这是用户在 2024-3-24 16:43 为 https://app.immersivetranslate.com/pdf-pro/62808164-2ec4-44da-9a5f-4ade0aeb4ee5 保存的双语快照页面,由 沉浸式翻译 提供双语支持。了解如何保存?
2024_03_24_1d0b3a7979d2c361b598g

 常规文章


市场一体化带来的收益:埃塞俄比亚新建农村公路的福利效应

Hundanol A. Kebede


美国南伊利诺伊大学卡本代尔分校

A R T I C LE I N F O

 JEL 分类:

F14
H54
O12
O18
Q12
R12

 关键词:

 市场一体化
 李嘉图贸易模式
 农村道路
 贸易成本
URRAP

 摘要


A B S T R A C T 本文估算了修建连接农业村庄和市场中心的农村公路所带来的福利收益。我将李嘉图贸易模型的理论预测与埃塞俄比亚丰富的高空间分辨率农业生产微观数据相结合,而埃塞俄比亚恰好处于农村道路大范围修建的时期。我估计,道路建设导致实际农业收入平均增加约 ,并表明这一增长归因于李嘉图贸易模型中提出的机制:村庄比较优势作物的价格上涨,以及贸易成本下降后村庄重新分配土地种植这些作物。

 1.导言


道路通过促进货物、人员和思想在不同地点之间的流动,在经济发展中发挥着关键作用(Ali 等人,2015 年)。发展中国家不仅道路基础设施薄弱、贸易成本高(Atkin 和 Donaldson,2015 年),而且在投资连接城市的高速公路和铁路与投资连接农村和附近城镇的农村公路时,往往面临取舍。近期的贸易文献广泛记录了公路和铁路扩张在不同情况下对经济活动空间分布和福利的影响。例如,中国的 Faber(2014)、印度的 Ghani 等人(2016)和 Donaldson(2018)、土耳其的 Cosar 和 Demir(2016)以及美国的 Allen 和 Arkolakis

然而,人们对农村公路的福利效应了解较少,而且由于其发挥的经济作用不同,这些效应很可能在数量和质量上都不同于高速公路。 发展文献中很少有关于农村道路对移民和农业生产率等不同相关结果的影响的实证研究(例如,Asher 和 Novosad,2020 年;Shamdasani,2021 年;Gebresilasse,2023 年)。然而,人们对道路影响相关结果的深层机制仍不甚了解。

在本文中,我通过实证分析了修建新农村公路对福利的影响。本文的新颖之处在于,它以实证的方式记录了对道路基础设施改善的反应边际。农业设置和高空间分辨率微观数据的获取使我能够对李嘉图贸易模型提出的深度调整机制进行严格验证。在大多数探讨农业贸易成本下降带来的收益的论文中,通常都是对模型进行校准或横截面估算,并模拟贸易成本下降的影响(或不直接考虑调整)。本文展示了这些机制在相对较短时间内的作用。

为了指导我对道路影响农村经济福利的机制进行实证分析,我在附录中提出了一个多作物、多村庄的李嘉图贸易模型,其中村庄内部和村庄之间的土地质量是异质的。该模型就道路基础设施的改善对村庄福利的影响机制提供了一些清晰的预测。首先,贸易成本的降低会导致村庄比较优势作物(CA-作物)相对价格的上升。其次,贸易成本的降低导致农田从相对劣势作物(CD-作物)向相对优势作物(CA-作物)重新分配。第三,道路带来的福利(实际收入)收益的大小取决于村庄消费篮子中的作物构成以及分配给这些作物的村庄土地的比例。例如,与种植谷物的村庄相比,种植经济作物的村庄应从贸易成本下降中获益更多,因为后者在贸易成本下降后,其消费篮子的相对成本会显著增加。

根据我从埃塞俄比亚获得的有关村级土地利用、农作物价格和交通基础设施冲击的面板数据,可以很容易地检验这些理论预测。埃塞俄比亚为研究农村公路的福利效应提供了一个独特的环境。首先,就在 2010 年,几乎所有的农村都没有现代交通工具。其次,为了改变这种状况,埃塞俄比亚政府启动了一项名为 "普及农村道路计划"(URRAP)的大规模农村道路扩建项目,目的是在 2011 年至 的短短五年时间内,通过全天候道路将所有农村连接起来。到 2015 年,该计划使该国的道路总长度翻了一番。第三,与大多数撒哈拉以南非洲国家不同,埃塞俄比亚收集了非常丰富的农业生产和农作物价格微观数据。我的农业数据涵盖了 2000 多个具有全国代表性的农村村庄(当地称为 Kebeles,是最基层的行政单位)和所有农作物。这些村庄中约有一半在 URRAP 项目下获得了道路连接,而且在大多数情况下,这是它们的第一条可供车辆通行的道路。

为了解决道路布置(选择村庄参与 URRAP 计划)的潜在内生性问题,我构建了一个完全基于成本因素(土地坡度以及河流和湖泊的位置)预测的反事实道路网络。我利用这个反事实道路网来构建实际道路网的工具变量。然而,有必要提及的是,本文的一些主要结果,特别是那些关于道路连接对不同作物的土地重新分配以及村庄内比较优势作物的相对价格的影响的结果,对这些潜在的内生性问题并不那么敏感,因为它们是基于三重差分变化(即作物-村庄-年份变化)得出的。

我的实证研究的核心是确定一个村庄的比较优势作物。这需要每个村庄每种作物的产量估算信息。我的农业调查数据包括由训练有素的调查员估算的村级作物产量。 作为稳健性检验,我使用了 FAO-GAEZ 关于各村农作物农业气候可达到产量的数据。根据估算的产量,我采用以下方法确定一个村庄的比较优势作物。首先,我计算该村每种作物相对于全国平均水平的产量。然后,我根据各村农作物的相对产量对其进行排序

与全国平均水平相比。我将相对产量排名前 的作物定义为基准比较优势作物。我将基线阈值放宽到前 、前 和前{{3}。前 等。等,以了解结果的敏感性;也就是说,随着阈值的放宽,效果应该会变弱。

本文有三个主要结果。首先,我发现道路扩建导致福利(每公顷实际农业收入)平均增加约 。其次,我通过实证验证了李嘉图贸易模型中提出的深层机制,即道路扩建导致 CA 农作物的相对价格上涨 ,CA 农作物的土地分配比例增加约 。3}}点(约等于对数 MA 一个标准差的增长)。第三,各村实际农业收入的增加因其生产的作物构成不同而有显著差异。更具体地说,与专门种植经济作物的村庄相比,更多种植谷物的村庄从通路中获得的收益要少得多。这是因为,在专门种植谷物的村庄,贸易导致的当地谷物价格上涨使他们的消费篮子更加昂贵,从而侵蚀了他们从 CA 作物价格上涨中获得的部分名义收入收益。相反,经济作物村既能从其 CA-作物(经济作物)价格的上涨中获益,也能从谷物 "进口 "价格的下降中获益。用另一种方法(基于匹配的 DID 策略)来解决道路布局的内生性问题,这些结果是稳健的。

本文所记录的农村公路估计收益在数量上大于以往量化农村地区公路或铁路收入收益的研究(Allen 和 Atkin,2022 年;Alder,2019 年;Faber,2014 年)。考虑到道路建设后的时间跨度较短,且本文所考虑的道路成本明显较低,这一发现尤为有趣,这可能是因为所研究的绝大多数道路都将以前无法通过现代运输系统到达的农村与最近的城市中心连接起来,也可能是因为这些道路发挥着与高速公路和铁路不同的经济作用。相比之下,以往研究中的大多数道路都包括对现有交通基础设施(如干线公路、高速公路和铁路)进行升级改造或提供替代方案。

大量新兴文献利用具有异质性生产要素的多地多货李嘉图贸易模型研究了国内市场一体化的收益,尤其是在农业部门(Costinot and Donaldson, 2016; Donaldson, 2018; Sotelo, 2020, Allen and Atkin, 2022, and Adamopoulos, 2018)。与本文关系最密切的论文是 Adamopoulos(2018)、Donaldson(2018)和 Sotelo(2020)。Adamopoulos(2018)发现,道路扩建和升级降低了埃塞俄比亚各地区与国家谷物市场中心所在地之间的贸易成本,农业总产量随之 增加。相比之下,本文关注的是连接村庄中心与公路或附近城镇的农村公路的影响,而不是地区首府与亚的斯亚贝巴或其他主要城市中心之间贸易成本的降低。Donaldson(2018)建立了一个多部门多地区李嘉图模型,在该模型中,土地在一个地区内被视为同质的,以研究殖民时期印度铁路扩张带来的收益,并估计获得铁路的地区实际收入增加了 16%。本文将区域内土地质量的异质性纳入唐纳森模型,以研究调整的边际,并提供了验证理论机制的经验证据。在这方面,本文与 Sotelo(2020)相关,后者研究了铺设道路(反事实)导致贸易成本下降如何提高秘鲁的农业生产率和福利。

本文还与发展经济学中有关农村公路对发展中国家农村经济各方面影响的大量文献有关(Aggarwal 等人,2022 年;Gebresilasse,2023 年;Shamdasani,2021 年;Aggarwal,2021 年;Shrestha,2020 年;Asher 和 Novosad,2020 年)。 Asher和Novosad(2020)利用印度大规模农村公路扩建项目(Pradhan Mantri Gram Sadak Yojana,简称PMGSY)的严格实施规则,采用模糊回归不连续设计来识别该项目因果效应。他们发现,道路的主要作用是促进人们离开农业,对农业收入和消费几乎没有影响。然而,由于缺乏精细地理层面的数据,该论文依赖于农业结果的替代指标,而不是直接测量指标。本文使用大型家庭农业调查和详细地理层面的价格调查来构建实际农业收入和消费。Shamdasani(2021 年)研究了印度一项大型道路建设计划的效果,发现通公路的偏远农民开始生产非谷物杂交种,采用补充投入和改良技术,并雇用更多劳动力,从而使作物组合多样化。Gebresilasse(2023 年)研究了农村公路如何与农业推广计划(一项培训农民如何使用最佳农业实践和采用技术的计划)相辅相成,从而提高埃塞俄比亚的农业生产率。与这些论文相比,本文研究了在李嘉图贸易模型的激励下,贸易成本下降的调整幅度,特别是公路如何影响CA作物的相对价格和土地向这些作物的重新分配,并提供了支持这些机制的经验证据。

本文的其余部分安排如下。在第 2 节中,我介绍了数据和经验证据,说明URRAP 公路如何改善了市场一体化。第 3 节介绍了主要的实证结果,第 4 节总结了稳健性练习。最后,第 5 节讨论了与其他研究和道路建设成本相比所估算的收益幅度,第 6 节对本文进行了总结。

 2.数据

 2.1.资料来源


农业生产数据:我主要使用埃塞俄比亚农业抽样调查(AgSS),这是该国最大的年度农业调查,涵盖 2000 多个村庄的 4 万多个具有全国代表性的农户。虽然该数据集最早可追溯到 1995 年,但在 2010/11 年之前,每年都会对村庄进行重新采样,因此很难对一个村庄进行长期跟踪。从 2010/11 年开始,中央统计局(CSA)将村庄样本固定下来,但每年在每个村庄随机抽取约 20 个农户。该数据集包括详细的生产信息:每种作物覆盖的土地面积、化肥和其他投入的施用量以及收获量。

消费数据:为了估算模型中的一些偏好参数(农作物的支出份额),我需要消费信息。我使用了埃塞俄比亚社会经济调查(ESS)数据,这是 2011 年、2013 年和 2015 年约 4000 个具有全国代表性的农户的异常详细的面板数据。ESS数据集的主要优势在于它包含了按作物分类的消费信息。 该数据集的一大不足之处在于,它仅涵盖了约 330 个村庄的家庭。

价格数据:主要的价格数据来自农业生产者价格调查(AgPPS),这是一项对几乎所有农作物和许多其他农产品的详细地理区域(村庄)农场交货价格的月度调查。 这些数据涵盖了 500 多个具有代表性的村庄,可追踪 2010 年以来的情况。我还使用了零售价格调查(RPS),这是对全国主要城市中心几乎所有农作物和非农产品价格的月度调查。该数据集涵盖了全国所有行政区的 100 多个城市中心。重要的是,这两个数据集所涵盖的农产品几乎完全重叠。

降雨量和农业气候数据:我使用粮食及农业组织(FAO)的全球农业生态区(GAEZ)数据来构建村庄的作物适宜性,作为对 AgSS 数据中产量测量的稳健性检验。这些数据涵盖 19 种作物。不过,这些数据遗漏了埃塞俄比亚广泛种植的一些地方作物,如红豆和茶叶。因此,我仅在稳健性检验中使用了这些数据。降雨量数据来自气候灾害小组红外降雨量与站点数据(CHIRPS),该数据提供了从 1981 年开始的降雨量数据集。CHIRPS 将 分辨率的卫星图像与站点数据相结合,创建了网格降雨时间序列,用于趋势分析和季节性干旱监测。它被广泛用于监测东非的干旱(Funk 等人,2015 年)。

道路数据:我使用的是该国整个公路网的行政数据。这些数据包括道路的属性(如路面类型)、道路的作用(主干道、连接道路等)以及所有权(联邦政府、地区政府等)。在本文中,我将根据 URRAP 计划进行的大规模农村公路扩建作为村庄通路/市场变化的来源。在 2011-2015 年期间,埃塞俄比亚政府专注于 URRAP,新建了超过 {{0} 条全天候公路,将村庄中心与最近的公路或最近的城镇(以较短者为准)连接起来。图 1 显示了 "URRAP "前后的道路网络图,图 2 显示了 "URRAP "项目中已完成的道路样本。

URRAP 的主要目标是改善村庄进入产品和投入市场的途径。该计划将每 1000 平方公里的总体道路密度从 2010 年的 44.4 增加到 2015 年的 100.4(埃塞俄比亚道路管理局,ERA,2016 年)。尽管 URRAP 于 2011 年启动,但在 2011 年(官方认为是能力建设年)开工的道路却寥寥无几。几乎所有在该计划下修建的农村公路都是在 2013 年至 2015 年间开工和竣工的。


2.2.改善市场一体化的证据


为了推动下一节的实证分析,我首先提供了一些证据,说明根据《乌拉圭农村重建和发展行动计划》进行的道路建设如何改善了农村的市场一体化。

农民面临相当大的贸易壁垒:ESS 数据包括有关运输成本的直接问题。我利用这项调查来估算运输成本。车辆的从价贸易成本(每笔交易的运输成本)非常高(中位数为 ,平均值为 )。这一成本的规模与 Hummels(2007)对美国和新西兰进口产品的国际贸易成本估算相当,尽管在我的数据中,运输距离的中位数仅为 12 公里。

URRAP 降低了贸易成本:URRAP 公路的主要目标是整合农村村庄和市场中心(埃塞俄比亚公路局,ERA,2016 年)。如果 URRAP 公路真正实现了农村与市场中心的一体化

图 1.根据 URRAP 计划进行的农村道路扩建。

那么,我就会看到,与那些没有道路连接的村庄相比,有道路连接的村庄与市场中心之间的价格差距会缩小。我利用 AgPPS 和 RPS 这两项丰富的价格调查,查看了区首府与区内村庄之间作物价格对数差的绝对值,从而验证了这一点。 进行以下回归:

帖子 {{1}帖子 {{2}

其中, 表示作物, 表示村庄, 表示区首府, 表示月份, 表示年份,"帖子 "等于 "URRRAP "之前所有月份年份的 0",等于 "URRRAP "之后所有月份年份的 1","URRRAP" 是一个虚拟变量,表示村庄在 2012 年至 2015 年期间是否获得了 "URRRAP "道路, 是作物月份固定效应,用于捕捉作物价格可能存在的季节性。

结果见表 1。该表显示,道路连接大大缩小了城乡价格差距。第一列汇总了有城乡价格数据的所有 56 种作物,结果显示,与没有道路连接的村庄相比,有道路连接的村庄的贸易成本(以区首府与区内村庄之间的作物价格对数绝对值差来表示)降低了约 0.022(约为价格对数绝对值差平均值的 6%)。在第 2 列中,估算仅限于易腐产品、蔬菜和水果。点估算值是所有作物估算值的两倍多:蔬菜和水果的贸易成本下降了约 0.047

(约为蔬菜和水果平均绝对对数价格差异的 7%)。

根据道路对市场一体化影响的证据,我在附录 D 中提出了一个多部门多村庄李嘉图贸易模型。我将利用这一理论框架来探讨道路建设影响村庄福利的主要机制,并解释实证结果。

 3.经验主义


3.1.估算 URRAP 带来的福利收益


在附录 D 中,我提出了一个多作物、多村庄的李嘉图贸易模型,其中村庄内部和村庄 之间的土地质量各不相同。通过该模型,我对道路基础设施的改善影响村庄福利的机制得出了一些可检验的预测。该模型的第一个可检验结果是,贸易成本的降低会改善村庄的市场准入,从而导致村庄比较优势作物(CA-crops)的相对价格上涨。第二个预测是,随着贸易成本的降低,农户会重新分配农田,从种植相对劣势作物(CD-作物)转向种植相对优势作物(CA-作物)。这源于第一个结果:随着 CA 类作物的相对价格上涨,农民发现将更多的资源(包括土地)用于生产这些作物是最优的选择。第三个可检验的含义是,道路带来的实际收入收益的大小取决于村庄消费篮子中的作物构成,以及分配给这些作物的村庄土地的比例。特别是,与专门种植谷物的村庄相比,专门种植经济作物的村庄应从贸易成本的下降中获益更多,因为后者在贸易导致当地谷物价格上涨后,其消费篮子的相对成本会显著增加。下面我将对这些理论预测进行实证检验。

与附录 D 中的理论模型一致,我使用每公顷的实际收入 作为衡量村庄福利 的指标。 根据项目实施前后的作物产量和价格数据,我可以直接构建村庄收入 。.关于村庄层面的农作物产量,我在主要分析中使用了 AgSS 提供的 25 种主要非林木作物的数据。 然而,我的价格数据(AgPPS 数据)并不涵盖所有有农业生产数据的村庄(AgSS 村庄)。我对缺失的价格进行了如下估算。对于 AgSS 数据中每个根据 URRAP 获得道路连接的村庄,我都会在 AgPPS 数据中找到最近的、也根据 URRAP 获得道路连接的村庄。同样,对于 AgSS 数据中没有根据 URRAP 获得道路连接的每个村庄,我在 AgPPS 数据中找到最近的没有根据 URRAP 获得道路连接的村庄。我使用这些估算价格来计算村庄收入。价格指数也使用相同的数据和农作物的支出份额计算得出: ..根据家庭农作物消费数据,我将 估算为 区农作物 的平均支出份额。.我允许该参数在埃塞俄比亚 70 个行政区域内变化,以考虑该国食物习惯的空间差异。我使用的是乌拉圭回合前的数据,以避免这些参数可能因贸易成本的变化而改变。请注意,我仅在本小节中使用这些估算价格进行分析,而且我在稳健性练习中表明,仅使用那些拥有完整价格和农业调查数据的村庄估计的福利收益在幅度上非常相似。

为了估算道路互联互通带来的福利收益,我进行了以下回归:

帖子 {{1}帖子 {{2}降雨 {{3}

其中,Post 在 2011/12 年等于 0,在 2015/16 年等于 1;URRAP 是一个虚拟变量,表示村庄是否在 2011/12 年至 2015/16 年期间的某个时间修建了URRAP 公路。


识别挑战


要确定道路对村庄收入的因果影响,必须解决三个问题。

(i).平行趋势假设:首先要考虑的是,在实施 URRAP 计划之前,接受治疗的村庄和未接受治疗的村庄可能处于系统性的不同发展轨迹上,这可能会导致虚假的治疗效果。为了研究这一假设的有效性,我依赖于计划实施前的可用数据。遗憾的是,村级农业面板数据始于 2010/2011 年。在这一年之前,埃塞俄比亚统计局(CSA)每年都会更换村庄样本。为了在检验平行趋势方面取得进展,我采用了三种不同的方法。首先,我从 2010/11 年之前的数据中找出与 2010/11 年之后的数据相匹配的样本村。这样,我就可以找到 539 个 2009/10 年数据完整且与 2010/11 年后数据一致的村庄(治疗组和对照组几乎各占一半),并在这个受限的子样本上进行平行趋势假设。 我采用的第二种方法是将样本

在第三种方法中,我对 2008/09-2015/16 年间至少有 6 年数据的村庄进行了倾向得分匹配,并对这一不平衡的村庄面板进行了平行趋势检验。在第三种方法中,我在2008/09-2015/16年间至少有6年数据的集合村庄中使用倾向得分匹配,并在匹配样本中检验平行趋势。在所有这些情况下,我都估计了以下回归方程,并绘制了各年的 系数图:

要使平行趋势假设成立, 系数在 2012 年之前应接近于零且在统计上不显著,而在 2012 年之后应为正且在统计上显著。结果如图 3 所示。第一个面板显示了平衡面板的结果。显然,2012 年之前的系数估计值接近于零,且在统计上不显著。而 2012 年后的所有系数在统计上都至少 显著(2012 年至 2012 年的系数均为 0)。(2014年和2016年的系数在统计意义上分别为 )。分别为 )。其中一些系数不精确的原因可能是统计能力不足,因为村庄数量只有 539 个。第二幅图显示了有匹配和无匹配的集合样本的结果。这两个结果都清楚地表明,在 2012 年之前的年份中,系数估计值在统计上并不显著,其大小也不一致,但在 2012 年之后的年份中,系数估计值在统计上都是显著的,至少达到 5%。第三个面板基于平衡面板,使用用于构建 IV 的最低成本预测道路网络进行类似分析。蓝点代表对 与 2012 年至 2016 年间预测市场准入的变化进行回归后得出的系数估计值。结果表明,预测的市场准入变化与 URRAP 开始实施前的实际农业收入并无显著相关性。红色方框代表使用预测的URRAP村庄(而不是实际的URRAP村庄)对上述方程进行回归所得出的系数。这两个数字都表明,预测的最低成本URRRAP 道路以及由此导致的预测市场准入的变化与URRRAP 开始之前的因变量没有显著的相关性。总体而言,尽管数据有限,但这些数据表明平行趋势假设是正确的。

(ii).道路风险的测量:第二个问题是如何准确测量村庄受道路建设影响的程度。首先,与密集路网相连的村庄可能比与稀疏路网相连的村庄从道路建设中获益更多,从而导致治疗强度的异质性。其次,当一个村庄与原有道路网络或最近的城市中心相连时,其所有邻居也会通过相连村庄改善进入市场的途径,从而产生溢出效应。 第三,当 村的贸易伙伴{{2}村与公路连通时,即使{{3}村本身没有连通, 村也会从公路中受益。为了在最简单的情况下理解这一点,假设村庄之间的贸易采用 "枢纽-辐条 "系统,即农作物出口村庄将其剩余物运往附近的枢纽(市场),而农作物进口村庄则从枢纽进口。两个村庄 之间通过枢纽的贸易成本为 。其中,第一项表示 村与枢纽 之间的运输成本,第二项表示枢纽与 村之间的运输成本。.村庄 村与 村连通时, 村与 村的贸易成本将降低,即使 村本身没有连通,因为 村的贸易成本也会降低。解决这些问题的一个有效方法是使用从一般均衡贸易模型中得出的市场准入度量(MA)(见 Donaldson 和 Hornbeck,2016 年)。一个村庄的 MA 是通过整个道路网络和所有村庄的人口分布计算得出的。MA 的变化反映了

图 2.已竣工的 URRAP 公路(图片由奥罗莫公路管理局拍摄)。

直接和间接的道路连接所带来的好处,并考虑到一个村庄所连接的网络密度。它还反映了一个村庄在其贸易伙伴获得公路连接后贸易成本的降低。

我利用公路计划实施前的人口空间分布以及计划实施前和计划实施后的全国公路网来构建 MA 测量值。
  人口 {{1}

其中,Population 为 ,即 2007 年人口普查得出的目的地村庄人口(在 URRAP 开始之前)。使用 URRAP 开始前的人口分布是必要的,因为人口分布可能会对道路基础设施的改善做出反应。 是反向土地异质性参数(用于调节贸易弹性)。我将在附录 D 中介绍该参数的估算过程。 表示在 URRAP 公路建设之前和之后,将一吨货物从起点村 运到终点村{{4}的最低成本路径的运费。 有关构建 MA 指标的详情,请参阅附录 A。

(iii).选择偏差:公路项目选择村庄的依据是一些人口、地理、社会和经济因素。特别是,由于预算有限,官员们在决定选择哪些村庄修建公路时,可能会优先考虑那些能从公路中获益更多的村庄。

连接。 采用工具变量(IV)估算策略来解决道路布局的潜在内生性问题。为了构建 IV,我首先从 URRAP 项目之前的道路网络开始,获得了仅根据建设成本预测的(项目后)道路网络。如果选择村庄的标准仅仅是建筑成本(这是土地坡度和河流湖泊位置的函数),那么这个预测的道路网就是 URRAP 道路网的样子。接下来,我根据预测的道路网络为每个村庄构建(计划后的)千年生态系统评估指标--预测的千年生态系统评估指标。在 URRAP 实施之前,预测 MA 与实际 MA 相同。我将预测的千年生态系统评估作为实际千年生态系统评估的工具。由于预测的千年生态系统评估是基于公路网,而公路网的预测仅基于外生成本因素(未考虑公路或人口聚居区的潜在效益),因此,在土地梯度和水体对村庄收入不产生时变影响(在研究期间),但影响村庄获得公路连接的机会除外的假设下,预测的千年生态系统评估是实际千年生态系统评估的有效IV。关于 IV 的构建,详见附录 B。表 2 报告了 MA 测量的描述性统计。第一列显示,从 2012 年到 2016 年,MA 指标平均增加了 。。Column 2 shows that the MA measure increased more for villages that are directly connected compared with

图 3.检验平行趋势假设。

注释这些数字检验了平行趋势假设。这些数字绘制了以下回归的系数: .在第一个面板中,估计仅限于有 2010-2016 年数据的 539 个村庄的平衡面板。第二个面板汇集了 AGSS 中 2009-2016 年间至少有六年数据的所有村庄。蓝色方框代表来自非平衡面板数据的系数估计值。红色圆圈代表来自非平衡面板匹配子样本的系数估计值,其中使用了倾向得分匹配来获得匹配子样本。第三个面板复制了第一个面板中对最低成本预测道路的分析。蓝点代表基于预测道路网络的 MA 变化对 进行回归的系数。红点代表预测的URRAP村庄(而不是实际的URRAP村庄)的系数。(有关本图例中颜色的解释,读者可参阅本文的网络版)。

没有被 直接连接的村庄。.最后一列报告了第一阶段的回归结果。根据预测的道路网络构建的 MA 测量值的变化与根据实际道路网络构建的 MA 测量值的变化密切相关。


第 3 列的估计结果显示,村内预测的 MA 测量值与实际 MA 测量值之间的相关性为 0.56,标准误差为 0.024。因此,大多数规格的第一阶段 F 统计量都高于 100。
 表 1

URRAP 的道路通行和贸易成本。
Dependent variable: Price Price
All crops Vegetables and fruits
Post * URRAP
-0.047
82944 24468
0.458 0.358
Mean of dep var 0.35 0.67

注标准误差以村为单位。本表基于 AgPPS 和 RPS 数据集,这两个数据集分别是村庄和城市中心的月度作物数据。回归包括 422 个村庄、57 个城市中心和 56 种作物。所有回归均包含村庄、作物月份和年份固定效应。 , ,
 表 2

MA 测量和第一阶段回归。
Dependent variable: log actual MA
Post*URRAP
LogPredictedMarketAccess
4042 4042 4042
0.937 0.954 0.957

备注因变量为基于实际道路网络的 MA 测量值的对数。括号内为稳健标准误差。所有回归均包含村庄固定效应。 , *** .

使用 MA 测量的回归模型如下,该模型使用 OLS 和 IV 估算策略进行估算。
  降雨量 {{1}
 成果

表 3 报告了公式 (1) 和 (4) 的估计结果。在所有回归中,标准误差均采用自举法按村聚类估算。 第 1 列报告了二元处理法的结果,第 2 列和第 3 列分别报告了 MA 法的 OLS 和 IV 估计结果。第 1 列显示,在 2012 年至 2016 年期间,接受治疗的村庄与未接受治疗的村庄相比,每公顷土地的实际农业收入(衡量福利的指标)增加了 。第 2 列和第 3 列利用 OLS 和 IV 估计分别报告了每公顷土地实际收入对 MA 的弹性为 0.114 和 0.295。对于 MA 平均增长的村庄,这些弹性分别意味着在 OLS 和 IV 估计中每公顷实际农业收入的 增长。 在第 5 节中,我将讨论这些估计效应与过去类似研究的比较以及道路建设成本。

 3.2.机制


在本小节中,我将通过附录 D 中介绍的李嘉图贸易模型来探讨道路连接对实际农业收入的影响机制。特别是
 表 3

新建农村公路带来的福利收益。
Binary treatment MA approach
Post*URRAP OLS OLS IV
LogMarketAccess
4042 4042 4042
First-stage F-stat 0.850 0.849 0.002

注括号内为 Bootstrap 标准误差(按村级聚类)。所有回归均包含年份和村庄固定效应以及对数降雨量。农业生产数据来自 AgSS。价格数据来自 AgPPS。估计基于 25 种可获得完整价格和生产量信息的非林木作物。第 1 列使用二元处理虚拟变量。第 2 列和第 3 列使用了一个 MA 测量值,该测量值由计划实施前后的整个道路网络和计划实施前的空间人口分布构建而成。在第 3 列中,利用土地坡度以及河流和湖泊的位置,从预测的道路网络中构建 MA 测量值,作为从实际道路网络中构建 MA 测量值的工具。 , ** , *** .

贸易的扩大要带来福利收益,必须满足两个条件。首先,村庄的比较优势作物的相对价格应该上涨。其次,村庄应将更多的农田重新分配给这些作物。

要看清这些机制背后的逻辑,请注意,村级农业收入 的比例变化可以写成

其中, 是作物 的收入份额,是分配给作物 的耕地比例。第二项使用 。对上述分解的解释如下。随着贸易成本的降低,CA 作物的相对价格上升(第一项),更多的土地被分配给这些作物(第二项),从而增加了村庄的收入,如理论部分所示。收入收益的大小取决于 CA 作物在村庄收入中所占的初始份额 。.在本小节中,我将探讨数据是否支持这些预测。

确定 CA 作物。检验上述机制需要确定一个村庄的 CA 作物。为了确定一个村庄的 CA 作物,我主要使用 AgSS 中提供的村级作物产量估算。这些产量估算由训练有素的调查员进行,他们采用的方法称为 "作物切块",即抽取一块 4 平方米的样本地,进行作物切块以获得产量估算。不过,这种产量估算有两个注意事项。首先,产量估算只针对村里实际生产的作物。其次,这种产量估算会受到降雨和作物病害等气候因素季节性波动的影响。为了解决第二个问题,我对一个村庄内《乌拉圭农业综合改革方案》实施前各年的产量估计值进行了平均。对于第一个问题,我假定一个村庄不生产的作物的产量为零。下面我将展示使用 GAEZ 产量测量的稳健性。
 表 4

新建道路和 CA 农作物的价格。
Definition of CA crops:
Top Top Top Top
Panel A: MA approach - OLS
CA crop
LogMarketAccess
0.001
-0.003
-0.005
-0.008
LogMarketAccess * CA-crop
adj.
31737
0.800
31737
0.800
31737
0.801
31737
0.801
Panel B: MA approach - IV
CA crop
-0.234
LogMarketAccess
-0.028
-0.030
-0.030
-0.028
LogMarketAccess * CA-crop
0.022
0.018
31737 31737 31737 31737
adj. 0.728 0.728 0.728 0.729
First-stage F-stat 24 24 24 24

注标准误差以村为单位。因变量为村庄作物价格对数。分析包括 25 种主要非林木作物和 450 多个具有全国代表性的农村村庄。每列代表不同的 CA 农作物定义。在第 1 列中,CA 农作物是指在村内农作物排名中位于前 的农作物。在第 2 列中,CA 作物指排名前 30%的作物,以此类推。所有回归均包含村庄、作物月份和年份固定效应。面板 A 使用由计划前后的整个道路网络和计划前的空间人口分布构建的 MA 测量值报告 OLS 估计结果。B 面板使用了根据预测道路网构建的 MA 测量值,该测量值使用了土地坡度和河流湖泊位置作为实际道路网 MA 测量值的工具。* , ** .

根据产量估计值 {{0}我采用以下方法定义一个村庄的 CA 作物。首先,我计算一个村庄每种作物相对于全国平均水平的产量 。.然后,我根据各村农作物相对于全国平均水平的产量对其进行排名。我将排名前 的作物定义为基线村庄比较优势作物。我将这一基线门槛放宽到 和{{5}。前 名等,以了解结果的敏感性。一个问题是,有些村庄只种植少数几种主要的分析作物,如果使用上述程序,就会将这些村庄种植的所有或大部分作物都归类为比较优势作物。 例如,如果一个村庄只种植数据中 25 种作物中的 5 种,而我将 CA 作物定义为相对产量排名前 的作物,那么该村庄种植的所有 5 种作物都被归类为 CA 作物。因此,由于我将村里种植的所有作物都定义为 CA 作物,因此我无法发现任何土地重新分配的情况。为了解决这个问题,我只保留了《农村改革行动计划》实施前或实施后至少有一年在村里种植的作物,并将这些作物按其在村里的相对生产率 排序。按照这种方法,如果一个村庄只种植 25 种作物中的 5 种,那么 CA 作物就是村内排名 靠前的作物。


3.2.1.新建道路和作物价格


由于新道路的修建,村庄与其贸易伙伴之间的贸易成本降低,该村 CA 农作物的相对价格上涨(或该村 农作物的相对价格下降)。根据项目实施前后的村级农作物价格数据和上一小节中 CA 农作物的定义,我们可以直接检验这一点。我使用以下回归来检验这一预测:
  降雨量 {{1}
 表 5

新道路建设和村庄价格指数。
Binary treatment MA - OLS MA - IV
Post*URRAP 0.010
LogMarketAccess -0.002 0.012
4042 4042 4042
0.940 0.940 0.133
First-stage F-stat 954.26

注括号内为 Bootstrap 标准误差(按村级聚类)。价格指数是根据主要分析中的 25 种主要非林木作物计算得出的。所有回归均包含村庄和年份固定效应。* , *** .

其中, 表示{{4}年{{3}月{{5}村作物{{1}的对数价格。而 是一个虚拟变量,表示作物 是否属于该村的CA作物。我将村庄、农作物和农作物月份固定效应包括在内。加入作物月份固定效应是为了考虑作物价格的季节性波动。加入村年固定效应(而不是村庄固定效应)对估计结果和 R 方没有显著影响。我使用 OLS 和 IV 方法对该回归进行了估计。

在主要分析中,我使用了 AgPPS 数据中同样的 25 种主要非林木作物的数据。这些数据涵盖了约 450 个村庄(在对缺失信息进行清理后)。 结果见表 4。面板 A 报告了 OLS 结果,面板 B 报告了 IV 结果。在这两个面板中,MA 对村庄 CA 农作物价格的估计效应在统计和经济上都是显著的。重点关注面板 B 中的 IV 估计结果,第 1 列中的估计结果表明,CA 农作物的价格(相对于 CD 农作物的价格)在 和{{2}之间增加了
 表 6

修路和重新分配农田种植 CA 作物。
Definition of CA crops:
Top Top Top Top 50%
Panel A: MA approach - OLS
CA-crop
-0.015
-0.007
LogMarketAccess
CA-crop*LogMarketAccess