潘 丹 陸 雨 孔凡斌

(1. 江西財經(jīng)大學(xué)經(jīng)濟學(xué)院 南昌330013； 2. 浙江農(nóng)林大學(xué)經(jīng)濟管理學(xué)院 浙江省重點培育智庫——浙江省鄉(xiāng)村振興研究院 杭州311300)

截至2019年末，我國仍有551萬左右的農(nóng)村人口需要脫貧(中國政府網(wǎng)， http://www.gov.cn/shuju/2020-01/24/content_5471927.htm)。按照國際標(biāo)準(zhǔn)，我國現(xiàn)存的貧困人口依然眾多(程名望等， 2014)，且主要集中在生態(tài)脆弱的農(nóng)村貧困地區(qū)，這些地區(qū)面臨生態(tài)環(huán)境惡化與貧困之間的惡性循環(huán)，生態(tài)減貧任務(wù)異常艱巨。為此，國家實施了多項生態(tài)減貧政策措施以減緩這些地區(qū)的生態(tài)貧困狀況，包括1998年以來實施的六大林業(yè)重點工程，其中的退耕還林工程是涉及面最廣、投資規(guī)模最大、農(nóng)村貧困人口參與程度最高、影響最大的一項重大生態(tài)修復(fù)保護(hù)工程。20多年來，我國已實施退耕還林面積近3 346萬hm2，工程總投入超過5 000億元，有1.58億農(nóng)民從國家補助糧款中直接受益(國家林業(yè)和草原局， http://www.forestry.gov.cn/main/437/201909 12/100302202763475.html)。始于2014年的新一輪退耕還林工程覆蓋了18.7%的建檔立卡貧困戶，僅在2016—2018年3年間，在集中連片特殊困難地區(qū)有關(guān)縣和國家扶貧開發(fā)工作重點縣共安排退耕還林任務(wù)196.4萬hm2，占3年退耕還林總?cè)蝿?wù)的近3/4(中國林業(yè)網(wǎng)， http://www.forestry.gov.cn/main/216/20190906/102234987763566.html)。最早在2005年《國務(wù)院辦公廳關(guān)于切實搞好“五個結(jié)合”進(jìn)一步鞏固退耕還林成果的通知》中提出將農(nóng)民脫貧致富和增加農(nóng)民收入列入退耕還林的目標(biāo)。2014年開始的新一輪生態(tài)補償政策明確提出優(yōu)先在貧困地區(qū)開展退耕還林以解決深度貧困問題，退耕還林成為國家實施生態(tài)補償減貧的重要抓手(吳樂等， 2018)。2015年在《中共中央國務(wù)院關(guān)于打贏脫貧攻堅戰(zhàn)的決定》中明確提出實施生態(tài)扶貧工程。2018年國家發(fā)展和改革委員會等六部委發(fā)布《生態(tài)扶貧工作方案》進(jìn)一步明確新一輪退耕還林工程建設(shè)扶貧的具體目標(biāo)和任務(wù)。2020年之后，我國脫貧攻堅工作即將進(jìn)入長期減緩相對貧困的戰(zhàn)略轉(zhuǎn)型新階段，退耕還林工程作為國家重大生態(tài)建設(shè)扶貧工程，需要在穩(wěn)固提升退耕農(nóng)戶收入水平和貧困地區(qū)鞏固脫貧攻堅成果等方面持續(xù)發(fā)揮骨干示范作用。當(dāng)前，退耕還林工程目標(biāo)不僅限于國家和公共層面的生態(tài)可持續(xù)性，對于退耕農(nóng)戶而言，其經(jīng)濟效益的可持續(xù)性顯得更為重要。退耕還林工程直接作用于農(nóng)民生產(chǎn)領(lǐng)域，農(nóng)戶作為退耕還林工程建設(shè)參與和實施的主體，退耕后其經(jīng)濟收入能否有效提升將直接影響農(nóng)戶因貧毀林復(fù)耕的可能性，進(jìn)而影響退耕還林工程的可持續(xù)性。參與退耕的貧困農(nóng)戶同時作為生態(tài)工程建設(shè)扶貧的主要對象，退耕后其收入水平能否得到更為有效的改善則直接關(guān)乎生態(tài)工程建設(shè)扶貧工作的成敗。為此，在我國全面推進(jìn)生態(tài)扶貧的重大戰(zhàn)略背景下，有必要從生態(tài)工程建設(shè)扶貧效應(yīng)的目標(biāo)視角，評估農(nóng)戶參與退耕還林工程后的收入變化及其減緩貧困的效應(yīng)機制，進(jìn)而為完善我國生態(tài)扶貧政策提供理論依據(jù)。

1 退耕還林工程對農(nóng)戶收入影響的研究進(jìn)展

已有大量的研究從總體層面分析農(nóng)戶退耕還林收入效應(yīng)，得出的結(jié)論存在較大分歧。有的學(xué)者認(rèn)為退耕還林工程對農(nóng)戶收入有積極影響(Wang， 2003； 韋榮華， 2004； 李若凝， 2004； 王秋菊等， 2009； 盧悅等， 2019)，而有的學(xué)者則認(rèn)為影響不顯著甚至有負(fù)向影響(徐晉濤等， 2004； 郭曉鳴等， 2005； 易福金等， 2006； 韓洪云等， 2010； 謝旭軒等， 2011； 韓秀華， 2015； 張煒等， 2019)，還有的持動態(tài)折中的觀點，認(rèn)為工程的增收減貧效應(yīng)需要一段時間才能表現(xiàn)出來，存在先增長達(dá)到一定水平后又下降的倒“U”型變化趨勢(甄靜等， 2011)。隨著研究的深入，近年來也有學(xué)者將研究視角轉(zhuǎn)向退耕還林工程對貧困農(nóng)戶收入的影響上。易福金等(2006)運用雙重差分法分析認(rèn)為退耕后非農(nóng)收入提高的主要原因是外出勞動時間的增加，而各農(nóng)戶的外出務(wù)工人數(shù)并沒有發(fā)生顯著變化； Uchida等(2009)采用同樣的數(shù)據(jù)和方法，發(fā)現(xiàn)貧困農(nóng)戶和受教育程度高的年輕農(nóng)戶退耕后非農(nóng)就業(yè)增加效果明顯； 楊小軍等(2009)采用一階差分法分析認(rèn)為退耕還林工程對以種植收入為主的貧困農(nóng)戶的勞動力轉(zhuǎn)移有不利影響，反而對非貧困農(nóng)戶勞動力轉(zhuǎn)移幫助較大。

還有一些研究從扶貧和消除貧困視角分析退耕還林農(nóng)戶的收入效應(yīng)。Uchida等(2005)利用寧夏和貴州樣本，用成本收益法觀察到農(nóng)民可能不是退耕還林工程扶貧成果的最大受益者。劉璨等(2007)使用河北、山西和內(nèi)蒙古的農(nóng)戶面板數(shù)據(jù)，采用固定效應(yīng)分析方法研究認(rèn)為退耕還林工程并未過多關(guān)注扶貧的目標(biāo)，對減緩貧困的效應(yīng)不明顯。同時，還有從退耕還林對貧困農(nóng)戶與非貧困農(nóng)戶異質(zhì)性角度的分析，如Liu等(2010a)認(rèn)為非貧困農(nóng)戶獲得的退耕補貼較貧困農(nóng)戶獲得的更多，因此削弱了退耕政策縮小收入差距和消除貧困的效果。黎潔等(2010)利用西部地區(qū)數(shù)據(jù)，采用分位數(shù)回歸分析認(rèn)為參與退耕對農(nóng)戶收入有顯著的正向作用，且該作用從貧困農(nóng)戶到非貧困農(nóng)戶遞減； Li等(2011)利用陜西省數(shù)據(jù)得出相似的結(jié)論。此外，李樺等(2006)采用描述性統(tǒng)計方法觀察到退耕還林補貼政策對貧困農(nóng)戶收入有長期促進(jìn)作用，而對非貧困農(nóng)戶收入的影響具有階段性。王立安等(2013)通過比較分析發(fā)現(xiàn)退耕還林工程對絕對貧困和一般貧困農(nóng)戶的人均純收入有積極影響，但絕對貧困農(nóng)戶收益最大，對富裕農(nóng)戶影響為負(fù)。王庶等(2017)使用2006—2010年592個國家扶貧重點縣的數(shù)據(jù)研究發(fā)現(xiàn)退耕還林工程對貧困農(nóng)戶減貧效應(yīng)顯著。

綜上可見，退耕還林工程能否提高退耕農(nóng)戶收入以及能夠在何種程度上影響退耕農(nóng)戶的收入水平，尤其是工程能否有效減緩?fù)烁毨мr(nóng)戶的貧困程度以及能夠在何種程度上改善退耕貧困農(nóng)戶的收入水平等問題上，前者存在較大分歧和爭議，后者尚未得到有效研究和應(yīng)有關(guān)注。整體上看，既有研究存在以下不足： 一是樣本數(shù)據(jù)的代表性。已有研究大多基于一個或幾個省級調(diào)研數(shù)據(jù)，研究結(jié)論可能隨著地區(qū)差異而彼此孤立，在評價全國層面政策實施效果的評估上難免存在偏差，僅以現(xiàn)有研究結(jié)果不足以對退耕還林工程有一個全局性的認(rèn)識和把握，也不利于相關(guān)政策的制定和跟進(jìn)。二是研究方法的科學(xué)性?，F(xiàn)有文獻(xiàn)主要運用描述性統(tǒng)計法、固定效應(yīng)估計方法、傾向得分匹配法和雙重差分模型進(jìn)行估計，但農(nóng)戶是否退耕的行為與其收入之間可能存在“同時決策”，或者受到共同的不可觀測因素的影響，若忽略可能會由于內(nèi)生性問題造成結(jié)論不準(zhǔn)確(Maetal.， 2016)。三是研究內(nèi)容的局限性。已有文獻(xiàn)比較缺乏對農(nóng)戶異質(zhì)性的關(guān)注，由于農(nóng)戶資源稟賦的不同，工程對不同貧困程度農(nóng)戶的收入效應(yīng)可能存在差異，由此可以認(rèn)為，退耕還林工程影響農(nóng)戶收入的內(nèi)在機制至今尚未得到完全有效的揭示。

鑒于此，本文基于2013年中國家庭收入調(diào)查數(shù)據(jù)，借鑒內(nèi)生轉(zhuǎn)換模型(endogenous switching regression model, ESR)構(gòu)建“反事實”框架，估計和分析參與退耕還林工程對不同貧困程度農(nóng)戶收入水平的平均處理效應(yīng)及作用機制。本文嘗試在以下幾個方面進(jìn)行改進(jìn)和創(chuàng)新： 一是在樣本數(shù)據(jù)的使用上，本文采用的中國家庭收入調(diào)查數(shù)據(jù)樣本覆蓋了大多數(shù)退耕還林工程建設(shè)省份，與其他基于2～3個省份樣本的類似研究相比，更具代表性和說服力。二是在研究方法的選擇上，本文采用ESR模型有效解決樣本選擇偏差和不可觀測因素所帶來的內(nèi)生性問題，可以使研究結(jié)論建立在更為科學(xué)和嚴(yán)謹(jǐn)?shù)姆椒ㄖ稀Ｈ窃谘芯績?nèi)容的拓展上，本文按照恩格爾系數(shù)將農(nóng)戶劃分為3個不同貧困等級的樣本進(jìn)行異質(zhì)分析，將有利于理解和研究退耕還林工程影響貧困退耕農(nóng)戶收入及其緩解貧困效應(yīng)的內(nèi)在機制。

2 理論分析與模型設(shè)定

2.1 理論分析與研究假設(shè)

從新古典經(jīng)濟學(xué)來看，參與退耕會使農(nóng)戶家庭耕地面積減少，而家庭作為一個獨立經(jīng)濟代理人進(jìn)行生產(chǎn)，當(dāng)某一生產(chǎn)要素價格或數(shù)量發(fā)生變化時，農(nóng)戶會改變生產(chǎn)要素的投入比例，即耕地面積的減少會使農(nóng)戶調(diào)整其他生產(chǎn)要素(如資本和勞動)，這種調(diào)整對農(nóng)戶收入的影響可體現(xiàn)為直接效應(yīng)和間接效應(yīng)2個方面(段偉等， 2018； 張煒等， 2019)： 一是參與退耕還林導(dǎo)致耕地面積(自然資本)的減少會直接影響農(nóng)戶收入。此外，退耕補貼(資金資本)是參與工程直接發(fā)放的財政轉(zhuǎn)移性收入，該收入也會對農(nóng)戶收入產(chǎn)生直接影響。二是在技術(shù)水平不變的條件下，耕地面積減少會影響農(nóng)戶其他生產(chǎn)要素的投入，由于農(nóng)戶主要依賴于勞動性收入(程名望等， 2015)，所以耕地減少后會促使農(nóng)戶對勞動要素重新配置，加速剩余勞動力的轉(zhuǎn)移，進(jìn)而間接影響農(nóng)戶收入(Linetal.， 2014)。

從退耕對農(nóng)戶福利的影響來看，工程能夠?qū)崿F(xiàn)農(nóng)戶增收的來源主要是退耕補貼(Uchidaetal.， 2005)，但由于退耕補貼到期和補貼金額較少的問題，其促進(jìn)增收的效果也存在質(zhì)疑(Liuetal.， 2010b； 謝旭軒等， 2011)。一方面，如果退耕補貼發(fā)放完成，農(nóng)戶收入可能不會增長(王庶等， 2017)； 另一方面，退耕補貼對于不同貧困程度的農(nóng)戶家庭來說，其增收效應(yīng)也存在顯著差異。在其他因素不變的情況下，隨著退耕農(nóng)戶家庭資本的增加(即貧困等級的降低)，退耕還林工程對農(nóng)戶收入效應(yīng)呈現(xiàn)出邊際報酬遞減的現(xiàn)象。通常情況下，退耕還林工程對重度貧困農(nóng)戶的邊際增收效益大于一般貧困農(nóng)戶，而一般貧困農(nóng)戶又大于非貧困農(nóng)戶，其可能的原因在于： 相對于非貧困農(nóng)戶，貧困農(nóng)戶(包括一般貧困農(nóng)戶和重度貧困農(nóng)戶，下同)經(jīng)濟基礎(chǔ)較為薄弱，退耕還林工程補貼的總水平相對于其家庭原有總收入具有更高的增長比例，包括退耕補貼在內(nèi)的轉(zhuǎn)移性收入對貧困農(nóng)戶具有更大的邊際增長效應(yīng)； 而對于非貧困農(nóng)戶，轉(zhuǎn)移性收入可能只占其家庭收入的小部分，工程帶給非貧困家庭的邊際收入增長效應(yīng)因此要小于貧困農(nóng)戶。基于此，本文提出第1個研究假設(shè)：

H1： 退耕還林工程可以通過退耕補貼或改變農(nóng)戶耕地面積，直接影響退耕農(nóng)戶的收入水平，但這一影響效應(yīng)對不同貧困程度的退耕農(nóng)戶存在異質(zhì)性。

從退耕對農(nóng)戶剩余勞動力的轉(zhuǎn)移效果來看，參與退耕后可能引起勞動力轉(zhuǎn)移后的非農(nóng)收入增加(Wang， 2003； 韋榮華， 2004)。退耕還林工程實施以后引發(fā)的勞動力剩余或轉(zhuǎn)移促進(jìn)了生產(chǎn)效率，同時增加了農(nóng)戶外出務(wù)工等非農(nóng)就業(yè)的機會，進(jìn)而提高了農(nóng)戶的非農(nóng)收入(Yaoetal.， 2010)。農(nóng)村剩余勞動力的轉(zhuǎn)移引致農(nóng)業(yè)結(jié)構(gòu)調(diào)整，也能夠促進(jìn)農(nóng)戶增收(李若凝， 2004； 王秋菊等， 2009)。但是，這個過程對于不同貧困程度的農(nóng)戶存在2個方面的可能影響： 一是工程減少了農(nóng)戶對傳統(tǒng)農(nóng)業(yè)的依賴，使農(nóng)戶收入多元化，但存在擴大不同貧困農(nóng)戶收入差距的可能。工程能否實現(xiàn)勞動力從農(nóng)業(yè)到非農(nóng)的轉(zhuǎn)移及轉(zhuǎn)移的效率問題往往受限于農(nóng)戶的文化水平或是否掌握非農(nóng)就業(yè)技能。一般來說，非貧困農(nóng)戶平均受教育年限高于貧困農(nóng)戶，且非貧困農(nóng)戶更有可能投資與提升除基本生存以外的勞動技能，即貧困農(nóng)戶特別是重度貧困農(nóng)戶，缺乏資金和社會資源等問題更難建立與勞動力市場需求相匹配的勞動技能(張煒， 2019)，所以非貧困農(nóng)戶無論是成功獲得非農(nóng)就業(yè)的機會還是得到更高勞動回報的概率都更高，故存在拉大不同貧困程度農(nóng)戶間收入差距的可能。二是工程實現(xiàn)參與退耕農(nóng)戶非農(nóng)收入增長可能不是以增加外出就業(yè)人數(shù)的方式，而是以非農(nóng)勞動時間增加的形式(易福金等， 2006)。不同貧困程度農(nóng)戶對工程促使勞動力轉(zhuǎn)向非農(nóng)生產(chǎn)和就業(yè)的反應(yīng)也存在差異，如對非貧困農(nóng)戶和一般貧困農(nóng)戶，在參與退耕前后其非農(nóng)就業(yè)人數(shù)的變化不大，但因農(nóng)地面積減少而釋放的勞動時間卻可以轉(zhuǎn)移到非農(nóng)勞動上，而對重度貧困農(nóng)戶來說，該群體多為殘疾戶或重病戶，故不管是增加勞動轉(zhuǎn)移人數(shù)還是勞動供給時間都比較困難?；诖?，本文提出第2個研究假設(shè)：

H2： 退耕還林工程能夠引起農(nóng)業(yè)剩余勞動力轉(zhuǎn)移等帶來的非農(nóng)收入變化，間接改變農(nóng)戶的收入結(jié)構(gòu)，但這一影響效應(yīng)對不同貧困程度農(nóng)戶存在差異。

2.2 模型構(gòu)建

采用內(nèi)生轉(zhuǎn)換(ESR)模型，借鑒朱長寧等(2015)和段偉等(2018)構(gòu)建農(nóng)戶收入決定方程：

Yi=αCi+βXi+μi。

(1)

式中：Yi為農(nóng)戶i的家庭收入水平(取對數(shù))；Ci為農(nóng)戶是否參與退耕還林的決策，C=1表示農(nóng)戶參與退耕還林(稱為“退耕農(nóng)戶”)，C=0表示農(nóng)戶未參與退耕還林(稱為“非退耕農(nóng)戶”)；Xi為影響農(nóng)戶家庭收入水平的個人特征、家庭特征、經(jīng)營特征以及一些外部環(huán)境特征等因素。由于每個地區(qū)退耕還林的力度和程度都不一樣，為了控制地區(qū)差異對農(nóng)戶收入的影響，式中還設(shè)置了省份虛擬變量； α和β分別為對應(yīng)的待估系數(shù)，μi為服從獨立同分布的殘差項。

模型(1)中的參數(shù)能夠準(zhǔn)確量化農(nóng)戶參與退耕還林的收入效應(yīng)的前提是農(nóng)戶隨機選擇參與退耕還林。然而，本文使用的是調(diào)查數(shù)據(jù)，這一決策是農(nóng)戶在各種約束條件下基于預(yù)期收益的最優(yōu)選擇，并非隨機。因此，本文借鑒Maddala(1983)提出的ESR模型能夠有效解決由可觀測變量和不可觀測變量帶來遺漏變量內(nèi)生性問題及處理效應(yīng)異質(zhì)性問題(Maetal.， 2006； Di Falcoetal.， 2011； 楊志海， 2019)。

ESR模型的估計思路為： 第1步，使用Probit或Logit模型估計農(nóng)戶參與退耕的選擇方程(史常亮等， 2017)； 第2步，建立農(nóng)戶家庭收入水平?jīng)Q定方程，估計農(nóng)戶參與退耕還林工程導(dǎo)致的收入水平變化。具體包括以下3個方程：

行為方程(是否參與退耕還林)：

Ci=δZi+μi；

(2)

結(jié)果方程1(處理組，即退耕還林組的收入水平方程)：

Yit=βtXit+εit；

(3)

結(jié)果方程2(控制組，即非退耕還林組的收入水平方程)：

Yiu=βuXiu+εiu。

(4)

式中：Ci表示農(nóng)戶是否參與退耕還林的二元選擇變量，Zi是影響農(nóng)戶是否參與退耕還林的各類因素，μi是誤差項；Yit與Yiu分別表示退耕農(nóng)戶與非退耕農(nóng)戶的收入水平，Xit與Xiu是一系列影響農(nóng)戶家庭收入水平的因素，εit與εiu為結(jié)果方程的誤差項；δ、βt和βu分別為對應(yīng)的待估系數(shù)。需要說明的是，為保證ESR模型的可識別性，模型允許Zi中至少有一個變量(識別變量)不包含于Xi中，并且該變量應(yīng)直接影響農(nóng)戶的行為，而不直接影響收入水平。

ESR模型能夠比較處理組(退耕農(nóng)戶)和控制組(非退耕農(nóng)戶)農(nóng)戶分別在實際情況下與反事實假設(shè)情況下的家庭收入期望值，以此估計農(nóng)戶是否參與退耕還林的平均處理效應(yīng)和異質(zhì)性效應(yīng)。

退耕農(nóng)戶的收入期望值(處理組)：

E[Yit|Ci=1]=βtXit+σtλit；

(5)

非退耕農(nóng)戶的收入期望值(控制組)：

E[Yiu|Ci=0]=βuXiu+σuλiu。

(6)

同時考慮2種反事實假設(shè)情景，即退耕農(nóng)戶若未參與退耕情形下的家庭收入期望值：

E[Yiu|Ci=1]=βuXiu+σuλiu；

(7)

非退耕農(nóng)戶若參與退耕情形下的收入期望值：

E[Yit|Ci=0]=βtXit+σtλit。

(8)

式中：λit和λiu分別表示由不可觀測變量帶來的樣本選擇性偏誤，σt和σu則為對應(yīng)的待估系數(shù)，若其不為零，說明有必要糾正由不可觀測變量帶來的樣本選擇性偏誤。式(5)-(8)所得到的收入見表1。以表1為基礎(chǔ)既能夠定義處理組和控制組平均處理效應(yīng)，又可以定義相應(yīng)的異質(zhì)性效應(yīng)。其中，ATT表示退耕還林組的平均處理效應(yīng)，ATU表示非退耕還林組的平均處理效應(yīng)，HT表示退耕還林組收入與非退耕還林組反事實收入之間的差異，HU表示非退耕還林組收入與退耕還林組反事實收入之間的差異，而Δ則表示克服了自選擇問題和異質(zhì)性偏差之后退耕農(nóng)戶組與非退耕農(nóng)戶組的收入差距(金江等， 2018)。

表1 處理效應(yīng)和異質(zhì)性效應(yīng)①

3 數(shù)據(jù)來源與變量統(tǒng)計描述

3.1 數(shù)據(jù)來源

數(shù)據(jù)來源于2013年中國家庭收入調(diào)查數(shù)據(jù)(China Household Income Projects 2013，以下簡稱CHIP 2013)。CHIP 2013是一項在國家統(tǒng)計局協(xié)助下完成的在全國范圍內(nèi)展開的、截面式的研究數(shù)據(jù)庫，系統(tǒng)記錄了2013年各家庭住戶的生產(chǎn)經(jīng)營情況，研究樣本囊括了退耕還林工程的大多數(shù)參與省份。該數(shù)據(jù)包括城鎮(zhèn)住戶、農(nóng)村住戶和流動人口3種類型，本文致力于研究退耕還林工程對農(nóng)戶收入的影響，因此剔除城鎮(zhèn)樣本。由于流動人口問卷的設(shè)計與農(nóng)村住戶問卷有很大的差異，很多指標(biāo)難以匹配，故又將流動人口樣本剔除。此外，該數(shù)據(jù)庫中的收入數(shù)據(jù)由2部分組成，一部分是從國家統(tǒng)計局的數(shù)據(jù)庫中直接過錄的，比普通問卷調(diào)查方式一次性回憶的數(shù)據(jù)更加準(zhǔn)確，故采用此數(shù)據(jù)作為本文實證分析的農(nóng)戶家庭收入數(shù)據(jù)；另一部分是委托國家統(tǒng)計局調(diào)查隊以問卷調(diào)查的方式采集的，可作為替換被解釋變量進(jìn)行穩(wěn)健性檢驗。這2部分收入數(shù)據(jù)均從家庭和個人2種統(tǒng)計口徑下收集，為了不低估家庭成員的收入狀況，同時鑒于中國農(nóng)村普遍是以家庭作為生產(chǎn)經(jīng)營決策單位，因此將研究單位鎖定在家庭暨本文所定義的農(nóng)戶級層面。最后再剔除沒有實施退耕還林政策省份和缺失家庭特征數(shù)據(jù)后，最終得到7 150戶數(shù)據(jù)，其中退耕還林農(nóng)戶1 259戶，非退耕還林農(nóng)戶5 891戶。

3.2 變量設(shè)置

因變量設(shè)置為農(nóng)戶家庭人均收入水平。參照邢祥娟(2014)的方法，選取人均可支配收入作為被解釋變量，按照收入結(jié)構(gòu)，將人均可支配收入劃分為人均工資性收入、人均財產(chǎn)性收入、人均經(jīng)營性收入和人均轉(zhuǎn)移性收入，并將各項收入數(shù)據(jù)取對數(shù)值。其中人均可支配收入反映農(nóng)戶家庭總收入水平，工資性收入是農(nóng)戶通過就業(yè)或零工的形式獲得的勞動報酬，經(jīng)營性收入主要是農(nóng)戶從事糧食種植和飼養(yǎng)家禽等農(nóng)業(yè)生產(chǎn)活動得到的收入，轉(zhuǎn)移性收入是農(nóng)戶獲得的包括退耕補貼在內(nèi)的各種收入轉(zhuǎn)移，財產(chǎn)性收入則是農(nóng)戶對外投資和財產(chǎn)租賃等取得的收入。

核心自變量設(shè)置為是否退耕還林。將是否參與退耕還林作為處理變量，通過詢問受訪者家庭“是否參加過退耕還林還草項目”判斷其退耕行為(0、1變量，參與退耕=1)。樣本農(nóng)戶中參與退耕還林有1 259戶，占總樣本的17.61%。

控制變量設(shè)置為2類： 一是戶主個體特征，如戶主性別、年齡、受教育年限、健康狀況及戶主兄弟姐妹的個數(shù)； 二是家庭特征，如該戶常住人口比例、勞動力人數(shù)、男性比例、是否干部戶、人均疾病天數(shù)、人均經(jīng)營土地面積、人均公共工程天數(shù)。此外，為了控制地區(qū)差異對估計結(jié)果的影響，生成并控制省份虛擬變量(朋文歡等， 2017)。其中，家庭常住人口比例越低的農(nóng)戶參與退耕的概率越高，其原因可能在于該類農(nóng)戶人口多數(shù)選擇外出務(wù)工，在家務(wù)農(nóng)人口缺乏，退耕是農(nóng)戶對家庭務(wù)農(nóng)勞動力缺乏的適應(yīng)性選擇。其次，干部戶家庭、人均經(jīng)營土地面積更多的家庭，選擇參與退耕還林的可能性更高。干部戶也更愿意參與退耕還林，一方面可能是出于對國家政策起示范帶頭作用的意愿，另一方面干部戶對政策的了解和擁有的社會資源更多，對政策的實施更容易。人均經(jīng)營土地面積更多的農(nóng)戶也更有可能選擇退耕還林，主要原因在于經(jīng)營土地面積越大就需要越多的勞動力，而家庭中勞動力的數(shù)量是一定的，經(jīng)營土地勞動力存在相對剩余，還可能是因為農(nóng)戶依據(jù)自身效應(yīng)最大化的原則，將經(jīng)營土地的收益去換取參與退耕收益的機會成本可能更小。

識別變量設(shè)置為農(nóng)戶人均親鄰幫工天數(shù)。親鄰幫工所付出的勞動是沒有收入或報酬的(張煒， 2019)，但這一指標(biāo)能體現(xiàn)農(nóng)戶家庭社會關(guān)系、資源和參與公共事務(wù)的積極性等，而這些因素會影響農(nóng)戶是否選擇參與類似退耕還林這樣的公共事務(wù)活動。即該變量只對是否參與退耕有影響，對農(nóng)戶的家庭收入沒有影響。為了驗證該識別變量的有效性，將農(nóng)戶人均親鄰幫工天數(shù)與其他變量一起分別對農(nóng)戶是否參與退耕、影響結(jié)果方程(表4)的因變量進(jìn)行回歸。結(jié)果顯示，農(nóng)戶人均親鄰幫工天數(shù)在1%顯著性水平上影響了農(nóng)戶參與退耕的選擇，但對農(nóng)戶收入因變量則無顯著影響，說明該識別變量的選取是合適的。

3.3 變量描述性統(tǒng)計

從表2中主要解釋變量的描述性統(tǒng)計中可以發(fā)現(xiàn)，在戶主個人特征中，退耕農(nóng)戶戶主的平均年齡更大，受教育年限更低，且健康狀況也相對較差。從家庭特征中可以發(fā)現(xiàn)，退耕農(nóng)戶與非退耕農(nóng)戶在男性比例、是否干部戶和人均經(jīng)營土地面積變量上均無顯著差異，勞動力人數(shù)有顯著差異，退耕農(nóng)戶家庭常住人口比例低于非退耕農(nóng)戶，人均疾病天數(shù)和低保比例高于非退耕農(nóng)戶。從人均參與公共工程天數(shù)看，退耕農(nóng)戶家庭參與公共工程的天數(shù)更多。從以上主要解釋變量的描述中可以發(fā)現(xiàn)，參與退耕的農(nóng)戶家庭各項收入更低，不僅如此，退耕農(nóng)戶戶主的健康狀態(tài)差于非退耕農(nóng)戶，且家庭人均疾病天數(shù)和低保比例等都高于非退耕農(nóng)戶，這表明存在貧困農(nóng)戶更愿意參與退耕的可能。從識別變量看，選擇參與退耕的農(nóng)戶其人均親鄰幫工天數(shù)會更多，顯著高于非退耕農(nóng)戶家庭，這也驗證了選取該變量的依據(jù)。除此之外，表2中的絕大多數(shù)變量的差異值均顯著，這說明農(nóng)戶是否參與退耕還林存在樣本自選擇問題，因此，有必要使用內(nèi)生轉(zhuǎn)換模型克服選擇偏差，以獲得更加準(zhǔn)確的估計結(jié)果。

表2 退耕農(nóng)戶與非退耕農(nóng)戶的主要變量情況描述性統(tǒng)計①

4 結(jié)果與分析

本文借鑒尹海潔等(2009)提出的修正的恩格爾系數(shù)將7 150份農(nóng)戶家庭樣本劃分為3個不同貧困等級的子樣本，分別重新擬合內(nèi)生轉(zhuǎn)換模型，并根據(jù)模型的擬合結(jié)果得到反事實情況下的結(jié)果，估算參與退耕還林對不同貧困程度農(nóng)戶收入的處理效應(yīng)和異質(zhì)性效應(yīng)。為進(jìn)一步了解退耕還林對不同貧困程度農(nóng)戶的增收機制，從家庭收入結(jié)構(gòu)的角度分別分析退耕還林對農(nóng)戶收入的直接與間接影響效應(yīng)。

4.1 不同貧困程度農(nóng)戶參與退耕還林決策與農(nóng)戶收入模型聯(lián)立估計

表3展示了不同貧困程度農(nóng)戶參與退耕還林決策對其家庭收入水平的影響效應(yīng)方程的估計結(jié)果。其中，每個模型的第1列是農(nóng)戶參與退耕還林決策影響因素估計結(jié)果，后2列分別是退耕農(nóng)戶與非退耕農(nóng)戶收入水平的影響因素估計結(jié)果。表中ρt與ρu分別表示選擇方程與退耕農(nóng)戶、非退耕農(nóng)戶家庭收入水平影響效應(yīng)方程誤差項的相關(guān)系數(shù)，從回歸結(jié)果可以發(fā)現(xiàn)，不同貧困程度農(nóng)戶的選擇方程和結(jié)果方程的相關(guān)系數(shù)均顯著，除了模型2的聯(lián)合獨立似然比沒能通過檢驗，其余2個子樣本模型均通過了顯著性檢驗。為此，有必要糾正由不可觀測因素引起的樣本選擇性偏誤問題。從樣本回歸結(jié)果來看，首先，對不同貧困程度的農(nóng)戶家庭，影響其是否參與退耕還林決策的因素存在差異。其中，常住人口比例對3個貧困等級農(nóng)戶的退耕決策均有顯著負(fù)向影響，即常住人口比例越低，農(nóng)戶參與退耕的可能性就越大。具體來看，對于非貧困農(nóng)戶而言，戶主年齡和家中有人是干部對其退耕決策有正向影響，且分別在10%和5%統(tǒng)計水平上顯著。對于一般貧困農(nóng)戶而言，家中有人是干部也對其有正向影響，在10%統(tǒng)計水平上顯著。對于重度貧困農(nóng)戶而言，人均經(jīng)營土地面積對其選擇參與退耕還林有顯著正向作用，在1%統(tǒng)計水平上顯著，表明重度貧困農(nóng)戶若擁有的人均經(jīng)營土地面積越多，參與退耕的可能性就越大。其次，從不同子樣本模型的結(jié)果方程中可以看出，不同貧困程度的農(nóng)戶收入影響因素不盡相同。其中，戶主的健康狀況對不同貧困程度退耕農(nóng)戶收入來說都是負(fù)向的，但僅對重度貧困退耕農(nóng)戶有顯著的影響，其原因可能在于戶主健康狀況差會增加醫(yī)藥支出。家庭勞動力數(shù)量、人均經(jīng)營土地面積和男性比例對不同貧困程度非退耕農(nóng)戶收入均有顯著正向影響，其中，勞動力的數(shù)量越多或家庭人均土地經(jīng)營面積越大，農(nóng)戶可獲得的收入也就越多； 農(nóng)戶收入的主要承擔(dān)者是家庭中的男性，農(nóng)戶家庭中男性比例越大，其收入可能就越高。最后，不同貧困程度農(nóng)戶模型中的退耕農(nóng)戶與非退耕農(nóng)戶的收入影響因素也不相同。非貧困農(nóng)戶和一般貧困農(nóng)戶中戶主年齡對非退耕農(nóng)戶有正向顯著影響，但對退耕農(nóng)戶的影響不顯著，且有正有負(fù)。戶主受教育年限和是否是干部戶僅對一般貧困農(nóng)戶中的非退耕農(nóng)戶有正向顯著影響，且是干部戶對非貧困樣本中退耕農(nóng)戶的收入有顯著負(fù)向影響，可能的原因在于非貧困農(nóng)戶的增收來源并不依賴退耕還林補貼，干部戶選擇參與退耕反倒會對其勞動力的分配有影響，進(jìn)而給家庭收入帶來負(fù)面影響。

4.2 處理效應(yīng)和異質(zhì)性效應(yīng)

依據(jù)內(nèi)生轉(zhuǎn)換回歸模型(ESR)得到反事實結(jié)果，確定在參與退耕和未參與退耕2種情形下的期望收入，并基于表3的結(jié)果和表1的定義，得到相應(yīng)的處理效應(yīng)和異質(zhì)性效應(yīng)，并將不同貧困程度農(nóng)戶子樣本一并報告在表4中。

表4展示了退耕還林對不同貧困程度農(nóng)戶的收入效應(yīng)。從非貧困農(nóng)戶來看，處理組的平均處理效應(yīng)(ATT)為-0.457 ，說明對于已經(jīng)參加退耕還林的非貧困農(nóng)戶，如果沒有選擇退耕還林，其家庭收入水平將提高45.7%； 控制組的平均處理效應(yīng)(ATU)為1.552 ，表明對于未參與退耕還林的非貧困農(nóng)戶，如果參與退耕還林，其家庭收入將提高155.2%。以上結(jié)果說明對于未參與退耕非貧困農(nóng)戶來說，若參與退耕還林則會增加其家庭收入。這一結(jié)果似乎與農(nóng)戶根據(jù)自身效用最大化做出的決策相悖，但如前文的描述性統(tǒng)計中所述即家庭收入較低的農(nóng)戶選擇參與退耕的可能性更大，則這一結(jié)果可以解釋為： 非退耕農(nóng)戶多為收入較高的農(nóng)戶，因退耕補貼對其家庭收入增長的邊際效應(yīng)較小，農(nóng)戶根據(jù)自身效用最大化原則傾向于不選擇參與退耕。然而，一旦這部分農(nóng)戶選擇參與退耕，則有可能以其資金或其他技能優(yōu)勢更快地實現(xiàn)勞動力轉(zhuǎn)移，進(jìn)而更快地實現(xiàn)家庭收入增加。

為了更清楚地展現(xiàn)退耕決策對一般貧困農(nóng)戶和重度貧困農(nóng)戶的收入效應(yīng)，本文分別給出退耕農(nóng)戶和非退耕農(nóng)戶在2種情境下的家庭收入的概率密度分布(圖1、圖2)。一般貧困退耕農(nóng)戶(圖1a)和重度貧困退耕農(nóng)戶(圖2a)若不參與退耕，其收入的概率密度函數(shù)曲線向左移動，表明在考慮了選擇偏誤的情況下，參與退耕能有效提升其收入水平，ATT值分別為0.095 和0.255 ，表明如果沒有選擇退耕還林，其家庭收入水平將分別減少9.5%和25.5%。一般貧困(圖1b)和重度貧困(圖2b)的非退耕農(nóng)戶若參與退耕，其收入的概率密度分布曲線將向左移動，平均處理效應(yīng)(ATU)分別為-0.538 和-1.428 ，表明如果選擇參與退耕還林，其家庭收入將分別降低53.8%和142.8%。從以上結(jié)果可以看出，一般貧困農(nóng)戶和重度貧困農(nóng)戶選擇參與退耕還林均可以顯著增加其家庭收入水平，且重度貧困退耕農(nóng)戶的增收效應(yīng)更大。

在一般貧困農(nóng)戶子樣本中，HT的估計值說明若一般貧困的非退耕農(nóng)戶選擇參與退耕，將比實際參與退耕的一般貧困農(nóng)戶家庭收入水平低41.2%，反過來，HU的估計值說明，如果一般貧困退耕農(nóng)戶沒有參與退耕，其收入水平將比實際未參與退耕的一般貧困農(nóng)戶低22.1%。在重度貧困農(nóng)戶子樣本中，HT的估計值說明如果重度貧困的非退耕農(nóng)戶選擇參與退耕，將比實際參與退耕的重度貧困農(nóng)戶收入水平低139.4%，反過來，HU的估計值說明，如果重度貧困退耕農(nóng)戶沒有參與退耕，其家庭收入水平將比實際未參與退耕的重度貧困農(nóng)戶低28.9%。以上結(jié)果表明，參與退耕還林工程對一般貧困農(nóng)戶和重度貧困農(nóng)戶均有正向影響，其收入水平均較反事實情況下得到顯著提高，且2種影響效應(yīng)估計結(jié)果的方向不一致，印證了一般貧困農(nóng)戶和重度貧困農(nóng)戶參與退耕還林的選擇上是基于其自身的比較優(yōu)勢所做出的決策(Borjas, 1987)。

表3 不同貧困程度農(nóng)戶的ESR回歸結(jié)果①

表4 不同貧困程度農(nóng)戶收入的處理效應(yīng)和異質(zhì)性效應(yīng)的測算結(jié)果①

圖1 2種情景下一般貧困農(nóng)戶的家庭收入概率密度

圖2 2種情景下重度貧困農(nóng)戶收入概率密度

4.3 穩(wěn)健性檢驗

以上研究結(jié)果的穩(wěn)健性可能會受到以下2個方面的影響： 一是極端值問題； 二是得到的處理效應(yīng)和異質(zhì)性效應(yīng)可能受到了其他因素的干擾(金江等， 2018)。因此，需要圍繞這2個方面問題展開穩(wěn)健性檢驗。一是收入極端值穩(wěn)健性檢驗。借鑒Falck等(2016)的做法，剔除收入低于第5百分位和高于第95百分位的觀測值，對模型進(jìn)行重新估計。結(jié)果表明，收入極端值被剔除之后，對應(yīng)的處理效應(yīng)和異質(zhì)性效應(yīng)結(jié)果沒有發(fā)生改變，說明之前的估計結(jié)果是穩(wěn)健的。二是替換被解釋變量的檢驗方法。鑒于本文采用的數(shù)據(jù)庫有2種收入統(tǒng)計方式，一種是通過國家統(tǒng)計局過錄的農(nóng)戶數(shù)據(jù)，即前文分析中所采用的數(shù)據(jù)，另外一種是入戶調(diào)查時得到的收入數(shù)據(jù)。故采用入戶調(diào)查的收入數(shù)據(jù)作為穩(wěn)健性檢驗的被解釋變量進(jìn)行重新估計，結(jié)果表明，退耕還林對不同貧困程度農(nóng)戶的處理效應(yīng)并無顯著變化，也說明了之前得出的結(jié)論是穩(wěn)健的。

4.4 影響機制分析

從前文的實證結(jié)果可以得出，參與退耕對一般貧困農(nóng)戶和重度貧困農(nóng)戶收入有顯著的增收效應(yīng)，但是，退耕還林具體是通過哪一部分收入實現(xiàn)增收以及增收的效果如何？對于不同貧困程度農(nóng)戶，退耕還林是直接還是間接地影響其收入？為了進(jìn)一步剖析參與退耕對不同貧困程度農(nóng)戶增收的影響機制，同時驗證前文中的2個假設(shè)是否成立，按照收入結(jié)構(gòu)將農(nóng)戶收入劃分為可以體現(xiàn)直接效應(yīng)的人均轉(zhuǎn)移性收入和人均經(jīng)營性收入，以及能夠體現(xiàn)間接效應(yīng)的工資性收入和財產(chǎn)性收入，分別估計參與退耕對不同貧困程度農(nóng)戶不同收入類型的處理效應(yīng)(表5)。

表5 退耕對不同貧困程度農(nóng)戶不同收入影響的處理效應(yīng)

從直接影響看，退耕還林工程只對退耕農(nóng)戶中的重度貧困農(nóng)戶的人均轉(zhuǎn)移性收入和人均經(jīng)營性收入的平均處理效應(yīng)顯著為正，這表明工程能夠通過轉(zhuǎn)移性收入和經(jīng)營性收入的方式直接增加重度貧困農(nóng)戶的家庭收入，與不參與退耕的反事實情況相比，分別提高了15.9%和18.6%。這一結(jié)論印證了假設(shè)1，即退耕還林工程可能通過退耕補貼或改變農(nóng)戶耕地面積，直接影響退耕農(nóng)戶收入水平，但這一直接影響效應(yīng)僅對重度貧困農(nóng)戶收入是正向顯著的。

從間接影響看，退耕還林工程對不同貧困程度的退耕農(nóng)戶人均工資性收入的處理效應(yīng)均為正，這表明退耕還林工程可通過勞動力轉(zhuǎn)移等其他形式間接影響農(nóng)戶收入結(jié)構(gòu)，促進(jìn)非農(nóng)收入的增長，工資性收入作為農(nóng)戶勞動力轉(zhuǎn)移后最主要的非農(nóng)收入來源也是其收入的主要部分，在農(nóng)戶選擇退耕后均有不同程度的增加。相對于未參與退耕的反事實情況，退耕分別帶動非貧困農(nóng)戶工資性收入提高4.0%，一般貧困農(nóng)戶提高7.9%，而重度貧困戶提高了24.6%。這一結(jié)論印證了假設(shè)2，即退耕能夠引起農(nóng)業(yè)剩余勞動力轉(zhuǎn)移等非農(nóng)收入變化，間接改變退耕農(nóng)戶的收入結(jié)構(gòu)，且退耕對退耕農(nóng)戶人均工資性收入的增長效應(yīng)隨著貧困程度的加深而變大，即退耕對重度貧困退耕農(nóng)戶的工資性收入的效應(yīng)最大。

整體上看，退耕還林工程可直接或間接地影響退耕農(nóng)戶的收入水平，且對不同貧困程度退耕農(nóng)戶的增收效應(yīng)在不同的收入類型上存在不同。非貧困和一般貧困退耕農(nóng)戶參與退耕僅對其工資性收入有正向處理效應(yīng)，且一般貧困退耕農(nóng)戶的正向效應(yīng)要大于非貧困退耕農(nóng)戶。重度貧困退耕農(nóng)戶參與退耕能夠使其家庭收入從直接和間接兩方面得到改善，且間接影響的正向處理效應(yīng)大于非貧困和一般貧困農(nóng)戶。

5 結(jié)論及政策建議

本文基于2013年中國家庭收入調(diào)查數(shù)據(jù)中的7 150戶農(nóng)村住戶樣本(其中退耕農(nóng)戶樣本1 259戶，非退耕農(nóng)戶樣本5 891戶)，采用內(nèi)生轉(zhuǎn)換模型估計農(nóng)戶退耕還林的收入效應(yīng)，并通過構(gòu)建“反事實”分析框架，得出不同貧困程度農(nóng)戶參與退耕還林工程的平均處理效應(yīng)和異質(zhì)性效應(yīng)，用以檢驗退耕還林工程能否有效提升退耕農(nóng)戶收入水平?；谑杖腩愋瓦M(jìn)一步剖析工程對不同貧困程度農(nóng)戶收入影響的直接效應(yīng)和間接效應(yīng)，進(jìn)而明確工程對退耕農(nóng)戶收入效應(yīng)的影響機制，得出以下結(jié)論：

1) 從反映農(nóng)戶整體收入水平的人均可支配收入來看，退耕還林工程能有效提升一般貧困退耕農(nóng)戶和重度貧困退耕農(nóng)戶人均可支配收入水平，與沒有參與退耕的反事實情況相比，其收入水平將分別提高9.5%和25.5%，且重度貧困退耕農(nóng)戶的增收效應(yīng)大于一般貧困退耕農(nóng)戶。

2) 從工程對不同貧困程度農(nóng)戶收入影響的直接效應(yīng)來看，參與退耕對重度貧困農(nóng)戶人均轉(zhuǎn)移性收入和人均經(jīng)營性收入有顯著正向的影響，與未參與退耕的反事實相比，重度貧困農(nóng)戶參與退耕后其人均轉(zhuǎn)移性收入和人均經(jīng)營性收入分別增加15.9%和18.6%。

3) 從工程對不同貧困程度農(nóng)戶收入影響的間接效應(yīng)來看，非貧困農(nóng)戶和一般貧困農(nóng)戶的人均工資性收入較未參與退耕的反事實情況，分別提高4.0%和7.9%，而工程對重度貧困農(nóng)戶的間接影響效應(yīng)大于非貧困和一般貧困退耕農(nóng)戶，其人均工資性收入在參與退耕后可以增加24.6%。

在考慮了測量誤差和極端值問題及排除其他干擾因素后，本文的結(jié)論依然穩(wěn)健。

基于以上結(jié)論，本文得出以下政策啟示：

1) 針對不同貧困程度農(nóng)戶實行差異化補貼。農(nóng)戶參與退耕還林工程獲得的退耕補貼是其最直接的增收來源，也是帶動農(nóng)戶參與退耕的直接動力?？紤]到不同貧困程度農(nóng)戶對退耕補貼在內(nèi)的轉(zhuǎn)移性收入的敏感性不同，結(jié)合2020年之后國家扶貧攻堅進(jìn)入減緩相對貧困及長期減貧的戰(zhàn)略轉(zhuǎn)型需求和工程的扶貧增收目標(biāo)，在退耕還林工程規(guī)模拓展與后續(xù)管理管護(hù)過程中，工程任務(wù)和資金安排面對不同貧困程度農(nóng)戶時，實施差異化補貼，將資金更多地向相對貧困尤其是對退耕補貼更為敏感的重度貧困農(nóng)戶傾斜。同時，將相對貧困人口納為退耕還林工程優(yōu)先對象，通過項目和資金的精準(zhǔn)瞄準(zhǔn)，提高補貼資金扶貧減貧的配置效率以及生態(tài)建設(shè)工程扶貧績效。

2) 適度提高補貼標(biāo)準(zhǔn)，延長補貼期限。當(dāng)前的退耕補貼存在相對標(biāo)準(zhǔn)偏低與補貼時間偏短的現(xiàn)實問題，為了更好地帶動貧困農(nóng)戶參與退耕，同時為避免已退耕農(nóng)戶因收入減少而復(fù)耕，政府應(yīng)提高補貼標(biāo)準(zhǔn)，提高退耕補貼在貧困農(nóng)戶收入中的比例，延長補貼年限。更為重要的是，要探索實行以退耕還林生態(tài)系統(tǒng)服務(wù)功能價值與退耕農(nóng)戶福祉改善為基礎(chǔ)的永久性生態(tài)補償制度，以替代和對接現(xiàn)行基于建設(shè)工程項目管理的財政補助政策。與此同時，還需配套優(yōu)化工程資金使用績效的評價標(biāo)準(zhǔn)，將工程的長期減貧績效納入考核體系，推動工程生態(tài)扶貧管理運行機制的創(chuàng)新。

3) 加強對退耕貧困農(nóng)戶非農(nóng)生產(chǎn)和就業(yè)的專業(yè)知識和技能培訓(xùn)。一般來說，受教育水平更高或掌握非農(nóng)就業(yè)技能的退耕農(nóng)戶獲得非農(nóng)就業(yè)機會和更高工資性收入的可能性更大，而退耕還林工程對不同貧困程度退耕農(nóng)戶的間接影響效應(yīng)隨貧困程度增加而越顯著。為此，政府要配套建立重點面向退耕貧困農(nóng)戶的就業(yè)指導(dǎo)與定向培訓(xùn)計劃，提高貧困農(nóng)戶非農(nóng)就業(yè)人力資本能力，提高就業(yè)競爭力與工資水平，推動貧困退耕農(nóng)戶收入的多元化。