大规模农业投资对埃塞俄比亚甘贝拉地区当地社区粮食安全状况的影响

背景

埃塞俄比亚政府一直在推动大规模农业投资，以加快农业现代化，改善当地人民的粮食安全。然而，利用多样化的粮食安全指标和合适的影响估计方法来量化此类投资对投资东道国的粮食安全状况的实际影响的研究很少。因此，本文的主要目的是分析大规模农业投资对甘贝拉地区阿努阿克社区粮食安全状况的影响。本研究采用准实验研究设计。通过系统抽样技术，收集了352个家庭的数据，并使用倾向评分匹配技术进行分析。

结果

结果表明，大规模农业投资对当地社区的粮食安全状况产生了显著的负面影响，加剧了当地社区的粮食不安全问题。这些投资减少了当地人民的粮食供应、获取和利用，增加了他们面临粮食不安全的脆弱性。

结论

我们得出的结论是，埃塞俄比亚政府和私人投资者未能在地方层面产生他们所期望的利益，以确保受影响社区的粮食安全。因此，我们建议埃塞俄比亚政府改革该部门的方式应考虑到当地的情况，并拥抱当地人民，使他们能够直接受益于就业机会、基础设施发展和技术转让。

继全球粮食价格、金融和能源危机之后[1，2，3.，4]及在2007/08年度的趋同情况[5，6，在非洲的大规模农业投资激增，埃塞俄比亚成为一个热点。埃塞俄比亚政府采取了一项开放政策，并欢迎LSAIs，理由是此类投资可以帮助该国实现农业部门现代化，并改善当地人民的生计。政府声称，该国有大量“闲置”或“未使用”土地(位于低地地区，如Gambella)，可由财务及技术健全的私人投资者有效处理，而不会影响当地人民的生计[7］．因此，在1992年至2017年期间，超过220万公顷(公顷)的土地被转让给国内外私人投资者[8，使埃塞俄比亚成为非洲最大的农村土地租赁国家之一[3.，9，10］．

然而，这一现象引发了人们对这些投资所在社会的粮食安全、生计和社会经济地位的深刻担忧和辩论。此类投资的支持者认为，LSAIs不仅改善了资本积累，并导致农业部门的就业机会增加，而且它们还扩大了基础设施，改善了当地的粮食供应，提高了市场准入，并增加了东道国的外汇储备。2，11，12］．相反，LSAIs的反对者则认为，此类投资会对东道国和社区产生负面影响，因为它们会剥削和破坏自然环境，无视当地人民的合法权利，侵蚀土著农业实践，并加剧粮食不安全和冲突[1，7，13，14］．

尽管埃塞俄比亚政府声称该国有大量可耕地和水资源，但贫困仍然是人民生计的主要挑战[15］．特别是，获得食物不足一直是埃塞俄比亚穷人的典型特征。例如，埃塞俄比亚被认为是世界上最贫穷、最容易发生干旱和饥荒的国家之一，也是“十大国际人道主义援助受援国”之一[16］．联合国人道主义事务协调办公室(OCHA)估计有886万埃塞俄比亚人需要紧急食品或现金援助[17］．这表明该国正遭受严重的粮食不安全问题。甘贝拉地区拥有肥沃的土地和可灌溉的水资源，并拥有该国大多数lsai，但矛盾的是，该地区却是最缺乏粮食保障的地区之一[18，19和易受伤害的[20.这个国家的一些地区。埃塞俄比亚政府已将该地区约683,518公顷土地转让给国内外投资者[8］．然而，这种投资是否有助于改善当地社区的粮食安全状况是一个高度争议和实证问题，本研究试图解决。

在非洲(包括埃塞俄比亚)的大多数研究集中于历史和基线趋势分析，有限地强调量化和预测LSAIs对粮食安全的影响[21］．几项研究[7，12，22，23，24，25，26]报告了LSAIs的总体趋势、规模以及对埃塞俄比亚当地社区生计的影响。一些研究通过关注法律框架、土地获取过程、权力结构和土地保有权来解决治理问题[7，26，27，28，29］．其他研究试图分析LSAIs对社区和经济的影响[10，17，25，30.，31，32，33，34］．最近，Guyalo等人[35]研究了LASI对资产基础的影响Anuak在甘贝拉地区使用PSM模型。他们报告说，投资对受影响社区的资产产生了不利影响。然而，他们的研究并没有提及投资如何影响当地社区的粮食安全状况。此外，很少有研究[10，33]试图量化这类投资对埃塞俄比亚当地社区粮食安全状况的实际影响。

粮食安全是一个多维概念，不能通过单一或少数指标来衡量。然而，目前在非洲进行的大多数研究并没有采用全面的粮食安全概念来解决其多个层面[36，37，38］．例如，以前的研究[10，33]，试图量化LSAIs对埃塞俄比亚当地社区粮食安全状况的影响，解决了可获得性或利用方面的问题。然而，我们的研究使用了各种指标，旨在捕捉粮食安全的所有维度(单独和共同)，有助于填补文献中的知识和方法空白。这项研究也可以为现有的基于Gambella地区实地研究产生的原始数据的LSAI辩论做出贡献。它解决了以下研究问题:LSAIs对甘贝拉地区当地社区的粮食安全状况有什么影响?

本文的其余部分分为四个部分。第二部分简要回顾了相关文献。第三部分论述了研究背景和研究方法。”结果与讨论部分描述了研究的结果。”结论及政策启示的部分结束了文章，并强调了政策的影响。

概念和定义

术语“LSAI”缺乏一个单一的、普遍接受的、公认的定义。这是因为该定义取决于各种语境因素以及定义各方的利益。不幸的是，在埃塞俄比亚，LSAI并没有一个官方定义。在本文中，我们将LSAI定义为由国内外投资者在200公顷以上的土地上进行的机械化商业农业投资。39］．

在过去50年左右的时间里，粮食安全的概念经历了不同的发展阶段，从一个国家和全球粮食供应的狭义概念到一个包含多个维度的概念[40］．在这篇文章中，我们将粮食安全概念定义为一个家庭持续获得积极健康生活所必需的充足、安全和有营养的食物[41］．为了在家庭层面恰当地捕捉这一概念，我们进一步从四个维度对其进行了概念化:可用性、获取途径、利用和稳定性(经济脆弱性)[42］．我们将食物的可获得性定义为在社区或家庭中存在的所有来源的食物(自己生产、礼物、易货或粮食援助)。获取方面的操作是指一个家庭(就收入和其他资源而言)采购维持健康生活所需的足够数量的食物的能力。同样，粮食利用的概念是一个家庭根据食物质量和多样性从食物中获得充分生物效益的能力[43］．为了解决稳定性维度，我们应用了[44，作者指出了稳定性的两个组成部分:脆弱性和恢复力。脆弱性的概念是指一个家庭的粮食安全状况因LSAI等事件而不稳定的风险，以及从冲击前状态恢复过来所需的能力和时间[44］．本文主要讨论漏洞维度。

短暂的实证评估

一些试图分析lsai现象的学者采取了一种批判性的方法，质疑它们对投资东道国的经济和当地社区的生计的潜在好处，认为这种现象不具有发展潜力，事实上，还会损害他们[45，46，47］．许多学者研究了这类投资对非洲当地人民生计和自然环境的潜在影响[48，49，50］．有学者从国际人权的角度来研究这个问题[51，52，53］．其他人则通过关注土地使用权制度，研究了在投资东道国发生LSAI的法律框架和程序[7，54，55，56］．

在几个撒哈拉以南国家进行的研究报告说，当地居民被剥夺了土地，失去土地的人得不到补偿。7，50，54，57];缺乏与当地社区的协商以及他们的自由、事先和知情同意[7，48];强迫迁离及受威胁的食物权[51，58，59，60];因此，当地社区的粮食不安全和脆弱性恶化[32，51，54，61，62，63，64，65，66，67，68，69］．一些学者报告了权力不对称[59使国家和地方的精英阶层受益[49，60];薄弱的政府机构[70];无处不在的腐败使土地和投资管理系统瘫痪，使精英阶层受益[54］．

总的来说，上述大多数研究都记录了lsai对投资东道国和社区的潜在负面影响。然而，与此相反，一些案例研究表明，LSAIs对当地社区的就业和收入做出了积极贡献。例如，Vath和Kirk [71),粮农组织(72和Fitawek等人[73报告称，LSAIs分别为加纳、乌干达和马达卡斯卡尔创造了就业机会，尽管这是不可持续的。Ahlerup和Tengstam [74研究发现，商业性农业投资对收入有强劲、适度的积极影响，但只适用于赞比亚土地稀缺的家庭。也有研究发现LSAIs对SSA地区的粮食安全有积极的影响[21，38，69，73，75，76］．这意味着以前的研究结果是混合的(不结论性的)，经常是矛盾的。

尽管上面提到的研究扩大了我们对非洲环境下LSAIs的理解，但它们大多数是以定性案例研究为主[77，描述性分析[74]，而缺乏适当的影响评估方法[10，77］．此外，一些研究[10，33，该研究试图调查LSAIs对埃塞俄比亚粮食安全的影响，采用了单一或部分的粮食安全措施，尽管这一概念是多维的。尽管学者们使用各种指标来实现他们的目标，但文献承认，单一或少数指标(或指标)不能解决粮食安全的所有方面[36，37，38，40，78，79，80］．根据这一推理，我们采用了各种指标来捕捉粮食安全的不同维度。因此，这项研究的目的是通过填补上文解释的实证和方法空白，为现有的文献做出贡献。

概念框架

要理解lsi对当地社区粮食安全状况的影响，需要一个概念框架来解释这种影响发生的因果机制。为了实现这一目标，我们基于钱伯斯和康威在1991年提出的“可满足生计方法”(SLA)理念，开发了一个概念框架。这种方法提供了一个更广泛的视角，以了解诸如LSAI等干预措施如何影响当地人民的资产基础、改变他们的生计战略以及改善或阻碍他们的粮食安全状况。SLA的中心目标是提供一种方式，根据人们和社区的日常愿望赋予他们权力，并增强他们现有的生计战略，而不是在没有认识到当地人拥有的各种资产和能力的情况下执行自上而下的干预(如LSAI) [81］．

埃塞俄比亚政府一直将LSAIs作为实现其到2025年确保粮食安全并加入中等收入国家愿景的战略之一加以推广。政府在全国范围内，特别是在研究领域内促进这种投资的主要目的是:(i)生产高价值的出口作物，增加国家的外国收入;生产支农工业所需的非粮食作物;(iii)为社区创造就业机会;在正在进行投资的地区发展社会和物质基础设施;及(v)促进技术转让[7］．

然而，根据所采用的商业模式和/或签订的合同以及土地和投资治理体系和机构的实力，LSAIs可能会对当地社区的粮食安全状况产生积极(良性)或消极(恶性)的影响。只有采用包容和公平的商业模式，鼓励当地社区和私人投资者之间的强有力合作和融合(并创造双赢条件)，这些投资才能对当地社区的粮食安全产生积极影响。例如，如果投资者采用契约农业模式，将社区纳入农业价值链，并将他们视为商业伙伴，如果他们尊重他们对土地的权利和控制权，转让技术，改善他们获得投入物和市场的机会，并增加当地市场的粮食供应，投资可能会产生积极的溢出效应(当地社区将变得更好，更有粮食安全)。

民生Anuak社区以小规模作物种植为基础(主要是玉米与南瓜和高粱间作)，并通过狩猎、捕鱼和收集野生食物，如水果(Wudo),根(Modo)，以及不同植物的叶子。诸如LSAIs等干预措施完全依赖于作为当地社区生计来源(食物、收入和资产)的自然资源。通过改变当地社区的土地所有制制度并限制他们获取和使用这些资源，干预措施将对自然资源产生直接影响，这些自然资源包括私人农田、水资源和公共土地(林地、牧地和分水岭)。1)．在一个农业社会中，如埃塞俄比亚，“土地不仅是谋生的主要手段，也是投资、积累财富和在几代人之间转移财富的主要工具”([82247页)。在农村人口失去其他收入来源的情况下，它可以作为一个安全网，并作为身份的一个来源[83］．公有土地至关重要，主要是对穷人[84]，因为它是许多农村社区的食物来源(一种“隐性收获”)和燃料[85］．

干预措施(LSAIs)被进一步概念化，以产生各种好处、即时结果和结果(图。1)．这些好处、结果和结果是基于包括埃塞俄比亚政府在内的LSAIs倡导者的论点，他们声称，这样的投资可以产生积极的结果和结果，使投资东道国社区受益。可预见的好处包括就业机会、粮食生产和供应的改善、技术转让、基础设施的改善、地方企业的改善、地方收入的改善以及市场联系的改善等[86］．

预计lsai将通过为当地人创造就业机会来影响劳动力供应，并直接影响他们的收入，从而影响他们获得食物的机会。预计投资者将采用劳动密集型技术，并为当地人创造就业机会，增加收入。这种收入反过来可以提高社区的购买力，使他们能够采购数量(供应)和质量(多样性)的食物，以满足其家庭的需要。收入的增加也可能增加当地人民对各种商品和服务的需求，这可能会鼓励在当地建立和扩大微型和小型企业，这可能会进一步为当地人民创造就业机会，使其生计战略多样化，提高其收入，并可能增加其获得优质食品的机会(膳食多样性)。

从投资者向当地社区的技术转让可在很大程度上影响农业生产和生产力，并直接影响粮食安全[87］．这将使家庭能够生产粮食以满足其家庭的粮食消费需求(供应)，并出售剩余粮食以产生额外收入(获取)。从出售的产品中节省下来的钱可以进一步提高家庭获得(采购)多样化食品的能力，或以减少粮食不安全脆弱性的方式投资和提高其资产的能力。此外，投资者应该生产和供应当地市场的粮食作物，从而提高当地的粮食供应，稳定粮食价格。所有这些因素加在一起，又能使家庭稳定地获得、获取和利用粮食，降低粮食不安全(稳定)的脆弱性。

对有形基础设施(道路和交通设施)的投资可以改善当地人民进入市场的机会，从而可能增加他们获得粮食的机会。对社会基础设施的投资将改善当地人民获得教育、保健、饮用水以及培训设施和服务的机会，这将帮助他们发展人力资本，从而提高生产力。预计投资者还将向当地政府支付土地租赁费和税费，这些钱可以再投资于改善当地基础设施，改善当地社区进入市场的渠道。通过这样做，LSAIs可以为当地社区的可持续和稳定的粮食安全(供应、获取和利用)作出贡献。

因此，我们认为，如果签订包容性的合同并采用适当的商业模式，如果技术转让、基础设施发展和公平报酬的充分就业机会等显而易见的好处得以实现，如果建立参与性、透明、包容性和响应性的土地治理体系和机构以确保预期的好处，那么受影响的社区可能会生活得更好，粮食更安全。

然而，如果上述条件没有得到满足，也可能发生与上述情况相反的情况。例如，如果投资者采用采掘或飞地商业模式，将农田和林地转为种植农业或商业作物生产，就会对当地社区的粮食安全状况产生不利影响。最重要的是，如果当地社区在没有补偿和替代生计机会的情况下失去了他们的土地(他们的生计基础)(由于糟糕/糟糕的土地治理系统和薄弱的制度以及投资者的短期利润动机)，那么他们将变得最糟糕，变得更加粮食不安全。如果投资者生产用于出口的粮食作物和用于工业的非粮食作物，那么他们将减少当地和家庭的粮食供应。这反过来又可能导致粮食价格上涨，使当地社区更容易受到粮食不安全的影响。如果投资项目为当地社区创造有限的季节性就业机会，如果工资率很低，受影响的社区将处于最糟糕的状况，无法获得足够数量和质量的食物。此外，如果投资者忽视当地环境，放弃促进技术转让，忽视基础设施发展，他们对当地粮食安全的贡献将非常低。

总的来说，lsi对当地社区的贡献及其影响是有很大争议的。以前的研究结果是混合的(不确定的)，并且经常有分歧[1，12，21，73，主要是由于商业模式、作物类型、土地使用、合同协议、市场渠道、土地和投资治理体系等方面的差异。因此，我们的研究基于实证证据，通过检验LSAIs对当地社区粮食安全状况的影响，为这场辩论做出了贡献。此外，如上所述，不同于以往的研究使用单一或少数指标来衡量粮食安全，我们的研究使用了各种粮食安全指标来捕捉其多个维度。

研究区域

这项研究是在阿波波进行的斯吉尔特区，^脚注1在甘贝拉人民国家地区邦(GPNRS)，^脚注2在哪些地方集中实践LSAI(附录1)．阿波波就是其中之一斯吉尔特区在Anuak开发区位于距区域首府城市47公里的地方。总面积3116.17公里²人口密度为每公里5.05人²共有3108户家庭居住在18个自治街坊联合会^脚注3.［88］．的斯吉尔特区被Anuak20世纪80年代通过重新安置计划来到该地区的土著社区和定居者。的Anuak社区居住在12自治街坊联合会的斯吉尔特区．森林和水基农业是他们的主要生计来源。

埃塞俄比亚政府在研究区域向123名私人投资者租赁了约93,159公顷的农场、森林、牧场和稀树草原[8］．在123名投资者中，2名外国投资者(出让15000公顷土地)和121名国内投资者(承包78159公顷土地)。沙特之星农业发展有限公司，一个Saudi-based corporation owned by Al-Amoudi, was granted 10,000 ha of land to produce rice for export. The other foreign firm is Green Valley Agro Plc., an Indian-owned company, which was granted 5000 ha of land for the production of exportable cotton [8］．另一方面，国内公司获批平均631.4公顷土地，用以生产出口用的芝麻和绿豆，以及用于工业投入品的棉花[88］．一些投资者获得了甘贝拉国家公园(该国最大的国家公园)内的土地[19］．这意味着该区域促进农产品出口的主要动机是为全球或国内市场赚取外汇(生产用于出口的粮食商品)和非粮食商品(棉花)。

研究设计和数据

文献将影响估计研究设计分为两类:实验和准实验(非实验)。第一类(自然或纯实验)用于受试者被随机分配到“治疗”组和“控制”组，以精确估计干预对结果变量的影响[89］．第二类是常见的，经常用于行为研究，因为随机化是不可能的。为了估计干预的效果，这种设计采用不同的统计技术来构建比较组，并通过不同的匹配算法将它们与治疗组进行匹配[90，91，92］．

学者们根据时间和空间的变化确定了准实验研究设计的不同类型:动态比较、纵向比较、空间比较和反事实比较[93］．第一种类型基于时间和空间的变化进行因果干扰，也就是说，当治疗和未治疗的病例在干预前后被同等观察[93］．在第二种类型中，治疗组不伴有比较组，而是通过对病例的长期观察(干预前后)来做出因果解释，例如采用DiD (Difference-in-Difference)方法[93，94］．当无法获得结果变量(干预前)的基线数据时，通常使用第三种准实验影响估计设计[93］．干预的结果变量(甚至没有直接观察到)只有在干预后才被测量。为了制造因果干扰，这种设计通过统计技术构建比较组，并根据干预前观察到的特征(使用，例如PSM方法)将他们与治疗组匹配[93，94］．当兴趣变量在时间和空间上都没有变化时，通常使用最后一种类型[93］．在这种情况下，研究人员根据通过数学或统计(例如，工具变量)生成的模型得出因果推断[94］．

由于缺乏随机化(以非随机方法在研究区域引入干预)和缺乏基线(时间)数据，自然实验和前两种准实验设计在我们的研究中不可行。因此，为了估计处理效果，我们应用了拟实验设计的“空间比较”类型学(PSM)，以适合我们的数据集。这种类型的设计使我们能够构建一个比较组，在一些基本特征方面类似于处理组。在本研究中，“治疗组”是指居住在自治街坊联合会主办LSAI项目，经常与他们互动，并且是第一个体验投资的影响(受影响的群体)。相反，比较组指的是居住在自治街坊联合会,lsai尚未启动，因此不受该等投资影响的(未受影响集团)。

埃塞俄比亚政府介绍一个”villagization方案的治疗和比较自治街坊联合会把人们从原来的地方安置到现在的新地方自治街坊联合会．虽然政府声称该计划的目标是为重新安置的人们提供基本的社会经济基础设施，但大多数国际组织和学者报告称，该计划的目的是为大规模的商业农业让路[7，26，95，96］．我们发现无论是治疗还是比较自治街坊联合会都居住着Anuak在文化、社会经济地位、生计来源和活动上相同的社区，villagization,农业生态学。唯一的区别在于治疗自治街坊联合会相比之下，LSAI已经启动自治街坊联合会在美国，虽然已提供土地用于商业农业，但投资项目尚未开始。

使用了主要和次要的数据来源。初步数据是通过结构化的家庭调查问卷产生的。此外，二手资料来源于以往的研究(期刊文章)、书籍、政府文件和其他相关资料。

抽样程序和样本大小

我们采用了多阶段抽样技术。首先，GPNRS是有意选择的，因为自2008年以来，它一直是国内和国外LSAI的主要目的地。其次，我们有目的地选择Anuak地带，因为该地区集中了大量LSAI项目(该地区74%的项目)[97］．三是精心挑选博博斯吉尔特区从Anuak由于高新区的投资额(约60%)在高新区内斯吉尔特区［97］．第四,我们分层自治街坊联合会分为受影响的和不受影响的。第五，随机选取4个受影响的自治街坊联合会．最后，我们应用系统抽样技术来选择住户。随着粮食安全最终在家庭层面实现[98]及/或家庭内的个人层面[98，99]，本研究的抽样单位和分析单位为家庭。由于时间和资源的限制，我们没有深入分析LSAI在家庭内部层面的影响，而是将分析范围限制在家庭层面，将家庭成员视为一个整体。

由于本研究旨在分析LSAIs对当地社区粮食安全状况的影响，我们需要在所需的误差幅度和置信水平下估计受投资影响的真实人口比例。考虑到我们的目标总体是有限的，我们使用([One hundred.) 4页)

\ (n = \压裂{{Z} ^ {2} NP (1 - P)} {{d} ^{2} \离开(n - 1 \右)+ {Z} ^ {2} P (1 - P)} \)，在哪里\ (n \)为样本量，Z²为显著性水平(95%置信水平为1.96)，N人口规模,p是受影响人口的比例，和d是用比例(0.05)表示的准确度或误差幅度。

根据(88]，共有1345户(Anuak社区)斯吉尔特区，其中682个(在6自治街坊联合会)受到投资的影响。(比例p，则为682/1345 = 0.50.7 ~ 51%:

在此基础上，在四个被选中的家庭中抽取了一个比例样本，即299/682(43.8%)户自治街坊联合会．总样本量自治街坊联合会是167(表1)．作为对比组，四个不受影响自治街坊联合会也是随机选择的。家庭从这些自治街坊联合会通过系统抽样技术进行筛选。为了弥补不匹配的情况，未受影响的家庭数量多抽样了15%。因此，总样本量为352(167受影响+ 185不受影响)。受影响人群和未受影响人群的分布及样本量见表1．

数据分析方法

我们使用描述性统计和推论统计分析数据。我们使用了描述性统计，如百分比、平均值和标准差。我们使用了各种指标(见“食品安全指标)，以衡量和分析研究区内家庭的粮食安全状况。我们应用主成分分析(PCA)技术建立一个整体的粮食安全指数^脚注4如Maxwell等学者提出的[101］．最后，我们应用倾向评分匹配(PSM)技术来估计LSAI对当地社区粮食安全状况的影响。

食品安全指标

我们将家庭的粮食安全状况作为一个结果变量来测量和注意它是否受到干预变量(LSAI)的影响。我们从粮食供应、获取、利用和经济脆弱性(稳定性)四个方面进一步实现了粮食安全。我们使用两个指标来衡量食物供应维度:每日卡路里消耗和家庭食物充足供应月数(MAHFP)。食物利用方面采用两个指标衡量:家庭膳食多样性评分(HDDS)和食物消费评分(FCS)。这些指标通常被用作反映饮食营养质量的替代指标[102]因为要确保摄取足够的重要营养素，饮食中必须有多种食物[103］．采用家庭粮食不安全获取量表(HFIAS)对粮食安全的获取部分进行测量。HFIAS是最新的工具之一，旨在捕捉各个国家和文化的家庭食品安全(获取部分)的共同经验[104］．为了获得稳定性维度，应对策略指数(CSI)和食品支出份额被用作代理指标(见附加文件)1这些指标的详细讨论和计算)。

主成分分析(PCA)

采用主成分分析法构建食品安全综合指数。主成分分析(PCA)是一种因子分析，常用于降维或找出隐藏的变量，通过挖掘出一个能突出地描述所有成分间协方差的线性组合[105］．主成分分析(PCA)基于家庭食品安全数据构建一个指数米×n矩阵,X,在那里n表示从中收集的粮食安全变量(列)米家庭(行)。接下来，矩阵的每个分量X是否通过从它扣除列的平均值，并除以列的标准差来创建一个新的米×n矩阵,Y．此外,nxn相关矩阵R由归一化数据矩阵计算，Y．按照Kabudula等人的说法[106]时，可以指定如下公式，其中λ而且V可以解决:

在这个方程,λ表示一个特征值向量，我表示单位矩阵，和V的特征值相关的特征向量矩阵λ．接下来，每个特征向量在一个序列中被平衡，其平方和变得等价于总方差。食品安全指标归一化矩阵的结果，Y，和特征向量的比例矩阵，V*为每个家庭创建一组不相关的食品安全指标线性分组j，称为主成分(PCs)。这些组件是基于米不相关的主成分，其中每一个都是初始变量的线性组合X₁，X₂，...X_n如下:

在哪里一个_米1是重量吗米主成分和n变量。第一个主成分解释了原始数据集中最大的变异，并转化为因子得分。第二主成分的计算方法与第一主成分相似，但与第一主成分不相关，变异占比较小。每个连续的组成部分描述额外的变化，但较少的百分比的变化的变量。一旦我们确定了需要保留的因素数量以及它们所解释的变化的相应总比例，我们就为每个家庭制定了一个非标准化食品安全指数(NSFSI)，使用这些百分比的比例作为基于Krishnan工作的因素得分系数(PCs)的权重[107)如下:

在哪里V₁而且V₂变异的比例是由第1和第2主成分T解释的吗V总变化是否可以用保留因素(成分)来解释，PC₁和电脑₂为第1和第2分量的因子得分系数，V_米表示由解释的变异比例米第主成分和PC_n为因子得分系数(PCs)。然而，考虑到NSFSI的价值观可以是积极的，也可以是消极的，因此对其进行解释是有问题的。为了便于解释，这些值使用以下公式进行标准化:

HHn代表n数据集中的第一个家庭。该索引的取值范围是0 ~ 100。该指数值越高，表明受访家庭的粮食安全状况越好，反之亦然。之前的研究也采用了类似的方法[107，108］．

在运行PCA之前，我们检查了数据集中是否存在异常值，因为它们会使用Q_Q图扭曲PCA结果和解释。我们检测到日常卡路里消耗(aeu_kcalF)中的异常值，并使用自然对数对其进行转换以纠正问题(附录2)．我们还测试了应用Kaiser-Meyer-Olkin (KMO)采样充分性对我们的数据集进行PCA分析的适宜性。KMO的取值范围为0 ~ 1，值在0.9以上为“优秀”，值在0.8 ~ 0.9之间为“很好”，值在0.7 ~ 0.8之间为“良好”，值在0.5 ~ 0.7之间为“一般”，值在0.50以下为“暗淡”[107，108］．在我们的案例中，结果是0.694，表明PCA适合于我们的数据(表2)．此外，还进行了巴特利特球度检验来检验变量之间关系的强度。这种测量方法检验了零假设，即原始相关矩阵是一个单位矩阵，或者总体相关矩阵中观察到的变量是不相关的[107］．我们的结果显示，0.000为极显著水平(表2)，这个值足以拒绝零假设。可以得出结论，相关矩阵不是一个单位矩阵，这是需要的因素分析，如PCA是有效的。

为了决定保留因子的数量，我们应用了一个最常用的标准，被称为凯撒准则，或特征值规则。根据这个规则，特征值至少为1的因子必须保留。在我们的分析中，只有两个成分(因素)满足这个标准(表3.)，因此被用于进一步分析粮食安全指数。我们还进行了图解法(scree test)来检查保留因素的数量。结果显示，只需要提取两个因素进行分析(附录3.)．

利用回归方法估计因子得分系数。结果表明，两个因素占数据集总方差的54.9%(表3.)．第一和第二因子分别占数据总变异量的36.54%和18.35%(表3.)．使用这些百分比作为计算因子得分系数的权重，我们使用Eq开发了NSFSI。3.上面显示。

倾向评分匹配(PSM)

在观察性研究中(如我们的研究)，为了减少基于可观察特征的治疗分配所产生的选择偏差，通常推荐PSM方法。该方法适用于在准实验设计中提供因果解释，构建统计处理组和比较组，测量对不同结果感兴趣变量的影响大小[90］．

受投资影响的家庭(治疗组)与未受影响的家庭具有相似的基本可观察特征(比较)，但仅在干预方面不同(LSAIs)，使用PSM技术进行匹配。配对是基于一个独特的变量，即倾向评分。继Ronsenbaum和Rubin之后[90]，倾向评分，一个给定的家庭根据治疗前特征接受治疗的条件概率(LSAIs)X表示为

在哪里Z={0,1}为接触治疗(LSAIs)指标，和X是预处理特征(协变量)的多维向量。为简化目的，我们将处理指标定义为Z_我,在那里Z_我等于1，如果是一个家庭我受投资影响，否则为零。让我们将潜在结果(粮食安全)定义为Y_我（Z_我)，每户我,在那里我= 1,2,…,N．在潜在结果模型中，对于每个家庭我，治疗组与对照组结果(治疗效果)的差异可表示为

在哪里δ我是治疗效果，Y_1我粮食安全状况如何我影响了家庭，和Y_0我粮食安全状况如何我未受感染的家庭。然而，这个模型的根本挑战是，我们无法估计δ_我=Y_1我−Y_0我为每一个家庭我，原因是两种潜在的结果(Y₁而且Y₀)，因为同一家庭不能同时观察[90，94］．未观察到的结果通常被称为反事实结果[90，91- "如果没有接触或经历过此类事件，受到投资影响的家庭的粮食安全状况会如何"。

一般来说，对于被处理的组来说，是指家庭暴露于投资之后的结果Y_1我可观察，但未经治疗的结果呢Y_0我不能直接观察到。同样，对于未受影响的组别，投资前的治疗结果(Y_1我)不能直接观察，但未经处理的结果(Y_0我)可以被观察到。这个问题通常被称为缺失数据问题，可以通过反事实执行因果推理技术(如PSM)来解决[92，94，109］．如果倾向评分(_PX_我)，每户我是正确的估计，然后跟随Rosenbaum和Rubin [90]，则平均处理对已处理物品的影响(ATT)可按下列方法估计:

PSM的主要目的不是预测治疗，而是平衡治疗组和对照组之间的协变量，有效地控制混杂，从而减少偏差[90，91，110，111］．然而，如果不认真考虑适当的设计和模型规范以及其他替代匹配方法的使用，PSM可能会导致效率低下、加剧失衡、模型依赖和统计偏差[112］．为了解决一些不足，我们检查了匹配前后协变量平衡的质量，并使用了不同的匹配策略(如下所述)。我们还将PSM的结果与我们通过反概率权重匹配(IPW)和粗化精确匹配(CEM)策略产生的结果进行了比较(见附录)9而且10:表12，13，14，15)．总的来说，通过IPW和CEM产生的结果与通过PSM估计的结果相当一致(见后面的4.2节)，表明我们的发现具有稳健性。

我们使用逻辑模型估计倾向评分(PS)，其中家庭特征向量X对(PS)进行回归。倾向模型中包含的协变量是基于一些理论反思，这些理论反思建议使用随时间推移相对稳定或明显与治疗无关的协变量[113]，可能与治疗和结果变量相关[91]，以及以往的实证研究[10，33］．表中总结了PSM模型中使用的变量的描述4．

一旦我们完成了对每个家庭的倾向评分的估计，我们就定义了共同支持的区域，以确保治疗组和对照组的倾向评分范围有足够的重叠。我们通过检查被治疗组和对照组的倾向评分图表(附录)来评估共同支持假设的有效性4)．该图证实了在处理组和比较组的倾向评分分布中存在足够的重叠，表明认同共同支持的假设得到了满足。

在此评估之后，我们进行了平衡测试，以检查在倾向评分分布的每个五分位数内，平均倾向评分和协变量的平均值在处理组和比较组之间是否有类似的分布(平衡)。这两个示例t检验结果表明，处理组和比较组的平均倾向评分在p0.001．五个区块确保每个区块中处理组和比较组的平均倾向评分不不同(附录5)．在确保处理组和比较组的每个区块内的倾向评分平衡后，我们检查每个协变量在两个区块内的倾向评分是否平衡。检验结果表明，每个区块的协变量都是平衡的(p值大于0.01)，但与全天候道路的距离(附录6)．总的来说，结果说明了一个强有力的证实，在得到每个阶层的倾向得分平衡后，协变量在分布方面达到重叠。

在估计实际影响之前，我们检查了治疗组和对照组在匹配样本中是否平衡。我们使用了统计技术，比如两个样本t测试、标准化偏差(SB)和偏差减少百分比(PBR)。我们也用了pseudo-R²检验匹配完成后，被处理组和对照组之间的协变量分布是否存在系统差异，伪-R²应该悄悄低。配对前后的协变量平衡检验结果见附录7．这两个示例t检验结果表明，对所有协变量进行匹配后;平均差异不显著，表明协变量是平衡的。此外，所有协变量的平均标准化偏差差从匹配前的21.5降低到匹配后的6.5。在匹配(对于大多数协变量)后，也实现了显著的偏差降低百分比(PBR)(附录7)．同样,pseudo -R²从匹配前的0.279下降到匹配后的0.028。当我们检查p似然检验的值，表明在匹配前未拒绝协变量的联合显著性检验(p< 0.01)，但匹配(p> 0.05)(附录7)．所有的检验都表明，倾向评分规范在受影响家庭和未受影响家庭之间平衡协变量分布方面是有效的。

敏感性分析在PSM中是必要的，因为一些强烈的假设，如CIA，说选择过程是由可观察的特征。我们使用“Rosenbaum边界方法”进行敏感性分析[114］．结果表明，LSAI对受影响家庭粮食安全状况的影响对隐性偏差不敏感(未观察到的特征可能会对估计影响产生偏差)(p< 0.001)。即使我们将gamma值从1.0增加到2.0，结论在所有结果变量和PSM模型中使用的所有匹配策略中都没有改变，这表明结果对隐藏偏差不敏感(是稳健的)(附录)8)．

描述性分析

我们进行了描述性分析，以总结结果变量的结果，并检查受影响和未受影响家庭之间的平均差异。结果显示，受LSAIs影响的家庭，平均每人每天的食物摄入量为1932.86千卡，略低于个人每日推荐的热量摄入(2100千卡)。至于未受影响的家庭，则为每人每天2119.84千卡，略高于个人每日的推荐热量摄入量(附表)5)．总体而言，受到LSAIs影响的家庭比未受影响的家庭少摄入9.7%的卡路里。然而，受影响家庭与未受影响家庭每天每名成人当量卡路里的平均差异在统计上并不显著(表5)．

使用MAHFP指标，受影响家庭平均为家人提供了8.8个月的充足食物，而未受影响家庭平均提供了9.4个月，减少了0.6个月(表)5)．受影响家庭和未受影响家庭的MAHFP均值差异具有统计学意义(在p< 0.01)(表5)．结果显示，受影响家庭平均食用4.1种食物类别，而未受影响家庭平均食用4.65种。受影响及未受影响住户的平均家庭渔获力密度分别为33.1及36.95)．受影响家庭与未受影响家庭的平均差值，在统计上有显著差异p< 0.01和phdd和FCS分别< 0.055)，显示受影响家庭的粮食不安全程度很高。

HFIAS结果显示，受影响家庭和未受影响家庭的HFIAS平均得分分别为9.4和8.72 (HFIAS得分越高，家庭食品不安全程度越高)(表5)．然而，HFIAS评分的平均差异无统计学意义(表5)．受影响及未受影响家庭的平均CSI得分分别为30.9及24.7(见表5)，显示受影响家庭的粮食不安全程度较高，达15.3%。CSI值越高，说明该家庭的粮食不安全程度越高。CSI评分的平均差异具有统计学意义p< 0.05)(表5)，表明受影响家庭比未受影响的家庭采取了更严厉的应对策略(更容易受到粮食不安全的影响)。使用粮食支出份额指标，受影响和未受影响的家庭中有68.1%和51.4%的家庭处于粮食不安全状态(表)5)．在食品支出方面，受影响家庭的平均食品支出占其收入的71%，而未受影响家庭的平均食品支出占其收入的62%(见表)5)．受影响家庭与未受影响家庭的平均食物开支份额，在统计上有显著差异p< 0.001)(表5)，表明受影响家庭在经济上更容易受到粮食不安全的影响。研究表明，贫穷或粮食不安全的家庭把大部分钱花在食品上[41］．

影响评估

对受影响家庭和未受影响家庭的平均差异进行简单比较，无法解释其他家庭特征的影响，这些特征可能会混淆lsai对其粮食安全状况的影响。因此，为了更细致、更实际地估计LSAIs对粮食安全的影响，我们采用PSM模型。我们使用最近邻居(NN)、半径、核和分层(SS)匹配策略来估计处理的平均效果(ATT)。

对粮食供应的影响

结合四种匹配策略，LSAIs平均减少了15.3%的NN, 11.3%的半径，9.3%的内核，11.1%的SS匹配(表6)．结果表明，平均而言，LSAIs导致受投资影响家庭的食物能量摄入减少9.3-15.3%，在统计学上具有显著性pNN匹配< 0.05。就MAHFP的降幅而言，LSAIs对受影响家庭的影响在0.57至0.91之间。平均而言，LSAIs使NN的MAHFP减少了0.632个月，radius减少了0.57个月，kernel减少了0.9个月，SS匹配减少了0.912个月7)．结果表明，LSAIs在统计上对MAHFP有显著的负面影响p< 0.05或0.001。总体而言，与未受投资影响的家庭相比，受投资影响的家庭食物短缺的时间平均增加了0.57个月至0.91个月，这意味着受投资影响的家庭加剧了社区的食物短缺问题。如果没有经历这一事件，受影响家庭的粮食不安全状况将为35.7%，这表明粮食不安全状况已上升到目前的65%(表)7)，因为失去了获得土地和重要森林资源的途径。

自然资源具有重要的经济和粮食价值Anuak．然而，研究地区的投资者采用了一种飞地商业模式，限制了当地社区获得食物来源，减少了当地和家庭的食物供应。研究区域的lsai也一直在生产用于出口的经济作物(粮食和非粮食)，因此在当地层面限制了粮食供应(可用性)[115］．

对粮食利用的影响

在HDDS方面，LSAIs平均减少了受影响家庭的食物组数，NN减少了0.37，半径减少了0.743,kernel减少了0.652,SS匹配减少了0.7526)．平均而言，受影响的家庭比未受影响的家庭少食用0.37-0.75种食物，这在统计上都是显著的p< 0.05或p< 0.10，表明投资降低了受影响家庭的粮食多样性。当我们考虑到LSAIs对hds的估计影响时，结果显示，21.7%的受影响家庭由于干预措施而变得粮食不安全。换句话说，如果没有LSAIs，粮食不安全水平将为42%，这表明粮食不安全的程度已恶化到目前的63.7%(表)7)．同样，投资对受影响家庭FCS的影响范围为0.744 - 5.37分。对于NN、radius、Kernel和SS匹配，受影响和未受影响家庭的FCS差异平均分别为0.744、4.69、4.94和5.37。

结果显示，受影响家庭的FCS比未受影响的家庭低0.7-5.37分，这在统计上都是显著的p< 0.05或p< 0.01(表6)．当归因于LSAIs的影响时，结果显示18.5%的受影响家庭因干预而变得粮食不安全。也就是说，如果没有LSAIs，粮食不安全的程度将是36.3%，这表明粮食不安全的程度已经恶化到目前的54.8%(表)7)．

如上所述，民生之道Anuak与森林环环相扣，森林成为各种食物的来源，但却被投资破坏了。例如，according to [10]Anuak从森林中收集不同的水果、种子和树根，以多样化和增加它们的食物消费。此外,Anuak他们经常收集野生蜂蜜和狩猎野生动物(游戏满足)的消费(多样化的食物)，虽然由于森林的破坏，他们失去了这些食物项目。

对粮食获取的影响

就提高HFIAS得分而言，LSAIs对受影响家庭的影响在0.68 - 2.1之间。投资使受影响家庭的HFIAS得分平均提高了0.697、0.683、1.74和2.14，依次为NN、radius、Kernel和SS匹配。受影响家庭的HFIAS得分平均比未受影响家庭高0.69-2.1分，在统计学上具有显著性p< 0.05 (SS匹配)(表6)．结果表明，受影响家庭的HFIAS得分高于未受影响家庭，表明投资减少了受影响家庭的食物获取Anuak社区。这意味着，与未受影响的家庭相比，受影响的家庭对无法获得足够的食物更焦虑，获得足够高质量食物的能力更低，对食物摄入量不足的体验更强烈。一般而言，当计入使用HFIAS评分的LSAIs对受影响家庭的估计影响时，22.3%的受影响家庭在干预后变得粮食不安全。也就是说，如果没有经历干预，受影响家庭的粮食不安全状况将为54.1%，这表明粮食不安全状况已恶化到目前的76.4%(表)7)．

如上所述，自然资源是中国的主要收入来源Anuak．为了增加他们的收入和多样化他们的生活，他们Anuak有在市场上收集和销售药用植物、森林蜂蜜、野生根茎、水果和蔬菜的传统。然而，他们的收入来源会因lsi而受损，而没有为他们创造和提供其他谋生机会[7，10，115］．就业也是lsi转化为当地福利的主要机制之一(如提高收入、购买力，从而获得充足的高质量食品)。尽管如此，在研究区域内，LSAI通过创造就业机会来抵消投资对粮食安全(粮食获取)的不利影响的收入贡献是微不足道的[10，115］．研究发现，LSAIs在研究区内创造的就业机会不足、不包括(有利于移民)、季节性及工资低[10，115］．显然，基础设施的扩张在欠发达地区如博博wereda可以毫无争议地促进当地社区进入市场的前景，从而促进食物。即使合同协议要求投资者建设硬基础设施(如道路、桥梁和钻孔等)，研究表明，投资者开发这类基础设施的尝试非常低[115］．

对粮食稳定的影响(经济脆弱性)

使用CSI指标，LSAIs平均增加了NN的应对策略权重值6.35,radius的权重值7.8,kernel的权重值10.4,SS匹配的权重值10.96)．总体而言，受投资影响的家庭采取的应对策略的加权平均值较未受投资影响的家庭高6.3-10.9，两者均有统计学意义p< 0.001, 0.05或0.1(表6)．结果表明，投资增加了受影响家庭的粮食不安全程度，CSI高于未受影响的对照组。根据这一指标，17.2%的受影响家庭因lsi陷入粮食不安全。也就是说，如果没有受到这些事件的影响，受影响家庭的粮食不安全状况将为58.6%，这表明粮食不安全状况已上升到目前的75.8%(表)6)．平均而言，LSAIs使受影响家庭的食物支出份额NN增加了3%，半径增加了10.6%，内核增加了11.1%，SS匹配增加了11.1%(表3)6)．平均而言，受影响家庭在食品上的支出(3-11.3%)高于未受影响的家庭，这两项数据都具有统计学意义p< 0.01或p< 0.05(表6)．LSAIs对食品支出份额的影响显示，20.3%的受影响家庭在干预后出现食品不安全状况，这表明投资加剧了投资东道国社区的经济脆弱性。显然，如果没有干预，粮食不安全的程度将为47.8%，表明粮食不安全的规模已加剧到目前的68.1%(表)7)．

总的来说，农田和森林资源的损失，在粮食短缺时期，本来是平滑消费策略的一个重要来源Anuak最糟糕的情况是，更容易受到粮食不安全的影响。当LSAIs导致农田和林地的损失时，它可能会对目标社区产生令人震惊的影响，不仅可能会减少实际粮食供应和获取粮食的途径，还会摧毁他们的生计[61，116］．

对整体粮食安全状况的影响

除了通过上述多个指标检验LSAIs对粮食安全各个维度的影响外，我们还创建了一个综合粮食安全指数，并估计了其影响。结果表明，平均而言，LSAIs使受影响家庭的粮食安全状况NN下降4.5%，半径下降8.2%，Kernel下降9.1%，SS匹配下降9.96%6)．这表明，受影响家庭的粮食安全状况平均较未受投资影响的家庭低4.5-9.96%，这在统计上具有显著性p< 0.05或p< 0.001(表6)．家庭粮食安全指数的下降表明LSAIs显著降低了当地社区的粮食安全状况。总的来说，自然资源(土地和森林)的大量损失，加上投资者和政府未能产生预期的利益，导致研究区域的粮食安全恶化。

埃塞俄比亚政府有义务尊重和保护当地社区的权利，确保他们的粮食安全。正如概念框架和随后的解释所指出的那样，政府在全国范围内推广了lsai，特别是在研究领域，理由是投资将在改善地方一级的粮食安全方面发挥关键作用。然而，政府没有监督投资项目，也没有尊重投资主办社区对食品的权利。例如，一些研究报告称，在土地接触的决策过程中，既没有征求受影响社区的意见，也没有参与决策过程[8，10，12，19，28，115］．此外，土地管治制度和机构在保障受影响的社区免受LSAI造成的潜在和实际成本，以及确保投资项目预期带来的利益(就业、基础设施、技术转让)方面也很薄弱[10，115］．政府为促进出口粮食作物和经济作物的生产而采取的发展方法，以及投资者采用的采掘或飞地商业模式，也导致了lsai对研究区域当地社区的粮食安全状况的负面影响。

总体而言，lsai有望为投资社区创造就业机会，并提高收入，从而获得食物。然而，LSAIs对研究区内工资就业创造的贡献极为有限[10，115］．例如，according to [115，在研究区内的123名投资者中，只有40人(32.5%)创造了就业机会。在新增的1106个就业岗位中斯吉尔特区的比例Anuak社区人数极少(174人，或15.7%)。工作机会季节性强，工资低(平均每天0.9-1美元)[115］．这一证据表明，研究区LSAIs的就业(收入)效应是微不足道的。在非洲的几项研究[117，118，119报告还指出，由于投资者为投资主办社区创造的就业机会有限，LSAI通过就业带来的预期好处并没有实现。此外，政府和投资者未能兑现基础设施发展的承诺[8，10，115］．也就是说，建设道路、学校、保健中心、供水点、灌溉设施和市场联系所带来的预期效益并没有出现。大多数投资者没有发展基础设施，而是用重型机械和轨道毁坏道路，过度使用政府为当地社区开发的取水点，造成饮用水短缺[115］．研究区也缺乏通过技术转移提高农业生产和生产力的准则[8，10，115］．

正如概念框架部分所指出的，LSAI可能对当地社区的粮食安全状况产生积极或消极的影响。我们的研究发现，投资具有负面影响的原因在论文的几个部分解释。我们的结果与非洲最近的大多数研究一致，这些研究表明LSAIs对粮食安全有负面影响[32，54，61，62，63，64，65，66，67，68，69］．我们的发现与一些研究一致，这些研究发现了这种投资对埃塞俄比亚受影响社区的粮食安全状况有负面影响[10，33]。我们的发现也证实了LSAIs对埃塞俄比亚的粮食安全有潜在的负面影响[7，19，23，24，25，30.，31，34，59，75，95，120］．然而，一些研究报告了LSAIs对投资东道国社区的粮食安全状况的积极影响[21，69，73，75］．这种积极的溢出效应在投资项目采用包容和公平的商业模式的领域得到了体现;将投资托管社区融入当地、国家和国际价值链;尊重当地社区对食物和文化的权利;政府机构足够强大，能够创造一个“三赢”的环境。

博博斯吉尔特区拥有丰富的自然资源，例如森林、湿地、林地、稀树草原和水体(Alwero河流和水坝)。这些资源都是民生的基础Anuak以及它们的食物来源。然而，LSAI项目是由政府和投资者(通过飞地和自上而下的方式)设计和实施的，没有考虑当地的环境(即当地社区的生计)。此外，接受投资的人也没有其他的生计选择。因此，这些投资危及了社区的生计，并威胁到他们的粮食安全。

本研究利用粮食安全的多个指标，分析LSAI对中国粮食安全状况的影响Anuak社区。研究发现，LSAIs对粮食安全的可得性、获取和利用维度有负面影响。这些投资大大减少了受影响家庭的MAHFP、hds和FCS。平均而言，LSAIs提高了受影响家庭的HFIAS得分，这表明当地社区获得食物的渠道缩小了。投资还增加了受影响家庭的经济脆弱性，这是通过CSI的高分及其在食品上的支出份额发现的。通过综合粮食安全指数估计的结果表明，LSAIs对受影响家庭的整体粮食安全状况有显著的负面影响。这些发现传递出的信息是，与没有投资相比，lsai加剧了当地社区生计的恶化，并加剧了受影响家庭的粮食不安全问题。我们得出的结论是，埃塞俄比亚政府和私人投资者未能在地方层面产生他们所期望的利益，以确保受影响社区的粮食安全状况．

因此，我们敦促政府和投资者关注当地人民的需求和福利，在更广泛的范围内保障他们的食物权，扩大他们的生计选择，使LSAIs成为一项可持续的、负责任的、以人民为中心的努力。政府还应考虑其他补充性的投资替代模式，使当地社区的生计多样化。例如，由于研究区域拥有多样化的自然资源，政府应设计与当地人民生活和环境相适应的替代投资方案，如有控制的狩猎、狩猎牧场、渔业、生态旅游和现代畜牧业，使投资者、政府和当地人民受益，而不是破坏当地社区的生态系统、动植物和粮食安全，而不是保护、提高和维持它们。此外，政府应与其他关键利益相关者(私营和民间社会部门)合作，建立一个透明的系统，确保当地社区参与决策，并确保他们在LSAI项目管理的每个阶段都自由、事先和知情同意，从而赋予他们权力，使他们的生计多样化，并确保他们的粮食安全。

我们的研究并非没有局限性。首先，我们的结果可能不能推广到其他具有不同文化和生计策略的社区Anuak．然而，我们认为，抛开文化和生计策略的差异，该结果可以推广到投资者采用飞地商业模式、生产工业单一栽培作物、创造的就业机会有限且福利效应微不足道、政府机构治理投资项目能力薄弱的地区和社区。其次，我们的研究没有涉及LSAI对家庭内部粮食安全的影响。因此，我们建议未来的研究应关注家庭内部的粮食安全动态，并考虑具有多样化生计战略和文化的社区。

作者们一致表示，可以根据编辑部的要求，随时提交资料。通讯作者将根据合理的要求提供本研究所使用的数据。

1. 斯吉尔特区是埃塞俄比亚的四级行政单位，相当于一个区。

2. 甘贝拉人民民族区域国是埃塞俄比亚九个行政区域之一。该地区位于埃塞俄比亚西南部，距离首都亚的斯亚贝巴约780公里，总面积为34,063公里²人口估计超过409,000居民[121］．该地区北部和东部与奥罗米亚地区国家接壤，南部与南方民族和民族与人民地区国家(SNNPRS)接壤，西部与南苏丹共和国接壤。

3. 自治街坊联合会是埃塞俄比亚政府治理结构中的最底层。

4. 粮食安全指数是一个综合衡量粮食安全的四个维度(可获得性、可获得性、利用性和稳定性)的指数。

我们要感谢亚的斯亚贝巴大学为支付部分数据收集费用提供的财政支持。我们也感谢所有参与这项研究的个人。

部分数据收集费用由亚的斯亚贝巴大学承担。

作者和联系

1. 埃塞俄比亚公务员大学金融、管理和发展研究学院发展经济与管理系，埃塞俄比亚亚的斯亚贝巴5648信箱

   Amanuel Kussia Guyalo

2. 亚的斯亚贝巴大学发展研究学院农村发展和生计中心，埃塞俄比亚亚的斯亚贝巴邮政信箱1176号

   Esubalew Abate Alemu & Degefa Tolossa Degaga

贡献

AKG博士设计了这项研究，收集并分析了数据。他还修改了初稿。EAA博士和DTD教授对研究设计、分析和修订草稿手稿做出了贡献。所有作者都已阅读并通过了最终稿。

相应的作者

对应到Amanuel Kussia Guyalo．

伦理认可和同意参与

伦理上的批准并不适用，但在参与数据收集过程之前，每个受访者都同意参与研究。

同意出版

不适用。

相互竞争的利益

两位作者宣称他们之间没有利益冲突。

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关系中的管辖权要求保持中立。

附录1

见图。

2．

附录2

见图。

3.．

附录3

见图。

4．

附录4

见图。

5．

附录5

见表

8．

附录6

见表

9．

附录7

见表

10．

附录8

见表

11．

附录9

通过反概率权重匹配(IPW)的协变量平衡和治疗效果的结果。见表12而且13．

附件10

通过粗化精确匹配(CEM)进行协变量平衡和治疗效果的结果。见表14而且15．

．

开放获取本文根据知识共享署名4.0国际许可协议授权，该协议允许以任何媒介或格式使用、共享、改编、分发和复制，只要您适当地注明原作者和源代码，提供知识共享许可协议的链接，并说明是否进行了修改。本文中的图像或其他第三方材料均包含在本文的知识共享许可中，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知识共享许可中，并且您的预期使用不被法定法规允许或超过允许的使用，您将需要直接从版权所有者获得许可。如欲查阅本牌照副本，请浏览http://creativecommons.org/licenses/by/4.0/．知识共享公共领域转让豁免书(http://creativecommons.org/publicdomain/zero/1.0/)适用于本文提供的数据，除非在对数据的信用额度中另有说明。

再版和权限