Page 71 - 《华中农业大学学报(社会科学版)》2024年第1期
P. 71
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。