无条件现金转移能否提高长期生活水平?来自赞比亚的证据

作者:Sudhanshu Handa, Luisa Natali, David Seidenfeld, Gelson Tembo, Benjamin Davis, 赞比亚现金转移评估研究小组

来源:https://www.sciencedirect.com/science/article/pii/S0304387818300105?via%3Dihub#sec2

译者:孙禹桐

主要发现如下:

1.赞比亚政府实施的两项无条件现金转移显示出强大的保护和生产促进效应。

2.两项计划都产生了巨大的收入乘数,两项计划的平均值为 1.67。

3.其中一个方案通过对非农业活动的投资产生倍增效应,另一个方案通过农业产出产生倍增效应。

4.政府向极端贫困人口提供无条件现金转移可以提高长期生活水平,是包容性增长发展战略的重要组成部分。

摘要:

在非洲,由国家资助的现金转移项目现已覆盖近5000万人。这些项目能否提高长期生活水平?我们利用赞比亚政府实施的两个无条件现金转移项目的实验数据来探讨这个问题。研究发现,这些项目在食品安全、消费以及一系列生产性结果方面具有深远影响。三年后,家庭支出平均比收到的转移金额多67%,这意味着存在显著的乘数效应,这一效应通过增加非农活动和农业生产得以实现。

关键词:脱贫减贫,无条件现金转移支付,赞比亚

一、绪论

全球五分之一的人口仍生活在极端贫困中,因此迫切需要找到能够持续提高生活水平的干预措施。最近对“脱贫项目”的多项评估引发了人们对其有望为世界最贫困人群提供永久性脱贫途径的热情。这些项目的典型代表是孟加拉国的非政府组织BRAC,其向极端贫困家庭提供一揽子支持,包括现金转移、牲畜资产、资产使用培训与监督、生活技能培训,最终提供市场利率的正规部门信贷。BRAC在孟加拉国进行的评估报告显示,监督和其他培训支持结束四年后,消费增加了40%,且相较于非实验对照组,生产性资产基础显著增加(Raza等,2012)。随后,脱贫项目联盟在三大洲的六个不同国家开展了多地点随机对照试验(RCT)。项目监督访问结束一年后,约在初始资产转移后2至3年,各地点的消费和经济领域影响结果显示,消费/食品安全和生产性资产均持续正向影响,尽管各地有些许差异(Banerjee等,2015)。鉴于脱贫模式的高前期成本和密集的支持,该评估的成本效益分析表明,六个地点中有五个显示出净正收益,表明这种方法在财务上是合理的。最近一篇基于BRAC在孟加拉国受益者数据的论文也计算出正向的收益成本比,并显示四年后女性在更具生产力的劳动活动中显著增加(Bandiera等,2016)。

BRAC的方法为类似干预措施提供了模板,目前估计覆盖了孟加拉国近50万人及全球20个国家的另50万人。同时,世界银行(2015)最近的一项审查估计,发展中国家中约150个国家拥有现金援助项目,约8亿人通过某种类型的现金转移项目受益。最近在撒哈拉以南非洲(SSA),现金转移项目显著扩展,发展导向(即非人道主义)项目从2010年的20个增加到2015年的41个,估计覆盖800万至1000万户家庭或5000万人(世界银行,2015;Garcia和Moore,2012)。当然,这些项目在目标和实施上与脱贫项目有根本不同。首先,它们的主要目标是减缓贫困而非经济赋权,尽管非洲大陆上许多大型项目确实将经济赋权作为次要目标。其次,现金转移项目通常是国家所有并实施的,而脱贫模式迄今仅在非政府组织部门实施,可能是由于其复杂性和启动项目所需的大量前期投资。鉴于无条件现金转移模式的相对简单性、其全球流行性以及目前受益人数的庞大,一个显而易见的问题是,它是否有可能不仅仅保护消费,还对生产活动产生影响,最终实现生活水平的永久性提高。

小额、可预测的月度或双月度现金支付如何能带来长期生活水平的提高?大多数关于贫困的理论指出,信贷或信息限制、技能缺乏、缺乏管理风险的工具以及现时偏差(短视)是贫困的主要决定因素,而脱贫模式直接解决了其中的几个约束。最简单形式的无条件现金转移,也就是说在没有任何明确信息或补充干预措施的情况下,原则上只能直接解决两个约束——流动性和保险。尽管目标群体是极端贫困家庭,即使这些家庭也可能将部分转移支付用于农业生产以确保其粮食安全,而大额或不可预测的转移支付可能被用于投资。迄今为止关于现金转移经济影响的文献较少,主要是因为这不是其主要目标,而且大多数评估并未跟踪家庭足够长的时间以观察生产性效果的确立。

Gertler等(2012)报告了墨西哥Progresa(现称为Prospera)有条件现金转移(CCT)项目在启动18个月后对牲畜持有量和小型商业活动的积极影响,并显示原始治疗组的消费增长高于四年后进入项目的对照组,暗示了现金转移的乘数效应。然而,Maluccio(2010)并未发现尼加拉瓜类似有条件现金转移项目在18个月后的生产性效果。最近,联合国粮食及农业组织(FAO)与联合国儿童基金会(UNICEF)合作,开始了一项重大计划,记录撒哈拉以南非洲国家现金转移项目的生产性影响。对七个无条件现金转移项目初步结果的总结,所有这些项目均由政府实施,表明这些项目对牲畜资产、非农商业活动的参与以及农场投资(如化肥和种子)有影响(Covarrubias等,2012;FAO,2016;Handa等,2016a;PtoP,2014),具体影响视转移支付的规模和可预测性以及目标家庭的人口构成而有所不同。最近,在东非运营的非政府组织Give Directly也报告了无条件现金转移在转移仅九个月后对生产性结果如牲畜、耐用资产以及农业和商业收入的巨大影响(Haushofer和Shapiro,2016)。

2010年,赞比亚政府开始测试两种不同的现金转移模式,以为未来的扩展决策提供信息。每个项目都伴随着一个随机对照试验(RCT),在基线后进行了多次纵向干预后跟踪调查,跟踪时间从24个月开始。这两种模式都包括每两个月支付约12美元(24美元购买力平价)的无条件现金转移。儿童津贴计划(CGP)针对三个贫困农村地区所有有5岁以下儿童的家庭,而多类别目标计划(MCP)则针对两个农村地区的弱势家庭,包括由女性或老年人负责照顾孤儿的家庭或有残疾成员的家庭;每个项目中90%的受益者处于国家极端贫困线以下,中位受益者的消费约为每天每人30美分。由于两个项目的不同人口统计标准,相同的基本项目被交付给极端贫困家庭,但其人口构成非常不同。CGP由较年轻的家庭组成,拥有更多的黄金年龄成员,而MCP家庭实际上缺乏黄金年龄成员,反而有更多的青少年和老年护理人员。两组受益者同样贫困,因此其人口构成的差异使我们能够观察不同项目影响的规模和模式是否相似,从而增强我们证据的普遍性。

我们在八个主要领域中比较了这两个项目的结果,这些领域涵盖了保护性和生产性结果,尽管项目的主要目标是保护性的。这些领域包括消费、粮食安全、资产、收入和收益、金融和债务、相对贫困、儿童的物质需求和教育。我们发现,这两个项目不仅在消费、粮食安全和儿童的物质需求等保护性领域产生了强烈影响,还在生产性领域显示出显著效果,这表明这些项目对受益家庭具有变革性影响。值得注意的是,尽管家庭成员的年龄构成非常不同,但不同家庭资格类型之间的影响没有显著差异。对消费(项目的主要目标)和生产性活动的巨大影响表明,这些转移支付被用于投资,可能会带来生活水平的持续改善。然而,在具体影响方面尤其是生产性领域存在细微差别,我们将在论文中详细讨论。

我们将一年期间消费、储蓄和资产积累的影响货币化,并将其与每年的转移支付进行比较,得出两个项目平均收入乘数约为1.67。换句话说,受益家庭能够将每一夸查的转移支付转换为额外0.67夸查的收入,表明这些项目不仅达到了保护消费的主要目标,即使在没有分阶段模式中的补充干预的情况下,小额、可预测的无条件现金转移也可能有助于长期减贫。

在文献贡献方面,Haushofer和Shapiro(2016)指出,UCTs的长期效应“仍然不完全清楚”,尤其是在发展中国家,以及出于除贫困以外的其他原因(如照顾孤儿)选择的人群中交付的UCTs(第37页)。本文通过提供来自一个低收入国家的两个UCTs的证据,解决了这两个知识空白,这两个项目都没有明确以贫困为目标。此外,这两个项目与Give Directly(GD)模式不同,前者由国家政府实施,具有潜在的可扩展性,并以现金(而非电子方式)提供转移支付,这与非洲大多数项目相似,避免了引入储蓄或移动货币账户的潜在混淆,从而提供了纯粹的现金评估。此外,GD一次性提供一笔大额转移支付(平均转移金额为709美元PPP),而非洲大多数国家项目往往在更长时间内提供较小的补助,这与本文分析的两个项目相似。因此,我们的证据来自于两个更好地代表政府为解决贫困而引入的典型项目。这些项目是否也能通过提高生产力促进经济增长?这是我们要解决的关键问题。

已有三篇已发表的文章和一篇工作论文使用了这些数据分析了本文所报告指标的子集。Hjelm等(2017)估算了这两个项目对感知压力的影响,并研究了粮食安全作为项目影响感知压力的一个潜在途径。尽管当前论文未使用感知压力指标,但报告了粮食安全。Handa等(2016a)展示了CGP在24个月跟踪调查的结果,并使用了本文报告的大部分指标。然而,那篇论文未报告MCP的结果,也未包括36个月的跟踪调查,且未尝试计算收入乘数,这正是本文的主要创新之一。Handa等(2016b)详细调查了CGP对学校入学率的影响模式。最后,工作论文(Natali等,2016)集中分析了CGP中的储蓄行为、储蓄的非金融障碍以及储蓄是否提高了女性在家庭中的经济地位。这些现有论文均未报告本文所涵盖的所有项目、所有波次和领域的全范围指标,因此无法计算乘数效应,这正是本文的独特贡献。

二、两个项目的总览和研究设计

CGP和MCP项目由赞比亚政府社区发展、母婴健康部(MCDMCH)实施,为受益者每月提供12美元的统一转移支付,不论家庭规模如何。支付是无条件的,由部委员工在指定支付点每两个月亲自支付一次。CGP在三个农村地区实施:Shangombo、Kalabo(西部省)和Kaputa(北部省),而MCP在Serenje(中部省)和Kaputa(北部省)这两个农村地区实施。这五个地区都极为贫困,尽管项目在家庭层面上没有针对贫困进行定向,但90%的受益者处于国家极端贫困线以下,中位消费约为每天每人30美分;因此,目标有效地覆盖了最贫困人群。根据基线数据估算,转移支付平均占计划前消费的24%。研究团队对行政数据的分析表明,在研究期间不仅按时支付,而且95%以上的受益者按时领取了支付。作为评估的一部分进行的操作模块调查显示,没有由于贿赂或村长或项目官员的索要而导致的泄漏迹象(AIR,2014;AIR,2015)。

虽然项目参数相同,但设计上的一个关键区别是人口资格标准。CGP面向有3岁以下儿童的家庭,而MCP则面向各种类型弱势群体家庭,导致两个项目中家庭结构非常不同。如图1所示,CGP受益者通常是有黄金年龄成员和幼儿的年轻家庭,而MCP受益者则是“缺失的一代”家庭,几乎没有黄金年龄成员,但有很多青少年。例如,CGP中受益者的平均年龄为30岁,而MCP中为56岁。这些显著的人口构成差异使得评估项目是否产生类似影响成为可能,从而增强了研究结果的外部有效性。

CGP和MCP均为多地点随机对照试验(RCTs)。在每个地区,首先随机选择社区福利援助委员(CWACs,在本文中也称为群体或社区)进入研究,然后从每个选定社区中抽样家庭。在基线数据收集后,通过社区发展、母婴健康部常务秘书主持的公开投币仪式,随机将群体分配为干预组或延迟进入项目的对照组。MCP项目中,从每个地区随机选择了92个社区(每个地区46个),而CGP项目中随机选择了90个群体(每个地区30个)。延迟进入对照组预计在2014年底评估结束后开始领取补助。然而,赞比亚政府决定在2015年将各种补助项目合并为一个统一项目,并制定了共同的资格标准。新项目在新地区开始扩大规模,评估地区的家庭重新定位工作直到2016年初才开始。因此,干预地区的家庭继续根据现有项目(CGP或MCP)领取补助,直到重新定位。

主要的家庭调查工具相当全面,包括消费、健康、教育、住房、农业及其他生产活动的模块。大多数调查项目取自赞比亚生活状况监测调查(LCMS)或人口与健康调查,均由国家统计局定期进行。核心调查对家庭中的一位主要受访者进行,CGP中为指数儿童的生母或主要照顾者,MCP中为照顾者或残疾成员;通常,这些人是项目指定在干预社区领取转移支付的成员。调查工具的一个关键特点是我们实施了LCMS的整个消费模块,包含200多种食品和非食品项目,以便我们能够严格进行福利比较,评估两项目人群与全国其他人群之间的差异,这是评估部采用的目标策略的重要部分。

该评估由MCDMCH和联合国儿童基金会赞比亚分部委托给美国研究院(AIR)和北卡罗来纳大学教堂山分校。数据收集由独立的私人公司Palm Associates进行,该公司与MCDMCH无关,并且知情同意书中未提及项目或该研究由MCDMCH委托。研究通过了华盛顿特区美国研究院(AIR)和赞比亚大学的伦理审查。

三、数据、平衡和自然减员

(一)数据

在CGP和MCP的基线样本中,分别包含2519户和3078户。在两种情况下,研究样本的大小被设计为能够检测到关键项目指标的显著效应,这些指标需要最大的样本量支持。对于CGP项目来说,这个指标是儿童人体测量的相关指标,而对于MCP项目来说,这个指标是中学年龄儿童的学校出勤率。与个体指标相比,家庭层面的指标如消费、食品安全和牲畜拥有情况所需的样本量要小一些。

(二)平衡

如前所述,由于两个项目的强烈地理定位,家庭处于极度贫困状态,基线时期CGP项目的人均消费为41赞比亚克瓦查(ZMW),而MCP项目为51赞比亚克瓦查(ZMW)—前者是2010年单位,后者是2011年单位(见表2)。根据当前的汇率换算为美元,这相当于每人每天约30美分。这种低消费水平与食品安全水平低的情况一致,样本中大约只有15%(MCP)到20%(CGP)的家庭很少或根本不担心食物问题,合并样本中有57%的家庭在过去四周里有过整天没有吃饭的情况。家庭的教育水平也很低—30%或更多的受访者从未上过学。两个样本之间的主要差异源于两个项目的不同定位标准,导致人口构成显著不同:CGP项目中家庭稍微更大(平均5.7个人对比MCP的5.0个人),有更多5岁以下的儿童,但是13-18岁的中学生少;在CGP中有更多的黄金年龄成年人(19-35岁)和较少的老年人。这也反映在受访者的特征上,MCP中的受访者年龄更大(56岁对比CGP的30岁)。CGP中的受访者更有可能是已婚(约75%),而在MCP中,受访者大多数是丧偶(55%)或离异/分居(10%)。最后,在CGP中几乎所有的受访者都是女性,而在MCP中是75%的受访者是女性。

表3中显示的各个子组群指标在两个样本中基本上是可比的,尽管在CGP中女性的基线储蓄率略高,而在MCP中5-17岁儿童的物质需求满足略高,不过在这两个样本中,这个年龄段儿童最大的缺乏来自于缺乏鞋子。由于CGP项目专注于有幼儿的家庭,我们还对5岁以下儿童进行了人体测量学的测量,这些数据在文章的附录(见原文表A2)中报告,显示在基线时期,35%的儿童存在发育迟缓问题,16%体重不足。

表2(摘自原文)

Empty CellCGP (N=2272)MCP (N=2938)
ControlTreatmentP-value of diffControlTreatmentP-value of diff
Respondent widowed0.060.060.850.550.560.76
Respondent never married0.110.110.910.040.030.52
Respondent divorced or separated0.090.060.030.100.090.79
Respondent ever attended school0.700.740.280.640.640.86
Female respondent0.990.990.150.750.760.70
Age of respondent (years)29.5729.910.6256.9756.160.51
Household size5.635.760.455.014.980.90
Number of members aged 0–5 years1.901.890.850.680.720.49
Number of members aged 6–12 years1.271.260.931.221.310.23
Number of members aged 13–18 years0.530.600.150.980.920.25
Number of members aged 19–35 years1.301.360.230.820.760.43
Number of members aged 36–55 years0.530.540.890.540.520.53
Number of members aged 56–69 years0.070.070.680.370.390.43
Number of members aged 70 years or older0.030.030.590.400.360.22
Total household exp. per person (ZMW)39.5641.550.4652.0450.230.55
Asset index0.270.310.220.440.390.16
Livestock index0.200.220.390.300.260.28
Productive asset index0.320.350.240.740.720.50
Value of harvest (ZMW)329.10360.170.511058.29876.360.05
Does not (or rarely) worry about food0.210.200.950.150.150.99
Does not (or rarely) go to sleep hungry at night0.430.500.130.540.520.44
Does not (or rarely) go whole day w/o eating0.500.560.220.600.580.72
Food security scale (0–24)8.749.050.609.359.260.85
Owned any chickens in last 12 months0.430.440.880.500.450.21
Owned any goats in last 12 months0.010.030.030.130.100.17
Owns a pick0.030.030.990.090.070.17
报告的P值是基于每个变量的治疗组和对照组均值平等性的Wald检验得出的。标准误差在社区水平进行了聚类处理。

表3(摘自原文)

Empty CellCGPMCP
ControlTreatmentP-value of diff.ControlTreatmentP-value of diff.
Female respondent level indicators
Holding any savings0.160.180.390.120.120.70
Amount saved last month (ZMW)20.6317.850.7215.656.360.23
Amount saved last month (ZMW)0.590.660.540.410.400.88
Believes life will be better in future0.670.700.560.770.800.21
Material needs children 5–17 years
Child has shoes0.140.140.910.220.190.27
Child has two sets of clothing0.630.640.870.790.740.14
Child has blanket0.580.560.790.630.580.24
All needs met (shoes, blanket, clothes)0.110.110.920.170.140.20
Schooling indicators children 11–17 years
Currently attending school0.790.810.570.800.750.04
Full attendance prior week0.600.650.190.640.600.13
Number of days attended prior week3.483.610.383.553.340.06
P值是根据每个变量的治疗组和对照组均值平等性进行的Wald检验得出的。标准误差在社区水平进行了聚类处理。CGP和MCP的样本大小分别为:女性受访者:2221和2512人,5-17岁儿童:4409和6409人,11-17岁儿童:1701和3594人。

(三)平衡

两项研究的社区级随机分配导致几乎所有主要项目指标上达到了平衡。表2展示了关于家庭特征和选定结果指标的平衡检验结果。对于CGP项目,只有两个指标在干预组和对照组之间在基线时显著不同(受访者离婚/分居的比例,以及家庭是否拥有任何山羊)。对于MCP项目,一个指标——收获作物的价值——是统计显著的。表3报告了与家庭成员特定子组群相关的指标的平衡检验结果——女性、5-17岁儿童和11-17岁儿童。在MCP项目中,唯一显著的基线差异是11-17岁儿童的学校出勤率,干预组略低于对照组(75%对比79%)。

(四)权重

总体而言,第三波调查时的家庭流失率在两个项目中均低于百分之五。然而,由于卡普塔地区切希湖干涸,迫使许多家庭暂时搬迁,CGP样本中约有百分之十的家庭在第二波调查时未能接受采访,但大多数这些家庭在第三波调查时重新被纳入。治疗组和对照组之间的流失率在统计上没有显著差异。附录中展示了不同流失率的分析(原文处表A3和A4),这是基于我们的最终分析样本,即完整的家庭面板,即所有三个调查波次都有数据的家庭,因此排除了CGP项目在第二波未接受采访但随后在第三波接受采访的家庭。对于CGP项目,在治疗组和对照组的流失家庭中,近50个指标中只有两个有显著差异,而在MCP样本中,两组之间在任何指标上均无显著差异。尽管总体流失不会影响内部有效性,但面板和原始样本之间存在一些差异,可能影响到对整个目标人群的泛化能力(外部有效性)。这是MCDMCH需要考虑的重要问题,因此我们通过基线人口统计特征、居住地区、主要受访者特征、消费、资产和受震击暴露程度等广泛的列表对我们的估计进行加权,权重为出现在所有三波调查中的概率的倒数。这种权重方法用于考虑一般性的流失已在Shadish et al. (2002)中讨论过,并类似于可观察选择(Imbens, 2004, Rosenbaum and Rubin, 1983, Heckman et al., 1997)。

四、方法和关键手段

我们使用的是差异法(Difference-in-Differences, DD)模型,该模型加入了基线协变量向量,并允许在24个月和36个月时期的差异影响。核心估计方程式如下:

在这个框架中,Y(ijt)代表在时间(轮次)r内,社区j中的家庭/女性/儿童i的结果指标。T(j)是一个虚拟变量,如果处于实验组则为1,R2和R3分别捕捉了在24个月和36个月的两次跟踪,β2和β3分别捕捉了在24个月和36个月的意图治疗效应(ITT); 是一组经过处理前的人口统计学控制变量,ϵ是误差项。回归采用OLS估计,标准误差采用社区水平的健壮标准误差进行聚类。我们将样本限制为完整面板,即仅包括在所有三个波次中出现的家庭,尽管在放宽这一假设并使用至少出现在两个波次中的家庭时,结果是相同的。对于所有的结果,我们估计了未调整和调整协变量的影响,但由于空间限制,这里只报告调整后的结果。调整后的回归模型包括处理前的家庭人口统计学组成和规模(取对数)、受访者的年龄、教育程度和婚姻状况,以及地区虚拟变量。对于儿童的结果,我们还包括了儿童的年龄和性别。

我们的一些结果变量在基线时没有收集(见表4),因此对于这些变量,我们在24个月和/或36个月时估计单差模型,同时控制相同的一组处理前协变量。这些估计自然依赖于基线等价性进行识别。差分方法背后的关键假设是平行趋势。我们没有多个处理前的数据点来显式测试处理组之间趋势的差异,但对照组社区与处理组社区来自相同的地区,这使得该假设更为合理。我们分析了研究期间村级价格趋势和共同冲击的发生情况,结果显示,处理组和对照组之间随着时间的推移没有显著差异。

表4 (摘自原文)

DomainIndicatorsLevelBaseline24-months36-months
MCPCGPMCPCGPMCPCGP
ConsumptionOverall per capita consumptionaHouseholdxxxxxx
Food consumption per capitaxxxxxx
Non-food consumption per capitaxxxxxx
Food securityDoes not (or rarely) worry about foodHouseholdxxxxxx
Able to eat preferred food most of the timesxxxxxx
Does not (or rarely) eat food he/she does not want to eat due to lack of resourcesxxxxxx
Does not(or rarely) eat smaller meal than neededxxxxxx
Does not (or rarely) eat fewer meals because there is not enough foodxxxxxx
Never (or rarely) no food to eat because of lack of resourcesxxxxxx
Does not (or rarely) go to sleep hungryxxxxxx
Does not (or rarely) go a whole day/night without eatingxxxxxx
Food security scale (0–24 where higher means more food secure)xxxxxx
AssetsDomestic Asset indexHouseholdxxxxxx
Livestock indexxxxxxx
Productive indexxxxxxx
 
Finance/debtWhether woman currently saving in cashWomanxxxxxx
Amount saved by womenxxxxxx
Whether household has new loanHousehold  x xx
Reduction in the amount borrowed  x xx
Not having an outstanding longer-term loan (loans taken out more than 6 months before the follow-up considered)  x xx
Reduction in the amount owed  x xx
Income and revenuesValue of harvestHouseholdxxxxxx href=”#tbl4fnb” b
Spending on agricultural inputsxxxxxx
Operating a NFE  xxxx
Revenues from NFEs  xxxx
Relative (and/or subjective) PovertyDoes not consider household very poorHouseholdxxxxxx
Better off compared to 12 months agoxxxxxx
Think life will be better in either 1, 3 or 5 yearsWomanxxxxxx
Material needsShoesChild (5–17 years)xxxxxx
Blanketxxxxxx
Two sets of clothesxxxxxx
All needs metaxxxxxx
SchoolingSchool attendanceChild (11–17 years)xxxxxx
Days attended in prior weekxxxxxx
Nutrition of young children [CGP only]Not underweightChild (0–59 months) x x x
Not wasted x x x
Not stunted x x x

我们报告了近40个结果变量,涵盖家庭、女性和儿童层面,并分为8/9个领域,如表4所示。每个指标的定义在附录表A1中报告。现在,研究人员在进行独立RCTs时通常会在预分析计划中指定主要指标,以防止选择性报告结果的诱惑。在这里,我们评估了两个国家项目,这些项目是根据合同进行的,因此项目的既定目标和相关结果框架(都经过透明的过程)相当于预分析计划,而在竞争性投标合同中提交的技术提案则指定了使用的统计方法。这两个项目有类似的既定目标,涉及到食品安全和消费、资产拥有、儿童的物质福利和儿童的教育。CGP的额外目标是减少学龄前儿童的营养不良。为了设计问卷,我们在基线前确定了与这些目标相关的关键指标。在本文中,我们报告了三个超出项目既定目标的领域,以便与Banerjee等人(2015)进行比较:主观幸福感、金融与债务以及收入和收入。我们将所有指标定义为数值越高表示结果越好。需要注意的是,对于贷款和债务(在金融与债务领域),与Banerjee等人(2015)不同,我们认为减少债务和贷款是积极的结果;事实上,在我们的研究样本中,几乎所有贷款都来自非正式渠道并用于消费,受益人报告说减少未偿还债务是他们的主要关注点之一。为了在各个指标和领域之间比较效应大小,我们遵循Banerjee等人(2015)的方法,将所有变量转换为z值,方法是减去对照组的均值(在每一波次)并除以对照组的标准差(在每一波次);这意味着在每一波次对照组的均值为0,标准差为1。

针对多个领域的多项指标提供估计,可以防止仅选择那些统计显著的估计进行报告。然而,由于计算的测试数量庞大,我们可能会发现假阳性结果。为了应对多重测试问题,我们采取了两种方法。首先,对于每个结果类别,我们使用Sidak-Bonferroni调整来调整p值(Abdi, 2007)。其次,我们按照Anderson (2008) 和 Kling et al. (2007) 的方法构建总结指数作为每个领域的“主要指标”,并报告这些总结/主要指标的标准化平均处理效应。具体而言,除了消费、食品安全和儿童物质需求之外,对于每个领域,按照域内各指标的z分数的等权重平均值计算总结指数,然后在每一波次中以对照组为标准进行标准化。在消费、食品安全和儿童物质需求的情况下,我们仅对总消费、食品安全量表和儿童物质需求的指标进行标准化,因为这些已经是该特定领域的总结统计数据。然后我们分别估计每个领域(和结果)的标准化平均处理效应(ITT),并在下面的部分报告这些估计值。

五、实证结果

我们首先通过领域指数展示结果摘要,并调整跨领域多重推断测试的p值——这种“综合”方法提供了这两种无条件现金转移项目整体影响的模式和规模感受。图2和图3分别图示了CGP和MCP的标准化影响估计值及其调整后的置信区间。首先看CGP,该项目对九个领域中的七个产生了显著影响,唯二例外的是儿童教育和幼儿人类学测量。最大的效应量出现在主观幸福感(相对贫困)和儿童物质需求领域,均在24个月时达到最大。然而,这两个指数存在天花板效应(受益家庭没有进一步改善的空间),这解释了它们在36个月时效应量的下降。总体而言,没有明确迹象表明效应量随时间增加。一个重要的结果是尽管CGP的主要目标之一是改善儿童营养状况,但其对儿童营养状况并没有产生影响。这与Manley等人(2011)和de Groot等人(2017)对现金转移项目对儿童营养影响的评审结果一致。这些评审强调了营养状况的复杂决定因素,包括疾病环境、卫生状况和照护行为,超出了一个简单的无条件现金转移项目所能影响的范围,因此不太可能发现此类项目对儿童营养的一致影响。

图3、图4

在图3中,MCP在考虑的八个领域中的七个领域产生了显著影响,唯一的例外是收入与收益领域,该领域在24个月时没有显著影响,但在36个月时变得显著。最大的点估计值再次与主观幸福感相关。在这里,有一些迹象表明效果随着时间的推移而变大,尽管在各个领域内,24个月和36个月的置信区间是重叠的。值得注意的是,MCP对教育产生了显著影响,这与CGP形成对比——回想一下,MCP有更多的中学年龄段儿童,事实上,CGP家庭中几乎没有超过14岁的儿童,这不是CGP目标家庭的优先指标。另一个有趣的区别是,在36个月时,MCP对资产的影响比CGP大得多。另一方面,CGP在24个月时对收入与收益的影响似乎比MCP更大。这表明两组家庭使用现金转移的方式不同,将在第7节进一步讨论。

这些总结结果的主要结论是,两个现金转移项目在保护性(消费、食品安全)和生产性领域都产生了显著影响。两个项目对儿童物质匮乏也有重要影响。虽然MCP显著提高了中学年龄段儿童的就学率,但CGP尽管改善了家庭层面的食品安全和消费,却没有对学龄前儿童的营养状况产生影响。

表5和表6报告了图2和图3中的数据点估计值及其相关的p值,以及跨领域多重推断调整前后的p值。观察两张表的底部,只有一个案例中多重推断的调整改变了点估计值的显著性——在24个月时MCP的收入与收益领域。然而,到36个月时,该领域的标准化估计值大幅增加到0.33,即使在调整p值后也变得具有统计显著性。

表5 CGP效应(摘自原文)

Empty CellTotal consumption per capitaFood security scaleOverall asset indexRelative poverty indexIncomes & Revenues indexIncomes & Revenues indexFinance & Debt indexFinance & Debt indexMaterial needs index (5–17 years)Schooling index (11–17 years)Anthropometric index (0–59 months)
Impact at 24-Month0.48
(0.10)**
0.53
(0.11)**
0.56
(0.08)**
1.11
(0.11)**
0.62
(0.08)**
 0.58
(0.12)**
 0.82
(0.12)**
−0.02
(0.07)
0.06
(0.05)
Impact at 36-Month0.38
(0.07)**
0.53
(0.13)**
0.55
(0.09)**
0.74
(0.11)**
 0.35
(0.07)**
 0.29
(0.08)**
0.57
(0.10)**
0.07
(0.07)
−0.06
(0.05)
R20.230.100.200.220.150.140.070.040.160.070.02
N6813677668156813227222726667227214,798602710,074
 
Unadj. p-value: 24m impact=00.000.000.000.000.00 0.00 0.000.820.20
Adj. p-value: 24m impact=00.000.000.000.000.00 0.00 0.001.000.86
 
Unadj. p-value: 36m impact=00.000.000.000.00 0.00 0.000.000.330.22
Adjusted p-value: 36m impact=00.000.000.000.00 0.00 0.010.000.970.89

表6 MCP效应(摘自原文)

Empty CellTotal consumption per capitaFood security scaleOverall asset indexRelative poverty indexIncomes & Revenues indexFinance & Debt indexIncomes & Revenues indexFinance & Debt indexMaterial needs index (5–17 years)Schooling index (11–17 years)
Impact at 24-Month0.38
(0.10)**
0.41
(0.10)**
0.44
(0.08)**
1.05
(0.11)**
0.19
(0.09)**
0.34
(0.08)**
  0.47
(0.10)**
0.23
(0.06)**
Impact at 36-Month0.51
(0.14)**
0.54
(0.10)**
0.72
(0.09)**
0.97
(0.13)**
  0.36
(0.07)**
0.33
(0.06)**
0.55
(0.08)**
0.23
(0.06)**
R20.270.080.250.170.070.060.080.030.070.04
N8810873388118811293729372937293618,09710,429
 
Unadj. p-value: 24m impact=00.000.000.000.000.040.00  0.000.00
Adj. p-value: 24m impact=00.000.000.000.000.290.00  0.000.00
 
Unadj. p-value: 36m impact=00.000.000.000.00  0.000.000.000.00
Adjusted p-value: 36m impact=00.000.000.000.00  0.000.000.000.00

注意:估计采用差分中的差分模型(“收入与收益”指数和36个月时的“金融与债务”指数采用单一差分)。消费、食品安全和儿童物质需求指数在每一轮中均相对于对照组进行了标准化;其余的汇总指数计算为每个领域内每个指标的z分数的等权平均值,然后在每一轮中相对于对照组进行标准化。影响估计值是平均标准化的意向治疗效应(ITT),因此效果大小以对照组的标准差(SD)表示。括号中的数字是聚类于社区层面的稳健标准误。*p < 0.1 **p < 0.05。调整后的p值是经过Sidak-Bonferroni校正的p值。估计值经过调整,包括了受访者的年龄、教育水平和婚姻状况,家庭规模和家庭人口构成,以及地区。在24个月时的“金融与债务”指数不包括债务和信用指标;详细信息见正文。

我们对这些估计进行了两次稳健性检验。首先,我们构建了Lee边界(Lee, 2009)以评估结果对不同脱落假设的敏感性。这些边界在表原文附表A5和A6中针对CGP进行展示,在原文附表A7和A8中针对MCP进行展示。在我们的估计值统计显著的情况下,这些边界在任何实例中都不会跨过零,这表明我们的结果对不同脱落假设是稳健的。其次,对于我们同时具有基线和随访测量值的指标(见表4),我们估计控制基线值的单一差分规格(即ANCOVA)。相关的点估计在附录的图A1(CGP)和图A2(MCP)中以图形方式呈现,并且大致与差分中的差分估计一致。例外情况是36个月时的CGP的收入与收益和24个月时的MCP的金融与债务,这两者在ANCOVA规格中均不显著。然而,这些指数的ANCOVA版本排除了我们没有基线测量的组成部分,因此估计值不具有直接可比性。另一个不同点是学校出勤率的点估计的置信界限在MCP中刚好触及零。在这里我们注意到,我们的主要分析样本是家庭面板而不是个人面板,而ANCOVA使用的是个人面板,因此样本略有不同。

六、消费和生产性投资

结果概述表明,这两个项目在连续三年的转移支付后,对受益家庭产生了深远的影响。特别有趣的是,这些项目在消费(项目的主要目标)和生产活动方面都产生了显著影响,这表明转移支付被用于投资,从而可能导致生活水平的持续改善。在本节中,我们将更详细地探讨这两个维度的影响,以了解项目的潜在长期效果。其他领域中每个单独指标的估计值可以在在线附录中找到,而用于以下分析的所有变量的均值则显示在原文附录表A9和A10中。

表7的最后一列显示了对人均消费的影响(以对数形式测量)。如第2节所述,消费是通过赞比亚统计局在LCMS中使用的消费模块测量的,涵盖了200多种单独项目,参考期因可能的购买频率而异。所有Kwacha单位都使用公布的CPI数据调整为基准值(CGP为2010年,MCP为2011年)。

表7 两个项目对消费的影响(摘自原文)

Empty CellFood consumption per capita, loggedNon-food consumption per capita, loggedTotal consumption per capita, logged
Panel A: CGP
Impact at 24-Month0.28
(0.07)***
0.23
(0.07)***
0.28
(0.07)***
Impact at 36-Month0.19
(0.05)***
0.19
(0.07)**
0.20
(0.05)***
R20.250.190.27
N681368136813
 
Unadj. p-value: 24 m impact = 00.000.00 
Adj. p-value: 24 m impact = 00.000.00 
 
Unadj. p-value: 36 m impact = 00.000.01 
Adjusted p-value: 36 m impact = 00.000.02 
Panel B: MCP
Impact at 24-Month0.26
(0.08)***
0.08
(0.07)
0.22
(0.06)***
Impact at 36-Month0.37
(0.11)***
0.13
(0.08)*
0.31
(0.09)***
R20.280.270.32
N881088108810
Unadj. p-value: 24 m impact = 00.000.27 
Adj. p-value: 24 m impact = 00.000.46 
Unadj. p-value: 36 m impact = 00.000.10 
Adjusted p-value: 36 m impact = 00.000.18

两个项目在24个月和36个月时对总消费产生了巨大影响,并且各时间段的点估计置信区间重叠。CGP和MCP在两个跟踪期的平均效应量分别约为27%和30%,在MCP中,食物消费似乎是驱动因素。效应量与转移相对于基准消费的平均比例(24%)一致,因此,单独考虑,似乎整个转移资金都被消费了。然而,前述结果表明,情况更为复杂;为了观察到如此广泛的影响,包括储蓄增加,并且消费仍然按转移资金的大小增加,这意味着必须进行生产性投资以增加总体收入并支持这种规模的消费增加。

接下来,我们更详细地探讨包含投资和生产活动的三个领域中的具体指标:“资产”,“金融与债务”和“收入与收益”。

前述结果概述显示,这两个项目在资产指数方面产生了显著影响,尤其是在MCP的24个月和36个月之间。资产指数由三个子指数组成,涵盖家庭资产(家具、电器)、牲畜和生产性资产(如镰刀和斧头等农业工具)。表8报告了这三个资产类别在不同时间段的项目影响,显示两个项目在各时间段和资产类别上的影响都是显著的,且生产性资产的效应量最小,平均为0.09,而家庭资产的效应量平均几乎是这个数字的两倍。尽管在CGP中效应量在时间上相对稳定,但在MCP中,牲畜(从0.19到0.28)和家庭资产(从0.13到0.24)的效应量在36个月时明显增加,这表明收入乘数在起作用,因为消费的影响没有随时间下降,反而在MCP的36个月时增加了。

表8 两个项目对资产的影响(摘自原文)

Empty CellDomestic Asset IndexLivestock IndexProductive asset index
Panel A: CGP
Impact at 24-Month0.15
(0.02)***
0.15
(0.03)***
0.10
(0.03)***
Impact at 36-Month0.18
(0.03)***
0.16
(0.03)***
0.09
(0.03)***
R20.210.110.11
N680168086794
 
Unadj. p-value: 24 m impact = 00.000.000.00
Adj. p-value: 24 m impact = 00.000.000.00
 
Unadj. p-value: 36 m impact = 00.000.000.00
Adjusted p-value: 36 m impact = 00.000.000.01
Panel B: MCP
Impact at 24-Month0.13
(0.04)***
0.19
(0.03)***
0.08
(0.03)***
Impact at 36-Month0.24
(0.04)***
0.28
(0.04)***
0.11
(0.03)***
R20.130.120.25
N880185808801
Unadj. p-value: 24 m impact = 00.000.000.01
Adj. p-value: 24 m impact = 00.000.000.02
Unadj. p-value: 36 m impact = 0   
Adjusted p-value: 36 m impact = 00.000.000.00

接下来是“收入与收益”领域,其中指数由四个变量组成,涵盖非农企业(NFE)的参与及其收入、农业投入支出和总农作物生产价值。NFE指标在24个月时引入,因此每个时间段的影响都是基于单次差异估计。尽管整体领域指数在两个项目的两个时间段都是显著的,我们看到各项目在驱动这些影响的底层驱动因素上存在一些重要差异,这很有启发意义(见表9)。CGP家庭似乎将转移资金用于进入NFE,参与NFE的比例在24个月和36个月时分别增加了17和14个百分点。NFE的年收入分别增加了203%(e1.11–1)和125%(e0.81–1),尽管这些金额基数较低,只有77 Kwacha(约15美元)。相比之下,MCP家庭在NFE方面没有影响,整体领域指数的巨大影响主要由农业生产力驱动,农业投入支出平均增加了242%(e1.23–1),农作物生产价值增加了141%。

表9 两个计划对收入的影响(摘自原文)

Empty CellValue of harvest,loggedSpending on ag. inputs,loggedOperating NFERevenues from NFEs, loggedOperating NFERevenues from NFEs, logged
(1)(2)(3)(4)(5)(6)
Panel A: CGP
Impact at 24-Month0.40
(0.25)
0.89
(0.19)***
0.17
(0.04)***
1.11
(0.24)***
  
Impact at 36-Month0.33
(0.28)
0.09
(0.20)
  0.14
(0.03)***
0.81
(0.17)***
R20.130.080.090.120.170.17
N681668162272227222722272
 
Unadj. p-value: 24 m impact = 00.110.000.000.00  
Adj. p-value: 24 m impact = 00.380.000.000.00  
 
Unadj. p-value: 36 m impact = 00.240.66  0.000.00
Adjusted p-value: 36 m impact = 00.670.99  0.000.00
Panel B: MCP
Impact at 24-Month0.67
(0.21)***
1.04
(0.22)***
−0.01
(0.03)
−0.02
(0.14)
  
Impact at 36-Month1.09
(0.21)***
1.41
(0.20)***
  0.02
(0.02)
0.11
(0.10)
R20.130.110.020.020.020.02
N881188112937293729342934
 0.000.000.640.91  
Unadj. p-value: 24 m impact = 00.010.000.981.00  
Adj. p-value: 24 m impact = 0      
 0.000.00  0.420.29
Unadj. p-value: 36 m impact = 00.000.00  0.890.74
Adjusted p-value: 36 m impact = 0      

“金融与债务”领域由六个变量组成:持有任何现金储蓄及其金额、过去六个月前的未偿还贷款、新贷款以及以前和新贷款的未偿还债务金额。我们在表10中报告了这些单独指标的项目影响。请注意,这些指标在基线时没有收集,贷款/债务信息仅在36个月时对CGP收集,因此这些都是基于单次差异的影响估计。贷款和借款金额的编码是使得债务和贷款减少为正面结果。

表10 两个计划对金融和负债的影响(摘自原文)

Empty CellHolding any savings (women)Amount saved, logged (women)No outstanding debtReduction in amount owed, loggedNo new borrowingReduction in amount borrowed, loggedNo outstanding debtReduction in amount owed, loggedNo new borrowingReduction in amount borrowed, logged
(1)(2)(3)(4)(5)(6)(7)(8)(9)(10)
Panel A: CGP
Impact at 24-Month0.22
(0.05)***
1.09
(0.18)***
        
Impact at 36-Month0.10
(0.05)**
0.57
(0.18)***
0.06
(0.02)***
0.26
(0.08)***
0.02
(0.03)
0.05
(0.11)
    
R20.080.100.020.020.010.02    
N666766582272227022712271    
P-values
Unadj: 24 m impact = 00.000.00        
Adj: 24 m impact = 00.000.00        
Unadj: 36 m impact = 00.030.000.000.000.560.67    
Adj: 36 m impact = 00.170.010.000.000.991.00    
Panel B: MCP
Impact at 24-Month0.14
(0.04)***
0.63
(0.18)***
0.03
(0.01)**
0.11
(0.05)**
0.05
(0.02)**
0.22
(0.09)**
    
Impact at 36-Month0.14
(0.03)***
0.67
(0.14)***
    0.01
(0.01)
0.02
(0.03)
0.02
(0.02)
0.10
(0.08)
R20.050.060.020.020.030.030.010.020.020.02
N7860785429362930293329262936293229342933
P-values
Unadj: 24 m impact = 00.000.000.030.030.020.01    
Adj: 24 m impact = 00.020.000.140.150.120.09    
Unadj: 36 m impact = 00.000.00    0.310.530.240.21
Adj: 36 m impact = 00.000.00    0.890.990.810.75

上文的图2和图3显示,这两个项目在两个时间段对这一领域产生了显著影响。表10中的结果表明,整体领域结果主要由持有现金储蓄的家庭比例增加和这些储蓄的总金额驱动(后者的效应估计是基于所有家庭的,显然是由更多非零储蓄者在治疗组中推动的)。持有储蓄的家庭比例在CGP和MCP中分别增加了16和14个百分点。两个项目在未偿还贷款数量和这些贷款的未偿还总金额上也有显著影响,表明治疗家庭使用转移资金来偿还旧债。新债务的减少在MCP的24个月时是显著的(见表10的第5和第6列,面板B)。

为了将这些结果置于背景中,我们将效应量(重点在36个月的影响)与其他现金转移项目报告的效果进行比较。在三年后,CGP和MCP的消费增加分别约为22%和36%,显著高于墨西哥(Hoddinott and Skoufias, 2004)、哥伦比亚(Attanasio and Mesnard, 2006)和尼加拉瓜(Maluccio and Flores, 2005)的有条件现金转移(CCT)项目报告的14%的消费增加。然而,这一效应远高于Banerjee等人(2015)在其六国分阶段项目研究中报告的5%的增加,但与Blattman等人(2016)在乌干达的一项类似项目中报告的29%的增加以及Give Directly研究中报告的23%相符。

围绕资产积累和经济活动的影响非常引人注目。CGP将非农企业参与率提高了14个百分点,NFE收入增加了125%或0.33个标准差。这虽然低于Blattman等人(2016)报告的48个百分点的商业企业参与增加,但他们评估的项目条件是开办企业,并提供短期的商业技能培训和持续监督。Zambian CGP的收入影响大于Give Directly报告的33%或0.18个标准差,与Banerjee等人(2015)报告的0.38个标准差相当。

在36个月时,储蓄金额的效应量在CGP和MCP中分别为77%和95%,相比之下,Banerjee等人(2015)和Haushofer和Shapiro(2016)报告的储蓄增加接近100%,而Blattman等人(2016)报告的储蓄增加达300%。CGP和MCP的总体资产指数效应量分别为0.55和0.72个标准差,而Banerjee等人(2015)六国分阶段模式研究报告为0.25,Blattman等人(2016)评估的乌干达项目报告为0.40个标准差。如前所述,关于CCT项目对资产和经济活动的证据是混合的,但Covarrubias等人(2012)报告称,马拉维社会现金转移项目导致拥有如斧头和镰刀等小型农业工具的家庭比例翻倍,该项目是针对劳动受限的极度贫困农村家庭的无条件现金转移项目,在目标群体方面与MCP非常相似。Haushofer和Shapiro(2016)也报告称,非土地耐用资产的价值增加了0.73个标准差,这与两个赞比亚项目的效应量相似,尽管该项目提供了一次性转移,这更有可能支持资产投资。

七、乘数效应和机制

(一)消费乘数

一个相对简单的、无条件的每两个月支付一次的现金转移计划,对赞比亚农村的极度贫困家庭产生了广泛的影响,显著提高了消费水平,同时增强了经济能力和资产。每个家庭每年接收到的转移金额为144美元(或288美元购买力平价)。我们将这一年度转移金额与根据估计影响的家庭支出进行比较。我们追踪并量化了所有能在调查工具中测量的支出——特别是消费支出、储蓄、非消费项目(如农业投入,包括工具、种子和化肥)和牲畜购买的支出。对于生产工具和牲畜,我们估计购买数量的影响,并使用市场价格进行货币化,这些市场价格来自评估中进行的社区价格问卷调查,如果我们的调查中没有,则参考赞比亚生活条件监测调查(LCMS),或者通过在当地市场的直接观察获得。其他支出项目已经用夸查(Kwacha)计量。所有货币值均被调整为基准年的夸查(CGP为2010年,MCP为2011年),年度化后,与每个家庭收到的年度转移金额进行比较。仅考虑在五个百分点水平上具有统计显著性的影响。我们基于24个月、36个月的影响估计以及24个月和36个月影响估计的平均值(综合影响估计)来获得一系列估计支出。

这一分析的结果见表11;乘数计算的详细信息,包括系数估计和各相关组成部分的价格,见附录表A11。我们首选的估计基于综合后续数据,这些数据平均了由于农业和商业支出等噪声较大结果引起的误差。这些综合估计表明,CGP和MCP的乘数分别为1.61和1.72,并且由1000次引导法复制得出的95%置信区间都不包含零。置信区间表明,MCP的乘数可能高达2.32,而CGP的乘数可能低至1.07。两个项目的平均乘数为1.67,这意味着家庭的支出比实际收到的现金转移高出67%。这些估计无法直接与Banerjee等(2015)的研究结果相比,因为他们将分阶段计划的前两年视为投资期,然后假设项目结束一年后的收益永久保持,计算未来消费和收入流的现值。我们的估计不假设投资期,因为这些无条件现金转移的目标是保护而不是投资,并且项目是持续进行的。因此,我们更倾向于“跟踪资金”的方法,以观察项目是否导致家庭支出超过实际收到的金额,这样的乘数将表明家庭使用部分资金来提高其创收能力。

表11 两个项目的乘数效应

Empty CellCGPMCP
24-month1.83**1.35
[1.20, 2.47][0.80, 1.91]
36-month1.392.08**
[0.84, 1.94][1.24, 2.01]
Pooled1.61**1.72**
[1.07, 2.15][1.11, 2.32]

表11中报告的乘数仅适用于受益家庭,尽管它包括受益家庭之间的溢出效应,但不应与计算一般均衡模型中的乘数相比较,因为后者包括对非受益者的二级和三级影响。项目参与者的支出和投资可以通过经济交易产生超过受益人群之外的影响。联合国粮食及农业组织的研究人员已经建立了一个模拟CGP评估地区的地方经济模型,并估计了一个包括这些二级效应的地方经济乘数为1.79(Thome等,2016年)。因此,这里报告的估计是这些项目生成的总乘数的低估。

(二)乘数的解释

在这两个项目中,这些大乘数的生成方式是显而易见的问题——这些家庭追求的生计策略是什么,能够产生如此大的收入?农业是这两个群体中主要的生计来源,因此这是一个显而易见的收入生成途径。前面章节的结果显示,对于MCP家庭来说,他们不仅增加了用于农业投入的支出,而且收获价值也有所增加。另一方面,对于CGP家庭来说,转移支付并没有增加作物生产,而是增加了非农企业(NFE)的参与。我们将更详细地审视这两个潜在渠道(农业和NFE),以理解它们在解释表11中报告的大乘数效应中的作用。为此,我们汇总跟踪数据,并估计每个项目相关的几个指标的转移支付平均影响。

在MCP中,主要渠道是农业和牲畜。表12显示,MCP家庭成功将其从收获销售中的收入(第1列)从基准均值ZMW 240增加了一倍以上,并且还将其增加的牲畜持有量转化为了收入增加26%(第6列,控制均值非常小)。我们通过查看样本中种植的八种最常见的作物,调查了额外的作物销售来源,并发现销售主要由玉米、甘薯和其他豆类驱动(第2-4列)。我们从社区价格问卷调查中获取的数据显示,这些作物在治疗组和对照组社区之间的价格没有显著差异,这可能可以解释这些影响。我们还发现,现在种植花生的家庭比例显著增加,尽管花生通常是经济作物,但这并没有导致作物销售收入的增加。尽管MCP家庭存在劳动力短缺问题,作物生产的大幅增加令人吃惊。表12的第5列显示,现金转移导致农业活动中雇佣劳动支出增加了141%。最后,虽然MCP并没有导致更多家庭从事非农企业,但那些已经从事非农企业的家庭利润显著增加,超过了对照组。这里记录的收入增加总额约为ZMW 455,大约是表11估计的支出增加ZMK 518的87%。

表12 MCP对于农业的影响(摘自原文)

Empty CellHarvest sales (logged)Empty CellEmpty Cell
TotalMaizeSweet potatoesOther beansExpenditure on hired labour (logged)Livestock sales (logged)
(1)(2)(3)(4)(5)(6)
(Pooled) Impact1.047***
(0.212)
0.550***
(0.177)
0.131***
(0.0489)
0.243**
(0.0976)
0.881***
(0.147)
0.229***
(0.0782)
Treated−0.337*
(0.179)
−0.294*
(0.162)
−0.114**
(0.0476)
−0.0350
(0.133)
0.0178
(0.0446)
 
Follow-ups dummy−0.749***
(0.149)
−0.294**
(0.136)
−0.136***
(0.0404)
−0.289***
(0.0604)
0.243***
(0.0576)
 
 
Control mean at baseline (ZMW)239.9197.37.919.24.016.8 href=”#tbl12fna” a
Observations88117818781878188811 
R-squared0.0490.0600.0200.0380.122

相比之下,CGP并没有导致农业产出的增加,但增加了非农企业(NFE)的参与和收入。表13记录了该项目对NFE活动几个方面以及牲畜和收获销售的影响。该项目导致NFE利润增加了120%(e^0.79-1),并且NFE资产价值增加了40%(e^0.34-1),同时增加了作物销售收入(第4列)和牲畜销售收入(第5列)。然而,控制组的均值低于MCP,因此来自这些来源的收入增加约为ZMW 140,而表12中乘数估计所暗示的支出增加约为ZMW 400。

表 13 CGP 对经济活动的影响(摘自原文)

VariablesNon-farm enterprisesAgriculture
Profits (logged)Value of assets (logged)Harvest Sales (logged)Livestock sales (logged)
(1)(3)(4)(5)
(Pooled) Impact0.794***
(0.152)
0.343***
(0.0728)
0.702***
(0.176)
0.239**
(0.118)
Treated  −0.239
(0.175)
−0.0394
(0.0772)
Follow-ups dummy  −0.0978
(0.118)
0.0427
(0.0775)
 
Control mean at baseline (ZMW)46.91a20.06a66.328.0
Observations4544454168166816
R-squared0.1300.0340.0890.025

我们无法完全找到家庭增收的所有来源,因为我们的调查工具没有全面追踪所有可能的收入来源,也没有直接测量收入本身。我们可能遗漏的一个潜在重要收入来源是农业和牲畜副产品的收入,例如来自饲养的鸡蛋、牛奶、蜂蜜,或者皮革和兽皮的销售。最后,收入和利润的报告往往随时间变化而显示出很高的方差和相当大的测量误差,这些都可能导致收入被低估。

(三)对额外的存款和非农业企业的进一步见解

两个项目对现金储蓄的显著正面影响,结合消费和生产活动的结果,表明在当前情况下某些条件下生活水平有所改善。新古典经济模型关于储蓄和消费行为的理论(例如 Besley, 1995; Gersovitz, 1988)本身并不预测随着永久收入的增加而增加储蓄。然而,在考虑到收入不确定性的增强模型中,会出现谨慎储蓄的情况;而在有借款限制的模型中,也会增加储蓄并破坏完美消费平滑化,这两种条件都符合这些家庭的现实情况,他们每人每天生活费用接近30美分。现金转移作为一个稳定可预测的收入来源,既增加了平均收入,也可能减少收入方差,因为转移款项相当于程序前消费的25%。这种收入方差的减少应该会降低谨慎储蓄。

表14报告了在过去30天内报告有任何正现金储蓄的人中,主要储蓄原因的主要分类,包括主要为预防性(例如用于医疗保健或购买批量或其他食品),主要为投资(例如购买家庭耐用品或牲畜),或者可以分类为预防性或投资(例如,受访者报告相同数量的预防性和投资原因)。在MCP中,我们观察到随着现金转移所导致的收入波动性下降,储蓄动机明显从预防性转向投资性,这与预期一致;但在CGP中,我们并未观察到类似的转变。

表 14  储蓄用途(摘自原文)

Empty CellCGPMCP
TreatmentControlTreatmentControl
Investment only20.219.524.515.4
Precautionary only63.864.559.776.7
Both15.114.314.06.9
None stated1.01.61.91.0
N392251808403

进一步的洞察可以从我们问及那些当前积极经营非农业企业的家庭,其主要资本来源是什么这个问题中获取。回想一下,CGP对于现在开展非农业企业的家庭比例和资产价值以及总体利润都产生了重要影响。虽然CGP家庭中从事非农业企业的普及率是MCP的三倍,但在研究地点上,企业类型的分布是相同的。现金转移在支持两组中非农业企业的作用在表15中有所报道,该表将来源分为四类,包括现金转移。在CGP家庭中,非农业企业影响最为显著,主要资本来源从“其他”转移到现金转移,其中一种其他三种来源——储蓄,当然受到该程序的极大影响。在对照组中,34%的非农企业主选择“其他”来源作为他们的资本来源;这些来源主要包括农业、工资劳动和朋友。虽然在MCP中,非农业企业参与度的影响并不显著,10%的家庭拥有非农业企业,在这里我们也看到了从“其他”来源向现金转移和自有储蓄作为主要资本来源的重要转变,而且自有储蓄也受到现金转移本身的影响。

表15非农企业的主要资本来源(摘自原文)

Empty CellCGPMCP
TreatmentControlTreatmentControl
Business itself27.636.826.119.6
Savings16.728.827.719.6
Cash transfer41.321.5
Other14.434.4324.860.82
N1129671303194

这些额外的分析共同为现金转移对投资和生活水平的影响提供了有用的见解。两个项目都显著增加了储蓄,在MCP中至少,这些储蓄现在不太可能是出于预防性的原因,这正是我们预期收入波动减少时的情况。此外,CGP和MCP中分别有58%和49%的非农业企业经营者将现金转移本身和个人储蓄作为非农业企业的主要资本来源,这进一步证明了这些项目使家庭能够投资并改善其长期生活水平。

(四)有效性的讨论

有什么潜在的内部有效性威胁可以解释这些显著的总体影响和由此产生的乘数效应?一个显而易见的威胁是,控制组可能因为将研究团队与项目联系起来,而有系统地低估消费,希望获得参与项目的资格。正如前面提到的,数据收集由一家与MCDMCH无关的私营公司进行,并且调查员明确被告知在野外工作期间不得提及项目或MCDMCH。此外,两个项目均不明确以贫困为目标,因此低估消费不会导致获得项目资格,尽管潜在的受益者可能对项目的了解程度不足。此外,消费模块本身来自赞比亚中央统计局的LCMS,这是一项全国家庭调查,用于估计贫困线和贫困率,涵盖了超过200个不同的支出项目,具有不同的回忆期。这使得有意低估支出变得更加困难。

最后,在研究的早期阶段,即2010年至2013年期间,赞比亚整体人均GDP增长强劲,而在2013年后增长放缓,并在2014年停滞不前。图4和图5显示了两个研究样本中人均消费的演变情况,这些图表显示,控制组的趋势与赞比亚整体经济表现的趋势相当一致。CGP的控制组在2010年至2013年期间显示出消费的显著增长,而MCP的控制组在2011年至2013年之间显示出更强的增长,然后在2013年至2014年之间显示出轻微的下降,反映了该时期赞比亚整体的情况。这些趋势表明,持续的低估不太可能解释两个研究组之间消费差异。

图4、图5 两个项目中的消费倾向变化

八、结论

我们如何调和赞比亚两个项目的广泛影响与现有的无条件现金转移文献?首先,我们认为将所有结果汇集在一篇论文中,并记录生产和保护性成果可能会使结果显得非常积极。以这种方式汇总所有结果的做法是罕见的,少数几篇做到这一点的论文也报道了跨多个领域的显著影响。Haushofer和Shapiro(2016)最近的研究关于Give Directly提供了涵盖生产和保护八个领域的结果,并发现在八个领域中有五个领域的影响是显著的,生产性领域的效应更为显著。该项目与赞比亚项目有很大不同,因为它提供一次性大笔金额,这使得资金紧张的家庭更容易进行生产性投资,而且相对于赞比亚项目,转移规模是收入的53%,是其两倍。正如前面提到的,Banerjee等人(2015)也展示了跨八个领域的结果,结束后的一年在八个领域中有七个领域的显著影响;当然,那是一个明确旨在通过为期两年的密集能力建设来建立生产能力的分阶段项目。

两个更类似于赞比亚项目的现金转移项目是肯尼亚孤儿和弱势儿童现金转移项目(CT-OVC)和墨西哥的Progresa/Oportunidades(现在称为Prospera)。这些都是针对贫困的现金转移项目,主要目标是首先减轻贫困;肯尼亚项目是无条件的,而墨西哥项目是有条件的。这两个项目都被广泛研究,并在本研究中报告的许多领域中取得了积极影响,但这些结果是在单独的论文中发表的,这种方法不适合这里提供的乘数计算类型。

最近一本比较九个非洲现金转移项目证据的书(Davis等人,2016),包括这两个赞比亚项目,得出的结论是,生成这些报道的变革性影响的关键项目参数包括转移规模和付款的规律性、频率和可预测性。关键的阈值似乎是转移规模至少为预程序消费的20%,以及付款是规律的(因此可预测的)和频繁的(月度或双月度)。两个赞比亚项目在这两个维度上表现良好。转移规模平均为受益者预程序消费的25%,已经定期更新以维持其实际价值,采用双月支付,且未延迟或漏付,这些操作方面很可能有助于产生显著影响。我们的三年评估窗口也比大多数评估时间更长,使得转移有更多时间转化为家庭的广泛收益。相比之下,Give Directly的研究基于相对较短的9个月跟踪。除了这些实施问题外,我们还显示两个项目的定位成功地识别和达到最贫困人群,这可能是估计的显著结果背后的另一个因素。

我们认为这里呈现的结果的普适性非常高。撒哈拉以南非洲的大多数现金转移国家计划都是无条件的,并且针对类似贫困水平的受益者。在人口结构方面,肯尼亚、加纳、马拉维、津巴布韦、埃塞俄比亚和莫桑比克等国的大型项目针对高依赖比例的所谓“劳动受限”家庭,人口结构类似MCP,而撒哈拉以南非洲大陆上最大的现金转移项目是南非的儿童支持津贴,面向17岁以下的儿童。与两个赞比亚项目类似,所有这些项目都由国家政府实施,并且都是无条件的。

总之,赞比亚农村实施的两个政府无条件现金转移项目在启动后三年内对极度贫困家庭产生了强大的保护和生产影响。部分消费和资产积累的影响与最近文献中评估的分阶段类型项目相当。无条件现金转移的主要目标是支持食品安全和消费,生产性目标往往是次要的。然而,我们呈现的结果表明,产生了相当大的生产性影响,导致平均乘数效应约为67%,强有力地反驳了无条件现金转移项目会导致依赖的观点。事实上,通过允许家庭满足其消费需求,并最终根据他们的意愿多样化生计和积累资产,它们为发展中国家政府的包容性增长议程做出了贡献,这对经济发展政策具有重要的影响。

转载请注明:《中国社会分红/基本收入研究网》 浏览量:120 views