多元化生态补偿背景下牲畜暖棚对畜牧业收入和草地质量的影响
——基于PSM的准自然实验

蒋 振， 高雅罕， 靳乐山*

(1.中国农业大学人文与发展学院， 北京 100193； 2.中国生态补偿政策研究中心， 北京 100193)

生态补偿与国外生态环境服务付费(Payment for environmental services,PES)涵义相近，设计肇始均是为了生态保护效益外部性的内部化[1]，但随着生态补偿实践的不断深入推进，其越来越多的被赋予扶贫和生计发展功能。党的十八大把生态文明建设提升到“五位一体”战略布局，生态补偿机制在“山水林田湖草沙”的系统治理中扮演着越来越重要的角色。党的十九大把“生态补偿脱贫一批”作为脱贫攻坚的重要方式之一，在2020年全面消除绝对贫困后，生态补偿机制在“巩固脱贫攻坚成果同乡村振兴有效衔接”方面同样被寄予厚望[2]。近些年，生态补偿实践从主流的资金型补偿加快向技术、物资、设施型补偿等多元化方向发展，丰富了生态补偿机制的内涵和实践形式[3]。因此，多元化生态补偿实践的绿色增长效果成为了生态补偿机制从“输血”型益贫到“造血”型生计扶持功能跃升的关键，是决定生态补偿实现市场化和多元化改革成功的重心。

从生态领域看，草原是中国国土面积最大的生态系统(天然草原面积3.9亿公顷，占国土总面积约40.9%)，且多分布于边境省份和民族贫困地区，对国家生态安全和社会稳定有举足轻重的影响，是生态补偿机制覆盖的重点范围[4]。中国从2003年开始实施退牧还草工程，并从2011年开始，整合实施草原生态保护补助奖励政策(简称为草补政策)，主要内容为禁牧补助和草畜平衡奖励，标志着生态补偿机制在牧区全面铺开。当前学界对草原生态补偿机制的研究，主要关注于禁牧补助和草畜平衡奖励，从牧户增收、生态绩效、减畜效果、政策满意度、政策监管、补偿标准、生计扶持等各个方面展开了研究[5-9]，得出了较丰富的研究结果，促进了新一轮草补政策的完善。但草补政策的核心内容，是一种通过资金发放方式的“输血”型生态补偿机制，需要每年投入大量的财政资金维持，且大量研究表明，当前的补偿标准偏低，对牧户的生计扶持作用也较为有限[6,8]。因此，大幅提升补偿标准的呼声越来越高，这需要庞大的补偿资金总量，在当前机制下，将给财政带来巨大压力，长期来看，财务难以持续。另一方面，这种资金型补偿的标准是依据机会成本、协商博弈还是生态产品生产总值(Gross ecosystem product，GEP)来确定，也一直是补偿方面和受偿方面争议的核心问题[10]，从而增加了生态补偿交易成本，降低了社会总福利。因此，通过有限的财政资金，撬动社会资本和市场资金，释放牧户实现绿色发展的内生动力，产生可持续的“造血”型经济和生态效益，是草原生态补偿机制的进化方向[11]。

除禁牧补助和草畜平衡奖励之外，生态公益性岗位、人工饲草地、牲畜暖棚补助等多种类型的“造血”型生态补偿项目也在牧区探索协同实施，共同推动了牧区绿色发展。其中，牲畜暖棚在赋能牧户管理畜牧业经营生计风险中具有重要地位；中国大部分草原牧区遭受着严重的寒潮雨雪冰冻自然灾害，对牧户存栏牲畜的寒季生存形成巨大威胁，从而可能会减少畜牧业经营收入，而牲畜暖棚可以有效赋能牧户应对这一自然灾害冲击[12]，增强牧户畜牧业经营韧性，提升经济收入。另一方面，依托牲畜暖棚进行舍饲或半舍饲牲畜养殖，推进放牧减畜，有利于减弱畜牧业对天然草地的利用强度，也可以降低季节性轮牧对植物群落结构的不利影响[13]，进而可以直接或间接的影响草地植被生产力和土壤肥力[14-15]，对草原生态产生保护效果。因此，在加强草原生态保护和促进牧区增收的双重背景下，准确评估牲畜暖棚的生态和经济效益，对于完善暖棚设施补助政策，进一步增强多元化草原生态补偿机制与牧户生计发展的协同，推动乡村振兴与生态文明建设，具有重要的理论意义和实用价值。

草原生态补偿机制能够产生持续的生态保护效益，必须建立在解决好牧户生计发展问题的基础上[16]，而畜牧业是牧区最大的生计。人工草地、适度规模经营、舍饲半舍饲是现代畜牧业高质量发展的普遍趋势[17]，牲畜暖棚作为牧区重要生产基础设施，对促进畜牧业的规模化、标准化，提升畜牧业产量，抵御草原寒潮冰冻风险，减轻天然草地放牧强度，均具有重要的支撑作用。已有的少量研究，基于调查和统计分析方法，关注了暖棚的建设材料和技术[18]，暖棚建设发展脉络、补贴满意度等[19]，并在此基础上，提出暖棚建设的技术规范和政策建议。而在基层的实践中，暖棚设施在促进牧户增收、降低天然草地承载压力和促进草原植被恢复方面，收到了良好反响。因此，与实践进展相比，已有文献对牲畜暖棚的经济和生态效益关注较少，且缺少深入和具体的实证研究。

总体而言，支持牧户建设牲畜暖棚的多元化生态补偿项目，具有促进畜牧业高质量发展、草地生态保护、农牧民增收的政策期望。因此，在多元化草原生态补偿背景下，测算牲畜暖棚设施对畜牧业增收的作用，以及对草地质量的影响，对于认识和评估牲畜暖棚补贴项目的效果、完善多元化草原生态补偿机制具有重要的现实意义和理论价值。基于此，本文将根据实地调研数据，设计一个准自然实验，实证分析暖棚设施的经济和生态效益，以期为草原生态补偿机制加强与牧区生计发展的协同，促进草原生态文明建设和畜牧业高质量发展，提供研究支持。

1 材料与方法

1.1 隧穿环境库兹涅兹曲线与准自然实验设计

环境库兹涅兹曲线(Environmental Kuznets curve,EKC)在不同的环境问题和区域研究中，被证明是广泛存在的[20-21]，该理论认为环境质量与经济发展之间存在“U型”关系。在草原牧区，也存在着这样一条EKC曲线[22]。具体来讲，在传统化畜牧业阶段，经营设施落后，放牧方式传统，饲养规模低，畜牧业处于草畜生态平衡状态，草地压力小，但经济收益也较低。在当前畜牧业主体处于的高质量快速发展阶段，经营设施改善，物流设施发达，市场需求释放，使牲畜养殖规模大，“超载”普遍，草地生态问题频发，庞大载畜量与天然草地资源不足矛盾凸显，草地质量账户赤字快速增长的势头强劲。随着经济社会发展到一定阶段，畜牧业增收与草地生态保护开始正向反馈，畜牧业经营逐步进入到生态化发展阶段，牧户把资源持续投入到草地生态保护中，促使畜牧业科技进步，结构优化，使畜牧业增产增收和草地生态进入良性循环，并逐步进入到草地生态弱赤字或盈余的理想生态化畜牧业阶段(图1)。

图1 牲畜暖棚干预下的隧穿环境库兹涅兹曲线模型Fig.1 Tunneling environment Kuznets curve model under the intervention of cattle shed

当前，随着牧户畜牧业收入的增加(载畜量增加)，天然草资源压力增大，草地质量账户赤字有攀升趋势。在各种环境规制、科技进步、管理创新等条件供给下，塑造了畜牧业收入和草地质量的EKC曲线；并在此基础上，经济发展带来了新的金融、技术、设施等绿色创新投入，可以实现“隧穿环境库兹涅兹曲线”，即实现畜牧业增收与草地质量赤字的脱钩[23]。现代牲畜暖棚设施(实验变量)的投入，相较于游牧的生产方式，是一种生产和生态的绿色创新手段，将促进畜牧业增收和环境改善，基于这一分析，本文将设计一组空白对照的准实验进行检验。如图1所示，具体的实验设计如下所示。

第一步，设置空白对照组。选定一组样本牧户，不施加实验变量，即不建设牲畜暖棚，作为对照组，以A(xa，ya)点表示。第二步，设置实验组。选定一组新样本，控制其他条件不变，即实验组与控制组样本牧户特征(协变量)一致，施加实验变量，即建设暖棚，作为处理组，以B(xb，yb)点表示。第三步，把对照组和实验组，放置于相同的“经济-社会-生态”实验环境下，处理相同的时间，观察实验变量对结果变量的影响，即Ratt(xb-xa)和Eatt(yb-ya)大小。通过倾向得分匹配法可以实现对照组和实验组的设置，并计算出实验变量的处理效应。

基于上文分析，如对A施加暖棚处理后，将会促进A点的畜牧业收入增加，A点有向R点移动的趋势；同时降低了天然草地承载压力，草地质量赤字减小，A点有向E点移动的趋势，最终A点将向斜下方移动到B点，形成新的畜牧业收入和草地质量关系。基于此，本文提出以下假设：牲畜暖棚对畜牧业EKC曲线具有脱钩效果，产生隧道效应。

进一步，可以拆分成以下两个具体假设：H1-牲畜暖棚可以增加牧户畜牧业收入；H2-牲畜暖棚可以改善天然草地质量。

1.2 数据来源

本文数据来自于课题组2020年8月份在四川省若尔盖草原开展的随机抽样调查，主要使用问卷调查法并结合深度访谈。首先，在若尔盖草原通过主观抽样选择红原县、若尔盖县两个纯牧业县为调研县；其次，在每个调研县分层随机抽样4个乡镇，并在每个乡镇分层随机抽取2～5个样本牧村，每个牧村随机抽样访谈10～50个牧户，并在正式调研之前进行预调研来完善正式调研问卷和访谈提纲。本次调研总共获得674份问卷，剔除数据缺失、前后矛盾等无效问卷，获得有效问卷648份，其中，红原县310份，若尔盖县338份，问卷有效率96.14%。若尔盖草原位于青藏高原东缘，属于容易遭受寒潮雨雪冰冻自然灾害的地区之一，具有典型研究意义[5]。

1.3 反事实估计与倾向得分匹配

在使用一般实证模型，如Ordinary least squares (OLS)、Logit/Probit、Tobit模型等，进行政策评估与因果推断时，因样本实验组与控制组成员的初始条件不完全相同，进入处理组或者对照组的个体往往是其自选择的结果，故存在的选择偏误问题(Selection bias)可能会导致有偏估计，从而使得出的因果关系结果不可靠[24]。为解决这一问题，Rubin[25]提出了“鲁宾因果模型”的反事实框架，即以虚拟变量Di={0,1}表示个体i是否参与待研究的政策，0表示未参加(对照组)，1表示参加(处理组)，Di称为“处理变量”(Treatment variable)，yi表示感兴趣的研究结果(Outcome of interest)，但个体i不可能同时进入处理组(y1i)和对照组(y0i)，这就需要通过匹配处理组和对照组的方式，来降低样本的选择偏误问题，使处理组和对照组个体除处理变量不同外，其他特征(协变量X)具有相似分布，从而构造出一组准自然实验，以此来进一步分析处理变量对结果变量的因果效应。

按照鲁宾反事实框架匹配估计量的基本思路，假设个体i属于处理组，则在对照组找到某个体j，使二者的协变量(xi与xj)取值尽可能相似(匹配)，基于条件独立假定，则个体i和个体j进入处理组的概率相近，二者具有可比性，个体j就是个体i的反事实，可以将y0j(可观测值)作为个体i如果进入对照组的反事实估计量y0i(不可观测值)，那么y1i-y0j就可以作为个体i处理效应(y1i-y0i)的度量，即两样本的结果变量可以看作是同一个个体i两次不同实验(建有暖棚和未建暖棚)的结果。处理组和对照组的每个个体都可以进行如此匹配，然后对每个个体的处理效应进行平均，即可得到“匹配估计量”(Matching estimators)。

协变量可能包括多个变量(K维向量)，此时直接使用xi与xj进行匹配，意味着需要在高维空间进行匹配，模型的搜索空间也呈指数级增长，数据将更加稀疏，从而很难找到相近的xj与xi匹配，产生“维度诅咒”[26]。为此，统计学家Rosenbaum等提出使用“倾向得分”(P-score)使高维协变量匹配，即使用参数估计(比如Logit或Probit，使用较为广泛的是Logit)或非参数估计将K维向量的信息压缩到一维，计算出个体的倾向得分，进而根据倾向得分进行距离匹配，这种方法称为倾向得分匹配(Propensity score matching，PSM)[27]。具有相同倾向值的的处理组和对照组个体在观测到的解释变量(协变量)上具有相同的分布，这意味着，在倾向值同质的匹配集内，处理组和对照组个体在某个协变量指标上的差异是随机差异，而非系统差异[28]。个体i的倾向得分定义为，在给定xi的情况下，个体i进入处理组的条件概率：

p(Xi)=P(Di=1|x=xi)

(1)

进一步，基于Logit模型构建牧户建有暖棚的概率方程为:

(2)

(2)式中，i=1,2,···，n表示牧户，pi表示牧户建有暖棚的概率，α0为截距项，β为协变量系数，μi为误差项。

PSM模型需要满足以下假设：(1)条件独立假定，即给定xi，则个体i进入处理组和对照组的概率一样；(2)共同支撑域条件，即处理组与对照组的个体，有较大的倾向得分共同取值范围；(3)平衡性假定，即经过匹配后，处理组和对照组的协变量偏差大幅减小。根据PSM得出的匹配估计量有总样本的平均处理效应(Average treatment effect,ATE)、参与者平均处理效应(Average treatment effect on the treated,ATT)、非参与者平均处理效应(Average treatment effect on the untreated,ATU)；对于评估项目是否有效而言，不在于该项目是否对所有个体有益，而在于对处理组或可能分配到处理组的个体是否有益，ATT衡量的是项目参与者的处理效应，可能更加重要[29-30]。根据以上理论，本文定义建有暖棚的样本(处理组)，畜牧业收入和牧户草地质量变化的平均处理效应(ATT)为：

ATT=E(Y1i|Di=1)-E(Y0i|Di=1)=E(Y1i-Y0i|Di=1)

(3)

上式中，Y1i为处理组的畜牧业收入变量或草地质量变量指标，Y0i为对照组的畜牧业收入变量或草地质量变量指标，Di表示有无暖棚，区别于ATE和ATU，ATT将研究样本限定在建有暖棚的处理组(Di=1)。

1.4 变量选取和统计性描述

因变量：即结果变量，体现暖棚经济效益的变量，选取受到暖棚直接影响的牧户畜牧业收入；体现生态效益的变量选取牧户草地质量。畜牧业收入指上一年内(2019年)牧户的牲畜出栏、牦牛奶和绵羊奶等收入减去一年的饲草费、防疫费、保险费等经营成本(不包括机器、棚圈等设施投资)。限于在牧户层面获取承包草地质量客观监测数据的可执行性问题，本文选用牧户对自家承包草地质量的主观评价来反映草地质量，并通过PSM方法“构造”出同一牧户在有暖棚和无暖棚时对草地质量的不同评价，进而比较得出牧户在建设牲畜暖棚前后所承包草地质量的变化。

自变量：即实验变量或处理变量，是牧户是否建有暖棚，为二值虚拟变量，未建有暖棚赋值0(对照组)，建有暖棚赋值1(处理组)。

协变量：也是一般回归模型中的控制变量[31]。在PSM中，协变量(匹配变量)应是影响处理变量和结果变量的相关因素，不应是受到处理变量影响的因素，并符合条件独立性假设、共同支撑假定和平衡性假定[29,32]。参考已有文献的变量选取经验，根据调研地数据情况，并从理论上考虑对处理变量和结果变量有影响的相关变量，本文从个体特征、家庭结构特征、家庭资产特征、认知和行为特征四个方面选取协变量，使样本尽可能满足条件独立假定。因此首先排除了“暖棚面积”等不符合条件独立假定的协变量，并进一步根据平衡性检验、共同支撑域检验结果排除了“非农收入”等协变量，最终确定了本文的匹配变量。模型具体变量选取如表1。

表1 变量的含义和赋值Table 1 Meaning and assignment of variables

续表1

从表2可以看出，处理组(有暖棚组)与对照组(无暖棚组)在畜牧业收入、草地质量上均具有显著差异。有暖棚牧户比无暖棚牧户畜牧业收入平均高出36 999.750元，草地质量也高出6.30%。对于协变量，除户主身体状况、亲属网络、泥棚面积、草地保护态度、草地保护行为差异不显著外，牧户大部分特征均表现出显著组间差异。这也说明了，是否建有暖棚较有可能是牧户自选择的结果，所以，牧户收入和草地质量的差异很有可能不是建有暖棚与否的必然结果，因此，需要谨慎使用表2中的结果。

表2 变量的描述性统计Table 2 Descriptive statistics of variables

2 结果与分析

2.1 OLS基准回归

在进行PSM之前，本文首先通过OLS线性回归进行初步分析。结果显示(表3)，在控制了一系列协变量后，暖棚设施显著提升了牧户畜牧业收入和草地质量，均在5%水平上显著。这基本验证了假设H1和假设H2，但由于OLS模型无法避免选择性偏误和内生性问题，因果效应的估计值是不准确的。因此，为确保因果推断结果的准确性和稳健性，有必要采用PSM来进一步验证牲畜暖棚的效益。

表3 OLS估计结果Table 3 OLS estimation results

2.2 匹配变量筛选与倾向得分估计

PSM分析的第一步是通过合适的匹配变量估计倾向得分。根据方程(2)，本文使用Logit模型估计牧户建设暖棚的概率(倾向得分)，以此作为后续匹配分析的依据。以理论分析协变量对结果变量的影响为基础，并对匹配结果的质量逐步比较，在不同的因果推断分析中，使用了不同的匹配变量，筛选的协变量和Logit模型估计结果见表4。

2.3 共同支撑域检验

在获得牧户暖棚建设决策方程(2)的参数估计结果后，需要检验匹配的共同支撑域假设条件是否成立。在PSM方法中，本文使用了最邻近匹配、卡尺匹配、核匹配、局部线性回归匹配四种匹配方法。参考已有文献结果[33]，本文绘制了倾向得分的核密度函数，来考察不同匹配方法下处理组和对照组样本的共同支撑域条件。以最邻近匹配法为例，图2和图3分别报告了匹配前后倾向得分的相对分布情况，即利用牧户暖棚建设决策的倾向得分及其对应户数比例构造的经验密度函数。观察图2和图3发现，使用最邻近匹配后，处理组和对照组的倾向得分重叠范围进一步扩大，差距明显缩小。在畜牧业收入分析中，处理组的最大样本损失值为18个，在草地质量分析中，处理组的最大样本损失值为29个。与所使用的样本总量相比，匹配后样本损失比例较小，可以认为共同支撑域假设得到充分满足。使用同样的方法，检验卡尺匹配、核匹配、局部线性回归匹配，结果亦显示均满足共同支撑域假设。

表4 基于Logit模型的暖棚建设倾向得分估计Table 4 Estimation of propensity score for cattle shed construction based on Logit model

图2 畜牧业收入分析倾向得分核密度图Fig.2 The kernel density map of propensity score for animal husbandry revenue analysis

图3 草地质量分析倾向得分核密度图Fig.3 The kernel density map of propensity score for grassland quality

2.4 平衡性检验

为检验匹配效果的平衡性，首先，考察处理组和对照组各匹配变量标准化偏差减小情况。以最邻近匹配为例，图2显示了最邻近匹配法协变量标准化偏差的变化，可以看出处理组和对照组在匹配后，协变量的差异大幅缩小。表5报告了匹配前后协变量的具体偏差值和t检验值，可以看出，匹配后协变量的组间均值差异均不显著(t<1.96)。使用同样的方法，检验卡尺匹配、核匹配、局部线性回归匹配，发现匹配后协变量偏差同样大幅减小，且组间无显著差异。

进一步检验匹配模型的整体平衡性。由整体平衡性检验结果(表6)可知，在样本匹配后，畜牧业收入分析匹配模型中标准化偏差(Mean bias)从26%减少到4.4%～5.7%，草地质量分析匹配模型中标准化偏差从23.3%减少到3.8%～4.4%，整体偏误显著降低，且远小于平衡性检验规定的20%红线标准[34]。匹配后伪R2和LR统计量均大幅下降，且除了局部线性回归匹配法的B值为28.1%外，其余B值均<25%，R值均在[0.5，2]内[34]。综上，检验结果表明，匹配显著降低了处理组和对照组之间协变量分布的差异，因而有效降低了样本的自选择偏误问题，可认为PSM平衡性假定条件得到充分满足。

表5 最邻近匹配法匹配变量平衡性检验结果Table 5 the balance test results on matching variables by nearest neighbor matching method

图4 最邻近匹配法协变量标准化偏差图Fig.4 The standardized deviation plot of covariates by nearest neighbor matching

表6 PSM整体平衡性检验结果Table 6 Overall balance results tested by PSM

2.5 平均处理效应结果分析

本文通过Stata16.0软件，使用多种匹配方法得出处理组的平均处理效应(ATT)。因PSM汇报的T值是基于估计所得的倾向得分，因此通过自助法(Bootstrap)进一步测算T检验值作为显著性检验参照，结果见表(7)和表(8)。通过不同的匹配方法得出了相似或一致的ATT结果，且均可通过显著性检验(T>1.96)，说明了处理效应结果的强稳健性，且样本有效性良好[29]，本文使用不同匹配方法下的ATT算术平均值表征处理效应。

结果显示，暖棚设施对牧户畜牧业收入和草地质量均具有显著的促进效应。具体而言，当控制了样本选择性偏误之后，牲畜暖棚设施的使用，对牧户畜牧业经营年均增收20 117.992元，假设H1得到验证。在牧户草地质量效益方面，牲畜暖棚设施的平均处理效应为0.135，意味着建设牲畜暖棚将会促进牧户草地质量提升约6.75%(0.135/(3—1))，假设H2得到验证；虽然这一测量结果是根据牧户对承包草地质量现状的主观评价，所反映草地质量真实改善大小在准确性上有待进一步验证，但依然具有较高的定性意义。通过PSM消除自选择偏误后测算的影响效应大小，与OLS回归模型有较大差距，这说明了直接使用线性模型分析暖棚的处理效应将会带来较大的结果偏差，也证明了使用PSM方法的必要性和科学性。

表7 畜牧业收入的暖棚处理效应测算结果Table 7 Average treatment effect of the cattle shed on animal husbandry revenue

表8 草地质量的暖棚处理效应测算结果Table 8 Average treatment effect of the cattle shed on grassland quality

2.6 安慰剂检验

潜在的遗漏变量和不可观测变量，可能会对PSM模型估计处理效应的准确性有较大影响，为排除这一影响，本文采用生成随机实验组的方式进行安慰剂检验，以检验能否得到一致的处理效应。具体步骤为:首先，在原始数据集中单独剔除实验变量(是否建有暖棚);其次，将剔除出来的实验变量随机打乱顺序，再将随机化的实验变量，合并至上一步骤中已被处理过的原始数据集;再者，将实验变量随机化后的数据集,进行PSM估计;最后，重复以上操作步骤500次，并提取每一次PSM估计的ATT值，绘制成核密度分布图，与原ATT值(原始数据估计值)做比较。进行检验采用的PSM具体匹配方法为与原模型相同的最邻近匹配法，原因是：其一，最邻近匹配法是PSM中最常用的匹配方法，其二，最邻近匹配法估计量与多种匹配方法测算出的ATT算术平均值最为接近，说明该方法更可靠。

图5 安慰剂检验ATT核密度图Fig.5 ATT kernel density plot of the placebo trial

从安慰剂检验结果(图5)可以看出，随机样本得到的ATT估计量均分布于0附近，且竖虚线代表的真实样本ATT估计量，偏离随机样本估计量的主要分布范围。说明原PSM模型ATT估计量与安慰剂结果显著不同，可以认为原模型排除了随机因素的内生性干扰，基于PSM方法的准自然实验接近随机实验，原模型得到了ATT的准确值。

3 讨论

当前，“造血”型草原生态补偿机制方兴未艾。进入新发展阶段，畜牧业高质量发展和草原生态文明建设并行是牧区乡村振兴的主要内容之一[35]，生态补偿机制具有保护生态环境和扶持生计发展的作用[36]，在协同草原生态文明建设和畜牧业高质量发展，提升牧区绿色发展能力方面具有较大潜力。在一项成功的生态补偿机制中，越来越多的把生态和生计目标统一策划。脱离牧民生计需要的合理范围，为保护草地生态而强制要求禁牧、减畜，不符合发展为了满足人们日益增长的对高质量牲畜产品的需要，影响国家粮食安全，也会激化社会矛盾；脱离草地生态保护的合理范围，为提升牧户经济发展水平，而不控制不合理的天然草地载畜量，将给生态环境带来难以逆转的破坏，发展不可持续。“输血”型的资金补偿方式，是草原生态补偿起步阶段的政策设计，弱监管问题突出，现金补偿的福利性质弊端凸显，且给财政带来压力，不利于生态保护供给的财务可持续。本文研究结果可以说明，“造血”型的设施补助生态补偿机制，可以有效发挥保护草地生态环境和促进牧民生计发展的功能，是草原生态补偿机制的重要发展方向。

本文研究结果说明，市场化和多元化草原生态补偿机制可以实现。牲畜暖棚设施通过扩大牲畜存栏量和市场交易增加了牧户畜牧业收入，同时，也降低了天然草地资源的承载压力。因此，暖棚设施补助项目带有市场化生态补偿属性，十分有价值和潜力设计成促进草原绿色与均衡发展的政策工具。当前，牲畜暖棚建设的资金来源形成了“财政补偿+牧户自筹”模式，发挥了财政补偿资金的杠杆作用，而暖棚设施带来的可观增收，使信贷违约风险更加可控，为金融型生态补偿机制发育创设了条件。因此，可以探索发挥普惠金融服务对暖棚建设的支持作用，进一步减轻牧户自筹资金和财政补偿的压力。在生态补偿制度深化改革的背景下，牲畜暖棚设施的经济和生态效益应引起高度重视，及时总结牲畜暖棚补助政策的实践经验，加强对牲畜暖棚设施型草原生态补偿项目的支持力度，推动市场化和多元化草原生态补偿机制的理论创新、实践创新、制度创新，夯实牧区绿色发展的理论和实践基础。

在政府的主导和监管下，牲畜暖棚建设的技术标准日益成熟，牧户管理和知识水平逐渐提高，可以预见，牲畜暖棚设施将更加有效的减少牲畜冬春寒季掉膘，提高牲畜产仔成活率和加快出栏率，同时避免因牲畜集中放养造成的草场破坏，牲畜暖棚的生态性、规范性、增收性将进一步提升。在畜牧业高质量发展阶段，牲畜暖棚设施将成为推动“优质牧草—养畜—畜粪—草原施肥”良性循环发展的重要基础设施支撑，带动牧民改变“靠天养畜”和“逐水草而居”的传统养殖模式，也为天然草原“超载”的监管难题提供了破解新思路。另外，随着牧区大力推进人工饲草地、贮草棚、牲畜免疫巷道圈、牲畜运动场等配套设施建设，牲畜暖棚设施的边际经济与生态效益也将有更大潜力协同提升。总体而言，支持牲畜暖棚建设对提升牧区绿色发展能力意义重大。

4 结论

本文基于川西北若尔盖草原648个牧户的随机调查数据，运用PSM最邻近匹配、卡尺匹配、核匹配、局部线性回归匹配方法，测算了暖棚设施对畜牧业增收和草地质量改善的平均处理效应(ATT)，并通过安慰剂检验排除了遗漏变量的影响。研究结果表明：暖棚设施的使用，将为牧户带来畜牧业年均增收20 117.99元，牧户草地生态质量也将提升6.75%。本文认为，在深化市场化和多元化草原生态补偿机制改革中，应重点发展牲畜暖棚设施型生态补偿项目，统筹使用财政资金、牧户自筹资金，并积极开发信贷工具等市场化支持，推动牧区牲畜暖棚设施建设，提升牧区绿色发展能力，夯实乡村振兴的产业基础。