EN中文

经济地理 >

2025 , Vol. 45 >Issue 9: 161 - 171

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.09.016

三农、土地与生态

长江禁渔背景下退捕渔民生计恢复力的减贫效应

  • 郑建明 , 1 ,
  • 汪雪铭 , 1, ※ ,
  • 陈廷贵 1, 2 ,
  • 杨杨 1, 2 ,
  • 钱易鑫 1
展开
  • 1 上海海洋大学 经济管理学院， 中国 上海 201306
  • 2 农业农村部 长江水域生态保护战略研究中心， 中国 上海 201306
※汪雪铭（1997—），女，博士研究生，研究方向为渔业资源与环境经济。E-mail：

郑建明（1975—），男，博士，教授，博士生导师，研究方向为渔业经济与管理。E-mail：

收稿日期: 2025-03-20

  修回日期: 2025-08-27

  网络出版日期: 2025-10-17

基金资助

国家自然科学基金面上项目(72173084)

现代农业产业技术体系建设专项“国家特色淡水鱼产业技术体系CARS-46”

收起

The Poverty Alleviation Effects of Livelihood Resilience for Fishermen Affected by the Ten-Year Fishing Ban in the Yangtze River

  • ZHENG Jianming , 1 ,
  • WANG Xueming , 1, ※ ,
  • CHEN Tinggui 1, 2 ,
  • YANG Yang 1, 2 ,
  • QIAN Yixin 1
Expand
  • 1 College of Economics and Management， Shanghai Ocean University， Shanghai 201306， China
  • 2 Strategic Research Center for Conservation of the Yangtze River Aquatic Ecosystem， Ministry of Agriculture and Rural Affairs， Shanghai 201306， China

Received date: 2025-03-20

  Revised date: 2025-08-27

  Online published: 2025-10-17

Fold

摘要

提升长江退捕渔民生计恢复力是防范和避免生计转型中致贫返贫倾向的关键。文章以湖北、湖南和江苏3省14个县域的退捕渔民为研究对象，以恢复力—可持续生计分析框架为理论基础，构建长江退捕渔民生计转型后多维相对贫困指标测度体系，实证检验生计恢复力对不同生计行为退捕渔民相对贫困的影响。采用Logistic回归模型测算生计恢复力不同维度层下属指标对退捕渔民“扩张型”生计和“迁移型”生计行为减贫效应影响显著性及具体程度，并借助解释结构模型和交叉矩阵相乘法进一步探索显著性影响因子的关联层次结构和逻辑机理。结果表明：①退捕渔民生计恢复力能够有效缓解扩张型和迁移型生计行为下的相对贫困，即对渔民生计行为减贫效应有显著影响。在进行内生性处理和稳健性检验后，该结论依旧成立。②不同禀赋特征对退捕渔民减贫效应的影响具有异质性。影响显著的自组织能力和学习能力指标对扩张型行为减贫的边际效应高于迁移型生计行为，就缓冲能力而言，扩张型生计行为减贫效应需要较多自然资本和人力资本支持，迁移型生计行为则更依赖于金融资本和社会资本。③退捕渔民生计行为减贫效应的显著影响因子共12个，可划分为3个层次。在“扩张型”生计行为中，退捕渔民健康状况和拥有的自然基础是深层驱动力因素；而“迁移型”生计行为中，退捕渔民教育水平和金融资本积累是深层依赖性因素。

关键词： 退捕渔民; 长江禁渔; 生计恢复力; 可持续生计; 减贫效应; Logistic回归模型; 长江

本文引用格式

郑建明 , 汪雪铭 , 陈廷贵 , 杨杨 , 钱易鑫 . 长江禁渔背景下退捕渔民生计恢复力的减贫效应[J]. 经济地理, 2025 , 45(9) : 161 -171 . DOI: 10.15957/j.cnki.jjdl.2025.09.016

Abstract

Enhancing the livelihood resilience of fishermen affected by the ban on fishing in the Yangtze River is crucial for preventing and avoiding tendencies toward poverty and re-poverty during livelihood transitions. To elucidate the complex relationship between livelihood resilience and the poverty alleviation effects of fishermen's livelihood behaviors, this study focuses on fishermen from Hubei, Hunan, and Jiangsu provinces who have been impacted by fishing bans. Grounded in a resilience-sustainable livelihoods analytical framework, we construct a multidimensional relative poverty measurement system for post-transition fishermen's livelihoods. We empirically examine how livelihood resilience influences relative poverty among fishermen engaged in different types of livelihood activities. Using a Logistic regression model, we assess the significance and extent to which various indicators under different dimensions of livelihood resilience affect the poverty alleviation effects associated with "stepping-up" and "stepping-out" livelihoods. Furthermore, we employ an explanatory structural model along with cross-multiplication methods to explore the hierarchical structure and logical mechanisms underlying significant influencing factors. The results indicate that: 1) The livelihood resilience of retired fishermen can effectively alleviate relative poverty under both stepping-up and stepping-out activities. Thus demonstrating a significant impact on their poverty alleviation efforts. This conclusion remains valid even after addressing endogeneity issues and conducting robustness checks. 2) The influence of differing endowment characteristics on fishermen's poverty alleviation effects exhibits heterogeneity. Notably, self-organization ability and learning ability—both significant indicators—have greater marginal effects on reducing poverty through stepping-up behaviors compared to stepping-out ones. In terms of buffering ability, stepping-up livelihoods require substantial support from natural capital and human capital, while stepping-out livelihoods are more reliant on financial capital and social capital. 3) The livelihood behaviors of fishermen have a significant impact on poverty alleviation, with a total of 12 specific influencing factors that can be categorized into three levels. In the "stepping-up" livelihood behavior, the health status of fishermen and their access to natural resources serve as deep driving force factors. In the "stepping-out" livelihood behavior, the education level of fishermen and the accumulation of financial capital are identified as deep dependency factors.

Key words： retreat fishermen; Yangtze River fishing ban; livelihood resilience; poverty alleviation effects; Logistic-ISM model; the Yangtze River

长江十年禁渔是一项系统性工程，解决好渔民退捕后的生产生活问题，确保不发生生计转型中的规模性返贫致贫，千方百计推动渔村增活力、渔民增收入，禁渔才有稳定、扎实的社会基础。长江禁渔关系到沿江23.1万渔民的生产生活，作为特殊的生态移民，退捕渔民极易因遭遇“强制性”变迁而陷入生计困局。2025年中央一号文件明确提出退捕渔民的生计安置是长江十年禁渔顺利推进的关键。党的二十届三中全会指出要实施好长江十年禁渔，完善生态保护补偿制度。尽管国家已出台了《长江流域重点水域禁捕和建立补偿制度实施方案》，多举措开发就业岗位和落实安置保障，但退捕本身形成的外部冲击致使渔民上岸后较难实现生产方式的快速重构，面临自然、经济、社会多重脆弱，如果渔民利用生计资本和潜在机会提升生计恢复力的能动性不足，采取生计策略从冲击中过渡的主动性不够，容易产生贫困风险。
受“长江十年禁渔”政策的干扰和冲击，恢复力不足会对退捕渔民的再就业和生计转型产生影响，致使渔民生计可持续性较弱，不利于实现“稳定退捕意愿、防止渔民返贫”的目标。生计恢复力是描述生计系统应对环境突变和外界冲击并从扰动中恢复的能力[1]，该能力促使渔民借助有限资源禀赋产生最优行为选择，帮助其生计水平达到新的稳态[2]。当前，关于生计恢复力的研究主要集中在两个方面：一是分析影响生计水平的关键变量之间的响应关系[3]；二是基于传统贫困分析框架，从多个视角选择指标进行综合评估[4]。在生计恢复力测度方面，大多数学者从社会交互及学习适应视角构建了以缓冲能力、自组织能力及学习能力3个维度为主的测度指标体系[5]。也有学者基于脆弱性和敏感性来测量生计恢复力[6]。尽管脆弱性与恢复力是密切相关的概念，但脆弱性更侧重于生活中的风险识别，而恢复力则强调应对风险的能力。可持续生计分析（Sustainable Livelihood Analysis， SLA）作为研究贫困治理的有效方法[7]，其以生计资本为基础，以生计活动为表现形式，以促进资本完善、结构过程转型和取得有益的生计结果为关键目标[8]。将生计恢复力纳入可持续生计分析框架，现已成为测度主体生计结构稳定性和抵御生计风险能力的核心工具。当前，围绕生计恢复力对提升贫困人口生计水平的影响主要集中于3个方面：一是挖掘作用机理，识别生计恢复在反贫困中的角色和功能。农户处于自然环境、社会文化等因素构成的脆弱情境中，疾病、自然、市场风险冲击影响农户资本积累，进而增加致贫概率[9]，生计恢复力作为抵御风险和事后修复的能力，承担着调节家庭生产与消费的角色并以此维持与原先相似的稳态[10]。因而将脆弱性与恢复力综合考量能全面揭示农户的生计状况。二是聚焦水平效应，构建恢复力测度体系并测算农户贫困指数，为补偿政策制定提供参照。主要有“脆弱性—可持续生计分析”框架[11]；结合IPCC的“暴露—敏感性—适应能力”框架[12]；以及利用Binary Logit模型分析风险多重性指数及其对生计行为的影响机制，防范致贫返贫倾向[13]。三是关注政策情境，作为生计脆弱型主体生存发展的重要推手，合理运用结构与过程转换中的政策利好能够影响生计转型和生计输出。如探索农户生计资本禀赋对不同模式农地整治增收的影响对整治区扶贫具有重要意义[14-15]；长江禁捕补偿政策的实施使渔户生计资本耦合协调度指数显著增长，且生计资本流动性较高，渔户群体贫富差距缩小[16]；草原补奖政策制定可以显著影响牧户家庭收入水平，并通过诱发生计适应行为间接调整收入结构[17]。
生计恢复力在保留生计资本的同时，将渔民的主观能动性也考虑在内，能够更全面地解释其形成逻辑。而现有文献多停留在生计恢复力的识别评估和挖掘生态政策补偿效应的作用机制上[18-19]，鲜少将生计恢复力应用于贫困领域，也鲜有研究从生计恢复力出发，综合考量其与生计行为的关系以及对渔民不同行为减贫效应的影响机理。
鉴于此，本文基于“生计恢复力—可持续生计分析”理论框架，从“能力内涵”探讨不同条件匹配与行为减贫效应结果的逻辑理路[20]，测算长江退捕渔民生计恢复力对不同生计行为减贫效应影响的显著性及具体程度，在此基础上进一步探索其显著性影响因素的层次结构，厘清各个因素间的层级关系及其影响生计结果的复杂机理。

1 理论框架

可持续生计分析作为梳理贫困产生的原因并提供多种解决方法的集成分析框架，揭示了如何理解贫困，也指出了消除贫困的潜在机会[21]。该分析框架主要包括生计资本、生计策略和生计结果，然而传统的可持续生计分析框架在考虑渔民与外部环境之间的互动以及渔民生计结构内部作用上缺乏全面性。这正是当前稳定脱贫背景下，生计恢复力系统关注的关键所在。恢复力重视个体生计持续的内在机理研究，关注外部环境变化导致的突发性生计困难和特殊贫困人群的生计恢复。因此，本文从生计恢复力视角扩展了传统的可持续生计分析框架，并构建生计恢复力—可持续生计研究框架（图1），以描述生计恢复力对渔民不同生计行为的减贫效应。
图1 生计恢复力—可持续生计分析框架

Fig.1 Livelihood resilience-sustainable livelihoods analytical framework

退捕渔民可持续生计恢复力的描述性框架关注生计恢复力、生计行为和生计结果三者之间的互动关系。对于刚退捕的渔民来说，生计脆弱性是渔民生计恢复力不同维度变化的来源。能力缺失是产生贫困的根本，生计恢复力能够增强对内外部冲击的缓冲能力，维持基本生计结构，并有效应对各种脆弱性以转变其生计方式。一般通过缓冲—自组织—学习能力3个维度的能力集合来综合衡量。政策、机构和它们之间相互作用的过程通过影响生计恢复力来影响渔民生计行为，即渔民会根据生计脆弱性以及政策、机构的促进或抑制作用，综合利用他们现有的生计恢复力产生不同生计行为。依据Dorward等的分类，将退捕渔民生计行为主要分为扩张型生计和迁移型生计两类[22]。其中扩张型生计行为定义为通过新的投资和活动来改进农业，而迁移型生计行为则是指减少或退出农业，转向非农业活动[23-24]。扩张型与迁移型生计代表了渔民在应对生计脆弱性时两种不同的适应行为。生计结果体现在生活质量的提升和人口贫困脆弱性的降低。人口贫困脆弱性主要通过收入指标测量，“贫”理解为经济维度不足，“困”和“弱”侧重于深层服务有限、生计资本薄弱和抗逆力较低等问题。此外，考虑可行能力和渔民追求美好生活需要，多维相对贫困在内涵上应考虑社会发展维度，故将发展能力和生活质量纳入多维贫困测度中。
本文构建的退捕渔民可持续生计恢复力框架为一个复合系统，主要包含：①生计恢复力、生计行为与生计结果之间的相互作用。在生计恢复力影响下，退捕渔民基于自身禀赋和外部机会而采取不同的适应行为，从而导致生计结果差异。②渔民可持续生计系统与其生计恢复力相互影响。首先，恢复力的形成受内部因素（即可持续生计系统相关因素）的制约。在生计恢复力中所体现出的缓冲能力主要由生计资本构成，而在可持续生计系统中，生计资本也作为核心和基础。其次，渔民的可持续生计系统在受到脆弱性影响时，会不断演变，以适应其生计恢复的需求，并经历多个过程直至稳定。③政府/机构的政策干预与退捕渔民生计恢复力间的互动交流。渔民生计恢复不可避免地受到地方政策影响，地方政府的干预措施和企业协会的发展支持，如技术培训、信贷及基础设施建设，可能对渔民生产生活发挥作用，从而影响生计恢复力。

2 数据来源与研究方法

2.1 数据收集与处理

数据源于2021和2022年“十省百县千户”长江退捕渔民跟踪调研，区域选择退捕渔民基数大、贫困度较深的湖北省（江都区、洪泽区、盱眙县、泗洪县）、湖南省（赫山区、桃江县、沅江市、南县、湘阴县、泸溪县、辰溪县）和江苏省（江夏区、梁子湖区、赤壁市）传统捕捞作业区（图2），以半结构式访谈与问卷调查结合的方式入户开展，调查内容主要为实施长江“十年禁渔”政策节点前后一年的各项生计恢复能力和不同生计行为渔户的人均纯收入、发展能力及生活环境质量，最终获得有效样本504份，其中退捕渔民扩张型生计行为279 份，迁移型生计行为225份。依据各项生计行为收入占比和不同职业劳动力分布情况进行类型划分（表1），运用SPSS软件对问卷信度效度进行检验，结果显示调查数据信度的Cronbach's α系数为0.735，说明数据可靠程度较高。此外，为避免多重共线性造成待估计参数的标准误差，进行方差膨胀因子（VIF）检验，结果显示VIF≤2.632，低于临界值10，表明变量间不存在多重共线性，可进行回归分析。
图2 扩张型生计行为减贫效应显性影响因素层次关系

Fig.2 Hierarchical relationship diagram of explicit influencing factors on poverty alleviation effect through stepping-up behavior

表1 生计行为类型划分与退捕渔民参与率

Tab.1 Description of livelihood behavior categories and the participation rate of retired fishermen

退捕渔民生计行为类型 划分依据 样本数（份） 样本占比（%）
扩张型生计行为
（农业改进型生计活动）		 规模种植型 粮食、经济、饲草、培肥土壤作物种植 99 35.48
标准养殖型 牲畜、家禽、水产养殖 112 40.14
生态种养型 稻渔综合种养、池塘养殖、畜禽养殖、蔬菜水果种植和园林花卉培育结合型 68 24.37
迁移型生计行为
（非农生计活动）		 外出务工型 打零工、外省市和本市县固定务工 137 60.89
数字经营型 收入来源以自主经营和数字化收入为主，如个体电商 46 20.44
公益安置型 政府通过购买服务方式提供护渔员、巡河员、保洁员等岗位 42 18.67

2.2 变量设置及描述性统计

2.2.1 因变量选择

本文对退捕渔民生计恢复力的减贫效应测度采用多维相对贫困指数表征，构建以生计收入、发展能力和生活质量为一级指标的多维相对贫困指数评价指标体系。具体计算公式如下：
$多维相对贫困指数=\sum _{i=1}^{a}\left(\sum _{j=1}^{b}{Z}_{ij}{R}_{ij}\right){R}_{i}$
式中：a是衡量多维相对贫困的维度个数；b是不同维度下对应的指标个数；i是多维相对贫困的不同维度；j是不同维度下对应的指标；Zij是标准化后的指标值；Rij是具体指标权重；Ri是各维度权重。
就生计收入水平而言，根据宋嘉豪、刘格格等的做法[25-26]，中位数的50%与现行扶贫标准线较为接近，即将人均纯收入中位数的50%作为退捕渔民相对贫困中收入水平指标的临界值。如果退捕渔民的家庭人均纯收入低于临界值，则存在生计收入维度的贫困。就发展能力维度而言，参考胡作涛、高小玲等的研究[27-28]，本文选择自主发展能力和内生发展动力两个二级指标。就生活质量层面，对退捕渔民工作满意度和生活幸福感的关注是促进渔区协调发展、逐步实现共同富裕的关键，本文采用等权重赋权法对各指标权重进行测度（表2）。
表2 长江退捕渔民多维相对贫困指标体系及说明

Tab.2 Multi-dimensional relative poverty indicator system for fishermen affected by the Yangtze River Fishing Ban

目标层 准则层 指标层 指标说明与赋值 权重
生计收入 收入 收入是否低于相对贫困线 渔民家庭人均纯收入低于中位数的50%赋值为1，
否则赋值为0		 1/3
发展能力 自主发展
能力		 是否能较快适应以前没有接触过的劳动内容和技能要求 受访者同意程度小于3 则赋值为1，否则赋值为0 1/12
是否之前积累的经验技能对退捕后的生产劳动有帮助 受访者同意程度小于3 则赋值为1，否则赋值为0 1/12
内生发展
动力		 退捕后是否花费大量时间和金钱去找事情做 受访者同意程度小于3 则赋值为1，否则赋值为0 1/12
退捕后是否一直自学或主动参加培训提升技能 受访者同意程度小于3 则赋值为1，否则赋值为0 1/12
生活质量 工作满意度 退捕后生计转型是否满意 受访者工作满意度小于3 则赋值为1，否则赋值为0 1/6
生活幸福感 退捕后生活质量是否提升，幸福指数是否增加 受访者生活幸福感小于3 则赋值为1，否则赋值为0 1/6

2.2.2 自变量选择

①核心自变量。核心自变量为渔民生计恢复力基本构成，具体划分为缓冲能力、自组织能力和学习能力。其中，缓冲能力是渔民依托资源禀赋对冲外部风险、维持自身生计水平的能力，以自然、物质、金融、人力和社会5种资本表征。自组织能力为渔民通过政府和社会网络获取帮助，融入地方、适应制度和政策环境的能力。服务可及影响渔民对生计转型的主观态度，政策认知代表渔民对生态补偿和转产就业政策的认识度，邻里信任体现渔民生计行为产生的社会网络宽度。学习能力是渔民获得知识与信息，将知识转化为行动的效用器。技术培训、信息交流和数字能力是政府政策精准性和渔民生计行为主动性的表征。
本文通过组合赋权法计算生计恢复力。首先，对构建的生计恢复力测度指标体系中的指标进行赋值，利用极差公式对生计恢复力各指标进行标准化处理；其次，运用熵值法分别计算各维度下属指标权重，采取等权重法测量各维度层权重；最后，对各维度层值进行加总，求得每个退捕渔民的生计恢复力值。计算公式如下：
${D}_{ai}={W}_{a}·\sum _{j=1}^{n}{W}_{j}{Z}_{ij}^{\text{'}}$
${R}_{i}={D}_{bi}+{D}_{oi}+{D}_{li}$
式中：Dai表示第i个维度层a的测度值，计算中用缓冲能力b、自组织能力o、学习能力l替代a；Wa为维度层a的权重值；Wj为该维度第j个指标的权重；Ri为第i个退捕渔民最终的生计恢复力值。
②控制变量。本文从个体、家庭和区域3个层面选取控制变量。具体为：劳动力性别（X1）和劳动力年龄（X2），不同年龄和性别的渔民在文化素养、身体素质和价值观念等方面存在差异，进而可能影响到不同生计行为对渔民低收入贫困的缓解效应；家庭需要负担的人口数（X3），家庭负担过重需要占用渔民时间顾家，影响其获取新政策和新知识，且基本生活和医疗支出增加容易产生借贷行为；现住地距离市集/村镇中心便捷度（X4），活跃的劳动力市场能够为渔民了解适应性政策和寻求发展机会提供便利[29]，渔民可行能力增强往往能避免陷入低收入贫困。具体变量解释、赋值及均值情况见表3。
表3 变量定义及描述性统计

Tab.3 Variable definition and descriptive statistics

潜在变量 变量代码 变量内容 变量赋值 变量均值
扩张型生计 迁移型生计
被解释变量 Y 退捕渔民不同生计行为相对贫困程度 依据表2多维相对贫困指标体系测算得到 0.31 0.34
核心解释变量 X 退捕渔民生计恢复力 依据组合权重法将3个维度加总，数值越高，生计恢复力越强 0.46 0.43
解释变量子维度 HC1-LA3 缓冲能力（生计资本测度）、自组织能力、学习能力
人力资本 HC1
HC2
HC3		 家庭劳动力数量（人）
渔民受教育水平
家庭成员健康状况		 0人=“1”，1~2人=“2”，3~4人=“3”，5~6人=“4”，7人及以上=“5”
小学以下=“1”，小学=“2”，初中=“3”，高中=“4”，高中以上=“5”
有人长期患病=“1”，有人经常患病=“2”，有时患病=“3”，很少患病=“4”，都很健康=“5”		 2.36
2.31
3.85		 2.25
2.47
3.77
物质资本 PC1
PC2
PC3		 家庭农用机械数量（种）
家庭拥有的耐用品价值（万元）
人均住宅面积（m2）		 0种=“1”，1种=“2”，2种=“3”，3种=“4”，4种及以上=“5”
1万元及以下=“1”，1~3万元=“2”，3~5万元=“3”，5~8万元=“4”，8万元以上=“5”
≤10 m2=“1”，10~20 m2=“2”，20~30 m2=“3”，30~40 m2=“4”，≥50 m2=“5”		 3.64
2.88
2.91		 2.07
3.19
2.98
自然资本 NC1
NC2		 承包耕地面积（亩）
拥有养殖塘口面积（亩）		 0=“1”，0~1=“2”，1~3=“3”，3~5=“4”，≥5=“5”
0=“1”，0~1=“2”，1~3=“3”，3~5=“4”，≥5=“5”		 3.66
4.02		 1.82
1.93
金融资本 FC1
FC2
FC3		 退捕后家庭年收入（万元）
退捕前渔民非农性收入占比（%）
金融支持（渔民拥有保险种类）（种）		 5万元及以下=“1”，5~10万元=“2”，10~20万元=“3”，20~30万元=“4”，30万元以上=“5”
20%以下=“1”，20%~40%=“2”，40%~60%=“3”，60~80%=“4”，80%及以上=“5”
0种=“1”，1种=“2”，2种=“3”，3种=“4”，4种及以上=“5”		 2.75
1.22
2.85		 2.68
3.74
3.70
社会资本 SC1
SC2
SC3		 退捕后与邻里的熟悉程度
退捕后与政府的联系程度
退捕后参加社区活动次数（次）		 基本不熟悉=“1”，熟悉较少=“2”，一般=“3”，比较熟悉=“4”，非常熟悉=“5”
基本不联系=“1”，较少联系=“2”，一般=“3”，较常联系=“4”，经常联系=“5”
0次=“1”，1~2次=“2”，3~4次=“3”，5~6次=“4”，7次及以上=“5”		 3.57
3.78
3.56		 3.62
4.10
3.69
自组织能力 OA1
OA2
OA3		 对转产就业政策的了解程度
政府公共资源的可及程度
他人从业选择邻里效应程度		 非常不了解=“1”，不了解=“2”，一般=“3”，了解=“4”，非常了解=“5”
不可及=“1”，不太可及=“2”，一般=“3”，比较可及=“4”，非常可及=“5”
不影响=“1”，不太影响=“2”，一般=“3”，比较影响=“4”，非常影响=“5”		 3.71
3.97
2.95		 3.50
4.18
2.81
学习能力 LA1
LA2
LA3		 参与技术培训的积极性
与他人交流信息的频率
数字信息化程度		 从不参与=“1”，较少参与=“2”，有时参与=“3”，经常参与=“4”，每次都去=“5”
从未交流=“1”，很少交流=“2”，偶尔交流=“3”，经常交流=“4”，总是交流=“5”
渔民就业过程中是否有借助互联网或其他信息技术手段 是=“1”，否=“0”		 4.21
3.28
0.51		 4.07
3.56
0.67
控制变量 X1
X2
X3
X4		 劳动力性别
劳动力年龄（岁）
家庭抚养比
现住地距离市集/村镇中心便捷度		 男=“1”，女=“2”
50岁以下=“1”，50岁及以上=“2”
家庭未满18岁和65岁以上家庭成员人数之和与家庭劳动力总人数的比值
极为不便=“1”，不太便利=“2”，一般=“3”，比较便捷=“4”，非常便捷=“5”		 1.42
1.69
0.32
3.51		 1.21
1.37
0.34
3.67

2.2.3 模型设定

①基准回归模型。为检验前因变量与结果变量间是否具有潜在关系，回归模型构建如下：
${y}_{i}=\alpha +\beta {X}_{1}+\gamma {X}_{i}+{\epsilon }_{i}$
式中：yi代表退捕渔民多维相对贫困指数；X1代表渔民生计恢复力指数；Xi代表控制变量向量；εi是随机干扰项；α、β、 $\gamma $是待估计参数。
②工具变量法。本文可能存在反向因果的内生性，即生计恢复力在缓解长江退捕渔民贫困程度的同时，渔民生计恢复力也会随着低收入贫困程度的减弱而增强，从而影响政府多元化退捕转业政策的供给。为了应对上述估计偏误，本文采用工具变量法对模型结果进行估计。
③解释性结构模型（ISM）模型。ISM模型是构建多级递阶结构模型来对影响因素及其相互关系进行分析，以揭示系统内各因素之间的关联性和层次性[30]。本文对提取出的显著因素间关联性和层次性进行测度，明确影响退捕渔民不同生计行为减贫效应的表层直接因素、中层间接因素以及深层根源因素。
④交叉矩阵相乘法（Cross-Impact Matrix Multiplication Applied to Classification，MICMAC）。为对ISM分析结果呈现的复杂机理进行进一步解释，本文在ISM分析后采用MICMAC法对所得结构模型的科学性进行验证。MICMAC法基于矩阵相乘原理，通过识别系统内元素的相互影响和依赖关系，明晰对系统稳定性和动态性产生显著作用的变量[31]。

3 结果与分析

3.1 估计结果与解释

表4展示了不同生计行为下生计恢复力对长江退捕渔民相对贫困影响的基准回归结果。其中列（1）和列（2）是基于OLS 估计方法的回归结果。从中看出，扩张型和迁移型行为下生计恢复力对长江退捕渔民相对贫困的影响在1%的统计水平上显著，且系数为-0.3218和-0.2796，即两种生计行为下生计恢复力均可以有效缓解长江退捕渔民的相对贫困程度。考虑到估计结果可能存在伪回归现象，本文将被解释变量“多维相对贫困指数”类型由连续变量转换为二元变量：即将退捕渔民不同生计行为相对贫困程度分别在均值（0.31）和（0.34）以上赋值为1，反之赋值为0。本文进一步应用 Logistic模型进行回归，结果见表4列（3）和列（4）。从中发现，扩张型和迁移型行为下生计恢复力指数仍在1%的统计水平上显著，且系数为负。
表4 不同生计行为下生计恢复力对长江退捕渔民相对贫困影响的基准回归结果

Tab.4 Baseline regression results on the impact of livelihood resilience on relative poverty among fishermen affected by the Yangtze River Fishing Ban

变量 相对贫困（基于OLS估计法） 相对贫困（Logistic回归）
（1）扩张型生计行为 （2）迁移型生计行为 （3）扩张型生计行为 （4）迁移型生计行为
系数 标准误 系数 标准误 系数 标准误 系数 标准误
退捕渔民生计恢复力数值 -0.3218*** 0.0231 -0.2796*** 0.0302 -0.3142*** 0.0425 -0.2589*** 0.0378
劳动力性别 0.0225 0.0290 0.0189 0.0275 0.0292 0.0261 0.0208 0.0235
劳动力年龄 0.0310 0.0076 0.0321 0.0072 0.0318* 0.0065 0.0327* 0.0059
家庭抚养比 0.0307** 0.0112 0.0288* 0.0124 0.0329** 0.0129 0.0279* 0.0093
现住地距离市集/村镇中心便捷度 -0.0271* 0.0089 -0.0305* 0.0069 -0.0293* 0.0064 -0.0332* 0.0062
R2 0.1835 0.2357 0.1729 0.2235

注：***、**、*分别表示在1%、5%、10%的水平上显著。表5同。

3.2 边际效应分析

本文通过临界点估计值和相关估计系数来计算渔民缓冲能力—自组织能力—学习能力维度下各指标对不同生计行为减贫的边际效应。边际效应表示当某个连续自变量X增加1个单位时，Y取某个特定类别（如Y=1）的概率如何变化。由于本文被解释变量“多维相对贫困指数”类型为连续变量，边际效应为非线性，即X对P（Y=1）与P（Y=3）的影响方向相反，具体结果见表5。
表5 边际效应分析

Tab.5 Marginal effect analysis

变量 退捕渔民扩张型生计行为的减贫效应 退捕渔民迁移型生计行为的减贫效应
Y=1 Y=2 Y=3 Y=1 Y=2 Y=3
系数 标准误 系数 标准误 系数 标准误 系数 标准误 系数 标准误 系数 标准误
HC1 -0.064** 0.026 0.030** 0.012 0.035** 0.015 -0.037 0.021 0.027 0.008 0.010 0.006
HC2 -0.045 0.020 0.021 0.011 0.023 0.015 -0.071** 0.018 0.036** 0.009 0.026** 0.006
HC3 -0.062** 0.022 0.027** 0.013 0.032** 0.014 -0.044 0.022 0.019 0.010 0.008 0.005
PC1 -0.053 0.029 0.022 0.013 0.025 0.016 -0.027 0.030 0.023 0.026 0.009 0.015
PC2 -0.027 0.030 0.013 0.014 0.019 0.018 -0.032 0.019 0.026 0.013 0.015 0.007
PC3 -0.013 0.028 0.006 0.014 0.008 0.016 -0.031 0.023 0.025 0.019 0.015 0.012
NC1 -0.069*** 0.026 0.030*** 0.012 0.037*** 0.018 -0.022 0.026 0.012 0.017 0.002 0.010
NC2 -0.067*** 0.026 0.026** 0.012 0.035*** 0.021 -0.025 0.018 0.011 0.016 0.002 0.009
FC1 -0.024 0.025 0.011 0.015 0.014 0.020 -0.039 0.025 0.014 0.015 0.011 0.010
FC2 -0.029 0.026 0.016 0.011 0.023 0.015 -0.093*** 0.037 0.055*** 0.024 0.032*** 0.013
FC3 -0.020 0.019 0.012 0.012 0.015 0.017 -0.047 0.032 0.028 0.012 0.013 0.007
SC1 -0027 0.028 0.023 0.011 0.024 0.016 -0.050 0.028 0.030 0.011 0.015 0.007
SC2 -0.021 0.027 0.015 0.014 0.017 0.018 -0.075*** 0.024 0.052*** 0.027 0.023** 0.016
SC3 -0.028 0.015 0.020 0.012 0.025 0.014 -0.048 0.012 0.026 0.024 0.015 0.015
OA1 -0.024 0.026 0.014 0.013 0.022 0.015 -0.042 0.017 0.024 0.019 0.012 0.013
OA2 -0.077** 0.028 0.030** 0.013 0.038** 0.016 -0.072** 0.020 0.045** 0.017 0.018** 0.008
OA3 -0.026 0.037 0.017 0.015 0.019 0.022 -0.041 0.031 0.029 0.023 0.014 0.012
LA1 -0.079*** 0.049 0.041*** 0.024 0.053*** 0.025 -0.070*** 0.015 0.048*** 0.010 0.021*** 0.009
LA2 -0.026 0.035 0.012 0.015 0.014 0.020 -0.063** 0.014 0.050** 0.025 0.019* 0.012
LA3 -0.046 0.028 0.020 0.021 0.027 0.022 -0.055 0.019 0.032 0.024 0.016 0.011
X1 0.013 0.053 -0.006 0.025 -0.009 0.031 0.029 0.011 -0.021 0.018 -0.006 0.008
X2 0.034 0.025 -0.021 0.012 -0.016 0.020 0.013 0.023 -0.015 0.006 -0.009 0.012
X3 -0.051* 0.028 0.024* 0.010 0.031* 0.015 -0.060* 0.026 0.036* 0.023 0.025* 0.016
X4 -0.022 0.029 0.007 0.012 0.008 0.016 -0.057* 0.024 0.034* 0.020 0.018* 0.011
①缓冲能力具体影响。人力资本：家庭劳动力数量（HC1）对渔民扩张型行为的减贫效应在5%的水平上显著。家庭劳动力可以保证农事需要的劳动力投入，提高农业生产效率，进而增加务农生产性收入。家庭成员健康状况（HC3）同样在5%的水平上显著影响渔民务农方式减贫。渔民受教育水平（HC2）对迁移型方式减贫效应具有显著的影响，且通过了5%的显著性水平检验。自然资本：承包耕地面积（NC1）和拥有养殖塘口面积（NC2）均对渔民扩张型行为的减贫效应有显著作用，且在1%的水平上显著。退捕后渔民可通过承包耕地以种植农作物并附带果树、茶树、桑树等林果资源维持生计，提高作物产量的同时，也获得了更稳定的经营性收入。金融资本：退捕前渔民非农性收入占比（FC2）对退捕后渔民迁移型生计行为的减贫效应具有十分显著的影响。社会资本：退捕后与政府的联系程度（SC2）对渔民迁移型生计行为减贫效应有显著影响。退捕渔民可以在政府的帮助下加入村级互助小组或渔村自治组织，不仅在交流中提高对转业政策的认知程度，而且更容易获取政府发布的公益性岗位就业或自主创业信息。
②自组织能力影响。政府公共资源的可及程度（OA2）对渔民扩张型行为和迁移型行为减贫效应均具有显著的意义。如果政府能够进一步落实“退而有保”、逐步建立相应的支持政策体系，能使渔民更安心从业。对“打零工”型渔民，政府对其省内跨县域务工给予交通补贴，支持劳务输出；对巡查巡护类公益性岗位，可按照相关要求申请就业补助资金补贴，兜牢保障，促进转岗就业。
③学习能力影响。参与技术培训的积极性（LA1）对渔民扩张型行为和迁移型行为减贫效应均具有显著意义。渔民积极参与农业技能培训可以提升对先进技术设备的理解和应用能力，实现整体生产能力的提升。另外，与他人交流信息频率 （LA2）也对渔民迁移型生计行为减贫效应影响显著。
进一步分析发现，在扩张型和迁移型生计行为下，当以上指标值增加，无论渔民采取何种生计方式其相对贫困的概率均会减小。就自组织能力而言，政府公共资源的可及程度（OA2）每增加一个单位，两种生计行为下因变量取Y=1的概率降低的水平基本相当，但迁移型生计行为下因变量取Y=3的概率低于扩张型生计行为，说明政府公共资源可及对扩张型行为减贫的边际效应大于迁移型行为。学习能力中参与技术培训积极性（LA1）的边际效应与前者一致，其原因可能是，农业生产经营易遭受健康、市场、自然风险的影响，退捕后渔民没有足够能力应对冲击，更需要文化教育支持、技术推广指导与市场拓展服务以稳定经营性收入。缓冲能力下，扩张型生计方式减贫效应需要较大的自然资本和人力资本支持。迁移型生计行为减贫效应更依赖渔民金融资本和社会资本禀赋。此外，控制变量中家庭抚养比（X3）对渔民两种生计行为减贫效应均在10%水平上影响显著，住址距市集村镇便捷度（X4）的边际效应则在迁移型生计行为下较大。

3.3 内生性处理及稳健性检验

生计恢复力与退捕渔民生计行为减贫效应之间可能存在反向因果。为缓解这一内生性问题可能对基准回归结果带来的偏误，本文选择“同一退捕渔村其他渔民生计恢复力的均值”作为工具变量。结果显示，Cragg-Donald Wald F统计量大于10%临界值，表明通过了弱工具变量检验；Kleibergen-Paaprk LM统计量在1%的水平上显著，满足工具变量可识别性。此外，两阶段回归结果显示，生计恢复力对退捕渔民不同生计行为下相对贫困程度的影响在1%的统计水平上显著，且系数为-0.4215，表明生计恢复力显著缓解了长江退捕渔民不同生计行为的相对贫困程度，说明基准模型结果具有一定稳健性，也验证生计恢复力与退捕渔民生计行为减贫效应之间可能存在的反向因果关系不会导致回归结果出现明显偏误。
本文主要通过更换基准回归模型和被解释变量权重估计两种方式进行稳健性检验。首先，重新运用Probit模型进行回归。从回归结果看，不论退捕渔民采取扩张型生计行为或者迁移型生计行为，生计恢复力对退捕渔民减贫效应的影响依然显著，表明前文基准回归结果较为稳健。其次，为检验基准回归结果是否受到被解释变量等权重赋予方式的影响，本文采取CRITIC赋值法和BP神经网络重新赋权多维相对贫困指数测度。结果发现生计恢复力对长江退捕渔民不同生计行为下相对贫困影响同样在1%的水平上显著，且系数为负，再次表明基准回归结果是稳健的。

3.4 影响因素层级结构分析

边际效应分析得出不同维度下分别有6个影响因素通过了显著性检验，下文运用ISM方法进一步对不同维度下各影响因素间的层级结构进行划分。连接各层级分别得到渔民扩张型（图2）和迁移型（图3）生计行为减贫效应的显性影响因素层次关系图。
图3 迁移型生计行为减贫效应显性影响因素层次关系

Fig.3 Hierarchical relationship diagram of explicit influencing factors on poverty alleviation effect through stepping-out behavior

无论是扩张型或迁移型生计选择是渔民个体行为，来源于心理变化，且生计行为根据外部环境变化有相应的反应结果。本文运用SOR理论对ISM结果进行解释：表层直接因素，作为渔民反应直接影响其不同生计行为减贫效应；中间层间接因素，作为机体传导通过影响表层因素起间接影响作用；深层根源因素，作为渔民自身禀赋基础（刺激）从根源上影响中间层间接因素（机体）和表层直接因素（反应）也起间接影响作用。
①扩张型生计行为减贫效应的深层根源因素为承包耕地面积、拥有养殖塘口面积、家庭成员健康状况。三者表现为渔民个体资源禀赋的激励。当扩张型生计行为减贫效应不明显时，其深层根源因素可能是渔民水上作业时有患病及家庭式小规模生产的自身禀赋决定的。而迁移型生计行为减贫效应表现为“刺激”的深层根源因素是退捕前渔民非农收入占比和渔民受教育水平。其中非农收入占比大说明渔民退捕前对非农型生计熟悉度较高，而知识水平高易于渔民利用外部环境创造就业机会。
②扩张型生计行为减贫效应的中层间接因素为家庭劳动力数量和政府公共资源的可及度。二者表现为渔民个体的内在状态变化，即SOR所指的机体。未充分的社会政策和兜底保障可能会使渔民减少技术培训投资，在自然风险干扰下，可能对渔民收入和自我发展产生负面影响。迁移型行为减贫效应的中层间接因素主要通过政府支持与网络联结呈现。
③扩张型生计行为减贫效应的表层直接因素为渔民参与技术培训积极性。表现为渔民接受刺激并通过中介感知传导后做出的行为决策，即SOR所指的反应。政府农技推广能够帮助渔民获得技术信息，增进知识积累，有效减少“信息不对称”。而在迁移型生计行为相对陌生的现实情况下，信息共享式的邻里互动是渔民交流经验和沟通想法的渠道，除学习生存技能外，社会技能的培养为渔民生计行为减贫效应输入持续动能。

3.5 退捕渔民生计行为减贫效应影响因子MICMAC分析

MICMAC方法主要基于可达矩阵M1和M2，对ISM模型中各因子的依赖性值与驱动力值进行计算。由图4可知，MICMAC分析结果依据各因子的依赖性和驱动力值，将其划入不同影响簇，以进一步明晰各显著因子对渔民生计行为减贫效应的驱动机理。
图4 扩张型和迁移型生计行为减贫效应MICMAC分析

Fig.4 MICMAC analysis diagram of the poverty alleviation effects of stepping-up and stepping-out livelihood behavior

①自主簇因子分析。这一象限内因子依赖性和驱动力均较弱。图4a中的自主簇包含NC1和HC1两个因子，表明扩张型生计行为减贫效应中，承包耕地面积和家庭劳动力数量具有稳定性。它们的作用更多体现在提高适应能力和促进渔民长期可持续发展上。迁移型生计行为减贫效应中，LA1、LA2和SC2被归类为自主因素，说明三者支持功能相对独立。
②依赖簇因子分析。这一象限内因子具有强依赖性、低驱动力的特征。图4a分析将OA2归于依赖簇，且依赖性较明显，反映出政府公共资源需要关注短期内被破坏式制度创新替代了既有生计方式的渔民群体，确保政府配套政策能够增强渔民家庭韧性。图4b中的依赖簇包含HC2和FC2两个因子，ISM分析结果表明两个因子具有较强的系统内影响力，但其实现和效果也容易受其他因子影响。在MICMAC分析中两者效用发挥高度依赖于其他因子的状态。
③联系簇因子分析。该象限内因子具有强依赖性、高驱动力的特征。本文所有显著影响因子均不隶属联系簇，表明渔民生计行为减贫效应影响因子系统中均不存在明显的中心节点。反映了渔民不同生计行为减贫效应系统较为稳定全面，不能仅通过完成某一中心任务一蹴而就。
④独立簇因子分析。这一象限内因子具有弱依赖性、高驱动力的特征。图4a中因子NC2和HC3的驱动力较强，反映了推进渔村医共体建设和逐步完善水产养殖渔业技术体系是抵御健康和自然风险、提高渔民自身生计韧性的核心推力。图4b显示政府公共资源的可及程度（OA2）是独立因素，对系统内其他因子有较强的影响力。即政府一方面坚持壮大产业发展以促进务工返乡人员就业转化，另一方面坚持通过以工代赈、公益巡护岗位扶持半（弱）劳动力渔民保障型就业，以缓解退捕渔民相对贫困。

4 结论与讨论

4.1 结论

本文以长江流域湖北、湖南和江苏3省14个县域的退捕渔民为研究对象，构建退捕渔民多维相对贫困指标体系，测算其相对贫困程度，并实证检验了生计恢复力对不同生计行为退捕渔民相对贫困的影响。研究结论如下：①退捕渔民生计恢复力能够有效缓解扩张型和迁移型生计行为下的相对贫困，即对退捕渔民生计行为减贫效应有显著影响。②不同禀赋特征对退捕渔民减贫效应的影响具有异质性。影响显著的自组织能力和学习能力指标对扩张型行为减贫的边际效应高于迁移型生计行为。③生计恢复力下各显著性因素对退捕渔民不同生计行为减贫效应既有独立的影响路径，同时还相互关联对退捕渔民生计行为减贫效应形成间接的影响机制。

4.2 启示

根据上述结论，本文得出如下启示：
①“公共服务”与“能力建设”两种路径合力实现渔民“退而有保”。从公共服务看，政府需关注渔村弱势群体的贫困状况，建立相应的支持政策体系以提高渔民家庭复原力；通过推进耕地流转整治和养殖塘口建设、保障种植养殖技能入户和完善基层医疗服务系统等措施提高其生计恢复力。针对迁移型生计渔民，不仅需政府与社会组织、企业协力创造就业机会，提振退捕渔民转业信心，更要考虑代际转型，比如设立长江渔业转型基金、建立“职业渔政员”终身培养体系等。从能力建设角度讲，一方面要基于本地资源优势、坚持市场导向发展特色生产、提高产业和就业扶持有效性；另一方面政策注意力应集中于新型业态的技能培训与引导，在强化经营产业相关技术、信息等供给上，增强渔民适应和市场预判能力，避免错配。
②“激发长板”与“外化资本”两种策略全力实现渔民“退而能稳”。首先，应寻找并激发长板生计资本。如扩张型生计渔民可以在农地基础设施灌溉、土地肥力及平整度等方面采取措施帮助渔民减轻劳作成本和生产压力；而迁移型生计渔民，可引导金融机构对渔村弱势群体建立3~5年的务工专项补贴或创业无息低息贷款。其次，人力资本与社会资本属于隐性资本，需要刺激其潜力实现资本外化。应充分发挥多类补偿政策的乘数效应，如借助互联网渠道开展数字教学推广、自付支出困难时及时给予救助等支持人力资本开发，使人力资本能够外化为知识和技术实现渔民长效减贫。
③“家庭融合”与“数字信息”两种媒介聚力实现渔民“退而致富”。一方面，扩张型和迁移型生计行为更多依托亲缘和地缘关系实现再就业，政府要引导塑造渔村文明乡风和营造和谐家庭氛围，促使渔民获得资源服务以缓解供需不匹配的矛盾。另一方面，政府除强化基础设施和精细信息供给服务外，应充分释放数字素养在渔民群体发展、收入提升和生活环境质量改善中分享红利的驱动能力。对于已具备一定数字素养的渔民，如中青年渔民学习数字声呐鱼群分析技术、“95后”渔三代倾向成为“数字渔政”技术员等现象，则鼓励其发挥“头雁效应”；同时通过重视人力资源开发和构筑多层次帮扶体系，补齐社会边缘群体（如老年渔民）的数字素养短板。

4.3 讨论

本文以生计恢复力理论为基础，在扩展传统可持续生计分析（SLA）框架的基础上，对长江退捕渔民不同生计行为减贫效应的影响因子、边际大小、作用路径、形成机理进行分析。从整体上看，研究重点主要集中在退捕渔民生计行为减贫效应的因子系统构建和机理路径梳理上，对不同文化和地域背景的渔民的纵深分析还需进一步关注。因此，基于因子的具体实施逻辑和指标设计，更为微观地对退捕渔民生计行为减贫效应进行动态环境跟踪研究，应成为未来的重要课题。

感谢上海海洋大学长江水域生态保护战略研究中心陈廷贵老师、高小玲老师的相关调研数据支持。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Liu W, Li J, Ren L, et al. Exploring livelihood resilience and its impact on livelihood strategy in rural China[J]. Social Indicators Research, 2020, 150(3):977-998.

[2]
卜诗洁, 卓玛措. 可持续生计方法与生计恢复力分析方法的比较[J]. 地球科学进展, 2021, 36(11):1127-1136.

[3]
Daniel D, Sutherland M, Speranza C I. The role of tenure documents for livelihood resilience in Trinidad and Tobago[J]. Land Use Policy, 2019(87):104008.

[4]
Lecegui A, Olaizola A M, López-i-Gelats F, et al. Implementing the livelihood resilience framework:An indicator-based model for assessing mountain pastoral farming systems[J]. Agricultural Systems, 2022,199:103405.

[5]
Fachrista I A, Suryantini A. Livelihood resilience of vegetable farmers:Efficacy of organic farming in dealing with climate change in Java,Indonesia[J]. Applied Ecology and Environmental Research, 2019, 17(5):11209-11232.

[6]
Reddy A A, Bhattacharya A, Reddy S V, et al. Farmers' distress index:An approach for an action plan to reduce vulnerability in the dry lands of India[J]. Land, 2021, 10(11):1236.

[7]
张宸嘉, 方一平, 陈秀娟. 基于文献计量的国内可持续生计研究进展分析[J]. 地球科学进展, 2018, 33(9):969-982.

[8]
Hoq M S, Raha S K, Hossain M I. Livelihood vulnerability to flood hazard:Understanding from the flood-prone Haor ecosystem of Bangladesh[J]. Environmental Management, 2021, 67(3):532-552.

[9]
何艳冰, 张娟, 乔旭宁, 等. 精准扶贫背景下贫困山区农户生计恢复力研究——以河南秦巴山片区为例[J]. 干旱区资源与环境, 2020, 34(9):53-59.

[10]
Xie C, Dai B, Wu J, et al. Initial recovery of fish faunas following the implementation of pen-culture and fishing bans in floodplain lakes along the Yangtze River[J]. Journal of Environmental Management, 2022,319:115743.

[11]
叶文丽, 王银, 闵典, 等. 生态脆弱区农户生计恢复力与多维贫困脱钩关系时空演变规律——以陕西省佳县为例[J]. 干旱区资源与环境, 2021, 35(10):7-15.

[12]
赵旭, 向恒星, 赵菲菲. 长江流域生态退捕渔民的生计脆弱性评价及生计风险预测[J]. 生态学报, 2024, 44(5):1-15.

[13]
庞洁, 陈洁, 白珊珊. 长江退捕渔民的生计风险与应对策略选择研究[J]. 长江流域资源与环境, 2024, 33(3):658-669.

[14]
汪文雄, 兰愿亲, 余利红, 等. 农户生计资本禀赋对不同模式农地整治增收脱贫的影响——以湖北恩施和贵州毕节为例[J]. 中国土地科学, 2020, 34(4):86-94.

[15]
张超正, 杨钢桥. 农地整治何以促进农户收入增加——基于整治模式和地貌类型的异质分析[J]. 自然资源学报, 2021, 36(12):3114-3130.

[16]
何羽丰, 陈廷贵, 刘子飞, 等. 长江禁捕补偿政策对渔户生计的影响——以长江中下游为例[J]. 长江流域资源与环境, 2023, 32(2):311-323.

[17]
刘利娟, 陈海滨, 邵砾群. 草原补奖是否促进了牧户增收与收入多样化?——基于青海省微观调研数据[J]. 干旱区资源与环境, 2023, 37(3):42-47.

[18]
陈廷贵, 刘芳, 杨杨. 长江流域禁捕生态补偿政策绩效评价及影响因素分析——以湖北和贵州为例[J]. 自然资源学报, 2021, 36(12):3144-3155.

[19]
Quandt A. Measuring livelihood resilience:The household livelihood resilience approach(HLRA)[J]. World Development, 2018,107:253-263.

[20]
杨杨, 汪雪铭, 陈廷贵. 长江禁捕典型省域渔民生态种养采纳意愿及其驱动路径研究[J]. 中国环境管理, 2023, 15(5):107-116.

[21]
Lucock X, Woodford K, Li X. Sustainable land use and livelihood dynamics in Henan county on the Qinghai-Tibet Plateau:A transdisciplinary systems perspective[J]. Sustainability, 2022, 14(13):7785.

[22]
Dorward A, Anderson S, Bernal Y, et al. Hanging in,stepping up and stepping out:Livelihood aspirations and strategies of the poor[J]. Development in Practice, 2009,19:240-247.

[23]
Islam M M, Sarker M A, Mamun A I, et al. Stepping up versus stepping out:On the outcomesand drivers of two alternative climate change adaptation strategies of smallholders[J]. World Development, 2021,148:105671.

[24]
He X, Yan J, Yang L, et al. Linking smallholders' livelihood resilience with their adaptation strategies to climate impacts:insights from the Tibetan Plateau[J]. Ecology and Society, 2024, 29(2):7. https://doi.org/10.5751/ES-14639-290207.

[25]
宋嘉豪, 吴海涛, 程威特. 劳动力禀赋、非农就业与相对贫困[J]. 华中农业大学学报(社会科学版), 2022(1):64-74.

[26]
刘格格, 周玉玺, 葛颜祥. 多样化生态补偿有助于缓解生态保护红线区农户相对贫困吗[J]. 中国农村观察, 2023(6):161-180.

[27]
胡作涛, 赵雪雁. 脱贫山区农户的生计恢复力对其主观福祉的影响——以陇南山区为例[J/OL]. 人文地理,1-11[2025-05-03].

[28]
高小玲, 王璐瑶, 晋洪涛, 等. 变革与适应:十年禁渔制度下长江退捕渔民灵活就业研究[J]. 农业技术经济, 2025(3):106-125.

[29]
王银, 叶文丽, 吴孔森, 等. 生态脆弱区乡村建设水平对农户生计恢复力的影响——以黄土高原佳县为例[J]. 经济地理, 2023, 43(2):181-189.

[30]
贾亚娟, 张新奇. 环境认知、感知利益对消费者参与快递包装分类回收意愿与行为悖离的影响[J]. 资源科学, 2022, 44(10):2060-2073.

[31]
汪熠杰, 吕宛青, 普蔚, 等. 乡村振兴背景下民族地区乡村旅游优化路径与机理——基于丽江甲子村调研的解释结构模型分析[J]. 旅游学刊, 2024, 39(12):104-120.

Options
文章导航

/

〈 〉