了解莫桑比克中部Gurué区农业家庭粮食安全的驱动因素

背景

尽管在2010年代取得了进展，但莫桑比克粮食不安全的普遍情况令人震惊。若干研究采用不同的粮食安全代理指标来评估粮食安全状况。然而，这些研究忽略了影响FS的因素，仅使用单一数据点，导致FS的图像不完整。预计粮食安全将出现波动，可能比研究结果更好，也可能比研究结果更差。通过296个家庭的样本来评估生存能力，在莫桑比克中部Gurué区确定了影响家庭实现生存能力的关键驱动因素。在采收期前和采收期收集数据，以捕获FS的相关季节间变化。采用三个标准指标对家庭粮食供应进行评估:家庭膳食多样性评分(hds)、家庭食品消费评分(HFCS)和充足家庭食品供应月数(MAHFP)。

结果

根据所采用的指标，将每个家庭分为特定的生存状况。一般而言，大多数家庭在收获季前被划分为严重或中度粮食不安全，而在收获季，中高水平粮食不安全占主导地位。然而，根据用于评估FS的指标，发现了不同的结果。MAHFP和hdd更多地与农场来源的食品消费有关，而HFCS对购买的食品反应更强烈。户主的性别和年龄、地理位置、土地的大小和质量、主食产量(特别是木薯)、牲畜和作物多样性以及经济作物对粮产指标具有统计上的显著影响。

结论

该研究得出的结论是，农民是应该依靠主食生产来提高他们的粮食短缺状况，还是专门从事经济作物生产来创收和购买粮食，这取决于用于评估粮食短缺状况的指标，因为每个指标都反映了粮食安全的一个特定领域。因此，从我们的研究结果中得出的一个核心建议是，政策制定者应该促进以市场为导向的农业和自给自足生产之间的平衡，以实现可持续发展。

撒哈拉以南非洲近19%的人口营养不良[1］．在莫桑比克，尽管在减少慢性粮食不安全方面取得了进展，但估计这一数字为24% [242.3%的5岁以下儿童发育不良[3.］．一项由[4]发现莫桑比克中部42-67%的家庭在收获前经历过饥饿。在同样位于莫桑比克中部的Gurué区，5岁以下儿童营养不良的发生率估计约为50% [5，6］．原因包括经常发生的自然灾害[7，气候变化[8]，以及妨碍充分农业生产的破坏性作物害虫[9］．后者在多个方面对生计产生负面影响，因为约80%的经济活动人口在农业部门工作[10]，因此可能有FI的风险。在2019冠状病毒病危机的背景下，这种情况可能会恶化[11]，可能引发不可逆转的长期后果[12］．

有关FI对人们福祉影响的研究表明，它与身体健康状况下降有关[13]，母婴体重不足[14，精神健康欠佳[15)、压力(16]，以及高风险的性行为(例如在SSA) [17］．它还可能对教育结果产生负面影响[18]以及母亲采用纯母乳喂养方式的能力[19］．因此，实现粮食安全是必要和紧迫的。联合国通过可持续发展目标2和3(消除饥饿;分别确保良好的健康和福祉)[20.］．然而，全球南方持续的粮食危机促使许多利益攸关方，包括政策制定者和学者，重新定义粮食短缺的概念。这也导致政府和援助组织应对金融危机的方法发生了各种变化[21］．

关于粮食安全概念的辩论已从国家一级的粮食供应是否充足发展到家庭和个人一级的膳食能量是否充足，再加上目前对经济、社会、营养和心理因素的考虑[22］．粮农组织(23]将粮食安全定义为获得充足、安全和有营养的食物的充足供应，满足人们积极和健康生活的饮食需要和食物偏好。它涉及三个物理维度，即可用性、可及性和利用率，以及一个时间维度，即稳定性[24］．

实现粮食安全的战略的一个关键方面是查明粮食不安全的家庭或个人，并通过测量确定其不安全的性质。这为监察财政司司长计划的进度和影响提供了依据[25］．因此，提出并应用了多种指标，作为确定和监测最需要粮食安全干预措施的人的一种方法。然而，这些指标差异很大[26单一的测量方法无法涵盖它的所有维度[27]，因而产生好坏参半的结果[28］．例如，在莫桑比克，在不同区域进行的几项研究应用了不同的FS代理指标，得出了不同的结果。应用的指标包括住户对家庭财务状况的看法[29]、食物开支[30.，31]，每户获得的卡路里数[32]，即家庭遭遇不同食物获取挑战的频率[33]，以及家庭粮食不安全获取量表[34］．

此外，关于粮食安全度量的文献将粮食安全指标分为两组，一组采用间接方法度量粮食消费充分性(如膳食多样性和粮食消费得分)，另一组直接度量家庭粮食安全行为和生活体验(如粮食不安全体验量表)[22，35］．因此，需要采用不同FS指标的应用和比较，以及混合方法的使用，才能对FS进行整体的分析和描述[36］．此外，有些指标只捕获一个FS维度，而其他指标则结合了两个或多个这些维度。然而，有些指标并不清楚它们所衡量的FS维度[35]，而对于大部分用以监察财政司司长工作进展的指标的成效，仍缺乏共识[22］．所有的指标都有优点和缺点;因此，在选择指标时必须考虑到取舍。在选择适当的粮安委指标时，应始终考虑到拟衡量的粮食安全层面。如果目的是要更全面地看待粮食安全状况，则使用多个指标优于单一指标[35，36］．

Mawoko等人[37和菲塔威克和亨德里克斯[38]，使用多个粮食供应指标提供莫桑比克不同地区(包括Gurué区)家庭一级粮食供应状况的整体情况，并研究了大规模农业投资对家庭粮食供应的影响。然而，这些研究只使用了在某个时间点收集的数据，忽略了影响家庭实现生育能力的其他关键因素;因此，给出了FS的不完全情况，预计它会比这些研究中显示的情况更好或更糟。在本研究中，我们试图弥补这一差距:(1)利用采收期前和采收期收集的数据捕捉相关的FS的季节间变化;(2)结合三个粮食供应指标，以反映一年期间家庭获得充足粮食数量(能源)、粮食质量(营养充分性)和稳定性的情况;(3)在莫桑比克中部Gurué县的家庭层面探索FS的潜在驱动因素。

研究区域

研究在位于Gurué区的两个村庄进行:Lioma(15°10 ' 33.3"S 36°48 ' 21.8"E)和Mepuagiua(15°46 ' 26.4"S 37°03 ' 38.5"E)(图1)。1)．该地区位于莫桑比克中部Zambézia省北部，与马拉维共和国接壤。Gurué的总面积为56.5万公顷，人口估计为43.1万居民，相当于Zambézia省总人口的7.7%，人口密度为每公里76人²［39］．该地区有两个季节:一个是雨季，温度在30°C到40°C之间，一个是旱季，温度在17°C到20°C之间。年平均降雨量约1800毫米。人口从事的主要活动是农业和畜牧业(鸡、鸭和猪)[39］．农业活动占地面积147760公顷，其中10080公顷(7%)主要用于大规模商业生产;其余137,680公顷(93%)用于小规模农业。大部分小规模耕地用于粮食作物种植，主要是玉米、木薯和高粱[40］．

家庭特征

大多数家庭(Mepuagiua 71%， Lioma 80%)的户主都是男性。Mepuagiua只有10%的家庭有非农业收入来源，而在Lioma, 23%的家庭从事农业以外的活动(图2)。2)．根据表中给出的结果1在美国，Mepuagiua的户主平均年龄(37岁)高于Lioma(33岁)(p< 0.05);然而，在Lioma，农民受到了更好的教育(p< 0.001)。平均农场规模在统计上没有差异，而且在Lioma (p< 0.001)。此外，两个研究区域的平均家庭规模在统计上没有显著差异。在梅普阿瓜亚，主食生产更加多样化，高粱占主导地位，经济作物生产很少(图5)。3.)．

家庭粮食安全状况

按不同的家产指标划分的家庭家产类别见表2．当在收获前使用hdd时，梅普阿基阿的大多数家庭(52%)属于膳食多样性低的类别，而在利奥马，大多数家庭(68%)的膳食多样性中等。Mepuagiua和Lioma只有2%和1%的家庭分别属于膳食多样性高的类别，因此可以认为在收获前的时期是粮食安全的。然而，在收获期间，许多家庭进入了饮食多样性高的类别。在廖马，大多数(50%)的饮食多样性较高，只有5%的饮食多样性较低。在梅普阿基阿，农户在收获期间也增加了饮食多样性，45%的农户膳食多样性中等，37%的农户膳食多样性较高。

此外，结果显示两个研究地点在高果糖玉米糖浆方面的趋势相似。大多数家庭(88%的Lioma和89%的Mepuagiua)在收获前有较差的HFCS (HFCS≤21)。但是，在收获季节，大部分家庭都属于边缘家庭。在收获前期间，在MAHFP方面也发现了很高的粮食不安全水平。大多数家庭(Mepuagiua的65%和Lioma的71%)的粮食安全指数低于5个，而只有3%的Mepuagiua和8%的Lioma的粮食不安全程度最低。在收获期间，两个研究地点的粮食不安全家庭水平下降到42%。

影响家庭粮食安全的因素

我们使用了带有部分比例优势(PPOM)的广义有序logit模型(GOLM)，用用户编写的程序在Stata中拟合，gologit2［41)(参见附加文件1查看详细的输出结果)。根据PPOM结果见表3.，变量Age违反了因变量hdd和MAHFP拟合模型中的平行线假设，即它们的效应在方程之间发生变化。家庭规模和季节也分别违反了hdd和MAHFP的平行线假设。因此，年龄、家庭规模和季节有gamma (\γ(\ \))统计上显著的系数(p值< 0.05)。为了得到这些变量的系数，\γ(\ \)必须将系数加到(β\ (\ \))系数;例如，低、中饲料多样性与高饲料多样性的季节系数为4.451(1.976 + 2.475)。两个阿尔法(\α(\ \))表示logit函数每个截止点的截距。

除家庭规模、高粱产量和非农收入外，本研究中使用的FS指标中至少有一项在5%显著性水平下具有统计学意义(参见表3.)．各解释变量对FS指标的边际效应见表4．

两个变量与所有三个FS指标一致相关(p值< 0.05)，即木薯的季节和产量。本研究中使用的三个生长状况指标在收获季节和生产木薯的家庭中较高，这也可以从所有三个指标对较低类别的负边际影响中看出(参见表4)．

地理位置、土地质量、牲畜多样性和水稻产量与两项生育指标(p值< 0.05)。Lioma地区的农民hdd和MAHFP更高的可能性更大，从低品类的负边际效应和高品类的正边际效应可以看出。土地质量越高，hdd和MAHFP越高。水稻的生产也增加了hdd和MAHFP。牲畜多样性较高的家庭更有可能拥有较高的hdd和MAHFP。然而，从统计上看，作物多样性与MAHFP和HFCS呈正相关。

土地面积是确保全年提供充足粮食的一个重要因素，但对hdd和HFCS没有任何影响。性别与高果糖玉米糖浆呈负相关，这也表现为较低类别的正向边际效应(0.126)和边缘效应(−0.125)。这表明，与男性户主家庭相比，女性户主家庭更有可能获得中等(或边缘)的食品消费得分。户主年龄仅影响hdd，而低、中膳食多样性边际效应的正、负信号分别表明，户主年龄越大，膳食多样性越低。玉米和经济作物的生产只对HFCS有影响。

本研究评估了采收前和采收期间的作物生长状况。它还深化了对Gurué地区实现粮食安全的家庭能力的关键驱动因素的分析。将三个标准分为三个层次的食粮状况指标被用来捕捉家庭中更细微的食粮状况模式的多维度和流行度，而在那些只将家庭分为两类(例如粮食安全和粮食不安全)的研究中，这些指标被忽略了[42］．一般来说，我们观察到，在收获前期间，膳食多样性相对较低，家庭食物消费普遍较差，而在收获季节，膳食多样性和食物消费居多的家庭居多。这与我们的预期相符，因为我们的数据是在2月至3月之间收集的，而这一时期的粮食储备已经很稀缺，而在收获期(5月和6月)，从农场获得的粮食较多[43］．如[4]，在莫桑比克家庭中，粮食安全对季节变化很敏感。因此，我们的结果可能同时代表了Gurué地区FS的上下限。

值得注意的是，性别只与高果糖玉米糖浆有关。根据表中给出的结果4在美国，女性户主家庭的食品消费得分更高。由于该FS指标采用的是加权体系，因此对研究区普遍购买的动物产品的反应更强烈。hds对所有食物组的权重相等，而HFCS对不同食物组的权重不同[44］．鱼，主要在我们的研究区域购买，有最高的重量(4)，而农场来源的蔬菜和主要主食，有较低的重量(参见表5)．因此，对于依赖农场食品的家庭来说，使用高果糖玉米糖浆可能会导致最高的粮食不安全水平。尽管一般而言，女户主家庭在经济状况方面往往落后于男户主家庭[42，45]，男女之间的行为差异导致男户主和女户主家庭在财务资源支出方面的差异[46］．女性决策者可能会选择将财务资源投资于食品支出，而男性决策者可能会将财务资源投资于非食品项目。与此同时，研究还发现，有孩子的低收入妇女更有动力改善家庭的营养质量，更有可能消费有营养的饮食[47，48］．

令人惊讶的是，只有hdd和MAHFP的牲畜多样性在统计上具有显著性。由于高果糖玉米糖浆对食物种类的权重不同，我们预计从事畜牧业的家庭高果糖玉米糖浆含量更高。然而，这可能意味着牲畜不是用于自身消费，而是用于商业和其他目的。此外，非农收入对所有粮食生产指标的影响在统计上并不显著(表5)4)，尽管它经常被报道为FS最重要的驱动因素之一[49］．因此，我们的研究结果可能符合[50他指出，在许多地区，贫困家庭倾向于把收入花在衣服、家用电器等非食品上，而不一定是更有营养的食品。值得注意的是，经济作物的生产对HFCS有积极影响。这可能表明，经济作物是购买非农业来源的食物的重要收入来源，特别是那些重量最高的食物(参见表5)．根据(51]，有经济作物收入的家庭可以购买更合适和更有营养的食物，从而更有可能改善粮食安全。然而，经济作物生产对HFCS有积极影响，而非农收入则没有，这一事实强化了心理和行为因素对家庭收入支出和粮食消费模式的重要性[52］．也许收入来源在决定是否投资粮食方面起着一定作用。

年龄对hdd的影响具有统计学意义，这表明老年农民的膳食多样性低于年轻农民。其他研究也发现了年龄和hdd之间的这种负相关[53，54］．虽然一般来说，老年农民比年轻农民更有经验和资源[55]，与年轻的户主相比，他们在收获季节每天的工作时间也可能更少，因此失去了使饮食多样化的能力[53］．

家庭的地理位置在统计上是粮食安全的一个重要因素。根据MAHFP和hdd, Lioma的家庭比Mepuagiua的家庭更有粮食安全。部分原因是Lioma的作物多样性高于Mepuagiua，这可能导致了更大的饮食多样性。根据MAHFP和HFCS的说法，结果表明作物多样性是粮食安全的主要驱动力之一。与此一致的是，许多现有的研究证明了作物多样性与FS之间的联系[56，57］．另一个可能的解释是，尽管当地对“土地质量好”的定义可能不同，但声称“土地质量好”的家庭比例在Lioma(86%)高于Mepuagiua(74%)。研究表明，这一因素显著影响农业生产力[58，59与MAHFP和hdd呈正相关(参见表5)．

土地的大小只是驱动MAHFP。根据(60]和[61]，农场规模较大的家庭可以拥有相对较高的生产多样化水平和相对较高的粮食产量，因此具有较高的粮食安全概率。然而，在我们的研究区域，一个大的农场规模并不一定会导致更高的饮食多样性。相反，这是一种必要的机制，以确保在一年中的大多数月份都有定量的食物供应。

我们的分析进一步表明，除了高粱外，其他主食作物的产量与至少一项FS指标显著相关。高粱的产量和销路通常不如其他主食。62]，因此对FS没有显著影响。水稻、玉米和木薯是莫桑比克消耗最多的作物[63］．就莫桑比克家庭的平均每日卡路里摄入量而言，木薯排在第一位(每人每天678千卡)，其次是玉米(每人每天478千卡)和大米(每人每天166千卡)[64］．根据我们的研究结果，玉米只与HFCS呈正相关，水稻与MAHFP和hds呈正相关，而木薯与这三个指标均呈正相关。这可能表明，尽管所有粮食作物都至少在确保家庭粮食安全的一个方面发挥着重要作用，但木薯既被用作自给作物(确保家庭获得热量)，也被用作市场作物(允许家庭出售剩余的粮食并再投资于其他粮食群体)。此外，木薯是一种耐旱作物，有低成本的营养繁殖。因此，它可能提高家庭吸收其他主要作物生产因天气原因而减产的能力。然而，玉米是季节性作物，容易受到干旱和洪水等天气冲击[65］．此外，木薯简单的地下储存和多年生特性提供了灵活的收获日历，使农民能够全年调整收获数量[66］．同样，本地水稻也能抵御洪水[67]，通常需要人工处理[68]，因此储存时间略长，这增加了家庭全年的可用性，但不太可能同时满足家庭的需求和产生可销售的盈余。虽然种植主要粮食作物主要是供家庭消费[40]，玉米和木薯与高果糖玉米糖浆呈正相关。这是因为它们是可销售盈余的重要来源，可以提高收入和再投资于其他粮食类别的能力[69］．事实上，超过50%的家庭出售至少一部分他们生产的玉米。然而，总体而言，在我们的研究区域，农民消费约60%的农产品，销售约40%的农产品，以支付非食品类家庭支出[62］．

粮食安全家庭的百分比因所采用的个别指标而异4)．这强调，每个指标都反映了金融体系不同维度的最终产出(特别是可用性、可及性和稳定性)[27］．麦克斯韦等．［28同样发现不同的粮食安全措施可能产生不同的结果。尽管HFCS和hds都强调膳食多样性作为家庭食物获取的代表，并且都与人均粮食和非粮食支出总额相关，但它们不能互换[44］．与hdd不同，HFCS所采用的权重并不反映人均卡路里摄入量，而是反映饮食的质量[70]，因为在饮食中包括动物源食物、水果、蔬菜和乳制品可增加必需微量营养素的摄入[71］．这是一个重要方面，因为克服金融危机的方案可能遵循不同的农业生产战略，这取决于所应用或权重最大的单个粮食安全指标。例如，旨在提高饮食质量的政策将促进以改善高果糖玉米糖浆为目标的更加市场化的农业，而当促进为自己消费的生产时，可能会实现热量摄入的增加。因此，我们的研究结果支持了经济作物生产和自我消费作物生产之间公平平衡的观点[72］．MAHFP的召回期为12个月，因此是衡量食品稳定性的有用工具[73]，因为它显示了家庭在过去一年中应对脆弱性的能力。

粮食利用是粮食产量的一个重要方面，它包括家庭内粮食的营养质量以及这些粮食中营养物质的生物利用度。粮食利用的传统替代措施是使用人体计量测量方法，例如营养状况，以了解粮食是否平等分配给所有家庭成员[35］．然而，我们的研究是在家庭层面进行的，因此无法捕捉到这一维度。因此，未来的研究必须将自我报告的消费模式与一些FS结果结合起来，即人体计量测量，以了解食物是否平等分配给所有个体家庭成员。这为决策者和发展机构提供了更完整的信息。hds和HFCS采用的短回忆期(7天)是本研究的另一个局限性，尽管这些指标非常有用和敏感，足以显示家庭层面的饮食多样性[27］．

在这项研究中，我们通过应用不同的指标(hdd、HFCS、MAHFP)，在莫桑比克中部Zambézia省Gurué县的家庭层面调查了贫困状况及其驱动因素。总的来说，我们发现，在收获季节前，家庭的粮食不安全状况非常严重，而在收获季节，家庭的粮食不安全状况相对较高。然而，根据用于评估FS的指标的不同，结果也有所不同。因此，农民是依靠主食生产来提高生存能力，还是专门从事经济作物生产来创收和购买食品，取决于用于评估生存能力的指标。例如，MAHFP和hdd更多地与来自农场的食品消费有关，而HFCS对购买的食品反应更强烈。因此，将不同的粮食安全指标结合起来，是全面评估当地人口粮食安全状况的重要策略。在我们的分析中，我们发现户主的性别和年龄、地理位置、土地规模和质量、主食产量(特别是木薯)、牲畜、作物多样性和经济作物是至少一项生育指标的重要驱动因素。因此，从我们的研究结果中得出的一个核心建议是，相关利益攸关方可以通过促进以市场为导向的农业和自给生产之间的平衡，以及通过支持土地质量低的农民，例如通过教授堆肥技术来提高农业生产力，来提高粮食产量。为了减少粮食安全的季节性，决策者和有关机构必须努力增加获得灌溉技术的机会，以抵消旱季期间发生的与干旱有关的冲击。

研究与样本设计

本研究的目的是评估在收获前和收获季期间FS的患病率和相关因素，因此，采用两波面板研究设计来收集定性和定量数据。研究参与者从当地行政办公室提供的名单和当地推广服务机构提供的培训记录中随机选择。在选择家庭之前，我们将两份清单结合起来，去掉重复的部分。使用公式确定样本量[74]:

在哪里\ (n \)=样本量;\ (Z \)=标准法向曲线横坐标(Z95%置信= 1.96);\ (p \)=以农业为基础的家庭比例(Lioma为0.9,Mepuagiua为0.89);\ (d \)=误差设为0.05;而且\(q = 1 - p\)．得到的样本大小见公式。2．

在哪里\ (n_ {L} \)= Lioma和的总样本量\ (n_ {M} \)= Mepuagiua的总样本量。尽管如此，在Lioma和Mepuagiua的样本中还分别包括了1个和7个额外的家庭。因此，调查涵盖296个住户(n= Mepuagiua和n= 139在Lioma)。

数据收集

我们使用的面板数据是通过半结构化家庭调查问卷分两波收集的。第一波发生在2020年2月和3月，第二波发生在2021年5月和6月。优先考虑户主作为回答问题的个人。尽管如此，在第一波和第二波的选定家庭中，分别有58个(梅皮亚瓜32个，里奥马26个)和47个(梅皮亚瓜24个，里奥马23个)没有找到一家之主。因此，在这些家庭中，我们采访了所有可用的成年家庭成员(18岁以下)。所有受访者都同意参与调查，并签署了一份被翻译成葡萄牙语的同意书。通过调查，我们收集了有关家庭社会经济特征和人口统计、作物生产和粮食消费模式的数据，重点关注特定的粮食生产指标(hdd、HFCS和MAHFP)。要访问完整的数据集，请参见附加文件2．

粮食安全指标

在本研究中，我们选择了反映家庭获得充足数量和质量的食物的指标，即家庭膳食多样性评分(hds)、家庭食物消费评分(HFCS) [35，75］．以“家庭食物供应充足月数”评估食物供应在一年内的稳定性[73］．这些指标将在以下小节中详细说明。

家庭膳食多样性评分(hds)hds是衡量家庭营养充足率的代理指标[76］．它列出了在给定的参考期内人们所食用的不同食物种类的数量[77]，从而掌握家庭的饮食质量[76］．研究人员要求家庭报告他们在调查前7天内所吃或喝的食物(正餐和零食)，以捕捉摄入量的变化。随后，根据Kennedy等人的定义，这些食物被分为12组．［78]，计算每个家庭的hdd:谷物、鱼类和海鲜、块茎、豆类/豆类/坚果、蔬菜、牛奶和奶制品、水果、油/脂肪、肉/家禽、糖/蜂蜜、鸡蛋和其他杂项。食物组的值是1(摄入)或0(未摄入)。因此，HDDS是家庭成员消费的食物种类的总数。家庭被分为膳食多样性低(hds≤3)、中(hds = 4-6)和高(hds = 7-12)。

家庭食物消费评分(HFCS)HFCS是一项广泛应用的粮食安全指标，是根据一个家庭在7天内对不同食物类别的消费频率计算出来的[79］．家庭成员被问到这样一个问题:“在调查前的7天里，这个家庭吃了表格中列出的每一种食物多少天。1在此之后，数据被分为三个食物消费组，随后使用标准化权重组合成一个综合得分(表5)．我们使用标准阈值创建了食品消费群体，将一个家庭的食品消费分为贫困(HFCS≤21)、边缘(HFCS = 21.5-35)或可接受(HFCS > 35) [79］．HFCS由公式计算。3.(各缩略语见下表5)．

充足的家庭粮食供应月数MAHFP是一项反映12个月期间粮食供应一致性的指标[73］．受访者被要求确定在过去的12个月里，他们在哪个月获得了足够的食物来满足家庭需求，并与村民共同定义为他们可以每天至少吃上三顿饭的月份。每个月的值要么是1(是)，要么是0(否)。因此，MAHFP是所有家庭成员每天可以吃三顿或三顿以上饭的月总数。粮食不安全程度(MAHFP≤5)、中等粮食不安全程度(MAHFP = 6-9)和最低粮食不安全程度(MAHFP = 10-12)。

数据分析

描述性统计

数据分析的第一步是确定研究地区的农业活动概况和社会经济特征。我们计算了基本的描述性统计信息以提供数据的汇总统计信息。分类变量使用频率分布和百分比。连续变量采用均值、最小值、最大值和标准差。由于样本大小的差异，韦尔奇的t采用检验方法比较两个研究地点的平均数[80］．

广义有序对数模型(GOLM)

本研究使用的粮食安全指标被分为三个级别(参见表2)，分别编号为0 =低，1 =中，2 =高。因此，这些指标与水平成序数刻度，表示FS的水平j= 0是指示符的最小值(低= 0表示hds;poor = 0为FCS;大多数MAHFCS的FI = 0)。对于这类顺序因变量，一般建议采用有序logit模型[81］．但是，有序logit模型必须满足比例比值假设(也称为平行线假设)，使得因变量的不同层次上的解释变量的系数在不同切点上是相同的[82]，但通常情况并非如此[41］．在本研究中，我们最初使用了有序概率模型，但Brant检验[83]表明平行线假设被打破了，这意味着变量子集的系数是变化的。因此，为了识别影响不同粮食安全指标的因素，我们对每个粮食安全指标(MAHFP、HFCS和hdd)应用了带有部分比例优势模型的广义有序logit模型(PPOM)gologit2在占据41］．该模型已应用于评估与粮食安全相关因素的研究，如Akbar等．［84和Ayele等人．［85］．PPOM放宽了平行线假设的限制，允许一个或多个系数在方程之间不同，而其他系数可以在所有方程中相同。一般模型在方程中给出。4．

在哪里\ (Y_{我}\)登记的家庭财务支援类别是什么我\ \ ()．\(P\左({Y_{i} > j} \右)\)一个家庭的概率是多少我\ \ ()属于特定的FS类别。\ (j \)是类别或切点的数量。\ (\ alpha_ {j} \)为每个类别的回归截距。\ \(米)的指标类别数目(c.f表2)．\(间{i1} \)是违反平行线假设约束的解释变量的向量。\ (\ beta_ {j - 1} \)是一个随类别而变化的回归系数向量。\(间{i2} \)其余解释变量的向量是否具有回归系数的向量\ (\ beta_ {2} \)．

由于我们想要更简洁的布局，以便容易地找出违反假设的变量，所以我们使用了gamma参数化(参见附加文件)1查看详细的输出结果)，是Peterson等人提出的部分比例比值模型的等效形式．［86］．该模型用Eq表示。5．

在哪里\ (T_{我}\识别)是违反比例概率假设的解释变量的向量。β\ (\ \)是对所有可能的FS类别对具有相同系数的变量的影响，而\ (\ gamma_{我}\)为变量对每对FS类别的差异效应，表示变量违反平行回归假设的程度。每个违反平行线假设的解释变量都有一个β\ (\ \)系数和\ (m - 1 \)\γ(\ \)系数(41］．因此,如果\ (\ gamma_{我}= 0 \)该模型将简化为有序logit模型[87］．PPOM中使用的解释变量和预期符号总结在表中6．之所以选择这些变量，是因为根据先前确定的出版物，它们对粮食安全具有潜在的解释力。

户主年龄是一个连续变量，被用作农业经验的代理变量[88，89］．与年轻的农民相比，年长的农民被认为拥有更多的经验和资源[55］．因此，在我们的研究中，我们预计粮食安全随着年龄的增长而增加。户主的教育预计将对粮食产量产生积极影响，因为受过教育的农民能够更好地获得有关改进的农业技术和新的经济机会的信息，从而提高他们的生产力[90，91］．此外，已有研究证明教育对FS有积极影响[92，93，94］．在获取、控制和使用资产方面的知识差距和性别差异是农业性别研究关注的一个主要问题[95，96］．因此，我们预计男女户主家庭在粮食安全状况方面存在差异。这是一个虚拟变量，如果户主是男性，则等于1，如果户主是女性，则等于0。家庭规模是指一个家庭中依靠和生活的总人数。尽管一些文献表明，规模较大的家庭可能反映了农业活动中可用的家庭劳动力[51]，我们预计人口越多的家庭粮食安全就越差，因为人口越多的家庭有更高的喂养负担[61，88］．地理位置是一个虚拟变量，对于位于Lioma的家庭等于1，对于位于Mepuagiua的家庭等于0。由于一些社会经济特征的差异，我们预计两个村的粮食安全状况会有差异。

有非农和经济作物收入的家庭可以购买更合适和更有营养的食品，从而改善粮食安全[97］．因此，我们预计这些家庭比那些没有非农和经济作物收入的家庭更有可能获得粮食安全。这些是虚拟变量，对于拥有非农业和经济作物(大豆和/或烟草)收入的家庭，这些变量等于1，否则为0。牲畜和作物多样性分别代表一个家庭饲养和生产的动物和作物种类的数量。畜牧业是维持生计、收入和满足营养需求的又一来源[88］．此外，一些研究证明了作物多样性与FS之间的联系[54，56，57］．因此，我们预期这些变量与FS呈正相关。

农场规模是一个连续变量，以公顷为单位。在这项研究中，我们预计农场规模较大的家庭获得粮食安全的可能性更高，因为他们可以使生产多样化，生产更多数量[60，61］．此外，我们预计主食的生产与FS显著相关。主食是粮食安全和充足饮食的基础[98］．它们是可销售盈余的来源，可以提高收入和购买家庭生产以外食品的能力[69］．本研究选择了水稻、高粱、玉米和木薯，因为它们是研究区域生产和消费最多的主要作物。每一种主粮作物代表一个虚拟变量，如果该作物是由家庭生产的，则为1，否则为0。土地质量是一个虚拟的概念，代表对土地肥力的感知。如果家庭认为自己拥有良好的土地质量，并预期与粮食安全呈正相关，则该比值等于1。“好”的定义是基于农民个体对自己土地的评价。季节是莫桑比克粮食安全的重要因素[4因此，我们预期在收获季节粮食安全会有所提高。

在这项研究中产生和分析的所有数据都包含在附加文件中2．

衷心感谢德国Müncheberg的莱布尼茨农业景观研究中心(ZALF)为在莫桑比克中部Gurué区进行研究提供的后勤支持。此外，我们感谢参与调查的农民。

由Projekt DEAL支持和组织的开放获取资金。根据德意志联邦共和国议会通过联邦农业和食品办公室(BLE)的一项决定，该项目得到了联邦粮食和农业部(BMEL)的资金支持。

作者和联系

1. 莱布尼茨农业景观研究中心(ZALF)，德国埃伯斯瓦尔德街84号，15374,Müncheberg

   库斯托迪奥·马塔维尔，哈里·霍夫曼，康斯坦斯·瑞巴克，乔纳森·施泰因克，斯特凡·西伯和克劳斯Müller

2. 德国柏林洪堡大学生命科学学院农业经济系

   库斯托迪奥·马塔维尔，乔纳森·施泰因克，斯特凡·西伯和克劳斯Müller

贡献

概念化:CM、HH、CR方法学:CM、HH、CR、JS;形式化分析与调查:CM;写作-初稿准备:CM、HH;审稿编辑:JS、HH、CR、SS、KM;获得资金:HH、CR、SS;监督:SS, KM, HH。所有作者阅读并批准了最终稿件。

相应的作者

对应到库斯托迪奥Matavel．

伦理批准和同意参与

研究中所有个体参与者都获得了知情同意。

同意出版

不适用。

相互竞争的利益

作者声明他们没有竞争利益。

出版商的注意

beplay.cc官方施普林格自然对出版的地图和机构附属的管辖权要求保持中立。

开放获取本文遵循创作共用署名4.0国际许可协议(Creative Commons Attribution 4.0 International License)，该协议允许在任何媒体或格式中使用、分享、改编、分发和复制，只要您给予原作者和来源适当的署名，提供创作共用许可协议的链接，并说明是否有更改。本文中的图片或其他第三方材料包含在文章的创作共用许可中，除非在材料的信用额度中另有说明。如果材料不包含在文章的创作共用许可中，并且您的预期用途不被法律法规允许或超出了允许的用途，您将需要直接从版权所有者那里获得许可。欲查看此许可证的副本，请访问http://creativecommons.org/licenses/by/4.0/．创作共用公共领域奉献放弃书(http://creativecommons.org/publicdomain/zero/1.0/)适用于本文提供的数据，除非在数据的信用额度中另有说明。

再版和权限