提高撒哈拉以南非洲的作物产量 - 东非数据说明了什么

WP / 2095提高撒哈拉以南非洲的作物产量：东方做什么非洲的数据说什么?阿伦•托马斯国际货币基金组织的工作论文描述作者正在进行的研究，并发表于引起评论和鼓励辩论。国际货币基金组织的工作论文的观点作者的观点，并不一定代表基金组织及其执行官的观点董事会或国际货币基金组织的管理。 2©2020国际货币基金组织(imf)WP / 20/95国际货币基金组织的工作论文非洲部门提高撒哈拉以南非洲的作物产量：东非数据说明了什么？由阿伦•托马斯授权分销的阿伦•托马斯2020年6月国际货币基金组织的工作论文描述作者正在进行的研究，并发表于引起评论和鼓励辩论。国际货币基金组织的工作论文的观点作者的观点，并不一定代表基金组织及其执董会的观点，或国际货币基金组织的管理。免责声明:本文件是在 COVID-19 成为全球大流行并导致在前所未有的经济压力下。因此，它没有反映这些影响事态发展和相关政策优先事项。我们将您引导至国际货币基金组织(IMF) Covid-19页面包括工作人员关于COVID-19全球疫情的建议。摘要来自东非的最新微观数据用于对汇总数据进行基准测试并评估农业投入在解释小块作物产量变化中的作用。肥料、改良种子、防侵蚀和杀虫剂可提高作物产量卢旺达和埃塞俄比亚，但不是乌干达，可能与那里缺乏使用有关。与所有正产量决定因素到位，小麦和玉米单产可增加四倍。数据暗示了气候变化对产量的负面影响以及减轻其不利影响的附带措施（获得资金和保护）防止侵蚀）。作物损害对产量的不利影响在12/13%之间变化（卢旺达、乌干达）降至36%（埃塞俄比亚）。防止侵蚀和投资融资缓解这些影响很大。冻胶分类数字:O13, Q1, Q54关键词：产量，作物，东非，投入，作物损害作者的电子邮件地址:athomas@imf.org 3我的介绍。众所周知，与撒哈拉以南非洲相比，撒哈拉以南非洲的作物产量要低得多。在世界其他地方，这导致非洲大陆需要进口大量份额粮食需求（联合国，2015年）。需要提高生产和生产力农业部门不仅与限制外汇进口要求有关国家。它还可以确保大量工作年龄的人将进入未来二十年，撒哈拉以南非洲大陆的劳动力将获得收益就业。撒哈拉以南非洲地区作物生产力的疲软不仅与许多国家的贫瘠土壤（CIMMYT，2015）但也对必需的有限使用提高生产力水平所需的投入。这些输入包括使用改良种子、肥料、灌溉、杀虫剂。假设是使用这些输入将促进作物的生产力。本文使用埃塞俄比亚、卢旺达和乌干达的家庭调查数据来评估其程度一般性讨论中经常引用的投入成功地提高了作物产量在这些国家。该领域以前的工作使用了粮农组织关于作物的时间序列数据评估各种投入重要性的生产力。结果范围很广并且总体上为基本投入显着改善的观点提供静音支持生产力。例如，Epule等人（2018）发现拖拉机的可用性有所提高。在乌干达，作物产量远远超过灌溉和化肥。使用来自2011-13年埃塞俄比亚农业调查，曼恩和华纳（2016）发现作物洪水、冰雹和害虫以及地形高程造成的损害具有更大的解释性决定埃塞俄比亚小麦产量的力量比灌溉和可用性改良种子。然而，他们确定了90%水平的显着影响对肥料的使用。另一条文献研究了对各国的农业生产力（Gollin等人（2002），（2014））。一般发现是作物的选择比投入的可用性更重要，尽管对许多人来说撒哈拉以南非洲中部地带国家，由于投入使用而导致的生产力差距是非常大（阿尔瓦雷斯和伯格（2019），阿达莫普洛斯和雷斯图西亚（2018）。据我们所知，本文首次使用来自子家庭调查的微观数据。撒哈拉以南非洲将评估投入在影响各种作物产量方面的重要性的作物。它还试图评估各种因素在减轻不利因素方面的作用。气候变化对作物的影响，气候变化与破坏性有关环境对作物的影响。 42聚合和微数据作物产量在转向微观数据之前，我们首先看看官方数据在近年来这些国家基本作物的作物产量（表1）。该表还包括东非地区的其他一些国家和非洲大陆的领先表现（南非）。选择的最新数据点对应于最最近的家庭调查。表1。农业产量(公斤/公顷)201120172011201720112017201120171485201120172813玉米高粱木薯脉冲小麦埃塞俄比亚295422481050174222181244367515402054818252520441215679390136453236204没有数据14338902029马拉维莫桑比克(2010)卢旺达5006441820154813551403900135516500904868950没有数据1325坦桑尼亚1235689乌干达16355800没有数据没有数据2900南非资料来源：Pauw等人。莫桑比克减少农业和贫困增长，2011年;卢旺达统计局、中央统计局、埃塞俄比亚、坦桑尼亚统计局、乌干达统计局、图根哈特、美国国际开发署、粮农组织。在卢旺达，2011-17年的收益率保持相当稳定，除了急剧上升。提高木薯产量，与更好地了解地块大小有关用于栽培和更好地控制木薯褐条纹病（粮农组织，2019年）。在埃塞俄比亚，玉米、高粱和小麦的产量显示出显著的提高，小麦产量现在接近南非。对于乌干达来说，情况与玉米和豆类产量提高，高粱产量明显下降。本文选择的微观数据来自最近的家庭调查，所有具有农业模块。卢旺达最近的调查EICV5涵盖2016/17年度;这埃塞俄比亚的相应调查是2015/16年LSMS和2015/16年国家小组调查用于乌干达。种群样本通常捕获小农因为难以从大型服务器场访问数据。在卢旺达，农场的中位数只是一个四分之一公顷的面积，而在乌干达，农场的中位数为0.5公顷，而在埃塞俄比亚，在1.1公顷农场中值更大。11 对于埃塞俄比亚，这个数字在塔菲斯的估计范围内（2013年） 5我们专注于主要作物和豆类的产量，即玉米、高粱、豆类、卢旺达的小麦和大豆，埃塞俄比亚的苔麸和乌干达的木薯。这些作物2豆类约占卢旺达耕地面积的 60%，大约在埃塞俄比亚86%(2015/16估计)。卢旺达主要作物和豆类的每公顷产量极为相似大豆除外（图1）。该模式通常在每 1000-1500 公斤时达到峰值公顷。此外，各种国家的总产量之间存在相似性。2017年的食品与根据微观数据估计的食品（估计中位数）如表 2.对应关系很接近，除了豆类类别似乎很多更有效率的微观样本。图1所示。卢旺达作物产量,2016 - 17所示0200040006000800010000xkdensity sb_yieldkdensity m_yieldkdensity w_yieldkdensity b_yieldkdensity sg_yield埃塞俄比亚微观和宏观农业产量数据之间的对应关系很弱，与显示的微观数据产量不到粮农组织报告的总数据的一半数据库。部分原因可能是微观调查中农场持有的规模较小，但对埃塞俄比亚粮农组织数据的验证也可能发挥作用，因为它是基于估算的而不是实际生产。这是对明确使用粮农组织的研究人员的警告数据。对于乌干达来说，微观和宏观数据之间的对应关系非常接近木薯的产量显示两个数据源之间的显着差异。2 木薯也是卢旺达的主要作物，但很难区分田地的表面积以及用于耕种的田地数量，因此将其排除在微观分析之外。 6尽管微观数据中的产量水平与汇总数据，作物类别的相对排名与两者非常匹配国家去掉豆类。排名唯一不同的情况是卢旺达的高粱在微观数据中被列为产量最高的下降，但产量较低比玉米生产的聚合数据。表 2.汇总数据和微观数据之间的产量比较(公斤/公顷)卢旺达总埃塞俄比亚乌干达微数据总数据微数据总数据微数据数据154014031325818玉米175118681475186212173675252528131485191112491534120116359001451753高粱小麦豆子950931大豆画眉草64614081030木薯65003271资料来源：国家住户调查加上表1中的数据来源。图2。埃塞俄比亚的粮食产量,2015 - 16所示02 0 0 04 0 0 06 0 0 08 0 0 01 0 0 0 0xk d e n s i t y w h e a t _ y i e l dk d e n s i t y b e a n _ y i e l dk d e n s i t y m a i z e _ y i e l dk d e n s i t y t e f f _ y i e l dk d e n s i t y s o r g _ y i e l d 7图3。乌干达粮食产量,2014 - 15所示0200040006000800010000xkdensity maize_yieldkdensity sorg_yieldkdensity bean_yieldkdensity cassava_yield3作物产量的决定因素至少在微观数据和汇总数据之间显示出可比性产量作物排名，我们借此机会评估产量决定因素。明确地说，我们旨在评估微观数据中记录的产量是否显着相关（在统计意义上）文献中强调的标准决定因素。投入品的可用性是新兴市场和工业品收益率的重要决定因素国家和本节试图揭示我们是否可以识别类似的关系在东非国家样本的微观数据中（见麦克阿瑟和麦考德（2017）的论坛发达国家产量决定因素的典型例子）。包括标准输入在此分析中，肥料，杀虫剂，改良种子，灌溉和防止侵蚀，全部定义为二进制虚拟变量。我们还包括一个国家控制数量：地区假人、城市化程度、特定作物豆科植物假变量，与气候冲击相关的作物歉收;和土壤质量，专门针对埃塞俄比亚和乌干达的地形坡度和海拔。最后，我们包括性别和所有权变量——女农民和土地所有权人。 8答:卢旺达卢旺达的基本回归表明，杀虫剂的供应情况非常明显。改良种子和灌溉的存在，而肥料的可用性却没有在标准置信水平下显著。例如，杀虫剂的可用性提高了作物产量提高约47-49%。防止侵蚀具有显着的积极作用对产量的影响为95%的置信度，而作物损害则产生负面影响关于收益率。就位置变量（未显示）而言，卢旺达东部省份似乎是生产力最高的地区，而南部省份的生产力最低地区。靠近城市地区对农业产量有很强的积极影响，即令人惊讶的是，城市通常不是建在最肥沃的土地上，但它可能会反映出农民的品质。与经济环境相关的两个变量与收益率密切相关轮廓。与经营地块的女性相比，经营该地块的女性通常产量较低男性虽然所有权对地块的生产力有很强的推动力，但可能与所有权激励绩效这一事实相关。图的大小有一个对产量有显著的负面影响，大于 1 比 1，因此较大的地块产生其他条件较小（关于农场作用的更深入讨论，见第六节）大小在福利)。计量经济学分析中的一个问题是省略了变量偏差，因为它会导致偏差分析中包括系数的估计值。一个明显的因素被排除在作物产量的分析是农民的质量，因为很难衡量它。一个方面农民素质与他的教育和识字水平有关。我们将识字率作为衡量虚拟变量，用于通过虚拟人测量教育时的阅读或写作能力所达到的最高教育水平的变量 - 小学，初中，高年级中等或大学水平的教育。第2栏显示，识字水平是作物产量的正决定因素，但不显着，而那些具有较低和较高的决定因素与其他教育相比，中等教育的产量明显更高人口。这些变量的引入对其他变量的回归系数。赫克曼方法是对未知农民质量进行建模的另一种方法纠正遗漏变量和/或样本选择问题的可能性。代理3变量用于捕获农民质量，并与第一阶段的各种决定因素相关并且第一阶段回归的误差项作为未知变量输入到第二阶段。我们假设识字率与农民素质之间的关系并将其联系起来到家庭代表的教育水平和日志年龄水平。这种关系是通过第一阶段的最大似然和检验与第二阶段误差的误差项的显著性（逆米尔斯3 Wooldridge，J.（2009）讨论了在公司生产力决定因素的背景下的类似应用。 9比率）。如果捕获未知农民质量的错误项与错误项无关从第二阶段回归来看，没有证据表明忽略了变量偏差和OLS估计是合适的。由于表 3 列 [3] 中的卡方项微不足道，这表明规范不受省略变量偏差的影响，因此 OLS 估计列 [2] 是合适的。作为对估计稳