大熊猫是中国特有的珍稀物种，常年来被收录于《濒危野生动植物种国际贸易公约》附录I、世界自然保护联盟红色名录和中国国家重点保护野生动物名录中，被称为世界生物多样性保护领域的“旗舰物种”。较差的繁殖能力、单一的食源和对特定栖息地的高度依赖性意味着对野生大熊猫种群的保护始终面临着较大压力。随着近年来大熊猫栖息地周边的人口增长速度和经济发展速度加快，这种保护压力不降反增^[1]。人类不断扩大的社会经济活动范围不可避免地与野生大熊猫的活动区域发生重叠，进而使得大熊猫栖息地生境及其取食行为受到严重的人为干扰。特别是在当前大熊猫栖息地孤岛化、破碎化严重的情况下，人类社会经济活动的干扰会加剧大熊猫局部种群灭绝的风险。

长期以来，中国政府不断加大大熊猫及其栖息地保护的力度，采取了众多行之有效的保护措施。中国从1963年起先后建立了67个大熊猫保护区，经2018年整合相关保护区后，又特别设立了一个涉及四川、陕西、甘肃三省的大熊猫国家公园。2015年全国第四次大熊猫调查报告显示，我国野生大熊猫种群数量达到 1 864 只，相比第三次调查结果增长了16. 8%^[2]，保护成就斐然。然而在我国大熊猫保护地域的居民社区，常常存在着明显的区域性经济落后现象^[3]。由于缺乏替代生计选择，保护地周边社区居民通常过度依赖自然资源作为主要生计来源^[4]。因此在诸多因素的影响下，人类的社会经济活动始终是大熊猫及其栖息地的主要干扰因素。研究表明，割竹打笋行为是大熊猫栖息地受到干扰的重要因素之一^[5]。大熊猫栖息地的居民将竹子、竹笋作为建材和食材的传统由来已久，此外还会在市场上将其出售以获取收入^[6]。然而对大熊猫来说，主食竹是其主要的食物来源^[7]，也是其适应栖息地环境的关键生境因子之一^[8]。一方面，过度的割竹打笋行为会对主食竹群落的更新恢复产生负面影响^[9]，另一方面这种行为会刺激大熊猫对人类活动痕迹产生回避。大熊猫栖息地因此逐渐缩小与破碎化，进一步影响了大熊猫的觅食策略、季节移动和个体生长发育^[5]，最终对野生大熊猫种群的生存发展造成威胁。因此，深入了解与分析全国第四次大熊猫调查以来大熊猫栖息地周边社区割竹打笋情况的变化及其影响因素，对保护地管理机构进一步完善相关管理对策，更好地协调社区居民此项生计活动与大熊猫保护的关系，具有直接的指导意义。

一.   文献综述

以往有关大熊猫栖息地干扰活动的驱动因素研究主要集中在国内。相关研究可以分为两个层次，一是针对周边社区居民对大熊猫保护地及其生境因子的影响研究，二是大熊猫栖息地保护及其主食竹的关联性研究。21世纪初，肖燚等^[10]对岷山地区的大熊猫栖息地进行了研究，基于遥感数据分析得出结论，认为人类活动极大程度地影响了大熊猫的栖息场所，因此保护大熊猫就要从减少人为因素对其生境的消极影响入手。冉江洪等^[11]以小相岭大熊猫栖息地为例，利用样方法详细分析了大熊猫栖息地的干扰因素，结果表明周边人类活动确实对大熊猫保护产生了一定程度的负面效应，特别是割竹打笋行为影响较大，需要更多的人为干预。此后部分学者针对不同的大熊猫栖息地，如对白水江^[12]、青木川^[13]等自然保护区进行分析，进一步论证了人类活动对大熊猫生境的影响。秦青等^[1]、宋莎等^[14]多次在四川、陕西等大熊猫重点栖息地调查了社区居民的自然资源利用方式、自然资源依赖度以及影响其依赖程度的因素，研究表明，割竹打笋等自然资源采集活动是大熊猫栖息地周边居民常见的生计方式之一。这一阶段，T检验、Logit模型、Probit模型、Tobit模型及最小二乘法（OLS）等作为主要研究方法和范式，用来分析居民采取哪种或哪些方式获取自然资源的驱动因素。与保护地影响因素的研究类似，大多数大熊猫栖息地的研究认为研究对象的个体特征、家庭特征、农户居住地特征等是重要的驱动因素^[15]。此外，周世强等^[16]着眼于大熊猫与放牧家畜采食竹子行为的比较研究，为“通过限牧和产业结构调整的方式解决大熊猫保护的困难”提供了理论依据。刘香东等^[17]在四川省洪雅县瓦屋山镇对八月竹进行了竹笋生长的试验，通过独立样本t检验分析了不同时间采笋对发笋量的影响，进而从规制居民割竹打笋的时间段的角度提出了应对策略。此后亦有杨荔钧^[18]、白文科^[19]等进行了类似研究，进一步论证了采取措施以降低居民割竹打笋行为对大熊猫生存威胁程度的必要性。

纵观当前的研究成果，很少有人专门探究社区居民割竹打笋这一重要干扰行为背后的驱动因素。对栖息地周边居民行为驱动因素的研究现阶段尚不足够，精细化、具体化程度也有待提高。因此，本文以四川省天全、宝兴两县大熊猫栖息地周边的社区居民为研究对象，根据收集到的数据，进行相关性分析。同时使用斯皮尔曼相关性分析和二元Logistic模型对提出的假设进行验证，旨在了解大熊猫主食竹资源利用活动的现状，分析影响社区居民利用主食竹资源的驱动因素，最后从协调社区发展和大熊猫栖息地保护的角度，提出针对性的策略。

二.   理论假设、数据来源和样本概况

一   理论分析与研究假设

农户是追求期望目标最优化的理性人。农户行为的选择标准是预期效用最大化，根据预期效用最大化选择的行动能够最好地满足个人对收益的偏好^[20]。大熊猫栖息地周边居民之所以选择割竹打笋作为生计策略之一，很大程度上取决于对选择该种生计策略所获效用的预期。生计策略是生计活动的组合，是通过不同的生计活动实现的。生计策略选择理论认为，生计策略的选择不是自由的，是受农户个体特征、社会经济资产以及外部环境共同影响和调节的，因此，农户的生计选择结果是以上几大因素组合下效用最大化的结果。社区居民割竹打笋也是生计策略的选择问题，邛崃山系的竹资源丰富，分布的主食竹有6属19种^[21]，对社区居民来说较容易获取。此外，《中国农产品价格调查年鉴》显示，2012—2019年，四川省竹材采伐产品价格持续走高，每年同比增长1% ~ 3%。相比之下，林业产品综合价格在该时间段波动较大，2016年同比增长率甚至为−1.05%，同期农产品综合价格虽稳定上升，但各种农产品价格也处于升降不一的波动状态，因此割竹打笋不可避免会成为部分大熊猫栖息地社区居民的重要生计选择。此外受自然条件的影响，大熊猫栖息地的居民大多以农林业生产活动为主要生计选择。若要对社区居民的生计策略选择进行规制，一是从选择面的角度入手，即限定社区居民生计策略的选择范围；二是从支持农户选择的基本条件入手，也就是调整农户的生计资本。

英国国际发展署（Department for International Development，简称DFID）提出的可持续生计框架，把农户看作在一个脆弱的背景中生存或谋生，农户拥有的人力、自然、物质、金融和社会5种生计资本会产生持续的生计结果，而生计结果又会反作用于生计资本^[22]。此外，DFID还认为，生计资本是实现农户生计策略变动的基础，农户生计资本的数量和多样化会促进农户生计策略多样化^[23]。可见，生计资本应当是影响居民生计策略选择最主要的因素。社区居民家庭生计资本水平高，使其敢于更灵活地发展替代生计策略，进行生计转型，从而可能减少对竹资源的利用。

综上，提出假设H1：社区居民家庭生计资本水平越高，减少竹子资源利用的可能性就越大。生计策略越丰富，农户可以维持相应生计水平的选择就越多，割竹打笋的替代性生计活动也就越多。对大熊猫栖息地附近居民而言，大部分还是以农林业生产活动为主要生计，非农就业机会多的居民往往生计策略选择更为丰富。据此提出假设H2：社区居民家庭生计策略选择越丰富，对栖息地内竹子资源的依赖程度越低。基于自然保护地的特殊性，各类生态政策往往倾向于对当地居民的部分生计策略进行干预。而理性的居民也会根据外部政策的变化进行理性决策进而调整其生计策略^[24]。研究表明，生态保护政策如退耕还林^[25]、生态补偿^[26]、生态移民^[27]等都对社区居民的生计策略选择具有显著影响。为了保护野生大熊猫栖息地的天然竹资源，部分政策法规也在限制社区居民摄取自然资源方面做出了规定。因此可以合理假设H3：相关政策、法律法规对社区居民利用竹子资源存在抑制作用。此外，考虑到同一栖息地居民的个体特征各不相同，从已有的研究成果来看，性别、年龄、受教育程度^[28]、家庭人口^[29]等居民个体基本特征也可能影响诸如割竹打笋的生计策略。故提出假设H4：社区居民的个体特征使得其利用竹子资源的行为存在差异性。

本调查问卷在充分考量生计资本框架的基础上，对框架的每一部分都筛选了相应的指标，以用做后期分析影响因素的依据。关于栖息地居民个体及家庭的基本特征，问卷中选取了性别、年龄、受教育程度、家庭人口数等作为影响因素的衡量指标；关于栖息地居民的生计问题，问卷中根据可持续生计理论，以耕地规模、住房面积、家庭年收入等作为生计资本影响因素的衡量指标，以家庭收入主要来源、家庭粮食获取渠道等作为生计策略影响因素的衡量指标；栖息地居民对相关问题的认知水平，则包括是否了解有关大熊猫保护的政策和法律，是否了解割竹打笋对大熊猫保护的影响等内容。

二   研究地点

我国野生大熊猫栖息地主要分布在陕西、四川、甘肃三省的秦岭、岷山、邛崃山、大小相岭和凉山六大山系。其中位于四川省西部的邛崃山系是现今大熊猫分布的核心区域，为世界25个生物多样性热点地区之一^[30]。该分布地总面积为15 050km²，野生大熊猫总数量达528只^[31]。作为本文研究地点的宝兴县（北纬 30°9′ ~ 30°56′，东经 102°29′ ~ 103°02′）和天全县（北纬29°49′ ~ 30'21′，东经 102°16′ ~ 102°56′）位于邛崃山南麓，隶属四川省雅安市。雅安市是中国标志性的野生大熊猫栖息区域，有 41.3%的行政区域都被囊括在大熊猫国家公园中，面积占比在大熊猫国家公园所涉的12个市（州）中排名第一。宝兴县地处四川盆地西部、雅安市北部，全县土地总面积 3 114 km²，总人口5.8万余人，属国家主体生态功能区；天全县位于四川盆地西缘，全县土地总面积 2 400 km²，总人口 14 万余人。宝兴、天全两县的气候相对温暖湿润，林木茂密，竹子生长良好，能为大熊猫提供充足的食物和水源，适宜大熊猫生存与发育。值得一提的是，宝兴县域86%的面积被划定为大熊猫国家公园，而天全县境内的大熊猫自然保护区面积也相当大，占雅安市大熊猫生境总面积的 27.14%^[32]。

三   数据收集和样本概况

笔者于2022年3月对雅安市天全、宝兴两县大熊猫栖息地周边社区居民开展了调查研究。本次调查基于全国第四次大熊猫调查的结果，选取了野生大熊猫栖息数量相对较多的乡镇为主要调查地点，包括天全县下辖的喇叭河镇（原紫石乡）和宝兴县下辖的穆坪镇、蜂桶寨乡（原盐井乡）。受新冠疫情的限制，本研究采用线上问卷调查的方式。由于线上调查存在缺乏监督、意愿体现不足、样本代表性不强等问题，为此笔者在开展调查时特别注意对数据质量的控制。本次调查以微信小程序“问卷星”为主要工具，以当地保护地管理机构和乡镇政府有关同志为问卷派发的“关键中间人”，以小额的电子红包为激励手段，并在后台的实时监控下开展。受调查者有充分的机会接触智能手机和微信软件，降低了代表性偏差出现的几率^[33]；“中间人”的身份和影响力在一定程度上可以促进受调查者真实意愿的表达^[34]；电子红包会在一定程度上提高受访者的积极性从而利于问卷的扩散；后台实时监控又可以避免低质量和无效问卷的大量出现，因此笔者认为所得数据的科学性和严谨性是可以保证的。

本次调查共回收问卷1169份，回收率达100%。为了保证实证分析的准确性，笔者又对问卷内容进行了检查与筛选，剔除了受访者小于18周岁的样本信息，最后纳入研究范围的有效问卷共1142份，有效率97.7%。调查结果显示，在所有受调查的居民中近一年有146人从事过割竹打笋活动，占样本总量的12.78%.

三.   研究方法和结果分析

一   研究方法

斯皮尔曼等级相关分析又称为“等级差数法”，其计算的内容为等级数之差。该方法对数据的分布没有要求，原始数据可以是分类变量，也可以是等级资料，还可以是服从正态分布或者偏态分布的资料。斯皮尔曼秩相关系数的基本思想是使用变量的秩，而不是特定的数据来进行统计推断。其表达式为：

其中−1 ≤ r_s ≤ 1，|r_s|随着 x、y 的增长越来越接近单调函数。r_s = 1 表示 x、y 成为单调递增函数，r_s = −1 表示 x、y 成为单调递减函数。如果r_s = 0，x、y 没有相关性。若r_s位于−1 ~ 1 之间且不为 0，说明 x、y 存在相关性；r_s位于−1 ~ 0 之间，说明 x、y 呈负相关；r_s位于0 ~ 1 之间，说明 x、y 呈正相关。

由于调查问题“近一年本人是否有割竹打笋行为”的选项为两个相互排斥的结果，因此因变量为二分类变量。又因对应自变量为分类变量，如耕地规模、住房面积、农业收入等，因此本文选用Logistic回归模型，利用Stata软件进行下一步分析。二分类 Logistic 回归分析是一种参数估计方法，它解决的是 Y∈{0，1}的二分类回归问题。本文将“近一年有过割竹打笋行为”定义为 y = 1,将“近一年未有过割竹打笋行为”定义为 y = 0。设x为与y相关的自变量。一共有j组观测数据，则有i = 1，2，3，···，j。Logistic 函数为：

对于 K 个协变量 X，模型为:

因为Y_i 是二分类变量，数据服从Bernoulli 分布：

因此，（条件）似然函数为：

为了选定纳入Logistic回归模型的变量，需要对其进行逐一的相关性分析，选择具有显著统计学意义的变量纳入模型，排除相关性较低的因素，可以使得模型更加稳定。构建的变量指标体系见表1。

表  1  指标含义

变量分类	变量名	赋值说明	均值
个体和家庭基本特征	X1：性别	男 = 0，女 = 1	0.50
	X2：年龄	1 = 18～29 岁，2 = 30～39 岁，3 = 40～49岁， 4 = 50～ 59 岁，5≥60 岁	2.07
	X3：受教育程度	1 = 小学及以下，2 = 初中，3 = 高中、中专、技校， 4 = 大学专科或本科，5 = 硕士及以上	3.12
	X4：家庭人口数	1=3 人及以下，2 = 4 人，3 = 5 人， 4=6 人及以上	2.55
自然资本	X5：耕地面积/亩	1 = 1以下，2 = 1～3，3 = 4～5， 4 = 6～10，5 = 10以上	2.12
人力资本	X6：家庭劳动力人数	1 = 1，2 = 2，3 = 3，4 = 3以上	2.41
	X7：是否参加过创业活动	1 = 是，0 = 否	0.28
	X8：是否参加过创业培训	1 = 是，0 = 否	0.28
物质资本	X9：住房面积/m2	1 = 0～50，2 = 51～100，3 = 101～150，4 = 151～200， 5 = 200以上	2.63
	X10：住房类型	1 = 砖瓦房，2 = 平房，3 = 自建楼房，4 = 小区房	2.41
金融资本	X11：家庭年收入/万元	1 = 1以下，2 = 1 .001～3，3 = 3.001 ～ 5， 4 = 5.001 ～ 10， 5 = 10万以上	2.77
	X12：农业收入对家庭年收入的重要性	1 = 不重要，2 = 一般，3 = 重要，4 = 非常重要	2.75
社会资本	X13：缺乏收入时的筹款渠道	1 = 银行/信用社贷款，2 = 向亲戚朋友借钱， 3 = 向邻居借钱，4 = 无处借钱	2.30
	X14：贷款难度	1 = 非常困难，2 = 比较困难，3 = 一般，4 = 比较容易， 5 = 非常容易	2.88
	X15：邻里是否会提供经济上的帮助	1 = 非常少，2 = 比较少，3 = 一般，4 = 比较多，5 = 非常多	3.16
生计策略	X16：家庭收入的主要来源	1 = 本地务农，2 = 本地打工，3 = 外出打工， 4 = 割竹打笋，5 = 放牧，6 = 林业，7 = 采药，8 = 其他	2.58
	X17：粮食获取渠道	1 = 自家种植，2 = 市场购买，3 = 亲友赠送，4 =其他渠道	1.64
认知水平	X18：是否了解大熊猫保护的政策法规	1 = 了解，0 = 不了解	0.72
	X19：是否了解割竹打笋相关的政策法规	1 = 了解，0 = 不了解	0.64
	X20：是否了解割竹打笋对大熊猫保护的影响	1 = 了解，0 = 不了解	0.74

下载: 导出CSV 

| 显示表格

二   研究结果

首先是斯皮尔曼相关性分析，将以上指标纳入相关性分析以探究它们与居民割竹打笋行为之间的相关性，结果如表2所示。

表  2  斯皮尔曼相关系数判别

变量	相关系数	显著性（p值）
性别（X1）	−0.1187*	0.0001
年龄（X2）	0.0094	0.7498
受教育程度（X3）	0.0184	0.5344
家庭人口数（X4）	0.0151	0.6103
耕地面积（X5）	0.0773*	0.0089
家庭劳动力人数（X6）	0.0513	0.0834
是否参加过创业活动（X7）	0.2155*	0.0000
是否参加过创业培训（X8）	0.2253*	0.0000
住房面积（X9）	0.0168	0.5705
住房类型（X10）	−0.0696*	0.0187
家庭年收入（X11）	−0.0039	0.8955
农业收入对家庭年收入的重要性（X12）	−0.0217	0.4646
缺乏收入时的筹款渠道（X13）	0.0069	0.8168
贷款难度（X14）	−0.0201	0.4984
邻里是否会提供经济上的帮助（X15）	0.0205	0.4886
家庭收入的主要来源（X16）	−0.1371*	0.0000
粮食获取渠道（X17）	−0.0924*	0.0018
是否了解大熊猫保护的政策法规（X18）	0.0740*	0.0123
是否了解割竹打笋相关的政策法规（X19）	0.0659*	0.0260
是否了解割竹打笋对大熊猫保护的影响（X20）	0.0688*	0.0201
注：*表示5% 的显著性水平。

下载: 导出CSV 

| 显示表格

相关性分析结果显示，受调查者的性别（X₁）、耕地面积（X₅）、是否参加过创业活动（X₇）、是否参加过创业培训（X₈）、住房类型（X₁₀）、家庭收入的主要来源（X₁₆）、粮食获取渠道（X₁₇）、是否了解大熊猫保护的政策法规（X₁₈）、是否了解割竹打笋相关的政策法规（X₁₉）和是否了解割竹打笋对大熊猫保护的影响（X₂₀）共计10个指标在0.05的水平上显著。其中受调查者的性别（X₁）、耕地面积（X₅）、住房类型（X₁₀）对其割竹打笋行为有着显著的负向影响。也就是说，男性是割竹打笋行为更为常见的实施群体；耕地面积越大，居民割竹打笋行为相对越少；住房条件越改善，居民割竹打笋的行为也相对较少。粮食获取渠道和家庭收入来源为非等级变量，不能仅通过系数的符号确定其影响效应，需要在随后进一步分析。同理，由于居民是否参加过创业活动（X₇）、是否参加过创业培训（X₈），以及是否了解大熊猫保护的政策法规（X₁₈）、是否了解割竹打笋相关的政策法规（X₁₉）、是否了解割竹打笋对大熊猫保护的影响（X₂₀）这三项内容的认知水平与其割竹打笋行为呈显著正相关，可以推测居民越具备创新创业的经验和知识，就越可能参与割竹打笋活动；政策法规认知水平越高，割竹打笋的行为就越普遍。

斯皮尔曼相关性分析中，p值大于0.05的变量被视为无统计学意义，将会在最终的模型分析中被剔除掉。考虑到相关变量可能被遗漏的问题，以上文的相关性分析为参考，本文又利用Pearson卡方单因素分析进行了验证。相比于斯皮尔曼相关性分析的结果，缺乏收入时的筹款渠道（X₁₃，χ² = 8.369，p = 0.039）、贷款难度（X₁₄，χ² = 12.211，p = 0.016）也通过了检验。斯皮尔曼相关性分析结果如表2所示，最终拟纳入模型的变量为性别（X₁）、耕地面积（X₅）、住房类型（X₁₀）、是否参加过创业活动（X₇）、是否参加过创业培训（X₈）、贷款难度（X₁₄）、缺乏收入时的筹款渠道（X₁₃）、家庭收入的主要来源（X₁₆）、粮食获取渠道（X₁₇）、是否了解大熊猫保护的政策法规（X₁₈）、是否了解割竹打笋相关的政策法规（X₁₉）、是否了解割竹打笋对大熊猫保护的影响（X₂₀）。

当方差膨胀因子 VIF大于10，容忍值TOL 小于0.1 时，模型会存在较严重的多重共线性。将该模型纳入多重共线性检验，显示VIF最大值为3.47，远小于10；TOL最小值为0.2884，大于0.1，因此模型基本不受共线性影响。

参考前期的相关性分析和单因素分析结果进行总体的Logistic回归分析，将以上12个指标纳入Logistic二分类多因素模型，利用Stata统计软件计算，结果如表3所示。其中输出结果空白的为参照组。

表  3  二分类logistic模型回归结果

自变量（赋值）	优势比	回归系数	标准误	p值
性别X1	1.650	0.501	0.340	0.015**
耕地面积 X5（1）
X5（2）	1.291	0.255	0.334	0.324
X5（3）	1.595	0.467	0.465	0.110
X5（4）	0.778	−0.251	0.284	0.491
X5（5）	1.298	0.261	0.513	0.509
是否参加过创业活动X7	0.581	−0.543	0.157	0.044**
是否参加过创业培训X8	0.452	−0.795	0.122	0.003***
住房类型 X10（1）
X10（2）	0.853	−0.159	0.260	0.602
X10（3）	0.981	−0.020	0.252	0.940
X10（4）	0.713	−0.338	0.207	0.245
贷款难度 X14（1）
X14（2）	0.861	−0.149	0.302	0.671
X14（3）	0.488	−0.717	0.164	0.032**
X14（4）	0.871	−0.138	0.320	0.707
X14（5）	0.267	−1.319	0.149	0.018**
缺乏收入时的筹款渠道 X13（4）
X13（1）	0.698	−0.359	0.450	0.577
X13（2）	1.713	0.538	1.010	0.361
X13（3）	1.271	0.240	0.748	0.683
家庭收入的主要来源 X16（1）
X16（2）	0.462	−0.773	0.113	0.002***
X16（3）	0.281	−1.269	0.081	0.000***
X16（4）	1.410	0.344	1.306	0.711
X16（5）	0.179	−1.720	0.142	0.030**
X16（6）	0.584	−0.538	0.281	0.264
X16（7）	—	—	—	—
X16（8）	0.457	−0.783	0.247	0.147
粮食获取渠道 X17（1）
X17（2）	0.758	−0.277	0.165	0.204
X17（3）	15.929	2.768	12.428	0.000***
X17（4）	1.949	0.667	2.287	0.570
是否了解大熊猫保护的 政策法规X18	0.876	−0.132	0.322	0.719
是否了解割竹打笋相关的 政策法规X19	1.430	0.358	0.524	0.328
是否了解割竹打笋对大熊猫保护的影响X20	0.704	−0.350	0.263	0.348
常数项	0.592	−0.525	0.404	0.004
注：**、***分别表示 5% 、1% 的显著性水平。

下载: 导出CSV 

| 显示表格

在二分类回归模型分析结果中，显著性是首先值得关注的统计量。可以发现该模型整体的检验p值较小且小于0.01，说明模型显著性较高。伪R²反映了模型的拟合度，一般来讲该值大于0.2意味着模型的拟合度较高。但由于Logistic模型并非线性，不同模型的伪R²不具可比性，因此伪R²作为仅具备参考意义的统计量不需过分强调其重要性^[35]。在该模型中伪R²为0.1635，拟合优度尚可。可以发现，在5%的显著性水平下，受调查者的性别、是否参与过创业活动、贷款难度对割竹打笋行为具有显著影响；在1%的显著性水平下，是否参加过创业培训、家庭收入的主要来源、粮食获取渠道与居民的割竹打笋行为显著相关。

三   结果分析

在社区居民的个体特征方面，性别是影响其割竹打笋行为的主要因素。其主要原因是男性作为具有体力优势的家庭劳动力，通常承担割竹打笋此类体力劳动需求较高的生计活动，男性参与割竹打笋的可能性是女性的1.65倍。总体来看，除性别因素外，受调查者的个体特征与其割竹打笋行为基本无相关性，不能说明原有假设H4“社区居民的个体特征使得其利用竹子资源的行为存在差异性”。

社区居民的生计资本对割竹打笋行为影响较大。相关性分析结果表明，作为自然资本的耕地面积对割竹打笋行为具有正向影响，这意味着居民拥有的耕地面积越大，其割竹打笋的几率越大；作为物质资本的住房类型对割竹打笋行为具有负向影响，这表明居民所有的房屋越接近于高档商品房，其割竹打笋的可能性越小。但由于最终拟合的Logistic回归模型中这两个因素的显著性较低，因此并不能作为驱动因素进行结果分析。“是否参加过创业活动”和“是否参加过创业培训”是受调查者的人力资本，其经验越丰富越可能参与创业活动以优化自身的生计情况。在最终拟合的模型中，这两项人力资本是引发割竹打笋行为的重要因素，参加过创业活动者比无经验者割竹打笋的可能性降低约42%，有培训经验者比无经验者降低约55%，其原因可能是有创业经验和能力的居民更倾向于开展原有生计活动（如务农）之外的探索，从而更少地开展割竹打笋活动。受调查居民的借贷能力属于金融资本的范畴，回归结果显示其借贷能力对割竹打笋行为的影响为负向。贷款难度“非常难”者比“普通”和“非常容易”者割竹打笋的可能性更高，分别高出约52%和74%，尽管“比较容易”的回归结果不够显著，但可以大致推测借贷难度这一金融资本水平高是割竹打笋的“安全因素”，原因可能是居民借贷越容易其生计策略选择面越广，相应地选择割竹打笋作为生计策略的可能性就降低了。据此验证了生计资本水平确实对居民割竹打笋行为有一定影响。

生计策略方面，模型回归结果显示粮食获取渠道和收入来源是引发割竹打笋行为的突出因素，并在1%的显著性水平上显著。受调查居民的家庭收入来源为本地打工和外地打工是割竹打笋行为的显著性保护因素，这意味着本地务农增加了居民参与割竹打笋行为的风险，这可能是因为割竹打笋是就地取材的行为，以本地区为主要生产生活地点的居民自然采取该行为的风险较大。粮食获取渠道为“亲友赠送”比“自行种植”者割竹打笋的可能性大得多，约为后者的15.93倍。据此可以推测亲友赠送粮食可能为居民节省了劳动时间，从而为其额外的割竹打笋行为创造了条件。此外粮食来自“市场购买”和“其他渠道”对割竹打笋行为的影响并不显著，可见，不同的生计策略选择对居民割竹打笋的行为也有显著影响。

在社区居民的认知层面，居民对大熊猫保护、割竹打笋的相关政策法规以及割竹打笋对大熊猫保护的影响的了解程度这3个指标在Logistic模型中并不显著，因此假设H3不完全成立。但在相关性分析中显示以上3个变量与居民割竹打笋行为呈正相关，这也意味着更了解相关政策规定的居民割竹打笋的可能性更大，这与原假设相矛盾，因此可以推测当地对违反割竹打笋相关的法律规定和政策的行为人的处罚力度较小，或者说对相关参与者的规制不足。此时越是关注此类问题者对相关后果的了解越充分，也就是说，当地居民可能会在准备承担相应后果的前提下进行割竹打笋，以获得超出风险的收益。

四.   结论与建议

基于在四川省天全县、宝兴县大熊猫栖息地收集到的有关社区居民割竹打笋行为的相关数据，本文进行了相关性分析及Logistic回归分析。研究发现，显著影响居民割竹打笋行为的因素主要包括性别、是否参与过创业活动及培训、贷款难度、粮食获取渠道及家庭收入主要来源，此外对保护区政策法规及大熊猫保护活动的认知度有弱相关。根据实证分析结果，笔者建议当地从以下方面完善有关政策，即减少大熊猫栖息地割竹打笋现象、降低割竹打笋行为对大熊猫食物资源的消极影响、缓解大熊猫栖息地居民和大熊猫生境的冲突，从而对野生大熊猫施行有效保护。

1）发展替代产业，丰富居民的生计策略。研究结果表明，大熊猫栖息地周边社区居民的生计问题是其割竹打笋活动的决定性因素，由于生计策略单一和生计资本水平低下，部分居民很难放弃割竹打笋行为。为了降低居民割竹打笋的频率，可以依托大熊猫栖息地的资源禀赋优势，在当地社区大力发展除传统农业外的新兴产业，以丰富当地居民生计策略的选择面。作为保护动物，大熊猫不仅具有生态和科研价值，更具有标志特殊文化的精神和社会价值，因此当地政府可以在国家公园管理机构的指导下尝试发展生态旅游业，建设诸如熊猫博物馆、国家公园旅游小镇等文化场所，打造科教、观赏、文创一体化的生态旅游基地，引导当地居民参与导览、巡护等相关工作，从而获取一定收入，使其逐渐调整生计策略。政府可以尝试提供优惠贷款政策或其他便利就业条件吸引当地居民进入其他行业，如服务业、电商等新兴行业从而实现一定程度的产业转型。当居民通过其他方式获取不少于原本收入的报酬和补偿时，割竹打笋行为与大熊猫栖息地生态保护要求的冲突就会逐渐缓解。

2）着力缩小城乡差距，提高城镇化水平。大熊猫栖息地社区大多相对贫困，为了减少人类活动对大熊猫生境的影响，应一定程度上加快城镇化的步伐。政府要大力推进城乡融合，通过生态移民等政策促进大熊猫栖息地附近居民向城镇转移，着力破除城乡二元结构的限制。可以由国家公园管理机构主导融资，为当地居民提供交通、住房等支持以引导其跨区域生活和工作。这样将居民区和保护区分开，可以从根本上缓解人兽、人地冲突。此外各级政府应着力优化城乡统筹的政策体系，依生态保护所需适当向栖息地社区倾斜，辅助当地社区的发展，如通过特殊的就业通道、额外的资金扶持、信息集散、信贷优惠等措施，逐步减少当地如割竹打笋等自然资源摄取行为。

3）深化对大熊猫栖息地居民的教育和引导。整体来看大熊猫栖息地的社区居民在一定程度上存在保护意识不足的情况，因此要加大生态文明建设以及大熊猫保护相关内容的宣传力度。政府宣传部门和保护机构有必要改进传统的生态教育模式，依据“手段多样化、内容通俗化”的原则，为当地居民提供大熊猫保护相关的教育引导。例如用微信公众号、小程序、小游戏等妙趣横生、方便易懂的创新模式使大熊猫保护理念深入人心。相应地，政府可以指导社区为当地居民提供农村创新创业的培训机会和实践机会，提高居民对当地社会经济和资源环境的优劣势认知，引导其逐渐降低对割竹打笋的需求。

4）完善政策体系，优化栖息地管理模式。这要求当地管理机构一是要在生态教育的同时进一步开展法制教育，制定明确的规章制度限制保护区核心区割竹打笋行为的发生，并在保护机构内部设立专门的监督部门，防止当地居民“知法犯法”。二是向上级寻求政策支持，优化保护体系，使竹子、竹笋的保护工作有章可循。三是治理和规制双管齐下，寻找利益共享型的治理方式，例如社区共管等新模式，化“禁止”为“疏导”，逐渐降低割竹打笋行为对当地大熊猫栖息地的消极影响。