调查农户人均收入、贫困发生率和贫困深度。贫困的测量采用经典的FGT贫困测量公式。采用国家贫困线为标准进行分析，2000、2002、2004和2007年贫困标准分别为625、627、668和727元；同时期全国农村贫困发生率分别为3.5%、3.0%、2.8%和2.1%。调查农户中无论是采用户还是非采用户，贫困发生率都远高于全国水平。2000年非采用户中有46.3%的农户处于贫困线以下，到2002年还有31.5%的贫困农户。

　　长期以来，滇西南少数民族贫困地区的农业生产方式比较落后。一些地方直到现在仍然实行刀耕火种的生产方式。1990年代以来，当地开始推动作物改良品种的采用和现代的生产管理活动。以改良陆稻技术为重要内容之一的系列扶贫项目和技术推广项目的落实带来了作物产量的极大提高和农户收入的显著提升。调查农户的收入水平在4个研究年份中有较大提高，3个贫困测量指标也都显示了两组农户的贫困状况得到了极大缓解。

　　改良陆稻技术采用户和非采用户的收入水平存在较大差别，采用户收入明显高于非采用户。利用简单描述统计的方法，在2000、2002、2004和2007年，采用户收入分别是非采用户的1.79、1.49、1.27和1.26倍。可以推断，改良陆稻技术促进了农户贫困缓解和收入水平提高。但是，将采用户和非采用户收入进行简单比较只能反映出一种现象，不能说明两者之间的因果关系。到底是改良陆稻技术采用导致了农户收入提高，还是收入水平高的农户更倾向于采用改良陆稻技术呢？本文以下部分引入倾向得分匹配法来评估改良陆稻技术对农户收入的直接效应。

　　2.3变量选择及模型估算结果

　　农户调查在2000、2002和2004年都有较大样本量，用于进行基于倾向得分匹配法的计量分析，以考察3个时间段内改良陆稻技术采用效应的变化。2007年样本量偏小容易引起匹配不当，本文不做倾向得分匹配估算和分析，而主要用于对计量分析基本发现的讨论。

　　采用Probit模型，通过逐步引进农户家庭特征变量进行倾向得分估算，检查技术采用户和非采用户倾向得分平衡性以及模型的Pseudo-R2值，选择满足平衡性要求且Pseudo-R2值最大的变量组合用于最终倾向得分估算。表3列出了变量选择最终结果和Probit模型估算结果。由于3个调查年份时间间隔不太长，模型变量选择结果比较一致。用于倾向得分估算的特征变量有：家庭大小、户主年龄、户主性别、户主教育程度、劳动力比重、土地构成（土地面积、台地面积比重、水田比重等）、牲畜数量、到最近市场的距离、所在地的海拔高度、所在村是否有改良陆稻技术推广项目、所在县等。

　　Probit模型估算的Pseudo-R2值在2000、2002和2004年分别为0.312、0.346和0.331，变量的选择满足平衡性要求。在控制县域变量情况下，Probit模型估算说明了各变量对于农户改良陆稻技术采用的影响。从具有显著性影响的变量看，在3个调查年份里，农户劳动力比重越小，采用改良陆稻技术的可能性越大；农户耕地面积越大越可能采用改良陆稻技术；农户台地比重越高采用改良陆稻技术的可能性越大；农户水田比重越高采用改良陆稻技术的可能性越小。农户到市场距离越远越可能采用改良陆稻技术，该结论和Pandey等[23]对越南北部山区研究结论不同，他认为农户离市场距离越近越可能采用改良陆稻。本文对此的解释是滇西南市场条件的改善推动了经济作物的发展，作为口粮的陆稻发展受到了限制，这是一个值得深入研究的问题。居住在低海拔地区农户越可能采用改良陆稻技术；有改良陆稻推广项目村的农户采用改良陆稻技术的可能性越大。

　　2.4检测匹配的质量

　　3个衡量匹配质量的指标在采用不同匹配法进行匹配前后的变化。匹配前后农户的得分密度分布进一步直观地显示了匹配前后的效果。

　　在匹配前，2000年所有观测变量的平均标准偏差为31.7，2002年为31.8，2004年为25.9。通过不同方法进行匹配后，平均标准偏差都有不同程度减小。最近邻居法匹配后，观测变量仍然有较高的平均标准偏差，2000、2002和2004年分别为15.8、18.6和22.0；当采用Caliper法后，匹配质量大幅度提高，例如设置0.01刻度卡钳时，3个研究年份的平均标准偏差分别下降到了6.9、6.8和7.8，这说明匹配过程能够很好地平衡采用户和非采用户的特征。

　　匹配前3个研究年份的变量均值的t统计结果分别为58.5、63.2和53.6。在利用不同方法进行匹配后t值均有不同程度的下降。t值越小，说明匹配后采用户和非采用户的变量均值的差异越小，匹配效果越好。

　　因此，Caliper法和Kernel法的匹配效果要优于有替换和无替换的最近邻居法。

　　通过不同方法匹配后重新估算PseudoR2值并与匹配前进行比较，PseudoR2值均有不同程度下降。采用Caliper法和Kernel法匹配后的PseudoR2值非常小，这说明匹配后变量在采用户和非采用户的分布没有系统差异。

　　2.5改良陆稻技术采用对农户收入的效应

　　利用不同匹配法计算改良陆稻技术采用对农户收入的效应（对数形式），第一，利用Bootstrapping法检测技术效应的统计显著性和标准误，结果表明无论采用哪一种匹配法，3个调查年份里改良陆稻技术采用对农户收入都表现出显著的正向效应（1%水平显著）。第二，从不同的考察年份来看，采用同一种方法估算的效应，在2000、2002和2004年3个考察年份呈现出下降趋势。第三，在同一个考察年份里，采用不同的匹配法所计算的效应是有差别的。

　　对效应进行对数转换，得到改良陆稻技术采用对农户收入的实际效应，结果见表6。如前所述，不同的匹配法所计算的效应在同一个考察年份里是有差别的，其主要原因是不同匹配算法产生了不同的共同支撑区域，导致技术采用户和非采用户匹配上的差异。可以将不同匹配算法得到的效应进行平均，得到平均效应，以便与一般描述统计方法的效应估算结果进行比较。不同匹配算法的平均效应在2000、2002和2004年分别为1.49、1.34和1.23。利用一般描述统计方法得到的效应在相应的年份里分别为1.79、1.49和1.27。一般描述统计方法高估了技术采用的效应。

　　倾向得分匹配法将技术采用因素从其它影响农户收入因素中独立出来，以考察其对农户收入的影响，结果具有更高的可信度。

　　2.6不同得分匹配算法对效应评估结果的影响

　　分别采用最近邻居法（无替换）、Caliper法（卡钳刻度分别为0.01、0.1、0.5）以及Kernel法估算技术采用对收入的效应。不同方法估算的效应方向和趋势是一致的，但其结果是有差异的。以2004年为例，采用Kernel法估算技术采用对收入的效应为0.246，而Caliper=0.5法估算结果为0.139。产生这种差异的主要原因是，不同匹配算法产生了不同的共同支撑区域，致使匹配样本不同程度的损失，导致在不同的匹配算法下采用户选择不同非采用户进行了匹配。列出了不同匹配法在共同支撑区域导致采用户数的损失，结果显示最近邻居法由于非采用户可以多次参与匹配，采用户损失最少，在2002年只有5.03%的农户损失；其次损失较少的是Kernel法。当给无替换最近邻居设置一个匹配的刻度范围（即Caliper法匹配）时，大量的农户会在匹配中损失。设置的刻度范围越小，农户损失就会越多，从而导致估算结果的代表性减弱。

　　3、讨论

　　农业技术采用和农户收入之间的关系是复杂的。一般认为现代农业技术扩散会增加农户收入，但是，在具有不同自然和社会经济特征的农村地区（例如高海拔和小气候的滇西南山区），应该对农业技术采用的效应进行评估以分析其对农户收入的影响。一项农业技术推广与采用的失败很可能加重那些极端脆弱农户的贫困深度。本文采用倾向得分匹配法评估改良陆稻技术采用对农户收入的效应，分析发现，改良陆稻技术采用对农户收入的增加具有稳健的正向效应。然而，随着农户采用改良陆稻技术时间的推移，其对收入增加的效应会逐渐减弱。

　　关于改良陆稻技术采用对农户收入增加的效应逐渐减弱的结论，还可以从2007年农户数据得到进一步证实。课题组2007年对前几轮调查农户进行了部分回访，收集了农户调查数据。利用倾向得分匹配法分析改良陆稻技术采用的效应，5种匹配法估算的平均效应为1.08。结合本文2.5小节利用该方法对3个考察期内改良陆稻技术的效应分析结果可以看出，尽管2007年样本量较小会影响其效应估算的精确性，但是可以看出：在一个较长时期内改良陆稻技术对农户收入的效应是递减的。

　　利用倾向得分匹配法对技术效应的评估有别于利用描述性统计分析的结果。第一，两种分析方法所考察的技术效应递减在趋势上存在差别。从本文2.2小节对改良陆稻技术采用户和非采用户收入比较的描述性统计分析发现，采用户收入与非采用户收入的差异（倍数）在2000、2002和2004年3个考察年间呈现出较大的下降趋势（从1.79到1.49再到1.27）；而利用倾向得分匹配法的分析则能看出改良陆稻技术采用效应缓慢的递减趋势（从1.49到1.34再到1.23）。第二，通常的描述性统计分析会高估技术采用对农户收入的效应。