推文人 | 李静 

原文信息：Francisco Pereira Fontes. Oil and water conservation technology adoption and labor allocation: evidence from Ethiopia[J]. World Development, 2020, 127.

 

导言

 

水土保持技术是提高农业部门对气候变化适应能力的解决方案的一部分。研究表明，水土保持技术在控制侵蚀和提高产量方面是有效的，但是劳动密集型的。然而，其劳动力效应的量化仍缺乏。本文估计了埃塞俄比亚采用水土保持技术对劳动力的影响。使用内生转换回归模型，发现采用水土保持技术增加了地块层面劳动力35%。对童工的影响取决于家庭中成年人的数量。即估计的影响范围从整个样本的29%到不足三个成年人的家庭的子样本的78%。在童工的案例中本文发现一些消极的自选择，这表明采用者具有比较优势，因为一些不可观测的特征，他们能够采用对童工影响较小的技术。估计的劳动力影响也为农民不采用水土保持技术提供了一个合理的解释，即便这些技术能带来经济效益。最后，本文认为理解劳动力效应的异质性和重要性是理解采用水土保持技术的潜在权衡（trade-offs）的重要部分。鉴于估计的劳动力影响，放宽家庭劳动力限制的政策可能是一种有效机制，以鼓励采用劳动密集型的环境友好型农业措施，同时尽量减少潜在的负面影响。

 

引言

 

水土保持技术是一系列既能增加产量又保护生态环境的技术或农业措施。在埃塞俄比亚，土壤退化已经是一个慢性问题，它威胁着可持续的土地利用和全国粮食安全。

 

然而，尽管采用水土保持结构(如土壤桩、石头桩和人工水道)可能会提高生产率，但安装和维护这些技术已被描述为劳动密集型(Bekele & Drake, 2003)。

 

首先，本文估计了采用水土保持技术对埃塞俄比亚工作日数的影响。劳动力可获得性已被证明是采纳的一个重要决定因素(Gabriel, 2007)。然而，很少有关于采用水土保持技术对劳动力影响的评估。研究往往要么强调这些技术的高劳动强度，而不提供估计(esfaye et al., 2016）或倾向于使用建模假设(Bekele & Drake, 2003)。为了更好地评估采用水土保持技术的全部影响和潜在权衡，了解劳动力影响的存在和潜在程度是很重要的。

 

其次，本文还调查了采纳对成人和童工的影响是否存在差异。不同劳动类型可能会间接影响不同的结果。例如，虽然使用童工水平的影响可能最终影响教育成果，但农场成年劳动力的增加可能影响非农活动的参与。因此，作为了解广泛采用农业技术可能产生的跨部门影响的第一步，决策者必须了解劳动力的影响，以便制定政策来减少可能产生的消极后果。

 

第三，本文还检验了水土保持技术的采纳是否存在自选择，以及估计的劳动影响是否能为文献中一个令人困惑的发现提供一个合理的解释。Di Falco等人(2011)之前使用相同数据集进行的研究发现，不采用某项技术的人从采用该技术中获得的预期收益最高。这一发现与经济理性相悖，且在Di Falco等人(2011)的研究中，这一发现在很大程度上是无法解释的，尽管作者假设，这一发现可能是由于缺乏获得信贷和气候信息的途径。本文认为如果采纳成本(如农场劳动力需求的增加)对于非采纳者来说更高，那么对投入(更具体地说是劳动产出)的估计影响可以提供一个合理的渠道来解释这种模式。

 

为了从理论上激发研究问题，我借用并稍微扩展了由Fernandez-Cornejo等(2005)提出的模型。该模型基于农户模型，认为采用新技术的决策既取决于预期收益(增加的收入)，也取决于投入(化学品投入和劳动力)和农户偏好的变化所导致的成本变化。该模型强调了研究采用对生产率指标之外的其他指标影响的重要性。此外，该模型在概念上强调了，尽管预期生产率提高了，但家庭可能不会采用。

 

实证表明，本文使用地块层面的数据集，埃塞俄比亚尼罗盆地的3633块地块(Ringer & Sun, 2010)，还运用内生转换回归模型来估计采纳对成人和童工水平的影响。使用IV回归和具有内源性干预效果的泊松回归进行稳健性检验。

 

总的来说，本文发现有证据表明水土保持技术的采用与成人劳动力的大量增加(31.4%)相关。这个结果在所有不同的规范中都是稳健的。结果表明，使用童工的水平受到了实质性的影响(约为29%)。对于那些少于3个成年人的家庭来说，对童工的平均估计影响显著增加(达到78%)，在这些家庭中，由于成年人劳动力可用性较低，儿童可能需要承担更多的通过水土保持技术实践而产生的额外劳动力需求。

 

本文的研究结果也为负向自我选择提供了一些证据。也就是说，影响水土保持技术采用的不可观察因素与劳动成果的不可观察决定因素之间也存在负相关关系，这可能表明采用劳动密集型技术时具有比较优势。

 

最后，还发现了采纳者和未采纳者之间劳动影响的不同模式。童工组未处理组的平均处理效果(ATU)大于处理组的平均处理效果(ATT)，而成人组的处理效果正好相反。这些结果可以用一个事实来解释，即在未采纳家庭中的成年人已经工作了更长的时间。其结果是，采纳劳动密集型技术所导致的额外劳动需求中，儿童可能不得不承担更高的份额。这些发现也提供了一个合理的渠道来解释为什么不采用该技术的人，尽管生产率的预期收益更高，却不采用该技术。未采纳者平均工作时间更长，因此可能不太愿意采用劳动密集型技术。

 

文献综述

 

一些研究集中在埃塞俄比亚采用水土保持技术的决定因素，具体如下：

 

在埃塞俄比亚，某些地块特征似乎与采用水土保持技术高度相关。特别是，地块坡度和土地规模已被证明与采用该技术正相关(Amsalu & De Graaff, 2007)。另一方面土壤肥力(Amsalu & DeGraaff, 2007)和地块与房屋之间的距离(Anley et al., 2007)与采纳呈负相关。农民对采纳收益和地块侵蚀的感知被证明与采用水土保持技术呈正相关在埃塞俄比亚(Bekele & Drake, 2003)和坦桑尼亚(Tenge & Hella, 2004)。这些发现与这个事实相一致，即如果农民认为侵蚀是一个问题，他们认为这项技术有利可图，他们就会倾向于采用解决侵蚀问题的技术。在社会经济因素方面，户主的教育水平对采纳有正向影响(Asfaw & Neka, 2017)。获得非农就业机会对采纳有负面影响(Asfaw & Naka, 2007)，因为它可能使农民更不愿意向农场投资。其他因素如信息获取(Bekele & Drake, 2003)、推广(Asfaw & Neka, 2007)和土地产权(Amsalu & De Graaff, 2007)也都显示与采用正相关。在人口统计学特征方面，户主年龄与采纳之间的关系是模糊的，Amsalu和De Graff(2007)报告的系数为正，Anley等(2007)报告的系数为负。对于本研究更重要的是，在许多研究中，劳动力可获得性与水土保持技术的采用呈正相关(Shiferaw et al.,2014)。总体而言，研究发现家庭规模与采纳呈正相关，土地与劳动的比例与采纳呈负相关。

 

理论模型和实证方法

 

为了进一步激发研究问题，本文扩展了Fernandez-Cornejo等人(2005)提出的模型，该模型将采纳决策整合到农户模型中。主要的区别是，一个两口之家，以及在农场劳动和孩子的教育之间的权衡。这个模型有两个重要的特征：首先，在考虑采用水土保持技术的影响时，它强调了非生产力度量的重要性。其次，它强调了采用过程是如何依赖于一些研究者没有观察到的因素。在这个模型中，一个家庭由两个成员(或一组成员)，一个成年人和一个孩子组成。家庭寻求其效用最大化受到四个约束，即收入约束、技术约束和两个人时间约束。为简单起见，假设只有一项非劳动投入，并且我限制了儿童受教育的机会和成人获得非市场机会的可得性(即成人可以从事非农工作但不能上学，而儿童则相反)。

 

内生转换回归模型由两个阶段组成。第一阶段，农民将采用一种基于其预期收益(预期结果)的技术。这些好处取决于可观测和不可观测的的特征。对于劳动密集型技术(如堤岸工程)，我认为在采用该技术时，地块大小的系数会更高。换句话说，我预计家庭将在每公顷土地上花费更多的时间来种植采用了堤岸工程的土地。内生转换回归模型的另一个特征是假设采用方程的误差项与结果方程的误差项之间存在非零相关关系。对被处理对象的平均处理效果（ATT）和对未处理对象的平均处理效果（ATU）可由下式求得：

 

数据与工具变量选择

 

本文使用了埃塞俄比亚尼罗河流域气候变化数据集(Ringler & Sun, 2010)。该数据集可从国际粮食政策研究所的网站上获得。这些数据包括从1000个农户收集的调查数据，这些农户是2005年在埃塞俄比亚尼罗盆地分布在不同农业生态区的20多个村庄。分析的数据集有两个主要的潜在限制。首先，它是个横截面，这意味着家庭固定效应不能使用。然而，为了测试结果是否不受无法解释固定效应的驱动，本文将展示部分采用者的子样本的结果是稳健的(即那些在一些地块采用而在其他地块不采用的)，在这些子样本中固定效应是可以估计的。其次，这些数据是在2005年收集的，这一事实可能会对研究结果产生潜在的影响。然而，尽管这是一个潜在的问题，但在这段时间内，文献中关于该技术的劳动强度的问题并没有改变(Tesfate et al., 2016)，这表明技术本身的劳动需求可能并没有发生实质性的变化，从而减轻了由于收集数据的时间而导致结果无效的担忧。

 

然而，强调数据集的一些优点也很重要。首先，该数据集的独特之处在于它结合了大量的样本和非常详细的生产要素信息，以及所采用的水土保持技术类型。其次，这个数据集也是Di Falco等人(2011)使用的数据集，他们发现了一个令人困惑的结果，即未采纳者获得了更高的采纳收益。为了确定内生转换模型的方程，需要一个工具变量。即该工具变量需要与采纳决策高度相关，并且对感兴趣的变量(成人和童工)没有直接影响。

 

本文使用对侵蚀的感知作为工具变量。从理论上说，这个变量应该与水土保持技术的采用有很强的负相关关系。然而，从概念上讲，侵蚀感知也可能直接影响劳动力的数量。家庭所付出的努力程度可能取决于对地块侵蚀程度的感知，尽管方向是模糊的。特别是，家庭可能会在土地侵蚀成为问题的地方多干活，以补偿侵蚀的负面影响，在这种情况下，它会导致劳动力的增加。另一种选择是，他们可能决定在其他受侵蚀程度较低的土地上投入更多的努力，或者干脆逐渐远离农业，在这种情况下，劳动力的直接负面影响将是意料之中的。直接影响的存在在本文中可能特别成问题，因为仅使用一个工具，意味着不能对工具的外生性进行测试。因此，为了证明所使用的工具变量的可行性，本文采用了与Di Falco et al.(2011)相同的伪造测试（falsification test）。该测试包括运行一个probit回归，以表明该工具变量与采用决策高度相关，然后对非采用者的因变量运行一个OLS回归。如果该工具变量对采纳决策有统计上显著的影响，而对未采纳者的儿童和成人劳动水平没有统计上显著的影响，这表明该工具变量是有效的。

 

结果

 

 

结论

 

大量的研究集中在水土保持技术采用的决定因素、其控制侵蚀的有效性及其生产影响。然而，很少有人关注这些技术对劳动力的影响。本文旨在利用埃塞俄比亚的3633个地块来弥补这一空白。就采用水土保持技术对劳动力的总体影响而言，本文发现采用这些技术会导致在农场工作的天数增加(Bewket, 2007)。就影响程度以及不同劳动类型之间的差异而言，结果表明，对成人和童工的影响非常不同。据估计，成人的平均处理效果为31.4%。童工的平均处理效果为29%。

 

结果还表明，存在负向的自选择，这可能表明采用该技术的家庭在劳动力方面具有比较优势。换句话说，增加采纳概率的不可观察因素与影响劳动力结果的不可观察因素呈负相关。研究发现，在成年人口少于3人的家庭中，童工的自选择更强。虽然不可能准确地知道是哪些不可观察的因素造成了负相关，但农业能力或知识等因素可以为这一发现提供一个合理的解释。如果有更高水平能力的农民在实施技术上也更有效率，他们可能需要更少的劳动力来实施技术，因此可能不需要或更少的童工来满足增加的劳动力需求。总的来说，本文认为理解采用水土保持技术的劳动影响是理解采用这些技术所隐含的全面权衡（trade-off）的重要一步。在促进采用这些技术时，应该考虑到这种权衡。

 

Abstract

 

soil and water conservation (SWC) technologies are viewed as part of a solution to increase the resilience of the agriculture sector to climate change. Research has shown that SWC technologies are effective at controlling erosion and increasing yields but are labor intensive. However, the quantification of their labor impacts remains an important research gap.

 

In this paper, I estimate the labour impacts of adopting SWC technologies in Ethiopia. Using a endogenous Switching Regression Model (ESRM), I find that adopting SWC technologies increases plot-level adult labor by 35%. impacts on child labor depend on the number of adults in the household. Specifically, estimated impacts range from 29% for the full sample to 78% for the sub-sample of households with fewer than three adults. I also find some evidence of negative self-selection in the case of child labor which suggests that adopters have a comparative advantage since they are able to adopt the technology with smaller impacts on child labor as result of unobservable characteristics. The estimated labor impacts also provide a plausible explanation for why farmers may not adopt SWC technologies despite their economic profitability.

 

Ultimately, the paper argues that understanding the heterogeneity and magnitude of the labor impacts is an important part of understanding potential trade-offs of adopting SWC technologies. Given the estimated labor impacts, policies that relax the household’s labor constraints could be an effective mechanism to spur the adoption of labor-intensive environmentally agricultural practices, while minimizing potential negative effects.