天气震荡与农村经济联系

11079 天气冲击与农村经济联系 来自拉贾斯坦邦农业和非农业部门的数据证据 Francis AddeahDarko AkankshitaDey S. K. Ritadhi 政策研究工作论文 11079 摘要 本项研究考察了印度最大州拉贾斯坦邦的降雨冲击、农业生产力以及农村经济活动之间的复杂关系。利用1990年至2015年的区县级农业数据、2010年至2016年的企业调查以及2014年至2016年的家庭消费数据，该研究分析了三个关键关系。首先，与负面的降雨冲击相比，正面的降雨冲击可增加农业生产力约7%，其中灌溉基础设施显著降低了这一影响。其次，这些由天气引起的农业生产力变化对农村非农企业产生了显著的外溢效应，尤其是在零售贸易领域。具体来说，正面的降雨冲击使企业收入增加25.7%，附加值也有所上升。 30.3%，主要通过非贸易商品需求的增加。第三，农村家庭消费对有利的降雨条件有积极反应，在正面降雨冲击期间，人均月支出增加6%。这种增长主要是由奢侈品而非必需品的消费增加驱动的，通过这一需求渠道，天气冲击影响非农企业绩效。这些发现突显了农业条件与农村地区非农经济活动之间强烈的相互联系，对旨在构建农村经济韧性的政策有重要意义，尤其是在天气变率增加的背景下。 本文为农业与食品全球部门的成果。它是世界银行为提供其研究开放访问、并对全球的发展政策讨论作出贡献而进行的更大努力的一部分。政策研究工作论文也发布在http://www.worldbank.org/prwp上。作者可以通过fdarko@worldbank.org联系。 天气冲击与农村经济联系：来自拉贾斯坦邦农业和非农业部门的证据 弗朗西斯·阿德亚·达科∗阿卡恩什塔·迪耶†S. K. Ritadhi‡ JEL: Q54, O13, Q12 关键词：降雨冲击，农业生产力，非农企业，农村经济 1 引言 印度农村经济中，农业持续是一个关键部门。它在2021年至2022年贡献了印度约18%的GDP（印度储备银行，2022年），并占用了总劳动力的近42%（统计局和项目实施部，2022年）。尽管农业在GDP中的份额相对较低，但就业份额的高比例仍表明其在农村经济中的重要性和其低生产率。实证证据发现，农业增长对印度农村贫困减少有显著影响。Dev和Muntashir（2019）表明，农业增长1%的上升将减少农村贫困0.45%，这是与其他行业增长相比影响最大的。由于前向和后向联系，农业具有强大的乘数效应。它为肥料、机械和工业品等投入和服务产生有效需求，同时也刺激了农业加工和农村服务（Pingali，2019）。根据最新估计，大约一半的农村家庭仍将农业作为其主要收入来源（NSSO，2021年）。 印度面积最大的州拉贾斯坦，拥有印度最多样化的农业体系之一。该州具有独特的地理气候条件，影响了其对印度经济的农业贡献，其中油料作物、豆类和粗粮（Swain等，2012年）占主导地位。ICRISAT的估计表明，拉贾斯坦州总面积的54％用于耕作，其中20％被认为是耕作较少的，其余部分不适合农业生产，并且农民在不同气候区的状况从干旱的塔尔沙漠到东部的平原均有不同（Rathore，2004年）。在满足拉贾斯坦州现有农业潜力的大多数主要限制因素中，水资源限制尤为突出；因为不到一半的耕作面积得到灌溉，而且监护雨量从西部地区的300毫米到东部边界的1000毫米以上（Rathore等，2013年）。一项对长期降雨数据的分析表明，该地区面临15％的正面降雨冲击概率和19％的负面冲击概率。作物种类繁多，至少有七种作物构成了农业系统：小麦、谷子、玉米、鹰嘴豆、豆类、芥菜和大豆（Singh等，2016年）。降雨量的变化和随之而来的天气冲击不仅影响作物产量，而且显著阻碍了农村社区的经济多样化潜力，加剧了农业和非农部门的脆弱性。天气模式和农业生产力的关系已经成为 随着气候变率的加剧，了解这一点越来越关键。研究表明，降雨量的变化通过多种途径显著影响农业产出。Auffhammer等人（2012年）发现，季风时间和强度的变化可以将印度主要种植区的稻米产量降低多达23%，而Zaveri等人（2020年）记录了降雨量变异性解释了印度半干旱地区作物年际产量波动的约20%。其影响通过几种机制运作：降雨直接影响土壤含水量，温度变化影响作物物候和生长季节长度，极端天气事件可能导致作物立即受损，并对土壤质量和水资源可获取性产生长期影响（Ray等人，2015年）。Kumar等人（2021年）证明，即使在总降雨量正常的年份，关键生长阶段的不规则分布也会将作物产量降低15-30%。Birthal等人（2015年）表明，土壤有机质含量、灌溉等因素 访问和作物多样化策略可以减轻这些影响，尽管实施这些措施通常需要大量投资和技术能力。 农场与非农场部门之间的相互联系代表了农村经济发展的另一个关键维度。Haggblade等人（2010）记录了农业增长通常会产生显著的乘数效应，其中每增加一美元的农业收入会在农村非农活动中产生0.60到0.80美元的二次收入收益。Foster和Rosenzweig（2004）表明，农业生产力增长为农村非农企业带来了实质性的正面外溢效应，尤其在市场接入得到良好发展的地区。这些关系显著影响农村家庭的福利，并通过各种渠道运作，包括对农业投入品、加工服务和消费品需求的增加。农业收入的增加通常意味着对当地生产的非农商品和服务的需求增加（Reardon等人，2007）。Davis等人（2017）发现，具有更强大部门间联系的地区对经济冲击的适应能力更强，增长模式更具包容性，这使得这一理解对于设计农村发展干预措施的政策制定者至关重要。 天气冲击与农村非农企业发生率和表现之间的关系是农村经济发展文献中的一个关键知识差距，尤其是在农村经济和生计高度依赖天气的发展中国家。尽管关于天气（尤其是温度和降水量）对农业和农业生产的影响有很多文献，但关于这些冲击对农村非农企业的影响或溢出效应的文献却很少。在他们的2014年论文中，Dell等人引用了各种研究，证明了温度和降水量对农业生产力和收入的影响，但他们承认对其他农村经济部门传播途径的理解不足。考虑到非农企业在发展中国家农村家庭收入中占35%至高达50%的比例（Binswanger-Mkhize，2013），这一知识差距尤为关键。在非常有限的几项研究中，关系复杂。例如，Santangelo（2019）发现，农业活动生产力的冲击可以通过当地需求和劳动力供应的变化对农村企业产生广泛和重大的影响。Dercon（2014）同样认为，除了对农业系统的影响外，识别天气冲击的更广泛影响对于制定有效的农村政策至关重要。当前分析解决了与农村经济相关的三个关键联系。 在拉贾斯坦邦州，首先分析的是降雨或天气变率对农业生产力的影响，其中在汇总层面上构建了一个农业生产率变量，该变量结合了作物产量和相应的货币价值。其次是天气冲击对非农企业的特定影响，尤其是其总收入、其增加的价值以及其独特的运营特征。第三个关键联系是如何通过天气冲击导致的农业生产力损失来应对家庭消费，其中这种联系在汇总消费层面及其个人支出多样性中进行探讨。分析利用了三个关键数据集，即1990年至2015年14种作物的区县级ICRISAT数据库，国家样本调查组织（2010-11年和2015-16年）的两轮全国代表性非公司企业调查，以及消费者金字塔调查数据集。 来自印度经济监测中心（2014-2016）。 这项研究在理解气候变率背景下的农村经济韧性方面做出了几个重要贡献。随着气候变化加剧了天气冲击的频率和严重性，了解其全面的经济影响对于政策设计变得至关重要。该研究关于气候变率如何影响农业和非农业部门的发现，为制定综合性的农村发展政策提供了宝贵的见解，这对像拉贾斯坦邦这样的地区尤为重要，这些地区的农业对气候变率的脆弱性较高（Auffhammer和Carleton，2018）。通过量化农业条件与非农业企业绩效之间的关系，它为设计可以增强农村经济韧性的干预措施提供了基于证据的指导，解决了Pingali等人（2019）指出的一个关键差距，即需要支持农业适应和农村经济多元化的政策。 新见解在本地区增加：当前研究支持现有文献关于农村经济与农村-非农村经济之间相互依存性的观点，并提供了关于受天气冲击影响的农业-非农业联系的具体渠道和程度的有力证据。最值得注意的是，以往的研究将这种普遍性归因于一般性的天气变量。当前研究通过考察可能受天气影响的依赖关系，例如与农业经济学和气候适应策略相关的那些，推进了这一领域。此外，通过将多个数据源联系起来，产生对气候条件下农村经济发展的细微理解，本研究做出了重大的方法论贡献。这些见解有可能为农村经济的气候适应策略提供信息，填补了Barrett等人（2017年）所识别的“关键差距”，即需要结合仅与农业活动相关且也与非谷物相关活动气候发展相关的证据的策略。最终翻译的目标支持了向政策制定者传达需要重新思考农村活动与气候现实之间明显经济依存性的必要性。 2 数据与汇总统计 本文结合了三个来源的数据：即基于全国代表性企业调查的非农企业数据；来自区县级ICRISAT数据库的农业统计和降雨数据；以及来自全国代表性家庭调查的家庭消费数据。此外，区县级协变量数据来源于印度人口普查和代表性家庭就业调查。 2.1 农业生产力数据 我们从国际半干旱热带作物研究所（ICRISAT）维护的区县级数据库中获取了区县级农业生产力和降雨数据。该数据库包含14种作物在区县级的种植面积和产量的大量数据，以及肥料使用、可耕地、灌溉和月降水量数据。尽管这些数据在1990年至2015年间的26年内可用，我们使用 数据来自1997年，以保持分析中使用地区数量的连贯性。1我们使用这些数据构建一个针对年度农场生产效率的总体区域层次指标。具体而言，我们定义……农场产品为地区d并且年份t作为： 在（1），c指代作物产品表示每种作物的产量，以千吨为单位测量。区域denotes the area allocated to the crop in the district for that year, measured in thousand of hectares. As we are aggregating across 14 crops, we use the federally administered minimum support price (MSP) as the crop-specific weight to convert the crop-specific yields into an uniform monetary value (scaled by area). The MSP provides the minimum pricefor 22 major crops in India, including both food and non-food crops. The prices are setby the federal government each year prior to the cropping season, allowing producers to know in advance the minimum price guaranteed by the government for their output. As the MSP is binding across all states and districts in India, it provides a national measure of prices which we use to convert the crop-specific yield measure into an uniform monetary value. As the MSP prices are measured as rupees per quintal, our product