我國農業的就業和碳排放雙重效應研究

楊果 鄭強 葉家柏

內容提要：將就業和碳排放納入統一研究框架，重構“碳排放強度”指標，利用WIOD數據庫的就業和二氧化碳排放量數據，測算并評估1995～2014年我國農業的就業和碳排放雙重紅利效應。在此基礎上，借助SDA模型考察了我國農業雙重紅利的影響因素。研究表明，樣本期內我國農業的就業碳排放強度呈快速上升趨勢，農業的就業和碳排放雙重紅利不斷下降。碳排放系數和單位能耗的下降有效抑制了農業雙重紅利的下降，且抑制作用呈倒“U”型特征。就業碳排放強度的快速上升主要由農業增加值率和勞動生產率變化所致，這意味著單純依靠生產技術的進步，并不能有效釋放農業雙重紅利，更應注重低碳技術的提升。應優化農業自身就業內部結構，打造中高端農業技術隊伍，改善低碳農業技術的自主創新和國際合作環境，提升農業綠色生產率和農業附加值質量，推動我國農業高質量發展，以有效釋放農業的就業和碳排放雙重紅利。

關鍵詞：農業發展;碳排放;異質性就業;雙重紅利

中圖分類號：F323? ? 文獻標識碼：A? ? 文章編號：1003-7543（2019）10-0130-11

推進農業綠色發展，既是農業高質量發展的應有之義，又是鄉村振興的客觀需要。推進農業綠色發展是農業發展觀的一場深刻革命，也是農業供給側結構性改革的主攻方向。農業具有就業容納功能，在傳統農業改造和農業現代化過程中體現出一定的潛在就業效應。同時，農業也是全球溫室氣體的重要排放源，做好農業碳減排工作有利于實現農業綠色發展。因此，有必要系統探究我國農業的就業和碳排放雙重效應，以有效推進我國農業綠色發展，實施鄉村振興戰略。

一、相關文獻綜述

農業、就業和環境之間的關系一直是國內外學術界關注的熱點話題，其研究首先聚焦于經濟增長與碳排放之間的關系。經濟增長決定了人們的物質生活水平，“碳減排”政策可能會產生諸如經濟增長減緩等負面效應，如何實現“碳減排”與經濟增長雙贏備受學者們關注。多數文獻采用投入產出方法測算和分析我國生產活動的隱含碳或隱含就業[1-2]，并進一步考察了隱含碳或隱含就業的驅動因素[3]，發現我國生產隱含碳表現出“國內污染、國外消費”的典型現象[4]，且短期內我國難以獲得經濟增長的“雙重紅利”[5]，但從長遠看，環境治理能夠實現“碳減排”與經濟增長的雙贏。

部分學者對農業領域的就業和碳排放效應予以了關注。在農業的就業效應研究方面，朱晶、張姝、曹歷娟利用1994～2009年數據，實證分析了我國加入世界貿易組織前后農產品貿易開放對農業就業的影響，發現我國加入世界貿易組織后農產品貿易開放對農業就業的影響具有顯著的就業凈替代趨勢，且這種趨勢可能長期保持[6]。晏小敏從地理標志視閾出發，對新型農業發展的就業效應進行了理論分析，并采用2005～2011年的微觀調查數據，考察了鄉村就業的影響因素，其研究結果表明，耕地面積的增加有助于農業就業，農業機械化、地理標志保護和城鎮居民人均可支配收入提高能促進農村非農就業[7]。黃維海系統分析了中外農業就業統計相關問題，設計了農業就業狀況統計指標的優化方案，并測算了農業就業中實際農業轉移就業人口規模[8]。陳奕山認為基于農時的角度，在非農就業工資的影響下，鄉村勞動力先后降低了農閑和農忙時段的農業勞動時間消耗，且鄉村勞動力的非農就業帶有不穩定性[9]。

在農業的碳排放效應研究方面，韋沁等基于1999～2014年我國農業省級面板數據，評估了我國農業碳排放量并采用Kaya恒等式研究其驅動因素，發現樣本期內我國農業碳排放量存在逐年遞增的態勢，農業經濟發展提高了農業碳排放水平，而農業產業結構改善和農業人口規模縮小能夠降低農業碳排放水平[10]。陳儒、姜志德綜合考慮農業碳賬戶的農業碳足跡、碳固定因素以及生態環境和經濟發展的區域異質性，研究了2007～2015年我國省際農業凈碳匯量及其補償機制，認為考察期內我國除江西、西藏和青海之外的其他省份都出現了農業碳盈余，且低碳生態補償價值具有波動上升的特征[11]。陳銀娥、陳薇利用1997～2014年我國農業省級面板數據，考察了農業機械化、產業升級對農業碳排放的影響，發現農業機械化有助于農業碳排放量的降低，產業升級則提高了農業碳排放量[12]。

以上文獻為本研究提供了重要的參考價值和邏輯起點，但仍存在以下缺憾：一是現有文獻主要停留在農業發展的就業和碳排放效應單一研究層面，而缺乏農業、就業和碳排放三者關系的綜合研究。事實上，相較于考慮農業增加值和碳減排目標的雙重紅利，綜合考量農業就業創造和碳減排目標，顯然更符合農業自身“高就業、低增值”的特征。從WIOD數據來看，我國農業的GDP貢獻在不斷下降，但仍具有潛在的就業效應。二是現有文獻大多側重農業碳排放的測算，而忽視了農業的就業碳排放強度測度，這可能導致其測算結果評估的綜合性存在一定誤差，不利于解釋農業的就業和碳排放雙重效應。三是現有文獻鮮有系統研究農業的就業和碳排放雙重效應演化規律和驅動因素，這可能削弱其對政策的指導作用。基于此，本研究嘗試重構碳排放強度指標（就業碳排放強度），采用WIOD數據庫提供的就業和二氧化碳排放量等數據對我國農業就業碳排放強度進行綜合分析，系統探究我國農業綜合就業和減排的雙重紅利演變規律。同時，借助SDA分解方法，進一步考察樣本期內影響我國農業雙重紅利變化的驅動因素及其效應。

二、研究設計

（一）農業出口隱含就業和碳排放分析

在投入產出表中，一國總產出等于中間產品與最終產品之和，其平衡等式可以具體表達為：

AX+Y=X（1）

式中，A表示直接消耗系數矩陣，X代表總產出向量，Y是指最終產品需求量。通過移項、合并同類項等操作，上式可以重新改寫為：

X=（I-A）-1Y=BY（2）

上式中，B表示完全消耗系數。實際上，產品的生產背后隱含的是生產要素中勞動（就業）的投入和二氧化碳排放量，可稱之為“隱含就業”和“隱含碳”。在計算我國農業隱含就業和隱含碳之前，首先需要分別定義碳排放強度和就業強度，碳排放強度是指單位產出所引致的碳排放量，就業強度是指單位產業所創造的就業量，即：

c=C/X（3）

lk=Lk/X（4）

在式（3）、（4）中，c表示農業碳排放強度;C表示農業碳排放量;l表示農業就業強度;L表示農業就業量;k代表就業的類型，即：k= H，M，L，T，分別表示高中低技能就業和總就業。結合公式（1）～（4），農業隱含碳排放和分技能就業的具體表達式公式可以分別為：

C=cBY（5）

Lk=lkBY（6）

（二）農業就業碳排放強度分析

傳統碳排放強度是指當年二氧化碳排放量與當年國內生產總值的比值，用于測度碳排放視角下一國經濟發展程度。如果一國經濟增長速度遠遠高于碳排放速度，就說明該國GDP的二氧化碳強度得到了改進，經濟實現了低碳發展。

隨著工業經濟的增長，我國農業經濟貢獻在快速下降，但是就業貢獻一直表現突出。鑒于農業的這種特殊性，以兼顧就業和碳排放為目標約束的低碳評估政策更加具有政策的針對性。參考傳統“碳強度”，本文定義了“就業碳強度”指標，抑或稱“就業碳排放強度”，是指當年二氧化碳排放量與當年就業量的比值。就業碳強度可以用于衡量創造（損失）單位就業所增加（減少）的碳排放量，以表示就業和二氧化碳排放雙重因素下產業的綜合收益，其具體的表達式為：

其中，CDL表示就業碳排放強度，綜合衡量我國農業就業和“碳減排”的雙重收益。當CDL數值越大時，部門創造單位就業所引致的二氧化碳排放量相對越多，也就是說，減少單位碳排放所引致的失業相對越多，綜合環境和就業，農業部門生產的雙重紅利效應越低，反之，綜合環境和就業，農業部門生產的雙重紅利效應越高。

就業碳強度的下降率可以定義為就業碳強度的下降量與上一期就業碳強度的比值。用RCDL表示就業強度的下降率，則有：

用α表示就業增長率，β表示二氧化碳增長率，θ表示二氧化碳減排率，二氧化碳增長率和減排率的關系可以表示為：θ=-β。那么，就業碳強度的下降率可以表示為：

上式表明，就業碳強度的下降率直接與就業增長率、二氧化碳減排率相關，且以就業碳強度為約束的減排政策綜合考慮了就業增長和碳減排雙重要素。相對于傳統碳強度，就業碳強度更加適合用于綜合評價我國農業減排的真實效果。如果要實現二氧化碳強度的下降，就需要就業增長率高于二氧化碳增長率，或者說二氧化碳減排率要高于失業增長率。

（三）農業就業碳排放強度的驅動因素分析

以上分析表明，就業增長率和二氧化碳減排率直接決定了就業碳排放強度的減排。為了進一步探究我國農業就業碳排放強度的驅動因素及其演變特征，根據公式（7），結合連乘法則，就業碳排放強度可以看成碳排放系數效應、單位能耗效應、增加值率效應和勞動生產率效應的乘積，即：

上式表明，我國農業就業碳強度的變化可以由四種驅動要素構成。其中，ce表示碳排放系數效應，即：單位能源消耗所產生的碳排放量，反映了能源清潔程度;ev表示單位能耗效應，即：單位增加值所消耗的能源量，反映了生產的集約程度;vx表示增加值率效應，即：單位產出的增加值;xlk表示勞動生產率效應，即：單位k類型勞動力的總產出。

參考Dietzenbacher & Los的思路，本文利用“兩級分解均值法”對就業碳排放強度進行SDA分解。SDA分解的優點在于可以控制其他驅動因素，研究某個特定的因素對農業雙重紅利的影響，具體表示如下：

上式的右邊，第一項表示碳排放系數效應，反映了能源投入結構，碳排放系數變小，表明消耗的能源結構清潔度增大，抑制就業碳排放強度上升的作用不斷增強。第二項表示單位能耗效應，通常煤和石油等能源的消耗是二氧化碳排放量增加的重要途徑，單位能耗下降，表明在總增加值相同下，節約能源消耗總量增加，二氧化碳排放量降低，就業碳排放強度也隨著下降，我國農業雙重紅利上升。第三項和第四項分別表示增加值率和勞動生產率效應，通常增加值率和勞動生產率上升意味著農業總產出的增加，二氧化碳排放量也隨之增加，就業碳排放強度上升，農業雙重紅利下降，從側面表明單純提升勞動生產率并不能提高農業的綜合效應，關鍵是要促進綠色生產率的提高。

（四）數據說明

本文有關就業、二氧化碳排放量、能源、增加值和總產出的原始數據均來自前瞻網數據庫和歐盟編制的WIOD數據庫。WIOD數據庫共有新舊兩個版本：舊版本數據庫中包含1995～2011年投入產出表以及對應的社會、經濟賬戶和環境賬戶。新版本數據庫中包含2000～2014年投入產出表以及對應的社會和經濟賬戶。值得注意的是，在舊版數據庫中，社會子賬戶包括1995～2009年總就業和高中低技能就業等數據，環境子賬戶包括1995～2009年污染物和能源等環境數據。為了彌補舊版WIOD數據的不足，2009年以后就業數據采用新版WIOD數據庫中社會賬戶的就業數據。但遺憾的是，新版數據庫中社會賬戶只有總就業數據，并未提供分高中低技能就業數據。考慮到連續三年分技能就業占總就業的份額基本保持穩定，且增補2010～2014年數據后對實證結果的影響較小，因而本文采用移動平滑的方法計算2010～2014年分技能就業占總就業的份額，并得出相應的分高中低技能就業數據，以期盡量減少數據缺失所帶來的遺憾（具體結果見表1、表2）。值得注意的是，WIOD數據庫中不同技能就業是按照勞動力的教育程度進行劃分，也是目前文獻較為普遍的劃分方式。其中，初中及其以下學歷的就業被稱為“低技能就業”;高中和職業學院學歷的就業被稱為“中技能就業”;本科生及其以上學歷的就業被視為“高技能就業”，詳情可參見數據庫中經濟賬戶說明書①。另外，WIOD數據庫提供的數據截至2009年，此后年份的我國農業能源數據采用前瞻網數據庫提供的農業能源數據進行更新。

由于新版數據庫中社會賬戶只提供2010～2014年總就業數據，并未提供分高中低技能就業數據，為了獲得2010年及其以后數據，通過觀察樣本期內的數據，發現連續三年分技能就業占總就業的份額基本保持穩定，特別是近幾年的份額。例如，2002～2004年，高技能就業的份額基本維持在0.0998%左右，低技能就業占比最大，也基本維持在95%左右，2005～2007年也有類似的規律，因此，本文采用移動平滑的方法推算出2010～2014年分技能就業占總就業的份額，所得份額再乘總就業得出相應的分高中低技能就業數據。例如，2010年高技能就業占比等于2007～2009年高技能就業占比的算術平均值。

三、實證結果分析

（一）我國農業異質性就業的變遷

圖1顯示了我國農業總就業和異質性就業的變遷。我國農業總就業大致呈現“先上升后下降”的趨勢。2003年以前，我國農業總就業保持上升的趨勢，從1995年的506.76億小時波動增長到2003年的546.22億小時，年均增長了0.94%，增幅較小。這個現象可能與我國農產品的消費隨需求增長而增加有關。2003年以后，我國農業總就業呈現明顯的下降趨勢，且具有階段性特征。2003～2008年，我國農業就業從546.22億小時下降到484.38億小時，年均下降了2.37%。究其原因，可能是2001年底，我國加入世界貿易組織，憑借低廉且豐裕的勞動力參與到國際生產分工中，并逐漸成為了“世界工廠”，此時產業之間表現出明顯的就業轉移現象，比如從農業轉移到制造業（尤其是勞動密集型加工制造業），這也導致了我國農業總就業出現大幅度下降。2008～2011年農業總就業的下降速度加快，農業總就業下降了109.91億小時，年均下降速度達到8.22%。其中，2008～2009年，農業總就業下降速度先加快后變緩，表現為曲線的斜率由陡變平，這可能是在全球金融危機影響下，農業產品生產和需求均受到沖擊，就業也隨之大幅度下降所致。此后，隨著金融危機沖擊逐漸減弱，2011年以后，農業總就業雖然繼續下降，但下降速度有所放緩。

低技能就業和總就業的變化趨勢基本一致，均呈現先上升后下降，并且下降速度“由緩轉急，再變緩”的趨勢，原因在于加入世界貿易組織引起的就業轉移以及金融危機對供給和需求的沖擊。從就業的絕對量來看，1995～2014年，低技能就業量均在300億小時以上，就業量占總就業的份額超過90%，這也從側面印證了優化我國農業內部就業結構的必要性。

不同于總就業和低技能就業，中技能就業的變化趨勢呈“M”型特征，即先上升后下降再上升再下降。我國農業中技能就業量先從1995年的18.16億小時上升至2003年的26.86億小時，后從2008年的27.37億小時下降至2014年的17.66億小時，年均下降7.05%。從變化趨勢來看，中技能就業量同樣可能受到加入世界貿易組織和金融危機的沖擊，只是金融危機沖擊所致失業量要大于加入世界貿易組織沖擊所致失業量。

高技能就業的變遷趨勢類似于中技能就業，但呈倒“U”型特征，不同點在于高技能就業只有2004年這個拐點，而中技能就業有2004年和2008年兩個拐點。到了2005年，高技能就業量只略微下降，基本維持不變，說明了金融危機對于我國農業高技能就業的影響并不是特別顯著，這可能與“必要高技能就業數”（維持農業生產所必需的高技能就業數量）有關。

對比農業總就業及高中低技能就業的變化趨勢發現，我國農業總就業及高中低技能就業基本呈現“先上升后下降”的趨勢，農業中高技能就業尤為典型。同時，分技能就業量占總就業量的份額差別較大，基本以低技能就業為主，并呈現“技能越高，就業人數的份額越少”的特征。受到加入世界貿易組織和金融危機的沖擊，不同類型技能就業的抗沖擊效果也不盡相同。例如，同樣受到金融危機的沖擊，中技能就業受到沖擊的效果較大，就業量大幅度下降，高技能就業受到的影響則相對較小。

（二）我國農業碳排放量的變遷

對于我國農業綜合效益的研究，除了總就業和分技能就業分析外，環境保護也是“雙重紅利”中一個重要的影響因素，尤其是農業二氧化碳的排放量問題。圖2顯示了1995～2014年我國農業二氧化碳排放量的變遷。可以看出，1995～2014年，我國農業二氧化碳排放量從10.46百萬噸波動上升至20.66百萬噸，年均增長率達到12.01%，說明考察期內我國農業二氧化碳排放量整體呈大幅上升趨勢，這可能與當時我國農業產品需求大幅度增加和農業產品市場需求旺盛有關，但在農業二氧化碳排放量整個上升過程中也伴有某些年份不同程度下降的現象。比如，受2008年全球金融危機影響，世界經濟整體下行，農產品的需求和供給均出現一定萎縮，我國農業二氧化碳排放量自然隨之下降，從13.54百萬噸下降至11.64百萬噸，下降了14.00%，降幅較明顯。不過，隨著金融危機沖擊效應的減弱，農業二氧化碳排放量又再次快速上升。

（三）我國農業出口隱含就業和碳排放的市場分布特征

本文借鑒現有研究的常用做法，將世界投入產出表中的41個國家或地區進行了分類，即USA（美國）;JPN（日本）;ACK（包括澳大利亞、加拿大和韓國）;BRIIT（包括巴西、俄羅斯、印度、印度尼西亞和中國臺灣）;EURO（包括歐盟27個國家）。表3顯示了1995～2014年我國農業出口隱含分技能就業和二氧化碳排放的空間分布。無論二氧化碳排放量還是就業的數量都以國內消費市場為主，均在80%以上。以總就業為例，2002年國內需求所引致的總就業數量占全部就業數量的份額為89.58%，內需所引致的碳排放量占總排放量的份額為82.22%，這可能是我國內需保持旺盛態勢以及龐大的消費市場規模等實際國情所產生的結果。

放眼國際出口市場，1995～2014年，雖然我國農業就業和碳排放第一出口市場有所變化，但是總體上均以日本、美國和歐盟市場為主。例如，1995年我國第一農業就業出口市場為日本，所引致的碳排放量占總碳排放量的份額為3.53%;2002年和2008年我國第一農業就業出口市場分別為美國和歐盟，兩者所引致的我國農業二氧化碳排放量占農業總碳排放量的份額分別為2.51%和4.10%。這意味著我國農業就業和碳排放最大的出口市場均為發達國家或地區，其對我國農業產品具有旺盛的需求，所引致的就業和碳排放量也最大。

從我國農業就業量的變遷趨勢來看，不管是總就業還是分技能就業，我國就業量總體下降，但是并非所有出口消費市場所引致的就業量都下降，有些出口消費市場所引致的就業量反而大幅度上升。例如，2002～2008年我國農業總就業量從544.28億小時下降至484.38億小時，國內市場和日本市場引致的就業量分別下降了18.32%和17.31%，但是美國、歐盟和ACK等市場對我國農產品需求上升，所引致的就業量增長也大幅度上升，從2002年6.80億小時上升至2008年的8.21億小時，增長了20.77%，這主要是由于該市場對我國農產品需求上升，引致的就業量也上升，遠遠超過我國農業就業強度下降引致就業的下降。

不同于就業的市場空間分布特征，我國農業二氧化碳排放量一直在上升，絕大部分出口市場也隨著上升。例如，2002～2008年，美國和日本等出口市場所引致的我國農業二氧化碳排放量分別增長了2026.27千噸和197.57千噸，增長率分別為82.30%和10.28%，類似于總就業增長情況，這主要是美國和日本農產品需求規模的上升所導致的結果。

（四）我國農業雙重紅利的演化

從整體來看，盡管不同技能和階段就業碳排放強度的增長模式有顯著差別，但是各類型就業碳排放強度均呈現不斷上升的趨勢，與產出碳排放強度下降的趨勢恰好相反。這種差異性側面說明了從就業和碳排放雙重角度來研究農業的雙重紅利有其必要性。圖3報告了我國農業就業碳排放強度的變遷。從圖3來看，1992～2009年，總就業碳排放強度增長緩慢，從0.21千噸/小時增長至0.25千噸/小時，年均增長率僅為1.42%。此后，總就業碳排放強度快速增長，到了2014年，碳排放強度增長了0.39千噸/小時，年均增長率為20.63%，低技能碳排放強度的增長趨勢與之類似。就業碳排放強度上升的原因有二：一方面，加入世界貿易組織后，我國產業結構發生了變化，農業勞動力逐漸轉移到制造業或服務業領域，我國農業就業量逐漸下降;另一方面，勞動生產率的提高彌補了農業就業量的下降，造成了二氧化碳排放量的不斷增長，并導致就業碳排放強度上升。換句話說，我國農業的就業和環境綜合收益呈現下降的態勢。

不同于總就業和低技能就業碳排放強度，1995～2009年，我國農業中技能就業和二氧化碳排放量均上漲，并且前者上漲速度高于后者，中技能就業碳排放強度波動中略有下降，農業綜合效益出現了短暫的回升。2009年以后，我國農業中技能就業碳排放強度快速上升。

樣本期間，高技能就業碳排放強度呈現階梯式增長趨勢。2004年以前，我國農業高技能就業碳排放強度基本保持不變;2004～2005年，高技能就業碳排放強度進入快速增長的通道，從234.75千噸/小時增長至861.64千噸/小時;2006～2009年，高技能就業碳排放強度基本持平;2009年以后，高技能就業碳排放強度再次進入快速上升的通道，從973.94千噸/小時上升至2419.52千噸/小時，增長了148.42%。

（五）我國農業雙重紅利的SDA分解

基于WIOD數據庫，本文對總就業及異質性就業碳排放強度進行了SDA分解，主要包括碳排放系數效應、單位能耗效應、增加值率效應和勞動生產率效應。為了更清楚地測算各因素的貢獻，參考彭水軍等（2015）的做法，并結合我國農業就業和二氧化碳排放量的變遷特征，本文將研究期間劃分為1995～2002年、2002～2009年、2009～2014年和2002～2014年等階段。由于總就業和分技能就業碳排放強度之間的數量級差別較大，例如，2002年總就業碳排放強度為0.18千噸/小時，而高技能就業碳排放強度高達180.54千噸/小時，為了突出異質性就業的可比性，本文采用就業碳排放強度的相對變化進行比較分析。

表4顯示了我國農業異質性就業碳排放強度的SDA分解變動率的結果。從表4來看，促進我國農業整體雙重紅利上升的最重要因素是農業碳排放系數效應的下降。1995～2014年，農業碳排放系數下降，迫使我國農業總就業碳排放強度下降了395.25%，這意味著致力于降低單位能耗的碳排放量對提升我國農業雙重紅利有積極的貢獻，中技能就業的紅利效果也有類似的結論。不過，分階段來看，碳排放系數效應“先上升后下降”，說明了降低單位能耗的碳排放強度呈倒“U”型特征。不同于總就業和中技能就業，抑制低技能和高技能就業碳排放強度上升的最重要因素是農業單位能耗效應的下降。考察期內，農業單位能耗的下降促使我國農業低技能和高技能就業碳排放強度分別下降了75.66%和104.19%，這意味著通過降低單位增加值的能源消耗比降低單位能耗的碳排放量對低技能和高技能就業碳排放強度的抑制效果更為明顯。

此外，提升我國農業總就業和分技能就業碳排放強度的最重要因素是農業增加值率效應的上升，尤其是對高技能就業碳排放強度的提升最為顯著。例如，2002～2009年增加值率的上升使我國農業高技能就業碳排放強度提升了524.35%。由此可見，盡管增加值率的上升可以促進我國農業產出的提高，但是我國農業的生產模式主要還是依賴于低成本的高能耗投入，而非依賴于集約式的綠色技術進步，其表現為我國農業增加值率得到上升的同時，二氧化碳排放量也隨之上升，但是環境污染速度快于經濟增長速度。不過，分階段來看，增加值率效應對就業碳排放強度的作用也呈現倒“U”型特征，說明增加值率的上升對就業碳排放強度提升效果在下降。

在其他效應中，除1995～2002年外，總就業和分技能就業碳強度的勞動生產率效應均為正值。例如，2002～2009年，我國農業勞動生產率效應提升了總就業碳排放強度的66.17%，表明我國農業單位就業的總產出越高，單位總就業碳排放強度就越高。換句話說，勞動生產效率的提高反而促進了我國農業總就業碳排放強度的上升。這意味著在提升農業總產出的同時，還要降低產出中所隱含的二氧化碳排放量，即關注我國農業綠色總產出的提升。

四、研究結論與政策建議

本文將農業、就業和碳排放納入統一研究框架，重構“就業碳排放強度”指標體系，并利用WIOD數據庫和前瞻網數據，評估了1995～2014年我國農業的就業和碳排放雙重效應，并進一步分析了其演化軌跡和驅動因素，得到如下研究結論：第一，1995～2014年我國農業主要呈現低技能就業特征，而中高技能就業占比不到20%。由于“劉易斯拐點”的存在，就業從農業向非農業轉移，我國農業總就業整體呈現不斷下滑的趨勢，尤其是受金融危機的沖擊之后，農業就業降幅增大。第二，考察期內，我國農業二氧化碳排放量不斷增長，且具有“國內污染、國外消費”這一典型事實特征，在出口美國、日本和歐盟等發達國家或地區時尤為明顯。第三，盡管就業在持續下降，但考察期內我國農業總就業和分技能就業碳排放強度處于上升態勢，就業和二氧化碳排放的社會和生態效應在不斷下降。第四，農業就業碳排放的SDA分析結果表明，農業碳排放系數和單位能耗的下降是促進我國農業雙重紅利增加的重要因素。第五，農業增加值率和勞動生產率的提升在一定程度上抑制了我國農業雙重紅利的增加。

根據研究結論，提出如下政策建議：第一，優化農業就業的內部結構，建設中高端農業技能隊伍。在注重生態效益前提下，開拓農村就業新渠道，優化農業就業的內部結構;加大政府對農業中高技能人才培育投資，提升農業中高技能勞動力的整體規模和素質，穩步推進農業現代化和機械化，促進我國新型農業高質量發展。第二，轉變農業發展方式，兼顧農業經濟、社會和生態效應。以綠色發展理念為導向，切實轉變農業發展方式，實現農業經濟增長由“高污染、高排放”的粗放型模式向“低能耗、高增值”的集約型模式轉變。同時，統籌兼顧農業經濟、就業和生態效益，促進低碳農業的協調可持續發展。第三，優化國內低碳農業技術創新政策環境，完善國外先進農業低碳技術引進消化渠道。探索農業生產“節能減排”責任制，鼓勵自主創新，健全農業低碳技術和制度創新的優惠政策體系，提高我國低碳農業生產技術和制度創新水平，推動我國低碳農業快速發展;搭建低碳農業技術引進、國際合作平臺，加強我國與世界低碳農業技術的交流與合作，提升我國農業節能減排技術水平和農業能源利用效率。第四，改善農業能源消費結構，提升農業附加值質量。調整農業能源消耗結構，降低煤炭在能源消費結構中的比例，提高農業領域利用風能、太陽能等可再生清潔能源的比重，推動我國農業走向節能減排的集約型發展道路;以綠色和優質為要領，從單純依靠勞動生產率和農業附加值率（數量層面）轉向注重農業綠色生產率和農業增加值質量，促進我國傳統農業向綠色低碳農業有序轉變，推動我國農業邁向世界中高端行列。

參考文獻

[1]陳紅敏.中國隱含能出口的就業效應分析[J].世界經濟研究，2011（5）：46-50.

[2]陳慶能，沈滿洪，李崇巖.中國行業碳排放變動的影響因素研究——基于D&L簡化模型[J].生態經濟，2017（7）：14-18.

[3]衛瑞，張文城.中國外需隱含國內就業及其影響因素分析[J].統計研究，2015（6）：42-49.

[4]張文城，盛斌.中國出口的環境成本：基于增加值出口污染強度的分析[J].數量經濟技術經濟研究，2017（8）：105-119.

[5]武亞軍，宣曉偉.環境稅經濟理論及對中國的應用分析[M].北京：經濟科學出版社，2002：35-38.

[6]朱晶，張姝，曹歷娟.入世前后中國農業貿易引致的就業“創造與替代”[J].中國人口·資源與環境，2012（6）：82-88.

[7]晏小敏.新型農業的就業效應分析：基于地理標志視角[J].商業經濟與管理，2014（11）：79-84.

[8]黃維海.中外農業就業統計若干問題研究[J].統計與決策，2018（11）：5-11.

[9]陳奕山.農時視角下鄉村勞動力的勞動時間配置：農業生產和非農就業的關系分析[J].中國人口科學，2019（2）：75-86.

[10]韋沁，曲建升，白靜，等.我國農業碳排放的影響因素和南北區域差異分析[J].生態與農村環境學報，2018（4）：318-325.

[11]陳儒，姜志德.中國省域低碳農業橫向空間生態補償研究[J].中國人口·資源與環境，2018（4）：87-97.

[12]陳銀娥，陳薇.農業機械化、產業升級與農業碳排放關系研究——基于動態面板數據模型的經驗分析[J].農業技術經濟，2018（5）：122-133.

（責任編輯：許志敏）