《Cogent Food & Agriculture》：Beyond gender: structural and social–capital determinants of food security in Khyber Pakhtunkhwa, Pakistan
编辑推荐：
粮食安全是多维的，然而研究常依赖单一指标，掩盖了测量、性别、社会资本和地理方面的差异。研究人员利用巴基斯坦开伯尔-普赫图赫瓦省班努（Bannu）和德拉伊斯梅尔汗（Dera Ismail Khan）两地区300户家庭的调查数据，通过三种指标考察了粮食安全：家庭粮
粮食安全是多维的，然而研究常依赖单一指标，掩盖了测量、性别、社会资本和地理方面的差异。研究人员利用巴基斯坦开伯尔-普赫图赫瓦省班努（Bannu）和德拉伊斯梅尔汗（Dera Ismail Khan）两地区300户家庭的调查数据，通过三种指标考察了粮食安全：家庭粮食不安全访问量表（HFIAS）、食物消费评分（FCS）和最低膳食能量需求（MDER），并估计了社会经济、生计、气候、社会资本和地理决定因素的probit模型。粮食不安全持续存在：按HFIAS，81.3%的家庭处于粮食不安全状态；按FCS，33.0%不安全；按MDER，50.3%的家庭低于最低膳食能量需求。性别差异取决于指标：女性户主家庭表现出更高的膳食多样性（FCS：30.7%对17.8%，p = 0.022）和热量充足率（MDER：70.7%对42.7%），但在控制结构性因素后，性别不再显著。地理与结果关联最大，德拉伊斯梅尔汗的预测概率高于班努。互惠社会支持与更好的物质结果相关，而信任与较低的主观食物获取安全相关，这与紧密联系社区中的再分配义务一致；其他维度呈现指标特定关系。研究结果表明，农村粮食不安全反映了测量、性别、社会资本和地理动态的相互作用，呼吁采取地方敏感、多维的评估和干预方法。
全球范围内，2022年约有24亿人（占世界人口的29.6%）面临中度或重度粮食不安全，低收入和中等收入国家的农村家庭受影响最重。粮食安全概念涵盖可获取性、可利用性、稳定性和代理/赋权等多维层面，但实证研究常依赖单一指标，掩盖了性别、社会资本和地理条件造成的异质性。在巴基斯坦开伯尔-普赫图赫瓦省（KP），农村地区长期遭受环境冲击、贫困、低农业生产力、水资源短缺和基础设施薄弱等系统性挑战，且性别不平等进一步加剧脆弱性。现有研究虽已关注社会资本（促进集体行动与资源共享的网络、规范及信任）与粮食安全的关系，但在KP部落地区，多指标联合分析、社会资本与性别交互作用以及地区结构性差异的研究仍属空白。为此，研究人员在Bannu和D.I. Khan两个地区开展调查，采用三种互补指标衡量家庭粮食安全，并重点检验“性别通过结构因素中介”和“社区陷阱”两类假设。
研究人员采用多阶段抽样，从巴基斯坦KP省Bannu和Dera Ismail Khan两县选取300户家庭（每县150户），样本来自2023年夏季实地调查，涵盖家庭人口、资产、土地、生计冲击、社会资本和数字接入等信息。研究使用三种指标测度粮食安全：家庭粮食不安全访问量表（HFIAS，经验性感知指标）、食物消费评分（FCS，膳食多样性指标）和最低膳食能量需求（MDER，热量充足性指标）。分别构建二元probit模型，估计社会经济、生计、气候、社会资本及地理变量的平均边际效应，并采用logit链接、Firth惩罚回归和PPS设计权重等进行稳健性检验。样本中女性户主家庭共75户（占25%）。
4.1 描述性统计（Descriptive statistics）
两县家庭特征差异显著。Bannu男性户主占85%，识字率达96%；D.I. Khan男性户主占65%，识字率仅48%。D.I. Khan月收入不超过20,000 PKR的家庭占75%，气候冲击影响88%的家庭；Bannu劳动短缺普遍（98.7%），社会网络成员比例较高（30.7%）。社会资本各维度均值存在地区差异：D.I. Khan邻里凝聚力（3.98）略高于Bannu（3.77），Bannu互惠社会支持（3.53）高于D.I. Khan（3.15）。
4.2 按性别和地区的粮食安全状况（Food security status by gender and district）
按HFIAS，总体仅10.0%家庭粮食安全，性别差异不显著（p=0.180）。按FCS，女性户主家庭粮食安全率为30.7%，显著高于男性户主的17.8%（p=0.022）。按MDER，女性户主家庭粮食不安全率为29.3%，低于男性户主的57.3%（p<0.001）。地区差异在三个指标下均显著（p<0.001）：Bannu在HFIAS下表现较好（安全率16.0%对D.I. Khan的4.0%），但D.I. Khan在FCS和MDER下大幅领先（安全率分别为40.0%对2.0%；89.3%对10.0%）。
4.3 什么解释了粮食安全的差异？（What explains variations in food security?）
Probit回归显示，控制人口、社会经济、生计和社会资本变量后，性别在所有指标下均不显著。年龄、家庭规模、土地拥有、手机与互联网接入、气候冲击、劳动短缺等变量的效应因指标而异。其中，地区是最强预测因子：D.I. Khan在FCS和MDER上的平均边际效应分别为+0.535和+0.832（p<0.001），而HFIAS不显著。社会资本方面，互惠社会支持对MDER有显著正向影响（β=0.317，p<0.001）；信任与安全对HFIAS有负向关联（AME=-0.063，p=0.029）；邻里凝聚力与HFIAS和FCS呈弱正相关；公民参与仅与MDER边际正相关。
讨论部分指出，性别差异是结构性的而非独立的：女性户主在描述性分析中的优势在控制社会经济资源、环境冲击、社会资本和地区后消失，说明性别通过资产、制度和机会不平等起作用。多指标结果凸显粮食安全的多维本质，单一指标会得出不同甚至相反的脆弱性识别。社会经济资源的影响复杂，例如教育负向关联可能反映支出结构变化。社会资本并非一律保护：互惠社会支持（与Pashtun规范badal相关）提供物质缓冲，而高信任社区可能因再分配义务和声誉压力增加主观食物焦虑，形成“社区陷阱”。气候冲击主要影响主观食物获取感知，未显著改变膳食或热量结果。地理差异远大于家庭层面因素，凸显结构性空间不平等。
研究结论：第一，性别差异是条件性的而非普遍的。女性户主在描述性比较中表现出更高膳食多样性和热量充足率，但控制结构因素后性别不独立显著；政策应聚焦结构性条件（资源、服务、地方机会），而非仅凭户主性别。第二，指标选择显著影响脆弱性识别，监测应采用经验性和消费性指标相结合。第三，空间背景是膳食和热量结果的最强预测因子，D.I. Khan在FCS和MDER上的粮食安全预测概率分别比Bannu高53.5和83.2个百分点。第四，社会资本贡献多维：互惠社会支持是最稳健的预测因子，而信任与主观粮食安全负相关；应区分支持性互惠与义务性嵌入。第五，气候冲击主要影响主观食物获取安全，而非即时膳食或热量结果。总体而言，应采取地方敏感、多维的政策，投资于农业韧性、灌溉、市场连通、农村基础设施和适应性社会保护，并将经验性、膳食和热量指标整合到监测系统。
