转基因作物影响研究的总汇分析

2014-12-22 | 作者: Wilhelm Klümper, Matin Qaim | 标签: 转基因作物影响研究

作者:Wilhelm Klümper, Matin Qaim(德国哥廷根Georg-August大学农业经济和农村发展系)翻译:湖北惠民农业科技有限公司刘定富。
原文网址:http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0111629

摘 要

尽管许多国家的农民已经在快速地应用转基因作物,但是关于这一技术的争论却仍在继续。转基因作物影响的不确定性是公众质疑这一技术的一个理由。我们进行转基因作物农艺和经济影响的总汇分析有助于强化“转基因技术有益”这一结论的证据。本分析所包括的原始研究通过关键词利用ISI Web of Knowledge, Google Scholar, EconLit和 AgEcon Search搜索确定。所包括的研究是全球各地基于农场调查和田间试验原始数据、报道了转基因大豆、玉米和棉花产量、农药使用和/或农民利润的原始研究,共计147项。所用方法是平均影响分析,用总汇回归分析检验影响结果的因素。所得的结果是,平均而言,采用转基因技术减少农药使用37%,提高单产22%,增加农民利润68%。抗虫作物的单产提高和农药减少多于抗除草剂作物,发达国家产量和利润的增加多于发达国家。缺陷是有几项研究未报道样本大小和方差。本总汇分析提供了关于转基因作物有益于发展中和发达国家农民的有力证据。这些证据也有助于公众逐渐增加对转基因技术的信任。

1.引言

尽管许多国家的农民已经在快速地应用转基因作物,但是公众关于转基因作物风险和效益的争论却仍在继续[1-4]。大量的独立科学团体和监管机构对风险进行了评估,其结论是已经商业化的转基因作物对人类消费和环境都是安全的[5-7]。也有大量的研究表明转基因作物有助于采用该技术的农民提高产量、降低农业生产成本[8-12],以及增加收益[13-15]。但是,有一些人认为这些影响的证据是混杂的,表明具有较大效益的研究其数据和所用的方法有问题[16-18]。转基因作物影响的不确定性是公众质疑这一技术的一个理由。我们进行的这一研究有助于强化“转基因技术有益”这一结论的证据。

虽然早期已有若干关于转基因作物影响的综述[19-22],但我们试图增加两个重要方面的知识。第一,我们的分析包括了最近的研究,在关于转基因作物影响的文献中,新的研究不断发表,拓宽了所覆盖的地理区域、所用的研究方法及其所考虑的结果变量的类型。比如,除了其他影响外,我们分析了应用转基因作物对农药用量的影响,而以前或许是由于关于这一结果变量的研究太少而没有这方面的分析。第二,我们不仅研究平均效应,还用总汇回归分析(meta-regression)解释影响的异质性和检验可能的偏倚。

我们的总汇分析(meta-analysis)重点是最重要的转基因作物,包括抗除草剂大豆、玉米和棉花及抗虫玉米和棉花。对于这些作物,已经发表了足够大量的影响原始研究,用来估计出具有实际意义的平均效应。我们估计了转基因作物应用对作物产量、农药用量、农药成本、生产总成本和农民效益的效应。此外,我们还分析了可能影响其结果的几个因素,比如原始研究的地理位置、转基因性状、数据类型和所用方法。

2.材料和方法

2.1 文献研究


本总汇分析包括的原始研究通过关键词搜索从有关文献库中选取,我们的搜索工具包括ISI Web of Knowledge, Google Scholar, EconLit和 AgEcon Search。我们搜索的是1995年以后用英文发表的研究,没有追朔到更早以前,因为转基因作物的商业化应用在1990年代中期才开始[23]。搜索通过有关转基因技术和有关感兴趣结果的关键词组合进行。有关转基因技术的具体关键词是:GM*, “genetically engineered”, “genetically modified”, transgenic, “agricultural biotechnology”, HT, “herbicide tolerant”, Roundup, Bt, “insect resistant”;有关结果变量的具体关键词是:impact*, effect*, benefit*, yield*, economic*, income*, cost*, soci*, pesticide*, herbicide*, insecticide*, productivity*, margin*, profit*。星号(*)代表相关术语的任何后缀(中文则是定语或被修饰词语,译者注),引号(“”)表示其内的词是一个整体,而不是各自独立。搜索在2014年3月完成。

ISI Web of Knowledge中的大多数出版物是学术期刊的论文,而Google Scholar, EconLit和AgEcon Search还包括著作的章节和诸如会议论文、工作论文和机构系列报告之类的灰色文献。发表在学术期刊的文章一般来说经过了严格的同行评议过程;学术会议上交流的大多数论文也经过了同行评议过程,只是一般没有优秀期刊那样严格;其他出版物有一些也经过了同行评议,但多数没有;一些工作论文和报告是由研究机构或政府组织发表的,而其他的是非政府组织的出版物。和以前有关转基因作物影响的综述不同,我们不仅仅只是限于经过同行评议的研究,而是包括所有的出版物。这基于两点理由,第一,清楚地区分一项研究是否经过同行评议有时是不太可能的,尤其是对于学术会议交流而不是发表在杂志上的论文[24]。第二,未经同行评议的研究也影响关于转基因的公众和政策辩论,完全忽略它们是短视的。

在通过关键词搜索确定的研究中,并不是都报告了转基因影响的原始结果。我们通过标题、摘要和全文筛选对这些研究进行分类,必须属于以下情况之一。

一是基于单个小区和/或农户、农场的小规模数据进行的转基因大豆、转基因玉米或转基因棉花的农艺和/或经济影响的观测调查;虽然转基因油菜、转基因甜菜、转基因木瓜等其他转基因作物已在一些国家商业化,但关于这些作物影响的研究数量非常小。

二是从产量、农药用量特别是杀虫剂和除草剂的用量、农药成本、总可变成本、毛利、农民利润等一个或几个变量角度报道了转基因作物的影响。如果只报道了喷施农药的次数,这用于代表农药用量。

三是通过报道转基因和非转基因作物的平均结果、绝对差异或比例差异、或能用来计算转基因和非转基因作物间比例差异的回归模型的估计系数,分析了转基因作物的表现。

四是包括了原始结果,不仅仅是以前研究的综述。

在有些情况下,不同的出版物报道了相同的结果。在这些情况下,只选其中一个,避免重复计算。在另一些情况下,几个出版物包括多个影响观察,甚至是关于一个结果变量,例如,在报告不同地理区域的结果时,或不同方法推导时(如转基因和非转基因作物的平均结果比较加回归模型估值)。在这些情况下,所有的观测结果都被收入。此外,有时同一原始数据集用于不同的出版物,而又未报道相同的结果(如对不同的结果变量、运用数据的不同部分、运用不同方法进行分析)。因此我们样本中的结果观测数大于出版物和原始数据集(数据S1)的数量。各阶段入选的研究数列于图1中的流程图,最后包括在总汇分析的出版物数量是147篇(表S1)。

2.2 效应大小和影响因子

结果变量的度量指标是效应大小。我们选择为转基因和非转基因作物之间单位面积产量、农药用量、农药成本、生产总成本和农民利润等5个不同结果变量的百分率差异。分析生产成本的大多数研究关注的是可变成本,这也是转基因技术应用主要受影响的成本。因此,利润由收入减去可变生产成本计算(以这种方式计算出利润被称为毛利)。这些生产成本也考虑了私营公司对转基因种子收取的高价格。因此,这里考虑的利润百分比差异是使用转基因技术农民的纯经济效益。原始研究没有报道百分比差异的,通过转基因与非转基因之间的均值比较或估计的回归系数计算。

因为我们关注的是在不同国家和地区应用的不同类型的转基因技术(不同的转基因性状),所以我们并不期望这些研究中的效应大小是同质的。因此,我们合并效应大小的方法对应的是总汇分析中的随机效应模型[25]。

为了解释结果的异质性和检验可能存在的偏倚,我们还根据许多可能影响所报告效应大小的研究描述编辑了数据。这些影响因素包括转基因技术 (改良性状)的类型、研究的地区、数据和使用方法的类型、经费来源和出版物的类型。所有影响因素被定义为虚拟变量,这些虚拟变量的确切定义见表 1,研究描述的变量分布见附表2。

2.3 统计分析

第一步,我们估计每个结果变量的平均效应大小。为了检验这些平均效应与0是否有显著差异,我们对每一个结果变量与用原始数据集标准误类校正的常数进行了回归分析。因此,当同一数据集的观测值是相关时,这一显著性检验也是有效的。我们估计了所有转基因作物组合的平均效应大小,但是我们预计其结果可能会因转基因性状不同而有差异,所以我们也分别分析为抗除草剂作物和 抗虫作物的平均效应。

总汇分析经常用其方差对结果估值进行加权,方差小的估值被认为更可靠,因此赋予加大的权重[26]。在本研究中,有几项原始研究没有报道方差,所以不可能用方差加权。此外,用样本大小进行加权也是常见的方法。但是,在所考虑的研究中,也不是都报告了样本大小,尤其是一些灰色文献出版物。为了检验结果的稳健性,我们采用了不同的加权重过程,用每个数据集的结果观察次数的倒数作为权重。这一过程可以避免单个数据集被几个出版物使用时在的计算平均效应时占有优势的弊端。

第二步,我们用总汇回归分析解释结果的异质性,并检验可能的偏倚。分别估计所有5个结果变量的线性回归模型是:

 是j出版物每一结果变量h的第i个观察值的效应大小(转基因与非转基因之间的百分比差异), 是影响因子向量, 是一个系数,  是带估计的系数向量,是随机误差。本回归分析所用的影响因子的定义见表1。
 
 
3.结果和讨论

3.1 平均效应大小

所有5个结果变量的分布见图S1,表2列出了未加权的平均效应。作为稳健性检验,我们用每个数据集的结果观察次数的倒数进行了加权。比较加权(表S3)与未加权(表2)的结果,我们发现差异很小。这一比较表明,未加权的结果是稳健的。

平均而言,转基因技术提高单产21%(见图2)。这些产量增加不是由于遗传性产量潜力提高,而是由于更有效的有害生物(害虫和杂草)控制,从而减少了对作物的危害[27]。同时,转基因作物减少农药用量37%,降低农药成本39%。对生产成本的效应不显著。转基因种子比非转基因种子贵,但额外的种子成本由化学、机械害虫和杂草防治上的节省所冲销。应用转基因技术的农民的平均效益增加69%。
Cochran检验[25]表明5个结果变量的研究观测值之间有显著的异质性,结果见图S1。因此,进一步地分解这些结果是有用的,表2列出了按转基因性状分解的结果。尽管抗虫和抗除草剂作物都显著降低农药成本,但只有抗虫作物同时减少了农药用量。

这种差异是预料之中的,因为这两种技术明显不同。抗虫作物保护自己免受某些害虫的危害,因此可以减少农药使用。另一方面,抗除草剂作物不是保护自己以防有害生物的危害,而是能抵抗一种广谱性的化学除草剂 (主要是草甘膦),从而有利于控制杂草。尽管抗除草剂作物在某些情况下能降低除草剂用量,但是在有些地方,这一技术促进了广谱除草剂的使用[2,11,19]。抗除草剂作物的农药用量增加而农药成本降低是因为广谱性除草剂比此前被使用的选择性除草剂往往要便宜。抗除草剂作物的农民利润平均效应很大,而且是正效应,但在统计学上是不显著的,原因是这一结果变量的变化相当大而观测值次数又相当少。

3.2 影响的异质性和可能的偏倚

表 3 列出了总汇回归分析的估计结果,用以说明不同因素对影响异质性的影响。撇开其他因素,抗虫作物的产量增益比抗除草剂作物高约7 个百分点(第1列)。另外,发展中国家转基因作物的产量增益也比发达国家高出 14 个百分点。特别是热带和亚热带的小农户遭受相当严重的有害生物的危害,而这些危害正好可以通过应用转基因作物来减少 [27]。

本汇总分析中的大多数原始研究是基于农场调查,尽管有一些是基于田间试验。田间试验的结果经常被批评高估了转基因的影响,因为农民不能复制那些试验条件。但是,表3第1列的结果表明,田间试验数据并没有高估转基因作物的产量效应,田间试验报道的产量增益甚至低于来自农场调查的产量增益。这似乎是真实的,因为农民田间的非转基因作物的虫害、草害一般比良好管理的试验小区要严重。

经常在公开辩论中表示的另一个担忧是,由行业资金资助的研究可能会夸大转基因的益处。我们的研究结果表明,资金来源并没有显著影响影响的估计。我们还分析了统计方法是否起作用。许多早期的研究只是比较转基因和非转基因作物的产量,而没有考虑可能影响结果的其他投入和条件的可能差异。转基因技术的纯效应可以通过基于控制了其他因素的生产函数模型的回归进行估计。有趣的是,回归分析得到的结果其平均增产效应更高。

最后,我们检验了出版物类型其结果是否有差异。控制了其他因素不变,表 3 第1列中的只基于发表在经过同行评议的期刊上研究论文的回归系数,比基于发表在其他地方研究的回归系数高12 个百分点的产量增益。事实上,只以发表在期刊中的研究观察结果计算出的平均效应大于基于所有观测值的计算结果(图 S2)。乍一看,人们也许会怀疑出版物偏倚,即只有报告有实质性效应的研究才会被杂志接受发表。

总汇分析中一种评估出版物可能偏倚的常用方法是漏斗图(funnel plots)[25],我们列于图 S3 。然而,在本例中这些漏斗图不应过度的解读。第一,只有那些报告了方差的研究才能包括在漏斗图中,这就只适用于所用的原始研究的一部分。第二,即使.存在出版物偏倚,也能正确地估计平均结果,因为我们包括了同行评议杂志未发表的研究。

进一步的分析表明,杂志审稿过程并没有系统地过滤掉那些效应较小的研究。本样本中的期刊文章报道了相当大变幅的产量效应,在某些情况下甚至包括负值。而且,当包括期刊文章和学术会议论文时,平均产量增益更高(表3,第 2 列)。

既未在杂志上发表也未在学术会议上交流的研究,包括五花八门的论文,如非政府组织和直言不讳的生物技术评论家的报告。平均而言,这些报告显示较低的转基因增产效应,但并不是所有的都满足共同的科学标准。因此,正的且显著的杂志系数可能是一些灰色文献中负的非政府组织偏倚的结果,而并不表明是出版物偏倚。

有关其他结果变量,抗虫作物比抗除草剂作物有更大的减少农药用量的效应(表 3第 3 列),上文已述。至于农药成本,抗虫作物与抗除草剂作物之间的区别没有那么明显,并且在统计学上不显著(第4 列)。转基因作物的利润增益,发展中国家比发达国家高60个百分点(第6列),这么大的差距主要是由于发展中国家转基因产量增益更大,节约农药成本更多。此外,大多数转基因作物都没有在发展中国家申请专利,所以转基因种子的价格较低 [19]。跟产量一样,发表在同行评议期刊的研究报告的利润增益高于发表在其他地方的研究,但我们再一次并未发现有证据表明存在出版偏倚(第7列)。

4.结论

本总汇分析证实,转基因作物的农艺和经济平均效益都很大而且显著,尽管影响有异质性。转基因作物的影响有变化,尤其是因转基因性状和研究所在的地理区域不同而不同。抗虫作物的产量增益和农药减少比抗除草剂作物更多,发展中国家的产量和农民利润增长比发达国家更多。最近关于转基因影响的研究所用的数据和方法比早期的研究更好,但这些研究设计的改进并没有减少转基因作物优越性的估计。相反,未经科学的同行评议的非政府组织报告和其他出版物似乎使影响的估值向下偏倚,但即使包括了这种有偏估计,其平均效应依然相当大。

一个局限是,纳入本总汇分析的原始研究并不是都报告了样本大小和方差。在社会科学分析中,这种情况也并非不典型,尤其是对于包括了灰色文献的研究。将来的有原始数据的影响研究应遵循更标准化的报告程序。总之,我们的研究结果提供了转基因作物效益的有力证据。这些证据可能有助于逐渐增加公众对转基因这种有前途技术的信任。

参考文献
1. Gilbert N (2013) A hard look at GM crops. Nature 497: 24–26. doi: 10.1038/497024a
2. Fernandez-Cornejo J, Wechsler JJ, Livingston M, Mitchell L (2014) Genetically Engineered Crops in the United States. Economic Research Report ERR-162 (United Sates Department of Agriculture, Washington, DC).
3. Anonymous (2013) Contrary to popular belief. Nature Biotechnology 31: 767. doi: 10.1038/nbt.2700
4. Andreasen M (2014) GM food in the public mind–facts are not what they used to be. Nature
5. DeFrancesco L (2013) How safe does transgenic food need to be? Nature Biotechnology 31: 794–802. doi: 10.1038/nbt.2686
6. European Academies Science Advisory Council (2013) Planting the Future: Opportunities and Challenges for Using Crop Genetic Improvement Technologies for Sustainable Agriculture (EASAC, Halle, Germany).
7. European Commission (2010) A Decade of EU-Funded GMO Research 2001–2010 (European Commission, Brussels).
8. Pray CE, Huang J, Hu R, Rozelle S (2002) Five years of Bt cotton in China - the benefits continue. The Plant Journal 31: 423–430. doi: 10.1046/j.1365-313x.2002.01401.x
9. Huang J, Hu R, Rozelle S, Pray C (2008) Genetically modified rice, yields and pesticides: assessing farm-level productivity effects in China. Economic Development and Cultural Change 56: 241–263. doi: 10.1086/522898
10. Morse S, Bennett R, Ismael Y (2004) Why Bt cotton pays for small-scale producers in South Africa. Nature Biotechnology 22: 379–380. doi: 10.1038/nbt0404-379b
11. Qaim M, Traxler G (2005) Roundup Ready soybeans in Argentina: farm level and aggregate welfare effects. Agricultural Economics 32: 73–86. doi: 10.1111/j.0169-5150.2005.00006.x
12. Sexton S, Zilberman D (2012) Land for food and fuel production: the role of agricultural biotechnology. In: The Intended and Unintended Effects of US Agricultural and Biotechnology Policies (eds. Zivin, G. & Perloff, J.M.), 269–288 (University of Chicago Press, Chicago).
13. Ali A, Abdulai A (2010) The adoption of genetically modified cotton and poverty reduction in Pakistan. Journal of Agricultural Economics 61, 175–192.
14. Kathage J, Qaim M (2012) Economic impacts and impact dynamics of Bt (Bacillus thuringiensis) cotton in India. Proceedings of the National Academy of Sciences USA 109: 11652–11656. doi: 10.1073/pnas.1203647109
15. Qaim M, Kouser S (2013) Genetically modified crops and food security. PLOS ONE 8: e64879. doi: 10.1371/journal.pone.0064879
16. Stone GD (2012) Constructing facts: Bt cotton narratives in India. Economic & Political Weekly 47(38): 62–70.
17. Smale M, Zambrano P, Gruere G, Falck-Zepeda J, Matuschke I, et al.. (2009) Measuring the Economic Impacts of Transgenic Crops in Developing Agriculture During the First Decade: Approaches, Findings, and Future Directions (International Food Policy Research Institute, Washington, DC).
18. Glover D (2010) Is Bt cotton a pro-poor technology? A review and critique of the empirical record. Journal of Agrarian Change 10: 482–509. doi: 10.1111/j.1471-0366.2010.00283.x
19. Qaim M (2009) The economics of genetically modified crops. Annual Review of Resource Economics 1: 665–693. doi: 10.1146/annurev.resource.050708.144203
20. Carpenter JE (2010) Peer-reviewed surveys indicate positive impact of commercialized GM crops. Nature Biotechnology 28: 319–321. doi: 10.1038/nbt0410-319
21. Finger R, El Benni N, Kaphengst T, Evans C, Herbert S, et al. (2011) A meta analysis on farm-level costs and benefits of GM crops. Sustainability 3: 743–762. doi: 10.3390/su3050743
22. Areal FJ, Riesgo L, Rodríguez-Cerezo E (2013) Economic and agronomic impact of commercialized GM crops: a meta-analysis. Journal of Agricultural Science 151: 7–33. doi: 10.1017/s0021859612000111
23. James C (2013) Global Status of Commercialized Biotech/GM Crops: 2013. ISAAA Briefs No.46 (International Service for the Acquisition of Agri-biotech Applications, Ithaca, NY).
24. Rothstein HR, Hopewell S (2009) Grey literature. In: Handbook of Research Synthesis and Meta-Analysis, Second Edition (eds. Cooper, H., Hegdes, L.V. & Valentine, J.C.), 103–125 (Russell Sage Foundation, New York).
25. Borenstein M, Hedges LV, Higgins JPT, Rothstein HR (2009) Introduction to Meta-Analysis (John Wiley and Sons, Chichester, UK).
26. Shadish WR, Haddock CK (2009) Combining estimates of effect size. In: Handbook of Research Synthesis and Meta-Analysis, Second Edition (eds. Cooper, H., Hegdes, L.V. & Valentine, J.C.), 257–277 (Russell Sage Foundation, New York).
27. Qaim M, Zilberman D (2003) Yield effects of genetically modified crops in developing countries. Science 299: 900–902. doi: 10.1126/science.1080609

来源:plosone.org

相关文章