Evolutionary Game and Simulation of Power Plant and Government Behavior Strategy: a Study Based on the Development Perspective of Agricultural and Forestry Biomass Coupled Power Generation Industry
-
摘要:
“双碳”背景下,农林生物质与煤耦合发电成为煤电转型的新路径。政府如何制定有效的补贴和监管政策,以及电厂如何进行正确的策略选择是促进农林生物质与煤耦合发电产业发展的关键。通过构建政府和电厂的混合策略博弈模型,分析双方的博弈关系和行为策略动态演变过程,并运用系统动力学进行建模仿真,进一步探析关键因素对政府和电厂行为策略的影响路径。结果表明:政府和电厂的行为策略在较长时期里无法趋于稳定,而是在相互影响中波动变化。政府制定补贴和监管策略、提高耦合发电收益、降低耦合发电成本,都将促进更多电厂选择农林生物质与煤耦合发电,从而进一步促进产业发展。
Abstract:Under the background of "carbon peaking and carbon neutrality", agricultural and forestry biomass coupled power generation has become a new path of coal power transformation. How the government formulates effective subsidy and supervision policies and how the power plant chooses the right strategy is the key to promoting the development of agricultural and forestry biomass coupled power generation industry. In this paper, a hybrid strategy game model between the government and the power plant was constructed to analyze the game relationship and the dynamic evolution process of the behavior strategy of both sides. Then, system dynamics was used to conduct modeling and simulation and further explore the influence path of key factors on the behavior strategy of the government and the power plant. The results show that the behavior strategies of the government and power plant are not stable in a long period, but fluctuate in the interaction. At the same time, formulating subsidies and supervision policies by the government, improving the benefits of coupled power generation, and reducing the cost of coupled power generation, will promote more power plants to choose agricultural and forestry biomass coupled power generation, and further promote industrial development.
-
促进退耕农户增收,不仅关乎退耕还林成果的巩固和退耕农户的利益,更是实现乡村振兴的应有之义。退耕还林工程实施20多年来,不仅有效改善了生态环境,也对农户收入产生了重要影响[1-3]。在实施退耕还林工程过程中,为弥补退耕地的机会成本,国家向退耕农户直接发放退耕补贴。其中,首轮退耕还生态林补贴为期16年,经济林补贴为期10年。据统计,退耕补贴累计占退耕农户人均纯收入的14.36%,并且退耕地区大多与国家级贫困区高度重合,长期稳定的退耕补贴已然成为退耕农户的重要收入来源[4-5]。然而,为期16年的首轮退耕还生态林补贴已陆续到期[6],生态林作为首轮退耕还林的主要树种,其面积比例要求占首轮工程的80%,由于生长周期较长,加之补助期满后对退耕地上的林木进行采伐有一定的条件限制且维护成本较高、经济收益较少,如果不考虑退耕还林补贴,首轮退耕还林对农户增收的贡献率会很低[7] 。那么,退耕补贴到期是否会因此对农户收入产生不利影响?其影响是否存在异质性?内在机制又如何?对上述问题的探讨,有助于明晰退耕补贴到期与农户收入之间的关系,从而为进一步完善退耕成果巩固长效机制、促进农户增收和实现乡村振兴总目标提供经验证据。
退耕还林补贴作为保证退耕还林顺利实施以及成果巩固的重要政策,其对农户收入的影响备受学界关注。相关研究通常采用OLS(ordinary least squares,简称OLS)模型、Tobit模型和倾向得分匹配等方法进行实证分析,所得出的结论却存在一定差异[2,8]。一部分学者认为在退耕补贴期限内农户的收入得到显著提高,若不计退耕还林补贴,农户退耕后增收效果暂不明显甚至产生负向影响[9-10],这一观点通过2006—2010年国家统计局贫困监测调查数据得到进一步证实,研究发现退耕农户收入增加主要归因于退耕还林补贴[9]。另一部分学者认为退耕补贴在短期内显著提高农户的收入,但这种影响在长期具有不确定性[11]。也有学者关注了退耕补贴对农户收入的异质性影响。譬如退耕规模更大的农户能够获得更多的退耕补贴,从而更有利于缓解农户在农业上的劳动力约束,促使农户通过外出就业等方式进一步实现增收[12]。又如年龄偏大的退耕农户在补贴到期后难以通过生计策略调整弥补其收入损失[13],可能对其收入水平产生不利影响。
现有文献存在以下不足:第一,退耕补贴政策自2015年开始大范围到期,而现有研究鲜有关注到退耕补贴到期这一政策的阶段性变化对农户收入的影响;第二,由于农户参与退耕还林的时间不同,退耕补贴到期的时间也存在一定的差异,传统的双重差分模型难以反映补贴到期这一多时点冲击的情况,进而无法观测补贴到期后退耕农户收入在时间趋势上的变动。鉴于此,本文基于宁夏、甘肃和湖南3省(区)实地调研数据,利用多期双重差分模型研究退耕补贴到期对农户收入的影响效应,并对其具体影响机制进行检验。
一. 理论分析与研究假设
理论上,退耕补贴到期对农户收入可以通过直接效应和间接效应两条路径产生影响。在直接效应方面,退耕补贴到期使农户失去了一项稳定的转移性收入,并使退耕地的机会成本难以得到有效弥补,农户退耕地的边际收益受损[14]。因此,从直接效应来看,补贴到期会对农户转移性收入产生负向影响。
在间接效应方面,退耕补贴到期可能会促使农户生计策略转变。出于维持原有生计水平的考虑,追求福利最大化的农户会在农业土地经营和非农就业之间进行家庭生产要素的再配置。由于退耕还林已经使退耕农户耕地面积减少,补贴到期又使退耕地机会成本升高,加之从事农业土地经营的比较收益偏低,在这种情况下,停止发放补贴间接降低了农户参与非农就业的机会成本[15]。因此,经历退耕补贴到期的冲击后,农户更倾向于参与非农就业[16]。在资本不足和土地要素受限的现实条件下,家庭劳动力可能更多地被配置到边际收益更高的非农部门,进而提升其非农收入,实现增收。此外,补贴到期后,农户还有可能选择将退耕地进行流转,不仅能够获得流转金以及经营分红等财产性收入,还能分配出更多的时间和精力进行生计策略和非农就业的调整,以进一步增加自身收益[17]。因此,从间接效应来看,补贴到期对农户生产经营性收入产生负向影响,对农户工资性收入和财产性收入产生正向影响,导致退耕补贴到期对农户总收入的影响方向难以从理论上作出预期推断,有待进一步实证检验。据此提出假设H1:退耕补贴到期将对农户总收入水平产生显著影响。
根据上述分析,补贴到期后退耕农户在进行生计策略权衡时,更倾向于从事比较优势较高的非农就业[12],通过非农就业收入实现增收。同时,当前中国农村地区工资性收入对农户增收的贡献率最高,其增收贡献基本决定了农户收入整体走势[18]。因此,本文将非农就业作为关键影响路径纳入分析框架,以考察退耕补贴到期对农户总收入的内在影响机制。据此提出假设H2:非农就业在退耕补贴到期与农户总收入水平之间具有中介效应。
二. 数据来源、研究方法与选取变量
一 数据来源
本文选取调研区域为宁夏、甘肃和湖南3省(自治区),原因是:①这3省(自治区)作为中国最早实施首轮退耕还林工程的重点省份,首轮累计退耕还林面积分别为143.98万hm2、87.03万hm2、189.69万hm2,2020年3省(自治区)首轮退耕还林补贴平均约占样本农户总收入的14.27%[13],具有一定的代表性;②这3省( 自治区)分别位于黄河流域和长江流域,契合首轮退耕还林的不同补贴政策标准,从而保证研究对象的全面性;③这3省(自治区)相对贫困问题仍较为突出,返贫风险防控形势严峻[19]。
研究数据来源于2021年7—8月“补偿到期后贫困地区退耕农户行为追踪、驱动因素与成果巩固长效机制研究”课题组在上述3省(自治区)选取11个县(区)的农户问卷调查。结合所选区域退耕还林开展情况,本文选择2001—2005年参与首轮退耕还林的县(区)作为具体调研区域,以此获取到与首轮退耕年份相对应的2016—2020年参与农户的补贴到期情况及收入等数据,在时间维度上确保研究数据的完整性。采用分层随机抽样方法,步骤如下:首先,综合各县(区)退耕还林实施日期和规模,分别在3省(自治区)的贫困县中随机抽取3 ~ 5个县(区);其次,在每个样本县(区)中随机抽取2 ~ 3个乡镇,每个乡镇中随机抽取1 ~ 3个村庄;最后,在每个村庄随机抽取20 ~ 30户农户进行问卷调查,共获得样本1040份。在调研过程中,为了解决部分农户往年数据可能存在的偏差,对退耕补贴到期相对较早农户的土地种植、流转情况及非农就业等方面的变动情况详细记录,并依托村委会、村民小组辅助佐证相关信息,通过查阅包括建档立卡等农户档案及部分农户家庭日记账等,对所获数据信息进一步核实,并将农户所填问卷偏差较大、关键信息漏答的样本予以剔除。在此基础上,对获得的调研数据进行信度和效度检验,Cronbach's α值为0.736,超过临界值0.7,表明数据具有较好的信度;KMO(Kaiser-Meyer-Olkin,简称KMO)值大于0.7,Bartlett球形检验统计量达到1%的显著性水平,说明数据间相关性较高,具有良好的结构效度。最终获得897份有效问卷。
二 研究方法
1 多期双重差分模型
由于首轮退耕补贴到期存在时间不一致的特征,本文参考已有文献[20-21],利用多期双重差分模型探究退耕补贴到期对农户收入的影响,将所有样本农户中补贴未到期的农户作为对照组,补贴已到期的农户作为处理组,具体模型设定如下。
$$ {Y_{it}} = \beta( {T_i} {P_{it}} ) + \gamma {X_{it}} + {\lambda _i}+ {\rho _t} + {\varepsilon _{it}} $$ (1) 式中:$ {Y_{it}} $是第$ i $个农户在第$ t $年总收入及各项收入的对数值;$ {T_i} $为标记处理组的虚拟变量,处理组农户取值为1,否则为0;$ {P_{it}} $为标记处理效应时期的虚拟变量,若$ t $大于等于第$ i $个农户补贴到期年份,则取值为1,否则为0;交互项$ {T_i} \times {P_{it}} $即为各农户退耕补贴到期情况;$ \;\beta $是需要关注的核心参数,衡量了退耕补贴到期对农户总收入及各项收入的平均处理效应,若退耕补贴到期对农户收入产生负向影响,则该系数估计值应显著为负,反之为正;$ {X_{it}} $为影响农户收入的一系列控制变量;γ为控制变量的待估参数;$ {\lambda _i} $和$ {\rho _t} $分别为个体和年份固定效应;$ {\varepsilon _{it}} $为随机误差项。本文对式(1)所示的多期双重差分模型进行个体时点双向固定效应回归。
2 三重差分模型
为了进一步分析退耕补贴到期后因农户禀赋特征不同对其收入水平可能产生的异质性影响,本文借鉴已有文献[12-13],从退耕规模和年龄两方面考虑,通过构造三重差分模型检验退耕补贴到期对农户收入的影响是否存在异质性。以农户退耕规模差异为例,具体模型设定如下。
$$ \begin{split} {Y_{it}} = &\;{\alpha _1}({T_i} {P_{it}} ){S_i} + {\alpha _2}({T_i} {P_{it}} )+ {\alpha _3}{T_i} {S_i}{\text{ + }} \\ &\;{\alpha _4}{T_{it}} {S_i} + \omega {X_{it}} + {\lambda _i} + {\rho _t} + {\varepsilon _{it}} \end{split} $$ (2) 式中:$ {S_i} $表示退耕规模虚拟变量,根据分位数分组的思想,以25%和75%分位点为界,将农户退耕规模分为小、中、大3组,在此基础上,用$ {S_i} $与${T_i}{P_{it}}$构造三重交互项;${\alpha _1} $是需要关注的核心参数,衡量了退耕规模变化对补贴到期收入效应影响的差异性;$ {\alpha _2}$反映了退耕补贴到期情况的待估参数;$ {\alpha _3} $为分组变量与退耕规模交互项的待估参数;$ {\alpha _4} $为标记处理效应的时期变量与退耕规模交互项的核心参数;$\omega $为控制变量的待估参数。在年龄方面,参考杨进等[22]的做法,生成年龄虚拟变量$ {A_i} $,对于有60岁及以上老年劳动力的农户家庭,该变量取值为1,否则为0;${\alpha _5} $为核心参数,衡量了年龄对补贴到期收入效应影响的差异性;$\alpha _6 $反映了退耕补贴到期情况的待估参数;$\alpha _7 $为分组变量与年龄变量交互项的待估参数;$\alpha _8 $为标记处理效应的时期变量与年龄变量交互项的待估参数;$\xi $为控制变量的待估参数,其余变量与前文相同。具体模型设定如下。
$$\begin{split} {Y_{it}} =&\; {\alpha _{\text{5}}}({T_i}{P_{it}}){A_i} + {\alpha _{\text{6}}}({T_i}{P_{it}} )+ {\alpha _{\text{7}}}{T_i} {A_i} + \\ &\;{\alpha _{\text{8}}}{P_{it}} {A_i} + \xi {X_{it}} + {\lambda _i} + {\rho _t} + {\varepsilon _{it}} \end{split} $$ (3) 三 选取变量
本文选取变量如下:①被解释变量为农户收入水平,以农户总收入来衡量,为保证数据的平稳并削弱模型的异方差性,对农户总收入进行对数化处理。基于研究目的和前文分析,为了更好地说明退耕补贴到期对总收入的内在影响机理,借鉴已有研究[8],本文将农户总收入划分为生产经营性收入、工资性收入、转移性收入和财产性收入4个部分,并取对数赋值。②核心解释变量。农户退耕补贴到期情况是本文的核心解释变量,当农户处在退耕补贴到期当年及以后年份时赋值为1,否则为0。③控制变量。基于实地调查情况并结合前人做法[23-25],控制变量包括户主特征和家庭资源禀赋特征两大类。其中,户主特征包含户主年龄、户主受教育年限;家庭资源禀赋特征包括健康状况、家庭人口数、抚养负担、是否为建档立卡户、农地面积、林地面积、退耕地面积和退耕树种。此外,考虑到退耕农户收入水平和结构可能受农户所在区域特征的影响,引入地区虚拟变量控制区域固定效应。具体的变量及描述性统计分析如表1所示。
表 1 变量定义及描述性统计变量名称 变量说明或单位 均值 标准差 最小值 最大值 农户总收入 农户总收入取对数 10.657 1.276 3.466 13.885 生产经营性收入 生产经营性收入取对数 4.670 4.483 0.000 13.831 工资性收入 工资性收入取对数 8.307 4.650 0.000 12.628 转移性收入 转移性收入取对数 8.044 1.689 0.000 11.838 财产性收入 财产性收入取对数 0.318 1.482 0.000 9.393 退耕补贴到期情况 退耕补贴到期当年及以后年份为 1,未到期 为0 0.353 0.478 0 1 户主年龄 58.291 11.601 26 91 户主受教育年限 年 6.176 4.172 0 16 健康状况 家中有残疾人或重大疾病患者赋值为1,其余为0 0.032 0.176 0 1 家庭人口数 4.545 1.738 1 11 抚养负担 15岁及以下儿童、65岁及以上老人占家庭总人口比例 0.266 0.260 0.000 1.000 是否为建档立卡户 是 = 1,否 = 0 0.501 0.500 0 1 农地面积 hm2 0.844 1.398 0.000 4.367 林地面积 hm2 0.363 0.481 0.000 2.640 退耕地面积 hm2 0.571 0.779 0.000 8.853 退耕树种 生态林 = 1,经济林 = 0 0.870 0.337 0 1 所在地区 宁夏 = 1,甘肃 = 2,湖南 = 3 2.261 0.810 1 3 三. 结果与分析
一 基准回归
本研究借鉴Beck等[20]的做法,使用事件研究法进行平行趋势检验。结果显示,处理组和对照组的农户收入在退耕补贴到期前不存在显著差异,符合平行趋势的假设前提。本文通过多期双重差分模型,分析退耕补贴到期对农户总收入的平均处理效应,基准回归结果见表2。可以发现,无论是否引入控制变量,退耕补贴到期对农户总收入均在1%的水平上显著为正,表明受到退耕补贴到期的冲击后,农户总收入水平未降反升,假设H1成立。
表 2 退耕补贴到期对农户收入的影响被解释变量 农户总收入 生产经营性收入 工资性收入 转移性收入 财产性收入 未加入
控制变量加入控制
变量未加入
控制变量加入控制
变量加入控制
变量加入控制
变量加入控制
变量加入控制
变量补贴到期情况
(${T_i} {P_{it} }$)0.109***(0.025) 0.102***(0.026) −0.025(0.107) 0.186***(0.031) −0.095***(0.035) 0.079(0.050) 补贴到期当年
(D0)0.074***(0.027) 0.066***(0.027) 补贴到期后
第1年(D1)0.163***(0.036) 0.158***(0.036) 补贴到期后
第2年(D2)0.097***(0.037) 0.100***(0.039) 补贴到期后
第3年(D3)0.045(0.059) 0.056(0.051) 补贴到期后
第4年(D4)0.021(0.051) 0.043(0.063) 固定效应 控制 控制 控制 控制 控制 控制 控制 控制 样本数 4 485 4 485 4 485 4 485 4 485 4 485 4 485 4 485 R2 0.216 0.236 0.253 0.282 0.227 0.203 0.217 0.264 注:***表示p < 0.01,括号内为稳健标准误。 进一步估计退耕补贴到期对农户收入结构的处理效应(见表2)。其中,退耕补贴到期对农户生产经营性收入影响为负,但并不显著;对农户工资性收入的影响在1%水平上显著为正;对农户转移性收入的影响在1%水平上显著为负;而对农户财产性收入影响为正,同样不显著。这些结果表明,退耕补贴到期会促使农户调整生计策略,农户收入结构发生变动,使得农户工资性收入的增长能充分抵消补贴到期所带来的收入损失,最终使农户总收入水平未降反升。据此下文进一步检验影响机制。
此外,参考黄溶冰等[26]的做法,本文分别定义从补贴到期当年至第4年变量,即D0、D1、D2、D3、D4进行动态性检验。如表2所示,补贴到期收入效应在补贴到期当年就已初步显现,且这种效应在补贴到期第1年达到最大值,此后不断下降,直到补贴到期第3年不再显著。从回归系数看,补贴到期第1年收入的影响系数达到最大,从补贴到期后第2年开始回归系数呈现逐年降低的趋势,说明随补贴到期时间的推移,其带来的正向影响呈现出由强到弱的趋势。原因可能在于,农户受到补贴到期的冲击后对家庭劳动要素的配置调整需要一定的时间,且劳动力的非农就业转移也需要经过一个从寻求工作机会到适配岗位的过程,存在一定的时滞性[27],因而补贴到期带来的影响并非在补贴到期当年达到峰值。此外,随着时间推移农户因补贴到期而进行的生计活动也趋于稳定,从而使补贴到期的收入效应在达到峰值后逐渐减弱。
二 稳健性检验
1 基于倾向得分匹配法的检验
本文采用倾向得分匹配法消除样本选择偏差造成的估计偏误,并再次使用多期双重差分模型对补贴到期的收入效应进行因果识别,利用Logit模型计算农户的倾向得分,运用半径匹配方法对样本农户进行匹配以保证补贴到期组和未到期组之间具有同质性和趋势一致性假定成立。结果表明匹配后处理组和对照组之间并不存在显著差异,匹配效果良好。基于上述方法得到匹配样本后,再利用多期双重差分模型进行估计。回归结果如表3所示,补贴到期对农户总收入的回归系数仍然在1%水平下显著为正,且系数大小与基准回归结果相差较小,说明基准回归估计结果具有一定的稳健性。
表 3 匹配后样本回归结果被解释变量 农户总收入 未加入控制变量 加入控制变量 补贴到期情况(${T_i}{P_{it} }$) 0.105***
(0.026)0.098***
(0.026)固定效应 控制 控制 样本数 4465 4465 R2 0.232 0.256 注:***表示p < 0.01,括号内为稳健标准误。 2 安慰剂检验
为了进一步排除其他因素对估计结果产生的影响,本文根据反事实检验思想,设计安慰剂检验鉴别补贴到期对农户总收入的影响是否客观存在。参考钱雪松等[28]的做法,将农户补贴到期时点分别提前1年和2年,构造虚拟的补贴到期时间,然后使用多期双重差分模型进行估计。如果是其他因素导致目前的结果,或无论补贴政策到期与否,农户总收入都会有所提高,那么把补贴到期时间提前,也应当表现出目前结果。从表4可以发现,不论将补贴到期时间提前1年还是2年,补贴到期对农户收入水平的影响均不显著,这也从侧面印证了本文结论具有较好的稳健性。
表 4 改变补贴到期时间的安慰剂检验被解释变量 提前1年 提前2年 未加入
控制变量加入控制
变量未加入
控制变量加入控制
变量补贴到期
情况(${T_i} {P_{it} }$)0.002(0.054) 0.009(0.051) 0.042(0.057) 0.037(0.052) 固定效应 控制 控制 控制 控制 样本数 4 485 4 485 4 485 4 485 R2 0.157 0.189 0.177 0.282 注:括号内为稳健标准误。 三 异质性分析
退耕补贴依据退耕地的实际面积进行发放,农户退耕规模不同,补贴到期对农户收入的冲击响应也可能不同。由于老年农户和中青年农户的劳动能力存在差距,受补贴到期影响的程度可能因年龄不同而存在一定差异。因此,本文将补贴到期情况分别与退耕规模虚拟变量和年龄虚拟变量构造三重差分模型,估计结果见表5。可以发现:①无论加入控制变量与否,补贴到期情况与退耕规模的交互项回归系数均在1%的水平上显著为正。这表明,相对于中等及以上规模的退耕户,补贴到期对小规模退耕户收入水平的促进作用更弱。可能原因是,相较于小规模退耕户,中等及以上规模退耕户会因补贴到期损失更多机会成本,为了继续维持生计并出于收益最大化考虑,其调整生计策略的动机和实施可能性更大,会更加积极地寻求非农就业,最终使其收入效应更明显。②补贴到期情况与年龄的交互项回归系数在1%的水平上显著为负。这表明,相对于中青年组农户,补贴到期对老年组农户收入水平有显著负向影响。可能是由于年龄的限制,老年组农户的劳动能力、适应能力及应对风险冲击能力处于相对劣势,且本身缺乏通过其他渠道实现增收的主观意愿,导致收入渠道较为单一,补贴到期后难以通过调整生计策略来扭转补贴到期的损失。
表 5 退耕规模和农户年龄的异质性估计结果引入退耕规模 引入农户年龄 未加入
控制变量加入控
制变量未加入
控制变量加入控
制变量退耕规模($ S $)$\times 补贴 $
到期情况(${T_i}{P_{it} }$)0.114***
(0.029)0.109***
(0.029)农户年龄($ A $)$\times 补贴 $
到期情况(${T_i} {P_{it} }$)−0.126***
(0.039)−0.114***
(0.039)补贴到期情况
(${T_i} {P_{it} }$)0.062**
(0.059)0.053**
(0.058)0.148***
(0.032)0.138***
(0.032)固定效应 控制 控制 控制 控制 样本数 4 485 4 485 4 485 4 485 R2 0.315 0.349 0.284 0.307 注:**表示p < 0.05,***表示p < 0.01;括号内为稳健标准误。 四 影响机制分析
基于前述分析及退耕补贴到期对工资性收入呈现显著正向影响的实证分析结果,下面将非农就业纳入分析框架,进一步验证补贴到期对农户收入水平的影响机制。参考中介效应分析框架[29-30],在式(1)的基础上,构建如下方程。
$$ {M_{it}} = {\beta _1}({T_i} {P_{it}}) + \psi {X_{it}} + {\lambda _i} + {\rho _t} + {\varepsilon _{it}} $$ (4) $$ {Y_{it}} = {\beta _2}({T_i} {P_{it}}) + \eta {M_{it}} + \zeta {X_{it}} + {\lambda _i} + {\rho _t} + {\varepsilon _{it}}$$ (5) 式中:考虑到存在一定数量的农户在退耕补贴到期前就已经从事非农就业,为了更好地观测补贴到期前后农户家庭非农劳动力的比例变动,本文参考严中成等[31]的做法,用农户家庭的非农就业率Mit来表征农户非农就业;$\; {\beta _1} $表示退耕补贴到期对农户非农就业率的效应;$ \eta $表示控制了补贴到期情况后,农户家庭非农就业率对农户收入的效应;$ \;{\beta _2} $表示控制了中介变量非农就业率的影响后,退耕补贴到期对农户收入水平的直接效应;$\; {\beta _1} \times \eta $为非农就业率在退耕补贴到期与农户收入关系中的中介效应;$ {X_{it}} $为影响农户收入的一系列控制变量;$ \psi、\zeta $分别为控制变量的待估参数,其余变量含义与前文相同。
表6显示退耕补贴到期对农户非农就业率的影响系数在1%水平上显著,说明补贴到期有助于促进农户非农就业。考虑补贴到期情况,农户非农就业率对其收入的影响系数在1%水平上显著,说明参与非农就业能够促进农户收入水平的增加,这与蔡洁等[32]的研究结论相一致。非农就业在退耕补贴到期与农户收入水平的关系中起中介作用,假设H2成立。此外,控制了中介变量农户非农就业率的影响后,退耕补贴到期对农户收入的直接效应为−0.020,且在1%水平上显著。直接效应与间接效应的影响方向相反,且间接作用更强,说明非农就业能在一定程度上缓解补贴到期给农户收入带来的不利影响。
表 6 影响机制分析被解释变量 非农就业率 农户总收入 加入控制变量 加入控制变量 ${T_i} {P_{it} }$ 0.301***(0.012) −0.020***(0.025) Mit 0.405***(0.029) 固定效应 控制 控制 样本数 4 485 4 485 R2 0.204 0.249 注:***表示p < 0.01,括号内为稳健标准误。 四. 结论与建议
一 结 论
本文基于宁夏、甘肃和湖南897户农户实地调研数据,采用多期双重差分模型评估退耕补贴到期对农户收入水平的影响,并剖析该影响的异质性和内在影响机理。结果表明:①受到退耕补贴到期的冲击后,农户通过参与非农就业实现增收,从而使其总收入水平未降反升,这种影响效应在退耕补贴到期当年便已初步显现,并随时间推移呈现出由强到弱的趋势。②异质性分析发现,退耕补贴到期对小规模退耕户收入水平的促进作用相对较弱,而对老年组农户收入水平则会产生显著负向影响。
二 建 议
基于研究结论,笔者提出如下建议:①增强农户转移就业能力。按现行政策首轮退耕补贴已全面到期,政府应加强组织补贴到期农户的职业技能培训和就业指导,并通过各种途径及时提供非农就业信息,增强农户转移就业的能力,引导农户树立市场主体和竞争意识,帮助和促使其依靠自身能力提高收入。同时,依托当地特色优势产业,为农户提供更多的就业岗位和机会,扩大收入来源。②制定差异化帮扶措施。在兼顾效率和公平原则下,充分考虑退耕农户的差异性,帮扶方向和各种惠农政策适度向老年农户倾斜,使退耕补贴到期后农户收入和生活水平能够维持稳定。③及时出台退耕还林后续政策。考虑农户长远生计问题,需要完善退耕还林成果巩固长效机制,将国家财政补偿与市场化补偿相结合,对划入国家生态功能区的退耕地,继续通过其他生态补偿项目给予农户生态补偿并适度提高标准,对未被划入的退耕地应赋予农户一定的处置权,发展特色优势产业,如森林旅游、乡村旅游,促进退耕还林的生态价值实现,增加农户收入,以有效保障退耕农户的利益并巩固退耕还林成果。
-
表 1 电厂和政府的收益支付矩阵
电厂的策略 政府的策略 监管并补贴(y) 不监管不补贴(1−y) 选择耦合发电(x) $ \mathrm{\rm{EC}}_b+S+B-C,{\rm{EN}}_b-S-M $ $ \mathrm{\rm{EC}}_b+B-C,{\rm{EN}}_b $ 不选择耦合发电(1−x) $ \mathrm{\rm{EC}}_c-F,F-M-G $ $ \mathrm{\rm{EC}}_c,-G $ 表 2 系统各均衡点的稳定性分析
局部均衡点 det(J) tr(J) 性质 (0,0) − $ \pm $ 不稳定 (1,0) − $ \pm $ 不稳定 (0,1) − $ \pm $ 不稳定 (1,1) − $ \pm $ 不稳定 ($ {x}^{*} $,$ {y}^{*} $) − 0 鞍点 -
[1] 王灿,张雅欣. 碳中和愿景的实现路径与政策体系[J]. 中国环境管理,2020,12(6):58-64. [2] BONGAARTS J. Intergovernmental panel on climate change special report on global warming of 1.5℃ Switzerland:IPCC,2018[J]. Population and Development Review,2019,45(1):251-252. doi: 10.1111/padr.12234
[3] 张彩虹,张兰. 低碳经济与林木生物质能源发展[M]. 北京:中国林业出版社,2015:22-23. [4] AGBOR E,OYEDUN A O,ZHANG X L,et al. Integrated techno-economic and environmental assessments of sixty scenarios for co-firing biomass with coal and natural gas[J]. Applied Energy,2016,169:433-449. doi: 10.1016/j.apenergy.2016.02.018
[5] 杨卧龙,倪煜,雷鸿. 燃煤电站生物质直接耦合燃烧发电技术研究综述[J]. 热力发电,2021,50(2):18-25. [6] 毛健雄. 燃煤耦合生物质发电[J]. 分布式能源,2017,2(5):47-54. [7] 于立宏,孔令丞. 产业经济学[M]. 北京:北京大学出版社,2017. [8] 任世华,曲洋. 煤炭与新能源深度耦合利用发展路径研究[J]. 中国能源,2020,42(5):20-23,47. doi: 10.3969/j.issn.1003-2355.2020.05.005 [9] 高金锴,佟瑶,王树才,等. 生物质燃煤耦合发电技术应用现状及未来趋势[J]. 可再生能源,2019,37(4):501-506. [10] 王强. 生物质能耦合发电的产业政策与经营模式[J]. 中国电力企业管理,2017(34):70-71. [11] 高旭阔,席子云. 组合措施下政府与企业排污行为演化博弈[J]. 中国环境科学,2020,40(12):5484-5492. doi: 10.3969/j.issn.1000-6923.2020.12.046 [12] NASIRI F,ZACCOUR G. An exploratory game-theoretic analysis of biomass electricity generation supply chain[J]. Energy Policy,2009,37:4514-4522. doi: 10.1016/j.enpol.2009.06.008
[13] TAN Q,WANG T,ZHANG Y,et al. Nonlinear multi-objective optimization model for a biomass direct-fired power generation supply chain using a case study in China[J]. Energy,2017,139(15):1066-1079.
[14] ZHANG X,LUO K,TAN Q. A game theory analysis of China's agri-biomass-based power generation supply chain:a co-opetition strategy[J]. Energy Procedia,2017,105:168-173. doi: 10.1016/j.egypro.2017.03.297
[15] 张晟义,张杰,陈明月,等. 农业生物质发电原料供应链博弈分析:基于不完全信息非合作视角[J]. 河南科技大学学报(社会科学版),2021,39(4):35-42. [16] 黄弋华. 生物质能资源化主体决策博弈和政策仿真研究[D]. 南昌:江西农业大学,2021. [17] 宗宇婷,向丽. 生物燃料补贴的博弈分析[J]. 中外企业家,2017(26):115,117. doi: 10.3969/j.issn.1000-8772.2017.26.076 [18] ZHAI M,ZHANG X,CHENG F,et al. A game-theoretic analysis of the government's role on the biomass supply chain construction[J]. International Journal of Ambient Energy,2017,38(5):1-29.
[19] 孙依. 煤粉锅炉耦合生物质发电系统技术经济分析[D]. 武汉:华中科技大学,2018. [20] 毛健雄,郭慧娜,吴玉新. 中国煤电低碳转型之路:国外生物质发电政策/技术综述及启示[J]. 洁净煤技术,2022,28(3):1-11. [21] 乔根·W.威布尔. 演化博弈论[M]. 王永钦,译.上海:上海人民出版社,2006. [22] FRIEDMAN D. Evolutionary games in economics[J]. Econometrics,1991,59(3):637-666. doi: 10.2307/2938222
[23] 约翰·D. 斯特曼. 商务动态分析方法[M].朱岩,钟永光,译. 北京:清华大学出版社,2008. -
期刊类型引用(2)
1. CUI Yunxia,LIU Xiaopeng,JIANG Chunmei,TIAN Rujun,NIU Qingrui. Influencing Factors and Prediction of Risk of Returning to Ecological Poverty in Liupan Mountain Region, China. Chinese Geographical Science. 2024(03): 420-435 . 必应学术
2. 刘义花. 退耕还林工作中存在的问题及对策. 河北农机. 2024(09): 166-168 . 百度学术
其他类型引用(5)