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 和 ）。分别为 和 ）。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 和 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 当 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 和 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 和 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
34815 34815 34815 34815
adj. 0.331 0.338 0.344 0.342
Panel B: MA approach - IV
CA-crop
-0.014
-0.009
LogMarketAccess
-0.005
-0.005
-0.005
CA-crop*LogMarketAccess
34815 34815 34815 34815
adj. 0.278 0.286 0.292 0.291
First-stage F-stat 231.50 231.50 231.50 231.50
Mean land share (CA crops) in 2012 0.159 0.162 0.160 0.153
Total land share of all CA crops in 2012 0.35 0.50 0.63 0.73

注标准误差以村为单位。因变量为分配给作物的土地份额。这些回归包括 25 种主要的非林木作物。每一列代表不同的 CA 农作物定义。在第 1 列中，CA 作物是指根据相对于全国平均水平的产量，在村内作物排名中位于 前列的作物。在第 2 列中，CA 作物是指排名前 的作物，以此类推。所有回归均包含村庄、作物和年份固定效应。面板 A 报告了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 测量值得出的 OLS 结果。B 面板使用了根据预测的道路网络构建的 MA 测量值，该测量值使用了土地坡度以及河流和湖泊的位置，作为根据实际道路网络构建的 MA 测量值的工具。* , , *** .

2012 年和 2016 年 MA 增加一个对数单位（约等于 MA 增加一个标准差）后的变化情况。 然而，随着我放宽 CA 农作物定义的界限，这一估计值明显下降，最终在面板 B 的第 3 列和第 4 列中变得统计上不显著。总体而言，这些结果表明，在 MA 增加后，CA 农作物的相对价格显著上升。

接下来，我将探讨千年生态系统评估的增加对乡村价格指数的影响。附录 D 对构建价格指数时使用的品味参数进行了估算。表 5 中的结果显示，村庄价格指数变化不大。这并不奇怪，因为村庄价格指数是由 CA 农作物和 CD 农作物的价格组成的，而当 MA 提高时，CA 农作物和 CD 农作物的价格会向相反的方向变动。


3.2.2.新建道路和农田重新分配


上文讨论的李嘉图模型的另一个关键预测是，随着贸易成本的降低，村庄会将更多农田重新分配给相对价格上升的作物。为了验证这一点，我在村庄层面进行了如下回归估计：
  降雨量 {{1}

其中， 表示 年{{2}村{{1}作物的土地分配比例。｝lnMA为 是一个虚拟变量，表示作物 是否属于该村的CA作物， 是一个村庄特征向量，如URRAP前的人口密度和降雨量。回归还包括作物固定效应，用于解释不同作物间土地强度的平均差异；村庄固定效应，用于解释可能会混淆我们的结果的时间不变的村庄特征；年份固定效应，用于解释任何特定年份的因素。

各村共享。我同时使用 OLS 和 IV 策略进行估计，将预测的 MA 作为 IV。分析基于相同的 25 种非林木作物。

表 6 列出了结果。面板 A 显示，在 MA 增加的村庄中，CA 作物的土地分配比例显著增加，而且随着 CA 作物定义截止值的放宽，这种影响变得越来越弱。第一列中的估计值显示，在 MA 增加一个对数点后（约等于 MA 增加一个标准差），分配给 CA 作物的土地比例增加了约 0.013（相当于 2012 年分配给 CA 作物的土地平均比例的 ）。Columns 2-4 of Panel A clearly show that the estimated increase in fraction of land reallocated to CA crops decreases steadily as I relax the definition of CA crops to the top 顶部 等。特别是交互项 的估计值与面板 A 中的完全相同。这是因为回归基本上是三重差分，而识别来自于村庄内不同作物（CA 作物与 CD 作物）之间的差异。因此，MA 内生性带来的偏差很小，OLS 和 IV 结果非常相似。总体而言，表 6 中的结果表明，道路扩建导致农田向村庄的 CA 作物重新分配的情况非常显著。


3.3.各村福利收益的异质性


附录 D 中介绍的李嘉图模型的一个重要测试意义是，道路带来的福利收益是不 同的，取决于村庄中不同作物的土地分配比例以及这些作物在村庄消费中的支出比 例。特别是，专门从事谷物生产的村庄从公路中获得的收益应该较少，因为他们的消费篮子的价格会上涨，而不生产谷物的村庄则相反。也就是说，虽然谷物村和非谷物村（经济作物村）的 CA 农作物在公路通车后都获得了更高的价格，但是，谷物村和非谷物村（经济作物村）在公路通车后都获得了更高的价格。
 表 7

福利收益：谷物村与非谷物村。
Dep. var. is log real revenue per hectare
Binary treatment MA: OLS MA: IV
Post*URRAP
PostURRAPCerealShare
LogMarketAccess
LogMarketAccess*CerealShare
4042
N 4042 4042 0.47
Mean CerealShare 0.47 0.47 -0.98
Adj R2 0.70 0.70 472.50
First-stage F-stat

注括号内为引导标准误差（按村级聚类）。第一列报告基于二元处理虚拟变量的结果。第二列报告基于 MA 方法的 OLS 结果。第三列报告了 IV 检验结果，其中预测道路网络的 MA 被用作基于实际道路网络的 MA 测量的 IV 检验。所有回归均包含年份和村庄固定效应。估算基于 25 种非林木作物，这些作物的价格和产量信息齐全。谷物份额（CerealShare）是指 2011 年村庄中分配给谷物作物的农田份额。谷类作物包括大麦、小麦、玉米、Teff、高粱、小米和粟。非谷类作物包括主要为市场生产的所有蔬菜、豆类和经济作物。 , .

在农业生产率提高的同时，他们的消费篮子的成本也发生了变化。谷物村的消费篮子成本增加，因为谷物（占埃塞俄比亚消费物价指数的 ，Durevall 等（2013） ）在当地变得更加昂贵。经济作物村的情况恰恰相反，因为谷物现在可以以相对便宜的价格进口，经济作物价格的上涨对消费成本的影响很小，因为经济作物在消费篮子中的权重很小。

表 7 列出了支持这一结果的经验证据。我将 2011 年分配给谷物的村庄耕地比例与处理和后期虚拟变量（第 1 列）以及千年生态系统评估指标（第 2 列和第 3 列）进行了交互。从表中可以看出，道路带来的福利收益随谷物种植比例的增加而减少；也就是说，谷物种植比例较高的村庄获得的收益明显低于谷物种植比例较低的村庄。如表中所示，各村平均分配给谷物的土地比例为 0.47。对于拥有平均份额的村庄，公路带来的福利收益估计值与表 3 中报告的非常相似。第 1 列中的估计值意味着，与平均值相比，耕地中谷物所占比例高出 10 个百分点的村庄，其福利收益 低于平均福利收益 。.基于 MA 方法的估计结果表明，就实际农业收入对市场准入的弹性而言，谷物种植村和经济作物种植村之间存在类似程度的异质性。第 2 列表明，如果一个村庄的谷物种植比例比一般村庄高 10 个百分点，则其每公顷实际农业收入的市场准入弹性为 。这一弹性比谷物份额处于平均水平的村庄的隐含弹性低约 7 个百分点。第 3 列中的 IV 检验说明，对于平均增加 MA 和平均谷物占地份额的村庄，福利收益为 。与平均水平相比，谷物占地比例高 10 个百分点的村庄的福利收益略低，为 。.


4.稳健性工作总结

 4.1.基于匹配的 DID


在主要分析中，我使用 IV 估计策略来处理选择问题。在本节中，我将检验我的结果对解决选择问题的替代方法--基于匹配的差分估计（MB-DID）的敏感性。将匹配与 DID 策略相结合是解决选择问题的有效方法。匹配步骤使我能够将接受治疗的村庄与未接受治疗的村庄进行比较，这些村庄具有相似的观察特征，因此也具有相似的治疗概率。对这些匹配样本采用 DID 策略，可以帮助我剔除可能混淆治疗效果的未观察到的时间不变的村庄特征。该方法的步骤如下。首先，我根据《农村改革行动计划》实施前的可观测特征（可能与选择村庄接受治疗有关），获得接受治疗和未接受治疗村庄的匹配样本。我根据村庄与最近城镇的距离、与原有道路网的距离、人口数量、村庄平均坡度、村庄平均海拔高度以及 1990-2010 年期间的平均降雨量等方面的相似性，将接受治疗的村庄与未接受治疗的村庄进行匹配。我使用 gmatch 软件包，将倾向得分在 以内的受治疗村庄与非受治疗村庄进行匹配。将阈值改为 0.1 会得到非常相似的结果。我允许每个治疗村最多有四个非治疗匹配村。 同样，改变潜在匹配的数量对结果影响不大。 其次，在获得了治疗村和非治疗村的匹配样本后，我进行了 DID 估计。图 A. 1 显示，从倾向得分的共同支持来看，治疗村和对照村的特征存在显著重叠。表 A. 1 和图 A. 2 显示了配对前后治疗村和对照村特征的平衡情况。

表 A.2 列出了基于 MB-DID 估算的对实际收入的估计影响。第 1 列报告了二元处理的结果，第 2 列报告了 MA 方法的结果。请注意，与表 3 中的主要规格相比，观察数有所下降，因为非匹配村被剔除出了估算。这些估计值与表 3 中的估计值非常接近，这意味着我们的结果对解决道路布设的潜在内生性的其他方法是稳健的。同样，表 A. 3 和表 A. 4 采用 MB-DID 策略，分别显示了《乌拉圭农村改革行动计划》对 CA 农作物相对价格的影响，以及对这些农作物的土地重新分配的影响。同样，这些结果与主要分析（表 4 和表 6）中的结果非常相似。总体而言，这些稳健性分析表明，本文的主要结果对其他选择方法并不敏感。


4.2.其他稳健性检验


在我的主要分析中，对于有农业数据但没有价格数据的村庄，我使用了附近道路状况类似的村庄的价格信息来估算价格。为了验证结果的稳健性，我仅使用那些拥有完整价格数据和农业调查数据的村庄来估算福利收益。结果见表 A。

到目前为止，我的分析基于埃塞俄比亚各地区常见的 25 种作物。在接下来的稳健性分析中，我将检验主要结果是否对纳入不太常见的作物和林木作物敏感。我将有价格数据的所有 45 种作物都包括在内。结果见表 A. 5 和 A.7。 总体而言，这些结果与主要分析中的结果（分别见表 4 和表 6）非常相似，这意味着我的主要结果对作物的选择并不敏感。

其次，在主要分析中，我使用了 AgSS 报告的产量估计值，这些估计值是使用作物切分法获得的。作为稳健性检验，我使用了粮农组织-农业经济区（FAO-GAEZ）关于各村农作物农业气候可达到产量的数据。这些数据使用了大量农业生态、土壤和气候因素以及复杂的农艺模型，在三种投入强度（低、中、高投入强度）情况下提供了分辨率为 5 弧分的产量估算。 使用的是低投入强度下的产量估算，这更有可能反映埃塞俄比亚的实际情况。GAEZ 数据的优势在于，它提供了每个村庄的作物产量估算，无论这些村庄是否实际生产作物，而且产量估算不受气候因素季节性波动的影响。然而，GAEZ 数据只涵盖了埃塞俄比亚生产的部分农作物。特别是，这些数据遗漏了埃塞俄比亚广泛种植的一些地方作物，如蚕豆和茶叶。尽管如此，我还是使用了这一替代产量估计值来进行稳健性检验。FAO-GAEZ 的产量估计值与 AgSS 的产量估计值之间的相关性约为 0.8。表 A.8 和表 A.9 报告了使用这一替代产量衡量方法得出的结果。显然，这些结果与主要分析中的结果相似，表明这些结果对其他衡量作物产量的方法是稳健的。

最后，我表明我的研究结果对 CA 农作物的其他定义并不敏感。在主要规范中，我计算了一个村庄相对于全国平均水平的农作物产量（相对产量），并将 CA 农作物定义为根据该相对产量排在 等村庄前列的农作物。等的作物。在这一稳健性分析中，我使用相对产量本身作为衡量村庄 CA 的指标。结果见

表 A.10 和 A.11。显然，这些结果与主要分析中的结果非常相似。Allen 和 Atkin（2022 年）使用类似的方法，并根据印度几十年来的道路扩建数据表明，随着贸易成本的降低，农民会更多地将农田重新分配给产量相对较高的作物，而减少对风险作物（产量不稳定的作物）的种植。虽然他们研究的是高速公路的影响，而不是本文研究的农村道路，但他们的结果与本文的结果具有可比性。

 5.讨论


农村道路对农村经济的影响可能不同于高速公路和铁路等大型基础设施。这是因为农村公路的设计大多是为了改善农村地区的市场准入，将其与最近的公路或最近的城市地区连接起来。相比之下，印度的黄金四边形或中国的高速公路等特大公路项目则是为了将一个国家的不同地区相互连接起来，或将内陆地区与沿海地区连接起来。

与这一假设相一致，我发现农村公路对埃塞俄比亚农业收入的影响相对较大。URRAP 公路在四年内使实际农业收入增加了 。相比之下，Allen 和 Atkin（2022 年）发现，印度公路扩建后，农民的实际收入在十年内增加了 2.2%，而 Faber（2014 年）发现，中国公路扩建后，农村地区的 GDP 增长有所下降。同样，Alder（2019）根据印度的高速公路建设，估计名义收入对 MA 的弹性在 10 年内为 0.5，而本文估计的弹性在 4 年内为 0.3。另一项估算高速公路影响的可比研究是 Shrestha (2020)的研究，该研究表明，与高速公路的距离每减少 ，尼泊尔十年内的土地价值就会增加 。

然而，本文估算的效果与历史上大型基础设施项目的估算效果基本一致。例如，Donaldson 和 Hornbeck（2016 年）利用美国 1870-1890 年间的铁路扩张，估算出 20 年间农业用地价值对千年生态系统评估的弹性为 0.5。本文估算的四年期相应弹性约为 0.3。另一方面，Donaldson（2018）发现印度和孟加拉国殖民时期的铁路扩张在地区层面每年带来约 16% 的实际收入收益，这比本文估计的影响要大。

关于粗略的成本效益分析，根据官方计划，URRAP 预算约为 亿美元，用于在 2015 年之前修建约 条农村道路，这意味着每 条道路的平均成本为 美元。.以 条URRAP道路的中位数长度计算，每条道路连接每个村庄的成本为 。以{{4}的URRAP道路长度中位数计算，每连接一个村庄的成本约为 。.2012 年，中位数村庄农作物生产的实际农业收入为 。四年内增长 13%，则中位数村庄的收入增长为 。与投资成本相比（不考虑利息成本和维护成本），四年的收入收益仅为投资成本的 。也就是说，农业收入收益需要大约 20 年才能收回道路建设成本。因此，对于一个中位数村庄而言，扣除投资成本后，农村公路的估计收入收益可能是负数（至少在本研究涵盖的时间段内是如此），而且可能低于高速公路的估计净收入收益（例如，参见 Alder, 2019，他估计印度黄金四边形高速公路十年间的净收入收益约为 1%）。不过，在解释这些数字时应谨慎。首先，除了改善进入农作物市场的途径外，公路还可能带来其他一些经济效益，如改善医疗保健设施的使用，促进农业部门以外的移民和就业。其次，在许多情况下，不止一个村庄直接从中位数道路长度中受益（这会改变上述计算结果，但不太可能改变四年期间负净收入收益的结论）。

 6.结论


在本文中，我估算了埃塞俄比亚大规模农村公路扩张所带来的福利收益。为了探索道路影响村庄福利的关键机制，我提出了一个具有多作物多地点特征的李嘉图贸易模型，允许村庄内部和村庄之间的土地生产率发生变化。该模型对贸易成本下降对村庄不同作物的土地分配和村庄作物价格的影响做出了敏锐的预测，并暗示道路带来的福利收益的大小可能因村庄而异。虽然贸易成本的降低会促使农作物向村里的 CA 农作物重新分配，从而增加村里的收入，并使农民能够为这些农作物获得更好的价格，但同时也会导致村民消费篮子成本的增加。净福利收益的大小取决于这两种相反力量的强弱，而这两种力量的强弱又取决于村民的 CA 作物与其消费篮子的构成。

我利用有关农业生产、农作物价格的微观数据，以及道路扩建计划前后整个道路网络的地理空间数据，直接检验了这些预测。为了解决道路布局的潜在内生性问题，我使用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，为实际道路网络构建了一个工具变量。

我估计，对于一个 MA 平均增长的村庄而言，2012 年至 2016 年间道路扩建带来的总福利收益为 。我的研究表明，这归因于贸易模型中提出的机制。也就是说，道路扩建导致（i）CA 作物的相对价格大幅上涨，以及（ii）耕地向村庄的 CA 作物重新分配。这些机制占了估计福利收益的绝大部分。我还发现，道路通达带来的收益在不同村庄之间存在很大差异，这取决于这些村庄专门种植的作物。专门种植经济作物的村庄获得的收益明显高于种植谷物的村庄。

今后的研究应详细分析贸易成本下降对投资改良农业技术（如采用化肥和灌溉系统）的激励作用。从理论上讲，这些技术的投资回报会随着村庄的千年生态系统评估的改善而提高。此外，道路条件的改善也提高了进口农业投入的可及性。


CRediT 作者贡献声明


Hundanol A. Kebede：构思、数据整理、形式分析、资金获取、调查、方法学、项目管理、资源、软件、监督、验证、可视化、写作 - 原稿、写作 - 审阅和编辑。


利益冲突声明


作者声明，他们没有任何可能会影响本文所报告工作的已知经济利益或个人关系。

 数据可用性


数据将应要求提供。

附录。构建市场准入衡量标准和 IV 以及李嘉图贸易模型


A.构建千年生态系统评估措施


我按照 Donaldson 和 Hornbeck（2016 年）的方法，从一般均衡贸易模型中推导出每个村庄的 MA 测量值。我使用公路项目实施前的人口空间分布以及项目实施前和实施后的整个国家公路网来构建 MA 指标。

市场准入 人口 {{1}

其中，人口 是 2007 年人口普查（URRAP 项目开始之前）得出的目的地村庄人口。使用 URRAP 计划之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。 是逆土地异质性参数（制约贸易弹性），我在第 3 节中对其进行了估计（见表 A.6）。 是在 和{{6}"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。 我采用以下方法估算每年的 。首先，我构建了一条从每个村庄中心点到 年最近的可用道路的连接线。.接下来，我使用了五种不同道路质量等级的重量搬运成本数据（单位：美元/吨-公里）：沥青路、主要碎石路、鹅卵石路、次要碎石路和土路。由于没有对连接道路沿线的成本进行类似估算，我将土路沿线的成本放大 倍，从而得出连接道路沿线的成本估算。 在为每种道路类型（包括连接道路）分配以美元为单位的每吨公里估计成本后，我使用 ArcGIS 中的网络分析工具计算每年将一吨重物从起点 沿成本最低的路径运至终点 的成本（美元）。我将这些估算值作为 。.从公式 (8) 中可以看出，村庄 MA 的变化仅来自于 的变化，而 的变化又来自于 的建设。的变化，而 的变化又来自新道路的建设。


B.工具变量的构建


我使用两个信息来构建预测的道路网络。第一条是地区预算约束，即《埃塞俄比亚公路网行动计划》涵盖的埃塞俄比亚七个地区中，每个地区计划在 2010 年修建的公路总长度。 其次是成本栅格。我结合土地坡度、河流位置和湖泊位置等数据获得了成本栅格，从而得出了每个 30 米乘 30 米网格单元的道路建设成本。根据之前的研究（Faber，2014 年），我将成本栅格构建为 成本 坡度 坡度 坡度 水。与 Faber（2014 年）不同的是，我假定建筑成本随坡度的增加而增加，以反映埃塞俄比亚许多地区极其崎岖的地形。最后一项反映了道路在穿越水体时建筑成本的急剧增加。考虑到成本栅格和地区预算约束，我采用以下算法得出预测的道路网络。首先，我将与《国家公路网规划》前公路网相邻的村庄连接起来。然后，我将与第一组相邻的村庄连接到《国家道路网规划》前的道路或步骤 1 中修建的道路（以成本较低者为准）。如此反复，直到地区预算用完为止。对于七个地区中的两个地区（奥罗莫

图 A.1.倾向得分匹配的共同支持。注：本图显示了不同倾向得分值的受治疗村庄和非受治疗村庄。

图 A.2.变量平衡。

注本图显示了倾向得分匹配前后的协变量不平衡和各协变量的标准化百分比偏差。

和哈拉里），地区预算约束并不具有约束力。也就是说，我能够在耗尽各自的地区预算之前连接这些地区的所有村庄。这是因为规划的道路长度考虑了建筑成本以外的其他因素，因此往往比仅根据建筑成本预测的道路长度更长。

获得预测的道路网络后，我按照附录 A 中完全相同的程序，根据预测的道路构建 MA 指标。我假定所有预测道路的货运成本与小型砂石路的货运成本相同（几乎所有 URRAP 道路都是小型砂石路）。

 C.附录表格


D.理论框架

 D.1.设置


该模型以 Donaldson（2018）、Sotelo（2020）和 Galle 等人（2022）为基础。 考虑一个由 个村庄组成的经济体，这些村庄以

由 表示。，每个村庄由一个有代表性的家庭代表。一个村庄的效用来自以 为指数的 {{1} 种农作物的消费。｝这些农作物可能是当地生产的，也可能是从其他村庄进口的。每种作物 都有一系列以 为索引的品种。其中 是农作物 的品种数量。.

偏好：该村的所有收入都花在农作物上， ，其偏好值为
  其中

其中， 为该村的效用， 为该村消费的农作物 的品种 的数量， 为 区农作物{{5}的支出份额，即 。(注意，这允许家庭作物口味
 表 A. 1
 平衡协变量。

备注本表报告了匹配前后协变量平均值的比较，以及匹配后偏差的减少情况。(U）表示未配对或配对前， 表示配对后。* 如果 的方差比在 之外， 的方差比在 之外。.
 表 A. 2

新建农村公路带来的福利收益：基于匹配的 DID 估计。
Binary treatment MA approach
Post*URRAP
LogMarketAccess
3268 3268
0.88 0.87

注：括号内为稳健标准误差：括号内为修正的标准误差。所有回归均包含年份和村庄固定效应。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。 , ** .
 表 A. 3

新公路建设与 CA 农作物价格：基于匹配的 DID 估计。
Definition of CA crops: Top Top
Top Top
MA approach
CA crop
LogMarketAccess
-0.001
-0.006
-0.010
-0.011
LogMarketAccess * CA crop
26786 26786 26786 26786
adj. 0.797 0.797 0.797 0.798

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 作物是指根据相对于全国平均水平的产量，在村内作物排名中位于 前列的作物。在第 2 列中，CA 作物是指排名前 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。 .

0}}为作物品种间的替代弹性。

技术：与 Sotelo (2020) 及 Allen 和 Atkin (2022)类似，我假设农民的技术是规模收益不变。为便于阐述，我还假设土地是唯一的投入。 每个村庄都有 数量的土地，这些土地被划分为以 为索引的大小为 1 的连续地块。其中， 是村庄 中的地块集合，使得 。.每块地在适合种植不同作物的程度上都可能不同，我将其标记为 。.地块是否适合种植某种作物取决于一系列农艺变量，包括土壤类型。我假定土地对特定作物的适宜性不会因作物品种而异。假定一块地一次只能种植一种作物（地块不能分割），生产函数如下

其中， 是单位地块作物 品种 的数量。 是在村庄 生产农作物{{5}的品种 的技术。｝.这代表各村对增产或抗病/抗旱品种的了解。一个村庄中具有代表性的农民从弗雷谢特分布中抽取 ，该分布具有水平参数 和形状参数 。，其累积分布函数如下

农民还可以从水平参数 和形状参数 的弗雷谢特分布中为每块地和每种作物独立抽取 ，该分布可解释为村庄 在作物 中的平均生产率（作物 中各品种的生产率不变）。(作物 中各品种的产量不变）。对于农业气候条件不允许生产的村庄， 设为零。 是衡量村庄土地生产率离散程度的（反向）指标，在不同村庄和作物之间保持不变。
 表 A. 4

道路建设与农田向 CA 作物的重新分配：基于匹配的 DID 估计。
Definition of CA crops:
Top Top Top Top 50%
MA approach
CA crop
-0.053
-0.014
LogMarketAccess
CA crop*LogMarketAccess
28030 28030 28030 28030
adj. 0.310 0.318 0.325 0.324
Mean land share (CA crops) in 2012 0.159 0.162 0.160 0.153
Mean land share (all) in 2012 0.118 0.118 0.118 0.118
Land share of all CA crops in 2012 0.35 0.50 0.63 0.73

注标准误差以村为单位。因变量为分配给作物的土地份额。本回归分析包括 25 种主要非树木作物。每列代表不同的 CA 农作物定义分界线。在第 1 列中，CA 作物是指根据相对于全国平均水平的产量，在村内作物排名中位于 前列的作物。在第 2 列中，CA 作物是指排名前 的作物，以此类推。所有回归均包含村庄、作物和年份固定效应。 .
 表 A. 5

新建道路与 CA 农作物价格：所有农作物。
Definition
Top
Top Top Top
Panel A: MA approach - OLS
CA crop
-0.188
LogMarketAccess
0.009
0.010
0.006
0.007
LogMarketAccess * CA crop
0.015
adj.
41930
0.798
41930
0.799
41930
0.799
41930
0.799
Panel B: MA approach - IV
CA crop
-0.156
LogMarketAccess
-0.040
-0.040
-0.043
-0.039
LogMarketAccess * CA crop
0.012
41928 41928 41928 41928
adj. 0.740 0.740 0.741 0.740
First-stage F-stat 30.4 30.4 30.4 30.4

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 45 种作物和 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 农作物是指根据相对于全国平均水平的产量，在村内农作物排名中位于 前列的农作物。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 使用根据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 结果。B 面板使用根据预测的道路网构建的 MA 测量值，将土地坡度和河流湖泊位置作为根据实际道路网构建的 MA 测量值的工具。* , *** .

贸易村庄在完全竞争的农作物市场上运作。 村和 村之间在作物 方面的冰山贸易成本为 。.表 1 的结果表明，不同作物的空间价格变化各不相同，受此启发，假定不同作物的贸易成本各不相同，以反映某些作物（如蔬菜）的贸易成本（如易腐烂）高于其他作物（如谷物）。我假设 ，并对贸易成本施加三角形不平等的标准假设 。.我假设没有套利条件，因此对于任意两个村庄 和 来说，农作物的均衡价格满足 和 。均衡作物价格满足 ，其中 是来自 村的作物{{12}的品种{{11}在 村的价格， 是来自{{15}村的作物{{16}的品种{{17}在{{18}村的价格。而 是产自同一村庄 的农作物{{17}的品种 在村庄 的价格。｝.

 D.2.平衡


在均衡状态下，每块地都被分配给能使土地收益（即土地租金）最大化的作物。设 为 村{{1}号地块分配给{{2}号作物时的地租率。｝. 村作物{{5}的品种{{4}的单位生产成本为 。其中， 表示农作物 所用地块的单位效率地租率。.该单位成本是随机的，因为它是随机生产率 的函数。.完全竞争条件下的利润最大化意味着 。.后一个相等意味着，在作物 中，产量高的品种在比例上较低。产量较高的品种价格相应较低，这样，分配给任何作物品种 的地块的每 效率单位土地租金就相等了。村庄 向村庄 供应农作物 的品种 的价格。.

均衡价格和贸易流量。按照类似于 Eaton 和 Kortum（2002 年）以及 Donaldson（2018 年）的步骤，推导出了

 表 A. 6


新建农村公路带来的福利收益：仅对同时拥有农业和价格数据的村庄进行估算。
Binary treatment
OLS
MA approach
OLS IV
Panel A: Dep var. real agric e per hectare
Post*URRAP
LogMarketAccess
0.144
752 752 752
First-stage F-stat
0.815 0.814
-0.011
114.25

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数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，利用土地坡度和河流湖泊位置预测道路网构建的 MA 测量值被用作实际道路网构建的 MA 测量值的工具。 , ** , *** .

这样就可以得到每种作物的均衡价格分布和村与村之间的均衡贸易流量。

给定均衡价格分布 ，则{{4}村{{3}作物{{4}的任何品种 的价格预期值为

在我的模型中，该价格矩与农作物 的确切价格指数成正比。因此，我将其作为村庄 中农作物 的价格指数。.鉴于 (9) 中的偏好和公式 (11) 中给出的 表达式，村庄 面临的价格指数如下：

均衡土地分配：我假设存在一个竞争性的土地租赁市场。每个村庄根据地块 的单位效率租金以及村庄土地对不同作物的适宜性，决定如何在不同作物间分配农田。 收益最大化意味着将每块土地分配给收益最高的作物：

其中， 为地块 的最优收益， 为每效率单位土地的租金。结合弗雷谢特分布，这意味着以下土地分配规则：
  其中

其中 是村庄 中分配给作物 的土地比例。.它随着该村作物的平均生产率和分配给作物的地块租金（每效率单位土地）的增加而增加。需要注意的是，由于土地租金和作物 的完全竞争

市场上，分配给作物 的每效率单位土地的租金等于公式（11）中任何品种作物 的预期价格。的预期价格。因此，作物间的均衡土地分配是该作物相对于所有其他作物的预期价格的函数。

每块地的收入和均衡租金率：土地生产率的条件分布 ，即在地块用于种植作物 的条件下地块生产率的分布。即在地块用于种植作物 的条件下，地块生产率的分布情况：

为弗雷谢特，预期值为 。.

假设作物 {{0} 是使地块 租金最大化的作物，那么地块 的最优租金由 给出。｝.在地块用于种植作物 的条件下，地块租金的条件分布也是弗雷谢特式的，为 。的预期值为 ，因为收入只是生产率项乘以非随机的 。.此外，鉴于 每块地收入的条件分布与每块地租金的条件分布相同（请注意公式 (13) 中的 ， 具有参数为 的弗雷谢特分布），其中 为每块地租金的条件分布。其中 为地块 产生的最优收益。.


D.3.静态比较


根据 Dekle 等人（2008 年）和 Galle 等人（2022 年）的研究，我得到了两个村庄 和 之间贸易成本比例变化影响的比较静态，其中 ..我将 表示为比例变化（变量的新值与旧值之比）。使用这个符号，对于贸易成本 的特定比例变化，内生变量的比例变化如下：

上述比较统计表明， 村与其他村的贸易成本下降会产生以下影响。与其他村庄的贸易成本降低会产生以下影响。首先，贸易流量增加，如 (15a) 所示。其次，如果 村是农作物 的净进口村，则农作物 的预期价格会下降。.如果 村是农作物 的出口国，则农作物 的预期价格会下降。则农作物 的价格在该村不会发生变化。村 的价格不变，但进口村的价格会变得更低。因此， 村农作物的相对价格CA 作物的相对价格上升（或者换句话说， 村的 CD 作物的相对价格下降。的 CD 农作物的相对价格下降）。还需要注意的是， 因为分配给作物 的每效率单位地块租金等于作物 的预期价格。.第三，分配给作物 的土地部分与 的变化方向相同，因此 的变化也与 的变化方向相同。.第四，村庄租金收入的变化由分配给不同作物的每效率单位地块租金变化的加权平均值给出，其中权重是分配给这些作物的土地份额（见（15d））。

福利效应：由于土地是模型中唯一的生产要素，因此可以用每块地的平均实际租金（也等于每块地的平均实际收入）来衡量村庄的福利： 其中 为每块地的平均租金，{{2}为每块地的平均收入，{{3}为村庄价格指数。
 表 A. 7

道路建设和重新分配农田种植 CA 作物：所有作物。
Definition of CA crops:
Top Top Top 40% Top 50%
Panel B: MA approach - OLS
CA crop
-0.018
LogMarketAccess
CA crop*LogMarketAccess
56211 56211 56211 56211
adj. Panel C: MA approach - IV
CA crop
-0.024
LogMarketAccess
-0.002
-0.003
CA crop*LogMarketAccess
56211 56211 56211 56211
adj. 0.306 0.312 0.314 0.313
First-stage F-stat 253.74 253.74 253.74 253.74
Mean land share (CA crops) in 2012 0.159 0.162 0.160 0.153
Mean land share (all) in 2012 0.118 0.118 0.118 0.118
Land share of all CA crops in 2012 0.35 0.50 0.63 0.73

注标准误差以村为单位。因变量为分配给农作物的土地份额。分析包括 45 种作物。每列代表不同的 CA 农作物定义界限。在第 1 列中，CA 作物是指根据相对于全国平均水平的产量，在村内作物排名中位列前 的作物。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、作物和年份固定效应。面板 A 使用根据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 结果。B 面板使用根据预测的道路网构建的 MA 测量值，将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。* .
 表 A. 8

道路建设与 CA 农作物的价格：基于 GAEZ 产量测算。
Definition of CA crops:
Top Top Top 40% Top 50%
MA approach - IV
CA crop
LogMarketAccess
-0.038
-0.041
-0.038
-0.043
LogMarketAccess * CA crop
21423 21423 21423 21423
adj. 0.686 0.686 0.686 0.685
First-stage F-stat 29.84 29.84 29.84 29.84

注标准误差以村为单位。因变量为农作物的对数价格。本回归分析包括 19 种有 GAEZ 产量衡量标准的作物。每列代表不同的 CA 农作物定义分界线。在第 1 列中，CA 农作物是指根据相对于全国平均水平的产量，在村内农作物排名中位列前 的农作物。在第 2 列中，CA 作物指排名前 的作物，以此类推。所有回归均包含村庄、年份和作物月份固定效应。 , *** .

有了村里每种农作物的产量数据、村里的农作物价格以及构建村价格指数所需的模型参数，我们就可以构建村实际收入 ，并通过差分估计（DID）比较获得新道路连接的村庄与道路状况未发生变化的村庄的实际收入随时间的变化情况。

以下命题总结了该模型中道路影响村庄福利的主要实证检验机制。

命题 1.贸易成本的降低会导致耕地重新分配给村庄的比较优势作物，从而提高村庄的专业化程度。
 表 A. 9

道路建设和重新分配土地种植 CA 作物：基于 GAEZ 产量测算。
Definition CA crops:
Top Top Top Top
MA appro - IV
CA-crop
-0.063
-0.036
-0.007
0.024
LogMarketAccess -0.010 -0.008 -0.007 -0.006
CA-crop*LogMarketAccess 0.008 0.005
22466 22466 22466 22466
adj. 0.336 0.341 0.346 0.347
First-stage F-stat 219.74 219.74 219.74 219.74

注标准误差以村为单位。因变量是分配给农作物的土地比例。本回归分析包括 19 种有 GAEZ 产量测量数据的作物。每列代表不同的 CA 农作物定义。在第 1 列中，CA 农作物是指根据相对于全国平均水平的产量，在村内农作物排名中位于 前列的农作物。在第 2 列中，CA 作物指排名前 的作物，以此类推。所有回归均包含村庄、年份和作物固定效应。 .

证明村庄中某种作物的土地份额对村庄生产力的弹性为 .根据贸易成本进行微分，得到 。. 项始终为正（见公式 (14)，并注意到 处于均衡状态）。考虑 和 两个村庄，假设农作物价格为 和 。假设 村的农作物 的价格被标准化，因此 村的价格是相对于 村的价格而言的。.这就意味着，如果 是 村的比较劣势（CD）作物，则{{10｝即 ）或 ，如果 是 村的CA作物（即 ）。(即 ）。因此，如果作物 是该村的 作物，则 项为正数，反之为负数。
 表 A. 10

道路建设与 CA 农作物的价格：使用连续的 CA 度量。
MA (OLS) MA (IV)
LogMarketAccess -0.023 -0.073
Relative yield
LogMarketAccess * Relative yield
31737 31737
adj. 0.800 0.728
First-stage F-stat 23.95

注标准误差以村为单位。因变量为农作物的对数价格。相对产量是指村庄作物产量相对于该作物的全国平均产量。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。 , , .
 表 A. 11

道路建设和向 CA 作物重新分配土地：使用 的连续测量方法.
MA (OLS) MA (IV)
Relative yield
LogMarketAcess
Relative yield*LogMarketAccess
34839 34815
adj. 0.342 0.280
First-stage F-stat 231.595

注标准误差以村为单位。因变量是分配给农作物的土地比例。相对产量是指村庄某种作物的产量相对于该作物的全国平均产量。这些回归包括 25 种主要非林木作物。* , ** , *** .

否则。 这意味着随着贸易成本的降低，村庄会将更多的土地重新分配给其 CA 作物。

直觉很简单。随着贸易成本的降低，一个村庄的 CA 作物（"出口 "作物）在当地市场的价格相对较高，而 CD 作物（"进口 "作物）在当地市场的价格相对较低。这就使得种植 CA 作物的吸引力相对增大，而种植 CD 作物的吸引力相对减小，从而促使土地向 CA 作物重新分配。

命题 2.道路带来的福利收益的大小取决于一个村庄分配给不同作物的土地比例以及该村庄的消费构成。

回顾一下，福利由 给出。.对 取对数并进行微分，得出以下结果：

这一等式意味着，如果 ，CA 作物贸易成本的降低会使村庄福利增加更多。.这一命题的一个可检验的含义是，与专门种植经济作物的村庄相比，专门种植谷物的村庄从道路连接中获得的收益较少。这是因为，虽然两类村庄都能从其 CA 农作物价格的上涨中获益，但专门种植谷物的村庄的消费支出会增加，而专门种植非谷物的村庄的消费支出则正好相反。

38 无套利和 条件意味着 。，如果 或 。，如果


D.4.模型参数估计


为了估算道路通达程度对实际农业收入（福利衡量指标）的影响，我需要获得模型参数的估算值：偏好参数 （用于构建村庄价格指数）和村庄地块同质性衡量指标 。(用于构建村庄价格指数），以及村庄中地块同质性的度量 （用于构建市场准入度量）。(用于构建市场准入度量）。

的估算：我使用 ESS 数据（2011 年一轮）估算 。.根据家庭农作物消费的数据，我将 估算为农作物 的支出在 区所占的平均比例。.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。为了避免这些参数可能会随着贸易成本的变化而变化，我使用了乌拉圭回合前的数据。

的估计：我效仿索特洛（2020）对 的估计。.我依据农业抽样调查的村级农作物产量估计值，该估计值是根据农作物切块的随机抽样构建的。为了剔除产量估计中的噪声和天气条件造成的波动，我取所有年份（2010-2016 年）的平均值，以获得一个村庄作物产量的时间不变度量。 假设村庄 的真实作物产量与 AgSS 的村庄产量测量 如下式所示：

其中 为随机噪声， 为作物特定常数。将 代入公式（14）并取对数，得出以下结果：

与此相对应的经验如下：

其中， 和 分别为村庄和作物固定效应。

我得到的生产率离散值为 。这比 Sotelo（2020 年）的估计值（约为 1.7）要大。

 参考资料


Adamopoulos, T., 2018.Spatial Integration, Agricultural Productivity, and Development：A Quantitative Analysis of Ethiopia's Road Expansion Program.ICG Working Paper F-32404-ETH-1.

Aggarwal, S., 2021.通往健康的漫长道路：印度农村道路铺设政策对医疗保健利用的影响》。J. Dev.Econ.151, 102667

Aggarwal, S., Giera, B., Jeong, D., Robinson, J., Spearot, A., 2022.市场准入、贸易成本和技术采用：来自坦桑尼亚北部的证据。Rev. Econ.统计。.

Alder, S., 2019.印度的中国道路：交通基础设施对经济发展的影响》。SSRN.

Ali, R., Barra, A.F., Berg, C., Damania, R., Nash, J., Russ, J., 2015.通向成功的高速公路还是造成浪费的小路：估算非洲道路的经济效益》。世界银行。

Allen, T., Arkolakis, C., 2014.Trade and the topography of the spatial economy.Q. J. Econ.129 (3), 1085-1140.

Allen, T., Arkolakis, C., 2022.The welfare effects of transportation infrastructure improvement.Rev. Econom.Stud.89 (6), 2911-2957.

Allen, T., Atkin, D., 2022.Volatility and the gains from trade.Econometrica 90 (5), 2053-2092.

Asher, S., Novosad, P., 2020.农村道路与地方经济发展》。Amer.110 (3), 797-823.Rev. 110 (3), 797-823.

Atkin, D., Donaldson, D., 2015.Who's Getting Globalized?The Size and Implications of Intra-national Trade Costs.Working Paper 21439, National Bureau of Economic Research.

Cosar, A.K., Demir, B., 2016.Domestic road infrastructure and international trade: Evidence from Turkey.J. Dev.Econ.118 (C), 232-244.

Costinot, A., Donaldson, D., 2012.李嘉图的比较优势理论：Old idea, new evidence.Amer.Rev. 102 (3), 453-458.102 (3), 453-458.

Costinot, A., Donaldson, D., 2016.经济一体化的收益有多大？来自美国农业的理论与证据，1880-1997 年。Econometrica Forthcoming.

Costinot, A., Donaldson, D., Komunjer, I., 2012.What goods do countries trade?里卡多思想的定量探索。Rev. Econom.Stud.79 (2), 581-608.

Dekle, R., Eaton, J., Kortum, S., 2008.Global rebalancing with gravity：Measuring the burden of adjustment.IMF Staff Pap.2008 (005), A006.

Donaldson, D., 2018.Raj的铁路：估算交通基础设施的影响》。Amer.108 (4-5), 899-934.Rev. 108 (4-5), 899-934.

Donaldson, D., Hornbeck, R., 2016.铁路与美国经济增长：市场准入 "方法。Q. J. Econ.131 (2), 799-858.
Durevall, D., Loening, J.L., Ayalew Birru, Y., 2013. Inflation dynamics and food prices in Ethiopia. J. Dev. Econ. 104, 89-106. 重试    错误原因
Eaton, J., Kortum, S., 2002. Technology, geography, and trade. Econometrica 70 (5), 1741-1779. 重试    错误原因
Ethiopian Road Authority, ERA, 2016. Road Sector Development Program: 19 Years Assessment. Report. 重试    错误原因
Faber, B., 2014. Trade integration, market size, and industrialization: Evidence from China's national trunk highway system. Rev. Econom. Stud. 81 (3), 1046-1070. 重试    错误原因
Funk, C., Peterson, P., Landsfeld, M., Pedreros, D., Verdin, J., Shukla, S., Husak, G., Rowland, J., Harrison, L., Hoell, A., Michaelsen, J., 2015. The climate hazards infrared precipitation with stations-a new environmental record for monitoring extremes. Sci. Data. 重试    错误原因
Gafarso, H.N., Tufa, M.E., 2019. Effect of universal rural road access program (URRAP) on rural households' sociocultural features: The case of Jimma and Bunno Bedele Zones, South Western Ethiopia. Üniv. Bülten. 重试    错误原因
Galle, S., Rodríguez-Clare, A., Yi, M., 2022. Slicing the pie: Quantifying the aggregate and distributional effects of trade. Rev. Econom. Stud. 90 (1), 331-375. 重试    错误原因
Gebresilasse, M., 2023. Rural roads, agricultural extension, and productivity. J. Dev. Econ. 162, 103048. 重试    错误原因
Ghani, E., Goswami, A.G., Kerr, W.R., 2016. Highway to success: The impact of the golden quadrilateral project for the location and performance of Indian manufacturing. Econ. J. 126 (591), 317-357. 重试    错误原因
Hummels, D., 2007. Transportation costs and international trade in the second era of globalization. J. Econ. Perspect. 21, 131-154. 重试    错误原因
Nakamura, S., Bundervoet, T., Nuru, M., 2020. Rural roads, poverty, and resilience: Evidence from Ethiopia. J. Dev. Stud. 56 (10), 1838-1855. 重试    错误原因
Nunn, N., Qian, N., 2011. The potato's contribution to population and urbanization: Evidence from a historical experiment. Q. J. Econ. 126 (2), 593-650. 重试    错误原因
Shamdasani, Y., 2021. Rural road infrastructure & agricultural production: Evidence from India. J. Dev. Econ. 152, 102686. 重试    错误原因
Shrestha, S.A., 2020. Roads, participation in markets, and benefits to agricultural households: Evidence from the topography-based highway network in Nepal. Econom. Dev. Cult. Chang. 68 (3), 839-864. 重试    错误原因
Sotelo, S., 2020. Domestic trade frictions and agriculture. J. Polit. Econ. 128 (7), 2690-2738. 重试    错误原因
Wondemu, K.A., Weiss, J., Weiss, J., 2012. Rural roads and development: Evidence from Ethiopia. Eur. J. Transp. Infrastruct. Res. 12 (4). 重试    错误原因
  1. I I am indebted to Kerem Cosar, Sheetal Sekhri, John McLaren and James Harrigan for their guidance in writing this paper. I would like to thank Jonathan Colmer and Sandip Sukhtankar for their helpful comments. I thank Caglar Ozden for his helpful suggestions and encouragement. This paper has also benefited from comments received from participants in UVA's Trade and Development workshops and the WADES DC conference. I am grateful to two anonymous referees and the editor for their helpful suggestions. 重试    错误原因

    电子邮件地址：hundanol.kebede@siu.edu.
    1 Highways and railroads primarily serve the urban populations and the manufacturing sector, while rural roads favor the rural populations (agrarians) and the agricultural sector by facilitating better access to agricultural input and output markets. 重试    错误原因
  2. 2 While the URRAP program was launched in 2011, the first year was spent on capacity building and most of the road construction was not commenced until 2012. 重试    错误原因
    3 Some of the villages had poor-quality dirt roads that were passable by vehicles only during the dry season. Such roads are often constructed manually by local communities. 重试    错误原因
    4 This can be observed from the comparison of OLS and IV results in Section 3.2. 重试    错误原因
    5 The enumerators use a method called crop cut in which they take a sample of plots (each with an area of 4 square meters) and conduct crop cuts to obtain a yield estimate. 重试    错误原因
  3. 6 However, Sotelo (2020) treats crops as homogeneous. 重试    错误原因
  4. 7 See also Nakamura et al. (2020), Gafarso and Tufa (2019), and Wondemu et al. (2012) for the impact of rural roads on wider indicators of socioeconomic outcomes. 重试    错误原因
    8 The consumption information is based on a seven-day recall of basic consumption items, which are predominantly crops. However, household crop utilization information also provides information on how much of each crop produced is consumed within the household. 重试    错误原因
  5. 9 CSA claims that the prices in this survey can be considered farm-gate prices because they are collected at the lowest market channel where the sellers are the producers themselves, i.e., no intermediaries involved. 重试    错误原因
  6. 10 Using rural-urban price gap instead of price gap between random pairs of villages is preferred to estimate the effect of roads on trade costs because price gaps between two locations are good indicators of trade costs when there is positive trade flows between the locations (Atkin and Donaldson, 2015). Because, local towns usually serve as trading outlets for the surrounding villages, there is likely positive trade flows between the local towns and the surrounding villages than random pairs of villages. 重试    错误原因
  7. 11 Though my data does not allow me to incorporate manufacturing products, the welfare effects that incorporate consumption of manufactured goods should be slightly larger. This is because the decrease in trade costs would make manufacturing products available for relatively cheaper price, thus lowering village level price index and raising welfare in all villages (assuming that manufactured goods are produced in urban locations). However, due to insignificant weight of manufacturing goods in the calculation of village price index (on average, of consumption expenditure by rural households is on food, which is almost all self-produced or purchased agricultural products, in ESS data), this effect is likely to be a very small one, if any. 重试    错误原因
    12 Later, I show that the result is robust to including tree crops. 重试    错误原因
    13 Going one year back to include 2008/09 data results in significant drop in the number of villages consistently matched over time. 重试    错误原因
  8. 14 As a result, nonconnected villages may not serve as a valid control group in the identification of the effects of road connections. 重试    错误原因
  9. 15 Note that the MA measure is constructed using road networks and population settlements over the entire country, not just based on villages for which agricultural surveys are available. Thus, although I have MA measures for each of the over 15,000 villages in the country, the analysis is limited to those for which agricultural data are available. 重试    错误原因
  10. 16 Unfortunately, there is no official guideline as to which villages should be selected for the URRAP in a given year. Even though the project is fully funded by the federal government, the implementation of the URRAP has been completely decentralized to regional governments. Within each regional government, districts propose a list of villages that should get a road during a particular year, and the regional governments approve villages based on the available regional budget. 重试    错误原因
  11. 17 The bootstrap techniques was used to account for the fact that the taste parameters used in the construction of village real income were estimated with error. 重试    错误原因
    18 These values are obtained by multiplying the estimated elasticity by the average increase in MA: and . 重试    错误原因
  12. 19 For a change over discrete time this can be written as follows: 重试    错误原因
    20 That is, the total output of crop is given by the fraction of land allocated to the crop times the total land size times the productivity of the village in the crop. Land area is constant over time. And in the model is also assumed to be constant as it stands for natural productivity of village in crop . 重试    错误原因
  13. Approximately of the villages grow five or fewer crops, and the maximum number of crops grown in a given village is 19 out of the 25 major crops. 重试    错误原因
  14. 22 Note that the analysis in this subsection uses only villages for which complete price data are available. 重试    错误原因
  15. 23 Note that this interpretation ignores the coefficients of lnMA which are statistically insignificant and close to zero in both Panel A and Panel B. 重试    错误原因
  16. 24 The cereal share in consumption is likely to be significantly higher for the rural population because consumption of processed food is very limited in rural areas. 重试    错误原因
  17. 25 However, on average, a treated village is matched to 2 nontreated villages. 重试    错误原因
    26 As an additional robustness check, I do the matching at region level, i.e., where treated villages are matched to similar nontreated villages in the same regional state. This is motivated by the fact that the URRAP was managed by regional governments. The results are very similar to those from matching unrestricted to within region. 重试    错误原因
  18. 27 Because the data on weights of these less common crops in consumption surveys is not available, I am unable to estimate the real income effect including these crops. 重试    错误原因
    28 See, for instance, Nunn and Qian (2011), Costinot and Donaldson (2012, 2016); and Donaldson and Hornbeck (2016) for the application of these datasets in economics studies. 重试    错误原因
  19. 29 This calculation uses the following numbers: (i) real income of the median AgSS sample village in 2012 was 95,730 Birr for the 20 households in the sample; (ii) a typical village (kebele) has approximately 700 households, and (iii) the exchange rate from Birr to USD was 0.055 in 2012. 重试    错误原因
  20. 30 Alternatively, I use travel time along the least (time) cost path, instead of freight costs. The MA measures are strongly correlated (correlation of 0.92 ) 重试    错误原因
    31 I show that the results are robust to using alternative scales that are half or twice of the baseline scale . 重试    错误原因
    32 While the initial URRAP plan included all nine Ethiopian regions, two regions (Afar and Somali) were later dropped from the project later. 重试    错误原因
  21. 33 The model is also similar in spirit to Costinot et al. (2012). 重试    错误原因
  22. 34 This is inline with insignificant fraction of manufactured goods in the consumption basket of rural households in least developed countries such as Ethiopia. 重试    错误原因
  23. 35 The model can easily be extended to include labor without altering any of the analysis in this section but at a cost of introducing new notations. Hence, I abstract from introducing labor in this section. 重试    错误原因
    36 The cumulative distribution function for is . 重试    错误原因
  24. 37 Note that because land suitability does not vary across varieties of a given crop, the land allocation problem is solved at the crop level. Once a decision is made regarding which crop is planted on a given plot, the specific variety of the crop to be planted is chosen based on the technology of the farmer , i.e., the unit cost of the crop variety. 重试    错误原因
  25. 39 Using GAEZ yield instead of time invariant yield constructed from AgSS gives a comparable estimate of , even though GAEZ data do not include some of the widely grown crops. This is because the time invariant yield constructed from AgSS is strongly correlated with the GAEZ yield measure for the crops that overlap in both datasets. 重试    错误原因