环境约束、粮食绿色生产效率及其协调性研究
——基于非期望产出模型

田红宇， 刘 魏

(三峡大学 经济与管理学院， 湖北 宜昌 443002)

一、引言

中国作为人口世界第一的大国，要用占世界7%的耕地养活占世界22%的人口，粮食的重要性毋庸置疑。改革开放以来，我国粮食生产成就举世瞩目，20世纪90年代中后期粮食供给实现了由长期短缺到总量基本平衡、丰年有余的历史性转变①，用实际行动强有力地回击了“谁来养活中国”的质疑。2004年以来，中央“一号文件”连续锁定“三农”，不断把我国粮食生产推向新高度，2004-2015年粮食产量由46946.95万吨增长至62143.92万吨，年均增速2.7%，实现了粮食“十二连增”。同时粮食生产方式、粮食结构不断优化，为推进农业供给侧结构性改革打下了坚实的基础。

资源环境双重约束日渐趋紧已是不争的事实，在粮食取得巨大成就的同时，农业环境问题开始凸显。以高产良种、土地资源过度使用为主并配以灌溉、化学品(化肥、农药、农膜)技术的粮食增产模式付出了较大的环境代价[1]。化学品过度使用、地膜弃之不整、秸秆大面积焚烧等污染环境现象普遍[2]。第一次全国污染源普查显示，2007年以粮食为主的种植业产生的总氮(TN)、总磷(TP)、地膜残留分别为159.78万吨、10.87万吨和12.1万吨，其中TN、TP分别占全国总排放量的33.79%、25.67%②，地膜残留率高达19.7%。同世界其他国家相比，2013年中国农用化肥消耗量7153.7万吨，分别是同期美国、日本、德国的3.84倍、55.6倍和34.4倍；化肥使用强度高达32.3千克/亩，分别是美国、日本、德国的4.12倍、1.38倍和4.29倍[3]，是国际公认的化肥施用安全上限的1.92倍。在农业供给侧结构性改革的“窗口期”，科学合理的评价在环境约束下粮食的生产效率，对于转变农业发展方式、实现粮食绿色可持续发展无疑具有重要现实意义。

二、文献综述

随着经济增长理论的出现和完善，学术界就不曾停止过对增长绩效和产出效率的研究，农业和粮食无疑是其中备受瞩目的领域，已有文献主要围绕着农业全要素生产率(TFP)测算、收敛性验证、影响因素展开，研究方法主要是随机前沿分析法(SFA)和数据包络分析法(DEA)。SFA方面，Reinhard et al[4]较早对荷兰奶牛养殖的环境全要素生产率进行测度。Sicelo and Micah[5]基于柯布-道格拉斯生产函数对斯威士兰的玉米种植效率进行研究，发现生产技术效率低于0.8，他认为生产方式落后、良种选择少、投入要素水平低和国家农业政策供给不足是主要原因。亢霞、刘秀梅[6]测度了1992-2002年我国各省玉米、小麦等7种粮食作物技术效率，发现扩大土地经营规模对提升粮食技术效率具有积极作用，但肥料、种子等要素的增产潜力不大。张海鑫和杨钢桥[7]、彭代彦和文乐[8]、江东坡等[9]分别从土地细碎化、劳动力老龄化和女性化、财政补贴等角度分析影响我国粮食TFP的原因。DEA方面，Bradley Watkins et al[10]基于阿肯色大学水稻研究试验数据，对水稻种植的技术效率和规模效率进行研究，发现良种选择和灌溉技术改进能显著改进水稻种植效率；Tth and Takcs[11]基于微观视角对匈牙利农业技术效率进行了测度，发现农业技术效率偏低，且不同规模农场、不同类型农场偏差较大。闵锐、李谷成[12-14]对我国粮食生产技术效率、环境技术效率及TFP进行了系列研究。杜江等[3]基于GML指数对我国农业环境TFP进行测度和分解，并用Tobit模型对其影响因素进行检验，发现农业环境TFP及其分解指标与农业增长间存在“倒U型”关系。

随着农业污染问题的凸显，越来越多的学者开始把环境因素纳入到考察农业增长绩效中[15-16]。田旭、王善高[17]基于超越对数SFA方法把氮、磷、碳排放量作为“非合意产出”测度粮食生产环境效率，发现效率值为0.489，远低于不考虑环境代价的效率值。赵丽平、王雅鹏等[18]基于方向距离函数(DDF)把总氮(TN)和总磷(TP)排放量作为非期望产出测度粮食环境效率，发现全国和各粮食产区环境效率日趋恶化，且区域差异明显。闵锐、李谷成[14]把化学需氧量(COD)和总氮(TN)、总磷(TP)排放纳入到考察湖北省粮食绿色生产效率框架内，发现粮食TFP的技术进步“单一”驱动特征明显。

对于如何在日益趋紧的环境约束下客观评价农业增长和粮食生产效率，理论界做了大量有益探索。通过文献梳理，现有文献还存在以下可以改进的地方：(1)专门针对粮食生产环境效率的文献相对较少，多数文献把测度标的锁定在大农业上；(2)选取粮食生产环境代价的污染物较为单一，多数研究仅把总磷(TP)和总氮(TN)排放量纳入到分析中，忽视了农药、农膜等导致的环境效率损失；(3)研究方法多基于径向(Radial)角度，要求投入产出同比例变化的前提假定与粮食生产不符；(4)变量同一性和有效性不足，变量不合理会直接导致效率测算结果偏误，多数文献以农业投入要素替代粮食生产投入；由于数据可得性，如何从投入要素以及污染排放量准确核算粮食生产的环境代价没有形成一致认识。鉴于此，本文选择粮食为研究对象，并把基于《全国第一次污染源普查(农业污染源系数分册)》核算化肥、农药、农用薄膜等要素产生的农业污染纳入到模型中，采用非径向角度(SBM模型)且基于全局域(Global)的GML指数来测度我国粮食生产环境TFP，并结合环境友好指数进一步揭示粮食生产与环境之间的协调性。

三、研究方法

传统的DEA分析忽视了生产系统中的非期望产出，而且基于径向手段的效率测度是以投入产出同比例变化为严格前提假定。Chung(1997)把方向性距离函数(DDF)和M(Malmquist)指数结合起来，提出了可以解决非期望产出的Malmquist Luenberger(ML)指数，为测度包含非期望产出的效率提供了可能。Oh(2010)把Pastor提出的基于前沿面参照基准的全局(Global)测算技术引入到ML指数中，形成了GML指数③，有效解决了生产系统“伪技术效率”问题。本文主要基于SBM模型用GML指数测度我国粮食生产的环境TFP，可以有效解决上述测度偏误问题。

1.基于方向性距离函数的环境技术

粮食生产不仅会产出人们期望的粮食，也会生产化肥流失、农药残留、农膜丢弃、秸秆等一系列人们非期望的“副产品”。假定各省市(决策单元DUM)使用M种投入要素x，生产N种期望产出y和I种非期望产出b，则环境技术P(x)可以表示为生产可能性集合：

P(x)={(y，b)|x能够生产(y，b)}，

(1)

可以依据Chung提出的距离函数，设定产出的方向向量为g=(gy，gb)，则产出角度的距离函数(DDF)为：

DG(x，y，b；gy，-gb)=

max{λ：(y+λgy，y-λgb)∈P(x)}

(2)

式(2)表示沿着设定的产出方向，投入要素x和环境技术结构P(x)所能生产的期望产出和非期望产出在强可处置条件④下增加和减少的最大倍数λ。这时就可以依据线性规划对基于环境技术的方向性函数进行求解：

(3)

式(3)中k代表决策单元，t为时期。当λ=0时，表示在时期t第k个决策单元(DUM)为“最佳实践者”，粮食生产在最佳前沿面上；否则，它就在最佳前沿面的内部，是技术无效的，且值越大表明离P(x)前沿边界越远。

2.环境全要素生产率测算及分解

包含非期望产出的全要素生产率GML指数定义如下：

(4)

式(4)中DG(x，y，b)是根据全局(Global)技术参照集PG给出的，所以当期望产出(y)增加、非期望产出(b)减少，那么会有GMLt，t+1>1，表明效率有所提升；当期望产出减少、非期望产出增加，那么GMLt，t+1<1，则表示效率有所损失。类似于M、ML指数，GML指数也可以进行分解：

GMLt，t+1(xt，yt，bt，xt+1，yt+1，bt+1)=

(5)

式(5)中EC表示技术效率；BPG表示与全局技术参照下离“最佳实践者”的距离(best practice gap)，TC衡量相邻两期BPG的变化，也即技术变化。TC或EC>1，表明技术改进或技术效率改善，TC或EC<1表明技术退步或技术效率损失。

四、变量设定和数据说明

1.变量设定

期望产出和投入要素。本文用各省市粮食总产量来表示期望产出。参照文献通常做法，本文选定土地、劳动力、资本性要素(化肥、农药、农膜、机械)、水资源等作为粮食生产的投入要素：(1)土地投入，用各省市粮食播种面积表示，一方面该指标与粮食生产直接对应，另一方面选择该指标也可以反映因气候不同而导致复种指数差别，能更精确揭示真实土地资源投入。(2)劳动力投入，用农林牧渔从业人口数表示。(3)化肥投入，用农用化肥使用折纯量表示。(4)农药投入，用农药使用量表示。(5)农膜投入，用农用塑料薄膜使用量表示。(6)机械投入，用农业机械总动力表示。(7)水资源投入，用有效灌溉面积表示。需要说明的是，由于无法得到具体到粮食生产投入要素数据，为保证粮食生产产出和投入一致性，参照李谷成[13]、杜江[19]等人做法，通过构建权重指标对农业投入要素进行分离，把粮食生产投入从农业要素中分离出来。

权重指标A=(农业总产值/农林牧渔产业总产值)×(粮食播种面积/农作物总播种面积)，

权重指标B=(粮食播种面积/农作物总播种面积)。

具体做法是用权重指标A乘以劳动力投入指标，把粮食生产劳动力从大农业劳动力中分离出来，(3)-(7)投入要素乘以权重指标B，把这些要素投入从农业生产中分离出来。

非期望产出。与已有研究多数仅选择化肥投入产生的总氮(TN)、总磷(TP)和化学需氧量(COD)为主不同，本文主要依据2007年国务院全国第一次污染普查(农业污染源)所确定的污染物清单，选定以下四种农业污染作为非期望产出：(1)化肥投入产生和流失的总氮(TN)、总磷(TP)⑤；(2)农药残留和流失量；(3)农用薄膜残留量。根据《全国第一次污染源普查》(化肥流失、农药流失、农膜留存系数分册)数据分别对各省市平均总氮(TN)、总磷(TP)、农药、农膜流失和留存系数进行计算⑥，并根据各省市各要素使用量进行折算，最终得到各DUM非期望产出数据。

2.数据来源说明

本文使用到的数据主要来源于历年《中国统计年鉴》《中国农业年鉴》《中国农村统计年鉴》和《新中国农业六十年统计资料》等。其中，农林牧渔从业人员只统计到2012年，2013-2015年数据根据各省市统计年鉴进行补充，其他类似的缺失值也用这种方法进行补充。最终，本文构建了包括全国31个省市1997-2015年的粮食生产投入产出平衡面板数据。

五、粮食生产环境技术效率及分解

根据研究方法和投入产出指标设定，本文基于MaxDEA6.9软件进行效率测算和分解。为了揭示农业污染对粮食生产效率的影响，本文在结果中也会汇报传统方法不包括非期望产出的测算结果，用以对比两种测算方法。

1.全国粮食生产环境全要素生产率(ETFP)及分解

表1 1997-2015年中国粮食生产全要素生产率及分解

如表1所示，从传统测度方法总体均值看，1997-2015年我国粮食生产全要素生产率(TFP)、技术进步(TC)年均增长0.2%、0.82%，技术效率(EC)年均降低0.17%。考虑农业污染的环境代价后，粮食生产环境全要素生产率(ETFP)、技术进步(ETC)年均增长分别降至0.06%、0.37%，技术效率(EEC)年均降低0.3%，这与李谷成[12]、杜江[2]等人测算结果类似，但效率值要明显小于他们的结果，可能是因为本文是基于非径向(SBM模型)方法得出的⑦。相比传统测算方法，各效率值发生明显损失，ETFP、ETC、EEC分别损失0.14、0.5、0.13个百分点，这说明不考虑粮食生产所带来的农业污染的效率测算会高估我国粮食生产真实效率水平。

分阶段来看，“十五”、“十一五”、“十二五”时期我国粮食ETFP年均增长分别达到0.07%、0.12%、0.85%，增幅越来越明显，说明我国粮食生产环境效率正在逐渐好转。主要因为从2004年开始，国家逐步重视粮食生产并加大财政支持力度，仅以中央财政来看，包括粮食直补、良种补贴、农机购置补贴、农资综合补贴的中央财政支出从2004年的145.2亿元增加到2014年的1748亿元。值得注意的是“九五”时期，我国粮食ETFP年均降低1.4%，可能是受到亚洲金融和通货紧缩大环境影响，这一时期我国粮食价格连续下跌，农民种粮意愿不高，缩减粮食播种面积、减少粮食生产投入、粮食精细化耕作意愿降低等导致这一期间“三农问题”突出，粮食连续减产、生产效率持续走低。而且，在研究样本期内除个别时期传统测算方法的结果低于包含环境代价的测算结果外，考虑农业污染的ETFP及其分解指标都要低于传统效率指标，进一步说明不考虑粮食生产所带来的农业污染的效率测算会高估我国粮食生产真实效率水平。

总体来看，技术进步是推动我国粮食ETFP增长的主要源泉，技术进步“单引擎”驱动特点明显，技术效率偏低是粮食生产中存在的主要“短板”。这一结果符合我国粮食生产现实，与李谷成[13]、杜江③等人结论一致。事实上，农业科技发展历来倍受我国政府重视，在长期内建立起了从中央到地方、从农业科研院所到涉农企业等一整套相对完善的农业科技研发体系。但是，农业科技成果不能及时、有效地推广使用，农业技术推广体系、服务体系长期不能真正发挥作用，基层农技推广体系“线断、网破、人散”，农业技术“最后一公里”问题突出，技术效率普遍偏低。

2.粮食生产环境全要素生产率及分解的省域对比及区际差异

表2⑧显示的是1997-2015年在考虑农业污染后各省市粮食ETFP及其分解值的省域对比结果。各省市粮食生产ETFP及其成分差异明显。以ETFP为例，超过一半(17个)省市处于退步状态，海南、贵州、青海、四川等7省市ETFP年均退步超过1%，其中海南年均降幅最大⑨，年均降幅达2.04%，可能是因为海南经济发展水平较低、农业发展方式落后、对农业环境污染处置不力等综合原因所致；有14个省市ETFP年均实现了增长，其中山东、新疆年均增长1%以上。

从ETFP的分解指标来看，技术效率(EEC)和技术进步(ETC)分别有8个、20个省市实现了增长，说明我国粮食生产效率改进主要源于技术进步。在EEC方面，山东、新疆等省市排在增长的前列，海南、广东、福建三省年均降幅在1%以上；在ETC方面，只有陕西年均降幅在1%以上，山东、新疆、湖北等6省市年均增幅在1%以上。

表3显示的是按地理区位划分⑩和按粮食生产功能区划分的区际对比结果，粮食生产ETFP及其分解指标区际差异明显。而且，不同的区域测算结果中，传统测算结果均要高于考虑农业污染后的效率测算结果，进一步证实忽视农业污染的环境代价会高估我国的粮食生产效率水平。值得注意的是，无论是传统测算方法还是GML指数法，亦或是不同的区际划分中，粮食生产的技术效率均表现为退步状态，进一步说明我国粮食生产效率水平提升主要来源于“单引擎”的技术进步。

表3 我国粮食生产环境全要素生产率及分解的区际对比

从东中西部结果对比看，在考虑农业污染后，粮食ETFP、ETC、EEC的排序为东部地区>中部地区>西部地区。其中，EEC均处在退步状态，说明各地区粮食生产系统均不处在最佳前沿面上，而且生产系统的改进(追赶)效果均不容乐观。东部地区和中部地区的ETC、ETFP都实现了年均增长，而且东部地区最明显分别实现年均增长0.74%、0.72%，高于全国平均水平，因为东部地区经济发展水平更高、要素配置更加合理、对农业污染处理能力更强。西部地区粮食生产效率各指标均处在全国最低水平，应该是今后农业结构调整、农业发展方式转变的重点和难点地区。值得指出的是，两种测算方法对比下，技术效率东中西部排序相反，因为忽视农业污染最直接的后果是高估技术效率。

从粮食生产功能区划分比对看，只有粮食主产区的ETFP达到年均增长水平，年均增速0.13%，产销平衡区、主销区年均降低0.39%、0.56%，这对于粮食生产量占全国80%以上的主产区来说是一个值得肯定的成绩。而且，粮食主产区的EEC虽然没有达到年均增长，但也要高于其他两个功能区。粮食主产区的技术进步(ETC)年均增长0.49%，但要低于主销区的增速，产销平衡区ETC全国最低年均退步0.04%，造成这一结果的主要原因是各粮食生产功能区农业资源禀赋差异。

综合来看，导致不同区域粮食生产ETFP差异的因素和贡献来源是不同的，其背后的经济发展水平、资源禀赋差异、粮食增产模式、农业污染治理技术和强度等因素在不同的区域扮演不同的角色。这就要求在转变农业发展方式、农业供给侧结构性改革的关键阶段，要找准不同区域影响粮食生产效率水平的主要“短板”，而且政策制定要避免“一刀切”，要做到“对症下药”，只有因地制宜的改革措施才能发挥出其政策效果。

3.我国各省市粮食生产与环境协调性评价

杜江③基于Oh(2010)提出的“生态友好(Eco-Friendliness)”概念和思路构建了“农业环境友好指数”，本文参照这一做法构建基于粮食生产环境全要素生产率的“粮食生产环境友好指数”(GEFI)：包含农业污染等非期望产出的粮食ETFP与不包含非期望产出的粮食TFP的比值。粮食ETFP能够呈现考虑农业污染的环境代价后粮食增产的快慢，基于这一效率指标的GEFI指数能够进一步反映出粮食生产和环境的协调关系。当GEFI>1时，表明在既定的技术水平和投入要素水平下，追求粮食增产同时通过提高要素使用效率、加大农业治污力度等相对更加注重减少粮食生产对环境的破坏，力求实现粮食绿色生产及其可持续性，即为环境友好型的粮食生产；当GEFI<1，则表明只重点关注粮食生产而减少对农业污染等环境代价的重视，粮食生产环境代价较大、可持续性低，即为环境不友好型的粮食生产。

图1 1997-2015年各省市粮食环境友好指数对比

如图1所示，各省市粮食生产GEFI差别很大，表明各省市粮食生产和农业环境之间的协调性差异明显。本文对全国31个省市环境友好指数进行排序，其中青海的GEFI最高(1.0064)，辽宁的GEFI最低(0.9837)，GEFI最高省份和最低省份之间相差1.023倍。从全国分布看，只有上海、宁夏、重庆、贵州、西藏、广西、江西、青海8个省市的GEFI≥1，说明这8个省市粮食生产与环境的协调性相对较好，其他23个省市均处在粮食生产环境不友好状态。值得注意的是，环境友好型的8省市中，只有江西是属于粮食主产区，其他7个省市主要是农业资源禀赋相对贫乏、粮食生产份额较低的中西部欠发达省市和沿海直辖市。以2015年数据为例，8省市粮食生产总量只占全国总量的10%不到，占全国粮食产量90%以上的省市粮食GEFI<1，这就说明我国整体粮食生产与农业环境之间协调性较差，粮食生产的农业污染等环境代价较大、状况令人担忧。而且，相比全国总体GEFI来看，只有11个省市GEFI要高于全国平均水平，而且主要的粮食生产大省GEFI低于全国平均水平，进一步凸显了当前我国粮食生产与农业环境之间的尖锐矛盾。

结合上文各省市粮食生产环境全要素生产率来看，多数粮食生产环境全要素生产率(ETFP)实现年均增长的省份反而是粮食生产环境不友好的，要素高投入、高消耗、高污染等环境问题突出，大多数省市在追求粮食增产的同时并没有足够重视由此带来的农业污染等环境代价，粮食生产与环境极不协调。这一结论符合当前我国粮食生产现状，在国家对粮食安全高度重视的背景下，各省市竞相“铺摊子、扩面积、提产量”，对其带来的农业环境污染重视不够，粮食增产持续性不强、农业环境脆弱，粮食生产长期处在“粗放、低效”发展模式中。

六、结论与启示

鉴于传统效率测算方法对生产系统非期望产出处理的缺陷，现有文献对农业增长、粮食生产中环境污染源、数据处理等存在不足。本文构建了1997-2015年包含粮食生产投入、期望粮食产量和非期望农业污染产出在内的平衡面板数据，采用基于全局域的GML指数对我国粮食生产环境全要素生产率及其分解进行测度，并结合粮食生产环境友好指数对粮食生产与环境协调性进行分析。主要结论如下：

(1)不考虑环境因素的传统效率测算方法会高估我国粮食生产效率。全国层面，考虑环境因素后我国粮食ETFP、ETC、EEC在1997-2015年间相比不考虑环境因素的测算结果效率值分别损失0.14、0.5、0.13个百分点。全国分阶段对比、区际对比中的东中西部和不同粮食功能区结果均证实了这一结论。这些结果表明，在测度和评估我国粮食生产真实绩效时不能忽视由此带来的农业污染等环境代价。

(2)在全国层面，粮食ETFP、ETC均表现出增长趋势，年均增速0.06%、0.37%，而且分阶段结果显示这一趋势表现出逐渐增大的特征，但EEC退步明显。我国粮食生产效率增长的主要源泉是技术进步，“单引擎”驱动特征明显，技术效率不高是粮食生产的主要“短板”，这一现实在我国东中西部、不同粮食生产功能区均存在，为今后农业供给侧结构性改革以及提高粮食生产综合效益提供了攻坚方向。

(3)粮食ETFP及其分解省级差异和区际分化特征明显。东中部地区、粮食主产省份是推动我国粮食ETFP增长的主要力量，西部地区、粮食产销平衡区技术进步增长乏力导致其ETFP增长动力不足，技术效率在任何地区均处在退步状态，进一步凸显我国粮食生产“单引擎”驱动特征。

(4)我国粮食生产与环境之间的协调性整体堪忧。全国只有上海、宁夏等8个粮食总产量不足全国10%的省市的粮食生产是环境友好的，多数省市粮食生产与环境不协调。结合粮食生产ETFP来看，多数ETFP增长的省市环境友好指数偏低，依靠要素高投入、高消耗、高污染来实现粮食增产现象普遍，粮食生产长期呈现出“粗放、低效”特征。

从本文的实证结果得出如下启示：首先，要充分重视粮食生产中的环境问题，不能简单追求“数量”而忽视“质量”，逐步形成绿色、高效的粮食考核体系。其次，强化“藏粮于技”战略，着力提升粮食生产技术效率，关键是高度重视农业技术推广体系建设，把农业技术真正推广到农田，尤其是在粮食主产区，要通过区域协同、跨区作业、技术溢出等措施最大程度地提高农业技术的使用效率，如此才能补齐粮食生产技术效率“短板”。再次，粮食产销平衡区和主销区虽然是非粮食主产区域，但也要从减少污染性农资、提高农业技术使用效率等角度实现粮食绿色全要素生产率的提升，尤其是不适合粮食种植的区域，要鼓励农户种植其他具有比较优势的农作物。最后，在环境友好指标较低的粮食主产区，要加快高标准农田建设，同时支农政策要适当向绿色、高效粮食生产倾斜，引导粮食种植户逐步实现粮食生产与环境友好协调发展。

注 释：

① 温家宝：2003年中央农村工作会议上的讲话。网址：http://www.china.com.cn/zhuanti2005/txt/2003-02/08/content_5272567.htm。

② 根据《第一次全国污染源普查公告》计算得出，计算方法为种植业污染物排放量占全国主要污染物排放量比重。

③ 杜江发现GML指数相对于M、ML指数测算的效率明显降低，是更合理的效率和全要素生产率测算指数。粮食生产环境效率的测算首先是对环境技术的处置，详见杜江《中国农业增长的环境绩效研究》，《数量经济技术经济研究》2014年第11期第53-69页。

④ 关于环境技术函数满足的条件具体参见成刚《数据包络分析方法和MaxDEA软件》和杜江的详细解释。此处指的是期望产出和非期望产出都是强可处置的，非期望产出减少(增加)必然伴随着期望产出同方向减少(增加)。

⑤ 由于DEA分析对投入产出指标数量和DUM数量有严格限定，过多指标会影响测算结果的精准性，农业化学需氧量(COD)排放量只占整个污染排放的5%左右，所以本文没有把这一污染纳入到分析中。

⑥ 参照杜江等做法。每本手册依据地形和气候特征，将全国种植业污染源划分为6大区域，各调查点分散在不同区域中。有的同一省份的调查点分散在不同的区域。而且化肥流失分为地表径流和地下溶林两种方式，对此本文用算术平均值的方法进行折算。

⑦ 成刚发现基于径向手段测算出的效率值要明显高于非径向方法。

⑧ 限于篇幅，结果只汇报考虑环境污染后的效率结果，与传统结果对比及效率指标的年际动态变动结果备索。

⑨ 这与杜江测算的省际对比结果一致，海南在环境效率方面排在最后。

⑩ 东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南；中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区包括四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。