中国农业绿色全要素生产率研究2000—2017

第21卷第1期2021年1月
浙江树人大学学报
JOUＲNAL OF ZHEJIANG SHUＲEN UNIVEＲSITY
Vol．21，No．1Jan．2021
收稿日期:2020－12－10;修回日期:2021－01－13
基金项目:国家自然科学基金(71673250);浙江省杰出青年基金(LＲ18G030003);浙江省哲学社会科学规划课题(18NDJC184YB )作者简介:陈宇峰，男，浙江金华人，教授，经济学博士，博导，研究方向为制度与契约理论、能源经济理论与政策。

①数据来源
:《中国农村统计年鉴(2019)》，中国统计出版社2019年版，第46页。

②潘丹、
孔凡斌:《我国农业全要素生产率差异与收敛分析———基于环境污染视角》，《江西社会科学》2013年第9期，第43－47页。

③折算成标准煤。

数据来源
:《中国能源统计年鉴(2018)》，中国统计出版社2019年版，第102－107页。

工商管理
中国农业绿色全要素生产率研究:2000—2017
陈宇峰
缪嘉峰
屈
放
(浙江工商大学经济学院，浙江杭州310018)
摘
要:农业是支撑国民经济建设的基础性产业。

随着农业碳排放和面源污染的不断加剧，绿色农
业发展已成为学术界和政府所关注的重要问题。

文章将农业碳排放和面源污染共同作为非期望产出，利用基于方向性距离函数(DDF )的全局Malmquist-Luenberger 生产率模型，对2000年至2017年我国30个省份的农业绿色全要素生产率进行动态化测算，并在此基础上从整体、区域以及粮食功能区角度进行异质性分析。

此外，进一步对农业绿色全要素生产率作分解分析，深入探究其背后的动力源泉。

研究表明，我国农业绿色全要素生产率整体呈波动上升态势且为技术诱导型增长模式;就区域层面而言，农业绿色全要素生产率东部最高，中部次之，东北其后，西部最后;三大粮食功能区中绿色增长的动力源泉均来源于技术进步，而粮食主产区的技术进步贡献相对薄弱。

据此，提出加大农业科技创新与研发力度，因地制宜发展绿色农业等针对性建议。

关键词:农业碳排放;农业面源污染;绿色全要素生产率;农业绿色发展DOI :10.3969/j．issn．1671－2714.2021.01.011
改革开放以来，我国农业发展发生了历史性
变化，取得了举世瞩目的成就，其凭借仅占世界7%的耕地养活了世界上22%的人口。

然而，这一伟大成就的背后付出了巨大的代价。

2000—2018年，我国农业化肥施用量从4146.4万吨增加到5653.4万吨，增长率为36.34%，农用塑料薄膜使用量的增幅更是高达84.57%①。

农业生产要素广泛投入的同时不仅带来了农业经济的快速增长，也加剧了碳排放和农业面源污染的恶化②。

根据《第一次全国污染源普查公报》显示，我国三种主要水污染物排放中来源于农业部门的比重较大，其中化学需氧量(COD )占43.71%，总氮(TN )占57.19%，总磷(TP )占67.27%，并且农
业所产生的COD 、
TN 、TP 排放均超过了工业部门，成为水污染排放最主要的产业之一。

此外，伴
随着能源消耗量由2007年的7068万吨增长到2017年的8931万吨③，农业部门产生了二氧化碳排放量激增的现象。

低效的要素利用消耗了大量农业资源且造成严重的环境污染，违背了党的十九大所倡导的绿色发展理念。

自2004年以来，中央一号文件连续17年聚焦农业问题，特别是2005年首次明确提出加强治理农业面源污染的相关政策。

在之后的16年内，治理农村生态环境、持续减少农业面源污染排放等相关政策不断提出。

2020年的中央经济工作会议已明确提出“解决好种子和耕地问题”，要加强农业面源污染
治理，“做好碳达峰、碳中和工作”等重点任务。

除此之外，我国还制定了明确的量化目标，即农业
面源污染中的TN和TP排放量减少30%以上，并
在此基础上大力推进绿色能源建设①。

绿色增长已成为我国经济增长的新方向，而其中的农业可持续发展显得尤为关键②。

绿色是农业的本色，把农业绿色发展摆在突出位置将为破解农业生态环境与农业经济增长之间的矛盾提供有效路径，更是农业落实“两山”理念和践行生态文明建设的真正体现。

而如何科学有效地评估农业部门的绿色发展绩效已成为一个关键而紧迫的问题③。

以绿色全要素生产率(GT-FP)为视角的研究为统筹资源、环境和发展提供了分析框架，并受到多数学者的应用④⑤⑥。

那么，现阶段我国各省份的农业GTFP处于何种水平，在过去的10多年间产生哪些变化，而这些变化背后的动力源于何处揭开这些疑惑能更好地认识农业经济增长、资源利用和生态环境建设三者之间的关系，对破解农业绿色发展障碍和实现我国农业绿色转型发展具有重要意义。

因此，本研究将农业碳排放和面源污染作为非期望产出纳入农业GTFP的测度当中，采用方向性距离函数(DDF)的全局Malmquist-Luenberger指数法测算2000—2017年我国区域农业绿色生产率的动态变化情况，并进一步将其分解为技术进步和技术效率以挖掘农业绿色全要素生产率波动背后的动力源泉，为制定合适的地区农业发展政策提供依据。

一、文献回顾
现有关于农业绿色全要素生产率测度的研究文献，可以分为两类:一是不同测算方法和模型的研究;二是农业不同环境因素(即污染物)指标的选取研究。

索洛余值法、代数指数法、随机前沿法和数据包络分析法是目前主要的农业全要素生产率测算方法，其中数据包络分析(DEA)和随机前沿分析(SFA)已经成为衡量农业TFP的两种流行方法⑦⑧⑨。

李翔等(2018)采用SFA模型来评估华东农业全要素生产率 瑏瑠，虽然SFA模型构建的边界符合农业生产特征 瑏瑡，但因其所需预设的特定生产函数而受到批评。

然而，在不要求预设函数形式的情况下，DEA模型通过构造一个分段线性前沿面并利用最佳观测实践单元进行比较来判断生产率水平，这一方法受到广泛应用。

Emrouznejad 等(2018)梳理了近四十年来与DEA相关的文献，指出该方法在农业生产率测度中被广泛使用，并常与绿色全要素生产率概念相联系。

根据测算农业绿色全要素生产率所使用的DEA模型视角不同，可以分为静态视角和动态视角 瑏瑢。

Liu等(2021)利用Super-SBM模型从静态角度计算基于碳排放的农业GTFP，并指出我国GTFP呈现波动增长态势
77
第1期陈宇峰，缪嘉峰，等:中国农业绿色全要素生产率研究:2000—2017
①②③④⑤
⑥⑦⑧⑨ 瑏瑠 瑏瑡 瑏瑢资料来源:《“十三五”农业科技发展规划》《能源发展“十三五”规划》。

葛鹏飞、王颂吉、黄秀路:《中国农业绿色全要素生产率测算》，《中国人口·资源与环境》2018年第5期，第66－74页。

于法稳:《实现我国农业绿色转型发展的思考》，《生态经济》2016年第4期，第42－44页。

陈诗一:《中国的绿色工业革命:基于环境全要素生产率视角的解释(1980—2008)》，《经济研究》2010年第11期，第21－34页。

孟祥海、周海川、杜丽永等:《中国农业环境技术效率与绿色全要素生产率增长变迁———基于种养结合视角的再考察》，《农业经济问题》2019年第6期，第9－22页。

Wang K L，Pang S Q，Ding L L，et al．，Combining the Biennial Malmquist-Luenberger Index and Panel QuantileＲegression to Analyze the Green Total Factor Productivity of the Industrial Sector in China，Science of the Total Environment，2020－10－15，https://doi．org/
10.1016/j．scitotenv．2020．140280．
张乐、曹静:《中国农业全要素生产率增长:配置效率变化的引入———基于随机前沿生产函数法的实证分析》，《中国农村经济》2013年第3期，第4－15页。

高帆:《我国区域农业全要素生产率的演变趋势与影响因素———基于省际面板数据的实证分析》，《数量经济技术经济研究》2015年第5期，第3－19页。

王亚飞、廖甍、王亚菲:《高铁开通促进了农业全要素生产率增长吗?———来自长三角地区准自然实验的经验证据》，《统计研究》2020年第5期，第40－53页。

李翔、杨柳:《华东地区农业全要素生产率增长的实证分析———基于随机前沿生产函数模型》，《华中农业大学学报(社会科学版)》2018年第6期，第62－68页。

Gong B L，Agricultural Productivity Convergence in China，China EconomicＲeview，2020－04－01，https://doi．org/10．1016/j．chieco．2020．101423．
Emrouznejad A，Yang G L，A Survey and Analysis of the First40Years of Scholarly Literature in DEA:1978-2016，Socio-Economic Planning Sciences，2018，No．61，pp．4－8．
且省际差异不断扩大①。

葛鹏飞等(2018)以31个省份的GTFP为研究对象，利用基于松弛变量的方向性距离函数(SBM-DDF)的Malmquist-Lu-
enberger(ML)指数法动态分析后发现，我国农业GTFP的年均增长率为1.56%，且呈现由东向西依次递减的趋势②。

考虑到农业GTFP的长期积累过程以及ML指数所不具备的传递性和全局参比问题，本研究将利用方向性距离函数的Global Malmquist-Luenberger(GML)指数法，从动态视角对我国农业GTFP进行测度分析。

除了测算方法和模型的研究外，农业污染物作为农业绿色全要素生产率中“绿色”概念的体现，其指标选择是否全面、科学决定了测度结果的准确性。

在农业污染物选择上，Fei等(2017)将CO
2
作为一种非期望产出来衡量中国农业能源-
CO
2
综合效率③;吴传清等(2018)将农业部门的碳排放纳入农业绿色全要素生产率的评估当中④。

然而，在农业生产过程中，面源污染是所有污染物中最为严重的。

Boers(1996)指出，荷兰地表水中所排放的60%总氮和40% 50%的总磷均来源于农业⑤。

因此，部分学者选取农业面源污染这一指标进行了GTFP的测度⑥⑦，比如韩海彬等(2013)引入农业面源污染作为环境约束评估我国29个省份的农业TFP增长⑧;李谷成(2014)以“绿色生产率革命”定义包含农业面源污染这一非合意产出的ML生产率指数模型⑨。

由此可见，学界对于农业污染物的指标选取大多停留在单一的碳排放或面源污染层面，缺少对于两者的综合考察。

与Su等(2020)提出的“为遏制农业生产对环境的负面影响，提高农业可持续发展水平，必须对不同类型农业生产的可持续性进行量化” 瑏瑠这一观点相同，本研究将碳排放和农业面源污染共同作为非期望产出纳入农业GTFP的测算中，以更加全面地反映我国目前的农业绿色发展水平。

要想实现农业GTFP的持续增长，挖掘和把握其背后的动力源泉至关重要。

王奇等(2012)通过分解分析得出，我国农业TFP和GTFP的增长主要源于技术进步，而技术效率的恶化抵消了部分技术进步所带来的作用 瑏瑡。

之后，不少学者将农业GTFP进行结构分解，均验证了增长的动力源泉在于农业绿色技术进步的结论 瑏瑢 瑏瑣。

Liu等(2019)在将农业GTFP分解为技术进步、纯技术效率和规模效率基础上，结合投入产出对这三者进一步分解后发现，2010年以后我国农业产量、能源使用以及污染物治理方面的技术进步是农业GTFP增长的主导因素，而资本运用方面的技术倒退成为增长的主要障碍 瑏瑤。

因此，本研究在测度我国区域及各省份农业GTFP的基础上，进一步将GTFP分解为技术进步和技术效率以探究其变化背后的主要动力，为验证农业绿色长效发展机制提供数据支撑。

本研究的贡献主要体现在以下两方面:第一，对农业绿色全要素生产率测算指标进行了更新，将碳排放与面源污染同时作为
87浙江树人大学学报2021年
①
②③
④⑤
⑥
⑦⑧⑨ 瑏瑠
瑏瑡 瑏瑢 瑏瑣 瑏瑤Liu D D，Zhu X Y，Wang Y F，China's Agricultural Green Total Factor Productivity based on Carbon Emission:An Analysis of Evolution Trend and Influencing Factors，Journal of Cleaner Production，2021－01－01，https://doi．org/10.1016/j．jclepro．2020．123692．
葛鹏飞、王颂吉、黄秀路:《中国农业绿色全要素生产率测算》，《中国人口·资源与环境》2018年第5期，第66－74页。

FeiＲL，Lin B Q，The Integrated Efficiency of Inputs-outputs and Energy-CO2Emissions Performance of China's Agricultural Sector，Ｒe-newable and Sustainable EnergyＲeviews，2017，No．9，pp．668－676．
吴传清、宋子逸:《长江经济带农业绿色全要素生产率测度及影响因素研究》，《科技进步与对策》2018年第17期，第35－41页。

Boers P C M，Nutrient Emissions from Agriculture in the Netherlands，Causes andＲemedies，Water Science and Technology，1996，No．4－5，pp．183－189．
高杨、牛子恒:《农业信息化、空间溢出效应与农业绿色全要素生产率———基于SBM-ML指数法和空间杜宾模型》，《统计与信息论坛》2018年第10期，第66－75页。

王淑红、杨志海:《农业劳动力老龄化对粮食绿色全要素生产率变动的影响研究》，《农业现代化研究》2020年第3期，第396－406页。

韩海彬、赵丽芬:《环境约束下中国农业全要素生产率增长及收敛分析》，《中国人口·资源与环境》2013年第3期，第70－76页。

李谷成:《中国农业的绿色生产率革命:1978—2008年》，《经济学(季刊)》2014年第2期，第537－558页。

Su Y，He S，Wang K，et al．，Quantifying the Sustainability of Three Types of Agricultural Production in China:An Emergy Analysis with the Integration of Environmental Pollution，Journal of Cleaner Production，2020－04－10，https://doi．org/10．1016/j．jclepro．2019．119650．
王奇、王会、陈海丹:《中国农业绿色全要素生产率变化研究:1992—2010年》，《经济评论》2012年第5期，第24－33页。

吕娜、朱立志:《中国农业环境技术效率与绿色全要素生产率增长研究》，《农业技术经济》2019年第4期，第95－103页。

郭海红、刘新民:《中国农业绿色全要素生产率时空演变》，《中国管理科学》2020年第9期，第66－75页。

Liu Y，Feng C，What Drives the Fluctuations of“Green”Productivity in China's Agricultural Sector?A WeightedＲussell Directional Dis-tance Approach，Ｒesources，Conservation andＲecycling，2019，No．4，pp．201－213．
“坏产出”，采用产出角度的DDF-GML指数从动态视角考察我国农业GTFP的时空演变特征并进行结构分解。

第二，从区域层面和粮食功能区层面对我国农业GTFP进行分类评价，在区域性分析中对作为我国重要农业基地的东北地区予以单独考量，在粮食功能区层面分析中将所研究的30个省份划分为粮食主产区、产销平衡区和粮食主销区进行讨论。

二、研究方法与数据来源
(一)农业GTFP的测算方法
农业生产符合规模报酬不变的特征。

此外，在既定稀缺要素约束下使农业产量最大化与污染最小化更符合我国农业绿色发展理念;而与传统的ML指数相比，全局ML指数参考共同前沿所存在的传递性与可累乘性等特点，并且具有各期效率可比性①。

因此，本研究将在规模报酬不变条件及产出导向下构造DDF-GML生产率指数模型并对其进行分解。

1．生产可能性集合与方向性距离函数。

将30个省份作为决策单元(DMU)，并假设每个省份k=1，2，…，30，在农业生产中都使用M种投入要素x=(x1，x2，…，x m)∈ＲM+，生产N种期望产出y g
=(y g
1，y g
2
，…，y g
N
)∈ＲN
+
以及S种非期望产出y b=
(y b
1，y b
2
，…，y b
S
)∈ＲS
+
，那么生产可能性集合可以
表示为:
P(x)=(y g，y b)x can produce(y g，y b
{})(1)其中，P为生产可能性集合，即投入要素x可以生产出期望产出与非期望产出(y g，y b)。

同时，该生产可能性集合为一个有界的闭集并且满足期望产出与投入的强可处置性、期望产出与非期望产出的弱可处置性和零结合性假设②。

在农业生产活动中，伴随着产量的上升过程，碳排放和面源污染也不可避免地出现。

而农业可持续发展的目标是在保持期望产出增加的同时，进一步减少非期望产出，基于此，本研究将引入Chung等(1997)③所提出的能够对期望产出与非期望产出进行区别处理的方向性距离函数，具体形式如下:
D=(x，y g，y b;g)=max{β|(y g+βg
y
，y b－βg b)∈P(x)}(2)其中，g=(g y，－g b)是方向向量表示在g y方向上增加期望产出，并且在g b方向上减少非期望产出，β为在给定要素x和生产可能性集合P的情形下，期望产出与非期望产出沿g方向向量最大扩张和收缩程度。

2．Global Malmquist-Luenberger指数。

参考Oh(2010)④的做法，将所有构造的当期基准全部包络进来，得到单一的、可全局参比的生产可能性集合。

结合式(1)，本研究的全局基准生产可能性集合为:
P
G
=P1
C
∪P2C∪…∪P t C(3)其中，P t C为当期基准下时期t的生产可能性集合，C和G分别表示当期基准与全局基准。

根据Pastor等(2005)的研究⑤，基于产出的从t时期到t+1时期的GML生产率指数为:
GML t，t+1(x t，(y g)t，(y b)t，x t+1，(y g)t+1，(y b)t+1)=
1+D t
G
(x t，(y g)t，(y b)t)
1+D t+1
G
(x t+1，(y g)t+1，(y b)t+1)
(4)
进一步地，将GML t，t+1指数分解为全局技术效率指数GEFFCH t，t+1和全局技术进步指数GTECH t，t+1，分解过程如下:
GML t，t+1=
1+D t
G
(x t，(y g)t，(y b)t)
1+D t+1
G
(x t+1，(y g)t+1，(y b)t+1) =
1+D t
C
(x t，(y g)t，(y b)t)
1+D t+1
C
(x t+1，(y g)t+1，(y b)t+1)
ˑ
1+D t
G
(x t，(y g)t，(y b)t)
1+D t
C
(x t，(y g)t，(y b)t)
ˑ
1+D t+1
C
(x t+1，(y g)t+1，(y b)t+1)
1+D t+1
G
(x t+1，(y g)t+1，(y b)t+1
)
(5)
97
第1期陈宇峰，缪嘉峰，等:中国农业绿色全要素生产率研究:2000—2017
①
②③
④⑤肖琴、罗其友、周振亚等:《中国农业绿色生产效率的动态变迁与空间分异———基于DDF-Global Malmquist-Luenberger指数方法的分析》，《农林经济管理学报》2020年第5期，第537－547页。

王兵、侯冰清:《中国区域绿色发展绩效实证研究:1998—2013———基于全局非径向方向性距离函数》，《中国地质大学学报(社会科学版)》2017年第6期，第24－40页。

Chung Y H，F reＲ，Grosskopf S，Productivity and Undesirable Outputs:A Directional Distance Function Approach，Journal of Environ-mental Management，1997，No．3，pp．229－240．
Oh D，A Global Malmquist-Luenberger Productivity Index，Journal of Productivity Analysis，2010，No．3，pp．183-197．
Pastor J T，Lovell C A K，A Global Malmquist Productivity Index，Economics Letters，2005，No．2，pp．266－271．
其中，1+D t G (x t ，(y g )t ，(y b )t )1+D t C (x t ，(y g )t ，(y b )t )ˑ
1+D t +1C (x t +1，(y g )t +1，(y b )t +1)1+D t +1G (x t +1，(y g )t +1，(y b )t +1)=GTECH
t ，t +1
，而
1+D t C (x t ，(y g )t ，(y b )t )
1+D t +1C (x t +1，(y g )t +1，(y b )t +1)
=GEFFCH t ，t +1，因此GML t ，t +1=GEFFCH t ，t +1
ˑGTECH t ，t +1。

GML t ，t +1和GEFFCH t ，t +1大于、等于或
者小于1分别表示从t 到t +1时期农业绿色全要素生产率和技术效率发生了提高、不变或者降低，
而GTECH t ，t +1大于、等于或者小于1分别表示技术的进步、不变或者倒退。

(二)非期望产出测算方法
1．碳排放测算方法。

农业碳排放参考《IPCC 国家温室气体清单指南》所提供的碳排放系数并采用农业各类能源消耗与对应排放因子的乘积来进行测量。

具体公式如下:
ACE =
∑n
i =1
E i ˑδi
(6)
其中，
ACE 为农业部门生产活动产生的碳排放，E i 为农业生产中第i 类能源的消耗量，δi 为第i 类能源的碳排放系数。

2．农业面源污染测算方法。

考虑到污染物的统一性，本研究将化学需氧量(COD )、总氮(TN )和总磷(TP )定义为农业面源污染，并采用赖斯芸
等(2004)①和陈敏鹏等(2006)②所使用的“自上
而下”单元分析法来建立农业活动与污染物之间的关系。

该方法充分考虑了统计数据的可获得性、可比性和显著性，是一项非常全面简便的面源污染估算方法，受到学界的广泛青睐。

具体测算公式如下:
ANSP =∑EU 活动=∑∑EU 类别=∑∑∑EU 单元
ˑEUA (7)其中，ANSP 为农业面源污染，即COD 、
TN 和TP 排放总和，
EU 活动表示农业生产产生面源污染的活动，
EU 类别表示产生面源污染的具体类别，EU 单元为产生面源污染的具体单元，其中活动由类别组成，类别由单元组成，EUA 代表单个单元的污染物排放量，计算公式如下:
EUA =
∑i EU i ρij (1－ηi )C ij (EU ij ，S )=
∑i
PE ij ρij (1－ηi )C ij (EU ij ，S )
(8)
其中，EU i 代表第i 个单元，ρij 为第i 个单元污染物
j 的污染强度系数，ηi 为对应资源的利用效率相关系数，
PE ij 为污染物j 产生量(农业生产所造成的最大潜在污染量)，
C ij 表示第i 个单元污染物j 的排放系数，由该单元本身和空间特征S 所决定。

表1为
我国具体的农业面源污染基本单元列表。

表1
我国农业面源污染基本单元列表活动
类别单元
计量指标排放清单粮食作物氮肥施用量氮肥
蔬菜氮肥施用量折纯施用量/万吨TN 、TP 其他作物氮肥施用量化肥
粮食作物磷肥施用量折纯施用量/万吨
TN 、TP
磷肥③
蔬菜磷肥施用量其他作物磷肥施用量粮食作物复合肥施用量复合肥蔬菜复合肥施用量折纯施用量/万吨TN 、TP
其他作物复合肥施用量
牛年末存栏量/万头禽畜养殖
大牲畜
猪年内出栏量/万头COD 、TN 、TP
其他羊年末存栏量/万头家禽年内出栏量/万只粮食作物
稻谷、小麦农业有机固体废弃物
玉米、大豆总产量/万吨
COD 、TN 、TP
经济作物
花生、油菜水产养殖海洋海水养殖总产量/吨COD 、TN 、TP
内河
淡水养殖
08浙江树人大学学报2021年
①②③赖斯芸、杜鹏飞、陈吉宁:《基于单元分析的非点源污染调查评估方法》，《清华大学学报(自然科学版)》2004年第9期，第1184－1187页。

陈敏鹏、陈吉宁、赖斯芸:《中国农业和农村污染的清单分析与空间特征识别》，《中国环境科学》2006年第6期，第751－755页。

磷肥主要成分为P 2O 5，
因此在估算TP 时需要乘43.67%。

表1中各面源污染产污单元调查指标来源于《中国农村统计年鉴》《中国统计年鉴》《新中国农业60年统计资料》以及各省份统计年鉴等。

而上述污染强度系数、排放系数等参数值主要来源于第一次全国污染源普查以及《污染源普查农业源系数手册》中的分省数据;关于农业相关资源利用效率系数、流失系数等数据参考孟祥海等(2019)①和Zou等(2020)②。

(三)数据来源与选取
本研究所使用的投入产出指标及数据来源如表2所示，其中各统计年鉴的使用年份均为2001—2018年。

目前统计年鉴中尚无分地区农业能源消耗量的数据统计，因此将各省份农林牧渔业原煤、原油和天然气等能源消耗转换成标准煤，并将第一产业增加值转换成以2000年为基期的不变价格，以消除物价变动对结果的干扰。

表2农业GTFP投入产出指标
变量类别变量名称变量缩写数据来源
劳动:第一产业劳动力/万人L 《中国统计年鉴》《中国人口和就业统计年鉴》
以及各省份统计年鉴
机械:农业机械总动力/万千瓦M《中国农村统计年鉴》投入土地:农作物播种面积/千公顷B《中国农村统计年鉴》化肥:化肥施用量/万吨折纯F《中国农村统计年鉴》
能源:农业部门能源消耗量/万吨标准煤E 《中国能源统计年鉴》《中国统计年鉴》以及各省份统计年鉴
期望产出第一产业增加值/亿元GDP
非期望产出
农业二氧化碳排放量/万吨CO2根据前文方法计算农业面源污染量/万吨ANSP
三、实证分析
(一)农业面源污染负荷总量匡算结果
根据单元分析法，本研究估算2000—2017年我国农业面源污染负荷总量(见图1)。

为了验证数据结果的可靠性，将估算结果与第一次全国污染源普查公报所公布的数据进行比较。

由于公报中统计数据来源于部分典型的农业地区，而非全国范围，该数据低于本研究估算结果。

与Zou等(2020)相比，本研究匡算结果相对较小，原因是为测算农业绿色全要素生产率，本研究仅关注农业生产部门的排污，在进行面源污染计算时将农村生活所产生的污染排除在外，但总负荷趋势与其研究结果基本一致且与实际情况相符。

从农业面源污染负荷总量的增减趋势看，我国农业面源污染于2000—2002年上升，在2003年下降后开始攀升，2006年达到峰值，约为2502.62万吨。

在2007年内经历过大幅下降后开始缓慢上升，2014—2017年呈现下滑态势。

早期粗放型的农业发展模式使农业面源污染在短短几年内迅速加剧，随着国家对农村生态环境重视程度的提高以及农民人力资本的增加与环保意识的增强，农业生态环境压力开始减缓，面源污染下降的趋势良好。

从面源污染负荷总量的组成来看，不难发现，COD占总污染的比重最大，TN次之，TP最小。

Zhang等(2019)指出，农业生产中禽畜养殖所排放的面源污染最大，这是由于养殖业所具有的“大规模、排污复杂和难以控制”特点使COD排放比例上升，而TN与TP比例下降③。

此外，COD、TN、TP与总污染的趋势也基本相同，说明农业部门可以通过转变发展模式同时减少各种污染物，有效破解农业经济与资源环境的矛盾，实现协调发展。

18
第1期陈宇峰，缪嘉峰，等:中国农业绿色全要素生产率研究:2000—2017
①②③孟祥海、周海川、杜丽永等:《中国农业环境技术效率与绿色全要素生产率增长变迁———基于种养结合视角的再考察》，《农业经济问题》2019年第6期，第9－22页。

Zou L L，Liu Y S，Wang Y S，et al．，Assessment and Analysis of Agricultural Non-point Source Pollution Loads in China:1978-2017，Journal of Environmental Management，2020－06－01，https://doi．org/10．1016/j．jenvman．2020．110400．
Zhang C Z，Liu S，Wu S X，et al．，Ｒebuilding the Linkage between Livestock and Cropland to Mitigate Agricultural Pollution in China，Ｒe-sources，Conservation andＲecycling，2019，No．1，pp．65-73．
(二)整体农业GTFP 测算及分解结果分析使用MaxDEA 8软件计算得到2000—2017年我国30个省份的农业绿色全要素生产率及其分解结果(见图2和表3)。

图1我国农业面源污染负荷总量图
图2我国整体农业GTFP 及分解图
表3
我国整体农业GTFP 分解结果与累计值表
年份TFP EC TC TFP 累积值20010.99890.9848 1.01430.99892002 1.0076 1.0049 1.0027 1.00652003 1.0224 1.0025 1.0198 1.029020040.99510.9813 1.0141 1.024020050.9779 1.04960.9317 1.00132006 1.0024 1.00600.9964 1.00382007 1.02920.9681 1.0631 1.03312008 1.0149 1.02600.9892 1.04852009 1.0014 1.00910.9923 1.05002010 1.0059 1.02460.9818 1.05622011 1.0071 1.0002 1.0069 1.06372012 1.00570.9953 1.0104 1.06982013 1.02620.9555 1.0740 1.09782014 1.00880.9921 1.0168 1.10742015 1.00620.9985 1.0077 1.11432016 1.01150.9974 1.0142 1.12712017 1.0224 1.02290.9996 1.1524平均
1.0084
1.0009
1.0075
—
由图2和表3可以看出，
2000—2017年我国农业GTFP 呈现波动上升态势，年均增长率为0.84%，其最低值在2005年，为0.9779，最高值在2007年，为1.0292，效率值相差5.13%。

从考察期内的GTFP 累积值可以看出，从2001年的0.9989到2017年的1.1524，累积增长约为1.15倍，表明进入新世纪后我国农业GTFP 得到长效持续提升。

考察期内整体农业GTFP 的增减波动大致可以分为四个子时期，即2000—2005年、
2006—2009年、2010—2015年以及2016—2017
年。

前三个子时期分别对应农业GTFP 先增长后减少趋势:第一个子时期内，主要是由于中央政府所出台的多项惠农政策激发了农民生产与学习农业技术的积极性①;第二个子时期的效率增长受到2006年我国全面取消农业税的影响，该项政策在减少农民负担的同时提高了生产效率;第三个子时期内农业GTFP 出现了一段时期的停滞不前。

而在第四个子时期内绿色效率开始显著提
28浙江树人大学学报2021年
①韩海彬、赵丽芬:《环境约束下中国农业全要素生产率增长及收敛分析》，《中国人口·资源与环境》2013年第3期，第70－76页。