营养干预对农村学生身体素质影响的效应评估

何怡萱

(中国社会科学院大学 人口与劳动经济系，北京 102488)

中国人口结构正在发生巨大变化。一方面，人口红利所带来的发展窗口期逐渐消失，人口老龄化的问题也逐渐显现。另一方面，中国经济虽然按照一二三产业占比逐步上升的世界经济发展规律在发展，第三产业比重在2012年就超过第二产业，但服务业和发达国家相比还有很大差距，工业还需要持续向中高端转型升级。而实现产业转型升级和产业健康高速发展都离不开人力资源和人力资本。目前中国的新生人口和出生率双双持续下降，作为人力资本载体的人力资源的紧张情况将会越来越严重，因此需要加大对重点薄弱环节的投入，充分开发现有人力资源，积累人力资本。一直以来义务教育阶段都被看做是人力资本积累的重要时期，但由于城乡发展不平衡，农村贫困地区条件较为艰苦恶劣，所以这部分学生不管是从家庭还是从社会上获得和享受的资源都相对较少，人力资源质量提升还有很大空间[1-5]。因此让贫困地区的孩子接受良好教育，不仅是扶贫开发的重要任务和阻断贫困代际传递的重要途径，更是对宝贵人力资源进行提质的重要手段[6]。加快农村教育发展、促进教育公平的基础是提高农村学生健康水平，中央政府为改善贫困地区农村学生营养状况，从2011年秋季学期起，在集中连片特殊困难地区实施《农村义务教育学生营养改善计划》。中央财政为试点地区农村(不含县城)义务教育阶段学生提供营养膳食补助，标准为每生每天3元(全年按照学生在校时间200天计算)。《农村义务教育学生营养改善计划》(以下简称“营养餐改善计划”)是针对农村义务教育阶段学生特有的营养补贴，计划实施对学生身体情况究竟会产生怎样的影响，影响效果有多大，又会对学生的健康人力资本带来何种具体的变化值得衡量分析和研究[7-9]。本文使用倾向得分匹配—双重差分法(PSM-DID)对CFPS调查数据进行分析，实证检验了“营养餐改善计划”对健康人力资本的影响情况和政策实际效应，对国家有效进行人力资本投资、加快人力资本积累具有切实的参考意义。

1 数据来源与研究方法

1.1 数据资料来源

本文使用的数据来自中国家庭动态跟踪调查(即“中国家庭追踪调查”，简称CFPS)。CFPS是由北京大学中国社会科学调查中心以家庭为单位进行的追踪调查，主要搜集个体、家庭、社区三个层次的数据，旨在反映中国社会、经济、人口、教育和健康的变迁情况，为学术研究和政策决策提供参考性数据。2009年在北京、上海、广东三地展开工具性测试跟踪调查成功之后，于2010年在全国(西藏、青海、新疆、宁夏、内蒙古、海南、香港、澳门、台湾不在其列)正式实施，调查规模为16000户，之后每两年追踪一次。在2010年的基础上，“营养餐改善计划”实施后的2012年和2014年分别成功追踪了13315户和13946户。数据较为完整的反映了家庭人员结构、家庭收支入状况、家庭成员受教育和健康情况，并提供较为全面的家庭成员个人基本特征以及其家庭情况与背景以供研究。

1.2 指标选择及描述性统计分析

身体素质是一个综合性概念，它由身高、体重、BMI、血压等一系列指标构成。而考量身体素质的核心在于判断是否拥有一个健康的体魄。由于研究对象为少年儿童，在这个阶段身高的发育有明显的周期性规律，不能够准确反映政策干预实际情况，而体重的增长发育相较于身高则更为稳定。另一个衡量身体素质的指标体质指数(BMI)随年龄变化的趋势也比较稳定，并且也能够敏感地反映人体营养状况、胖瘦程度[10-11]。因此本文选择体重(单位：斤)和体质指数(BMI)作为衡量身体素质的因变量指标来分析“营养餐改善计划”对农村义务教育阶段学生身体素质的影响情况。至于衡量身体素质的其它维度标准，不在本研究讨论范围之中。身体素质状况是涉及到生理、地理、经济、文化等多方面作用的结果，而各个省份经济社会发展存在一定的差异，因此本文在控制地区固定效应的基础上，选取了以下人口统计学和社会经济特征控制变量，包括学生性别：男性=1，女性=0；学生年龄：学生实际年龄；父母年龄：父母实际年龄；父母受教育年限：父母实际受教育年限值；父母健康状况：非常健康、健康、一般、比较不健康、非常不健康，赋值依次从1-5；家庭收入：家庭收入 (取对数)。本文研究的是“营养餐改善计划”的影响，因此本文只保留了实施该计划的16个省的样本，在对选取指标和核心变量存在奇异值和严重缺失的样本进行清理后，最终保留样本数量为4093名学生，具体变量的描述性统计如表1所示。

1.3 方法选择及识别策略

在完全随机化的实验中，通常直接使用最小二乘法估计一项实验干预的实施对结果变量的影响。但在实际情况中，很难做到完全理想随机试验，因此单一的最小二乘法估计就会出现选择性偏差和内生性问题。对于本文研究来说，营养餐计划是政府在试点针对农村义务教育阶段学生推行的社会保障措施[12]，受政策干预和未受政策干预的样本可能在之前就存在着选择性偏差，所以不能直接通过控制组和实验组直接得出可信的因果关系。其次，传统的OLS估计方法不能够处理内生性问题。在研究中学生的个人健康状况、父母健康状况、家庭收入情况均对其身体素质水平产生影响。不仅如此，学生自身健康状况与其所在家庭的收入等因素之间也会相互影响，因此存在可能的反向因果关系。

为了解决传统估计方法中存在的问题，目前通常采用双重差分法(DID)来消除潜在趋势影响，从而准确识别因果关系，对政策效果进行有效评估。而采用双重差分法最关键的在于得到ATT(平均处理效应)，即受到政策干预的个体所产生的变化：

ATT = E [Y1it- Y0it| Di= 1] = E[Y1it| Di= 1] - E[Y0it| Di= 1]

上式中Y1it和Y0it分别表示被观测者在政策实施前后的结果，Di= 1表示实施了计划干预，Di= 0表示没有受到干预的影响。本文所要研究的是实施“营养餐计划”对农村义务教育阶段学生身体素质所产生的影响。将“营养餐计划”这一政策的推行看做准自然实验，可以通过比较享受营养餐计划的学生(处理组)和不在营养餐计划范围内的学生(控制组)来判断政策的效果，从而进行“反事实”条件下的因果推断。具体来说，就是将 2011年开始实施“营养餐改善计划”的试点地区农村义务教育阶段学生作为处理组，将试点地区未被纳入计划范围的城镇义务教育阶段学生作为对照组，以此构建本文的DID模型:

Yit= α + βDij×Ti+ δXij+ Pij+ εij

其中，Yit为因变量，Dij和Ti都是虚拟变量，其中Dij是表示是否享受“营养餐计划”的虚拟变量，在试点范围内的农村义务教育阶段学生的取值为 1，在试点范围内的城镇义务教育阶段学生取值为0。Ti代表时间趋势项，在政策实施前的2010年的取值为0，政策实施后的取值为1。Pij代表地区固定效应，εij为残差项。Dij×Ti的系数β为我们所关注的倍差估计量，代表“营养餐计划”对学生身体素质的影响情况，Xij为控制变量向量组。

双重差分法使用的最重要前提是处理组和控制组满足平行趋势假定，即如果不受“营养餐改善计划”影响，处理组学生和控制组学生的身体发育和健康情况随着时间变化没有系统性差异。理论上人的成长和发育具有统一的规律性，但是从实际情况来看这一规律会受到严重的外部环境影响，因此仅凭政策执行对象来划分控制组和处理组，可能存在样本选择偏误进而使得估计结果产生偏差。为了处理这种情况，需要在控制组和处理组中找到各项观测特征相似的个体进行匹配后，再进行下一步处理。因此本文采取倾向得分匹配-双重差分法(PSM-DID)进行研究。具体公式表达如下：

ATT=E[τp|Di=1]

τp=E[Yi|p(Xi)=p,Di=1]-E[Yi|p(Xi)=p,Di=0]

式中，τp为倾向值得分相同的两组个体观测结果之差，p(Xi)为最近邻匹配倾向值。本文研究实际操作具体如下：首先将计划干预虚拟变量D和协变量X(学生性别、学生年龄、父母年龄、父母受教育年限、父母健康状况、家庭收入水平)进行Logit回归模型估计倾向得分，采用最近邻匹配的方法确定权重，通过倾向值为条件找到控制组和处理组中个体可观测特征更为相似的个体进行匹配。然后计算2010年不在计划实施范围内学生和政策实施后在计划范围内学生的身体素质变化情况，并计算2010～2014年都未受到计划实施影响个体的身体素质的变化。最终将在改善计划范围内学生的身体素质变化减去匹配后的未在计划实施范围内个体身体素质的前后变化，得到“营养餐改善计划”对农村义务教育阶段学生身体素质的平均处理效应ATT。

2 实证分析结果

2.1 双重差分法结果分析

在控制了地区固定效应后，对样本进行传统DID估计分析结果如表2所示，第一列和第三列表示没有加入其他相关控制变量的情况下，估计双重差分交互项对义务教育阶段学生BMI和体重的影响；第二列和第四列为模型加入性别、学生年龄、父母年龄、父母受教育年限、父母健康状况、家庭收入等控制变量的估计结果。从表2双重差分的估计结果可以明显看出，“营养餐改善计划”对农村义务教育阶段学生的身体素质有显著正向的影响。在体质指数BMI方面，未加入其他人口学和父母家庭等控制变量时，参与计划实施的学生BMI平均提高了0.734个单位；当模型加入各项控制变量后，计划对BMI的正向影响也在1%的统计水平上显著为0.792个单位，与未加入控制变量的模型相比有略微的上升。在学生体重方面，未加入控制变量情况下，双重差分项的系数为3.906，并且在1% 的统计水平上显著，说明受计划实施影响农村义务教育阶段学生的体重显著增加，具体数值约为3.9斤；模型加入控制变量后，计划对学生体重的正向影响有略微的下降，双重差分项的系数为2.106，在5%的统计水平上显著，意味着计划实施使得学生的体重增加约2.1斤。

2.2 倾向得分匹配-双重差分估计结果分析

由于城镇和农村义务教育阶段学生在各方面特征都存在着较大的异质性，因此在实际操作过程中会出现样本选择偏差问题。而运用DID方法又要求控制组和处理组的学生要在各个方面保持一致，所以本文采用Heckman(1997,1998)提出的倾向匹配得分法(PSM)来消除样本选择偏差，然后再通过DID处理内生性问题，就能够很好的得到“营养餐改善计划”的实施效应。表3展示了PSM-DID估计结果，同样显著反映了“营养餐改善计划”对农村义务教育阶段学生身体素质的提升。在未控制人口学特征以及父母家庭背景变量的情况下，学生的BMI指数受到计划实施影响会在1%的统计水平上显著提升0.791个单位，而学生的体重会增加则会在5%的统计水平上显著提升3.392斤，相比于传统DID模型直接估计，BMI指数和体重受计划影响的系数有不同方向上的变化，BMI指数提升了0.057而学生体重则下降了0.514。当模型加入所有控制变量后，BMI指数的差分交互项系数为0.795，并且在1%的统计水平上显著。

续表

在进行倾向值得分计算匹配时是先用干预变量对控制组进行logit 回归，为了确保倾向值得分计算匹配有效可用，又对倾向值得分情况进行了的平衡性检验，结果如表4。可以看出经过PSM处理后处理组和对照组已经较为平衡，t检验的结果也反映出控制组和处理组的各变量均值没有显著差异，因此，PSM-DID的估计是有效的。

表4 倾向得分匹配的平衡性检验

2.3 对不同性别学生影响差异

进一步评估“营养餐改善计划”实施之后农村义务教育阶段学生身体素质影响情况，分别对不同性别的学生进行回归，结果如表5所示。第一列和第二列报告了“营养餐改善计划”对男、女生BMI的影响，第三列和第四列报告了“营养餐改善计划”对男、女生学生体重的影响。在BMI的回归结果中，根据第二列的回归结果可知男生参加“营养餐改善计划”BMI指数会提高0.75个单位，且在5%的统计水平上显著；第一列的结果显示女生参加“营养餐改善计划”之后上升了约0.84个单位，在5%的统计水平上显著，相较于男生多出0.09个单位。在学生体重的回归结果中，如第三列和第四列所示，男生体重虽然上升了约1.9，但在统计水平上并不显著；与此相对应的是，女生体重增加了约2.4斤，比男生约多增加0.45斤，且在10%的统计水平上显著，女生的体重增加更加明显。上述结果验证了“营养餐改善计划”对不同性别学生影响有差异。

表5 “营养餐改善计划”对农村义务教育阶段学生身体素质影响的性别差异

3 讨论与启示

本文使用中国家庭动态跟踪调查数据，评估“营养餐改善计划”确实提高体质指标，增加学生的健康人力资本积累，且计划实施对对女生的影响更大。根据实证分析结果本文提出如下建议：首先，“营养餐改善计划”对农村学生身体素质的提升有显著影响，达到了政策实施的预期政策效果，应基于现有影响情况继续实施补贴计划。应该看到中国贫困农村地区仍然存在营养缺乏的问题，在计划实施的区域学生的BMI虽然处于标准范围内但十分接近世界卫生组织对亚洲人身体状况偏瘦的指标线18.5。计划实施对于提升身体素质较为明显，因此在继续进行补贴的同时，也需要持续评估政策的长期影响，并根据实际影响具体调整营养餐改善计划的实施方案。其次，由于男女身体发育周期并不完全重合，因此计划对不同性别的影响存在差异。政府在进行营养补贴时，需要注意不同性别学生的补贴与学生发育阶段的对应情况，例如适当将男生营养补贴的年龄延长或者后延以提高营养补贴的效率。总之，中国作为一个城乡发展差距较大的发展中国家，经济社会的和谐稳定发展仍需要大量的人力资源和人力资本，做好农村义务教育阶段营养餐改善工作对于新时期的发展和稳定都有重要意义。