1.全球农田状况的遥感测度与指标构建
本研究构建了基于卫星遥感的全球农田状况评估方法,以量化2001—2019年间全球农田退化与改善趋势。研究首先利用全球土地覆盖数据识别农田像元,再采用增强植被指数(EVI)的年度最大值作为农田生物生产力的遥感代理指标,并以1×1 km²网格分辨率构建全球农田状况数据集。为避免气候条件和农业投入对植被生产力的干扰,研究进一步控制降水、温度、太阳辐射、地形、化肥、灌溉及耕作比例等变量,对EVI进行残差化处理,从而得到剔除外部投入和气候影响后的农田状况指标。最终形成了覆盖全球、时间跨度为2001—2019年、约8300万条农田状况观测数据的分析基础。
2.农业环境公共政策的量化与强度表征
研究基于全球公共农业环境政策数据库,对2000—2019年间各国实施的相关政策进行系统量化。首先,作者采用各国政策累计数量作为基础政策强度指标,用以反映国家层面的整体政策投入力度和政策雄心。考虑到不同国家政策执行能力、治理水平和财政投入存在差异,研究进一步构建加权政策指数,即利用世界银行全球治理指标(WGIs)和国际货币基金组织环境保护支出(EPE)等变量,对政策数量进行加权处理。此外,研究还采用二元处理变量,将至少实施一项相关政策的国家划为处理组,将未实施相关政策的国家划为对照组,以便检验政策实施前后的农田状况变化。
3.准实验框架下的政策效应识别
为识别农业环境政策对农田状况的影响,研究采用了两类互补的准实验方法。第一类是基于国际边境的断点差异设计,利用边境两侧自然条件相近但所属国家政策不同的特点,比较政策较多国家与政策较少国家在边境附近农田状况上的差异。研究通过估算最优边界带宽,确定26公里作为边境比较范围,以提高处理组和对照组之间的可比性。第二类是国家层面的差异的差异方法,将各国农田状况汇总到国家—年份层面,并将各国与其邻国进行比较,从而检验政策实施后农田状况是否发生相对改善。这两种方法相互补充:边境分析有助于控制地理和自然条件差异,国家层面分析则增强了结果的外部适用性。
4.异质性分析与结果可靠性检验
在识别总体政策效应后,研究进一步分析政策效果的差异性。一方面,作者将农业环境政策划分为土壤与土地利用法规、投入品法规、栖息地与生物多样性法规、农业环境补贴四类,并采用连续处理设计估算不同类型政策的边际效应,以判断哪类政策更有效。另一方面,研究将政策效应汇总到国家层面,比较不同国家政策效果的空间差异,并进一步考察产权保护、腐败控制、政府效能、政治稳定性、监管质量、法治、问责机制和环境支出等制度因素对政策有效性的影响。为保证结论稳健,研究还进行了安慰剂边界检验、带宽敏感性检验、平行趋势检验、自然边界排除检验和协变量平衡检验,以降低反向因果、边界选择和遗漏变量等问题对结果的干扰。