Page 71 - 《华中农业大学学报（社会科学版）》2024年第1期

第1 期 张鹏静 等：空气、水和土壤视域下环境污染对耕地抛荒的影响 65

∂ Q
2
将降低边际抛荒耕地产量的减少速度，即 < 0。当且仅当种植一单位作物的收入大于等于其种
∂a∂E
∂Q
植成本时，耕地才不会被抛荒 ，实现利润最大化时满足:p =-cL。环境污染对耕地抛荒的影可
[33]
∂a
以通过对一阶条件两边的E进行微分来得出：
∂ Q da ∂ Q （2）
2
2
∂a 2 × dE + ∂a∂E = 0
由以上假设可以得出环境污染对耕地抛荒具有正向影响：
da ∂ Q ∂ Q
2
2
dE =- ∂a∂E ∂a 2 > 0 （3）

三、数据来源、变量说明与实证模型

1.数据来源
文章所用数据来源于中山大学社会科学调查中心 2014、2016 和 2018 年进行的“中国劳动力动态
调查（CLDS）”。该数据采用多阶段、多层次、与劳动力规模成比例的抽样方法，涵盖了 29 个省、自治
区、直辖市（不包括西藏和海南），由社区模块、家庭模块和个人模块三部分组成，包括了个人成长经
历、家庭经济状况以及社区发展等内容，样本具有较强的代表性和适用性，首先将家庭模块和社区模
块合并为一个数据集，然后再合并成面板数据。在数据分析过程中，仅保留了农村户口的样本，去除
了关键变量为缺失和异常的观测值，最后获得了覆盖中国26个省的17265户样本。
2.变量描述
根据以往文献构建变量的方法，结合本文研究内容的需要，主要使用了以下变量来检验环境污
染与耕地抛荒之间的关系。
（1）被解释变量。本文的被解释变量为抛荒程度。以农户抛荒面积与其耕地面积的比值指代抛
荒程度。
（2）核心解释变量。本文的核心解释变量为环境污染，主要从空气污染、水污染和土壤污染 3 个
方面构造环境污染变量。中国的环境污染主要来源于工业污染 [34⁃35] ，工业三废（废气、废水和废渣）的
排放是造成空气污染、水污染和土壤污染的重要原因 [36⁃38] 。但由于地级市层面的工业固体废弃物（废
渣）排放量数据缺失，本文参照张可等 的研究，利用工业二氧化硫排放量、工业烟（粉）尘排放量和工
[39]
业废水排放量使用熵值法构建环境污染指数，数据来源于《中国城市统计年鉴》。农户在做耕地利用
决策时一般会根据之前的生产经营状况做出判断，所以核心解释变量使用 t-1 期的环境污染指数，
环境污染指数越大代表当地环境污染情况越严重。
（3）控制变量。为了排除其他混杂因素对估计结果的影响，参考 Chen等 的研究，控制了可能影
[40]
响耕地抛荒的户主特征、家庭特征和村庄特征。其中户主特征为户主年龄；家庭特征为家庭债务、医
疗支出占比、农业收入、农业收入占比、粮食作物补贴、耕地面积、农业生产机械化程度和土地确权
等；村庄特征为村庄常住劳动力占比、村庄是否提供统一购买生产资料服务、村庄是否提供外出务工
服务、村庄行政区域内是否有信用合作社、村庄是否处于大中等城市郊区以及作物生长期是否需要
灌溉等。变量的描述性统计见表1。
3.计量模型设定
本文使用双向固定效应模型估计环境污染对耕地抛荒的影响，计量模型如下：
（4）
Abandonment_ratio it = β 0 + β 1 Envi_pollution it - 1 + β 2 X it + μ i + λ t + ε it
式（4）中 ，下 标 i = 1,…,n 表 示 农 户 个 体 ，t = 2014,2016,2018 表 示 观 察 年 份 ,
Abandonment_ratio it 表示农户 i在第 t年的耕地抛荒程度， Envi_pollution it - 1 表示农户 i所在地级市第

t - 1 年的环境污染指数， X it 为控制变量， μ i 为农户个体固定效应， λ t 为时间固定效应， ε it 为回归残差
项， β 0 为截距项， β 1 和β 2 为回归系数。