Causal Effects of Climate-Smart Agriculture Adoption on Smallholder Welfare and Food Security in Zambia: Evidence from Endogenous Switching Regression, Double Machine Learning, and Bayesian Estimation
باستخدام مجموعة شاملة من الأساليب القياسية الاقتصادية المتقدمة على مسح واسع النطاق للأسر المعيشية في زامبيا، تقدم هذه الدراسة أدلة سببية قوية على أن اعتماد الزراعة الذكية مناخياً يعزز بشكل كبير دخل صغار المزارعين وإنتاجية المحاصيل، مع ملاحظة الفوائد الأكثر وضوحاً بين مزارعي الكفاف، مما يدعم استراتيجيات الترويج المستهدفة بدلاً من الاستراتيجيات الشاملة.
المؤلفون الأصليون:Evans Kudzai Chinembiri, Munyaradzi Mutenje, Nkele D. Malahlela
في قلب المناطق الريفية في زامبيا، حيث تعتمد غالبية الأسر على إيقاع الأمطار لزراعة طعامها، تعد الزراعة أكثر من مجرد وظيفة؛ إنها أساس البقاء. لعقود من الزمن، واجه المزارعون واقعاً صعباً: طقساً غير مستقر، وتكاليف متزايدة للبذور والأدوات، وأسواقاً يصعب الوصول إليها. ولمساعدتهم على التكيف، روجت مجموعات التنمية والحكومة لمجموعة من الأساليب الزراعية تُعرف باسم "الزراعة الذكية مناخياً". وهذه تقنيات عملية مصممة لتحقيق ثلاثة أمور في آن واحد: زراعة المزيد من الغذاء، وحماية التربة من التلف، ومساعدة المزارع على الصمود عندما تسوء الأحوال الجوية. والهدف النهائي من هذه الجهود ليس فقط رؤية محاصيل أكبر، بل ضمان حصول العائلات على ما يكفي لتناول الطعام والمال لشراء نظام غذائي متنوع. ومع ذلك، ورغم أن هذه الأساليب موصى بها على نطاق واسع، إلا أنه كان هناك نقص في الأدلة الصلبة التي توضح بالضبط مدى تحسينها لحياة صغار المزارعين الذين يستخدمونها.
لقد سعت دراسة جديدة لسد هذه الفجوة من خلال النظر مباشرة في حياة أكثر من 2000 أسرة زراعية عبر أربع مقاطعات في زامبيا. أراد الباحثون معرفة ما إذا كان اعتماد هذه الممارسات الصديقة للمناخ يؤدي بالفعل إلى زيادة الدخل وارتفاع إنتاجية المحاصيل، وهما السبيلان الرئيسيان لتأمين غذاء الأسرة. لقد جمعوا معلومات مفصلة من مسح شامل أُجري في أواخر عام 2025، حيث سألوا المزارعين عن أراضيهم، ودخلهم، وعدد التقنيات المختلفة التي يستخدمونها في الزراعة الذكية مناخياً. وكان الفريق مهتماً بشكل خاص بمعرفة ما إذا كان استخدام طريقة واحدة أو اثنتين فقط كافياً لإحداث فرق، أم أن المزارعين بحاجة إلى اعتماد حزمة كاملة من العديد من التقنيات لرؤية فوائد حقيقية. وللحصول على إجابة واضحة، استخدموا ثلاثة نهج إحصائية متقدمة لفصل آثار أساليب الزراعة عن العوامل الأخرى مثل تعليم المزارع أو مساحة أرضه.
تقدم النتائج صورة واضحة ومشجعة لمستقبل الزراعة الصغيرة في المنطقة. فقد وجدت الدراسة أنه عندما اعتمد المزارعون هذه الممارسات الذكية مناخياً، ارتفع دخلهم الزراعي بنحو 33 بالمائة، وزادت إنتاجية محاصيلهم بنحو 47 بالمائة. وهذه الأرقام مهمة لأنها تمثل دفعة كبيرة للموارد المتاحة للأسرة. فبالنسبة لعائلة تزرع طعامها بنفسها، فإن زيادة الإنتاج بنسبة تقارب 50 بالمائ المائة تعني أن لديهم الكثير من الحبوب للاحتفاظ بها لموائدهم الخاصة. وبالنسبة لأولئك الذين يبيعون محاصيلهم، فإن قفزة الدخل بنسبة 33 بالمائة تعني أن لديهم المزيد من المال لإنفاقه على الضروريات الأخرى، بما في ذلك نظام غذائي أكثر تنوعاً وتغذية. ويؤكد البحث أن هذه الأساليب الزراعية تنجح، لكن الفوائد لا تتوزع بالتساوي على كل نوع من المزارعين أو كل مستوى من مستويات الاعتماد.
كان أحد أهم الاكتشافات هو أن أكبر المكاسب غالباً ما تأتي من البدء بخطوات صغيرة. فقد أظهرت البيانات أن المزارعين الذين اعتمدوا ممارسة واحدة أو اثنتين فقط من هذه الممارسات شهدوا التحسينات الأكثر دراماتيكية في دخلهم وإنتاج الغذاء. في الواقع، وجدت الدراسة أن الفوائد تميل إلى التقلص عندما يحاول المزارعون اعتماد ثلاث ممارسات مختلفة أو أكثر في وقت واحد. وبالنسبة لبعض المزارعين التجاريين، أدى إضافة ممارسة ثالثة أو رابعة في الواقع إلى انخفاض في الدخل، مما يشير إلى أن محاولة القيام بالكثير في وقت واحد قد تكون مرهقة أو ذات نتائج عكسية. هذا الاكتشاف يتحدى الفكرة الشائعة القائلة بأن "الأكثر هو دائماً الأفضل" في الزراعة. وبدلاً من ذلك، فإنه يشير إلى أن الاستراتيجية الأكثر فعالية لمساعدة أفقر العائلات هي تشجيعهم على اعتماد طريقة أو اثنتين مختارتين بعناوة، بدلاً من إجبارهم على اعتماد نظام معقد ومتعدد الطبقات دفعة واحدة.
كما بحثت الدراسة فيما إذا كانت هذه التغييرات الزراعية تساعد مزارعاً على حساب آخر، أو ما إذا كانت الفوائد تنتشر عبر المجتمع. ووجدوا أنه بينما كان هناك بعض تبادل المعرفة بين الجيران، إلا أن ذلك لم يشوه النتائج. كانت الآثار الإيجابية حقيقية وقابلة للقيال على مستوى الأسرة الفردية. علاوة على ذلك، تمكن الباحثون من إظهار أن هذه الفوائد كانت قوية بشكل خاص للعائلات التي تعتمد بشكل أساسست على مزارعها الخاصة لتوفير الغذاء، بدلاً من أولئك الذين يبيعون معظم منتجاتهم. بالنسبة لهؤلاء المزارعين الذين يمارسون زراعة الكفاف، تترجم زيادة إنتاج المحاصيل مباشرة إلى المزيد من الطعام على المائدة، مما يعالج الحاجة الأكثر إلحاحاً للبقاء.
يوفر هذا البحث خارطة طريق حيوية لصناع السياسات والمنظمات الإغاثية. فهو يشير إلى أن أفضل طريقة لتحسين الأمن الغذائي وسبل العيش في زامبيا هي التركيز على جعل المزارعين غير المعتمدين يجربون تقنية أو تقنيتين بسيطتين من التقنيات الذكية مناخياً. إن الدفع نحو اعتماد واسع النطاق وشامل للعديد من الممارسات في وقت واحد قد لا يكون الاستخدام الأكثر كفاءة للموارد، بل وقد يثبط عزيمة المزارعين الذين يعانون بالفعل. ومن خلال التركيز على المراحل الأولى من الاعتماد، يمكن للبرامج أن تساعد العائلات على بناء أساس أقوى. وتخلص الدراسة إلى أن هذه الأساليب هي مسار مثبت لتحسين الرفاهية، لكن نجاحها يعتمد على مطابقة القدر المناسب من الدعم مع النوع المناسب من المزارعين، لضمان أن تكون الخطوات الأولى نحو الصمود أمام التغير المناخي هي الأكثر مجزية.
ملخص تقني: الآثار السببية لتبني الزراعة الذكية مناخياً على رفاهية صغار المزارعين والأمن الغذائي في زامبيا
بيان المشكلة على الرغم من الترويج السياسي الواسع للزراعة الذكية مناخياً (CSA) عبر أفريقيا جنوب الصحراء الكبرى لتعزيز إنتاجية صغار المزارعين، ومرونتهم، وأمنهم الغذائي، إلا أن الأدلة السببية الصارمة المتعلقة بآثارها على الرفاهية في زامبيا لا تزال محدودة. وتتميز الدراسات الحالية في الغالب باستخدام أساليب مطابقة درجات الميل (Propensity Score Matching) وطريقة المربعات الصغرى العادية (OLS) التي تفترض الاختيار بناءً على المتغيرات المرصودة، مما يؤدي إلى الفشل في معالجة التباين غير الملحوظ في قرارات التبني بشكل كافٍ. علاوة على ذلك، غالباً ما تعامل الدراسات السابقة تبني الزراعة الذكية مناخياً كمؤشر ثنائي، مما يحجب مسارات الرفاهية المتباينة المرتبطة بطبيعة التبني المتدرجة ومتعددة الممارسات. تعالج هذه الدراسة هذه الفجوات من خلال تقدير الآثار السببية لتبني الزراعة الذكية مناخياً على الدخل الزراعي وإنتاجية المحاصيل — باعتبارهما محددات قريبة للوصول إلى الغذاء وتوفره — باستخدام تثليث منهجي لثلاثة مقدرات متميزة.
المنهجية يستخدم التحليل مسحاً عرضياً للأسر المعيشية شمل 2,116 أسرة زراعية من صغار المزارعين في أربع مقاطعات في زامبيا (سنترال، إيسترن، ساوثرن، وكوبربيلت)، تم جمعها تحت مظلة مشروع "مسرع المياه والتربة" (WASA). وتوظف الدراسة ثلاثة مقدرات متكاملة لضمان المتانة ضد أوجه القصور المحددة لأي نهج منفرد:
نموذج الانحدار التبدلي متعدد الحدود (MESR): يعالج هذا النموذج الهيكلي انحياز الاختيار من خلال نمذجة اختيار الأسرة ضمن أربعة أنظمة تبني مرتبة: عدم التبني (T0)، تبني ممارسة واحدة (T1)، تبني ممارستين (T2)، وتبني ممارسات متعددة (T3). ويقدر النموذج متوسط آثار العلاج على المعالجين (ATTs) لكل فئة على حدة للمزارعين المعيشيين والتجاريين. ويعتمد التحديد على عدم الخطية لنسب "ميل ميلز" المعممة المستمدة من نموذج لوجيت متعدد الحدود في المرحلة الأولى، مع الإقرار بأن الأداة المرشحة الطبيعية (معدل التبني على مستوى المخيم) تفشل في اختبار الاستبعاد الصارم ولكنها تعمل كوكيل ذي صلة لبيئة التبني.
التعلم الآلي المزدوج (DML): لتوفير وجهة نظر شبه معلمية، تطبق الدراسة منهج DML (تشيرنوزنوف وآخرون، 2018) باستخدام شروط لحظة "نييمان-أورثوجونال" والضبط المتقاطع (Cross-fitting). يستخدم هذا النهج متعلمين يعتمدون على التعلم الآلي المرن (LASSO وRandom Forest) لتقدير الدوال المزعجة لكل من النتيجة واحتمالية العلاج، مما يعزل الأثر السببي دون افتراض شكل دالي محدد. ويقدر هذا النهج كلاً من متوسط أثر العلاج على السكان (ATE) ومتوسط أثر العلاج على المعالجين (ATT).
التعلم الآلي المزدوج البايزي (BDML): امتداداً لإطار DML، تم استخدام مقدر بايزي (دي تراجليا وليو، 2025) لتوليد توزيعات لاحقة كاملة فوق معاملات أثر العلاج. وهذا يسمح بالاستدلال الاحتمالي المباشر فيما يتعلق باحتمالية وجود آثار إيجابية، باستخدام بديهيات ضعيفة المعلومات وأخذ عينات "ماركوف تشين مونت كارلو" (MCMC).
بالإضافة إلى ذلك، تم إجراء اختبار حساسية لفرضية "وحدة المعالجة المستقرة" (SUTVA) عن طريق تعزيز نموذج DML بوكلاء انتشار على مستوى المخيم لتقييم انحياز التداخل المحتمل.
المساهمات الرئيسية
التثليث المنهجي: تدمج الدراسة نموذجاً بارامترياً هيكلياً (MESR)، ونهج تعلم آلي شبه معلمي (DML)، وامتداداً بايزياً كاملاً (BDML). وتسمح هذه الاستراتيجية للمؤلفين بالادعاء بوجود تحديد سببي بناءً على تقارب النتائج عبر أطر عمل ذات افتراضات أساسية مختلفة.
تحليل الكثافة المرتبة: على عكس دراسات التبني الثنائية، ينمذج هذا البحث تبني الزراعة الذكية مناخياً صراحةً كمتصل كثافة مرتب (T0–T3)، مع تفصيل الآثار حسب نوع المزرعة (معيشية مقابل تجارية) لرصد العوائد المتباينة.
التطبيق الجديد لـ BDML: تمثل الورقة واحدة من أولى تطبيقات مقدر DML البايزي في سياقات تبني الزراعة الذكية مناخياً في اقتصاد الزراعة بأفريقيا جنوب الصحراء الكبرى، حيث توفر بيانات احتمالية لاحقة إلى جانب التقديرات التكرارية.
المتانة تجاه التأثيرات الجانبية: يعالج تضمين اختبار SUTV رسميًا المخاوف الشائعة بشأن التداخل في شبكات الإرشاد الزراعي، مما يؤكد أن تقديرات مستوى الأسرة ليست منحازة بشكل كبير بسبب تأثيرات الانتشار على مستوى المخيم.
النتائج
الآثار على مستوى السكان (DML & BDML): تؤكد كل من المقدرات التكرارية والبايزية لـ DML وجود آثار سببية إيجابية وذات دلالة إحصائية (عند مستوى 1%) لتبني الزراعة الذكية مناخياً.
الدخل: يرتبط تبني الزراعة الذكية مناخياً بزيادة تقريبية قدرها 33% في الدخل الزراعي (ATE) و24% للمتبنين تحديداً (ATT).
الإنتاجية: يرتبط تبني الزراعة الذكية مناخياً بزيادة تقريبية قدرها 47% في محصول المحاصيل (ATE) و32% للمتبنين (ATT).
التأكيد البايزي: الاحتمالية اللاحقة لوجود أثر إيجابي هي 1.000 لجميع النتائج، مع اختلاف المتوسطات اللاحقة عن التقديرات التكرارية بما لا يتجاوز 0.041.
التباين والكثافة (MESR):
المزارعون المعيشيون: يظهرون مكاسب ثابتة في الدخل والإنتاجية. وتكون مكاسب الإنتاجية ذات دلالة فردية للمتبنين في نظام الممارسات الثنائية (T2) والمتعددة (T3)، حيث سجل T2 أكبر مكسب (+293.7%). أما مكاسب الدخل فهي تقارب 47% لـ T1 وT2، لكنها تنخفض بشكل حاد لـ T3.
المزارعون التجاريون: يظهرون مكاسب إيجابية في الدخل لـ T1 وT2، لكن التقدير النقطي يتحول إلى سالب لـ T3 (-8.5%). أما مكاسب الإنتاجية فلا يمكن تمييزها عن الصفر فردياً للمزارعين التجاريين عند أي كثافة.
تناقص العوائد: يظهر كلا الطرفين نمطاً حيث ينخفض عائد الرفاهية الهامشي عند أعلى كثافة للتبني (T3)، حيث تكون عوائد الممارسات المتعددة هي الأصغر أو سالبة.
اختبار SUTVA: تؤدي تأثيرات الانتشار، المقاسة بمعدلات التبني على مستوى المخيم، إلى تحول يقل عن 5% في تقدير ATE الأساسي (وهو أقل بكثير من عتبة المادية البالغة 10%)، مما يدعم صحة الاستدلال السببي على مستوى الأسرة.
الأهمية والادعاءات تدعي الورقة أن أهميتها الأساسية تكمن في تقديم أدلة سببية صارمة على أن تبني الزراعة الذكية مناخياً يحسن رفاهية صغار المزارعين في زامبيا، وتحديداً من خلال زيادة الدخل الزراعي وإنتاجية المحاصيل. ويعزز تقارب ثلاثة مقدرات متميزة القاعدة الإثباتية لهذه الادعاءات بما يتجاوز ما يمكن أن يدعمه أي منهج واحد.
ويجادل المؤلفون بأن هذه النتائج لها آثار مباشرة على سياسة الأمن الغذائي:
الاستهداف: تشير مكاسب الإنتاجية غير المتناسبة بين المزارعين المعيشيين إلى أن تعزيز الزراعة الذكية مناخياً يجب أن يعطي الأولوية لهذه الفئة لتعزيز توافر الغذاء بشكل مباشر. l. استراتيجية التبني: إن دليل تناقص العوائد عند مستويات الكثافة العالية للتبني (T3) يحذر من فرض التبني الإلزامي للممارسات المتعددة. وبدلاً من ذلك، يقترح المؤلفون أن استراتيجيات النشر التي تركز على دفع غير المتبنين لتبني ممارسة أو ممارستين مختارتين بعناية قد تولد مكاسب أكبر في الرفاهية الإجمالية والوصول إلى الغذاء مقارنة بتعميق المحافظات للمتبنين الحاليين.
تصميم الإرشاد: يدعم الاتجاه الإيجابي لتأثيرات الانتشار، رغم تواضعها، الاستثمار في منصات التعلم القائمة على المجموعات والإرشاد على مستوى المخيم للاستفادة من الانتشار الاجتماعي.
وتقر الدراسة صراحةً بالقيود، بما في ذلك الطبيعة العرضية للبيانات (مما يمنع استراتيجيات الفرق في الفروق الطولية) واستخدام الدخل والإنتاجية كمؤشرات للقدرة على الوصول إلى الغذاء بدلاً من مقاييس الاستهلاك المباشرة. كما تحدد تحليل وحدة التنوع الغذائي من نفس مجموعة البيانات كخطوة ضرورية لإغلاق مسار الأمن الغذائي بالكامل.