《Journal of Agricultural Economics》：Measuring Agricultural Wages Amidst Conflict: Evidence From Myanmar
编辑推荐：
暴力冲突在全球范围内呈上升趋势，越来越多的文献分析了其对农业生产和粮食安全的影响。然而，冲突地区收集的数据质量有时受到质疑，并且仍未得到充分探索。本论文通过在缅甸不同冲突强度下考察两种类型的报告偏差——回忆偏差（recall bias）和问题顺序偏差（ques
暴力冲突在全球范围内呈上升趋势，越来越多的文献分析了其对农业生产和粮食安全的影响。然而，冲突地区收集的数据质量有时受到质疑，并且仍未得到充分探索。本论文通过在缅甸不同冲突强度下考察两种类型的报告偏差——回忆偏差（recall bias）和问题顺序偏差（question order bias）——来填补这一空白。研究人员将农业工资作为关注的关键变量，因为工资在调查中经常被测量，并且是一个重要的发展指标，既是农民的关键投入成本，也是雇工农场工人的重要收入来源。研究人员将武装冲突地点与事件数据（ACLED）冲突数据与三轮面板轮次收集的农场调查数据进行匹配，其中第三轮包括用于评估回忆偏差的回忆模块。研究人员还在第二轮中实施了问题顺序实验，以评估按年份和性别排列工资问题的顺序是否影响报告的工资。研究人员发现报告工资存在适度的回忆偏差，但没有统计显著的证据表明回忆偏差随冲突严重程度而增加，并且只有有限的证据表明问题顺序偏差。在问题顺序偏差中，只有冲突严重程度与先询问上一年工资之间的交互作用具有统计显著性，且其幅度在经济上很小。总体报告偏差适中，并且更多由所报告的工资类型驱动，而非由冲突严重程度驱动。研究人员得出结论，在冲突环境中可以收集到可靠的数据——此类数据虽然稀少，但随着全球冲突持续上升，对于循证政策和干预措施至关重要。
# 论文解读：冲突背景下农业工资测量的可靠性——来自缅甸的证据
## 研究背景与问题
当前全球暴力冲突持续加剧，超过四分之一的世界人口受到冲突影响。冲突对以农业为主的低收入国家冲击尤为严重，威胁农业生产与粮食安全。然而，冲突地区的调查数据收集面临巨大挑战，数据质量也常常受到质疑，相关实证研究十分匮乏。已有研究表明，贫困和逆境会加重认知负担，损害心理能力，可能进而影响受访者报告信息的准确性。基于此，本文聚焦两类常见报告偏差——回忆偏差（recall bias）和问题顺序偏差（question order bias），在缅甸不同冲突强度背景下检验其是否存在及程度如何，以评估冲突环境下调查数据的可靠性。
为何选择农业工资作为关键变量？农业工资是农民的重要生产成本，也是雇工农户的关键收入来源；在低收入国家，雇工占农业劳动力的40%，其中大量为女性。农业工资在各类调查中频繁被收集，是衡量发展的重要指标，非常适合用于检验报告偏差。缅甸自2021年军事政变后冲突急剧升级，超过一半人口暴露于暴力之中，同时其农业部门贡献近25%的GDP、雇用超过43%的劳动力，该国内部冲突强度的空间差异也为研究提供了天然场景。
## 研究内容与意义
研究人员利用缅甸农业绩效调查（Myanmar Agricultural Performance Survey, MAPS）三轮面板数据，与武装冲突地点与事件数据（Armed Conflict Location and Event Data, ACLED）相匹配，通过第三轮中的回忆模块和第二轮中的随机化问题顺序实验，系统考察了冲突严重程度对工资报告中回忆偏差和问题顺序偏差的影响。研究发现，回忆偏差适度存在，但并无统计显著证据表明冲突严重程度会加剧回忆偏差；问题顺序偏差的证据也较为有限，仅冲突严重程度与“先问去年工资”的交互项显著，且经济幅度很小。总体而言，报告偏差更多由被报告的工资类型（如男性或女性工资）驱动，而非由冲突强度驱动。这一结论意味着冲突地区仍然可以收集到可靠的数据，纠正了学界对冲突区数据质量的过度担忧，为未来在冲突环境中开展循证研究提供了方法学支持。
## 关键技术方法
研究数据来源为国际粮食政策研究所（IFPRI）与缅甸调研公司（Myanmar Survey Research, MSR）合作开展的全国代表性电话面板调查MAPS，该调查是缅甸家庭福利调查（Myanmar Household Welfare Survey, MHWS）的农作分子样本，覆盖缅甸15个邦/省和1个联邦领地，按乡镇分层抽样。主要方法包括：①采用ACLED提供的乡镇级冲突事件数据构建冲突严重指数（Conflict Severity Index, CSI），综合衡量冲突的死亡性、危险性、扩散性和碎片化程度；②回忆偏差通过对比第1轮当期工资与第3轮12个月后的回忆工资（占当期工资的百分比）进行评估；③问题顺序实验在第2轮中进行，将工资问题按性别（男/女）和年份（2022/2021）先后顺序随机分配为四组，以首报工资为基准计算偏差；④采用含农场主与访员固定效应的回归模型，标准误聚类至乡镇层面，并进行了多种稳健性检验（替换冲突指标、6个月冲突窗口、二元冲突度量、子样本分析及反概率加权调整等）。
## 研究结果
### 5.1 工资与冲突
通过描述五轮调查中名义与实际农业工资的变动，研究发现尽管冲突持续，男女名义工资均随时间小幅上涨；但经通胀调整后，实际工资大幅下降。同时，女性工资始终低于男性，性别工资差距明显存在，与亚洲及其他地区的已有证据一致。
### 5.2 回忆偏差
利用参与第1轮和第3轮的平衡面板样本（N=1951），将第3轮回忆的工资与第1轮当期工资比较，平均回忆偏差约为2%，表明偏差适中。相比之下，同期其他农业指标回忆偏差更大：耕地面积12.6%、水稻单产8.5%、稻谷价格7.3%。回归分析显示，无论是回忆时点的冲突严重程度还是事件发生时点的冲突严重程度，均与工资回忆偏差无统计显著关联；控制变量中仅少数显著。多种稳健性检验（包括死亡率分量、危险度、扩散度、碎片化指数等）结果一致。处理样本磨损后结论不变。异质性分析提示，在老年受访者中，女性工资回忆偏差与冲突的关联略强。
### 5.3 问题顺序偏差
基于第2轮随机化实验（N=3828），基准回归显示，去年的工资平均比当年低约11个百分点（约800 MMK），女性工资平均比男性低约20个百分点（约1500 MMK），但三类实验处理（女性优先、去年优先、两者交互）均无统计显著的锚定效应。进一步加入冲突严重程度交互项后，仅“去年优先×冲突严重指数”的交互项显著，系数约为0.8个百分点（约90 MMK），经济意义很小。上述结果与使用死亡人数和CSI分项指标的稳健性检验一致。
## 讨论总结
本文将冲突背景下农业工资报告偏差的估计与已有文献进行比较，发现偏差幅度温和，并不比非冲突地区更严重。工资偏差较小的可能原因是，社区工资规范（Win et al. 2025）为受访者提供了记忆锚点，且工资本身的变异性较低。研究中同时指出，较长的回忆期并不必然损害数据可靠性。值得注意的是，虽然问题顺序偏差总体不显著，但随机化关键问题仍是问卷设计的审慎实践，尤其涉及按性别拆分的数据时。
## 研究结论翻译
本论文通过匹配冲突数据与包含回忆模块和随机化问题顺序实验的农场调查数据，为缅甸不同冲突严重程度下农业工资报告中的回忆偏差和问题顺序偏差提供了新的证据。研究发现偏差适中，但并无统计显著证据表明冲突严重程度会系统性增加报告误差。相反，其他因素——尤其是被报告的变量类型——对偏差的影响更大，较大且波动更强指标的偏差幅度也更大。总体而言，估计的偏差幅度与非冲突环境相当甚至更低，从而缓解了对冲突地区数据质量的担忧。可靠的数据可以在冲突环境中通过电话调查等方式收集，此类数据虽然稀少，但对于在全球冲突持续上升背景下制定循证政策和实施干预措施至关重要。
