风险偏好的性别差异及其对气候智能型农业技术采纳的影响：来自东南亚农村社区的实证研究

本文深入探讨了农村家庭风险偏好中的性别差异（女性通常比男性更风险规避）及其对应对气候变化性别化影响的重要启示。研究基于泰国和越南社会经济面板（TVSEP）数据，采用交互固定效应（IFE）模型和分位数回归，揭示了风险偏好性别差异的存在及其关键驱动因素，并分析了其对气候智能型农业（CSA）技术采纳中性别不平等的影响。分解分析表明，改善农村教育可显著缩小风险承担行为的性别差距，从而促进更公平、广泛的气候变化减缓和适应实践采纳。

　　

1 引言

已有充分证据表明，在气候变化的影响面前，女性比男性承受着不成比例的不利影响。然而，将性别差异与气候变化结果联系起来的机制却鲜为人知。农村农户风险偏好中存在的性别差距——即女性农民通常被认为比男性同行更规避风险——可能对应对气候变化的性别化影响具有深远意义。理解这些性别差异及其驱动因素，对于设计增强气候变化不利影响抵御能力、促进性别平等的政策至关重要。本研究旨在填补文献中的这一空白，回答三个首要问题：(1) 东南亚农村农业社区中风险偏好是否存在性别差距？(2) 如果存在，是什么驱动了风险承担行为的性别差异？(3) 风险承担行为的性别差距如何转化为气候智能型农业（CSA）实践采纳中的性别不平等？这些问题的答案对于解决与性别不平等、可持续性、通过精心设计的减缓和适应策略增强气候变化抵御能力相关的多方面问题具有重要的政策意义。

2 东南亚农业部门与性别角色

在越南和泰国等许多东南亚国家，农业仍然是农村生计和国家就业的核心。农业在越南和泰国的总就业中占比超过三分之一。对女性而言，该部门扮演着更为重要的角色：越南34%和泰国27%的女性就业集中在农业领域。尽管农业在创造就业方面很重要，但其对国家经济产出的贡献份额相对较小，越南为GDP的11.9%，泰国为8.7%。这种高劳动强度与低经济回报之间的脱节，凸显了在当代挑战背景下理解如何改善耕作条件和提高生产率的紧迫性。

东南亚国家由于其地理和经济特征，特别容易受到气候变化不利影响的影响。作为发展中、主要是沿海国家，越南和泰国面临着与海平面上升、极端天气事件和农业带转移相关的 disproportionate 风险，威胁着农民的生计。此外，这些气候变化的影响并非性别中立，它们加剧了现有性别化社会规范和经济不平等的影响，对女性适应CSA实践的能力产生深远影响。尽管如此，东南亚女性通常被认为比撒哈拉以南非洲等其他发展中国家的女性更具权能。例如，研究发现东南亚女性在决策方面拥有更多能动性，并且在获得土地和资源方面相对平等。

泰国和越南各自实施了一些方案干预和政策改革，旨在促进农业部门的性别平等和女性赋权。例如，在泰国，农业推广部建立了“农妇小组”，通过有针对性的培训计划，为女性农民提供知识和技能，加强其决策能力，促进领导力发展，并建立更强大的网络和团体凝聚力。此外，部门特定倡议，如支持泰国稻农和农业服务提供者通过推广气候智能型技术和实践的FP214泰国大米项目，已将性别主流化评估和综合性别行动计划纳入其设计。

在越南，国家框架将性别整合置于气候和农业政策的中心。即，《至2030年自然灾害预防、响应和缓解国家战略》和部门《气候变化应对行动计划》都承认了气候变化对不同性别的影响差异以及性别响应方法的必要性。这些政策工具已成为将性别平等纳入气候适应和减缓努力的基础机制，并为制定部门特定性别战略提供了政策框架。

尽管存在这些旨在解决性别差距的正式倡议，根深蒂固的社会规范继续限制女性在该部门内的角色。获得教育、信贷和农业投入等资源的法律机会并不总是转化为对这些资源的控制。例如，在越南，农业与农村发展部（MARD）将将其农村发展战略中整合性别考虑的责任委托给了妇女联合会。然而，联合会缺乏影响MARD战略方向的机构能力、资金和权威，并且没有建立机构间协调的正式机制。此外，女性经常被视为辅助劳动力，而非主要的农业生产者，尽管她们承担着繁重的工作负荷。即使男性外迁导致农业女性化，女性越来越多地承担传统上分配给男性的任务，但她们的贡献被低估了，并且即使女性扮演与男性相同的角色，性别薪酬差距仍然存在。这些结构和文化动态反映了持续的性别规范和不平等的权力关系，这些关系塑造了制度实践和机会获取。这些规范不仅限制了女性在农业内的能动性，而且可能对气候智能型技术的采纳产生影响。

3 方法论与数据

3.1 实证策略

3.1.1 交互固定效应

在实证分析的第一阶段，我们采用了Bai开发的交互固定效应（IFE）框架。具有异质性系数的IFE模型设定如下：(方程1和方程2，此处省略具体方程形式)。其中，R_ivt表示基于Dohmen等人调查测量的风险规避程度的风险偏好，在0到10的李克特量表上测量。Male_ivt是一个二元指标，如果受访者为男性则取值为1，女性为0。X_ivt是包括年龄、教育程度（虚拟变量，表示受访者是否具有中学教育水平）、婚姻状况、储蓄金额和借款金额在内的协变量向量。参数β₁捕捉了风险偏好中的性别差异，而β₂是与控制变量相关的系数向量；ε_ivt是误差项，α_i表示个体固定效应，捕捉时不变的个体特征。复合误差项η_ivt包括一个共同因子成分λ′_iF_t，其中λ_i表示一个r×1因子载荷向量，F_t代表未观察到的共同因子向量，以及一个特异成分ξ_ivt。

IFE模型具有几个重要优势。首先，它解决了内生性问题，因为允许共同因子与回归变量相关。其次，IFE估计量提供了一致的估计量，因为它可以完全适应序列相关、横截面依赖性和异方差性。遵循Bai的方法，我们使用迭代主成分方法估计方程（1）和（2），其中共同因子及其载荷被视为待估计的参数。基于Bai的近期研究表明，即使时间维度非常小，IFE方法也能产生一致的估计量。一旦我们基于IFE方法确立了风险偏好中的性别差距，我们就使用Oaxaca–Blinder分解技术进行分解分析，以识别该差距的驱动因素。

3.1.2 Oaxaca–Blinder 分解

为了分析观察到的风险偏好性别差异，我们使用了Oaxaca–Blinder分解方法，这是劳动经济学和社会科学领域用于分解结果变量（如工资、收入、技能和财富）中群体差异驱动因素的一种流行方法。该方法的吸引力在于它是一种适当的技术，用于将观察到的群体（在我们的案例中是性别）间结果差距分解为可归因于特征差异的解释部分和归因于系数差异的未解释部分。

在一般设定中，考虑分别对组j拟合的线性回归模型：(方程3，此处省略具体方程形式)。Y是每个组结果变量的n×1向量；X代表每个组j的解释变量，β_j是组特定系数。遵循文献，结果变量（风险偏好）均值差异在比较组（A）和参照组（B）之间的分解由下式给出：(方程4，此处省略具体方程形式)。

通过这样做，我们能够将男性和女性风险偏好的平均差异分解为可归因于特征差异的解释部分和未解释部分或系数效应，后者捕捉了这些特征禀赋回报的差异。该方法还允许进行详细分解，以识别每个解释变量对观察到的结果变量性别差距的贡献。

3.1.3 分位数回归与反事实分布推断

我们的下一步涉及检验观察到的风险偏好性别差异是否解释了CSA技术中的性别不平等。为此，我们遵循文献的最新发展，采用分位数回归（最初由Koenker和Bassett提出）和分解技术，包括为稳健推断建立反事实（由Chernozhukov等人和Machado和Mata提出）。在这种方法中，我们刻画了CSA技术采纳的条件分布（以矿物肥料的使用为代理），利用Chernozhukov等人提出的反事实分布推断方法。首先，我们使用分位数回归刻画采纳水平的整个条件分布，并将其在控制变量集上积分，以获得结果变量无条件分布的估计。接下来，我们使用反事实分位数估计进行分解，分为特征效应和系数效应。

为了简要描述分位数分解框架，我们从经典的线性条件分位数设定开始（Koenker和Bassett）：(方程5，此处省略具体方程形式)。然后我们应用Chernozhukov等人开发的分位数分解方法来估计并对反事实结果分布进行推断。核心思想是构建一个结果Y^C的分布，该分布是将女性组的条件结果Y给定协变量X的分布与男性组的协变量分布相结合而产生的。形式上，反事实分布定义为：(方程6，此处省略具体方程形式)。其中F_Y|X^(j)是组j中给定协变量X的结果Y的条件分布，F_X^(k)是组k的协变量分布。这种方法使我们能够将观察到的分布差异分解为可归因于协变量差异的部分和可归因于条件结果结构差异的部分。来自这些反事实的组A和B的分布效应计算如下：(方程7，此处省略具体方程形式)。分位数效应由下式给出：(方程8，此处省略具体方程形式)。

在确立了无条件分布之后，我们可以推导出结果变量的第τ分位数反事实无条件分布，并将其分解为特征效应和系数效应。这种方法超越了简单的平均值比较，剖析了群体之间的差距如何从分布的最低分位数演变为最高分位数。分解将分布中每个点观察到的差异分离为两个基本组成部分。即，特征效应，这是由群体在可观察属性（如教育）上的差异所解释的部分；以及系数效应，这是由这些相同属性的经济回报差异所解释的未解释部分。这种方法在近期的文献中被广泛采用。

3.2 数据

我们使用来自泰国越南社会经济面板（TVSEP）调查的代表性纵向家庭数据，该调查涵盖了泰国和越南农村村庄的家庭调查。TVSEP调查最初于2007年由汉诺威大学和哥廷根大学合作发起，由德国研究基金会资助。该调查覆盖泰国和越南的六个农村省份（每个国家三个），在440个村庄中拥有超过4400户家庭的代表性样本。它提供了关于家庭和个人的详细且全面的社会经济纵向数据，从2007年到2022年共收集了九个波次，包括风险、冲击、收入、资产、信贷、支出、人口统计和农业等方面的数据。出于可比性和数据可用性的原因，本研究使用2013年、2016年、2017年和2022年调查轮次的数据。

TVSEP数据集提供了基于调查参与者对以下问题的回答的风险承担行为信息：“总的来说，您是一个完全愿意冒险的人，还是试图避免冒险的人？请选择一个从0（不愿意冒险）到10（完全愿意冒险）的数字。”遵循Dohmen等人提出的基于调查的风险规避测量方法，回答记录在一个11点的李克特量表上，范围从0到10，其中0代表不愿意冒险，10代表完全准备冒险。这种测量风险规避的方法在文献中常被采用，并且日益被认可为满足外部有效性，并以与实验方法一致的方式代表实际风险行为，尽管有一些批评认为其在反映经典效用函数的凹性行为方面存在局限性。

表1提供了本研究中使用的变量的描述性统计概览。该表显示，两国女性的风险偏好平均值均低于男性同行，表明女性往往比男性更规避风险。与此一致，该表显示女性在CSA实践（以矿物肥料的应用为代理）的采纳水平上往往低于男性。泰国约三分之一的受访者具有中学教育水平，而越南超过50%的男性和女性具有中学教育水平，男性略高。

4 实证结果与讨论

4.1 基准分析

我们首先讨论表2中报告的汇集OLS模型的基准估计结果，然后再深入探讨IFE模型的主要估计。在第（1）列中，我们报告了无条件模型的估计结果，其中仅将性别作为回归变量。然后，我们依次添加控制变量，一次一个，直到第（7）列模型完全设定，以确定结果对协变量包含和排除的稳健性。在所有设定中，结果显示风险偏好存在显著的性别差距，男性比女性同行具有更高的风险偏好倾向。估计系数的解释是，平均而言，男性在冒险意愿评分上比女性高0.2-0.3分。估计系数在所有（1-7）列的设定中保持稳健且在1%显著性水平上统计显著。协变量上的估计系数通常具有预期的符号和显著性。

对基本汇集OLS或固定效应估计量的一个常见担忧是，它们无法解决协变量与随时间变化的未观察异质性之间潜在相关性问题。如果忽略，这个问题会导致系数的不一致和有偏估计（详见Bai）。这个潜在的估计问题可以通过采用允许共同因子与回归变量任意相关同时不需要对未观察异质性施加分布假设的IFE模型来解决。因此，我们利用IFE模型来解决由于跨村庄或地区未观察异质性引起的潜在内生性偏差。

我们现在转向讨论IFE模型的主要结果。表3报告了以风险偏好度量作为因变量的IFE模型的估计结果。结果显示，有强有力的证据表明风险偏好存在显著的性别差异，性别变量的系数为正且统计显著。更准确地说，在11点李克特量表的冒险意愿测量上，结果显示男性往往具有更高的风险偏好，比女性高出约0.2-0.3分。结果在不同设定下是稳健且不太敏感的。就系数幅度而言，IFE的估计值略低于基准模型的估计值，表明后者由于未能考虑可能与回归变量相关的未观察时变异质性而存在向上偏差。

我们的结果支持一些关于风险规避性别差距的近期研究。对于风险承担行为的性别差异，有几种可能的解释，包括社会规范和文化等。例如，社会期望可能强化女性的风险规避行为，并鼓励男性的风险承担行为。因此，女性的风险规避可能限制她们获得高回报机会，例如投资。在气候变化和气候智能型农业实践的背景下，男性倾向于采取更大胆的步骤，决定采用新的和潜在风险的技术，而女性更倾向于采用更传统和更安全的实践，优先考虑长期可持续性和安全性。理解这些性别差异及其驱动因素对于设计有效且有针对性、旨在减轻此类结构性障碍的干预措施至关重要。

4.2 风险偏好性别差距的分解

使用第2节描述的Oaxaca–Blinder分解方法，我们调查了已识别的风险偏好性别差距的构成和驱动因素。具体来说，我们将总体性别差距分解为特征效应或解释部分以及系数效应或未解释部分。遵循标准方法，将高结果组（男性）用作比较组，而低结果组（女性）被视为参照组。表4中的结果显示了风险偏好性别差异的总体分解结果以及估计值的95%置信带。该表显示，男性和女性群体之间存在显著的风险偏好性别差异。总性别差距的大小估计约为0.35，其中15.8%的差距被解释并归因于特征差异。

下一个重要问题是：什么是风险偏好性别差异的关键驱动因素？图1报告了详细分解的结果，显示了特征效应的贡献。如图所示，教育程度是唯一最重要的因素，解释了总体风险偏好性别差距的约17.5%，而已婚状态解释了差距的11.5%。

结果的一个重要含义是，改善女性受教育机会可能有助于缩小性别差距，因为这可能降低女性的风险规避并增强其风险偏好。这些结果与Melesse和Cecchi的发现一致，他们发现风险规避随着教育程度的提高而减少，并随着户主年龄的增长而增加。研究结果表明，政策制定者可以通过改善农村社区女性获得教育的机会来弥合风险偏好中的性别差距，因为教育程度较高的女性往往从事创业活动，并且较少受到限制其冒险意愿的文化和社会规范的影响。因此，至关重要的是通过教育、知识和技能赋予农村社区女性权能，创造一个有利于风险偏好由个人态度而非社会规范和基于性别的刻板印象塑造的环境，以有效缩小风险承担行为中的性别差异。

4.3 风险偏好的性别差距对CSA采纳重要吗？

4.3.1 分位数回归估计

在本节中，我们使用矿物肥料的应用作为因变量对CSA技术采纳进行建模，并通过将风险承担行为按性别直接纳入模型并使用分位数回归方法进行估计。分位数回归方法的主要优点是它允许检查两个变量在整个结果变量条件分布（在本例中为采纳水平）上的关系，而不是专注于平均关系的快照。它为调查影响农民采纳气候智能型农业技术决策的关键因素（包括风险承担行为）提供了一个稳健而细致的框架。

这个特性在我们的案例中特别有吸引力，因为CSA采纳由于社会规范、资源获取或风险偏好等多种因素的差异，在农民和社区之间常常表现出异质性。识别特定于采纳水平的因素对于制定有针对性的政策至关重要，因为低采纳者的需求可能与高采纳者显著不同。因此，分位数回归在揭示性别、风险承担行为和CSA采纳之间的复杂关系方面提供了显著优势。表5展示了分位数回归的估计结果，其中因变量是CSA采纳（以男性和女性农民施用矿物肥料为代理）。

有趣的是，结果显示男性风险承担行为的倾向对CSA采纳水平具有积极且统计显著的影响，特别是在中位数以上的分布中。相比之下，女性农民的影响在整个分布上统计不显著。这些结果的隐含意义是，女性的CSA采纳水平和风险承担行为应提升到产生效果并有助于提高CSA采纳可能性的阈值水平。

4.3.2 分位数分解

在按性别刻画了CSA采纳的条件分布之后，接下来我们按照Machado和Mata以及Chernozhukov等人提出的方法对男性和女性群体分布差异进行分解。与Oaxaca–Blinder分解关注平均差异的快照不同，这种方法使我们能够遵循分位数回归，将观察到的性别差距在整个结果变量分布上进行分解。

结果报告在图2中。图的左上方面板显示了观察到的化学肥料技术采纳中的性别差异，右上面板呈现了在分位数分布上的解释部分（特征效应），左下面板显示了未解释部分（系数效应）差异，均带有同步95%置信区间。为了便于比较，最后一个面板（图的右下方）将三者放在一起呈现。

图2中的结果显示了沿分位数分布的显著差异。观察到的差异呈现了参照组（女性）和比较组（男性）之间在分布每个分位数上CSA采纳结果的总的、未调整的差距。该图显示了一个清晰且一致的模式，即差距在所有报告的分位数上都是负的，表明参照组在CSA采纳结果方面持续处于劣势。

图2中的特征面板显示了观察到的差异在多大程度上是由于两个群体平均拥有不同的特征集造成的。我们的研究结果表明，特征效应在最低分位数处很大且为负值，占观察到的差距的绝大部分。结果表明，在最低收入者中，CSA采纳存在显著性别差异的主要原因是女性决策者比男性同行拥有更不利的禀赋。然而，性别差异迅速减小，在最高分位数处接近零。这种模式的出现是因为可观察特征方面的劣势将低绩效群体困在分布的底部，而对最高绩效者的结果影响可忽略不计。最后，系数图代表了性别差距中未解释的部分，通常被解释为歧视或未观察因素影响的度量。

我们的发现支持了越来越多的研究，这些研究强调了CSA实践采纳中持续的性别差距，其根源在于资源获取的不平等。除了资源和赋权差距之外，社会文化规范和制度障碍限制了女性对CSA实践的采纳，这表明旨在扩大CSA实践的干预措施应采用性别转型方法，明确寻求纠正结构性不平等。研究结果表明，未能刻画CSA采纳的整个分布将只提供故事的部分图景，这可能限制可操作政策的推断和实施。详细分位数分解的结果揭示，旨在缩小性别差距的政策干预应侧重于通过提升分布底部的水平来改善可观察特征。

5 结论

虽然关于气候变化存在性别化影响似乎已有共识，即女性更容易受到极端天气事件引发的不利影响，但将性别差异与气候变化性别化结果联系起来的机制却知之甚少。在本文中，我们调查了风险承担行为中的性别差距，识别了其关键驱动因素，并探讨了其对CSA技术采纳中性别不平等的影响，这些影响对性别平等、可持续性和气候变化抵御能力具有重要意义。

我们使用来自泰国越南社会经济面板（TVSEP）的纵向调查数据，覆盖两国六个农村省份440个村庄的超过4400户家庭。采用交互固定效应模型、分位数回归和分解技术，我们提供了关于风险承担行为中存在性别差异的强有力证据，这对CSA技术采纳中的性别不平等具有重要影响。

我们的发现具有重要的政策含义。女性采纳CSA实践的可能性较低反映了社会经济障碍，这些障碍加剧了创新的感知风险。教育和推广服务中的性别响应改革有助于缓解这些限制，支持更公平的采用。分解分析的结果进一步表明，扩大农村社区的教育机会对于缩小风险承担行为中的性别差距至关重要。更广泛地说，分位数分解强调了需要增强可观察特征的干预措施，特别关注改善处于CSA采纳分布低端人群的教育成果。

未来的研究应探索家庭内部议价动态的作用以及社会规范与CSA采纳之间的相互作用。跨东南亚背景的比较研究可以提供关于制度和文化差异如何塑造CSA采纳中性别差距的见解，这将加深对连接性别特质、风险行为和气候变化适应机制的理解。