余穎雅，聶鳳英※，董海軍，黃佳琦

(1.中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所，北京 100081;2.赤峰市人民政府駐北京聯(lián)絡(luò)處，北京 100078)

0 引言

20世紀(jì)90年代開始，中國勞動(dòng)力市場發(fā)生劇烈變化，大批農(nóng)民工涌入城鎮(zhèn)務(wù)工。據(jù)國家統(tǒng)計(jì)局調(diào)查顯示， 20世紀(jì)90年代后，農(nóng)民工數(shù)量逐年上升， 2011年開始總量增速持續(xù)回落，截止2015年年底，農(nóng)民工總量2.77億人，比2014年增長1.3%，其中外出農(nóng)民工*外出農(nóng)民工：指在戶籍所在鄉(xiāng)鎮(zhèn)地域外從業(yè)的農(nóng)民工有1.688 4億人，較2014年增加0.4%[1]。據(jù)中國農(nóng)村貧困監(jiān)測報(bào)告顯示，全國扶貧重點(diǎn)縣勞動(dòng)力外出人數(shù)也逐年增加。從2002年的14.5%到2010年的20.8%，增量較大[2]。外出務(wù)工同樣也是學(xué)術(shù)研究界的熱點(diǎn)，學(xué)者們從各種角度進(jìn)行挖掘，涉及經(jīng)濟(jì)學(xué)、農(nóng)業(yè)經(jīng)濟(jì)學(xué)、社會(huì)學(xué)、人口學(xué)、心理學(xué)等領(lǐng)域。研究論題也非常廣泛，包括外出務(wù)工的影響因素[3-6]，外出務(wù)工對(duì)農(nóng)民的收入[7-8]、農(nóng)業(yè)生產(chǎn)[9-10]、貧困[11-12]、消費(fèi)[13-14]的影響，民工返鄉(xiāng)潮[15-16]、留守兒童[17-20]和老人[21]問題，外出務(wù)工者的婚姻狀況[22]、貧困[23]、食物消費(fèi)[24-26]等。

近年來，我國居民消費(fèi)結(jié)構(gòu)升級(jí)，糧食消費(fèi)量減少，動(dòng)物性食品的消費(fèi)需求明顯增加。這一變化趨勢(shì)引起學(xué)者們對(duì)食物消費(fèi)的關(guān)注，開始研究食物消費(fèi)變化趨勢(shì)[27]以及其結(jié)構(gòu)變化的影響因素[28-31]，包括收入、價(jià)格、生計(jì)資本、地域等。外出務(wù)工也逐漸成為學(xué)者研究食物消費(fèi)的新切入點(diǎn)，重點(diǎn)研究外出務(wù)工對(duì)在家成員食物消費(fèi)的影響。目前，國內(nèi)鮮有將外出務(wù)工直接聚焦到食物消費(fèi)層面的研究，研究主要集中在外出務(wù)工對(duì)農(nóng)村消費(fèi)結(jié)構(gòu)、農(nóng)民消費(fèi)觀念和消費(fèi)傾向改變上，有少部分在消費(fèi)傾向的研究中涉及到食物消費(fèi)。時(shí)紅艷[13]利用在陜西省安康市的農(nóng)戶調(diào)查數(shù)據(jù)研究發(fā)現(xiàn)，外出務(wù)工對(duì)農(nóng)戶食品消費(fèi)傾向、人力資本消費(fèi)傾向、社會(huì)資本消費(fèi)傾向、生產(chǎn)性消費(fèi)傾向均呈負(fù)的顯著關(guān)系。袁國方等[14]對(duì)欠發(fā)達(dá)地區(qū)(陜西省)的調(diào)查研究發(fā)現(xiàn)，外出務(wù)工人員的流動(dòng)性對(duì)食品消費(fèi)傾向有顯著的負(fù)效應(yīng)； 外出務(wù)工收入對(duì)食品消費(fèi)傾向的影響不顯著。國外學(xué)者通過不同角度，對(duì)外出務(wù)工與食物消費(fèi)和營養(yǎng)的關(guān)系進(jìn)行研究，但是目前的結(jié)論也沒有達(dá)成一致。Wendy R.Karamba等[32]通過對(duì)2005—2006年加納的調(diào)查數(shù)據(jù)研究發(fā)現(xiàn)，外出務(wù)工會(huì)增加農(nóng)戶整體食物消費(fèi)，也導(dǎo)致農(nóng)戶對(duì)于不營養(yǎng)食物(如糖，飲料等)消費(fèi)的增加。Minh Cong Nguyen等[33]利用2004年和2006年越南調(diào)查數(shù)據(jù)，從外出務(wù)工人員外出持續(xù)時(shí)間上對(duì)農(nóng)戶的食物消費(fèi)和營養(yǎng)進(jìn)行研究，發(fā)現(xiàn)無論是短期還是長期，外出務(wù)工對(duì)農(nóng)戶人均食物支出、人均熱量消耗和食物多樣性都有正向影響，而短期的影響更加顯著。S.Chandrasekhar等[34]使用印度農(nóng)村調(diào)查數(shù)據(jù)，并使用工具變量的方法研究短期外出務(wù)工對(duì)家庭消費(fèi)支出的影響。研究結(jié)果發(fā)現(xiàn)，短期外出務(wù)工的家庭的每月人均消費(fèi)支出和每月人均食物消費(fèi)支出相對(duì)較低。

針對(duì)國外外出務(wù)工對(duì)農(nóng)戶食物消費(fèi)的研究發(fā)現(xiàn)，外出務(wù)工主要從以下幾個(gè)方面對(duì)農(nóng)戶食物消費(fèi)產(chǎn)生影響，一是外出務(wù)工人員帶來的匯款收入會(huì)增加農(nóng)戶對(duì)食物、健康相關(guān)產(chǎn)品和服務(wù)的支出，從而提高獲取營養(yǎng)食物的能力[32]。二是外出務(wù)工人員帶來的信息和經(jīng)驗(yàn)可以豐富農(nóng)戶在營養(yǎng)、健康和生產(chǎn)技能方面的知識(shí)，同樣也會(huì)改變農(nóng)戶食物消費(fèi)習(xí)慣，由此帶來的影響可能是有利于食物消費(fèi)狀況的改善，但也有可能帶來不利影響[32]。三是外出務(wù)工使得農(nóng)戶消費(fèi)人口減少，消費(fèi)量減少，家庭消費(fèi)需求減少，但同時(shí)勞動(dòng)力也相應(yīng)減少，家庭收入減少，因此由此帶來的影響有利有弊[32， 35]。

目前，國內(nèi)外研究外出務(wù)工對(duì)農(nóng)戶食物消費(fèi)影響的普遍較少，國內(nèi)幾乎空白，國外采取的數(shù)據(jù)都較為久遠(yuǎn)，無法反應(yīng)現(xiàn)階段的影響情況。此外，隨著精準(zhǔn)扶貧的提出，貧困地區(qū)的食物消費(fèi)情況也得到了廣泛關(guān)注。研究發(fā)現(xiàn)，貧困縣的食物消費(fèi)水平和食物安全狀況都低于我國農(nóng)村平均水平[36]，那么外出務(wù)工對(duì)貧困地區(qū)食物消費(fèi)狀況是進(jìn)一步惡化還是改善。綜上所述，文章決定從外出務(wù)工角度研究西部貧困地區(qū)在家成員的食物消費(fèi)情況以及其帶來的影響。而外出務(wù)工變量具有內(nèi)生性，許多學(xué)者采用工具變量模型[21， 37]控制其內(nèi)生性，但是目前沒有發(fā)現(xiàn)特別合理的工具變量，同時(shí)是否外出務(wù)工這兩組樣本的初始條件不完全相同，存在選擇偏差[20]。因此，為了厘清貧困地區(qū)外出務(wù)工對(duì)農(nóng)戶食物消費(fèi)的影響，該文利用2015年我國陜西省、貴州省和云南省的6個(gè)貧困縣的調(diào)查數(shù)據(jù)，采用傾向得分匹配法(Propensity Score Matching，PSM)調(diào)整樣本的選擇性偏差，降低內(nèi)生性導(dǎo)致的估計(jì)偏誤，單獨(dú)將處理因素——外出務(wù)工從影響農(nóng)戶食物消費(fèi)的因素中分離出來并分析其影響效果。

1 西部貧困地區(qū)農(nóng)戶食物消費(fèi)現(xiàn)狀

1.1 數(shù)據(jù)

研究使用的數(shù)據(jù)來源于“中國農(nóng)村食物安全與貧困綜合調(diào)查”課題組2015年對(duì)陜西省鎮(zhèn)安縣和洛南縣、云南省武定縣和會(huì)澤縣、貴州省正安縣和盤縣所進(jìn)行的入戶調(diào)研，研究采用多階段抽樣方法確定樣本的農(nóng)戶。第一階段，采用按照人口加權(quán)的抽樣方法(PPS)在各縣抽取19個(gè)村，人口越多的村抽到的概率越大。第二階段，采用隨機(jī)抽樣的方法，在每個(gè)樣本村中隨機(jī)抽取12個(gè)農(nóng)戶。這樣，每個(gè)縣抽取19個(gè)村228戶， 6個(gè)縣共抽取114個(gè)村1 368農(nóng)戶。問卷內(nèi)容包括家庭基本情況、住房和生活條件、家庭財(cái)產(chǎn)與財(cái)務(wù)狀況、農(nóng)業(yè)、生計(jì)、支出、食物來源和消費(fèi)以及沖擊和應(yīng)對(duì)策略等內(nèi)容。其中，食物消費(fèi)調(diào)查采用1個(gè)月回顧法，即農(nóng)戶回顧過去1個(gè)月各類食物消費(fèi)的情況。調(diào)研時(shí)間為2015年7—8月，不是收獲或者缺糧季節(jié)，也沒有大型傳統(tǒng)節(jié)日，是正常月份，保證了調(diào)研數(shù)據(jù)的代表性以及平滑性[28]。由于有一戶全家外出務(wù)工，沒有在家人員的食物消費(fèi)狀況，故剔除，最終獲得有效問卷1 367份。

1.2 農(nóng)戶食物消費(fèi)現(xiàn)狀*農(nóng)戶食物消費(fèi)分析以年人均食物消費(fèi)支出為主，人均食物消費(fèi)支出反映食物的具體消費(fèi)情況，將食物種類分成七大類，分別為：糧食、蔬菜水果、動(dòng)物性食品、油脂類、調(diào)味品、煙酒茶飲料和在外用餐。其中，糧食包括谷物類、豆類和薯類； 動(dòng)物性食品包括肉類、水產(chǎn)品、蛋類和奶類； 油脂類包括食物油和堅(jiān)果等油脂性食物； 調(diào)味品包括鹽、糖、味精、醋、醬油等日常調(diào)味品； 煙酒茶飲料包括煙類、茶類和飲料類

2015年調(diào)研縣年人均食物總消費(fèi)為3 895.06元/人·年，占總體消費(fèi)的34.1%。農(nóng)戶食物消費(fèi)以糧食類為主，人均支出為957.555元/人·年，占總食物消費(fèi)的30.1%，動(dòng)物性食品和蔬菜水果消費(fèi)較少，煙酒茶飲料消費(fèi)卻不低，占總食物消費(fèi)的15.0%(表1)。

表1 農(nóng)戶食物消費(fèi)情況

表2 外出務(wù)工分類的人均食物消費(fèi)支出情況

將農(nóng)戶按照是否外出務(wù)工分為兩類，進(jìn)行均值T檢驗(yàn)，如表2。雖然是否外出務(wù)工兩類農(nóng)戶的人均食物消費(fèi)總支出差異不顯著，但糧食、蔬菜水果、調(diào)味品和在外用餐食物消費(fèi)具有顯著差異。糧食和調(diào)味品，有外出務(wù)工的農(nóng)戶人均食物消費(fèi)支出明顯高于無外出務(wù)工農(nóng)戶，而在外用餐的人均消費(fèi)支出，無外出務(wù)工的農(nóng)戶顯著較高。由此看出，兩類農(nóng)戶的部分食物消費(fèi)有顯著差異，這一差異很可能來自于外出務(wù)工對(duì)農(nóng)戶食物消費(fèi)的改變。

2 模型構(gòu)建

如該文所述，為了降低外出務(wù)工的內(nèi)生性以及較好的控制樣本選擇偏差，文本采用傾向得分匹配方法研究外出務(wù)工對(duì)農(nóng)戶食物消費(fèi)的影響。傾向得分匹配方法的基本思想是將控制組和處理組的可觀測特征相同或相似的樣本進(jìn)行匹配，以觀察實(shí)驗(yàn)產(chǎn)生的效應(yīng)，社會(huì)實(shí)驗(yàn)通過控制多元變量以達(dá)到滿意的匹配效果非常困難[20]。傾向得分匹配的優(yōu)勢(shì)在于可以通過一定的方法將多元變量濃縮為一個(gè)指標(biāo)——傾向得分(PS)值，然后根據(jù)該值將控制組和處理組進(jìn)行配對(duì)，從而在有效降低自選擇以及內(nèi)生性偏誤的條件下得到更可信的處理效應(yīng)。

基于此，該文將樣本分為兩大類，處理組——有外出務(wù)工的農(nóng)戶個(gè)體樣本，控制組——無外出務(wù)工的農(nóng)戶個(gè)體樣本。兩組樣本由于都生活在貧困地區(qū)，故其生活偏好、消費(fèi)習(xí)慣以及家庭環(huán)境可能都較為類似。對(duì)于處理組，無法同時(shí)獲得有外出務(wù)工和沒有外出務(wù)工的效用，為了獲得反事實(shí)的處理組樣本，即沒有外出務(wù)工的效應(yīng)，E(Y0i|Di= 1)構(gòu)建傾向得分匹配模型，設(shè)定如下：

第一步，構(gòu)建農(nóng)戶食物消費(fèi)影響因素的模型：

Yi=α+β1Di+β2X1i+β3X2i+ε

(1)

式(1)中，Y為被解釋變量，表示農(nóng)戶的食物消費(fèi)狀況；Di為處理變量，表示外出務(wù)工狀況，即該農(nóng)戶是否有外出務(wù)工；Xi為影響農(nóng)戶食物消費(fèi)狀況的一系列因素，其中，X1i為只影響農(nóng)戶食物消費(fèi)的因素，X2i為同時(shí)影響農(nóng)戶食物消費(fèi)和外出務(wù)工的因素；ε為擾動(dòng)項(xiàng)，α為常數(shù)項(xiàng)。該模型表示了外出務(wù)工及其他影響農(nóng)戶食物消費(fèi)因素的共同作用。

第二步，計(jì)算每戶農(nóng)戶外出務(wù)工的傾向得分(PS)值。

首先，構(gòu)建影響農(nóng)戶外出務(wù)工選擇的模型：

Di=α+β2X2i+ε

(2)

根據(jù)式(1)和(2)通過Logit模型估計(jì)構(gòu)建傾向得分模型，計(jì)算處理組的PS值：

(3)

式(3)中，Xi為影響農(nóng)戶食物消費(fèi)狀況的一系列因素，同時(shí)作為傾向得分模型中的協(xié)變量；β為對(duì)應(yīng)的估計(jì)系數(shù)。根據(jù)此模型計(jì)算得出處理組和控制組的平均傾向得分。

第三步，進(jìn)行傾向得分匹配，采用3種常用的匹配方法(最近鄰匹配法、半徑匹配法和核匹配法)進(jìn)行處理組和控制組樣本間的匹配。

第四步，根據(jù)匹配后樣本，計(jì)算平均處理效應(yīng)(ATT)：

ATT=EY1i-Y0i|Di=1=EEY1i-Y0i|Di=1，pXi

=EEY1i|Di=1，pXi-EY1i|Di=0，pXi|Di=1

(4)

式(4)中，Y1i、Y0i分別表示樣本農(nóng)戶在處理組和控制組兩種不同的情形下的食物消費(fèi)狀況。

傾向得分匹配法的特點(diǎn)是創(chuàng)造隨機(jī)試驗(yàn)條件以進(jìn)行處理組及控制組的比較分析，其必須滿足兩個(gè)假設(shè)。第一是條件獨(dú)立假設(shè)。假定存在一系列可以觀測的協(xié)變量X，既影響農(nóng)戶外出務(wù)工的決策，又影響農(nóng)戶的食物消費(fèi)狀況，但反過來不會(huì)受到外出務(wù)工決策的影響?？刂屏诉@組協(xié)變量后，是否外出務(wù)工在樣本中的分配則是隨機(jī)的； 第二是共同支撐假設(shè)。該假設(shè)要求具有某些協(xié)變量特征的樣本個(gè)體，同時(shí)具有外出務(wù)工和無外出務(wù)工的正向概率，即農(nóng)戶有外出務(wù)工和無外出務(wù)工的傾向得分必須有重疊的部分。滿足共同支撐假設(shè)可以提高樣本匹配的質(zhì)量。

該文將年人均食物消費(fèi)總支出的對(duì)數(shù)作為因變量，反映農(nóng)戶整體食物消費(fèi)水平。處理變量是農(nóng)戶是否外出務(wù)工。根據(jù)文獻(xiàn)研究發(fā)現(xiàn)，農(nóng)戶家庭特征、戶主特征、種養(yǎng)殖特征這些變量影響農(nóng)戶外出務(wù)工選擇[3-6]和食物消費(fèi)[28， 30-31]，但不受外出務(wù)工選擇的影響，故該文選取農(nóng)戶家庭特征、戶主特征、種養(yǎng)殖特征和地理位置等因素作為協(xié)變量。其中，農(nóng)戶家庭特征變量包括：教育水平、收入水平、是否有嬰幼兒、是否遭遇自然災(zāi)害、是否為少數(shù)民族、是否有人住院和市場距離； 戶主特征包括：戶主年齡、戶主婚姻兩個(gè)變量； 種養(yǎng)殖特征包括：農(nóng)戶是否在房前屋后種植、是否種地、是否養(yǎng)殖和耕地面積3個(gè)變量。

該文隨后采用Logit模型逐步引入?yún)f(xié)變量進(jìn)行傾向得分估算，選擇既滿足傾向得分平衡性檢驗(yàn)，又有最大Pseudo-R2值的變量組合作為本模型的協(xié)變量。初步選擇變量如表3。

表3 初步選擇變量及描述

表4 變量的描述性統(tǒng)計(jì)結(jié)果

3 實(shí)證結(jié)果分析

3.1 描述性統(tǒng)計(jì)分析

調(diào)研縣農(nóng)戶年人均食物消費(fèi)總支出的對(duì)數(shù)為8.068，有外出務(wù)工人員的農(nóng)戶占總體的52.2%。調(diào)研縣戶主平均年齡52.1歲，戶主婚姻狀況以已婚為主，占總體的91.4%。勞動(dòng)力平均受教育年限為5.5年，表明調(diào)研縣農(nóng)戶平均文化程度為小學(xué)，低于全國農(nóng)村平均水平； 農(nóng)戶人均年收入為1.525 7萬元。調(diào)研縣少數(shù)民族戶較少，僅占總體的14%； 有嬰幼兒的家庭比例為22.2%； 加入合作社的極少，僅占總體的8.4%。調(diào)研縣有負(fù)債的農(nóng)戶較多，占總體的60.5%； 2014年遭遇自然災(zāi)害的農(nóng)戶較多，占總體的61.7%； 有家庭成員住院的占總體的41.5%。此外，種養(yǎng)殖特征變量表明大部分農(nóng)戶家里都有種養(yǎng)殖行為，耕地面積平均0.3hm2。市場距離變量的均值為6.553km，表明農(nóng)戶與市場的距離較遠(yuǎn)。變量的描述性統(tǒng)計(jì)結(jié)果具體見表4。

3.2 模型估算結(jié)果

通過Logit模型逐漸引入?yún)f(xié)變量進(jìn)行傾向得分回歸，同時(shí)檢驗(yàn)處理組以及控制組的傾向得分平衡性，并檢查模型的Pseudo-R2值，選擇既滿足平衡性又使得Pseudo-R2值最大的變量組合。且多重共線性遠(yuǎn)小于10，最大的為1.47，故不存在多重共線性[38]。變量最終選擇及Logit模型結(jié)果見表5。

表5 傾向匹配得分的Logit模型估算結(jié)果

(a)匹配前核密度函數(shù) (b)最近鄰匹配后核密度函數(shù)

(c)半徑匹配后核密度函數(shù) (d)核匹配后核密度函數(shù)圖1 匹配前后PS值的核密度函數(shù)

通過Logit模型計(jì)算傾向得分，因變量為是否外出務(wù)工?；貧w結(jié)果顯示，戶主年齡、教育水平、房前屋后、市場距離以及地域變量對(duì)農(nóng)戶外出務(wù)工有顯著影響，除教育水平之外，其余變量都具有顯著正向影響。

3.3 匹配質(zhì)量檢驗(yàn)

3.3.1 平衡性檢驗(yàn)

經(jīng)過傾向得分匹配后，需要檢查處理組和控制組之間的平衡性問題，即經(jīng)過匹配后，樣本組之間除了農(nóng)戶的食物消費(fèi)存在差異外，協(xié)變量不應(yīng)該存在顯著的系統(tǒng)差異[17]。以最近鄰匹配法為例，對(duì)是否外出務(wù)工兩個(gè)樣本組傾向得分匹配前后的平衡性檢驗(yàn)結(jié)果如表6。匹配前，大部分變量的處理組和控制組的標(biāo)準(zhǔn)偏誤都較大，且通過T檢驗(yàn)顯示大部分變量都有顯著性差異。通過最近鄰匹配之后，除了收入水平之外，其余所有變量的處理組和控制組的標(biāo)準(zhǔn)偏誤都出現(xiàn)了不同程度的消減，兩組的均值更加接近，標(biāo)準(zhǔn)偏誤的絕對(duì)值都在10%以內(nèi)，且T檢驗(yàn)之后都沒有顯著差異。雖然兩組的收入水平偏誤略有增大，但是其標(biāo)準(zhǔn)偏誤的絕對(duì)值還是在10%以內(nèi)，且T檢驗(yàn)顯示依然沒有顯著差異。由此得出，經(jīng)過匹配后，處理組和控制組變量的差異得以控制，之間已沒有統(tǒng)計(jì)差別，基本達(dá)到了類似于隨機(jī)試驗(yàn)的效果，這說明已大大削弱自選擇所導(dǎo)致的估計(jì)偏誤。

表6 傾向得分匹配前后變量平衡性檢驗(yàn)(最近鄰匹配法)

表7 不同匹配方法的匹配質(zhì)量檢驗(yàn)

3.3.2 匹配質(zhì)量

根據(jù)是否外出務(wù)工兩組的傾向得分，采用最近鄰匹配法、半徑匹配法和核匹配法分析比較兩組的食物消費(fèi)水平差異并檢驗(yàn)穩(wěn)健性。表7列出了不同匹配方法的匹配質(zhì)量情況。

從Pseudo-R2值看，不同方法進(jìn)行匹配后，Pseudo-R2值均有不同程度的減少，匹配前變量的Pseudo-R2值為0.0585，采用最近鄰匹配法、半徑匹配法和核匹配法后，Pseudo-R2值分別降到0.002、0.005、0.006，說明匹配后變量消除了系統(tǒng)差異。

從平均標(biāo)準(zhǔn)偏差看，匹配前，變量的平均標(biāo)準(zhǔn)偏差為15.3，通過不同的匹配方法完成匹配后，平均標(biāo)準(zhǔn)偏差都有不同程度的減少。最近鄰匹配法的匹配后，匹配質(zhì)量大大提高，平均標(biāo)準(zhǔn)偏差下降到了2.9，這說明匹配過程能夠很好地匹配處理組和控制組的樣本特征。設(shè)置0.01卡尺范圍的半徑匹配法以及核匹配法匹配之后，匹配質(zhì)量也有所提高，平均標(biāo)準(zhǔn)偏差分別下降到了4.1和4.3。

從t-檢驗(yàn)看，匹配前變量均值的t檢驗(yàn)結(jié)果為110.54，通過不同匹配方法進(jìn)行匹配后，t檢驗(yàn)結(jié)果都大幅減少。t檢驗(yàn)結(jié)果越小，說明處理組和控制組的變量均值在匹配后的差異越小，匹配效果越好。最近鄰匹配法、半徑匹配法和核匹配法的t檢驗(yàn)結(jié)果分別為4.81、9.75和10.90，較110.54有較大的減少。

圖1顯示了不同匹配方法前后的農(nóng)戶PS值核密度函數(shù)，更加直觀地反映了匹配前后的效果?？梢钥闯?，在匹配前處理組和控制組的PS值概率分布存在較為明顯的差異。顯然，如果直接比較處理組和控制組之間的農(nóng)戶食物消費(fèi)差異，所得到的統(tǒng)計(jì)結(jié)果必定是有偏的，而較多研究往往忽視了這一問題。相比之下，利用不同的匹配方法完成匹配后，兩組樣本的PS值概率分布都已非常接近，表明兩組的個(gè)體特征也非常接近。同時(shí)也表明經(jīng)共同支持檢驗(yàn)之后，實(shí)驗(yàn)組和控制組之間存在重疊，匹配效果較好。

3.4 平均處理效應(yīng)分析

采用平均處理效應(yīng)(ATT)分析外出務(wù)工對(duì)農(nóng)戶食物消費(fèi)的處理效應(yīng)。運(yùn)用最近鄰匹配法、半徑匹配法和核匹配法估計(jì)樣本的平均處理效應(yīng)，并采用自抽樣法(Bootstrap)反復(fù)抽樣500次估計(jì)樣本的標(biāo)準(zhǔn)誤，如表8。可以看出，采用3種不同的匹配方法后，外出務(wù)工對(duì)于農(nóng)戶的食物消費(fèi)支出有顯著的正向作用，即外出務(wù)工的農(nóng)戶食物消費(fèi)支出顯著高于非外出務(wù)工農(nóng)戶。不同匹配方法的平均處理效應(yīng)的方向和趨勢(shì)是一致的，但是估算結(jié)果存在著較小的差異，最近鄰匹配法、半徑匹配法和核匹配法的平均處理效應(yīng)分別為0.081、0.077和0.060。出現(xiàn)上述結(jié)果的原因主要是不同匹配方法的共同支撐區(qū)域是不同的，使得不同匹配方法的樣本產(chǎn)生差異。

表8 平均處理效應(yīng)

匹配前，外出務(wù)工農(nóng)戶與非外出務(wù)工農(nóng)戶的人均食物消費(fèi)總支出的對(duì)數(shù)分別為8.064和8.072，且兩者沒有顯著差異，其平均處理效應(yīng)為-0.008。通過3種不同匹配方法匹配后，平均處理效應(yīng)均有提高，方向變?yōu)檎?，且處理組和控制組在10%顯著水平下有顯著差異。采用最近鄰匹配法后，農(nóng)戶的人均食物消費(fèi)總支出的對(duì)數(shù)分別為8.068和7.987，平均處理效應(yīng)為0.081，即在5%顯著水平下，外出務(wù)工農(nóng)戶的人均食物消費(fèi)總支出的對(duì)數(shù)比非外出務(wù)工的農(nóng)戶顯著高0.081個(gè)點(diǎn)； 采用半徑匹配法后，農(nóng)戶的人均食物消費(fèi)總支出的對(duì)數(shù)分別為8.068和7.990，平均處理效應(yīng)為0.077，即在1%顯著水平下，外出務(wù)工農(nóng)戶的人均食物消費(fèi)總支出的對(duì)數(shù)比非外出務(wù)工的農(nóng)戶顯著高0.077個(gè)點(diǎn)； 采用核匹配法后，農(nóng)戶的人均食物消費(fèi)總支出的對(duì)數(shù)分別為8.072和8.013，平均處理效應(yīng)為0.060，即在10%顯著水平下，外出務(wù)工農(nóng)戶的人均食物消費(fèi)總支出的對(duì)數(shù)比非外出務(wù)工的農(nóng)戶顯著高0.060個(gè)點(diǎn)。這表明，考慮了外出務(wù)工的選擇性偏誤和內(nèi)生性問題后，外出務(wù)工會(huì)提高農(nóng)戶的食物消費(fèi)支出，這對(duì)于改善農(nóng)戶的食物消費(fèi)狀況具有重要作用。

通過不同匹配方法的結(jié)果可以看出， 3種匹配方法雖然有所不同，但是結(jié)果相似，這也說明了結(jié)果是穩(wěn)健的，不依賴于具體的方法。從而表明從影響農(nóng)戶食物消費(fèi)支出的諸多因素中將外出務(wù)工單獨(dú)提取出來，以考察其對(duì)食物消費(fèi)的影響效應(yīng)具有一定的可信度與說服力。

4 結(jié)論與啟示

外出務(wù)工對(duì)貧困地區(qū)農(nóng)戶食物消費(fèi)的影響是熱點(diǎn)問題也是重要問題，然而，國內(nèi)對(duì)于這方面的研究少之又少。該文以西部貧困地區(qū)在家成員為研究對(duì)象，運(yùn)用傾向得分匹配方法降低外出務(wù)工的內(nèi)生性并控制樣本選擇偏差以分析外出務(wù)工對(duì)農(nóng)戶食物消費(fèi)的影響。

4.1 結(jié)論

(1)研讀文獻(xiàn)發(fā)現(xiàn)，外出務(wù)工主要通過收入變化、外來的信息或經(jīng)驗(yàn)和人口變化這3方面影響農(nóng)戶的食物消費(fèi)。(2)調(diào)研地區(qū)農(nóng)戶食物消費(fèi)以主食為主，動(dòng)物性食品和蔬菜水果消費(fèi)不多，煙酒茶飲料消費(fèi)卻不低； 是否有外出務(wù)工兩類農(nóng)戶的糧食、蔬菜水果、調(diào)味品和在外用餐食物消費(fèi)都有顯著差異。(3)調(diào)研地區(qū)農(nóng)戶外出務(wù)工能提高農(nóng)戶的食物消費(fèi)水平。傾向得分匹配后，在控制樣本其他特征條件一致的情況下，外出務(wù)工使農(nóng)戶的人均食物消費(fèi)總支出的對(duì)數(shù)最多提高0.081，最少提高0.060。不同的匹配方法形成的匹配集不同而產(chǎn)生了不同的共同支撐區(qū)域，從而導(dǎo)致了平均處理效應(yīng)具有不同程度的損失，但其效應(yīng)的方向和趨勢(shì)是一致的，證實(shí)了外出務(wù)工對(duì)農(nóng)戶食物消費(fèi)的正效應(yīng)，且具有穩(wěn)健性。外出務(wù)工提高農(nóng)戶的食物消費(fèi)水平，這一結(jié)論與Karamba W R等[32]和Nguyen M C等[33]的研究結(jié)論較為一致，但與時(shí)紅艷[13]、袁國方[14]的研究結(jié)論有一定差異，他們的研究結(jié)果顯示外出務(wù)工對(duì)于食品消費(fèi)傾向具有負(fù)向影響或無顯著影響，可能的原因：首先，樣本選擇的差異，該文的樣本是陜西省、云南省、貴州省的6個(gè)貧困縣，而時(shí)紅艷和袁國方采用的是陜西省的農(nóng)村居民數(shù)據(jù)，不針對(duì)貧困地區(qū)； 其次，數(shù)據(jù)的差異，該文的食物消費(fèi)數(shù)據(jù)為上月食物總消費(fèi)，幾乎包含了所有食物，較為全面，而時(shí)紅艷和袁國方學(xué)者研究整體消費(fèi)，不單針對(duì)食物消費(fèi)，食物消費(fèi)的數(shù)據(jù)僅包含經(jīng)常食用的，不全面； 最后，研究內(nèi)容的差異，該文僅研究外出務(wù)工對(duì)食物消費(fèi)的影響，而時(shí)紅艷和袁國方學(xué)者研究的是外出務(wù)工對(duì)消費(fèi)傾向的影響，食物消費(fèi)僅是其中一項(xiàng)，相對(duì)于其他消費(fèi)來說，食物消費(fèi)受到的影響較小，甚至為負(fù)向。

4.2 啟示

首先，從實(shí)證結(jié)果看，外出務(wù)工顯著提高農(nóng)戶的食物消費(fèi)水平，但是外出務(wù)工影響了農(nóng)戶哪些食物的消費(fèi)； 深入到營養(yǎng)層面，到底是改善了貧困地區(qū)農(nóng)戶的營養(yǎng)狀況還是惡化了呢，這些也是值得深入思考和研究的問題，而且對(duì)改善貧困地區(qū)農(nóng)戶食物消費(fèi)與營養(yǎng)狀況的政策制定能提供相關(guān)理論依據(jù)。其次，應(yīng)該更進(jìn)一步研究外出務(wù)工是如何影響農(nóng)戶食物消費(fèi)的，是外出帶來的收入、外出人員的性別、外出的地點(diǎn)、還是在外的持續(xù)時(shí)間等因素影響了農(nóng)戶食物消費(fèi)，這樣才能真正厘清兩者的影響機(jī)制，以期從不同的角度改善農(nóng)戶的食物消費(fèi)狀況。再者，由于數(shù)據(jù)的局限性，沒有將在家人員的消費(fèi)進(jìn)行細(xì)分，如對(duì)兒童食物消費(fèi)的影響，對(duì)老人的影響等。若將人口進(jìn)行細(xì)分，能更好地判斷出外出務(wù)工到底對(duì)哪方面人群的食物消費(fèi)產(chǎn)生較為重要的影響，也有利于政策的更好瞄準(zhǔn)。這也是下一步需要探索的方向。最后，在進(jìn)一步實(shí)施精準(zhǔn)扶貧中應(yīng)加大對(duì)貧困地區(qū)食物消費(fèi)與營養(yǎng)的政策性傾斜研究，關(guān)注其食物消費(fèi)與營養(yǎng)狀況，有針對(duì)性地采取措施增加貧困地區(qū)農(nóng)民的可支配收入，改善貧困地區(qū)農(nóng)戶的食物消費(fèi)結(jié)構(gòu)，提高食物安全與營養(yǎng)水平。