三 相关研究综述

（一）“两型农业”生产体系研究

“两型农业”生产体系由中国共产党第十七届三中全会首次明确提出。国外在“两型农业”方面的相关研究较少，但是在循环农业、生态农业、集约农业和精准农业等近似的“两型农业”形态方面的研究成果颇为丰富。例如，Ülo、Mikk 和Külvik（1999）分析了生态农业和低强度传统农业对生物多样性、景观多样性和养分流等景观价值的可能影响，结果表明生态农业显著提高了生物和景观多样性，降低了养分流失和土壤侵蚀的风险。Rasul和Thapa（2003）根据环境可靠性、经济可行性和社会可接受性，对生态农业和传统农业系统进行了比较研究，研究结果表明生态农业和传统农业在作物多样化、土壤肥力管理、病虫害管理和农用化学品的使用等方面存在显著差异，生态农业相对传统农业而言更具可持续性，它可以成为传统农业系统的可行替代方案。Granlund和Rankinen等（2015）认为目前迫切需要找到控制农业氮流失的方法，生态循环农业有可能减少农业土壤中的氮盈余和由于养分效率提高而导致的氮流失。Norton（2016）认为当前农业实践活动主要由“集约化”而非“可持续性”驱动，为改变这种现状，生态学家应该专注于农业的可持续性发展而非集约化生产，并从农业系统的自身性质、自然资源和生态过程的基本作用方面寻找证据，从而提供农业实践活动的可替代方案。Adrian、Norwood 和Mask （2005）认为近年来人们越来越重视精准农业技术，然而很少有人关注农民采用这些技术的原因。虽然经济利益是生产者采用精准农业技术的主要原因，但农民对精准农业技术的态度和看法在采纳决策中同样发挥作用。Tamirat、Pedersen 和Lind（2017）认为精确农业（Precision Agriculture，PA）是一种有前途的技术和管理理念，不仅为生产者和消费者提供多方面的利益，而且有利于保护环境。Evert和Gaitán-Cremaschi等（2017）认为精准农业技术的应用有望提高盈利能力，对社会而言，精准农业有望提高可持续性，研究结果表明在马铃薯生产中，精准农业可导致农药使用量减少23%，氮肥用量减少15%；在橄榄生产中，钾肥的使用量减少了31%，磷肥的使用量减少了59%。Balafoutis和Beck（2017）的研究表明，使用高科技设备的精准农业实践能够通过现场特定应用减少农业投入，因为它更好地针对现场的空间和时间需求提供投入，这可以减少温室气体排放，另外精准农业还对农业生产力和经济产生积极影响。

国内关于“两型农业”方面的研究主要集中在以下几方面：

1.“两型农业”内涵的界定

陈文胜（2014）认为虽然当前大部分关于“两型农业”研究的立论基础均是循环经济理论、可持续发展理论和发展经济学理论等，但是学界对“两型农业”的概念和内涵的界定并未达成一致。周栋良（2011）认为“两型农业”应该涵盖农、林、牧、渔等诸多领域，反映的是“大农业”思想，其本质是要求转变农业发展方式。匡远配（2010）认为“两型农业”是“资源节约和环境友好”的现代发展理念在农业生产中的内在化过程，“两型农业”既要实现资源节约，即利用最少的生产要素投入获得最大的农业产出；又要实现环境友好，即农业生产过程不能以牺牲生态环境为代价，而要实现人与自然的协调发展。马德富和刘秀清（2010）则在阐述“两型社会”和“两型农业”之间关系的基础上，对“两型农业”的内涵做了界定，该文认为“两型农业”是以低农业污染排放，维持良好的农业生态环境为前提，实现农业资源利用效率最大化。余新华和乌东峰（2011）则认为“两型农业”具有“三高一低”的特性，即高品质、高环保、高附加值和低成本。吴昊（2016）认为“两型农业”的出发点是提高农业资源的利用效率和加强农业生态环境保护，落脚点则是加快农业发展方式转变。

2.“两型农业”评价指标体系的构建和评价

彭艺和翟欢欢（2010）构建了以生态农业、循环农业和可持续发展为目标层，以经济效益、社会效益、生态效益、减量化、再利用、再循环、生产可持续性、经济可持续性、社会可持续性和资源可持续性为准则层的“两型农业”综合评价指标体系，在此基础上综合利用熵值法和灰色关联法等方法对中国各省份的“两型农业”发展水平进行了综合评价。周栋良（2010）构建了以农业生产与农村经济发展、资源节约、资源循环利用以及环境与安全为准则层，以25个单项指标为指标层的“两型农业”综合评价指标体系，并进一步利用 AHP法和加权函数法对湖南省的“两型农业”生产体系进行了实证评价。罗平（2011）在对都市农业和“两型社会”之间的关系进行分析的基础上，遵循评价指标体系设立的原则，构建了都市农业“两型化”发展综合评价指标体系，并以武汉市为例，利用 Delphi 法和AHP法对都市农业“两型化”发展水平进行了综合评价。刘红峰和刘惠良（2014）构建了包含6个一级指标、14个二级指标、71个三级指标的“两型农业”科技创新评价指标体系，并采用层次分析法和灰色关联法对中国各省份的“两型农业”科技创新水平进行测度。潘丹和应瑞瑶（2013）则从效率角度出发，应用Malmquist-Luenberger生产率指数对中国各省份的“两型农业”发展水平进行了评价，并进一步对评价结果进行了空间计量分析。

3.“两型农业”发展模式和发展路径探讨

匡远配和曾锐（2009）以长株潭城市群为例，详细阐述了“两型农业”发展的障碍因素，在此基础上从推进农业污染综合治理，推广“两型农业”技术，培育新型农民，完善相关法律法规等方面提出了有针对性的对策建议。杨安娜（2009）则重点分析了财政金融政策在支持“两型农业”发展方面存在的问题，并从加大财政支农投入，优化财政支农结构，培育农村金融机构等方面提出了相应的解决办法。喻军（2011）认为农业保险是“两型农业”发展的内在要求，在我国农业保险的相关法律法规不健全的情况下，加强农业保险立法是“两型农业”发展的重要保障，应该设立农业保险主管部门，明确农业保险立法的性质和地位，为“两型农业”发展保驾护航。陈文胜（2014）从农业科技创新、农业信息化建设和农业制度创新等方面提出“两型农业”发展的有效路径。胡建（2012）以湖南省为例，利用博弈论分析方法深入探讨了“两型农业”发展模式，对不同类型的区域如何选择“两型农业”发展模式做了详细阐述，并在此基础上对“两型农业”运行机制优化措施进行了分析。刘智勇（2013）认为“两型农业”发展过程中存在环境污染、人才匮乏和政策制度滞后等问题，克服“两型农业”发展中的障碍，促进“两型农业”又好又快发展，应该主要从强化农业科技，加强农业人才队伍建设，推动农业发展方式转变，完善“两型农业”投入机制，构筑“两型农业”发展的动力机制等方面着手。陈文胜和邝奕轩（2016）以长株潭城市群为例，全面梳理了长株潭城市群在“两型农业”建设方面的经验，并深入分析了其成功经验对其他地区“两型农业”发展的重要启示。李德新（2017）认为“两型农业”发展需要处理好“两型农业”与“高效”农业的关系，“两型农业”与“传统”农业的关系以及“两型农业”与“现代”农业的关系。

（二）环境约束下农业全要素生产率评价

自从Grilliches（1957）等学者将全要素生产率理论应用到农业领域以来，关于农业全要素生产率的相关研究逐渐增多，研究方法趋于多元化，研究内容更加广泛和深入。但是传统的农业全要素生产率的测度无法考虑环境污染问题，如果忽略环境要素的约束，测度结果将出现偏差。自从Chung等（1997）通过在方向性距离函数的基础上构造Malmquist-Luenberger（ML）生产率指数，从而有效解决了传统的全要素生产率无法考虑环境污染问题之后，一些学者开始尝试将环境污染排放作为“非期望”产出纳入农业全要素生产率的评价模型，并对环境约束下全要素生产率展开研究。由于农业环境污染排放物测度的复杂性，导致环境约束下农业全要素生产率的相关研究起步较晚，比较有代表性的相关研究如下。

Hoang和Coelli（2011）利用物料平衡法测度了1990—2003年30个OECD成员国的农业环境全要素生产率，结果表明，考虑环境约束的农业全要素生产率、增长率要低于传统的农业全要素生产率增长率，而且投入组合的变动能够显著提高农业环境效率和农业环境全要素生产率。Falavigna 和 Manello（2013）等将 NHO3 排放物作为非期望产出，并利用基于产出的方向性距离函数以及 Malmquist- Luen-berger生产率指数对意大利的102个省份的农业环境效率和农业环境全要素生产率进行测度，结果显示当考虑环境约束时不同区域的农业环境效率和农业环境全要素生产率均具有显著差异。Lina 和 Fei（2015）基于二氧化碳导向距离函数构造了Malmquist二氧化碳排放绩效指数，在此基础上，对2003—2010年中国30个省份农业部门的碳排放绩效进行了评价，结果表明考虑二氧化碳排放约束的农业全要素生产率年均增长率为6%，累计增长率为48.5%；农业技术效率年均变化率为3.05%，累计变化率为22.56%；农业技术进步年均变化率为4.14%，累计变化率为32.18%。Zhang等（2017）以鄱阳湖生态经济区为例，利用全局非径向方向性距离函数模型，对农业主产区的碳排放效率进行研究，结果表明在碳排放约束下鄱阳湖生态经济区处于非效率状态，其碳排放效率平均值仅为0.279，意味着如果这些地区处于生产前沿时，尚有72.1%的改善空间。Cecchini 和 Venanzi （2018）将CO2 等标排放作为非期望产出，利用能够考虑非期望产出的非导向SBM-DEA模型对意大利翁布里亚地区的10个奶牛场的环境效率进行了评价，结果表明6个奶牛场为SBM有效，并处于生产前沿面上，另外4个奶牛场的环境效率在0.52 到0.64 之间波动。Xie和Zhang（2018）等利用全局Malmquist-Luenberger生产率指数对中国粮食主产区1993—2016年环境约束下耕地利用全要素生产率进行了测度，结果表明主要省份的耕地利用全要素生产率指数均大于1，从耕地利用全要素生产率分解来看，纯技术进步和规模技术变化是耕地利用全要素生产率增长的驱动力，而纯效率变化和规模效率变化则是耕地利用全要素生产率增长的瓶颈。

随着中国农业环境污染问题日益突出，国内越来越多的文献开始对环境约束下农业全要素生产率进行评价，表1.1汇总了一些典型相关文献。

从表1.1的统计结果来看，国内关于环境约束下农业全要素生产率评价的相关文献主要使用 Malmquist-Luenberger生产率指数或者Global-Malmquist-Luenberger生产率指数，个别文献使用随机前沿生产函数模型；从研究对象来看，绝大部分文献以中国各省份为研究对象，部分文献以特定区域为研究对象；从实证结果来看，绝大部分文献均得出了考虑环境约束时可能会造成农业效率损失，而不考虑环境约束时可能会高估农业全要素生产率的结论。

（三）农业全要素生产率影响因素分析

现有相关文献关于农业全要素生产率研究的另一个热点是分析农业全要素生产率的影响因素，探究哪些因素促进或阻碍了农业全要素生产率的增长。Lio和Liu（2008）考察了基础设施治理质量的差异是否能够解释农业生产率的跨国异质性。实证结果表明，在相同的农业投入数量以及相同的教育水平和气候条件下，基础设施治理更好的国家可以产生更多的农业产出。结构方程模型的实证结果也支持这样的假设，即更好的治理带来更高的农业生产率。Chen 和Yu 等（2008）利用基于极大似然估计的随机效应模型，实证检验了中国农业全要素生产率增长的影响因素，结果表明中国农业技术进步的主要决定因素是农业减税以及在农业研发、农业基础设施建设以及农业机械化方面的公共投资；此外，政策改革、教育和减灾是提高农业效率的重要措施。Wang和Mcphail（2014）基于结构 VAR模型，使用1948—2011年的美国实际汽油价格，农业全要素生产率以及实际农产品价格等年度数据，深入探讨了美国能源价格冲击对农业全要素生产率增长的影响，结果表明短期内能源价格冲击对农业全要素生产率增长有负面影响。Amarea和Jensen等（2018）采用引入工具变量的固定效应模型，探讨了降水冲击对农业生产率的影响，结果表明降水冲击对农业生产率具有显著的负向影响，这可能是由于降水冲击加大了农作物生产风险而导致农作物产量下降。Key（2018）利用美国1982—2012年实施的五年一次的农业普查数据探讨了美国玉米种植带的农场规模和农业生产率之间的关系，研究结果表明，近几十年来，美国面积不足100英亩农场的全要素生产率低于大型农场，农业全要素生产率随着玉米种植带的农作物种植面积增加而增加。Sheng和Xu（2018）基于澳大利亚千年不遇的干旱事件探讨了气候变化对农业全要素生产率的影响，该文认为在传统的OLS回归中对干旱的不恰当测度可能会导致估计偏差，而合成控制法通过构建“反事实澳大利亚”可以有效解决该问题，基于合成控制法的实证结果表明与没有发生严重干旱的情况相比，千年干旱事件导致澳大利亚的农业全要素生产率平均降低了约18%。Baldoni和Coderoni等（2018）以意大利2008—2013年农场层面的数据为例，探讨了农业全要素生产率与环境绩效之间的关系，该文认为这种关系探讨具有重大的政治意义，因为如果两者之间存在负向关系，则意味着通过引进更好的技术，提高农业全要素生产率水平就可以改善农场的环境绩效，实证结果表明两者之间并非呈现单一关系。Yu和Chancellor（2018）研究了澳大利亚粮食产业中农场规模与全要素生产率之间的关系，结果表明农场规模与全要素生产率之间存在正相关关系，该结论有助于加强我们对农场规模不断变大的理解，同时这也是发达国家农业结构调整过程中广泛观察到的现象；结果还表明农场资本外包将有助于提升农场的全要素生产率水平，并有助于缓解中小型农场和大型农场之间全要素生产率之间的差距。

近几年，国内也有大量文献围绕农业全要素生产率的影响因素展开研究，并得出了有价值的结论。例如，时悦和赵铁丰（2009）在测度中国各省份农业全要素生产率的基础上，深入分析了农业全要素生产率的影响因素，结果表明财政支农力度和农产品出口促进了农业全要素生产率的提升，而城镇化水平则阻碍了农业全要素生产率的提升。王珏和宋文飞等（2010）利用空间计量模型探讨了中国各省份农业全要素生产率的影响因素，结果表明地理因素、工业化进程、科技水平和土地利用能力等因素显著促进了农业全要素生产率的增长，而自然环境和电力利用水平等因素对农业全要素生产率的影响不显著。石慧和吴方卫（2011）在对1985—2005年中国各省份农业全要素生产率进行测度的基础上，利用空间误差模型探讨了中国农业全要素生产率的影响因素，结果表明城镇化和工业化显著促进了农业全要素生产率的增长，而人力资本对农业全要素生产率的影响在不同的样本期表现则不同。金怀玉和菅利荣（2013）的研究结果表明，自然灾害对农业全要素生产率的影响非常严重，成灾面积每增加一标准单位，农业全要素生产率平均下降3.1%。赫国胜和张微微（2016）使用两阶段系统GMM方法实证检验了各因素对农业全要素生产率的影响，结果表明农业灌溉水平、农村金融发展水平、工业化程度以及对外开放程度等因素显著促进了农业全要素生产率的增长，而自然灾害水平以及农业要素投入水平则阻碍了农业全要素生产率的增长。何婷婷（2017）综合利用DEA-Malmquist指数法和随机前沿生产函数法测度了中国28个省份的农业全要素生产率，并对测度结果进行了比较分析，在此基础上实证检验了农业全要素生产率的影响因素，结果表明农村人力资本、农业资本投入以及城镇化水平显著促进了农业全要素生产率的增长，而农业种植结构和农业劳动投入则阻碍了农业全要素生产率的增长。李文华（2018）利用Malmquist生产率指数对1998—2015年中国各省份的农业全要素生产率进行了测度，在此基础上实证检验了农业全要素生产率的影响因素，研究发现农村人力资本水平、财政支农力度以及工业化水平等因素显著促进了农业全要素生产率增长，而农业经营规模、城镇化水平以及对外开放水平等因素对农业全要素生产率的影响不显著。

现有关于环境约束下农业全要素生产率的相关研究刚刚起步，并且主要集中于环境约束下农业全要素生产率的测度以及对测度结果的全方位分析，而进一步对环境约束下农业全要素生产率影响因素进行探讨的文献尚不丰富。

在国外文献中，Wang和Shen（2016）将总氮、总磷和化学需氧量作为非期望产出纳入农业效率的评价体系，并且在测度农业环境效率的基础上分析了农业环境效率的影响因素，实证结果表明农业经济增长、贸易开放度、农业比重、农业技术水平、收入差距以及农业的财政支持力度均对农业环境效率具有显著影响，但影响方向和影响程度不一样。Vlontzos和Niavis等（2017）将温室气体排放作为非期望产出，对1999—2012年的欧盟农业环境效率进行了测度，在此基础上利用计量模型探讨了欧盟农业环境效率与 GDP之间的关系，以检验环境库兹涅茨曲线是否存在，结果表明欧盟农业环境效率与GDP之间可能存在N 形曲线关系。Xue 和Yang等（2018）将化学需氧量以及氮和磷作为非期望产出，对中国农业用水环境效率进行了评价，在此基础上使用空间计量模型分析了中国农业用水环境效率的影响因素，结果表明农村经济发展水平的提高，农业结构的合理变化以及良好的农业环境基础，有针对性的环境规制等因素都能够促进农业用水环境效率的提升，然而农村工业增长的粗放模式降低了农业用水环境效率。

在国内文献中，潘丹（2014）将农业面源污染排放物作为非期望产出，对1998—2011年中国各省份的农业绿色生产率进行测度，在此基础上采用Tobit回归模型实证检验了农业绿色生产率的影响因素，结果表明养殖业比重、城乡收入差距、工业化水平、财政支农力度等因素均对农业绿色生产率产生了显著的负向影响，而农村经济发展水平和农业基础设施投资力度显著促进了农业绿色生产率提升。杜江和王锐等（2016）的研究表明，人均收入水平与农业环境全要素生产率呈现倒U形关系，农业结构调整、经济结构变动以及农民收入构成等因素显著促进了农业环境全要素生产率增长，而相对价格变动、受灾率、财政支农力度以及城镇化率等因素均对农业环境全要素生产率产生了显著的负向影响。张永强和周宁等（2017）利用面板数据模型分析了考虑资源环境约束的农业全要素生产率增长的影响因素，研究表明农业生产技术和人力资本等传统生产要素对考虑资源环境约束的农业全要素生产率的影响不显著。吴传清和宋子逸（2018）采用全面FGLS估计方法对长江经济带农业绿色全要素生产率的影响因素进行了探讨，研究结果表明财政支农力度、农村人力资本存量和农业机械化水平等因素显著促进了长江经济带农业绿色全要素生产率增长，而对外开放水平，第二、第三产业发展水平以及受灾率等因素则阻碍了长江经济带农业绿色全要素生产率增长。高杨和牛子恒（2018）利用空间杜宾模型探讨了农业信息化等因素对农业绿色全要素生产率的影响，研究结果表明农业信息化能够同时促进本地以及邻域农业绿色全要素生产率的提升；受教育程度显著促进了本地农业绿色全要素生产率的提升，而阻碍了邻域农业绿色全要素生产率的提升；工业化水平同时阻碍了本地以及邻域农业绿色全要素生产率的提升。

（四）以往研究的总结回顾

前文对相关文献进行了系统梳理，这些文献对于本书加深对“两型农业”全要素生产率增长的时空演变及驱动机制的理解具有重要意义，这同时也是本书开展研究工作的基础。虽然目前关于农业全要素生产率的研究成果已经比较丰富，对环境约束下农业全要素生产率的相关研究也逐步展开，但是现有研究在不同程度上仍存在一些缺憾。

（1）由于核算农业环境污染排放物比较复杂和困难，因此传统的农业全要素生产率的测度通常仅考虑了农业资源的投入约束，而忽视了生态环境的约束，这将导致测度结果的失真。此外，当前环境约束下农业全要素生产率的相关研究通常也仅仅考虑了农业环境污染的某一方面，鲜有文献同时考虑农业水体污染和大气污染，这将不能真实客观地拟合农业生产过程。

（2）现有研究在测度农业全要素生产率时，通常都在“技术同质”假设下，基于相同的基准技术集（生产前沿）评价全部决策单元。[5] 事实上，不同决策单元由于内部特性和外部环境存在差异，导致不同决策单元可利用的基准技术集不可能完全相同。就本书而言，中国东中西部地区之间的资源禀赋、气候条件、种植业结构和农业制度等方面均存在明显差异，因此不同地区所处的生产前沿不同，所能达到的潜在最优生产技术也会存在差异。如果忽略不同地区生产技术的异质性，而将处于不同地区的省份置于相同的生产前沿下进行比较，可能会由于比较标准的缺失，导致各省份农业全要素生产率的测度结果与其真实水平之间存在偏差。