研究

利用贝叶斯网络评估生计脆弱性:老挝北部的案例研究

• 摘要
• 简介
• 方法
  • 生计脆弱性的运作化
  • 案例研究领域和数据收集
  • 家庭脆弱性的贝叶斯网络模型
• 结果
  • 案例研究区域比较
  • 橡胶价格与水稻产量的影响
  • 多元化的影响
• 讨论和结论
  • 经济作物对农业收入的影响
  • 多元化的影响
  • 水稻充足性的影响
  • 这种方法的局限性和生计脆弱性的更广泛方面
• 对本文的回应
• 致谢
• 文献引用

介绍

近几十年来，随着农业商品生产的增加，自给农业(包括轮作耕作)逐渐减少(Pingali 2010, van Vliet et al. 2012)。这一趋势是全球社会-生态转型的一部分^[1]在农村地区，这意味着农业的扩张和集约化，并经常伴随着市场一体化、城市化、移民和监管变化(De Koninck 2004)。这种农业转型经常发生在农业前沿，因为出口导向的集约农业已经扩展到以前用于自给和低强度农业的地区(Hirsch 2009, van Vliet等人2013,Llopis等人2020,Zaehringer等人2020)。

从自给自足到以市场为导向的经济作物生产的转变经常会提高农业收入(de Janvry和Sadoulet 2010, Vang Rasmussen等人2018)，但财富分配问题和投入成本的上升可能会侵蚀收入收益(von Braun 1995)。农民还可能面临生态系统服务供应减少、土地获取不安全、流离失所和粮食不安全的问题(Wood等人2013年，Dressler等人2017年，Heinimann等人2017年)。这种转变增加了家庭在经济上对波动的作物市场的依赖，并经常降低农场层面的多样化(Pingali和Rosegrant 1995, Pingali等人2005,Joshi等人2007)，这两者都会降低农业生产对产量和市场冲击的弹性(Di Falco和Chavas 2008, Lin 2011, de Roest等人2018)。

最近的农业转型凸显出以经济作物生产部分或全部取代自给农业可能对生计造成的一些负面影响。在20世纪80年代和90年代投资于单一种植咖啡种植园的越南小农经历了重大的经济困难，当时咖啡价格在21世纪初暴跌(Meyfroidt et al. 2013)。在老挝北部，玉米单作的扩张给小农家庭带来了债务，造成了土壤污染和侵蚀，并损害了粮食供应和安全(Ornetsmüller et al. 2018)。2016年，中国和越南多元化程度较低的豆蔻种植户极易遭受歉收(Rousseau et al. 2019)。然而，以生存为基础的生计也容易受到外源冲击的影响，如极端天气事件和害虫(Morton 2007, Harvey et al. 2014);在这里，缺乏市场准入可能导致贫困陷阱(联合国开发计划署2001年，Christiaensen和Subbarao 2005年，Barrett 2008年)。所有这些问题都提出了农业转型对农民生计脆弱性影响的问题。

生计可以被定义为“谋生手段”(Chambers and Conway 1992)，或者更狭义地说，满足消费和经济必需品(Long 1997)，而脆弱性可以被定义为因暴露于压力和缺乏适应能力而受到伤害的易感性(Luers et al. 2003, Adger 2006)。因此，生计脆弱性表示失去谋生手段的易感性或概率，它是衡量家庭长期福祉的相关指标(Günther和Harttgen 2009)。生计脆弱性是根据生计需求、能力、获取资源和资本的途径(Sen 1984, Chambers和Conway 1992, Ribot和Peluso 2003)、对灾害或冲击的暴露和敏感性以及适应能力(Luers等人2003,Adger 2006)或以上指标(例如，Hahn等人2009)进行评估的。在发展经济学中，生计脆弱性经常基于家庭消费的概率分布进行量化(如Christiaensen和Subbarao 2005, Imai et al. 2011)，其方差由外生冲击的严重程度和频率以及家庭的应对机制决定(Kamanou和Morduch 2002, Günther和Harttgen 2009)。除了家庭消费，还可以使用其他幸福指标，包括资产、健康状况或收入(Cissé和Barrett 2018)。

在这里，我们将家庭生计脆弱性定义为低于收入阈值的概率。我们提出使用贝叶斯网络(BN)模型来计算收入分配，并量化落在这一阈值下的概率。我们在老挝北部的两个处于农业转型不同阶段的案例研究区(csa)展示了这一方法的实施，从而代表了农业前沿演变的不同阶段(Pacheco 2012)。由于两个csa的生计大多以农业生产为基础，为了明确评估经济作物生产和粮食充足性的影响，我们特别关注家庭农业生产收入。我们使用BN来评估土地组合、水稻充足性和土地持有对农业生产净收入的影响，以及低于收入阈值的可能性。我们进一步探讨了农业收入对作物价格和产量冲击的敏感性。

在BNs中，变量被表示为概率分布，并通过定向因果关系或依赖关系联系在一起(Kjaerulff和Madsen 2013)。这允许在确定联合概率分布时明确传播可变性和不确定性(Marcot等人，2006年)，这使得BNs在处理不同的变化来源时很有用(Uusitalo 2007, Stritih等人，2019)。为了建立和参数化BN，我们进行了住户调查和与村民、政府部门和行业利益相关者的访谈。为了评估价格和收益率冲击的影响，我们将数据中的外生成分与其他来源的可变性和不确定性分开。使用BNs和联合概率分布来量化脆弱性在其他领域也很常见，例如在工程领域(Nielson和DesRoches 2007, Goharian等人2018)、信息学领域(Liu和Man 2005)或自然灾害领域(Maity等人2013)。据我们所知，该方法尚未应用于生计脆弱性的评估。

方法

生计脆弱性的运作化

社会-生态脆弱性有外部和内部组成部分(Chambers 1989;表1)，其中外部成分反映了暴露于压力，即压力源的大小和频率。内部组件反映了系统的灵敏度^[２]对压力(由压力源引起的变化幅度)、系统的恢复力(其应对和适应压力的能力)，以及与损害阈值相比其结果和控制变量的状态(Luers et al. 2003, Walker et al. 2010)。

生计脆弱性可以量化为家庭幸福指数在某一阈值下的概率(Cissé和Barrett 2018)。这个概率是阈值左侧的概率密度曲线下的面积，由均值、方差(即第一和第二矩)和概率分布的形状给出。因此，脆弱性随着方差的增加或平均值的降低而增加(图1)。在倾斜分布中，收入中值比平均值更合适(Birdsall and Meyer, 2015)。在生计脆弱性评估中经常使用的福祉衡量标准是家庭消费(例如，Kamanou和Morduch 2002, Christiaensen和Subbarao 2005, Günther和Harttgen 2009)。在这项研究中，我们提出了另一种衡量脆弱性的方法，即家庭净收入，它反映了家庭的收入流、支出和储蓄能力。因此，我们将生计脆弱性定义为家庭净收入低于某一阈值的概率。

我们用零净收入作为门槛，反映了一个家庭被迫借贷或出售资产的情况。这个阈值还允许不同区域之间的可比性。然而，收入的概率表示法使评估处于任何阈值以下的概率成为可能。可以选择其他的阈值来更好地反映当地的贫困水平，例如购买力平价(PPP)指数(Banerjee和Duflo 2007)或多维贫困指数(MPI;阿尔凯尔和桑托斯，2014)。

我们建议使用BN模型来估计收入分配。由于bn在关联变量之间传播不确定性和可变性，因此所得的收入分配反映了模型中包括的所有参数的可变性，如收益率和价格可变性，或家庭之间的可变性。生计脆弱性的这种操作化直接或间接地解决了社会-生态脆弱性的几个组成部分(表1)。通过将收入流和相关参数(如作物价格和产量)表示为概率分布，BN模型明确地解决了压力源的频率和强度。结果变量(例如，家庭净收入)对压力源的敏感性隐含在模型的参数化中，可以通过进行敏感性分析明确地评估。结果变量相对于损伤阈值的状态被明确建模。控制变量，如土壤质量，通过反映它们对其他变量(如产量)的影响来含蓄地解决;或者，它们可以显式地添加到BN中。然而，这种方法并没有解决社会-生态脆弱性的一些重要因素，例如适应能力或学习能力。

由于在分析的csa中，农业是主要的生计活动，而我们的重点是农业转型的影响，因此我们将分析限制在农业生产净收入上，包括经济作物销售收入和用于家庭消费的大米净采购收入。农业生产净收入为零的门槛反映了一个家庭无法通过销售经济作物满足其大米消费需求的可能性。

因此，我们将家庭生计脆弱性的定义(如图1所示)与本文的方法实施(限于农业生产净收入)进行了区分。本文所开发的BN模型并未涉及全面量化生计脆弱性所必需的其他重要家庭收入流和支出，如工资、除大米以外的家庭支出(如化肥成本、其他食品、服装、教育)，或与特殊冲击相关的支出(如健康冲击)。它也没有解决应对机制，如借款、汇款、保险或资产出售(图2)，或收入之外更广泛的脆弱性问题。

案例研究领域和数据收集

两个csa, Oudomsin和Prang^[3]位于老挝北部的琅南塔省，与中国南部的云南省西双版纳州接壤(图A1.1)。在大规模生产出口作物之前，家庭依赖于在低地水浇地种植水稻和在高海拔和高地坡地种植传统旱地水稻(也称为轮作、水耕或刀耕火种);农民还在当地市场出售多余的大米、棉花和其他作物。2017年，这两个地区仍基本实现了水稻自给自足(表A1.1)，尽管家庭间存在显著差异。

Oudomsin CSA(2005年种群数= 2950^[4]位于Sing区，距离中国边境大约3公里，沿着通往中国勐拉(Muang La)区的高速公路。出口作物生产始于20世纪90年代的甘蔗。橡胶种植园始于2003年左右，并在2004年至2008年间迅速扩张。2013-2017年前后，许多家庭将自己的稻田租给中国投资者，用于种植香蕉种植园(Friis and Nielsen 2016, 2017)。到2017年底，由于虫害等因素，香蕉种植园大多消失，取而代之的是甘蔗种植园。甘蔗种植园要么由家庭经营，要么经常租给其他村民^［5］．传统的旱稻生产已经被放弃，除了新改造的橡胶地块，那里的水稻可以间作3年。2017年平均家庭年收入为3900美元(范围:0 - 15000美元)，其中85%为农业收入，包括经济作物销售收入(57%)、牛销售收入(2%)和农业日工工资收入(26%)。这两个地区的非农收入主要来自手工业销售、建筑工作或经营便利店^[6]．在数据收集期间，汇款收入几乎可以忽略不计。平均农场面积为5.6公顷，包括4(范围:1-12)公顷橡胶，0.6(0-2)公顷水稻和0.9(0-4)公顷水稻土地转为经济作物。家庭牲畜(主要是水牛和猪)的平均价值为760美元。

Prang CSA(2005年人口= 1250^[7]位于距离中国磨丁边境约60公里处，位于连接泰国曼谷和中国昆明的高速公路沿线。从2000年代中期开始，发展组织和投资者引进了旱地经济作物，特别是橡胶和豆蔻(砂仁spp)。由于水田有限，许多普兰家庭仍在进行旱稻种植，旱地仍以轮作休耕为主(Junquera等，2020年)。与乌多姆辛家庭不同，Prang家庭没有将稻田转为经济作物种植，但人均稻田面积与乌多姆辛大致相同，因为后者在部分转为经济作物种植之前拥有更多的水稻(表A1.1)。与乌多姆辛相比，Prang家庭的旱地经济作物面积更少，收入更多样化，主要依靠养牛、豆蔻和橡胶。2017年平均家庭年收入为1100美元(范围:0-4500美元)，其中95%为农业收入，包括经济作物销售收入(72%)、牛销售收入(16%)和农业日工工资收入(7%)。平均规模为2.9公顷，其中橡胶1.1(0-3)公顷，豆蔻0.4(0-2)公顷，水稻0.5(0-1)公顷。家庭牲畜(主要是牛和猪)的平均价值为1500美元。

2016年10月至12月和2017年11月至1月共进行了110项住户调查。在Oudomsin CSA中选取的6个村庄中随机抽取10户(N = 60)^[8]和位于Prang CSA的所有5个村庄(N = 50)^[9]．该调查要求提供2017年12月的家庭社会经济状况信息，包括人数和劳动力;户主的年龄和受教育程度;农业和总收入;水稻生产;还有水牛，奶牛和猪的数量。调查还引出了家庭农业地块(n = 621)的地块级别信息，包括面积、位置、距离村庄的距离、坡度、土地使用历史(采用的年份和土地使用类型，从地块开始或获得)、产量和当年的经济作物价格(农场入门价格)和经济作物首次种植的年份(反映种植时的价格知识)。获得了47块水稻田(107块)和4块旱稻田(27块)的产量范围数据，代表了自2000年以来或作物首次种植以来农民目睹的最低和最高产量值。在每个村庄进行焦点小组调查，了解村庄历史和土地利用轨迹。采访对象包括三家橡胶公司、一家豆蔻投资公司以及区、省有关部门。

家庭脆弱性的贝叶斯网络模型

bn是一种概率模型，其变量通过依赖关系连接在一个非循环(无环)网络中。每个变量的信息内容用概率分布表示。一个变量的条件概率分布是根据(即条件)其“父”(入)变量的概率分布，根据贝叶斯定理将事件a在事件B条件下的概率联系为P(a |B) = P(B| a) × P(a) / P(B)。如果一个变量没有父母，因此不依赖于模型中的任何其他变量，它使用独立的概率分布参数化(Uusitalo 2007, Kjaerulff和Madsen 2013)。变量集合X上的联合概率分布₁, X₂,……X_n可以表示为

(1）

X_爸爸(我)X的父变量是什么_我．换句话说，BN的联合概率分布依赖于模型中所有变量的概率分布，但每个变量的概率分布仅根据其父母的概率分布计算，或作为无父母变量的独立概率分布(Kjaerulff和Madsen 2013)。如果一个变量的状态是已知的，那么该变量的信息内容可以设置为一个特定的值(即固定的或“实例化的”)，而不是指定该变量为一个概率分布。在bn中，当变量的信息内容被更新或实例化时，信息会向前和向后传播(图A1.3)。

该算法使用Netica软件实现^TM5.24版本，包括一个图形界面和用于贝叶斯推断的内置算法。Netica计算离散概率分布，即密度直方图。输出节点的直方图被导入到R统计语言和环境(R Core Team 2019)中，以使用该函数估计其分位数ApproxQuantile在HistogramTools包(斯托克利2015)。所有统计和回归分析均使用R。

BN结构

BN的结果变量是家庭净农业生产收入，包括来自现金作物销售和稻田土地租赁的收入，以及来自家庭净水稻生产的收入或支出。它不包括劳动工资和除大米以外的家庭开支(图2;图A1.2)。家庭净大米产量等于大米产量减去消费量，这是一个家庭规模的函数。经济作物收入包括销售橡胶和豆蔻的收入，这取决于地块大小、作物产量和作物价格，以及在水田上生产经济作物的收入(称为“水田租赁”，无论它是租的还是由家庭管理的)，这取决于地块大小和租赁价格。水稻生产包括水稻、旱稻和“其他”旱稻间作橡胶。水稻和旱稻的生产取决于农业面积和产量。水稻和旱稻产量分为调查中得出的观测产量和不包括测量误差(例如，调查中不准确报告的田块大小造成的误差)的实际产量变异性。农作物价格分为家庭支付或收到的当地价格和商品交易所的市场价格。

变量离散化

bn只能以有限的方式处理连续变量(Kjaerulff和Madsen 2013)，其实现需要将变量离散化为区间或状态。然而，变量离散化仅捕获原始分布的粗略特征(Uusitalo 2007)。我们将每个节点离散化，目的是通过最大化状态数，同时最小化低频率计数的状态数，从而尽可能地反映原始分布。

可变性和不确定性的来源

可变性代表一个种群在空间或时间上的多样性或异质性。不确定性，包括测量误差，是对变量真实值信息状态的一种度量(Anderson and Hattis 1999, Begg et al. 2014)。为了反映价格和产量可变性对生计脆弱性的影响，有必要将外生产量和价格冲击与其他可变性和不确定性来源隔离，这两者都有助于数据的可变性。

数据的可变性来源包括外源性冲击、CSA内的家庭和空间异质性、季节可变性、买方异质性和作物年龄。外生冲击可以是协变量(影响整个社区)、特殊变量(家庭或单位特有)，或者通常两者兼有(Günther和Harttgen 2009)。我们区分具有时间变异性的变量(如作物价格)、单位变异性或截面变异性(如家庭变量)，或两者兼有(如作物产量，随时间和农业地块的变化;不确定性的来源包括测量误差，尤其是与地块大小报告不准确有关的误差。表2显示了如何处理每个变量的可变性和不确定性。

BN参数化

变量使用(i)频率计数作为其概率分布的近似(Luers et al. 2003)， (ii)确定性方程作为父变量(s)的函数，或(iii)作为父变量(s)的函数的概率分布;Netica 2019)。在两个研究区域中，显示csa之间没有统计学显著差异的变量(作物产量和价格)的参数相同。表A1.2解释了如何参数化每个变量。

橡胶价格:购买者或贸易商向中国橡胶协会农民提供的橡胶价格受到中国橡胶市场价格的影响，橡胶市场价格每天通过价值链传递^[10]．銮南塔省投资和商务办公室(PICO)在一家中国橡胶公司的网站上监测橡胶市场价格，并使用换算(“挂钩”)系数0.42计算橡胶建议价格(Vongvisouk和Dwyer 2017:13)。这一因素在一定程度上反映了对乳胶水分、运输、储存和预处理成本的修正(Vongvisouk和Dwyer 2017)。

因为PICO价格是建议和反映，而不是影响，当地橡胶价格，这两个价格在BN中没有联系。相反，当地橡胶价格与中国橡胶市场价格挂钩。我们使用新加坡商品交易所(SCE) 1995 - 2017年的橡胶期货年平均价格(Indexmundi 2020)作为中国橡胶价格的代理，因为它们与2014 - 2018年上海商品交易所的橡胶价格非常相似(Quandl 2019;图3 a)。

给定中国橡胶市场价格，我们假设当地橡胶价格是正态分布的。在BN中，本地橡胶价格使用正态分布参数化，均值等于中国橡胶市场价格乘以0.42，标准差(SD)等于住户调查中得出的2017年本地橡胶价格的SD(图3B)。我们假设该SD与季节变化、运输方式、买方和其他因素相关，代表了任何一年的csa水平的价格变化。因此，BN中本地橡胶价格的变异性反映了给定年份的横截面本地价格变异性，以及18年期间国际橡胶市场价格的变异性。

系数0.42为以PICO价格为因变量、SCE价格为自变量的普通最小二乘(OLS)回归的回归系数(SD = 0.03;假定值< 0.001;R_邻接的= 0.92)。另一种选择是使用去趋势橡胶价格的OLS回归来解释数据中可能的自相关性和非平稳性(Podobnik和Stanley 2008)，这将产生0.46的系数(SD = 0.09;假定值< 0.001;R_邻接的= 0.65)。然而，由于我们在BN中反映了实际价格，而不是去趋势价格，并且回归系数0.42与文献中引用的挂钩因子相吻合，我们使用这个值。

豆蔻价格:使用与橡胶类似的方法参数化豆蔻的当地价格。但是，我们没有国际豆蔻市场价格数据。我们假设国际市场价格的时间变异性可以用当地年平均价格的时间变异性来近似。市场价格是通过对调查中获得的2008-2017年期间的平滑年度豆蔻价格数据进行频率计数来参数化的。我们使用平滑值而不是年平均值，因为在某些年份我们的值很少(例如，2017年n = 2)。使用自由度为df = 7的平滑样条(在时间序列中为10年)计算平滑值。采用正态分布对当地豆蔻价格进行参数化，均值等于市场价格，标准差等于调查中得出的2017年豆蔻价格的标准差。

米价:米价的参数化方法与橡胶相似。为了反映大米的市场价格，我们采用水稻年度生产者价格指数的频率统计方法^[11]2000-2016年(FAOSTAT 2020)。我们假设旱稻和水稻的价格变化是相同的，因为报告的市场价格通常不区分旱稻和水稻，而是区分糯稻和糯稻(例如，Loening 2011, Nolan 2016)。当地大米价格的参数使用一个正态分布，均值等于其市场价格乘以一个转换因子;标准差等于住户调查得出的2017年大米价格数据的SD。作为转换因子，我们使用2017年当地平均价格与2016年FAOSTAT价格指数之比1.46e-3，我们假设这是2017年价格指数的合理近似，因为我们的数据显示，当地大米价格在这两年中没有明显变化。为了确保一致性，在计算当地价格时只使用未去壳(即带壳)的大米价格，因为大多数(86%的家庭)出售的大米是未去壳的。销售的糙米(平均0.30美元/公斤，SD = 0.02)与购进的糙米(平均0.33美元/公斤，SD = 0.06)差异无统计学意义(t检验p值= 0.16)。因此，在BN大米价格是参数相同的销售和采购价格。在市场上购买大米的15户中，有8户购买了去壳(即白米)大米。虽然稻壳只占重量的20% (Andreevska和Simeonovska 2012)，但去壳大米的价格大约是未去壳大米的两倍(平均= 0.68美元/公斤，SD = 0.06)，这不仅反映了去壳过程，也反映了更昂贵的品种。 In fact, households that purchase hulled rice generally have higher incomes. Thus, the BN reflects conservative rice prices.

稻谷租赁价格:稻谷租赁价格是指将稻谷土地转换为香蕉或甘蔗种植园的收入，这些作物通常被出租出去，在某些情况下由家庭管理。稻谷租赁价格是参数化的，使用每公顷的收入频率计数，每公顷稻谷首次租赁以来，包括当香蕉投资者离开后没有产生收入和家庭没有时间在不到一年内转换为另一种作物。该变量呈三峰分布，峰值为零(反映无收入时期)，约为每公顷500美元(约为2017年甘蔗地块的土地回报)，约为每公顷2000美元(约为2013-2016年香蕉繁荣期间香蕉租赁土地的回报)。

橡胶和豆蔻产量:橡胶和豆蔻产量的参数是使用成熟树木(橡胶10年或以上，豆蔻3年或以上)的2017年产量数据的频率计数。村民们报告说，豆蔻的产量是相对可预测的，在植株6年寿命的3年生产期内，产量会下降;截面豆蔻产量数据包括所有年龄的成熟植株，因此反映了这一时间趋势。橡胶树需要7年才能成熟，前三年的产量很低，在20年左右达到顶峰，在30年到35年左右结束(Manivong和Cramb 2008)。由于采用的是生产第三年及以上年份的橡胶树产量值，乌多姆辛橡胶树是2003年以后种植的，普朗橡胶树是2006年以后种植的，因此乌多姆辛橡胶树的生产树龄范围只有5年(2013-2017年)，普朗只有2年(2016-2017年);因此，这些数据提供了橡胶长期产量变异性的有限表示。橡胶和豆蔻产量的变异性包括:(i)测量误差，预计误差较小;(ii)小区间和住户间的变异性;以及(iii)时间变异性。

水稻产量:调查中得出的水稻和旱稻产量具有相对较大的不确定性，这与报告的田块大小的不准确性有关，尤其是小田块，乌多姆辛的平均0.8(±0.4)公顷和普朗的平均0.3(±0.2)公顷。我们希望得到作物的真实产量变异性，不包括测量误差和农户间的变异性。为此，我们使用稻田和旱地的一个子集的产量范围值。产量范围(最大值减去最小值)用于使用公式SD≈yield_range/4 (Hozo et al. 2005)来粗略估计小区水平产量变化率的理论标准差(SD)。然后我们将水田和旱地的SD值取平均值，得到SD值_{yield_paddy}= 0.33, SD_{yield_upland_rice}= 0.22。水稻产量参数化假设一个正态分布，平均值等于CSAs和上述SD中观测产量值的平均值;同样的方法也适用于旱稻产量。尽管农业产量倾向于呈现负偏态(Chang and Chen 2005, Upadhyay and Smith 2005, Hennessy 2009)，正态分布可以被认为是一个合理的近似(Just and Weninger 1999)。观察到的产量变量是用地块产量数据的频率计数参数化的。

家庭变量:使用2017年调查数据的频率计数对每个CSA的农业地块大小和家庭规模进行参数化。大米消费与家庭人数之间的关系是使用一个截距OLS回归估计(调整R²= 0.17;系数= 0.18±0.04;截距= 1.11±0.26;p值= < 0.001)。虽然该模型只能解释17%的方差，但包括高阶项或其他变量(如家庭子女数量和CSA固定效应)的替代模型不能改善拟合，而且附加变量不显著。使用OLS斜率和截距估计将家庭大米消费量参数化为家庭规模的函数(方程)。

敏感性分析

BN中一个变量相对于其他变量的敏感性可以通过方差减少、熵减少或情景分析来测量(Marcot 2012)。为了确定农业生产收入对BN中其他变量的敏感性，我们使用方差减少，计算为当另一个变量的值固定时，一个变量的变化减少的百分比(Marcot 2012)。此外，我们运行橡胶价格和水稻产量的低值和高值情景，以显示这些变量对农业生产净收入的影响。

家庭层面的BN和情景分析

上述模型(图2)给出了农户农业生产净收入在农户农业生产总值水平上的理论概率分布。它包含了csa水平空间和时间变化的所有来源，包括家庭异质性。阈值左侧的概率分布下的面积可以解释为CSA中低于阈值的家庭的比例，或者也可以解释为一个家庭低于阈值的概率。该模型是基于过去的观测参数化的，其输出可以被假定反映当前和近期未来的条件(Günther和Harttgen 2009)。

计算的理论分布与2017年csa测量的经验分布不同，它只反映了家庭间的变化。理论变异性大于经验变异性，因为它反映了影响收入的参数之间的家庭变异性和时间变异性，如价格和收益。

通过固定(实例化)某些变量，该模型可以用于场景分析。例如，固定家庭变量产生特定家庭类型的收入分配。我们为每个CSA中的一个平均低收入家庭和一个平均高收入家庭构建了家庭级别的bn，分别定义为农业收入低于第25个百分位或高于第75个百分位的家庭(表A1.3-A)。我们计算每个收入组的平均家庭变量(人数和作物公顷)(表A1.3-B)，并实例化BN中各自的节点。

为了分析作物多样化的影响，我们定义了另外两种适用于两种csa的家庭类型:低收入家庭(对应于乌多姆辛的低收入家庭或Prang的中低收入家庭)和中等收入家庭(对应于乌多姆辛的中等收入家庭或Prang的中高收入家庭)。中等收入家庭有6人，旱地4公顷，可以种植橡胶和/或豆蔻，水田1.5公顷，可以种植水稻或出租作经济作物生产(水田租赁)。低收入家庭有5人，旱地2公顷，水田0.4公顷，选择的多样化程度类似。除了豆蔻和橡胶外，低收入家庭还可以在旱地种植旱稻，以补充其水稻生产(表A1.3-C)。最后，在固定橡胶价格的情况下，我们评估了低价格和高价格情景对这两种家庭类型的影响。

结果

案例研究区域比较

Oudomsin家庭比Prang家庭有更高的农业生产净收入和收入变异性(图4A)。Oudomsin收入中位数较高的原因是，橡胶的回报比豆蔻高得多，而水稻租赁的回报比水稻生产略高(表A1.1)。乌多姆辛的长正尾表明，由于橡胶的巨大收入潜力，某一年的收入高于平均水平的可能性很大。尽管Prang家庭的收入变异性较低，但与Oudomsin家庭相比，Prang家庭农业生产净收入为负的可能性更高，也就是说，他们不太可能通过销售经济作物来满足其大米消费需求。

图4A还显示了各CSA 2017年农业生产净收入的中位数(经验中位数)，以及由BN输出节点计算的理论中位数。经验中位数低于理论中位数的事实表明，两个csa在2017年经历了一段低于平均收入的时期，这是由橡胶价格低和放弃香蕉种植园后水稻租赁的低回报造成的。

在这两个地区，高收入家庭拥有更大的土地，也有更多的土地用于经济作物种植(表A1.3)，这意味着更高的收入中值(图4B和C)。尽管高收入家庭的农业收入变化率更大，但净收入为负的概率至少比低收入家庭低一个数量级。也就是说，与低收入家庭相比，高收入家庭不仅收入更高，而且无法满足其大米消费需求的概率也更低。结果还显示，收入不平等，反映在低收入和高收入家庭之间的收入分配差异，Prang比Oudomsin要小(图4B和C)。

一个显著的结果是，尽管低收入家庭的理论中值收入较低，但与每个CSA的家庭总数相比，低收入家庭农业生产净收入为负的概率并不低(图4B)。这可能是因为，在两个csa中，包括低收入家庭在内的所有家庭基本上都能自给自足(表A1.3)，也就是说，他们不依赖经济作物收入来满足其大米消费需求。

橡胶价格与水稻产量的影响

敏感性分析结果显示，80%以上的农业生产收入理论变异归因于家庭橡胶种植面积、橡胶产量和橡胶价格(图A4)。农业生产收入对其他变量的敏感性明显较低，如水稻租赁收入(仅Oudomsin)和家庭水稻产量。小豆蔻对家庭收入变化的影响可以忽略不计，尽管在Prang，小豆蔻收入几乎占小豆蔻种植家庭总收入的一半(表A1.1)。橡胶生产对农业生产收入理论分配比例较大的影响，源于历史橡胶价格波动较大，以及家庭橡胶种植面积范围较大，橡胶生产产生了非常大的理论收入范围。换句话说，橡胶收入可以达到很高的水平(对于拥有大型橡胶种植园和橡胶价格高的年份)，这使其他作物的收入潜力相形见绌。

乌多姆辛家庭拥有更多的橡胶，因此对橡胶价格更敏感。中国橡胶市场价格每公斤变化1美元，乌多姆辛和Prang地区的农业生产净收入中位数分别为1625美元和625美元(图5A)。由于Prang和Oudomsin家庭拥有大约相同的水稻种植面积，每公顷水稻产量1吨的变化导致这两个地区的农业生产净收入发生相同的变化，即273美元(图5B)。图5还显示，中等农业收入随橡胶价格和大米产量的增加呈线性增长;这是预期的，给定BN中这些变量之间的线性关系^[12]．虽然第25和第75个收入分位数作为水稻产量的函数大致保持平行，但这些分位数之间的距离随着橡胶价格的上涨而增加:随着橡胶价格的上涨，收入分配曲线变平，并且有特别长的正尾。

多元化的影响

我们评估了农业生产多样化对两个csa中低收入家庭代表农业生产收入的影响(表A1.3-C)。首先显而易见的是，拥有更多土地的中等收入家庭，其所有土地组合的农业生产净收入为负的概率非常低(图6A)。相反，对低收入家庭来说，某些土地使用配置有很大的可能性低于这一阈值(图6B)。

由于每公顷小豆蔻的收入低于橡胶，而且小豆蔻的价格比橡胶的价格波动更小(表A1.1)，我们预计，较高的小豆蔻份额将降低家庭农业生产收入的中位数和变动性。结果证实了这一点，中低收入家庭都是如此(图6)。

以牺牲豆蔻为代价增加橡胶份额会增加收入的可变性，这由四分位区间(收入的25% - 75%)表示，但它也会向上移动收入分配，增加两种家庭类型的中位数和25 /75分位。然而，有趣的是，农业净收入为负的概率并不总是随着橡胶份额的增加而降低。对于中等收入家庭来说，尽管与100%橡胶投资组合的中位数收入相比，橡胶和豆蔻混合投资组合的中位数收入要低得多，但橡胶和豆蔻混合投资组合的中位数收入要低得多(图6A)。然而，对于低收入家庭来说，在豆蔻和橡胶之间进行多样化并不会带来任何好处:橡胶的比例越高，在所有投资组合场景中获得负收益的概率就越低(图6B)。

这些结果表明，有些情况下，例如，当一个家庭有足够大的农业面积时，在橡胶和豆蔻之间种植多样化的高地经济作物是有好处的，而农业面积小的家庭最好只种植橡胶，这是更有利可图的经济作物。然而，考虑到这种多样化对中等收入家庭的积极影响很小(图6A)，模型输出表明，家庭通常最好只在高地地块种植或主要种植橡胶。

将水田出租用于经济作物生产而不是生产水稻对收入中位数的影响不大。尽管在香蕉繁荣期，香蕉租赁的利润大约是水稻产量的两倍^[13]，随后的无收入时期和利润较低的甘蔗租赁期使得在研究期间稻田土地租赁期的平均回报大致相当于水稻生产土地的回报(表A1.1)。而稻谷租赁的收益变异性较高。因此，对于家庭类型和所有土地使用配置而言，将水田出租用于经济作物生产的净农业生产收入为负的风险更大(图6A和B)。对于中等收入家庭，由于其净收入为负的总体概率较低，这种影响很小。

一个中等收入家庭将所有农业土地用于经济作物生产并购买所有大米，其农业生产净收入为正的可能性为94%或更高;换句话说，中等收入家庭很可能通过出售经济作物赚到足够的钱，以满足他们的大米消费需求(图6A)。

对于低收入家庭来说，农业生产净收入为负的可能性取决于家庭大米的充足程度和种植的经济作物类型。大米的自给自足本身并不是决定因素。例如，在Prang，一个典型的家庭在低地种植水稻，在高地种植旱稻和小豆荚，从技术上讲，这个家庭是充足的，平均每人多生产0.1吨大米(图6B)。然而，这个家庭有12%的可能性无法满足家庭的大米消费需求，例如在大米产量低的时期。种植橡胶而不是豆蔻可以降低这种可能性。此外，如果小豆蔻是一个低收入家庭的主要经济作物，并且该家庭放弃水稻生产，那么将所有的农业土地用于种植经济作物会带来巨大的风险;在这种情况下，农业生产净收入为负的概率为40%。对于低收入家庭来说，最好把土地用于生产橡胶，或者把橡胶和旱稻结合起来，保留水田用于生产水稻。

上述结果提供了基于所有可能的橡胶价格范围的家庭农业生产净收入的估计。在橡胶价格较低的时期，如2014年以来的情况(图3)，结果发生了显著变化。图7显示了一个场景，中低收入家庭将其水稻种植区出租用于经济作物生产，并在所有旱地种植橡胶。当橡胶价格较低时(红线)，中等收入家庭农业生产净收入为负的概率为6%(图7A)，低收入家庭为29%(图7B)。因此，完全放弃家庭水稻生产，特别是水稻生产，将带来重大风险，特别是对低收入家庭而言。

讨论和结论

本文提出了一种利用家庭净收入BN模型评估生计脆弱性的新方法，并将生计脆弱性定义为落在某一收入阈值下的概率。我们在这项工作中的方法实施将分析限制在农业生产净收入。因此，它并没有像理论概念中那样全面反映生计脆弱性。

使用BN模型来计算脆弱性(例如，家庭收入)的概率分布有几个优点。它允许所有系统变量的概率表示，而不是仅反映外生的压力源，如作物产量或价格(例如，Luers et al. 2003)，或结果变量(例如，Günther和Harttgen 2009)，作为概率分布。这允许显式地表示系统压力源。它还使得不仅可以估计脆弱性度量的条件矩(中值和方差)(Cissé和Barrett 2018)，还可以估计完整的概率分布曲线，而无需假设分布的形状(例如，对数正态;Günther和Harttgen 2009)。反过来，这使得在任何阈值处计算累积概率变得简单。

某些控制变量，如土壤质量，隐含在模型中，并反映在作物产量的概率分布中。然而，氮化氮的模块化使得明确地纳入这些变量成为可能，例如，通过连接土壤质量与产量，而不改变氮化氮的结构或参数化。固定变量值自动重新计算BN中所有其他变量的(条件)概率分布，允许直接和透明的敏感性和场景分析。在这里，我们使用这个属性来确定家庭收入对模型中其他变量的敏感性，运行不同橡胶价格水平的情景，以及运行不同土地组合的情景。我们使用相同的BN来计算家庭层面和案例研究区域层面的收入分布，通过实例化或不实例化家庭层面的变量，这证明了BN的多功能性。

从政策角度来看，这种方法可用于确定最有可能从农业商业化中获益的家庭类型(Siegel 2008)，以及那些需要额外的减贫战略的家庭类型，如安全网——这是一个相关的政策考虑，因为脆弱性往往会使贫困持续下去(Barrett和McPeak 2006, Imai等人2011)。收入分配曲线的明确和图形表示使收入不平等一目了然，例如家庭类型或案例研究地区之间的不平等。此外，正向传播和反向传播的BN特性使确定必要的系统变量配置以获得期望的结果成为可能。

bnn中不确定性和可变性的明确表示和传播(Uusitalo 2007, Stritih et al. 2019)使其特别适用于风险和恢复力评估(Fenton和Neil 2018)。同样，它们也是分解不确定性和可变性来源的有用工具。在这里，我们利用这些特性来展示国际市场价格的时间变异性(波动)，结合当地价格变异性(由季节变化、运输差异、交易商等造成)，如何导致反映时间和横截面变异性的作物价格的当地概率分布。因此BN明确地显示了价格变化通过供应链的传播和放大，这使BN成为分析价格波动的有趣工具。我们进一步使用氮化氮来分离测量误差，例如，在报告的水稻产量中，从其他来源的产量变化。我们没有消除来自家庭变量或其他作物产量的测量误差，但期望这些变量的误差很小。

虽然这种方法抓住了社会经济脆弱性的许多因素，但它也忽略了一些重要的因素，如适应能力和学习(Holling 2001, Folke等人2002,Berkes 2007)，以及生计的更广泛层面(Scoones 2009)。

经济作物对农业收入的影响

我们在两个处于农业转型和边疆演变不同阶段的CSAs中应用了这一方法。虽然这两个地区的大米基本都能自给自足，但乌多姆辛家庭有更多的农业面积用于经济作物生产，特别是在高地;相反，在Prang地区，轮作种植仍然是主要的高地土地使用。其他关于农村生计的研究报告称，在采用经济作物(如Ahmed等人2010年，Griffin 2019年)、特别是橡胶作物(Sturgeon 2013年)后，家庭收入显著增加。与这些研究类似，我们发现，橡胶种植面积更多的家庭(如乌多姆辛家庭)收入更高。由于橡胶价格的波动，这些家庭的收入变化率也更高。尽管如此，与Prang家庭相比，Oudomsin家庭农业生产净收入为负的可能性较低。这些发现在高收入和低收入家庭中是相似的。

这些结果并不意味着一个家庭应该将其所有的农业土地转为经济作物。相反，乌多姆辛家庭低于农业收入门槛的可能性较低，主要是因为他们有更大的农业区域专门用于粮食和经济作物生产。事实上，我们分析的一个主要结果是，拥有更多土地的家庭，无论土地组合如何，无法满足其食品消费需求的概率都很低。这些结果证实了土地持有规模是土地利用贫困陷阱的主要决定因素(Coomes et al. 2011)的发现。同样，Abson等人(2013)发现，更大的农业面积增加了农民的经济弹性，尤其是对低收入的农场。我们的结果进一步指出了家庭规模的间接有利影响，因为在分析的csa中，更大的家庭往往有更大的农业区域。此外，我们发现，维持最低水平的大米充足性是重要的，特别是对低收入家庭，如下所述。

多元化的影响

生计多样化本身并不一定对生计结果产生积极影响(Gautam和Andersen 2016年，Asfaw等人2019年)。事实上，如果它阻止家庭为投资目的储蓄，它可能会产生负面结果(Hussein和Nelson 1998)。然而，多样化被认为可以降低整体风险，如果它降低了不同压力或冲击来源之间的协方差(Scoones 1998)。如果商品价格不相关，农业多样性理论上会降低收入的可变性(Quiroz和Valdés 1995)。事实上，不相关商品之间的农业景观多样化已被证明会降低收入波动，增加经济弹性，尽管会降低农业利润率(Abson等，2013年)。作物多样化也对恢复力产生积极影响，因为作物对生物物理压力的反应不同，例如不利的天气条件(Di Falco和Chavas 2008)。因此，在有一定农业用地的情况下，作物多样化应能减少收入波动，因为所有商品不可能同时遭遇价格下跌或作物歉收(Adger 2000, Abson et al. 2013)。

在我们的BN模型中，农作物价格被表示为相互独立，也就是说，它们没有联系。理论上，这反映了多样化积极影响的最佳可能情况。基于上述讨论，我们假设，通过部分替代高价值作物(如橡胶)，种植回报较低但价格波动较低的作物(如豆蔻)，增加旱地经济作物的多样化，将减少农业收入为负的可能性。结果只是部分证实了这一点。在一定数量的旱地经济作物种植面积下，以橡胶为代价增加豆蔻的份额会降低收入中位数和收入变异性。这种多样化对中等收入家庭的好处很小，对低收入家庭没有好处。在这种情况下，与小豆蔻相关的较低收入变异性带来的好处并不超过与橡胶相关的较高收入中位数带来的好处。的确，橡胶的理论收益范围(3940±5500)与豆蔻的理论收益范围(110±150)相比实在太大了，以至于在分析中掩盖了豆蔻的收益。这是一个重要的见解，尽管微不足道:该模型表明，如果与额外作物相关的收入潜力与原始作物相当，多样化更有益。

这些结果应该仔细解释，并根据BN模型的某些局限性。我们通过考虑多年的历史市场价格来实现作物价格波动(例如，橡胶的22年周期)。然而，在现实中，大宗商品价格一般不会在一年内从22年来的高点跃升至22年来的低点。在这个意义上，BN过分强调了由价格波动引起的可变性。这反过来又掩盖了其他变量对收入可变性的影响。另一种办法是根据上一年的价格分配商品价格。然而，解决这个问题将使橡胶“看起来更好”，因为它将减少其对收入可变性的影响，而不影响其对中位数收入的影响。该模型的这种结构性限制不适用于大宗商品收益率，大宗商品收益率确实会在每年的两个极端之间波动。

考虑到橡胶树在两个CSAs中仍然相对年轻，进一步的限制是缺乏经验的橡胶树产量数据。在5至10年内进行这项评估将能够更好地反映橡胶单一栽培产量的可变性，包括虫害导致的收获损失。事实上，乌多姆辛橡胶园在2017年底受到虫害的影响，但这并没有反映在产量数据中。相比之下，小豆蔻的产量相对稳定。包括长期作物产量数据可能会使天平偏向豆蔻，并影响多样化分析得出的结论。

此外，BN中结果变量的离散化是以500美元为间隔进行的，以适应非常大的潜在收入范围(-US$5000 -US$ 110,000)。因此，影响农业净收入少于这个数额的变化没有反映在模型产出中。但是，500美元是一笔很大的数目，特别是在Prang地区。因此，较低收入阶层的离散化程度越高，多样化分析的结果就越细微。

水稻充足性的影响

我们预计，较高的大米充足程度会降低一个家庭无法用经济作物销售来满足大米消费需求的可能性，因为水稻生产的可变性，尤其是水稻，低于经济作物收入的可变性。敏感性分析结果表明，家庭收入对水稻产量的敏感性确实低于对橡胶产量或橡胶价格的敏感性。结果进一步表明，维持最低水平的家庭水稻生产，特别是高产水稻，对于农业土地很少的家庭和只有小豆蔻等低价值经济作物的家庭(主要是低收入家庭)很重要。如果一个低收入家庭将其所有的农业用地都换成了经济作物，那么其农业收入极有可能为负。虽然如果旱地的经济作物是橡胶而不是豆蔻，这个家庭可以更容易地满足其大米消费需求，但在橡胶价格较低的时期，很可能无法满足其食品消费需求。这户人家如果把水田留下来种水稻，日子就好过了。对于拥有较大农业面积的家庭来说，维持最低水平的大米充足性就不那么重要了。

Asfaw等人(2019)在一项关于多样化对撒哈拉以南非洲农村家庭收入影响的分析中同样发现，多样化更有利于贫困家庭。然而，这项研究并没有区分作物类型。我们的分析特别表明，将一部分土地投资组合分配给供家庭消费的粮食作物是有益的，特别是在低收入家庭的情况下。这些发现与表明在食品价格高的时期食品净购买者家庭的脆弱性的研究一致(de Janvry和Sadoulet, 2011年)。

这种方法的局限性和生计脆弱性的更广泛方面

BN模型结构和参数化的某些局限性导致对家庭收入的不完全和近似量化。该模型最重要的局限性是它只处理农业生产收入。本文定义的生计脆弱性的全面评估(图1)应考虑到额外的相关收入流和支出(图2)。正在经历农业转型的发展中国家的农村家庭越来越依赖农业和非农业活动、汇款和移民的结合(Block and Webb 2001, Rigg 2005, 2006, Reardon等人2007,Gautam and Andersen 2016, Martin and Lorenzen 2016)。我们没有系统地量化移民，但发现许多家庭有一个或多个成员在不同的省份、中国或泰国工作。非农业收入是两个社会保障组织的重要收入来源，而且还在不断增长。2017年的汇款可以忽略不计，但我们怀疑，在金融压力或农业扩张期间，汇款可能会增加。除了汇款，我们不包括其他传统上用于平滑消费的收入流，如保险、借款和劳动工资。虽然这两个研究领域没有保险，但借款是辅助资金的一个频繁和重要来源。许多家庭根据需要和可得性，灵活地从事农业和非农业劳动。这些收入流在整个人口中变化很大，并不是所有村民都能获得，但将它们排除在外就失去了家庭应对压力能力的一个重要组成部分。 Studies that use household consumption, rather than income, as a metric of vulnerability implicitly address coping ability (Kamanou and Morduch 2002).

从弹性的角度来看，不仅考虑流量，还考虑库存的相关性已得到认可(Walker et al. 2010)。拥有足够的库存可以确保不间断的流量，而流量的中断(例如，收成不好、收入减少、灌溉用水缺乏)将意味着系统的严重破坏(Luers等人2003年，Walker等人2010年)。我们的模型不包括生计存量，如大米储备、资本资产、牲畜和现金储蓄(表A1.4)，尽管事实是，通过收入平滑，这些都是家庭弹性的重要贡献者(Scoones 1998)。

国号不包括除大米消费以外的家庭开支。然而，特殊冲击，特别是健康冲击，对家庭，特别是低收入家庭产生了相当大的不利影响。事实上，在发展中国家，健康冲击的影响往往高于自然或经济冲击(Dercon等人2005年，Yilma等人2014年)，包括在老挝(Wagstaff和Lindelow 2014年)。乌多姆辛和普朗的情况也是如此，在这两个地区，最常提到的家庭经济冲击是与医疗疾病或丧葬费用有关的大笔意外家庭开支。此外，我们的模型没有考虑到家庭开支可能随着生活水平的提高而增长的事实。我们也不包括与农业生产相关的费用，如投入。虽然这些费用(如化肥、农药、汽油)与作物收入相比是很小的，但将它们包括在内将使我们能够更可靠地断言农业生产净收入的概率分布。

对农业生产的关注忽略了劳动力分配及其与家庭土地使用组合关系的重要方面。例如，出租稻田而不是生产水稻释放了可以分配到其他活动的劳动力。Oudomsin的非农收入所占比例很高，这可能反映了这一过程，因为大多数家庭在香蕉繁荣期间和之后租用了他们的稻田。相反，经济作物生产中的劳动力分配会对其他生计来源产生负面影响。劳动力分配可以通过添加一个家庭劳动力变量纳入模型，该变量依赖于土地使用，并假定平均工资。例如，假设农业日工资为60,000基普(7.5美元)，租赁0.5公顷的稻田每年可以节省大约25个工作日，相当于150万基普(190美元)。这种改进的模式仍然不能解决农业转型中劳动力市场的变化。例如，乌多姆辛地区的香蕉繁荣为当地香蕉种植园创造了就业机会，年收入为6000元人民币(900美元)。

上述缺点大多可以通过扩展BN模型的边界来解决。此外，所提出的方法有许多结构上的限制。这种方法没有考虑作为社会-生态脆弱性的重要组成部分的新兴属性，如学习或适应(Holling 2001, Folke et al. 2002, Berkes 2007)。尽管bn已被建议用于社会学习应用(例如Kelly et al. 2013)，但这是因为它们能够帮助模拟用户学习，而不是模拟社会学习。在我们的模型中，如果发现家庭的学习和适应能力与其他模型变量(如产量)相关，则可以通过添加相关变量(如教育或社会资本)来纳入这些变量。然而，这并不能克服bnn无法预测根本的社会-生态变化，因为它们是基于过去观察的趋势(Brown et al. 2013)。此外，我们的模型实现了生物物理和经济维度之间的简化关系(在这种情况下，产量对收入的线性影响)，忽略了经济、生物物理和文化因素之间更复杂的相互作用及其对生计恢复力的影响(Lade等，2017)。我们的方法也没有考虑行动者的多样性(Grêt-Regamey et al. 2019)或关系恢复力(Darnhofer et al. 2016)，这是景观和农场层面恢复力的重要方面。事实上，忽略社会和亲属关系忽略了家庭复原力的一个非常重要的因素，因为家庭访谈揭示了亲属之间借用和知识传递的重要性。我们的方法还忽略了重要的社会政治方面，如权力失衡，例如农民之间、农民和地方政府之间、农民和商人之间(Zuo等，2020年)。

由于只关注收入流和现金流，这种方法无法捕捉到更广泛的生计层面。生计框架确认维持生计所需的活动、能力和资产或资本(金融、人力、自然、物质和社会)(Sen 1984, Chambers和Conway 1992, Scoones 1998, De Haan和Zoomers 2005)，包括对这些资源的索赔和获取(Ribot和Peluso 2003, Kronenburg García和van Dijk 2019)。各种研究记录了土地剥夺的过程，限制了农民获得这些生计资产，例如通过“土地掠夺”(例如，Hall等人2011年，kennedy - lazar 2012年)。在乌多姆辛和普朗，更微妙的准入限制正在发生。村庄中心周围橡胶种植园的扩张增加了到森林的距离，减少了流动耕作休耕地和公共土地的面积。除其他后果外，这限制了村民获得森林资源，例如非木材森林产品。传统上，森林是许多山地人口的食物、物质和现金流的补充(Jakobsen 2006, Castella等人2013,Russell等人2015)，但对森林的获取限制增加了脆弱性，尤其是最贫困的家庭(Agarwal 1991)，他们最依赖非木材森林产品作为额外的营养和现金来源。有利于经济作物的土地使用政策也减少了可用的放牧土地，减少或消除了牛和水牛的数量(Junquera和Grêt-Regamey 2019, Rousseau和Sturgeon 2019)，它们传统上是重要的家庭资产，仍然是重要的应对策略。此外，商业性单一作物种植的扩大也造成了这两个csa的生物多样性和生态系统服务的净损失，包括土壤肥力下降(Steiger 2019)。这降低了景观恢复力(Castella等人2013年)，并引入了与对杀虫剂和化肥等投入物的依赖增加相关的新脆弱性(Rigg等人2016年，Ornetsmüller等人2018年，Griffin 2019年)。 Although property regimes and ecological resilience are not addressed in the BN, the model could be adapted to reflect access to forest-based provisioning services such as NTFPs, hunting, or fishing.

最后，一些家庭没有社会保障，可能是因为他们是新来的，被认为懒惰或酗酒，或其他原因。对于这些家庭来说，突然的开支或冲击往往意味着卖掉最后一块农田，变得赤贫，特别是因为公共土地或无人认养的土地在Prang越来越稀少，而在Oudomsin几乎不存在。这些案例是“概率上的少数”，在我们的分析中被掩盖了。它们在土地商品化过程中的重要性不可低估，土地商品化会与其他因素一起造成社区内财富差距的扩大，特别是在没有制度缓冲措施(如农业保险、价格控制或社会保障)的情况下。

其他研究指出了国家支持小农的重要性(de Janvry和Sadoulet 2011, Byerlee 2014)，尤其是在低价时期(Vongvisouk和Dwyer 2017)。负担得起的国家支持的医疗、教育、保险和其他应急措施，如不以农业土地为抵押的低息贷款，将提供必要的安全网，并使小农较少受到市场或特殊冲击的影响，特别是在虫害导致收成下降和最近橡胶价格暴跌的情况下。

尽管有其局限性，所提出的方法提供了许多见解和优点。BN的使用使得显式建模敏感性和暴露于压力源成为可能，并允许灵活地集成模型变量。我们展示了如何使用这种方法来确定弱势家庭类型或地区，阐明收入波动的主要来源，并帮助确定最佳多样化战略。通过明确和灵活地表示收入流和相关变量，这种方法还可以用来帮助设计可以充当安全网的政策工具。

__________

^[1]农业或农业转型、转型、商业化或商品化(Byres 1977, von Braun 1995, Bernstein和Byres 2001)。
^[２]请注意敏感性有时被归类为外部敏感性，例如Luers等人(2003)。
^[3]Junquera和Grêt-Regamey(2019)描述了土地利用历史、村庄人口和民族组成。
^[4]基于2005年老挝人口普查数据，由于我们无法准确地识别所有的村庄，因此存在很大的不确定性;包括Nam Det Kao(我们假设是搬迁前的Nam Det sombon)， Oudomsin, Nam Det Mai, Nam Mai, Donechai, Pakha, Punko, Chongkar(后Phoudonetan的一部分)，Say Leck(后Phoudonetan的一部分)，Sop I Mai(我们假设是Sop I)和Lakham。Phoudonetan村由迁移后的会坝、Chongkar和Say Leck组成，但我们在人口普查中没有找到会坝。
^［5］2017年，被调查的阿卡族村寨倾向于自己经营甘蔗种植园，而瑶族村寨倾向于将甘蔗田租给阿卡族村民。
^[6]特别是瑶族村寨，通过亲属关系网络在美国销售手工业获得收入。
^[7]根据老挝2005年的人口普查数据，塔隆、帕朗(Prang)、南隆和南兴，都在vieeng Poukha区。我们无法获得老挝南塔区的人口普查数据，所以我们使用了Khosung的2017年人口数据，这是在村庄焦点小组中获得的。该案例研究地区2017年人口为1509人(Junquera和Grêt-Regamey 2019)。
^[8]乌多米尼斯地区选定的村庄属于阿喀(N = 3)和瑶族(N = 3)。
^[9]Prang地区的村庄属于Khmu族。
^[10]老挝橡胶企业的员工可以通过智能手机、网络等渠道获取中国橡胶市场价格信息，也可以通过与中国企业总部直接沟通的方式获取。
^[11]稻谷的稻米可糯或不糯;在老挝，大多数大米是糯的(Bestari et al. 2006)。
^[12]我们假设这些关系在现实中也是线性的。然而，在水稻产量的情况下，在水稻产量和水稻生产成本之间的非线性关系的情况下，可能会出现非线性，例如，因为单位产量的投入使用更高。生产成本没有计入BN，但是可以加进去。
^[13]在乌多姆辛香蕉繁盛时期，香蕉种植园的稻田土地租约约为2000美元/公顷/年，尽管租约因地块质量和年份而异。

文献引用

Abson, D. J.， E. D. G. Fraser, T. G. Benton, 2013。景观多样性和农业回报的弹性:低地农业土地利用模式和经济回报的组合分析。农业与粮食安全2:2。https://doi.org/10.1186/2048-7010-2-2

Adger, w.n. 2000。社会和生态恢复力:它们相关吗?人文地理学进展24(3): 347 - 364。https://doi.org/10.1191/030913200701540465

Adger, w.n. 2006。脆弱性。全球环境变化16:268 - 281。https://doi.org/10.1016/j.gloenvcha.2006.02.006

阿格沃尔,1991 b。社会保障与家庭:印度农村应对季节性灾害。184 - 185页在E. Ahmad, J. Drèze, J. Hills和A. Sen，编辑。发展中国家的社会保障．牛津大学出版社，英国牛津。https://doi.org/10.1093/acprof:oso/9780198233008.003.0005

艾哈迈德，S.， J. R.斯特普，R. A. J. Toleno, C. M.彼得斯，2010。中国西南部阿喀高原茶园的市场整合、价值和生态知识。生态和社会15(4): 27。https://doi.org/10.5751/ES-03728-150427

Alkire, S.和m.e. Santos, 2014。衡量发展中国家的严重贫困:多维贫困指数的稳健性和范围。世界发展59:251 - 274。https://doi.org/10.1016/j.worlddev.2014.01.026

安德森，e.l.和D.哈蒂斯，1999。A.不确定性和可变性。风险分析19(1): 47 - 68。

Andreevska, d.l.和E. Simeonovska, 2012。“比安卡”和“伽利略”两种引进水稻新品种(栽培稻L.)在马其顿的农业生态条件下生长。国际参与的马其顿第四届生态学家大会论文集．马其顿生态协会，奥赫里德，马其顿。

Asfaw, S.， A. Scognamillo, G. Di Caprera, N. Sitko和A. Ignaciuk。生计多样化对家庭福利的异质影响:来自撒哈拉以南非洲的跨国证据世界发展117:278 - 295。https://doi.org/10.1016/j.worlddev.2019.01.017

A. V. Banerjee和E. Duflo, 2007。穷人的经济生活。经济展望杂志21(1): 141 - 168。https://doi.org/10.1257/jep.21.1.141

巴雷特，c。b。2008。小农市场参与:东非和南部非洲的概念和证据。食品政策33(4): 299 - 317。https://doi.org/10.1016/j.foodpol.2007.10.005

巴雷特，c。B。和j。g。麦克匹克。2006.贫困陷阱和安全网。131 - 154页在A. de Janvry和R. Kanbur，编辑。贫困、不平等和发展．施普林格，波士顿，马萨诸塞州，美国https://doi.org/10.1007/0-387-29748-0_8

Begg, S. H.， M. B. Welsh和R. B. Bratvold, 2014。不确定性vs.可变性:区别是什么?为什么它很重要?SPE油气经济与评价研讨会休斯顿,德克萨斯州。美国德克萨斯州理查森石油工程师协会。https://doi.org/10.2118/169850-ms

伯克,f . 2007。理解不确定性和减少脆弱性:从弹性思维中吸取的教训。自然灾害41(2): 283 - 295。https://doi.org/10.1007/s11069-006-9036-7

H. Bernstein和T. J. Byres, 2001。从农民研究到土地变迁。《土地变化杂志》1(1): 1-56。https://doi.org/10.1111/1471-0366.00002

Bestari, n.g.， S. Shrestha和C. J. Mongcopa, 2006。老挝人民民主共和国:水稻综合评价。2005年部门援助方案评估老挝人民民主共和国农业和自然资源部门的案例研究．亚洲开发银行，业务评估部，马尼拉，菲律宾。(在线)网址:https://www.adb.org/sites/default/files/evaluation-document/35927/files/evaluation-synthesis-rice-lao.pdf

伯索尔，N.，和C. J. Meyer, 2015。中位数传递的信息是:一个足够好的衡量物质幸福和共同发展进步的指标。全球政策6(4): 343 - 357。https://doi.org/10.1111/1758-5899.12239

Block, S.和P. Webb, 2001年。后饥荒时期埃塞俄比亚生计多样化的动态。食品政策26:333 - 350。https://doi.org/10.1016/s0306 - 9192 (01) 00015 - x

布朗，D. G.， P. H. Verburg, R. G. Pontius和M. D. Lange。2013。改善土地变化模型的影响、整合和评估的机会。环境可持续性的当前观点5(5): 452 - 457。https://doi.org/10.1016/j.cosust.2013.07.012

Byerlee, d . 2014。热带亚洲种植园的兴衰:历史重演?土地3:574 - 597。https://doi.org/10.3390/land3030574

1977年，t.j.拜尔斯。土地过渡和土地问题。农民研究杂志4(3): 258 - 274。https://doi.org/10.1080/03066157708438024

Castella, J. C.， G. Lestrelin, C. Hett, J. Bourgoin, Y. R. Fitriana, A. Heinimann, J. L. Pfund. 2013。景观隔离对老挝北部生计脆弱性的影响:从粗放型耕作转向轮作农业和天然林。人类生态学41(1): 63 - 76。https://doi.org/10.1007/s10745-012-9538-8

钱伯斯,r . 1989。编辑导言:脆弱性、应对和政策。IDS公告20(2): 1�7。https://doi.org/10.1111/j.1759-5436.1989.mp20002001.x

1992年，R. Chambers和G. R. Conway。可持续农村生计:21世纪的实用概念．IDS讨论文件296。发展研究所，英国布莱顿。

常,c c。和c c。陈》2005。气候对台湾农作物产量分布的影响:来自面板数据模型的新证据及对农作物保险的启示。农业经济学33:503 - 511。https://doi.org/10.1111/j.1574-0864.2005.00097.x

Christiaensen, L. J.和K. Subbarao, 2005。了解肯尼亚农村家庭的脆弱性。非洲经济杂志14(4): 520 - 558。https://doi.org/10.1093/jae/eji008

Cissé， J. D.和C. B. Barrett. 2018。评估发展弹性:基于条件矩的方法。发展经济学杂志135(236): 272 - 284。https://doi.org/10.1016/j.jdeveco.2018.04.002

Coomes, o.t.， Y. Takasaki, J. M. Rhemtulla. 2011。在不断变化的耕作制度中发现的土地利用贫困陷阱形成了长期的热带森林覆盖。美国国家科学院学报108(34): 13925 - 13930。https://doi.org/10.1073/pnas.1012973108

Darnhofer, I.， C. Lamine, A. Strauss和M. Navarrete, 2016。家庭农场的弹性:走向关系方法。农村研究杂志44:111 - 122。https://doi.org/10.1016/j.jrurstud.2016.01.013

De Haan, L.和A. Zoomers, 2005年。探索民生研究前沿。发展和变化36:27-47。https://doi.org/10.1111/j.0012-155X.2005.00401.x

de Janvry, A.和E. Sadoulet, 2010。农业增长与减贫:额外证据。世界银行研究观察员25(1): 1 - 20。https://doi.org/10.1093/wbro/lkp015

de Janvry, A.和E. Sadoulet, 2011。自给自足的农业是应对粮食价格冲击的安全网。在实践中发展21(4 - 5): 472 - 480。https://doi.org/10.1080/09614524.2011.561292

De Koninck, 2004年。东南亚农业转型的挑战。《劳动、资本与社会37:285 - 288。

de Roest, K.， P. Ferrari和K. Knickel, 2018。专业化和规模经济还是多样化和范围经济?评估不同的农业发展路径。农村研究杂志59:222 - 231。https://doi.org/10.1016/j.jrurstud.2017.04.013

Dercon, S.， J. Hoddinott和T. Woldehanna, 2005。1999-2004年埃塞俄比亚15个村庄的冲击和消费。非洲经济杂志14(4): 559 - 585。https://doi.org/10.1093/jae/eji022

Di Falco, S.和j.p。Chavas》2008。降雨冲击、恢复力和作物生物多样性对农业生态系统生产力的影响。土地经济学84(1): 83 - 96。https://doi.org/10.3368/le.84.1.83

Dressler, w.h.， D. Wilson, J. Clendenning, R. Cramb, R. Keenan, S. Mahanty, T. B. Bruun, O. Mertz, R. D. Lasco. 2017。急剧下降对东南亚生计和生态系统服务的影响:1990 - 2015年证据综述中记录46:291 - 310。https://doi.org/10.1007/s13280-016-0836-z

FAOSTAT。2020.生产者价格指数(稻谷;老挝人民民主共和国;生产者价格指数)。粮农组织，罗马，意大利。(在线)网址:http://www.fao.org/faostat/en/#data/PP

芬顿，N.和M.尼尔，2018年。基于贝叶斯网络的风险评估与决策分析．第二版。查普曼和大厅/CRC，博卡拉顿，佛罗里达州，美国。

Folke, C.， J. Colding和F. Berkes, 2002。综合:建立社会-生态系统的恢复力和适应能力。352 - 387页在F. Berkes, J. Colding和C. Folke，编辑。在生态系统．剑桥大学出版社，英国剑桥。https://doi.org/10.1017/CBO9780511541957.020

弗里斯，C.和J. Ø。尼尔森,2016。小规模土地收购，大规模影响:探索中国在老挝北部香蕉投资的案例。土地使用政策57(30): 117 - 129。https://doi.org/10.1016/j.landusepol.2016.05.028

弗里斯，C.和J. Ø。尼尔森,2017。遥耦世界的土地利用变化:遥耦框架在老挝香蕉种植园扩张案例中的相关性和适用性。生态和社会22(4): 30。https://doi.org/10.5751/es-09480-220430

Gautam, Y.和P. Andersen, 2016。农村生计多样化和家庭福祉:来自尼泊尔Humla的见解。农村研究杂志44:239 - 249。https://doi.org/10.1016/j.jrurstud.2016.02.001

Goharian, E.， S. J. Burian和M. Karamouz, 2018。利用可靠度和脆弱性的联合概率分布，建立了水系统性能指标。水资源规划与管理学报144(2): 1 - 12。https://doi.org/10.1061/(第3期)wr.1943 - 5452.0000869

Grêt-Regamey, A.， S. H. Huber和R. Huber. 2019。行动者的多样性和社会-生态系统对全球变化的适应能力。自然的可持续性2:290 - 297。https://doi.org/10.1038/s41893-019-0236-z

格里芬,c . 2019。“难以置信的繁荣”:印度尼西亚中爪哇岛的马铃薯作物繁荣、脆弱性和火山灾害之间的相互作用。新加坡热带地理杂志41(1): 23-39。https://doi.org/10.1111/sjtg.12294

Günther, I.和K. Harttgen. 2009。评估家庭对特殊和协变量冲击的脆弱性:一种在马达加斯加应用的新方法。世界发展37(7): 1222 - 1234。https://doi.org/10.1016/j.worlddev.2008.11.006

Hahn, m.b.， a.m. Riederer和s.o. Foster, 2009。生计脆弱性指数:评估气候变化和变化风险的实用方法-莫桑比克案例研究全球环境变化19:74 - 88。https://doi.org/10.1016/j.gloenvcha.2008.11.002

Hall, D.， P. Hirsch，和t.m. Li, 2011。排斥的力量:东南亚的土地困境．新加坡国立大学,新加坡。

Harvey, c.a, Z. L. Rakotobe, n.s. Rao, R. Dave, H. Razafimahatratra, R. H. Rabarijohn, H. Rajaofara和J. L. Mackinnon。马达加斯加小农极易受到农业风险和气候变化的影响。beplay竞技英国皇家学会哲学学报B:生物科学369(1639)。https://doi.org/10.1098/rstb.2013.0089

Heinimann, A.， O. Mertz, S. Frolking, A. E. Christensen, K. Hurni, F. Sedano, L. P. Chini, R. Sahajpal, M. Hansen, G. Hurtt. 2017。转变种植的全球观点:近期、当前和未来的程度。《公共科学图书馆•综合》12 (9): e0184479。https://doi.org/10.1371/journal.pone.0184479

轩尼诗检察官，2009年。作物产量偏态与正态分布。农业与资源经济学杂志34(1): 34-52。

赫希,p . 2009。重新审视泰国作为过渡空间的边界。地理杂志175(2): 124 - 132。https://doi.org/10.1111/j.1475-4959.2009.00321.x

霍林，c.s. 2001年。理解经济、生态和社会系统的复杂性。生态系统4(5): 390 - 405。https://doi.org/10.1007/s10021-001-0101-5

Hozo, S. P.， B. Djulbegovic, I. Hozo, 2005。从中位数、范围和样本大小估计平均值和方差。医学研究方法学5:1-10。

侯赛因，K.和J.纳尔逊，1998年。可持续生计和生计多样化。IDS工作文件69。发展研究所，英国布莱顿。

Imai, K. S.， R. Gaiha, and W. Kang. 2011。越南的脆弱性和贫困动态。应用经济学43(25): 3603 - 3618。https://doi.org/10.1080/00036841003670754

Indexmundi》2020。橡胶(亚洲，RSS3级)，月价格(人民币每公斤)，新加坡商品交易所有限公司(SICOM)。https://www.indexmundi.com/commodities/?commodity=rubber&months=240¤cy=cny

雅各布森j . 2006。非木材森林资源在转型中耕作制度转变中的作用:越南中北部高地的一个村庄案例研究。Geografisk Tidsskrift106(2): 103 - 114。https://doi.org/10.1080/00167223.2006.10649560

乔希，P. K.， A.古拉蒂和R.卡明斯，2007。南亚农业多样化:超越粮食安全。47 - 81页在P. K. Joshi, A. Gulati, R. Cummings，编辑。南亚的农业多样化和小农．学术基金会，新德里，印度

Junquera, V.和A. Grêt-Regamey。2019.森林边界的作物繁殖期:触发、强化动力以及知识和规范的传播。全球环境变化57:101929。https://doi.org/10.1016/j.gloenvcha.2019.101929

Junquera, V.， P. Meyfroidt, Z. Sun, P. Latthachack和A. Grêt-Regamey。2020.从全球驱动因素到当地土地使用变化:了解老挝北部的橡胶热潮。环境科学与政策109:103 - 115。https://doi.org/10.1016/j.envsci.2020.04.013

1999年，R. E.和Q. Weninger。农作物产量是正态分布吗?美国农业经济学杂志81:287 - 304。https://doi.org/10.2307/1244582

G. Kamanou和J. Morduch, 2002。衡量贫困脆弱性．UNU-WIDER,芬兰赫尔辛基。

Kelly, R. A.， A. J. Jakeman, O. Barreteau, M. E. Borsuk, S. ElSawah, S. H. Hamilton, H. J. Henriksen, S. Kuikka, H. R. Maier, A. E. Rizzoli, H. van Delden和A. A. Voinov。2013。在综合环境评估和管理的五种常见建模方法中进行选择。环境模拟及软件47:159 - 181。https://doi.org/10.1016/j.envsoft.2013.05.005

Kenney-Lazar m . 2012。在老挝南部种植橡胶，攫取土地和社会财产改造。农民研究杂志39(3 - 4): 1017 - 1037。https://doi.org/10.1080/03066150.2012.674942

Kjaerulff, u.b.和a.l. Madsen, 2013。贝叶斯网络和影响图:构建和分析的指南．施普林格，纽约，美国。https://doi.org/10.1007/978-1-4614-5104-4

Kronenburg García, A.和H. van Dijk. 2019。走向索赔理论:过桥通路和财产理论。社会与自然资源33(2): 167 - 183。https://doi.org/10.1080/08941920.2018.1559381

拉德，S. J.， L. J.海德尔，G. Engström, M. Schlüter。2017.韧性让我们摆脱了对扶贫的困思。科学的进步3 (5): e1603043。https://doi.org/10.1126/sciadv.1603043

林，b.b. 2011。通过作物多样化实现农业复原力:对环境变化的适应性管理。生物科学61(3): 183 - 193。https://doi.org/10.1525/bio.2011.61.3.4

刘勇，文宏，2005。基于贝叶斯网络的网络脆弱性评估。在编辑B. V.达萨拉西SPIE会议文集5812，数据挖掘，入侵检测，信息保证和数据网络安全．斯皮，贝灵汉，美国华盛顿。https://doi.org/10.1117/12.604240

Llopis, J. C.， C. L. Diebold, F. Schneider, P. C. Harimalala, P. Laby, P. Messerli和J. G. Zaehringer. 2020。遥耦合下的能力:经济作物和马达加斯加东北部保护区之间的人类福祉。可持续粮食系统前沿3(126): 1 - 20。https://doi.org/10.3389/fsufs.2019.00126

罗宁，j.l. 2011。老挝人民民主共和国:应对米价上涨．世界银行，美国华盛顿特区。https://doi.org/10.1596/26720

长:1997。代理与约束，感知与实践。一个理论的位置。页1 - 20在H. de Haan和N. Long，编辑。乡村生活的影像与现实。瓦赫宁根对农村转型的看法．Van Gorcum，阿森，荷兰。

Luers, a.l.， D. B. Lobell, L. S. Sklar, C. L. adams, P. A. Matson, 2003。一种量化脆弱性的方法，应用于墨西哥雅基河谷的农业系统。全球环境变化13(4): 255 - 267。https://doi.org/10.1016/s0959 - 3780 (03) 00054 - 2

Maity, R.， A. Sharma, D. Nagesh Kumar和K. Chanda, 2013。使用可靠性-弹性-脆弱性的概念来表征干旱。水文工程学报18(7): 859 - 869。https://doi.org/10.1061/(第3期)he.1943 - 5584.0000639

Manivong, V.和R. A. Cramb, 2008。老挝北部小农橡胶扩张的经济。农林复合经营系统74:113。https://doi.org/10.1007/s10457-008-9136-3

马科特，b.g. 2012年。贝叶斯网络模型的性能和不确定性评估指标。生态模型230:50 - 62。https://doi.org/10.1016/j.ecolmodel.2012.01.013

马科特，b.g.， J. D.斯蒂文顿，G. D.萨瑟兰和R. K.麦肯。2006.开发和更新用于生态建模和保护的贝叶斯信念网络指南。加拿大森林研究杂志36(12): 3063 - 3074。https://doi.org/10.1139/x06-135

Martin S. M.和K. Lorenzen, 2016。老挝农村生计多样化。世界发展83:231 - 243。https://doi.org/10.1016/j.worlddev.2016.01.018

Meyfroidt, P.， T. P. Vu, and v.a. Hoang. 2013。越南中部高地的森林砍伐、咖啡扩张和转移种植的轨迹。全球环境变化23(5): 1187 - 1198。https://doi.org/10.1016/j.gloenvcha.2013.04.005

莫顿，j.f. 2007。气候变化对小农和自给农业的影beplay竞技响。美国国家科学院学报104(50): 19680 - 19685。https://doi.org/10.1073/pnas.0701855104

Netica》2019。3.2用方程定义概率表。https://www.norsys.com/tutorials/netica/secB/tut_B3.htm

B. G.和R. DesRoches。2007.美国中部和东南部典型公路桥梁地震易损性分析曲线。地震谱23(3): 615。https://doi.org/10.1193/1.2756815

诺兰,e . 2016。老挝7个食品市场整合的实证分析。北方高地的粮食安全讨论文件3。莫纳什大学，墨尔本，澳大利亚

J.-C Ornetsmuller C。卡斯特拉和p·h·维伯格，2018年。理解老挝玉米种植热潮中农民决策的多尺度博弈方法。生态和社会23(2): 35。https://doi.org/10.5751/es-10104-230235

帕切科,p . 2012。巴西亚马逊地区的行动者和前沿类型:评估与前沿扩张相关的互动和结果。Geoforum43(4): 864 - 874。https://doi.org/10.1016/j.geoforum.2012.02.003

Pingali, p . 2010。第74章-农业复兴:使“农业促进发展”在21世纪发挥作用．3867 - 3894页在P. Pingali和R. Evenson编辑。农业经济学手册．卷4。荷兰，阿姆斯特丹，爱思唯尔。https://doi.org/10.1016/s1574 - 0072 (09) 04074 - 2

平加利，P.， Y. Khwaja, M. Meijer, 2005。小农场商业化:降低交易成本。ESA第05-08号工作文件。粮农组织，罗马，意大利。

平加利，P. L.， M. W.罗斯格兰特，1995。农业商业化和多样化:过程和政策。食品政策20(3): 171 - 185。https://doi.org/10.1016/0306 - 9192 (95) 00012 - 4

Podobnik, B.和H. E. Stanley, 2008。去趋势互相关联分析:一种分析两个非平稳时间序列的新方法。物理评论快报100:084102。https://doi.org/10.1103/PhysRevLett.100.084102

Quandl》2019。上海天然橡胶期货，连续一号合约(RU1)(近月)。Quandl，多伦多，安大略省，加拿大。(在线)网址:https://www.quandl.com/data/CHRIS/SHFE_RU1-Shanghai-Natural-Rubber-Futures-Continuous-Contract-1-RU1-Front-Month

Quiroz, j.a.和A. Valdés。1995.农业多元化与政策改革。食品政策20(3): 245 - 255。https://doi.org/10.1016/0306 - 9192 (95) 00016 - 8

R核心团队，2019年。R:用于统计计算的语言和环境。统计计算基金会，维也纳，奥地利。

里尔登，T.， K. Stamoulis和P. Pingali, 2007。全球化时代发展中国家的农村非农就业。农业经济学37 (S1): 173 - 183。https://doi.org/10.1111/j.1574-0862.2007.00243.x

Ribot, j.c.和n.l. Peluso, 2003。存取理论。农村社会学68(2): 153 - 181。https://doi.org/10.1111/j.1549-0831.2003.tb00133.x

Rigg, j . 2005。全职务农后的贫困和生计:东南亚的观点。亚太的观点46(2): 173 - 184。https://doi.org/10.1111/j.1467-8373.2005.00266.x

Rigg, j . 2006。土地、农业、生计和贫困:重新思考南方农村的联系。世界发展34(1): 180 - 202。https://doi.org/10.1016/j.worlddev.2005.07.015

Rigg, J.， K. J. Oven, G. Krishna和R. Lamichhane. 2016。在岩石和坚硬的地方之间:尼泊尔农村的脆弱和不稳定。Geoforum76:63 - 74。https://doi.org/10.1016/j.geoforum.2016.08.014

卢梭,肯尼迪。斯特金(J. Sturgeon)。中国西部农业景观中水牛的消失。《土地变化杂志》19(2): 319 - 336。https://doi.org/10.1111/joac.12289

卢梭,肯尼迪。S. Turner和Y. Xu. 2019。豆蔻的伤亡:极端天气事件和中越边境少数民族生计的脆弱性。气候7(1): 14。https://doi.org/10.3390/cli7010014

Russell, A. J. M.， J. Foppes, D. C. Behr, S. Ketphanh, S. Rafanoharana. 2015。利用森林增强对气候变化的抵御能力:老挝萨凡纳开特省小农农业的例子beplay竞技．森林计划，华盛顿特区，美国。(在线)网址:https://www.cifor.org/publications/pdf_files/Papers/PRussell1501.pdf

Scoones, i . 1998。可持续农村生计:分析框架．IDS工作文件72。发展研究所，英国布莱顿。

Scoones, i . 2009。生计前景与农村发展。农民研究杂志36(1): 171 - 196。https://doi.org/10.1080/03066150902820503

森，A. K. 1984。资源、价值观和发展．布莱克威尔,英国牛津大学。

西格尔，P. B. 2008。赞比亚小农概况:农业商业化的潜在受益者是哪里和谁?非洲区域工作文件系列第113号。世界银行，美国华盛顿特区。(在线)网址:https://documents.worldbank.org/pt/publication/documents-reports/documentdetail/866191468179962814/profile-of-zambias-smallholders-where-and-who-are-the-potential-beneficiaries-of-agricultural-commercialization

施泰格，s.g. 2019。老挝北部琅南塔省时空生态系统服务功能评价瑞士伯尔尼伯尔尼大学。

斯托克利,m . 2015。包HistogramTools，效用函数的R直方图。

Stritih, A.， P. Bebi，和A. Grêt-Regamey。2019.基于地球观测的生态系统服务评估的不确定性量化。环境建模与软件111:300 - 310。https://doi.org/10.1016/j.envsoft.2018.09.005

斯特金，j.c.， 2013。中国与老挝的跨境橡胶种植:阿卡和泰橡胶农民的区域化。新加坡热带地理杂志34(1): 70 - 85。https://doi.org/10.1111/sjtg.12014

联合国开发计划署(开发署)。2001.国家人类发展报告老挝人民民主共和国，2001年．联合国开发计划署，美国纽约。

Upadhyay, b.m.， E. G. Smith, 2005。模拟小样本作物产量分布。加拿大农业经济学会年会论文集7月6日至8日，加州旧金山。(在线)网址:https://d1rkab7tlqy5f1.cloudfront.net/TBM/Over%20faculteit/Afdelingen/Values%2C%20Technology%20and%20Innovation/People/Full%20Professors/Pieter%20van%20Gelder/Citations/citatie_sp05up01.pdf

Uusitalo l . 2007。贝叶斯网络在环境建模中的优势和挑战。生态模型203(3 - 4): 312 - 318。https://doi.org/10.1016/j.ecolmodel.2006.11.033

van Vliet, N.， C. Adams, I. C. Guimarães Vieira，和O. Mertz. 2013。“刀耕火种”和“转移”巴西亚马逊森林农业前沿的耕作系统。社会与自然资源26日(12):1454 - 1467。https://doi.org/10.1080/08941920.2013.820813

van Vliet, N.， O. Mertz, A. Heinimann, T. Langanke, U. Pascual, B. Schmook, C. Adams, D. Schmidt-Vogt, P. Messerli, S. Leisz, J. C. Castella, L. Jørgensen, T. Birch-Thomsen, C. Hett, T. B. Bruun, A. Ickowitz, K. C. Vu, K. Yasuyuki, J. Fox, C. Padoch, W. Dressler和A. D. Ziegler。热带森林-农业前沿地区湿耕变化的趋势、驱动因素和影响:一项全球评估。全球环境变化22(2): 418 - 429。https://doi.org/10.1016/j.gloenvcha.2011.10.009

Vang Rasmussen, L.， B. Coolsaet, A. Martin, O. Mertz, U. Pascual, E. Corbera, N. Dawson, J. A. Fisher, P. Franks和C. M. Ryan。农业集约化的社会-生态效益。自然的可持续性1:275 - 282。https://doi.org/10.1038/s41893-018-0070-8

冯·布劳恩，1995。农业商业化:对收入和营养的影响以及对政策的影响。食品政策20(3): 187 - 202。https://doi.org/10.1016/0306 - 9192 (95) 00013 - 5

Vongvisouk, T.和M. Dwyer, 2017。繁荣过后:应对老挝北部橡胶价格下跌．湄公河地区土地治理项目，老挝人民民主共和国和森林趋势，华盛顿特区，美国。

Wagstaff, A.和M. Lindelow, 2014。健康冲击有什么不同吗?证据来自老挝的一次多重冲击调查。卫生经济学23(6): 706 - 718。https://doi.org/10.1002/hec.2944

沃克，B.， L.皮尔逊，M.哈里斯，K. G.马勒，C. Z.李，R.比格斯，T.贝恩斯。2010。将弹性纳入对包容性财富的评估:来自澳大利亚东南部的一个例子。环境与资源经济学45(2): 183 - 202。https://doi.org/10.1007/s10640-009-9311-7

Wood, B.， C. Nelson, T. Kilic和S. Murray。在抽烟吗?农业商业化、食品价格上涨和马拉维发展迟缓．世界银行，美国华盛顿特区。https://doi.org/10.1596/1813-9450-6650

Yilma, Z.， A. Mebratie, R. Sparrow, D. abbaw, M. Dekker, G. Alemu，和A. S. Bedi. 2014。应对埃塞俄比亚农村地区的冲击。发展研究杂志50(7): 1009 - 1024。https://doi.org/10.1080/00220388.2014.909028

Zaehringer, J. G.， L. Lundsgaard-Hansen, T. T. Thein, J. C. Llopis, N. N. Tun, W. Myint和F. Schneider, 2020。缅甸南部经济作物的繁荣:通过参与式测绘追踪土地使用制度的变化。生态系统和人16(1): 36-49。https://doi.org/10.1080/26395916.2019.1699164

左、中、兰吉尔、特纳、卢梭。2020。香料是救世主?三次商品作物繁荣和云南边疆少数民族生计的复杂脆弱性。亚太的观点．https://doi.org/10.1111/apv.12291