我国农业的就业和碳排放双重效应研究

杨果 郑强 叶家柏

内容提要：将就业和碳排放纳入统一研究框架，重构“碳排放强度”指标，利用WIOD数据库的就业和二氧化碳排放量数据，测算并评估1995～2014年我国农业的就业和碳排放双重红利效应。在此基础上，借助SDA模型考察了我国农业双重红利的影响因素。研究表明，样本期内我国农业的就业碳排放强度呈快速上升趋势，农业的就业和碳排放双重红利不断下降。碳排放系数和单位能耗的下降有效抑制了农业双重红利的下降，且抑制作用呈倒“U”型特征。就业碳排放强度的快速上升主要由农业增加值率和劳动生产率变化所致，这意味着单纯依靠生产技术的进步，并不能有效释放农业双重红利，更应注重低碳技术的提升。应优化农业自身就业内部结构，打造中高端农业技术队伍，改善低碳农业技术的自主创新和国际合作环境，提升农业绿色生产率和农业附加值质量，推动我国农业高质量发展，以有效释放农业的就业和碳排放双重红利。

关键词：农业发展;碳排放;异质性就业;双重红利

中图分类号：F323    文献标识码：A    文章编号：1003-7543（2019）10-0130-11

推进农业绿色发展，既是农业高质量发展的应有之义，又是乡村振兴的客观需要。推进农业绿色发展是农业发展观的一场深刻革命，也是农业供给侧结构性改革的主攻方向。农业具有就业容纳功能，在传统农业改造和农业现代化过程中体现出一定的潜在就业效应。同时，农业也是全球温室气体的重要排放源，做好农业碳减排工作有利于实现农业绿色发展。因此，有必要系统探究我国农业的就业和碳排放双重效应，以有效推进我国农业绿色发展，实施乡村振兴战略。

一、相关文献综述

农业、就业和环境之间的关系一直是国内外学术界关注的热点话题，其研究首先聚焦于经济增长与碳排放之间的关系。经济增长决定了人们的物质生活水平，“碳减排”政策可能会产生诸如经济增长减缓等负面效应，如何实现“碳减排”与经济增长双赢备受学者们关注。多数文献采用投入产出方法测算和分析我国生产活动的隐含碳或隐含就业[1-2]，并进一步考察了隐含碳或隐含就业的驱动因素[3]，发现我国生产隐含碳表现出“国内污染、国外消费”的典型现象[4]，且短期内我国难以获得经济增长的“双重红利”[5]，但从长远看，环境治理能够实现“碳减排”与经济增长的双赢。

部分学者对农业领域的就业和碳排放效应予以了关注。在农业的就业效应研究方面，朱晶、张姝、曹历娟利用1994～2009年数据，实证分析了我国加入世界贸易组织前后农产品贸易开放对农业就业的影响，发现我国加入世界贸易组织后农产品贸易开放对农业就业的影响具有显著的就业净替代趋势，且这种趋势可能长期保持[6]。晏小敏从地理标志视阈出发，对新型农业发展的就业效应进行了理论分析，并采用2005～2011年的微观调查数据，考察了乡村就业的影响因素，其研究结果表明，耕地面积的增加有助于农业就业，农业机械化、地理标志保护和城镇居民人均可支配收入提高能促进农村非农就业[7]。黄维海系统分析了中外农业就业统计相关问题，设计了农业就业状况统计指标的优化方案，并测算了农业就业中实际农业转移就业人口规模[8]。陈奕山认为基于农时的角度，在非农就业工资的影响下，乡村劳动力先后降低了农闲和农忙时段的农业劳动时间消耗，且乡村劳动力的非农就业带有不稳定性[9]。

在农业的碳排放效应研究方面，韦沁等基于1999～2014年我国农业省级面板数据，评估了我国农业碳排放量并采用Kaya恒等式研究其驱动因素，发现样本期内我国农业碳排放量存在逐年递增的态势，农业经济发展提高了农业碳排放水平，而农业产业结构改善和农业人口规模缩小能够降低农业碳排放水平[10]。陈儒、姜志德综合考虑农业碳账户的农业碳足迹、碳固定因素以及生态环境和经济发展的区域异质性，研究了2007～2015年我国省际农业净碳汇量及其补偿机制，认为考察期内我国除江西、西藏和青海之外的其他省份都出现了农业碳盈余，且低碳生态补偿价值具有波动上升的特征[11]。陈银娥、陈薇利用1997～2014年我国农业省级面板数据，考察了农业机械化、产业升级对农业碳排放的影响，发现农业机械化有助于农业碳排放量的降低，产业升级则提高了农业碳排放量[12]。

以上文献为本研究提供了重要的参考价值和逻辑起点，但仍存在以下缺憾：一是现有文献主要停留在农业发展的就业和碳排放效应单一研究层面，而缺乏农业、就业和碳排放三者关系的综合研究。事实上，相较于考虑农业增加值和碳减排目标的双重红利，综合考量农业就业创造和碳减排目标，显然更符合农业自身“高就业、低增值”的特征。从WIOD数据来看，我国农业的GDP贡献在不断下降，但仍具有潜在的就业效应。二是现有文献大多侧重农业碳排放的测算，而忽视了农业的就业碳排放强度测度，这可能导致其测算结果评估的综合性存在一定误差，不利于解释农业的就业和碳排放双重效应。三是现有文献鲜有系统研究农业的就业和碳排放双重效应演化规律和驱动因素，这可能削弱其对政策的指导作用。基于此，本研究尝试重构碳排放强度指标（就业碳排放强度），采用WIOD数据库提供的就业和二氧化碳排放量等数据对我国农业就业碳排放强度进行综合分析，系统探究我国农业综合就业和减排的双重红利演变规律。同时，借助SDA分解方法，进一步考察样本期内影响我国农业双重红利变化的驱动因素及其效应。

二、研究设计

（一）农业出口隐含就业和碳排放分析

在投入产出表中，一国总产出等于中间产品与最终产品之和，其平衡等式可以具体表达为：

AX+Y=X（1）

式中，A表示直接消耗系数矩阵，X代表总产出向量，Y是指最终产品需求量。通过移项、合并同类项等操作，上式可以重新改写为：

X=（I-A）-1Y=BY（2）

上式中，B表示完全消耗系數。实际上，产品的生产背后隐含的是生产要素中劳动（就业）的投入和二氧化碳排放量，可称之为“隐含就业”和“隐含碳”。在计算我国农业隐含就业和隐含碳之前，首先需要分别定义碳排放强度和就业强度，碳排放强度是指单位产出所引致的碳排放量，就业强度是指单位产业所创造的就业量，即：

c=C/X（3）

lk=Lk/X（4）

在式（3）、（4）中，c表示农业碳排放强度;C表示农业碳排放量;l表示农业就业强度;L表示农业就业量;k代表就业的类型，即：k= H，M，L，T，分别表示高中低技能就业和总就业。结合公式（1）～（4），农业隐含碳排放和分技能就业的具体表达式公式可以分别为：

C=cBY（5）

Lk=lkBY（6）

（二）农业就业碳排放强度分析

传统碳排放强度是指当年二氧化碳排放量与当年国内生产总值的比值，用于测度碳排放视角下一国经济发展程度。如果一国经济增长速度远远高于碳排放速度，就说明该国GDP的二氧化碳强度得到了改进，经济实现了低碳发展。

随着工业经济的增长，我国农业经济贡献在快速下降，但是就业贡献一直表现突出。鉴于农业的这种特殊性，以兼顾就业和碳排放为目标约束的低碳评估政策更加具有政策的针对性。参考传统“碳强度”，本文定义了“就业碳强度”指标，抑或称“就业碳排放强度”，是指当年二氧化碳排放量与当年就业量的比值。就业碳强度可以用于衡量创造（损失）单位就业所增加（减少）的碳排放量，以表示就业和二氧化碳排放双重因素下产业的综合收益，其具体的表达式为：

其中，CDL表示就业碳排放强度，综合衡量我国农业就业和“碳减排”的双重收益。当CDL数值越大时，部门创造单位就业所引致的二氧化碳排放量相对越多，也就是说，减少单位碳排放所引致的失业相对越多，综合环境和就业，农业部门生产的双重红利效应越低，反之，综合环境和就业，农业部门生产的双重红利效应越高。

就业碳强度的下降率可以定义为就业碳强度的下降量与上一期就业碳强度的比值。用RCDL表示就业强度的下降率，则有：

用α表示就业增长率，β表示二氧化碳增长率，θ表示二氧化碳减排率，二氧化碳增长率和减排率的关系可以表示为：θ=-β。那么，就业碳强度的下降率可以表示为：

上式表明，就业碳强度的下降率直接与就业增长率、二氧化碳减排率相关，且以就业碳强度为约束的减排政策综合考虑了就业增长和碳减排双重要素。相对于传统碳强度，就业碳强度更加适合用于综合评价我国农业减排的真实效果。如果要实现二氧化碳强度的下降，就需要就业增长率高于二氧化碳增长率，或者说二氧化碳减排率要高于失业增长率。

（三）农业就业碳排放强度的驱动因素分析

以上分析表明，就业增长率和二氧化碳减排率直接决定了就业碳排放强度的减排。为了进一步探究我国农业就业碳排放强度的驱动因素及其演变特征，根据公式（7），结合连乘法则，就业碳排放强度可以看成碳排放系数效应、单位能耗效应、增加值率效应和劳动生产率效应的乘积，即：

上式表明，我国农业就业碳强度的变化可以由四种驱动要素构成。其中，ce表示碳排放系数效应，即：单位能源消耗所产生的碳排放量，反映了能源清洁程度;ev表示单位能耗效应，即：单位增加值所消耗的能源量，反映了生产的集约程度;vx表示增加值率效应，即：单位产出的增加值;xlk表示劳动生产率效应，即：单位k类型劳动力的总产出。

参考Dietzenbacher & Los的思路，本文利用“两级分解均值法”对就业碳排放强度进行SDA分解。SDA分解的优点在于可以控制其他驱动因素，研究某个特定的因素对农业双重红利的影响，具体表示如下：

上式的右边，第一项表示碳排放系数效应，反映了能源投入结构，碳排放系数变小，表明消耗的能源结构清洁度增大，抑制就业碳排放强度上升的作用不断增强。第二项表示单位能耗效应，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径，单位能耗下降，表明在总增加值相同下，节约能源消耗总量增加，二氧化碳排放量降低，就业碳排放强度也随着下降，我国农业双重红利上升。第三项和第四项分别表示增加值率和劳动生产率效应，通常增加值率和劳动生产率上升意味着农业总产出的增加，二氧化碳排放量也随之增加，就业碳排放强度上升，农业双重红利下降，从侧面表明单纯提升劳动生产率并不能提高农业的综合效应，关键是要促进绿色生产率的提高。

（四）数据说明

本文有关就业、二氧化碳排放量、能源、增加值和总产出的原始数据均来自前瞻网数据库和欧盟编制的WIOD数据库。WIOD数据库共有新旧两个版本：旧版本数据库中包含1995～2011年投入产出表以及对应的社会、经济账户和环境账户。新版本数据库中包含2000～2014年投入产出表以及对应的社会和经济账户。值得注意的是，在旧版数据库中，社会子账户包括1995～2009年总就业和高中低技能就业等数据，环境子账户包括1995～2009年污染物和能源等环境数据。为了弥补旧版WIOD数据的不足，2009年以后就业数据采用新版WIOD数据库中社会账户的就业数据。但遗憾的是，新版数据库中社会账户只有总就业数据，并未提供分高中低技能就业数据。考虑到连续三年分技能就业占总就业的份额基本保持稳定，且增补2010～2014年数据后对实证结果的影响较小，因而本文采用移动平滑的方法计算2010～2014年分技能就业占总就业的份额，并得出相应的分高中低技能就业数据，以期尽量减少数据缺失所带来的遗憾（具体结果见表1、表2）。值得注意的是，WIOD数据库中不同技能就业是按照劳动力的教育程度进行划分，也是目前文献较为普遍的划分方式。其中，初中及其以下学历的就业被称为“低技能就业”;高中和职业学院学历的就业被称为“中技能就业”;本科生及其以上学历的就业被视为“高技能就业”，详情可参见数据库中经济账户说明书①。另外，WIOD数据库提供的数据截至2009年，此后年份的我国农业能源数据采用前瞻网数据库提供的农业能源数据进行更新。

由于新版数据库中社会账户只提供2010～2014年总就业数据，并未提供分高中低技能就业数据，为了获得2010年及其以后数据，通过观察样本期内的数据，发现连续三年分技能就业占总就业的份额基本保持稳定，特别是近几年的份额。例如，2002～2004年，高技能就业的份额基本维持在0.0998%左右，低技能就業占比最大，也基本维持在95%左右，2005～2007年也有类似的规律，因此，本文采用移动平滑的方法推算出2010～2014年分技能就业占总就业的份额，所得份额再乘总就业得出相应的分高中低技能就业数据。例如，2010年高技能就业占比等于2007～2009年高技能就业占比的算术平均值。

三、实证结果分析

（一）我国农业异质性就业的变迁

图1显示了我国农业总就业和异质性就业的变迁。我国农业总就业大致呈现“先上升后下降”的趋势。2003年以前，我国农业总就业保持上升的趋势，从1995年的506.76亿小时波动增长到2003年的546.22亿小时，年均增长了0.94%，增幅较小。这个现象可能与我国农产品的消费随需求增长而增加有关。2003年以后，我国农业总就业呈现明显的下降趋势，且具有阶段性特征。2003～2008年，我国农业就业从546.22亿小时下降到484.38亿小时，年均下降了2.37%。究其原因，可能是2001年底，我国加入世界贸易组织，凭借低廉且丰裕的劳动力参与到国际生产分工中，并逐渐成为了“世界工厂”，此时产业之间表现出明显的就业转移现象，比如从农业转移到制造业（尤其是劳动密集型加工制造业），这也导致了我国农业总就业出现大幅度下降。2008～2011年农业总就业的下降速度加快，农业总就业下降了109.91亿小时，年均下降速度达到8.22%。其中，2008～2009年，农业总就业下降速度先加快后变缓，表现为曲线的斜率由陡变平，这可能是在全球金融危机影响下，农业产品生产和需求均受到冲击，就业也随之大幅度下降所致。此后，随着金融危机冲击逐渐减弱，2011年以后，农业总就业虽然继续下降，但下降速度有所放缓。

低技能就业和总就业的变化趋势基本一致，均呈现先上升后下降，并且下降速度“由缓转急，再变缓”的趋势，原因在于加入世界贸易组织引起的就业转移以及金融危机对供给和需求的冲击。从就业的绝对量来看，1995～2014年，低技能就业量均在300亿小时以上，就业量占总就业的份额超过90%，这也从侧面印证了优化我国农业内部就业结构的必要性。

不同于总就业和低技能就业，中技能就业的变化趋势呈“M”型特征，即先上升后下降再上升再下降。我国农业中技能就业量先从1995年的18.16亿小时上升至2003年的26.86亿小时，后从2008年的27.37亿小时下降至2014年的17.66亿小时，年均下降7.05%。从变化趋势来看，中技能就业量同样可能受到加入世界贸易组织和金融危机的冲击，只是金融危机冲击所致失业量要大于加入世界贸易组织冲击所致失业量。

高技能就业的变迁趋势类似于中技能就业，但呈倒“U”型特征，不同点在于高技能就业只有2004年这个拐点，而中技能就业有2004年和2008年两个拐点。到了2005年，高技能就业量只略微下降，基本维持不变，说明了金融危机对于我国农业高技能就业的影响并不是特别显著，这可能与“必要高技能就业数”（维持农业生产所必需的高技能就业数量）有关。

对比农业总就业及高中低技能就业的变化趋势发现，我国农业总就业及高中低技能就业基本呈现“先上升后下降”的趋势，农业中高技能就业尤为典型。同时，分技能就业量占总就业量的份额差别较大，基本以低技能就业为主，并呈现“技能越高，就业人数的份额越少”的特征。受到加入世界贸易组织和金融危机的冲击，不同类型技能就业的抗冲击效果也不尽相同。例如，同样受到金融危机的冲击，中技能就业受到冲击的效果较大，就业量大幅度下降，高技能就业受到的影响则相对较小。

（二）我国农业碳排放量的变迁

对于我国农业综合效益的研究，除了总就业和分技能就业分析外，环境保护也是“雙重红利”中一个重要的影响因素，尤其是农业二氧化碳的排放量问题。图2显示了1995～2014年我国农业二氧化碳排放量的变迁。可以看出，1995～2014年，我国农业二氧化碳排放量从10.46百万吨波动上升至20.66百万吨，年均增长率达到12.01%，说明考察期内我国农业二氧化碳排放量整体呈大幅上升趋势，这可能与当时我国农业产品需求大幅度增加和农业产品市场需求旺盛有关，但在农业二氧化碳排放量整个上升过程中也伴有某些年份不同程度下降的现象。比如，受2008年全球金融危机影响，世界经济整体下行，农产品的需求和供给均出现一定萎缩，我国农业二氧化碳排放量自然随之下降，从13.54百万吨下降至11.64百万吨，下降了14.00%，降幅较明显。不过，随着金融危机冲击效应的减弱，农业二氧化碳排放量又再次快速上升。

（三）我国农业出口隐含就业和碳排放的市场分布特征

本文借鉴现有研究的常用做法，将世界投入产出表中的41个国家或地区进行了分类，即USA（美国）;JPN（日本）;ACK（包括澳大利亚、加拿大和韩国）;BRIIT（包括巴西、俄罗斯、印度、印度尼西亚和中国台湾）;EURO（包括欧盟27个国家）。表3显示了1995～2014年我国农业出口隐含分技能就业和二氧化碳排放的空间分布。无论二氧化碳排放量还是就业的数量都以国内消费市场为主，均在80%以上。以总就业为例，2002年国内需求所引致的总就业数量占全部就业数量的份额为89.58%，内需所引致的碳排放量占总排放量的份额为82.22%，这可能是我国内需保持旺盛态势以及庞大的消费市场规模等实际国情所产生的结果。

放眼国际出口市场，1995～2014年，虽然我国农业就业和碳排放第一出口市场有所变化，但是总体上均以日本、美国和欧盟市场为主。例如，1995年我国第一农业就业出口市场为日本，所引致的碳排放量占总碳排放量的份额为3.53%;2002年和2008年我国第一农业就业出口市场分别为美国和欧盟，两者所引致的我国农业二氧化碳排放量占农业总碳排放量的份额分别为2.51%和4.10%。这意味着我国农业就业和碳排放最大的出口市场均为发达国家或地区，其对我国农业产品具有旺盛的需求，所引致的就业和碳排放量也最大。

从我国农业就业量的变迁趋势来看，不管是总就业还是分技能就业，我国就业量总体下降，但是并非所有出口消费市场所引致的就业量都下降，有些出口消费市场所引致的就业量反而大幅度上升。例如，2002～2008年我国农业总就业量从544.28亿小时下降至484.38亿小时，国内市场和日本市场引致的就业量分别下降了18.32%和17.31%，但是美国、欧盟和ACK等市场对我国农产品需求上升，所引致的就业量增长也大幅度上升，从2002年6.80亿小时上升至2008年的8.21亿小时，增长了20.77%，这主要是由于该市场对我国农产品需求上升，引致的就业量也上升，远远超过我国农业就业强度下降引致就业的下降。

不同于就业的市场空间分布特征，我国农业二氧化碳排放量一直在上升，绝大部分出口市场也随着上升。例如，2002～2008年，美国和日本等出口市场所引致的我国农业二氧化碳排放量分别增长了2026.27千吨和197.57千吨，增长率分别为82.30%和10.28%，类似于总就业增长情况，这主要是美国和日本农产品需求规模的上升所导致的结果。

（四）我国农业双重红利的演化

从整体来看，尽管不同技能和阶段就业碳排放强度的增长模式有显著差别，但是各类型就业碳排放强度均呈现不断上升的趋势，与产出碳排放强度下降的趋势恰好相反。这种差异性侧面说明了从就业和碳排放双重角度来研究农业的双重红利有其必要性。图3报告了我国农业就业碳排放强度的变迁。从图3来看，1992～2009年，总就业碳排放强度增长缓慢，从0.21千吨/小时增长至0.25千吨/小时，年均增长率仅为1.42%。此后，总就业碳排放强度快速增长，到了2014年，碳排放强度增长了0.39千吨/小时，年均增长率为20.63%，低技能碳排放强度的增长趋势与之类似。就业碳排放强度上升的原因有二：一方面，加入世界贸易组织后，我国产业结构发生了变化，农业劳动力逐渐转移到制造业或服务业领域，我国农业就业量逐渐下降;另一方面，劳动生产率的提高弥补了农业就业量的下降，造成了二氧化碳排放量的不断增长，并导致就业碳排放强度上升。换句话说，我国农业的就业和环境综合收益呈现下降的态势。

不同于总就业和低技能就业碳排放强度，1995～2009年，我国农业中技能就业和二氧化碳排放量均上涨，并且前者上涨速度高于后者，中技能就业碳排放强度波动中略有下降，农业综合效益出现了短暂的回升。2009年以后，我国农业中技能就业碳排放强度快速上升。

样本期间，高技能就业碳排放强度呈现阶梯式增长趋势。2004年以前，我国农业高技能就业碳排放强度基本保持不变;2004～2005年，高技能就业碳排放强度进入快速增长的通道，从234.75千吨/小时增长至861.64千吨/小时;2006～2009年，高技能就业碳排放强度基本持平;2009年以后，高技能就业碳排放强度再次进入快速上升的通道，从973.94千吨/小时上升至2419.52千吨/小时，增长了148.42%。

（五）我国农业双重红利的SDA分解

基于WIOD数据库，本文对总就业及异质性就业碳排放强度进行了SDA分解，主要包括碳排放系数效应、单位能耗效应、增加值率效应和劳动生产率效应。为了更清楚地测算各因素的贡献，参考彭水军等（2015）的做法，并结合我国农业就业和二氧化碳排放量的变迁特征，本文将研究期间划分为1995～2002年、2002～2009年、2009～2014年和2002～2014年等阶段。由于总就业和分技能就业碳排放强度之间的数量级差别较大，例如，2002年总就业碳排放强度为0.18千吨/小时，而高技能就业碳排放强度高达180.54千吨/小时，为了突出异质性就业的可比性，本文采用就业碳排放强度的相对变化进行比较分析。

表4显示了我国农业异质性就业碳排放强度的SDA分解变动率的结果。从表4来看，促进我国农业整体双重红利上升的最重要因素是农业碳排放系数效应的下降。1995～2014年，农业碳排放系数下降，迫使我国农业总就业碳排放强度下降了395.25%，这意味着致力于降低单位能耗的碳排放量对提升我国农业双重红利有积极的贡献，中技能就业的红利效果也有类似的结论。不过，分阶段来看，碳排放系数效应“先上升后下降”，说明了降低单位能耗的碳排放强度呈倒“U”型特征。不同于总就业和中技能就业，抑制低技能和高技能就业碳排放强度上升的最重要因素是农业单位能耗效应的下降。考察期内，农业单位能耗的下降促使我国农业低技能和高技能就业碳排放强度分别下降了75.66%和104.19%，这意味着通过降低单位增加值的能源消耗比降低单位能耗的碳排放量对低技能和高技能就业碳排放强度的抑制效果更为明显。

此外，提升我国农业总就业和分技能就业碳排放强度的最重要因素是农业增加值率效应的上升，尤其是对高技能就业碳排放强度的提升最为显著。例如，2002～2009年增加值率的上升使我国农业高技能就业碳排放强度提升了524.35%。由此可见，尽管增加值率的上升可以促进我国农业产出的提高，但是我国农业的生产模式主要还是依赖于低成本的高能耗投入，而非依赖于集约式的绿色技术进步，其表现为我国农业增加值率得到上升的同时，二氧化碳排放量也随之上升，但是环境污染速度快于经济增长速度。不过，分阶段来看，增加值率效应对就业碳排放强度的作用也呈现倒“U”型特征，说明增加值率的上升对就业碳排放强度提升效果在下降。

在其他效应中，除1995～2002年外，总就业和分技能就业碳强度的劳动生产率效应均为正值。例如，2002～2009年，我国农业劳动生产率效应提升了总就业碳排放强度的66.17%，表明我国农业单位就业的总产出越高，单位总就业碳排放强度就越高。换句话说，劳动生产效率的提高反而促进了我国农业总就业碳排放强度的上升。这意味着在提升農业总产出的同时，还要降低产出中所隐含的二氧化碳排放量，即关注我国农业绿色总产出的提升。

四、研究结论与政策建议

本文将农业、就业和碳排放纳入统一研究框架，重构“就业碳排放强度”指标体系，并利用WIOD数据库和前瞻网数据，评估了1995～2014年我国农业的就业和碳排放双重效应，并进一步分析了其演化轨迹和驱动因素，得到如下研究结论：第一，1995～2014年我国农业主要呈现低技能就业特征，而中高技能就业占比不到20%。由于“刘易斯拐点”的存在，就业从农业向非农业转移，我国农业总就业整体呈现不断下滑的趋势，尤其是受金融危机的冲击之后，农业就业降幅增大。第二，考察期内，我国农业二氧化碳排放量不断增长，且具有“国内污染、国外消费”这一典型事实特征，在出口美国、日本和欧盟等发达国家或地区时尤为明显。第三，尽管就业在持续下降，但考察期内我国农业总就业和分技能就业碳排放强度处于上升态势，就业和二氧化碳排放的社会和生态效应在不断下降。第四，农业就业碳排放的SDA分析结果表明，农业碳排放系数和单位能耗的下降是促进我国农业双重红利增加的重要因素。第五，农业增加值率和劳动生产率的提升在一定程度上抑制了我国农业双重红利的增加。

根據研究结论，提出如下政策建议：第一，优化农业就业的内部结构，建设中高端农业技能队伍。在注重生态效益前提下，开拓农村就业新渠道，优化农业就业的内部结构;加大政府对农业中高技能人才培育投资，提升农业中高技能劳动力的整体规模和素质，稳步推进农业现代化和机械化，促进我国新型农业高质量发展。第二，转变农业发展方式，兼顾农业经济、社会和生态效应。以绿色发展理念为导向，切实转变农业发展方式，实现农业经济增长由“高污染、高排放”的粗放型模式向“低能耗、高增值”的集约型模式转变。同时，统筹兼顾农业经济、就业和生态效益，促进低碳农业的协调可持续发展。第三，优化国内低碳农业技术创新政策环境，完善国外先进农业低碳技术引进消化渠道。探索农业生产“节能减排”责任制，鼓励自主创新，健全农业低碳技术和制度创新的优惠政策体系，提高我国低碳农业生产技术和制度创新水平，推动我国低碳农业快速发展;搭建低碳农业技术引进、国际合作平台，加强我国与世界低碳农业技术的交流与合作，提升我国农业节能减排技术水平和农业能源利用效率。第四，改善农业能源消费结构，提升农业附加值质量。调整农业能源消耗结构，降低煤炭在能源消费结构中的比例，提高农业领域利用风能、太阳能等可再生清洁能源的比重，推动我国农业走向节能减排的集约型发展道路;以绿色和优质为要领，从单纯依靠劳动生产率和农业附加值率（数量层面）转向注重农业绿色生产率和农业增加值质量，促进我国传统农业向绿色低碳农业有序转变，推动我国农业迈向世界中高端行列。

参考文献

[1]陈红敏.中国隐含能出口的就业效应分析[J].世界经济研究，2011（5）：46-50.

[2]陈庆能，沈满洪，李崇岩.中国行业碳排放变动的影响因素研究——基于D&L简化模型[J].生态经济，2017（7）：14-18.

[3]卫瑞，张文城.中国外需隐含国内就业及其影响因素分析[J].统计研究，2015（6）：42-49.

[4]张文城，盛斌.中国出口的环境成本：基于增加值出口污染强度的分析[J].数量经济技术经济研究，2017（8）：105-119.

[5]武亚军，宣晓伟.环境税经济理论及对中国的应用分析[M].北京：经济科学出版社，2002：35-38.

[6]朱晶，张姝，曹历娟.入世前后中国农业贸易引致的就业“创造与替代”[J].中国人口·资源与环境，2012（6）：82-88.

[7]晏小敏.新型农业的就业效应分析：基于地理标志视角[J].商业经济与管理，2014（11）：79-84.

[8]黄维海.中外农业就业统计若干问题研究[J].统计与决策，2018（11）：5-11.

[9]陈奕山.农时视角下乡村劳动力的劳动时间配置：农业生产和非农就业的关系分析[J].中国人口科学，2019（2）：75-86.

[10]韦沁，曲建升，白静，等.我国农业碳排放的影响因素和南北区域差异分析[J].生态与农村环境学报，2018（4）：318-325.

[11]陈儒，姜志德.中国省域低碳农业横向空间生态补偿研究[J].中国人口·资源与环境，2018（4）：87-97.

[12]陈银娥，陈薇.农业机械化、产业升级与农业碳排放关系研究——基于动态面板数据模型的经验分析[J].农业技术经济，2018（5）：122-133.

（责任编辑：许志敏）