57%,人均生产总值约3万元。2012年之后农业产值增速缓慢,工业产值呈下降趋势。长期以来,A县面临着生态保护和减贫的双重压力。

“十三五”期间,A县开展了以集中安置为主的大规模移民搬迁项目,2018年共计1 004户家庭完成了搬迁。搬迁对象主要是居住于交通不便、生态环境脆弱的山沟、岭上的低收入建档立卡农户。本着农户自愿原则,政府按照每户人均住房面积不超过25平方米、户型最大面积不超过120平方米的标准为搬迁户提供免费住房,农户所在乡镇周边建设了多个集中安置点。搬迁后农户原有的宅基地被收回,但仍维持原有土地、山林、草场的经营权,亦可自愿进行流转。为了扶持搬迁群众的后续发展,政府通过“社区+”模式为搬迁安置区域打造“社区经济”,并通过提供小额贷款、公益岗位、产业配套等综合性政策对搬迁户进行扶持。但受限于人力、资金等,社区产业规模有限,吸纳搬迁劳动力的能力有限。

(二)数据描述

使用2014—2022年当地政府统计的建档立卡低收入农户跟踪调查数据,覆盖A县下辖的所有328个行政村。其中,2014年的样本中共有22 752户家庭,2022年共有26 767户家庭。A县于2018年实施搬迁,主要对象是建档立卡低收入贫困户,本着就近原则和农户自愿原则,在农户所在乡镇政府附近修建安置小区进行集中安置,2018年共计1 004户家庭全部搬迁入住。本研究将搬迁农户设置为实验组,其余农户为对照组进行分析。表1展示了搬迁前一年以及搬迁后一年两组家庭主要特征变量的描述性统计。

表1 描述性统计

农户家庭总收入包括生产经营性收入、工资性收入、财产性收入以及转移性收入4项。其中,生产经营性收入是农户传统种地、林业和商业买卖收入;工资性收入主要是外出务工的净收入;财产性收入是通过家庭资产获得的收入,如不动产交易和房屋租金收入等;转移性收入包含计划生育补贴、低保金、五保金、养老保险金、生态补偿金以及其他临时救助、捐助、家人汇钱等。本文中的实际收入为农户总收入减去转移性收入,用来衡量农户不依赖于外界支持的持久性创收能力。

通过纵向比较各类家庭的收入构成发现,搬迁户和非搬迁户家庭收入均以工资性收入为主,占总收入的比例超过60%;占比列第二、三、四的为转移性收入、生产经营性收入、财产性收入。横向对比两类农户的收入发现:首先,除转移性收入外,非搬迁户各项收入均高于搬迁户,说明搬迁的主要是收入较低的农户;其次,比较两年收入差异可以看出,2019年两类家庭各项收入均高于2017年的各项收入。其中,工资性收入均值增加约10 000元,是各项收入中增加最多的。非搬迁户工资性收入增长了70%,搬迁户工资性收入则增长了95%。工资性收入变化已经成为样本农户总收入变化的主要来源。

样本农户收入构成的变化符合A县产业结构的变化趋势,搬迁户与非搬迁户都将更多的劳动资源投入到务工市场,因为对于一个劳动力充裕的家庭来说,外出务工的回报率显著高于传统农业活动的回报率,家庭将劳动力投入到务工市场是一个具有吸引力的选择。这一点体现在样本农户平均务工时长的变化上:搬迁家庭与非搬迁家庭2019年的工作时间比2017年增加了约2个月,2017年搬迁户工作时间低于非搬迁户约2.4个月,2019年搬迁户工作时间低于非搬迁户约1.2个月。搬迁后两类家庭工作时间的差异有所减小,搬迁户在搬迁后的区位优势对其务工活动具有积极影响。

四、模型设定

(一)脆弱性模型

本文选取基于面板数据的VEP模型对农户脆弱性进行测度,9年的面板数据能够较为准确地捕捉农户的收入风险。Paxson(1992)[23]提出持久性收入假说以及持久性收入和暂时性收入的回归分解方法。根据已有研究,本文在回归中选取人口变量(户主年龄、户主受教育程度、家庭总人口数、劳动力人口数、患大病或慢性病人口数、文盲人口数、小于16岁人口数、大于60岁人口数)、农户类型、自然资本变量(人均耕地、人均林地)、社会资本(是否加入农村合作社)共12个变量作为控制变量。脆弱性的测算方法如下。

首先,依据式(1)进行回归,估计家庭实际收入对数的方程,提取残差项的平方作为收入对数风险的估计值:

lnIiy=α0+α1Xiy+θy+φi+εiy

(1)

式(1)中,Iiy代表农户i在第y年的持久性收入,Xiy为一系列控制变量,θy和φi分别代表农户固定效应和时间固定效应,εiy为误差项。

其次,根据式(2)和式(3)估计人均收入对数期望值及方差:

(3)

最后,参考万广华和章元(2009)[24]的方法,假设收入为正态分布,这一设定计算出的脆弱性比自举法拟合分布等能更加准确地预测脆弱性。因此,本文延续此做法估算人均收入对数期望值及方差。根据式(4)即可得到农户的脆弱性:

其中,z表示贫困线。根据国家标准,以2010年不变价格测算的2 300元作为贫困线;φ为标准分布函数。

(二)双向固定效应双重差分模型

本文首先采用双向固定效应双重差分法,利用面板数据进行回归分析,以考察移民搬迁对低收入农户脆弱性的影响,实证回归模型如式(5):

VEPiy=β0+β1Aiy+γXiy+θy+φi+iy

(5)

式(5)中,因变量VEPiy代表第i个家庭在年份y的脆弱性,是本文最主要的结果变量;虚拟变量Aiy表示第i个家庭在第y年及以后是否完成了搬迁,是表示为1,否则为0;Xiy为控制变量,与式(1) 中的控制变量相同;θy表示时间固定效应;家庭层面的固定效应φi控制了家户层面不随着时间变化的不可观测特征;iy是一个误差项。

五、实证结果分析

(一)脆弱性分布与分解

根据式(1)—(4)计算农户脆弱性,绘制脆弱性分布。图1-1和图1-2分别展示了全样本以及搬迁户脆弱性的密度分布情况。从脆弱性分布来看,全样本农户以及搬迁户的脆弱性分布均呈现双峰特点,且样本中脆弱性特别高的比较少。脆弱性分布的峰值分别落在0～0.2的区域以及0.4～0.6的区域。从脆弱性的变化趋势来看,脆弱性逐年下降。尤其是2018年以后,全样本及搬迁样本农户的脆弱性分布均左移,脆弱性低的农户占比显著提高,脆弱性高的农户占比下降。由图1可知,脆弱性大幅度下降,农户状况得到了改善。

图1 全样本农户和搬迁农户的脆弱性密度分布

通过脆弱性分解可以进行异质性分析。本文依据脆弱性指标以及人均收入方差,结合Patrick(2016)[13]提出的高脆弱与低脆弱的划分标准,首先将样本划分为低脆弱农户(VEP<0.25)和高脆弱农户(VEP>0.33),再进一步将高脆弱农户分解为高脆弱高波动农户(VEP>0.33且人均收入对数方差高于平均值,简称高波动农户)和高脆弱低波动农户(VEP>0.33且人均收入对数方差低于平均值,简称低波动农户)。

图2为上述4类农户的脆弱性分布。由图2可知,4类农户的脆弱性分布曲线逐年整体向左移动,意味着4类农户的脆弱性均逐年降低。由图2-1观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的区域,峰值逐年升高。由图2-2可知,高脆弱人群在2017年以前呈单峰分布,峰值在0.4以上,2017年之后出现双峰分布,一部分人的境况得到改善。图2-3与图2-4分别报告了高波动与低波动农户的脆弱性分布。这两类农户的脆弱性分布每一年都呈现出中间高两边低的特征,且高脆弱高波动农户整体的脆弱性更高,在2022年达到0.4以上,其脆弱性逐年降幅也明显小于高脆弱低波动农户。

图2 四类农户的脆弱性密度分布

(二)移民搬迁对农户脆弱性的影响

本文采用双重差分模型分析搬迁政策对农户脆弱性的影响,应用双重差分模型需要满足平行趋势假设。本文通过事件研究法进行平行趋势检验,图3展示了事件研究法的系数估计结果。由图3可知,冲击前实验组和对照组农户的脆弱性不存在显著差异,平行趋势假设成立。

式(5)加入控制变量进行双重差分回归,基准回归结果汇总见表2。表3是稳健性检验结果,模型1展示了不加入控制变量的回归结果。为了解决内生性问题,分别将搬迁前居住地离所在县政府的驾车时长和驾车距离作为是否搬迁的工具变量进行回归,结果如模型2和模型3所示。本文同时采用1∶3 PSM-DID进行稳健性检验,结果见模型4。由结果可知,表3的回归结果与表2差别很小,表明基准回归结果基本稳健。

图3 事件研究法系数估计值

由表2可知,搬迁户在搬迁后的脆弱性平均下降了0.022,说明对于样本农户整体而言,搬迁能够降低其脆弱性。因此,在自然保护区实施移民搬迁政策可以显著改善该地区农户的脆弱性。

表2 移民搬迁对农户脆弱性的影响

表3 稳健性检验结果

(三)基于脆弱性分解的异质性分析

对总样本平均效果进行分析后,进一步评估搬迁对不同人群的异质性影响,以识别政策需要瞄准的主要人群。根据上文脆弱性分解结果,在式(5)加入交互项DT_move×if_X,分别得到搬迁对于不同农户的影响,结果见表4。

表4 移民搬迁对农户脆弱性影响的异质性分析结果

表4说明了搬迁对不同类型农户的促进作用有所差异。首先,将农户分为高脆弱农户和低脆弱农户进行回归。模型5与模型6的回归结果表明,搬迁对于减少低脆弱农户脆弱性的效果显著强于高脆弱农户。其次,进一步将高脆弱农户分为高波动和低波动农户。模型7的回归结果显示,搬迁对减少低波动农户脆弱性的效果显著强于高波动农户。异质性分析结果说明原本状况较好的农户改善较快,而相对困难的农户从搬迁中获益较少。因此,搬迁后的扶持政策应向高脆弱农户倾斜,尤其是高脆弱高波动农户。

(四)异质性特征和成因分析

政策制定者如果了解目标农户的特征,就可以更加直观地通过个体特征识别政策需要重点关注的对象,这对促进搬迁农户融入新社区、防止返贫具有重要意义。

本文通过比较农户个体特征差异对脆弱性成因进行分析。首先利用Logit模型研究各类家庭的特征,如年龄、健康、教育等,在短期内一般不会发生较大的波动,本节选取面板数据中搬迁后一年,即2019年的样本进行研究。表5是回归结果的Odds ratio,每一变量对应的第一行表示该系数估计值的Odds ratio。对于Odds ratio大于1或回归系数为正的变量,变量值的增加与实现因变量=1有正向关联;反之,Odds ratio小于1或回归系数为负的变量,其值增加对于实现因变量=1有负向关联。利用各变量的回归系数即可判断不同类型的农户特征。

通过比较高低脆弱农户的特征可知,高脆弱农户在家庭人口结构上呈现出家庭人口少、家庭受教育程度较低、家庭健康状况较差、家庭劳动力不足和家庭儿童占比较高等特征,教育水平、健康状况以及劳动力缺乏使其在劳动市场中处于劣势,在高度竞争和高回报率的劳动部门中竞争力不足,从而难以显著提高自身的收入水平。这些家庭依然会过度依赖搬迁前的收入渠道,生计转型困难(后文进一步验证)。

高脆弱农户中高波动农户与低波动农户的对比结果与前文基本一致,唯一不同的是高波动农户中老年人口占比偏高。由此可见,高波动家庭的问题是人力资本匮乏叠加人口老龄化的综合结果,这种人力资本特征导致极度不稳定的收入结构。因此,高波动家庭是需要重点关注的群体。

表5 农户特征对比

综上所述,人力资本特征与家庭收入结构直接相关(见后文分析),对于家庭脆弱状况及其变化起到了主要作用。高脆弱和高波动农户的人力资本处于明显劣势,使其在搬迁后可能没有足够的劳动资源拓宽收入渠道,最终无法降低自身的脆弱性。这可以通过务工市场打工时长和收入结构得到进一步验证。

应用双重差分模型分析搬迁对农户打工时长的影响,结果见表6。表6的基准回归结果(模型8)表明,搬迁后农户的打工时长增加,搬迁促使农户将更多时间投入到务工市场中。进一步加入搬迁与不同脆弱性类型家庭的交乘项进行分析,模型9和模型10的回归结果表明,高脆弱农户的打工时长比低脆弱农户减少了4个多月,而模型10和模型11显示打工时长在高波动和低波动家庭间的差异并不显著。

打工时长变化的异质性在一定程度上揭示了不同农户搬迁前后劳动力的分配状况。基于这一结果,本文通过不同类型农户收入构成进一步分析验证。生产经营收入、工资性收入和财产性收入反映了农户不依靠外界的持久性创收能力。其中,生产经营性收入是农户传统种地、林业和商业买卖收入;工资性收入主要反映外出务工的净收入。利用t检验研究搬迁后第一年高脆弱-低脆弱、高波动-低波动农户以上收入构成的差异,结果见表7。对比高脆弱和低脆弱农户的收入可知,低脆弱农户的实际收入远高于高脆弱农户。同时,两类家庭收入构成不同,低脆弱农户的工资收入占比高达84%,生产经营性收入占比为15%;而高脆弱农户工资性收入仅为31%,生产经营活动收入占比为50%。对比高脆弱农户中低波动农户和高波动农户可知,低波动农户的实际收入高于高波动农户,这两类家庭的生产经营性收入占比最高,分别为44%和52%,而工资性收入占比分别为39%和26%。

表6 移民搬迁对不同类型农户打工时长的影响

表7 不同类型农户收入构成的t检验结果

我国农户的收入来源普遍存在二元结构。随着市场经济向农村的渗入,农户不再依赖传统的农耕作业方式,更多家庭通过外出打工补贴家庭收入。附着于土地的传统农业活动是农户的福利保障机制,打工成为致富源泉。对于A县这样经济发展较慢的区域,安置地虽位于农户所在镇的中心地带,但仍然远离大城市。这种安置方式在一定程度上带来交通、信息等的便利,降低了打工成本,但耕作地和居住地距离增加带来农业生产活动的劳作成本上升,促使搬迁农户向打工活动地转移。

低脆弱农户的主要收入是工资性收入,这些家庭适应了从传统农业生产向务工活动的生计转型,打工收入促进了家庭持久性收入的提升,降低了其未来陷入贫困的可能。高脆弱家庭的收入则依赖传统生产经营性活动,家庭人力资本状况决定了其较难实现由农业生产向务工活动的生计转型。高波动家庭对传统农业收入的依赖度进一步提升,其生产经营性收入占比超过50%。传统农业生产极其依赖当地自然、气候条件,搬迁农户普遍缺乏现代化的农业生产技术,山地、沟内气候和生态条件不稳定,加剧了农业产出的波动性,极大地影响了家庭脆弱性。因此,由于高脆弱家庭和高波动家庭的人口结构与劳动力结构处于明显劣势,导致其较难向务工活动转型。这些农户对传统农业活动的依存度较高,而搬迁增加了传统农业活动的成本,最终导致高脆弱和高波动农户的脆弱性下降幅度小于其他搬迁农户。

六、研究结论

本文基于2014—2022年生态保护区A县低收入农户的面板数据,应用VEP模型估计农户脆弱性及其分布,识别高脆弱性人群,并借助脆弱性指标分解以厘清影响农户短期收入波动的因素,在此基础上进一步应用双重差分法进行分析,以了解移民搬迁政策对搬迁农户脆弱性的影响。本文研究发现:(1)搬迁农户的脆弱性分布呈现双峰特点,样本中脆弱性特别高的家庭较少;且脆弱性逐年下降,农户生活状况得到改善。(2)双重差分结果表明,搬迁户在搬迁后脆弱性平均下降了0.022,说明搬迁能够降低农户脆弱性。因此,在生态脆弱区实施移民搬迁可以显著改善该地区农户整体生活状况。(3)由移民搬迁对不同类型农户的异质性影响分析可知,虽然所有搬迁户的脆弱性都降低了,但其影响存在异质性,搬迁对低脆弱和低波动农户更加有利,而高脆弱、高波动家庭的脆弱性下降较慢。(4)高脆弱农户的家庭人口结构呈现出家庭人口较少、家庭受教育程度较低、家庭健康状况较差、家庭劳动力不足和儿童占比较高等特征,而高波动家庭除了具有上述特征外,更加显著的特征是家庭中的老年人口占比偏高。因此,高波动农户需要重点关注。(5)由不同类型农户打工时长的双重差分分析以及收入构成的t检验可知,搬迁农户应对市场化竞争的生计重塑能力是造成脆弱性差异的重要原因。搬迁增加了所有农户的打工时长,搬迁户将更多时间投入到务工市场中。由交乘分析发现,搬迁对增加低脆弱性家庭打工时长的作用显著大于高脆弱家庭。通过考察收入构成可以看出,低脆弱农户搬迁后更加依赖打工收入;而高脆弱和高波动农户受限于人力资本,对传统农业活动依存度较高,在务工市场中的参与程度比较低。

截至2020年,我国已经完成了大约1 000万人口的移民搬迁工作,如何实现“搬得出、稳得住、有事做、能致富”的政策目标?本文根据研究结论得到以下政策启示:首先,搬迁后续扶持措施应注重搬迁农户生计重建和风险防范。在生态保护区的小城镇集中安置模式下,农户需要在劳动力市场快速重建生计,但存在生计重塑风险。同时,生态保护区低收入农户的人力资本禀赋较差,难以依靠自身力量实现突破。加之位于保护区的农户原有农业活动极不稳定,小城镇吸纳就业能力有限,增加了生计重建的风险。其次,政策制定者应着重关注处于劣势的家庭。搬迁对不同群体的影响存在差异,政策制定者必须考虑如何将帮扶资源向劣势群体倾斜,有针对性地制定促进他们融入新社区环境、适应新劳动市场结构的措施。政策后评估对搬迁后扶持政策制定具有十分重要的意义,需要运用科学方法识别劣势群体,厘清脆弱性成因,制定精准扶持政策。