Пониженная: Почему температура 34–35 градусов, 36 градусов, при каких заболеваниях бывает пониженная температура — гипотермия, почему бесконтактные термометры показывают низкую температуру | НГС

The Sun (2016)

Computing (2010)

Times, Sunday Times (2016)

Computing (2010)

The Sun (2017)

Times, Sunday Times (2016)

Times, Sunday Times (2016)

Times, Sunday Times (2017)

Times, Sunday Times (2017)

Times, Sunday Times (2016)

Показать больше …

The Sun (2013)

Times, Sunday Times (2013)

The Sun (2009)

Times, Sunday Times (2012)

Христианство сегодня (2000)

Times, Sunday Times (2008)

Ковальски, Роберт Э. 8-недельное лекарство от холестерина (1990)

Times, Sunday Times (2006)

Times, Sunday Times (2013)

Times, Sunday Times (2010)

Times, Sunday Times (2010)

The Sun (2013)

Times, Sunday Times (2010)

Times, Sunday Times (2015)

Солнце (2015)

Times, Sunday Times (2007)

Times, Sunday Times (2016)

Times, Sunday Times (2008)

Times, Sunday Times (2010)

Times, Sunday Times (2008)

The Sun (2013)

Условные денежные переводы для борьбы с бедностью также сократили вырубку лесов в Индонезии

Аннотация

Решения по борьбе с бедностью и деградацией экосистем часто рассматриваются как противоречивые.Мы спрашиваем, сократила ли вырубку лесов в качестве побочного эффекта национальная программа Индонезии по борьбе с нищетой, в рамках которой денежные средства передаются сотням тысяч бедных семей. Хотя программа не имеет прямого отношения к охране природы, по нашим оценкам, она снизила потерю древесного покрова в деревнях на 30% (95% доверительный интервал, от 10 до 50%). Около половины предотвращенных потерь приходилось на девственные леса, и сокращение было больше, когда плотность участия была выше. Экономическая ценность одной только предотвращенной эмиссии углерода выгодно отличается от затрат на реализацию программы.Воздействие программы на окружающую среду, по-видимому, опосредовано через каналы, широко доступные в развивающихся странах: сглаживание потребления, при котором вырубка лесов заменяет вырубку лесов в качестве страховки, и замещение потребления, при котором приобретаемые на рынке товары заменяют товары, полученные из источников обезлесения. Результаты предполагают, что программы борьбы с бедностью, нацеленные на самых бедных, могут помочь в достижении глобальных экологических целей при определенных условиях.

ВВЕДЕНИЕ

Двумя важнейшими глобальными проблемами 21 века являются сокращение масштабов нищеты и замедление обезлесения в тропиках ( 1 ).Тем не менее, нет единого мнения о причинно-следственных связях между усилиями по сокращению бедности и изменениями в экосистемах ( 2 — 8 ). Недавно ученые утверждали, что можно защитить среду обитания и биоразнообразие, не вмешиваясь в цели сокращения бедности и потенциально не помогая им ( 9 — 12 ). Однако меньше внимания уделялось тому, могут ли целевые программы сокращения бедности, не связанные напрямую с экологическими целями, дать положительные результаты в области сохранения природных ресурсов.Научно обоснованные доказательства положительных результатов важны, поскольку значительная часть международной и благотворительной помощи направлена ​​на сокращение бедности. Если эти инвестиции также могут способствовать сохранению, последствия будут иметь глобальное значение, потому что биоразнообразие и обезлесение непропорционально расположены в регионах с высоким уровнем бедности ( 13 , 14 ).

Исторически связи между бедностью и окружающей средой изучались в двух масштабах: макроэкономическом масштабе валового внутреннего продукта на душу населения ( 15 , 16 ) и местном масштабе, в котором общины удовлетворяют основные потребности, используя экосистемы ( 17 ).Эти исследования обычно страдают одним или несколькими недостатками: (i) слабый дизайн причинно-следственного вывода; (ii) использование общих индикаторов экономического роста, а не самой бедности; и (iii) неспособность выделить вмешательства, посредством которых изменяется бедность.

Здесь мы приводим механически обоснованные причинно-следственные доказательства того, что национальная программа борьбы с бедностью в экологически и экономически важной стране Индонезии также сократила вырубку лесов в качестве побочного преимущества. В программе используются условные денежные переводы (ОДТ) — все более популярный способ перечисления доходов бедным домохозяйствам.Ставя трансферты в зависимость от конкретных действий, обычно связанных с образованием и здравоохранением, ОДТ нацелены на увеличение человеческого капитала и тем самым сокращение передачи бедности из поколения в поколение. Более половины из 30 тропических стран с наибольшим лесным покровом имеют ОДТ, а другие планируют их создать. Одно хорошо спланированное исследование ( 18 ) сообщило, что ОДТ в Мексике увеличило обезлесение, и утверждалось, что это влияние возникло после того, как переводы увеличили потребление земледельческой продукции.Наше исследование показывает, что в индонезийском контексте доминируют различные механизмы, и эти механизмы потенциально могут доминировать во многих частях Азии из-за важности риса как основной культуры и растущего доступа к рынкам в сельских районах.

Контекст исследования

Индонезия — одна из самых богатых в биологическом отношении стран и входит в десятку самых горячих точек биоразнообразия с наибольшей площадью, пораженной бедностью ( 13 ). Он занимает третье место по площади тропических лесов и один из самых высоких показателей обезлесения ( 19 , 20 ), что составляет примерно 1 из 5 га общей валовой потери тропических лесов в период с 2000 по 2012 год ( 21 ).В основном из-за этой потери Индонезия является одним из крупнейших в мире источников выбросов парниковых газов ( 22 ). Сельские деревни способствуют этим потерям за счет сельского хозяйства и вывоза древесины ( 23 ).

Начиная с 2008 года, сельские лесные деревни начали участвовать в Программе Келуарга Харапан (PKH; «Программа надежд семьи»), которая ориентирована на бедные домохозяйства. PKH переводит денежные средства при условии выполнения домохозяйствами обязательств в области здравоохранения и образования. Переводы составляют примерно от 15 до 20% потребления получателей и получаются ежеквартально в течение 6-9 лет ( 24 ).По оценкам программ, пособия получают бедные домохозяйства, и их расходы превышают черту бедности ( 25 ). Наше исследование включает 7468 сельских деревень, засаженных деревьями, которые подверглись воздействию PKH в период с 2008 по 2012 год в 15 провинциях (см. Материалы и методы и рис. S1). К 2012 году 266 533 домохозяйства в этих селах получали трансферты.

Дизайн исследования

Программы ОДТ могут влиять на обезлесение с помощью нескольких механизмов (рис. 1). Среди бедных сельскохозяйственных домохозяйств, решения о производстве и потреблении которых взаимосвязаны и доступ к кредитам и страхованию ограничен, денежные переводы могут изменить потребление и инвестиции ( 26 ).Потребление лесоемких товаров может увеличиться, что может усугубить обезлесение, если эти товары поставляются за счет вырубки лесов ( 18 ), или уменьшить обезлесение, если эти товары поставляются за счет сохранения лесов ( 16 ). Денежные средства также могут позволить домохозяйствам заменять лесоемкие товары товарами рыночного производства. Обещание регулярного получения денежных средств также может помочь домохозяйствам с течением времени сгладить потребление, что может повлиять на то, как они используют леса (например, снизить вероятность того, что они прибегут к обезлесению в случае негативных потрясений).Однодневные леса также могут влиять на обезлесение посредством самих условных обязательств или косвенно поощряя соблюдение законов о лесопользовании посредством взаимности или более тщательной проверки со стороны правительства [дополнительную информацию о том, как ОДТ могут влиять на экологические результаты, см. ( 27 )].

Направленный ациклический причинно-следственный граф, в котором однонаправленная стрелка (➔) представляет собой потенциальный причинный путь между двумя переменными. Чтобы определить причинное влияние ОДТ на обезлесение, эмпирический план должен исключить смешанные эффекты изменяющихся во времени и неизменных во времени характеристик сообществ, которые коррелируют как с обезлесением, так и с воздействием ОДТ. Такие факторы могут замаскировать или имитировать причинный эффект CCT на обезлесение.

Таким образом, чистый эффект от CCT является эмпирическим вопросом, ответ на который требует разработки, способствующей беспристрастной оценке контрфактических темпов обезлесения в отсутствие CCT. Такая оценка затруднительна, если денежные переводы не распределяются по деревням случайным образом. Необходимо внимательно следить за смешивающими факторами, которые влияют как на участие, так и на вырубку лесов (рис. 1). В Индонезии, например, деревни, принадлежащие к PKH и не относящиеся к PKH, различаются по важным экономическим и экологическим характеристикам (таблица S1), включая тенденции к обезлесению до начала PKH.

Для оценки причинного воздействия PKH на обезлесение мы объединили административные данные с географической привязкой, панельные данные дистанционного зондирования о годовой потере лесного покрова ( 21 ), проверенное в полевых условиях понимание того, как PKH постепенно внедрялось с течением времени, и статистические методы для оценки гипотетических темпов обезлесения в отсутствие ПКХ (Материалы и методы). То, как ПКН постепенно вводилось поэтапно, можно использовать для достоверной оценки его причинного воздействия на вырубку лесов в участвующих деревнях.Таргетирование PKH было функцией неизменных во времени характеристик подрайонов и домохозяйств, а также давления, оказываемого центральным правительством на администраторов PKH с целью равномерного развертывания программы по провинциям в рамках годового бюджетного ограничения [см. Дополнительные материалы (SM)]. Это давление привело к некоторому изменению воздействия ПКХ, не связанного с обезлесением; то есть более ранние и поздние когортные деревни имеют схожую предрасположенность к воздействию ПКН, но время их регистрации различается из-за факторов, систематически не связанных с обезлесением.Другой способ выразить эту идею заключается в том, что, исходя из нашего понимания того, как была развернута программа, мы предполагаем, что по всей стране есть деревни, которые схожи с точки зрения бедности, инфраструктуры и других потенциально мешающих переменных. , но некоторые были зачислены рано, а некоторые поздно. В соответствии с этим утверждением, деревни, подвергшиеся воздействию ранее и позже, являются относительно однородными с точки зрения наблюдаемых исходных характеристик (таблица S1), включая тенденции обезлесения до ПКХ (рис.S2). Использование только выборки деревень, которые в конечном итоге подвергаются воздействию PKH, помогает контролировать ненаблюдаемые факторы, которые определяют подверженность PKH и являются общими для всех деревень PKH. Использование панельных данных о ежегодной потере лесного покрова дополнительно помогает контролировать не зависящие от времени факторы, как наблюдаемые, так и ненаблюдаемые, а также факторы, которые меняются со временем, но не по деревням (например, национальные экономические и политические события). Для дальнейшего контроля и повышения точности оценок мы также контролируем изменения количества осадков и температуры во времени.Поскольку вывод о причинно-следственных связях из корреляций является сложной задачей в неэкспериментальных контекстах, мы также подвергаем наш дизайн ряду проверок на надежность.

РЕЗУЛЬТАТЫ

В среднем воздействие PKH связано с 30% сокращением потери лесного покрова [95% доверительный интервал (ДИ), от 10 до 50%] (рис. 2), вывод, который является надежным в отношении того, как » лес »(таблица S4) и административный уровень, на котором мы проводим анализ (т. е. деревни или подрайоны, в которые группы деревень вложены; таблица S10).Если бы мы использовали количество пикселей потерянного леса, а не потерянную площадь в гектарах (таблица S4), воздействие PKH ассоциировалось бы с 16% сокращением потери лесного покрова (95% ДИ, от 9 до 23%).

Черные полосы обозначают предполагаемые средние эффекты. Линии усов показывают 95% доверительных интервалов. Оценки SE группируются на уровне подрайонов. В средней полосе выборка ограничена участвующими деревнями, в которых в 2000 г. были девственные леса, и предполагаемое сокращение потери лесного покрова относится ко всем лесным территориям в этих деревнях. В полосе справа анализ ограничен первичным лесом в тех же деревнях. Для двух столбцов справа оценке с использованием поэтапного плана предшествует сопоставление (материалы и методы).

После дополнения наших данных данными о девственных лесах за 2000 год ( 20 ) мы оцениваем, что почти половина воздействия PKH происходит из девственных лесов (рис. 2). Предполагаемые эффекты в деревнях без девственных лесов меньше (таблица S5). Предполагаемый эффект PKH увеличивается по мере увеличения плотности участвующих домохозяйств на гектар леса (таблица S3).Разбивка деревень по когортам позволяет предположить, что эффект сокращения обезлесения PKH усиливается при более длительном воздействии, или, возможно, что деревни, подвергшиеся воздействию ранее, более восприимчивы к PKH с точки зрения сокращения обезлесения (таблица S3).

Чтобы предоставить доказательства того, что тенденции исчезновения лесов не повлияли на подверженность PKH (т. Е. Сокращение потери лесного покрова было «опережающим» воздействием PKH, а не «отставанием» от него), мы разлагаем оценочный эффект PKH на годовые эффекты с как опережения, так и отставания (рис. 3). Воздействия PKH не заметны в деревнях до воздействия PKH (до года 0 на рисунке), но как только деревня подвергается воздействию PKH, воздействия становятся заметными, хотя и с большим шумом, чем в исходной спецификации или в спецификации задержки без проводов.

Черные квадраты отображают предполагаемые средние эффекты для каждого года в течение 4 лет до внедрения PKH (лиды), года внедрения и 4 лет после внедрения (запаздывания).Линии усов показывают 95% доверительных интервалов. Оценки SE группируются на уровне подрайонов.

Мы не находим статистических свидетельств в пользу вторичного воздействия на соседние села, не относящиеся к PKH (таблица S13). Однако мы обнаруживаем свидетельства того, что воздействие ПКХ смягчается переменными, которые, как известно, коррелируют с обезлесением (таблицы S7 и S8). Другими словами, влияние PKH на вырубку лесов кажется неоднородным, и мы используем эту особенность позже, чтобы пролить свет на механизмы, с помощью которых PKH может уменьшить вырубку лесов. Расчетный эффект на рис. 2 игнорирует потенциальное влияние PKH на рост лесов, но имеется мало свидетельств возобновления роста в исследуемых деревнях в периоды до и после PKH (см. SM).

Как и все неэкспериментальные разработки, наша конструкция потенциально подвержена скрытым искажениям. Мы оцениваем эти потенциальные смещения с помощью декомпозиции нашей оценки, спецификаций альтернативных моделей, альтернативных оценок и тестов на чувствительность к скрытым смещениям (материалы и методы). Во-первых, как описано в другом месте ( 28 ), нашу поэтапную оценку проекта можно разложить на средневзвешенное значение всех двухгрупповых / двухпериодных оценок разницы в различиях (DD) в данных.Таким образом, если бы эффекты PKH менялись во времени, наша оценка фазы могла бы быть смещенной. Под изменяющимися во времени эффектами мы имеем в виду, что воздействие PKH на лесной покров увеличивается или уменьшается по мере того, как деревня подвергается воздействию программы. Смещение, связанное с этой структурой воздействий, увеличивается с увеличением весов, которые наша оценка присваивает DD, которые противопоставляют более поздние когорты более ранним когортам. В нашем исследовании веса, присвоенные более поздним сравнениям с более ранними, малы (рис. S3), что означает, что если существует систематическая ошибка, то она невелика.Кроме того, закономерности на рис. 3 и в таблице S3 предполагают, что влияние PKH со временем нарастает. Эта тенденция будет означать, что смещение в нашей оценке приближается к нулю, а не от него (подробности см. В SM).

Затем мы пробуем альтернативные стратегии оценки (таблицы S9 и S10). Во-первых, для дальнейшего контроля возможных ненаблюдаемых, изменяющихся во времени факторов, влияющих на ситуацию, мы допускаем, что тенденции лесного покрова различаются по деревням и провинциям (рис. 4). Мы обнаружили, что предполагаемый эффект PKH по абсолютной величине меньше, чем первоначальная оценка примерно на 20%, но все же находится в пределах CI исходной оценки.Во-вторых, мы предварительно обрабатываем данные путем ковариатного сопоставления, что делает деревни ранней и поздней когорты еще более похожими с точки зрения наблюдаемых, неизменных во времени и изменяющихся во времени атрибутов, которые, как считается, коррелируют с тенденциями вырубки лесов в отсутствие PKH (таблица S1). Предполагаемый эффект примерно на 8% больше по абсолютной величине, чем первоначальная оценка (рис. 4). В-третьих, мы используем альтернативную оценку, модель зависимых переменных с запаздыванием, которая предполагает, что подверженность PKH определяется изменяющимися во времени факторами, которые коррелируют с предшествующей потерей лесного покрова; е.g., деревни могут быть более подвержены воздействию ПКХ после негативных потрясений, которые повлияли на то, сколько земель они могли очистить в предыдущем году. Предполагаемый эффект примерно на 2% меньше по абсолютной величине, чем первоначальная оценка (рис. 4). В-четвертых, мы используем альтернативную оценку, модель обобщенного синтетического контроля (GSC), которая позволяет оценивать эффекты лечения по мере их развития во времени, без наложения линейности. Метод GSC создает схему повторного взвешивания среди деревень, не подвергавшихся лечению, для прогнозирования контрфактических тенденций потери лесов в деревнях PKH после ПКХ.Эта оценка дает расчетный эффект лечения, который по абсолютной величине больше, чем наша первоначальная оценка (таблица S9), и, как и оценки за определенный год (таблица S3), предполагает, что эффект PKH может со временем расти. В целом альтернативные стратегии оценки дают результаты, которые согласуются с утверждением о том, что подверженность PKH связана с сокращением обезлесения.

Если расчетное воздействие на рис.2 отражает истинное влияние PKH, а не скрытые ошибки в нашем дизайне, мы ожидаем, что (i) оценки из гибкого временного тренда (линейный временной тренд села и фиктивные переменные провинции по годам), согласованный дизайн и запаздывающая потеря покрытия дизайн подразумевает воздействие, аналогичное расчетному воздействию на рис.2, и (ii) оценка теста на чувствительность, который представляет собой стресс-тест, оценивающий, насколько наша оценка изменилась бы, если бы в нашем дизайне был мощный ненаблюдаемый фактор, влияющий на ситуацию, подразумевает эффект PKH по сокращению вырубки лесов, хотя и меньший, чем оценка на рис.2. Расчетный процент сокращения рассчитывается путем деления расчетного сокращения потери лесного покрова на (взвешенную) среднегодовую потерю лесного покрова в деревнях, что дает оценку контрфактических потерь. Черные полосы обозначают предполагаемые средние эффекты. Линии усов показывают 95% доверительных интервалов. Оценки SE группируются на уровне подрайонов.

Наша последняя проверка устойчивости, тест на чувствительность к скрытому смещению, является наиболее информативной. По нашим оценкам, сокращение обезлесения в результате PKH могло быть вызвано одним или несколькими ненаблюдаемыми изменяющимися во времени факторами, которые отрицательно связаны с ранним воздействием PKH и положительно связаны с потерей лесов.Даже после поправки на сильную форму этого потенциального смещения (материалы и методы) оценочное воздействие остается отрицательным, статистически значимым и составляет примерно половину нашей первоначальной оценки (рис. 4 и таблица S12).

Чтобы показать, что эмпирический дизайн имеет значение, мы сопоставляем нашу оценку воздействия с оценками из популярных моделей в научной литературе по устойчивому развитию для оценки причинно-следственных связей (материалы и методы). Эти схемы более ограничены в своей способности устранять влияние смешивающих переменных ( 29 ).Оценки по этим планам варьируются от сокращения потерь лесов на 71% до увеличения на 60% (таблица S6), что подчеркивает важность тщательного контроля смешивающих переменных при оценке воздействия программ борьбы с бедностью на окружающую среду.

ОБСУЖДЕНИЕ

Оценка причинных эффектов на основе данных наблюдений является сложной задачей. Тем не менее, анализ показывает, что предполагаемая отрицательная корреляция между PKH и потерей лесов может быть правдоподобно интерпретирована как отражающая причинно-следственную связь.Чтобы предоставить доказательства того, какие механизмы действовали (рис. 1), мы используем экспериментальные и неэкспериментальные данные и предсказания теории (материалы и методы). Мы используем данные рандомизированного пилотного проекта PKH 2007 года, который проводился в основном в сельскохозяйственных общинах с небольшим количеством лесов или без них, для оценки вероятности того, что механизмы предъявления условий действовали. При оценке этого пилотного проекта не было обнаружено никакого воздействия на детский труд (сельскохозяйственный или иной). Более того, обнаруживаемые эффекты для здоровья были небольшими на третьем году и ослабевали к шестому году, модель, которая не соответствует модели эффекта лечения ПКХ, который проявляется сразу в первый год и сохраняется с течением времени (более подробную информацию см. ).Таким образом, несмотря на то, что ответы домохозяйств в пилотном проекте на труд и здоровье могли отличаться от ответов домохозяйств в нашей выборке, данные не подтверждают гипотезу о том, что PKH повлияла на вырубку лесов через условные обязательства.

Напротив, данные из нашей выборки из 7468 деревень более убедительно подтверждают два других канала: сглаживание потребления, при котором вырубка лесов заменяет вырубку леса в качестве страховки для бедных домохозяйств, и замещение потребления, при котором приобретаемые на рынке товары заменяют обезлесение. потребительские товары из источников. Как и в других странах, вырубка лесов в Индонезии служит инвестицией в страховку (или стратегию выживания) от погодных потрясений: когда сезон дождей в рисовом сезоне откладывается, бедные фермеры ожидают снижения урожайности и вырубают больше земель, чтобы компенсировать более высокую вероятность неблагоприятных погодных условий. шок потребления. PKH наиболее эффективно сокращает обезлесение в те годы, когда деревня испытывает отрицательные шоковые осадки (таблица S14), что соответствует схеме переноса, действующей как механизм сглаживания потребления.Более того, PKH наиболее эффективен для сокращения обезлесения в общинах с лучшим доступом к рынкам (таблица S14), смягчающий эффект, который согласуется с получателями, использующими наличные деньги PKH для замены товаров, полученных от обезлесения, на товары, приобретенные на рынке, но не согласуется с изменениями спрос на лесоинтенсивную продукцию или изменение производственных инвестиций.

Используя те же данные, мы находим слабые доказательства наличия канала взаимности: вероятность того, что граждане проголосуют за действующего кандидата в период 2008–2012 годов, увеличивается с увеличением доли деревень района, подверженных PKH (таблица S15) . Эти отношения, однако, не обязательно означают, что сельские жители с большей вероятностью подчинялись постановлениям правительства. Что касается жителей села, подчиняющихся постановлениям правительства через канал проверки, у нас нет эмпирических свидетельств в пользу или против использования канала проверки. Тем не менее, многосторонние оценки PKH и респондентов в ходе наших полевых интервью показывают, что фасилитаторы, которые следят за условиями и платежами, не могут выполнять свою основную миссию из-за нехватки средств, больших расстояний в пути и других ограничений.Поэтому их способность обеспечивать соблюдение правил лесопользования была ограничена (более подробную информацию см. В SM).

Конечно, существуют и другие потенциальные механизмы, посредством которых PKH могло повлиять на результаты лесного хозяйства. Например, недавнее исследование показало, что миграция привела к большему лесовосстановлению в Непале ( 30 ). В контексте PKH денежные переводы могли быть использованы для облегчения миграции некоторых членов семьи, что могло бы уменьшить обезлесение, например, за счет денежных переводов и сокращения местного предложения рабочей силы. С новыми данными и творческими стратегиями тестирования будущие исследования могут выявить другие механизмы, посредством которых PKH повлияет на результаты лесного покрова.

ЗАКЛЮЧЕНИЕ

Влечет ли сокращение бедности неизбежные экологические издержки? В Индонезии мы находим доказательства того, что при некоторых условиях ответ на этот вопрос — «Нет». Хотя программа PKH не была разработана для защиты окружающей среды, похоже, что она сократила вырубку лесов примерно на ¹ / ₁₀ SD. Для сравнения, в обзоре платежей по программам экологических услуг, специально разработанных для сокращения обезлесения, средний размер эффекта был равен 0.12 SD, и эти программы подвергались критике за то, что они не доходили до очень бедных ( 31 ).

Более того, механизмы, с помощью которых программа, похоже, достигла своего воздействия на окружающую среду, не являются уникальными для Индонезии. Повсюду в тропическом мире бедные домохозяйства зависят от обезлесения как средства приобретения потребительских товаров и страхования от негативных потрясений. Будут ли наши результаты распространяться на другие параметры, будет зависеть от роли этих и других конкурирующих механизмов.Тем не менее, наше исследование вселяет некоторую надежду на то, что глобальные усилия по искоренению крайней бедности не обязательно будут иметь неизбежные экологические издержки.

Несмотря на то, что PKH не была экологической программой, можно оценить, насколько выгодны предотвращенные PKH выбросы CO ₂ по сравнению с затратами на ее реализацию (материалы и методы). В зависимости от предположений о продолжающемся воздействии PKH на обезлесение, экономическая выгода только от сокращения выбросов углерода может покрыть затраты на внедрение PKH (Таблица 1).

Социальные выгоды от отсроченных выбросов CO ₂ сравниваются с затратами на PKH, оба измеряются на тонну предотвращенного CO ₂ (Материалы и методы). Никакие другие выгоды от программы PKH не включены (например, от сокращения бедности или не связанных с CO ₂ , экосистемные услуги). В первых четырех сценариях предполагается, что весь CO ₂ выделяется сразу после вырубки деревьев; задержка выбросов приведет к увеличению соотношения выгод и затрат.Сценарии изменяют предположения о том, как долго будут отложены предотвращенные выбросы CO ₂ . Учитывая текущие темпы потери лесного покрова, средняя деревня вырубит все леса, не затронутые ПКХ, за 50 лет. Сценарий 2 предполагает, что деревни начинают вырубку лесов, охраняемых PKH, с исторической скоростью через 50 лет. Сценарий 3 предполагает задержку только на максимальный период правомочности PKH, тогда как сценарий 4 предполагает задержку на минимальный период допуска.

Тем не менее, наше исследование не предполагает, что фонды сохранения природы должны быть перенаправлены на борьбу с бедностью.Для того чтобы сделать такой вывод, требуется анализ, аналогичный приведенному в таблице 1, для более широкого набора экологических и социальных ценностей по ряду экологических мероприятий и мероприятий по борьбе с бедностью. Наше исследование с акцентом на лучший дизайн причинно-следственного вывода и на выяснение множественных механистических путей предлагает один образец для будущих исследований в этом направлении.

МАТЕРИАЛЫ И МЕТОДЫ

Чтобы обеспечить достаточную детализацию для оценки и воспроизведения наших результатов, мы предоставляем подробный раздел SM.Все данные и код, использованные в этом исследовании, можно найти по адресу https://osf.io/uzaxg/. Здесь мы кратко изложим ключевые аспекты материалов и методов.

Определение распределения PKH по деревням (раздел S1)

Ключевой задачей в любом плане наблюдения является выявление механизма назначения лечения. Чтобы понять, как была реализована PKH, мы использовали программную документацию из государственных и негосударственных источников, дополненную полевыми опросами с администраторами программы PKH в Джакарте и полевыми опросами глав деревень в лесных районах на Бали, Суматере и Калимантане.

Выборка (разделы S2a и S2b)

Мы используем набор панельных данных за период с 2001 по 2012 год. Мы заканчиваем период в 2012 году по двум причинам: (i) критерии отбора, использованные для составления списка домохозяйств, имеющих право на участие в программе PKH. изменилось в 2013 году, и (ii) способ измерения древесного покрова по спутниковым данным изменился в 2013 году. Причинные выводы являются наиболее достоверными, если критерии для определения правомочности не меняются в течение периода исследования. Наша окончательная выборка состоит из 15 провинций, расположенных на островах Суматера, Калимантан, Бали и Западная Нуса-Тенггара, представляющих 53% лесов Индонезии с 75% или более лесным покровом в 2000 г. и на которые приходится более 80% потерь лесного покрова в период с 2000 г. и 2012 г. (рис.S1). После применения критериев включения и исключения для деревень у нас была выборка из 26 574 деревень, из которых 7468 деревень получили PKH в период с 2008 по 2012 год, а 19 106 деревень так и не получили PKH к концу 2012 года. Количество деревень, которые являются новыми Ежегодно подвержены PKH 1251 человек в 2008 году, 307 человек в 2009 году, 633 человека в 2010 году, 1624 человека в 2011 году и 3653 человека в 2012 году.

Данные (раздел S2c)

Наша конечная переменная — потеря лесного покрова, для которой наши измерения основаны на Hansen et al. ( 21 ). Чтобы избежать учета потерь от чужеродных лесов (например, каучуковых плантаций), мы определили «леса» как пиксели с плотностью древесного покрова более 75% с проверкой устойчивости с использованием порогового значения 30% (таблица S4). Чтобы обозначить лес в нашей выборке как «первичный», мы используем полигоны первичного леса Индонезии в 2000 году из Global Forest Watch (GFW), которые основаны на данных из Margono et al. ( 20 ). Для расчета возобновления роста мы используем данные непрерывных полей растительности из Song et al. ( 32 ). Наша лечебная переменная — это двоичная переменная, показывающая, подвергалась ли деревня программе PKH в данном году. Его значение было получено путем слияния данных о границах деревень в Индонезии из Статистического управления Индонезии с показателем деревень-получателей PKH от Министерства национального планирования развития (BAPPENAS). Мы также используем альтернативные определения лечения в различных измерениях «интенсивности воздействия», которые основаны на ежегодных данных BAPPENAS о количестве участников в каждой деревне.Чтобы зафиксировать изменение погоды во времени, мы используем данные НАСА о средней годовой температуре поверхности и среднем количестве осадков в сезон дождей (с конца сентября до конца декабря). Мы получили полигональные данные по охраняемым территориям из Всемирной базы данных по охраняемым территориям в 2016 году. Полигоны пальмового масла, древесного волокна и лесозаготовок были получены от GFW. Для атрибутов подрайона, которые использовались для определения права на участие в программе PKH, мы получили данные от Национальной группы по ускорению сокращения бедности.Для получения данных о высотах и ​​уклонах мы использовали SRTM 90m Digital Elevation Database версии 4.1. Для данных о дорогах мы используем данные Центра социально-экономических данных и приложений Колумбийского университета. Для измерения расстояний мы использовали ArcPro 2. 4.

Оценщики и оценщики (разделы с S2d по S2g)

Оценка (средний эффект лечения на пролеченных), основной оценщик и необходимые допущения для вывода причинно-следственной связи из предполагаемых корреляций подробно описаны в разделе S2d.Чтобы оценить влияние PKH на обезлесение в участвующих деревнях, мы используем линейную, аддитивную, двустороннюю оценку панельных данных с фиксированными эффектами, используя только выборку из 7468 деревень, которые подверглись воздействию PKH в период с 2008 по 2012 год. (уравнение в разделе S2d). Мы использовали ту же оценку, когда единицей анализа был уровень подрайона ( N = 521). Варианты этих оценок были использованы для оценки того, как эффект PKH зависит от типа леса (участки S2e и S2f) и от интенсивности воздействия (участок S2g).Чтобы реализовать ту же оценку с количеством пикселей, а не гектаров, мы используем преобразование обратного гиперболического синуса (из-за нулевых значений потерь леса на панели). Мы реализовали эти оценщики с помощью команды «xtreg fe» в Stata 16 MP. Все статистические тесты двусторонние. Подробные результаты можно найти в таблицах S3 и S4.

Традиционные модели и оценки (раздел S3)

Мы реализуем (таблица S6) (i) модель «до и после», в которой используются продольные данные для определения эффекта PKH путем обнаружения сдвига в обезлесении между периодом до PKH и пост-ПКХ периоды; (ii) план «с-без», который стремится сделать вывод о влиянии PKH, глядя на поперечные различия после PKH в вырубке лесов между деревнями PKH и деревнями, не входящими в PKH; и (iii) сложная версия схемы «до — после контроля — воздействия», также называемая схемой DD, которая стремится объединить схемы (i) и (ii), чтобы сделать вывод о влиянии PKH путем сопоставления тенденций. в вырубке лесов для ПКХ и всех деревень, не принадлежащих ПКХ; мы называем этот план дизайном панельных данных с фиксированными эффектами с использованием полной выборки деревень.Мы реализовали эти оценщики с помощью Stata 16 MP.

Неоднородность воздействия PKH (раздел S4)

Чтобы проверить неоднородность воздействия обработки, мы взаимодействуем с переменной PKH с характеристиками, которые, как предполагается, являются модераторами лесопользования (таблицы S7 и S8). Другие тесты неоднородности используются при анализе механизма.

Проверка устойчивости объяснения конкурентов (раздел S5)

Мы проводим пять дополнительных анализов, чтобы проверить достоверность предположений, необходимых для вывода причинно-следственной связи из корреляции в основном анализе.Чтобы разложить нашу двустороннюю оценку с фиксированными эффектами на составляющие 2 × 2 DD и веса, мы используем команду DDtiming в Stata 16 MP (рис. S3). Чтобы учесть временные тренды на уровне единиц и полностью гибкие эффекты по годам (таблица S10), мы используем вариант нашей двусторонней оценки с фиксированными эффектами, в которую мы добавляем линейные и / или квадратичные временные тренды на уровне единиц. и условия взаимодействия фиктивных переменных года и провинции. Чтобы предварительно обработать образец с помощью сопоставления, мы используем команду GenMatch в R (таблицы S1, S9 и S11).Затем мы используем согласованные данные с нашей двусторонней оценкой фиксированных эффектов из раздела S2. Для оценки модели зависимой переменной с лагом (потеря лесного покрова с задержкой) мы используем команду xtreg в Stata 16 MP (таблица S9). Предполагая, что запаздывающая потеря лесного покрова положительно связана с воздействием PKH и положительно связана с текущей потерей лесного покрова, эта оценка и оценка с фиксированными эффектами обеспечивают границы истинного воздействия PKH. Для реализации оценки GSC ( 33 ) мы использовали команду gsynth в R (3.6) (таблица S9). Чтобы проверить чувствительность наших результатов к скрытому смещению (ненаблюдаемому искажающему фактору), мы использовали метод, предложенный Altonji et al. ( 34 ) и дальнейшее развитие Oster ( 35 ). Мы предполагаем, что взаимосвязь между PKH и пропущенной, ненаблюдаемой смешивающей переменной может быть восстановлена ​​из взаимосвязи между PKH и наблюдаемыми переменными в нашей модели (например, фиксированными эффектами деревни). Используя команду areg, за которой следует команда psacalc пост-оценки в Stata 16 MP, мы затем исследуем условия, при которых пропущенная переменная может существенно изменить наши выводы, а также вычисляем нижнюю и верхнюю границу эффекта лечения, если эта ненаблюдаемая переменная должны были объяснить все необъяснимые различия в подверженности PKH и потере лесного покрова (таблица S12).

Вторичные эффекты (раздел S6)

Для выявления вторичных эффектов из деревень PKH в соседние деревни, не относящиеся к PKH, мы используем выборку из 19 106 деревень, не подвергавшихся лечению. Используя ArcPro 2.4, мы определяем, разделяла ли никогда не обрабатываемая деревня административные границы с деревней PKH. Используя основной инструмент оценки панельных данных с фиксированными эффектами и два способа оценки интенсивности воздействия на соседние деревни PKH, мы оцениваем локализованные побочные эффекты на потерю лесного покрова (таблица S13).

Механизмы (раздел S7)

Чтобы пролить свет на механизмы, мы объединяем теорию, результаты оценок рандомизированной пилотной программы PKH 2007 года ( 25 ) и дополнительный анализ с нашими неэкспериментальными данными.Мы исследуем последствия для каждого механизма, перечисленного на рис. 1, и проверяем эти последствия на основе наших наблюдательных и экспериментальных данных (таблицы S14 и S15).

Анализ выгод и затрат (раздел S8)

Для расчета метрических тонн выбросов CO ₂ эквивалентов на гектар в лесах сообществ PKH мы используем данные GFW. Мы оцениваем среднюю надземную биомассу (AGBM) из провинций в нашей выборке с покрытием растительного покрова более 30% в 2000 году, а затем умножаем это значение на 0.5 для получения углерода на гектар, а затем на 3,67 для преобразования его в CO ₂ на га. По нашим консервативным оценкам, 75% AGBM теряется вскоре после очистки в виде выбросов парниковых газов, а оставшиеся 25% навсегда поглощаются изделиями из древесины. Мы используем данные правительства и многосторонних доноров, чтобы определить средние денежные переводы и среднюю стоимость доставки денежных средств и мониторинга условий для каждой деревни в год. Мы рассчитываем значение задержки метрической тонны выбросов CO ₂ эквивалента, используя формулу, которая учитывает социальные издержки CO ₂ (предполагается, что это 31 доллар США, U.Оценка Агентства по охране окружающей среды на 2010 год с использованием 3% ставки дисконтирования социальных затрат на выбросы CO2), продолжительности от обезлесения до выбросов углерода, эффективной ставки дисконтирования и задержки в обезлесении, вызванной программой PKH.

Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution-NonCommercial, которая разрешает использование, распространение и воспроизведение на любом носителе, при условии, что в результате будет использовано , а не для коммерческих целей и при условии, что оригинальная работа правильно процитирована.

ССЫЛКИ И ПРИМЕЧАНИЯ

1. ↵

   United Nations, The Millenium Development Goals Report 2014 (The United Nations, 2014).

2. ↵

3. А. Агравал, К. Редфорд, Бедность, развитие и сохранение биоразнообразия: стрельба в темноте? (Общество охраны дикой природы, 2006).

4. А. Ангелсен, С. Вундер, Связь «Изучение леса — бедность»: ключевые концепции, проблемы и результаты исследования (CIFOR Occasional Paper 40, 2003).

5. Всемирная комиссия по окружающей среде и развитию, Наше общее будущее (Oxford Univ. Press, 1987).

8. ↵
9. ↵
12. ↵
13. ↵
14. ↵
15. ↵
16. ↵
17. ↵
18. ↵
19. ↵
20. ↵
21. ↵
22. ↵
24. ↵
25. ↵
26. ↵
27. ↵

    А. Гудман-Бэкон, Различия в различиях при изменении сроков лечения (Рабочий документ NBER No.25018, 2018).

28. ↵
29. ↵
30. ↵
31. ↵
32. ↵
33. ↵
34. ↵

36. BAPPENAS, Program Keluarga Harapan — PKH: два примера реализации индонезийской программы условных денежных переводов BAPPAS ( 2008 г.).

37. Р. Воробей, Условные денежные переводы в Индонезии: базовый отчет об исследовании — программа Келуарга Харапан и PNPM-Generasi (Всемирный банк, 2008).

45. П.Р. Розенбаум, Observational Studies (Springer, 2002).

47. J. D. Angrist, J. -S. Пишке, В основном безвредная эконометрика: компаньон эмпирика (Princeton Univ. Press, 2009).