農業生產污染對經濟增長績效的影響程度研究

惠利

關鍵詞環境全要素生產率；農業污染；非合意產出；SBM

中圖分類號F205文獻標識碼A文章編號1002-2104（2016）04-0116-10doi：10.3969/j.issn.1002-2104.2016.04.015

改革開放以來，中國農業快速發展，農業總產值年均增長6%以上，農民人均純收入年均增長7%以上。但是，中國農業經濟在取得巨大成就的同時，也付出了較大的環境代價。農業資源過度開發、農業投入品過量使用、農業內外源污染相互疊加以及生態系統惡化等帶來的一系列問題日益凸顯。據國家環保部公布的農業源污染物排放量數據，最近3年中國農業污染中化學需氧量（COD）、總氮（TN）、總磷（TP）的排放量都在全國的1/3以上。農業已成為面源污染最大產業，這一事實引起中國政府和社會的高度關注。

長期以來，經濟學家一直以只考慮“合意產出”的全要素生產率（TFP）來衡量一個地區的經濟績效。然而，忽略環境污染等“非合意產出”，忽略經濟增長過程所產生的負外部性，實際上高估了經濟增長的真實績效，扭曲了社會福利水平的評價，甚至會政策誤導[1]。近幾年來，一些學者開始嘗試在增長核算框架中納入農業污染變量，以環境約束下的全要素生產率重新核算中國農業的經濟增長績效，但尚未形成共識。研究文獻不僅對環境約束下的TFP估計相差甚遠，甚至對農業生產污染是否影響農業生產率也是各執一詞[1-2]。農業生產污染對經濟增長績效的影響到底有多大？本文在審視和檢討相關文獻研究方法之后，不僅重新考慮農業污染源，而且著重從兩個方面改進了環境約束下農業經濟增長核算方法：其一，用結合SBM模型（Slack Based Measure，SBM）的方向性距離函數測度農業環境生產效率，解決了傳統文獻忽略的投入產出松弛變量問題；其二，用GML指數（Global MalmquistLuen berger index，GML）構建農業環境經濟增長核算框架，解決傳統的DEA方法不可傳遞、線性規劃無解和“技術退步”問題。在此基礎上，本文使用1995-2013年的省際面板數據，重新估算了中國農業環境生產效率和環境全要素生產率。

1文獻綜述

隨著農業污染問題逐漸引起人們的重視，一些學者在增長核算框架中納入農業污染變量，考察環境污染約束下中國農業經濟增長績效。但現有文獻對環境約束下中國農業經濟增長的分析尚未達成一致結論：對農業環境全要素生產率的估計結果差異很大，從0.44%到5.61%[3-4]，相差10多倍；對農業污染是否影響農業生產率甚至得出相反的結論，有些文獻認為考慮農業污染后全要素生產率明顯降低[5-8]，有些文獻則認為農業污染對農業生產率影響不大[4，9]；對哪些區域是環境友好發展更無定論，一般認為東部發展較好，中、西部發展較為落后，但對中、西部的發展前后存在不同意見，有些文獻認為中部地區表現不太理想[3，7，10]，有些文獻認為西部發展落后于中部[11-12]，有些文獻則認為中西部差別不大[4，6]?，F有文獻之所以得出不同結論，主要是因為存在以下幾個方面的差異：

一是對污染物的定義和處理不同。上述文獻基本上都考慮了化肥帶來的污染，部分文獻還考慮了農田固廢、畜禽養殖和水產生活排放的廢棄物[7，13]，但大多忽略了農藥和農膜殘留等農業生產中問題較嚴重、影響也更長久的污染物。農業生產污染應包含農業生產過程中產生的污染（如農田固體廢棄物），以及本為促進產出但投入過量而導致的污染（如化肥、農藥、農膜）。只包含了部分投入要素和污染物可能會得出有偏的結論。其次是對污染物的處理方式不同。有些文獻使用化肥或農藥使用量乘以一定的排放系數作為代理變量[4，14]，也有文獻采用物料平衡法將未被吸收的營養物質看作污染物[9]。薛建良和李秉龍[5]發現不同污染物價值損失評估方法對估算結果影響較大。

葉初升等：農業生產污染對經濟增長績效的影響程度研究中國人口·資源與環境2016年第4期二是使用方法具備可比性與否存在差異。多數文獻使用當期DEA構造Malmquist指數，一些文獻包含以前所有時期的參考集[8]，還有一些文獻使用所有各期的總和做參考集[10，15-16]。改進的序列DEA以各期以前所有時期做參考集，可以解決當期DEA“技術退步”悖論和線性規劃無可行解問題。但序列DEA 的“技術記憶”假定對較長時間跨度的面板數據不適應， Paster和Lovell[17]提出GML的方法，以所有期的總和作為參考期，GML指數具備傳遞性，可進行不同時期不同地區的對比，且不存在VRS模型無可行解，還能解決決策單元數量不足導致的前沿面粗糙問題。

三是投入產出的改進角度不同。許多文獻使用的徑向的、角度的DEA模型要求投入或產出同比例變動，而農業生產常常是投入和產出同時變動，因此這種方法不符合農業生產的實際情況。使用非徑向、非角度的SBM模型結合方向性距離函數則可解決該問題，如李谷成[13]用該方法考察農業發展與資源、環境的統籌兼顧關系。但值得一提的是，方向性距離函數中壞產出的弱可處置性可能會丟失部分可應屬于生產可能集的區域，可能會出現被評價的決策單元增加壞產出后效率反而提高的不合理結果[18]，因此要注意弱可處置性和強可處置性的使用。

綜上所述，考慮污染因素下的農業增長核算還需進一步發展和完善。本文試圖從以下幾個方面對環境約束下的農業經濟增長核算進行擴展：一是使用單元調查評估法，納入導致農業生產污染的主要污染物，彌補以往文獻農業生產污染物的缺失問題，這也是準確核算農業生產經濟增長的基礎；二是使用GML指數對農業生產率進行估算和分解，解決一般的ML指數不能進行跨期比較或線性規劃無解的問題，并避免由于決策單元數量不夠多帶來的不穩定性；三是使用SBM方向性距離函數，結合采用窗式DEA估算納入農業生產污染的Malmquist指數，從農業生產的實際情況出發，解決不能同時從投入縮減、產出增加和污染降低等多角度評價效率的問題。

2農業環境生產效率和環境全要素生產率的方法與模型2.1環境技術與技術邊界的構建

本文將每個省份看作一個決策單元（Decisionmaking Unit， 簡稱DMU），構造不同時期中國農業生產的最佳生產前沿面。根據Fare et al[19]，將包括合意產出、污染等非合意產出和投入之間的技術結構關系稱為環境技術。假定在時期t=1，…，T，有k=1，…，K個決策單元，每個決策單元使用M種投入x∈RM+，得到N種合意產出y∈RN+和J種非合意產出b∈RJ+。環境技術可以表示為：

其中λtk為各個決策單元在構造環境技術結構時的權重。該式構造的環境技術是規模報酬可變的，若要表示規模報酬不變的環境生產技術，去掉約束條件∑Kk=1λtk=1即可。

2.2SBM方向性距離函數與環境生產效率

環境技術描述了給定投入時最大化合意產出、最小化非合意產出的生產可能性集合，基于該生產前沿面即可測度各個DMU的環境生產效率。由于效率值容易受到方向向量長度的影響，本文參考Cheng & Zervopoulos[20]的研究，構造一個生產者在環境技術Pt（xt）下的包含非合意產出的廣義方向性距離函數模型：

其中：N表示合意產出的數量；J表示非合意產出的數量；11M∑Mm=1βgxm/xm0表示各項投入的平均改進比例，代表投入的無效率程度。11N+J（∑Nn=1βgyn/yn0+∑Jj=1βgbj/bj0）表示各項產出的平均改進比例，代表產出的無效率程度。求解上面的線性規劃，可以得到各個省份在t時期考慮環境因素時的無效率值，以及無效率的具體來源：

IE=Stv=1-IExv11+（IEyv+IEbv）（3）

其中投入、合意產出和非合意產出的無效率值可分別表示為：

還可將投入分解為人力、資本、土地、機械等變量，非合意產出也可以分解為COD、TN、TP、農藥殘留、農膜殘留等多種因素，進一步分析導致環境生產無效率的詳細信息。

2.3環境全要素生產率指數的構建與分解

環境生產效率反映的是某個決策單元在某種技術條件下的投入產出的效率水平，是一種靜態分析，不能直接反映生產率變化在農業生產和發展中的作用。環境全要素生產率可以動態反映某個決策單元從一個時期到另一個時期考慮環境因素的全要素生產率的變化情況。

參照Oh（2010）[21]，本文將GML指數定義為：

式（8）中，GMLt，t+1、ECt，t+1和TCt，t+1均為取值范圍大于0的實數，其值大于1時，分別表示全要素生產率、技術效率和技術進步有所提高；反之，則表示全要素生產率有所降低、技術效率惡化和發生了技術退步。

3變量選擇與數據處理

本文使用1995-2013年中國內地30個省份的農業投入產出的省際面板數據，分析環境約束下的農業生產效率和全要素生產率。為增加針對性和具體性，本文的農業采用國家統計局定義的種植業的定義。為保持數據口徑的統一，本文不包括西藏，重慶的統計數據從1997年開始。原始數據主要源自歷年的《中國統計年鑒》、《中國農村統計年鑒》、《中國農業年鑒》、《新中國農業六十年統計資料》和各地統計年鑒。

3.1農業投入變量

本研究中的投入變量包括勞動力、土地、機械、灌溉、化肥、農藥和農膜七個方面。①勞動力投入：由于現有統計資料沒有將農業從業人員數據從農林牧漁業從業人員數據中區分開，本文借鑒黃少安等[22]及其他文獻，將農業總產值占農林牧漁業總產值的比重作權重，對農林牧漁業勞動力（第一產業就業人數）進行分離，計算出的勞動力數量作為種植業的勞動力投入。②土地投入：為反映復種套種、補種改種和移植作物等情況，本文用農作物總播種面積表示。③機械動力投入：以農業總產值占農林牧漁業總產值的比重為權重，對農機總動力進行分離，作為種植業的機械動力投入。④灌溉投入：以每年實際有效灌溉面積計算。⑤化肥投入：以每年實際用于農業生產的化肥施用量折純量表示，包括氮肥、磷肥、鉀肥和復合肥。⑥農藥投入：以農藥使用量表示。⑦農膜投入：以每年農用塑料薄膜使用量表示。

3.2農業產出變量

農業產出變量，分為合意產出變量和非合意產出變量兩種類型。

1.合意產出變量。用農業總產值表示農業產出，并消除價格影響，用1995年不變價表示。

2.非合意產出變量。非合意產出變量為農業生產中的各種非點源污染排放，本文主要指農業生產過程中所產生的化學需要量（COD）、總氮（TN）、總磷（TP）、農藥和農膜污染?？紤]到中國的實際情況，本文認為農業非點源污染主要來自農田化肥、農藥、農膜、農田固體廢棄物等四個方面。①化肥使用過程中，會通過地表徑流、農田排水和地下淋溶等途徑匯入水體造成TN、TP污染；②農藥殘留及滲透會產生污染；③農膜在使用后如果沒有及時進行有效處理，殘留農膜會污染生態環境；④農作物（稻谷、小麥、玉米、豆類、薯類、油料、蔬菜）生產過程中產生的秸稈廢棄物，如果處理不當會產生COD、TN、TP污染，而且農業生產發展中的農田固體廢棄物是COD排放量的主要來源[26]。

本文通過綜合比較并考慮數據的可得性后，采用清華大學環境科學與工程系提出的“單元調查評估法”計算得出，參照賴斯蕓等[23]、陳敏鵬等[24]、梁流濤[25]等，從而建立起農業非點源污染產污單元清單列表（表1）。清單分析法基于產生農業和農村污染可合理計量的最小單位，建立不同單元不同區域農業和農村污染產物強度系數、資源綜合利用系數和流失系數的數據庫，這種方法由于適合大范圍大區域的農業非點源污染測度而被廣泛使用。

其中：Ej為農業污染物j排放量，具體包括TN、TP、COD、農藥和農膜的排放量；EUi為單元i指標統計數；ρij為單元污染物的產污強度系數；ηi為表征相關資源利用效率的系數；PEij為單元i污染物j的產生量，即不考慮資源綜合利用和管理因素時由農業生產所產生的最大潛在污染量；Cij為單元污染物j的排放系數，取決于單元特性和空間特征（S），表征各地區環境、降雨、水文和各種管理措施對農業污染的綜合影響。EI為農業污染的排放強度，表征農業污染在土地上的富集程度和農業污染對環境的影響；AL為研究區域的農地面積，主要是耕地和牧草地。

具體排放系數的設置，在綜合比較各種文獻，并參考第一次全國污染源普查公布的各種手冊（農業污染源肥料流失系數手冊、農藥流失系數手冊、農田地膜殘留系數手冊）后，對各產污單元、單元產污系數和排放系數等參數進行了補充和調整，農業非點源污染產污單元產污強度影響參數表如表2所示。需要特別說明的是，系數手冊根據中國種植區劃分的分區原則，將監測調查區域分為6類，包括南方濕潤平原區、南方山地丘陵區、黃淮海半濕潤平原區、北方高原山地區、東北半濕潤平原區、西北干旱半干旱平原區。本文將包含不同區域的省份流失系數取各區域的流失系數平均值；包含地表徑流和地下溶淋兩種類型的，也取其平均值代表平均流失情況。

本文測算化肥流失帶來的TN、TP排放量與第一次全國農業源普查數據基本相符第一次全國農業源普查中未包含農田廢棄物帶來的污染，種植業TN、TP排放量只包括肥料流失帶來的。。COD、TN、TP排放量與陳敏鵬等[26]計算值大致相符。農膜殘留量與農業部公布的數據相差不大。農藥殘留較農業部公布數據較小。這可能是因為農藥殘留在不同種植區域差異較大，按照省份進行平均后有所偏誤，但與一般文獻相比，本文仍能反映農藥殘留帶來的影響。

4實證結果與分析

4.1農業生產效率和農業環境效率損失及分解

本文使用SBM方向性距離函數，設定方向向量，將投入、合意產出和非合意產出的松弛量標準化，得到傳統的農業生產效率值和考慮環境因素的農業環境效率值。SBM效率值指的是基于松弛變量的無效率水平，距離前沿面越遠的決策單元的效率值越大，該決策單元的無效率水平越高。如果效率值為0，則表示該省份位于生產前沿面上，不存在投入過量、產出不足和污染排放過度的情況，該省是非常有效率的。

由表3可知，1995-2013年中國農業傳統無效率和環境無效率的平均值分別是0.32和0.38?？紤]環境污染因素的影響后，效率水平降低，說明農業生產造成的環境污染給農業效率帶來了損失。如果按照傳統的各變量同比例變化的假設來解釋，意味著平均意義上中國各省應該減少各項投入的32%，產出增加32%，才能達到市場完全有效率。而考慮環境污染因素后，應該減少各項投入的38%，產出增加38%，同時污染減少38%，才能達到環境完全有效率。但在SBM方向性距離函數下，我們發現可以通過降低53.93%的投入，增加13.99%的產出來達到市場完全有效率。而考慮環境污染因素后，可以通過降低43.72%的投入，增加3.15%的產出，減少60.64%的污染來實現環境完全有效率。在不考慮污染因素的市場無效率中，產出不足竟然也是無效率的主要來源，這與中國的現實不符。如果產出不足是無效率的來源，那應該更加大量的投入勞動、資本和各類化學性投入品。但眾所周知，中國農業生產尚存在勞動力流出及各類化肥、農藥、農膜等化學性投入品過量施用的問題。之所以會出現這樣的結果，可能是因為沒有考慮資源環境因素，所以出現了測度偏差。考慮環境因素后，污染過度成為無效率的主要來源，污染冗余率為60.64%，這是環境無效率的主要來源。投入冗余率降至43.72%，產出冗余率則降至3.15%?？梢姡鲆暛h境污染因素的效率評價是存在偏差的，而且可能會帶來政策建議上的失誤。一些地方以犧牲環境質量來換取農作物產量增加和經濟增長，也是評價體系中忽視資源和環境約束造成的。在當前的技術水平條件下，通過提高產出來提升農業效率作用有限；應從減少投入冗余和降低生產污染兩種途徑提高農業效率，而且后者的影響更大。這也說明，從環境效率的角度來看，中國農業減排的壓力大于節能工作的壓力。

4.2農業環境全要素生產率及其分解

與靜態的環境效率測度不同，環境全要素生產率測度的是不同時期各個省份與生產前沿面的距離的變化（生產效率變化），以及生產前沿面的移動（技術變化），是一種動態分析。

效在總體趨勢上的差別，然后分析其階段性特征的不同，接著探究全要素生產率增長來源的影響。

（1）總體趨勢。大多數年份的環境TFP高于傳統TFP，忽視農業生產污染會高估農業經濟增長績效，這與大多數文獻結果類似?？紤]污染排放時，1995-2013年TFP年均增長率降為1.29%，EC年均負增長0.97%，TC年均增長率降為2.29%；而當忽略農業生產污染時，得出的TFP年均增長率提到至2.68%，EC年均負增長率增至1.54%，TC年均增長則升為4.29%。不考慮污染使1995-2013年的年均TFP增長率高估了近2倍?？梢姡鲆曓r業污染排放會造成明顯的績效損失。崔曉和張屹山[9]與王奇等[4]得出傳統TFP與環境 TFP 差異不大的結論，但前者在文中指出可能與近年來環境管制促進了農業技術進步有關，而且該文采用物料平衡法的營養配置效率，將土壤、 農藥、 化肥中的氮磷量按照一定的權重比計算營養物質并將其作為環境因素納入投入要素，因而得出的環境 TFP 也較高；后者則在文中指出雖然 TFP 值相差不大，但其 TFP增長來源不同，考慮環境因素后，技術效率降低和技術進步改進都變得較慢，從而拉平了傳統 TFP 與環境 TFP 之間的差異。

從估計值來看，研究對象為狹義的農業（種植業）的文獻包括王奇[4]和杜江[10]等，本文估算的農業環境TFP介于兩者之間，低于前者5.61%、略高于后者0.94%的估算值。這可能是因為前者采用SFA方法，污染物只包含化肥，且采用倒推法計算污染排放量，導致估算值較高；而后者未考慮投入產出的松弛問題，且樣本截止到2011年，因此得出的結果較低。本文從農業生產的本質出發，納入帶來產出增加的同時造成環境污染的化肥、農藥和農膜三種化學投入品，以及導致環境污染的農田固廢，并將樣本期延長至2013年，發現不考慮農業生產污染導致農業經濟增長績效高估了一倍多。與第一產業為研究對象的文獻相比，除了李谷成等[3]，大多文獻得出的環境TFP增長率遠高于本文以種植業為代表的狹義的農業增長率，不考慮污染因素的傳統TFP增長率則差異不太大，這說明忽略農業生產污染對農業經濟增長績效的影響更嚴重。

（2）階段性特征?？紤]污染的環境技術效率變動趨勢與不考慮污染的技術效率變化趨勢保持一致；技術進步速度差異則較大，2008年以前，多數年份的環境技術進步速度高于不考慮污染的技術進步速度，隨后環境技術進步速度逐漸超過不考慮污染的技術進步速度。

一個值得注意的現象是，2010年以來，環境TFP快速增長，且4年中有3年均高于傳統TFP。這可能與農業發展政策開始注重農業環境問題有關，這是本文的發現之一。2007年第一次全國污染源普查發現，農業面源污染是造成全國水污染的主要來源。之后，農業源污染問題的嚴重性才引起公眾關注，相關的農業規制政策也逐漸出臺，但由于政策存在滯后性，2010年之后才表現出環境全要素生產率的大幅增長。這也符合Greenstone et al.，[26]的觀點，只有公眾意識到并關注環境污染問題，環境管制政策和措施才能發揮作用。

此外，1996-2002年間大多數TFP和TC增長率為負，這可能與該時期農業發展較為困難有關，受前期持續增長影響，農產品出現結構性過剩，導致“谷賤傷農”，再加上金融危機、通貨緊縮等大環境因素和分稅制改革的作用，導致該時期發生農業TFP回落[16]。

（3）增長來源。從增長來源看，技術進步仍然是推動全要素生產率增長的主要動力。不管是否考慮考慮污染，農業生產率提高主要都是由技術進步推動的。農業TFP主要是由生產前沿面移動帶來的（TC年均增長率較高），技術落后者對最佳前沿面的“追趕”效用有限（EC年均增長率為負）。但本文發現，技術效率的改進在大環境不好時有助于農業全要素生產率的提升。在TFP增長率為負的區間內，前沿面移動較慢，主要靠技術落后者改進效率的“水平效應”來拉動TFP增長，即外在環境較差時，全要素增長主要靠技術效率推動。

近年來，環境技術進步對環境全要素生產率的推動作用尤為顯著。從圖1可以看到，2008年以來，環境技術進步率有大于傳統的技術進步率的趨勢。這與國家加大對農業技術開發和推廣的力度，促進生產前沿面向前移動有關。2008年以來，中央專項金支持農業基礎設施建設和農業污染治理，有效促進了農業技術進步。大多數年份效率變化值小于1，技術進步與技術效率惡化的情況同時出現，說明中國農業普遍存在技術利用效率較低的情況。雖然中國農業技術水平較高，但在生產使用中并未充分發揮效力，應加強農業技術的推廣和使用等相關政策的支持。

4.3農業經濟增長績效的省際差異

是否考慮農業生產污染對農業經濟增長績效的省際排名影響很大。忽略農業生產污染導致不同省份的農業TFP高估或低估。農業生產污染對排名的影響主要是通過影響全要素生產率的增長率帶來的。考慮農業生產污染時，1995-2013年間負增長的省份包括江西、云南、廣西、新疆、內蒙古、甘肅、寧夏和海南共八個省份；而不考慮農業生產污染時，除了寧夏、海南和青海三省，其他省份的年均增長率均為正值。是否考慮農業生產污染，會影響到對一省農業經濟增長績效的判斷。多數省份考慮環境因素后，農業全要素生產率下降。有意思的是，安徽、黑龍江、吉林、遼寧等糧食種植大省的環境TFP均低于不考慮污染時的傳統TFP，而河南、山東、湖北、湖南、江蘇、河北和四川七個糧食種植大省的環境TFP卻高于不考慮污染時的傳統TFP。

值得注意的是，產糧大省對農業生產污染的敏感性較高，不同省份農業生產污染帶來的邊際影響不同，省際差異較大。如東北農業基地的吉林、黑龍江和遼寧在不考慮污染因素時均出現不同程度的高估，而污染物排放量較大的中部地區如河南、河北、山東、湖北、湖南和四川考慮污染因素后TFP增長率反而更高。這個結果不同于一般文獻中農業大省的生產率較低的結論。為保證結果穩健性，表51995-2013年間分省份農業TFP與環境TFP對比

本文又使用傳統方法并分階段進行測算，發現環境TFP提高伴隨著環境技術進步或環境技術效率的提高，而且與傳統方法相比，本文測算的TFP增長率敏感值較少，具有一定程度的穩定性。

本文認為糧食種植大省的生產率不一定低可能存在以下幾個方面的原因：一是本文綜合考慮了化肥、農藥、農膜和固體廢物，糧食生產大省種植大量糧食作物施用化肥農藥較多污染排放量較大，但同時農業生產對環境技術進步較為敏感，新技術的發明和使用會從提高產出和減少污染兩種途徑影響到農業TFP的變化；二是近年來糧食持續增產，污染物排放量則在相關農業政策影響下增速減緩，從而導致環境TFP高于傳統TFP；三是經濟作物種植區農藥農膜使用用量迅猛增長，雖然農業產出不小，但排放強度也較大，考慮環境因素后TFP增長率反而降低。這說明，糧食作物污染物排放量大的地區可以通過提高環境技術效率來提高農業生產率。也警示我們，農業生產中對經濟作物的環境污染問題應引起重視，應注重對蔬菜瓜果等化學性投入品較多的農作物的監管，并促進環境友好發展型技術的研發和推廣。

5結論和政策啟示

中國農業生產污染問題越來越嚴重，正確估量中國農業的經濟增長問題，必須從農業生產和污染的根本路徑出發，綜合考察農業經濟增長和農業生產污染所付出的代價。本文使用1995-2013年的省際面板數據，將SBM模型結合方向性距離函數，并使用GML指數，構建中國農業投入產出的增長核算模型，估算中國農業環境生產效率和環境全要素生產率。研究發現：不考慮農業污染排放時，1995-2013年TFP年均增長2.68%；考慮污染排放時，TFP降為1.29%。未考慮污染排放時忽略了污染所帶來的成本，導致1995-2013年全國年均TFP增長率高估了近2倍。投入冗余和污染過度是農業生產無效率的主要來源，且后者的影響更大。環境全要素生產率主要由前沿技術進步推動，環境技術效率改善相對滯后，中國存在技術進步與環境技術效率惡化共存的局面。是否考慮環境污染對不同地區經濟增長績效評估差異很大。上述研究結果有以下政策含義：

第一，應將農業環境質量引入農業經濟增長考核體系。隨著農業經濟的發展，農業污染問題逐漸突出，是否考慮環境污染問題直接影響各地的經濟增長績效評價，甚至影響農業發展決策。農業經濟增長目標應從單純的追求數量增長向質量數量并重轉變，從“以粗放增長為模式、以犧牲環境為代價”的傳統方式向“產出高效、產品安全、資源節約、環境友好”的現代農業方式轉變。

第二，加強農業技術的推廣和應用，提高農業技術效率。農業生產率的提高主要來自技術進步，技術效率并未充分發揮作用。中國農業生產應著重加強農業技術效率的改進，提高農業科技成果的轉化率，完善農業技術推廣體系的建設，加大農業技術的推廣和應用，促使農業生產率提高向依靠技術進步和效率改善驅動的“雙輪”模式轉變。

第三，采取一定的財政激勵措施，引導農民使用環境保護型技術。當前中國農業生產無效率主要來自污染過度，中國農業的污染減排任務大于節能。中國農業污染減排潛力巨大，尤其是使用大量化肥的糧食生產大省。在既要保證糧食安全又要減少生產污染的雙重目標下，推廣能夠提高化肥利用效率的環境友好型化肥施用技術是一種有效方法。但環境友好型化肥的使用成本較高，為了不讓農民的經濟利益受損，可采取一定的財政激勵措施引導農民，對可能的損失進行補償；同時加大宣傳和教育培訓力度，引導農民使用測度配方技術，減少農業生產污染排放，提高農業生產效率。

由于農業生產污染屬于非點源污染，具有隨機性、隱蔽性、滯后性等特點，導致農業污染物排放量不能像工業污染那樣得到非常精確的估算，這給農業生產核算框架帶來一定難度。本文雖然盡可能包含了化肥、農藥、農膜和固體廢棄物四種污染物，但離精確估計農業生產污染所帶來的損失仍有差距。本文納入農業生產的主要污染物，采用較新的DEA模型和方法，盡可能接近農業生產的實際情況，為考慮環境因素的中國農業生產核算提供一定依據，但如何更加科學合理的評估中國農業經濟增長和環境污染付出的代價仍需進一步的研究和討論。

（編輯：徐天祥）

參考文獻（References）

[1]Nanere M， Fraser I， Quazi A， et al. Environmentally Adjusted Productivity Measurement： An Australian Case Study [J]. Journal of Environmental Management， 2007， 85（2）：350-362.

[2]Chung Y H， Fare R， Grosskopf S. Productivity and Undesirable Outputs： A Directional Distance Function Approach [J]. Journal of Environmental Management， 1997， 51（3）：229-240.

[3]李谷成， 陳寧陸， 閔銳.環境規制條件下中國農業全要素生產率增長與分解[J].中國人口·資源與環境，2011，21（11）：153-160. [Li Gucheng， Chen Ninglu， Min Rui. Growth and Sources of Agricultural Total Factor Productivity in China under Environmental Regulations[J].China Population， Resources and Environment，2011，21（11）：153-160.]

[4]王奇， 王會， 陳海丹.中國農業綠色全要素生產率變化研究：1992-2010年[J].經濟評論，2012，（5）：24-33. [Wang Qi， Wang Hui， Chen Haidan. A Study on Agricultural Green TFP in China： 1992-2010[J].Economic Review， 2012，（5）：24-33.]

[5]薛建良， 李秉龍.基于環境修正的中國農業全要素生產率度量[J].中國人口·資源與環境，2011，21（5）：113-118. [Xue Jianliang， Li Binglong. EnvironmentallyAdjusted Measurement of Chinas Agricultural Total Factor Productivity [J].China Population， Resources and Environment， 2011， 21（5）：113-118.]

[6]楊俊， 陳怡.基于環境因素的中國農業生產率增長研究[J].中國人口·資源與環境，2011，21（6）：153-157. [Yang Jun， Chen Yi. Empirical Study on Chinas Agricultural Production Growth under the Binding of Environment [J].China Population， Resources and Environment， 2011， 21（6）：153-157.]

[7]韓海彬， 趙麗芬.環境約束下中國農業全要素生產率增長及收斂分析[J].中國人口·資源與環境，2013，23（3）：70-76. [Han Haibin， Zhao LiFen. Growth and Convergence of Agricultural Total Factor Productivity in China Under Environmental Regulations[J].China Population， Resources and Environment，2013，23（3）：70-76.]

[8]閔銳， 李谷成.環境約束條件下的中國糧食全要素生產率增長與分解：基于省域面板數據與序列MalmquistLuenberger指數的觀察[J].經濟評論，2012，（5）：34-42. [Min Rui， Li Gucheng. A Study on Growth and Decomposition of Chinas Grain TFP Growth under Environmental Constrains： Empirical Analysis Based on Provincial Panel Data and Sequential MalmquistLuenberger Index[J].Economic Review，2012，（5）：34-42.]

[9]崔曉， 張屹山.中國農業環境效率與環境全要素生產率分析[J].中國農村經濟，2014，（8）：4-16. [Cui Xiao， Zhang Yishan. Analysis of Environmental Production Efficiency and Environmental Total Factor Productivity in China Agriculture [J].Chinese Rural Economy， 2014，（8）：4-16.]

[10]杜江.中國農業增長的環境績效研究[J].數量經濟技術經濟研究，2014，（11）：53-69. [Du Jiang. Study on the Environmental Performance of Chinas Agricultural Growth [J].The Journal of Quantitative and Technical Economics， 2014，（11）：53-69.]

[11]岳立， 王曉君.環境規制視域下中國農業技術效率與全要素生產率分析：基于距離函數研究法[J].吉林大學社會科學學報，2013，（4）：85-92. [Yue Li， Wang Xiaojun. An Analysis on Technical Efficiency and Total Factor Productivity of Chinas Agriculture in the Perspective of Environmental Regulations[J].Jilin University Journal Social Sciences Edition，2013，（4）：85-92.]

[12]潘丹， 應瑞瑤.資源環境約束下的中國農業全要素生產率增長研究[J].資源科學，2013，35（7）：1329-1338. [Pan Dan， Ying Ruiyao. Agricultural Total Factor Productivity Growth in China under the Binding of Resource and Environment [J].Resources Science， 2013， 35（7）：1329-1338.]

[13]李谷成.中國農業的綠色生產率革命：1978-2008年[J].經濟學（季刊），2014，（2）：537-558. [Li Gucheng. The Green Productivity Revolution of Agriculture in China from 1978 to 2008[J].China Economic Quarterly， 2014，（2）：537-558.]

[14]沈能， 張斌.農業增長能改善環境生產率嗎：有條件“環境庫茲涅茨曲線”的實證檢驗[J].中國農村經濟，2015，（7）：17-30. [Shen Neng， Zhang Bin. Can Agricultural Growth Improve Environmental Productivity of Agriculture：An Empirical Test of the Conditional Environmental Kuznetz Curve [J].Chinese Rural Economy， 2015，（7）：17-30.]

[15]高鳴， 馬鈴.貧困視角下糧食生產技術效率及其影響因素：基于EBMGoprobit二步法模型的實證分析[J].中國農村觀察，2015，（4）：49-60. [Gao Ming， Ma Ling. Poor Perspective on Grain Productivity and Its Influencing Factors：Based on the EBMGoprobit Model[J].China Rural Survey，2015，（4）：49-60.]

[16]李谷成， 范麗霞， 成剛， 等.農業全要素生產率增長：基于一種新的窗式DEA生產率指數的再估計[J].農業技術經濟，2013，32（5）：4-17. [Li Gucheng， Fan Lixia， Cheng Gang， et al. Agricultural TFP Growth： Reestimating DEA Productivity Index Based on a New Window [J].Journal of Agrotechnical Economics， 2013， 32（5）：4-17.]

[17]Pastor J T， Lovell C A K. A global Malmquist Productivity Index [J]. Economics Letters， 2005， 88（2）：266-271.

[18]Chen C. A Critique of Nonparametric Efficiency Analysis in Energy Economics Studies [J]. Energy Economics， 2013， 38：146-152.

[19]Fare R， Grosskopf S， Pasurkajr C. Environmental Production Functions and Environmental Directional Distance Functions [J]. Energy， 2007，32（7）：1055-1066.

[20]Cheng G， Zervopoulos P D. Estimating the Technical Efficiency of Health Care Systems： A Crosscountry Comparison Using the Directional Distance Function [J]. European Journal of Operational Research， 2014， 238（3）：899-910.

[21]Oh D. A Global MalmquistLuenberger Productivity Index [J]. Journal of Productivity Analysis， 2010， 34（3）：183-197.

[22]黃少安， 孫圣民， 宮明波.中國土地產權制度對農業經濟增長的影響：對1949-1978年中國大陸農業生產效率的實證分析[J].中國社會科學，2005，（3）：38-47. [Huang Shaoan， Sun Shngmin， Gong Mingbo. The Impace of Land Ownership Structure on Agricultural Economic Growth： An Empirical Analysis on Agricultural Production Efficiency on the Chinese Mainland [J].Social Sciences in China， 2005，（3）：38-47.]

[23]賴斯蕓， 杜鵬飛， 陳吉寧. 基于單元分析的非點源污染調查評估方法[J]. 清華大學學報： 自然科學版， 2005， 44（9）：1184-1187. [Lai Siyun， Du Pengfei， Chen Jining. Evaluation on NonPoint Source Pollution Based on Unit Analysis [J].Journal of Tsinghua University： Science and Technology Edition， 2005， 44（9）： 1184-1187.]

[24]陳敏鵬， 陳吉寧， 賴斯蕓.中國農業和農村污染的清單分析與空間特征識別[J].