中国大规模生猪养殖技术效率研究

冷碧滨，吉雪强，曾 颢，涂国平

(1.江西科技师范大学 经济管理学院，江西 南昌 330038；2.南京大学 商学院，江苏 南京 210093；3.南昌大学 管理学院，江西 南昌 330031)

中国大规模生猪养殖技术效率研究

冷碧滨1，吉雪强1，曾 颢2，涂国平3，*

(1.江西科技师范大学 经济管理学院，江西 南昌 330038；2.南京大学 商学院，江苏 南京 210093；3.南昌大学 管理学院，江西 南昌 330031)

摘 要：利用面板数据，采用非参数前沿法中的数据包络分析法(data envelopment analysis，DEA)对我国2008—2015年各地区大规模生猪养殖综合技术效率进行测度及分解，分析各分解效率对大规模生猪养殖综合技术效率的影响。结果表明，我国西部地区大规模生猪养殖技术效率高，东部地区与中部地区存在较大改进空间；纯技术效率对综合效率的影响及制约能力略强于规模效率。利用参数前沿法中的随机前沿方法(stochastic frontier approach，SFA)测度所得大规模生猪养殖综合技术效率与DEA方法测度技术效率进行对比，得出2种方法的共同点。基于研究结论对我国大规模生猪养殖提出改进建议：西部地区应当发挥规模养殖优势，引入清洁养殖技术；东部地区应当推动生猪养殖向自动化、信息化方向发展；中部地区应当发挥位置优势，建立中东部技术交流平台及中西部快速物流通道。

关键词：生猪；大规模养殖；技术效率

自2004年起，中共中央已连续出台14个“一号文件”指导“三农”工作，农村、农业和农民问题是我国党和政府当前乃至今后很长时间内的重要工作。生猪养殖业既是我国农业的重要产业，也是农民致富的重要领域。国家统计局数据显示，猪肉生产在我国畜牧业中处于主体地位，2016年全国全年猪牛羊禽肉产量8 364万t，其中猪肉产量5 299万t，占比高达63.35%。生猪养殖业的发展取决于其生产能力的增长，而生产能力的增长则依赖于生产要素的不断投入和生产效率的不断提高。随着我国农业生产逐渐摆脱以增加投入要素带动增长的粗放型经营模式，生猪养殖业也将逐渐步入以提高生产效率带动增长的大规模养殖阶段。由于我国大规模生猪养殖存在技术消化能力弱、养殖成本增长迅速等诸多问题，如何解决生猪大规模养殖所面临的问题，推动其进一步发展，是当前生猪养殖业面临的迫切任务。

研究生猪养殖技术效率，有利于反映技术力量在我国生猪养殖发挥的程度，折射出技术更新应用对推动生猪养殖发展的有效程度，从而对我国大规模生猪养殖生产能力进行合理分析。对技术效率的研究主要有2种方法：一是数据包络分析方法(data envelopment analysis，DEA)[1]，另一种是随机前沿分析方法(stochastic frontier approach，SFA)[2]。从过去的研究看，大部分学者选择无须构建生产函数便可对参数进行估计的DEA方法作为生猪养殖技术效率测度的主要手段，林杰等[3]采用DEA-bad output模型测度了18个省份2007—2011年不同规模生猪养殖在水资源约束下的环境技术效率，翁贞林等[4]利用DEA模型Malmquist指数法分析了4种生猪养殖模式全年平均全要素生产率情况，张晓恒等[5]分析了我国各地区不同规模生猪养殖个体的技术效率与环境效率状况，王德鑫等[6]基于DEA-Malmquist生产率指数法测度了中国规模化生猪养殖效率的变动情况，杜红梅等[7]构建SE-DEA模型，对中国17个生猪主产区2004—2014年规模养殖的环境效率进行测算。

以上研究对于我国生猪养殖业的发展起到了一定的推动作用，但是DEA方法将所有对生产边界或成本边界的偏离都归因于低效率，这与生猪养殖实际情况有一定的偏差。为了解我国大规模生猪养殖技术效率的真实情况，本文在使用DEA方法进行技术效率测度的基础上，引入参数SFA方法，将DEA与SFA测度出来的大规模生猪养殖技术效率值进行对比研究，并基于2种方法测度所得的共同结论为我国生猪养殖业持续发展提供有效建议。

1 模型构建

1.1 DEA模型构建

DEA法[8]是研究具有多个输入、多个输出的决策单元相对有效性的常用方法。根据DEA模型与中国生猪大规模养殖实际情况，构建中国生猪大规模养殖DEA效率测度模型。以各省大规模生猪养殖为一个决策单元，则各省的大规模生猪养殖技术效率为

(1)

式(1)中：hj为第j省的大规模生猪养殖技术效率；xij表示第j省的第i项投入；vi为第j省的生猪主产品产出；j0表示第i项投入的权重系数；u表示生猪主产品产出的权重系数。j0省大规模生猪养殖技术效率评价模型为

(2)

为了方便计算，将其转化为线性规划模型。令

则大规模生猪养殖技术效率评价模型转化为

maxhj0=uyj0；

(3)

该模型的含义是，以权系数vi、u为变量，以我国各省大规模生猪养殖技术效率hj为约束，以第j0省的效率指数为目标。即评价第j0省的养殖效率是否有效，是相对于其他各省而言的。

1.2 SFA模型构建

根据SFA原理，其基本模型可表示为y=f(x，β)·exp(v+u)，其中y代表产出，x代表矢量投入，β则是待定的矢量参数。在对我国大规模生猪养殖技术效率进行充分考虑的基础上，本文拟利用SFA模型[9]对我国大规模生猪养殖技术效率展开研究。同时，运用对数型柯布-道格拉斯生产函数及我国大规模生猪养殖相关数据，对我国大规模生猪养殖技术效率水平进行测定。计算公式如下：

lnyit=β0+β1·lnLit+β2·lnKit+β3·lnSit+vit-uit。

(4)

式(4)中：yit为第i省第t年大规模生猪养殖的主产品产量；Lit为第i省第t年大规模生猪养殖用工数量；Kit为第i省第t年大规模生猪养殖人工成本；Sit为第i省第t年大规模生猪养殖物质与服务费用；β1、β2、β3估计参数；uit与νit表示影响第i省第t年大规模生猪养殖的随机因素和管理效率。

2 大规模生猪养殖技术效率研究

2.1 指标选取

根据《全国农产品成本收益资料汇编》数据以及我国大规模生猪饲养的主要量化指标，本研究确定用工数量(d·头-1)、人工成本(元·头-1)、物质与服务费用(元·头-1)3个指标作为中国大规模养殖技术效率评价的投入指标，确定每头生猪的主产品产量(kg·头-1)为产出指标。其中用工天数是指饲养每头猪所耗费的工时，人工成本是指饲养每头猪所消耗的人力成本，物质与服务费用是指饲养每头猪所耗用的仔畜费、饲料费、燃料动力费、水费等17项费用的综合。每头生猪的主产品产量是衡量生猪养殖能力的重要指标，代表着一个养殖单位的最终养殖成果。

2.2 综合技术效率测度

利用DEAP 2.1软件，首先建立数据表，将来自《2009—2016年全国农产品成本收益资料汇编》的2008—2015年我国各省大规模生猪养殖的数据(考虑到数据可得性，共选取我国29个省市大规模生猪养殖相关数据)输入，以我国各省大规模生猪养殖的每头生猪的主产品产量为产出指标，以我国各省大规模生猪养殖每头生猪的用工数量、人工成本、物质与服务费用作为投入指标，运算结果见表1。

总体来看，我国大规模生猪养殖综合技术效率均值西部地区最高，东部地区次之，中部地区最低。处于生产技术前沿面的省份西部地区有2个，分别是青海、新疆，两地虽然处于我国西部地区，经济发展水平较东中部较为落后，养殖技术落后，但是其养殖耗用的劳动力成本和生猪养殖投入物料价格较低，投入成本低。东部地区有2个，分别是河北、上海，这2个地区生猪养殖技术先进，一定程度上能够发挥技术优势，提高生产效率，从而抵消劳动成本及物料价格带来的技术效率损耗。我国共有25个省份的大规模生猪养殖技术效率小于1，表示这些省份的生猪大规模养殖处于生产的相对无效率状态，存在一定的改进空间。

2.3 综合技术效率分解

通过对大规模生猪养殖综合技术效率的分解，可以得到大规模生猪养殖的纯技术效率与规模效率，2008—2015年我国各省大规模生猪养殖纯技术效率均值及规模效率均值如表2所示。

表1各省大规模生猪养殖综合技术效率DEA处理结果

Table1DEA treatment results of comprehensive technical efficiency of large-scale pig farming

地区Area省、直辖市Provinces or municipalities综合技术效率Comprehensive technical efficiency排序Rank东部地区北京 Beijing0.85822Eastern China天津 Tianjing0.89714河北 Hebei1.0001上海 Shanghai1.0001江苏 Jiangsu0.84825浙江 Zhejiang0.87518福建 Fujian0.9857山东 Shandong0.96310广东 Guangdong0.77229海南 Hainan0.87020均值Mean0.912—中部地区山西 Shanxi0.94112 Central China内蒙古Inner Mongolia0.78527辽宁 Liaoning0.90513吉林 Jilin0.87219黑龙江 Heilongjiang0.96111安徽 Anhui0.86721江西 Jiangxi0.89116河南 Henan0.82426湖北 Hubei0.87717湖南 Hunan0.89215广西 Guangxi0.77328均值Mean0.872—西部地区重庆 Chongqing0.85424 Western China四川 Sichuan0.9955贵州 Guizhou0.9866云南 Yunnan0.9709陕西 Shaanxi0.9788甘肃 Gansu0.85723青海 Qinghai1.0001新疆 Xinjiang1.0001均值Mean0.955—

从表2可以看出，纯技术效率西部地区最高，新疆、青海、四川、贵州、云南等地区达到了生产技术前沿面，其中四川与云贵地区是我国生猪养殖的重点区域，养殖技术先进、经验丰富，而青海与新疆其生猪养殖数量较少，但整体上为农场养殖，规模较大，技术较先进。东部地区的纯技术效率次之，河北、上海、福建等地区纯技术效率达到了生产技术前沿面，主要是因为这些地区经济发达，生产技术先进。中部地区的纯技术效率值最低，这是因为中部地区无论在养殖技术或是养殖经验与东部地区相比都处于弱势，而养殖规模与西部地区相比也处于弱势，难以通过规模生产提高养殖技术。规模效率方面，西部地区最高，这与西部地区开展的农场式养殖有关，其次是中部地区，最次是东部地区。东部地区人稠地少，土地成本高昂，降低了其养殖规模效率。

为了解大规模生猪养殖纯技术效率及规模效率对于综合技术效率的贡献，制作大规模生猪养殖分解效率与综合技术效率关系散点图(图1)。代表各省大规模生猪养殖技术效率的散点没有实现沿对角线匹配，表示各省大规模生猪养殖综合技术效率受到两种分解效率的共同作用。由于只有少数省份大规模生猪养殖技术效率均值达到了有效状态，而规模效率远大于纯技术效率，所以有更多的由规模效率和综合效率确定的散点位于散点图的偏上部和顶部，使得散点偏离对角线的程度较纯技术效率偏离的更多，说明在大规模生猪养殖综合技术效率的分解中，纯技术效率对综合效率的影响及制约能力略强于规模效率。

表2各省大规模生猪养殖纯技术效率及规模效率

Table2Pure technical efficiency and scale efficiency of large-scale pig farming

地区Area省、直辖市Provinces or municipalities纯技术效率Pure technical efficiency规模效率Scale efficiency东部地区北京 Beijing0.8600.997Eastern China天津 Tianjing0.9280.967河北 Hebei1.0001.000上海 Shanghai1.0001.000江苏 Jiangsu0.8490.998浙江 Zhejiang0.8990.974福建 Fujian1.0000.985山东 Shandong0.9900.974广东 Guangdong0.7770.993海南 Hainan0.9790.889均值Mean0.9360.976中部地区山西 Shanxi0.9430.998 Central China内蒙古Inner Mongolia0.7870.998辽宁 Liaoning0.9150.988吉林 Jilin0.8880.982黑龙江 Heilongjiang0.9630.998安徽 Anhui0.8890.976江西 Jiangxi0.9480.940河南 Henan0.8280.995湖北 Hubei0.9080.965湖南 Hunan0.9390.950广西 Guangxi0.7780.993均值Mean0.8900.980西部地区重庆 Chongqing0.8600.993 Western China四川 Sichuan1.0000.995贵州 Guizhou1.0000.986云南 Yunnan1.0000.970陕西 Shaanxi0.9890.988甘肃 Gansu0.8590.998青海 Qinghai1.0001.000新疆 Xinjiang1.0001.000均值Mean0.9640.991

图1 分解效率对综合技术效率的贡献分析Fig.1 Analysis of decomposition efficiency of comprehensive technical efficiency contribution

3 SFA技术效率测度

由于DEA方法存在一定偏差，利用随机前沿分析软件Frontier 4.1[10]进行中国大规模生猪养殖技术效率SFA方法测度。将2008—2015年各省大规模生猪养殖的数据输入，以每头生猪的主产品产量为产出指标，以用工数量、人工成本、物质与服务费用为投入指标，运算结果见表3。

将SFA测度的技术效率值与DEA测度的技术效率值进行对比，可以发现一些共同的特征：我国大部分地区技术效率值均未达到1，具有一定的改进空间。西南地区(四川、云南、贵州)的SFA测度技术效率值与DEA测度技术效率值都处于较高水平，而北京、江苏、广东等地无论是SFA测度技术效率值还是DEA测度技术效率值都有较大的改进空间。

4 讨论

表3各省大规模生猪养殖综合技术效率SFA处理结果

Table3SFA treatment results of comprehensive technical efficiency of large-scale pig farming

地区Area省、直辖市Provinces or municipalities综合技术效率Comprehensive technical efficiency排序Rank东部地区北京 Beijing0.82823Eastern China天津 Tianjing0.87116河北 Hebei0.82724上海 Shanghai0.84720江苏 Jiangsu0.81329浙江 Zhejiang0.9017福建 Fujian0.86617山东 Shandong0.87215广东 Guangdong0.82426海南 Hainan0.82525均值Mean0.850—中部地区山西 Shanxi0.86519 Central China内蒙古Inner Mongolia0.9631辽宁 Liaoning0.88711吉林 Jilin0.9385黑龙江 Heilongjiang0.83721安徽 Anhui0.9008江西 Jiangxi0.9384河南 Henan0.87214湖北 Hubei0.88712湖南 Hunan0.9116广西 Guangxi0.8959均值Mean0.900—西部地区重庆 Chongqing0.86518 Western China四川 Sichuan0.89110贵州 Guizhou0.9602云南 Yunnan0.9573陕西 Shanxi0.87713甘肃 Gansu0.82227青海 Qinghai0.81328新疆 Xinjiang0.83422均值Mean0.877—

使用DEA方法对我国大规模生猪养殖技术效率进行测度，对DEA综合技术效率值进行了分解探讨，另用SFA方法对大规模生猪养殖技术效率进行测度，并与DEA测度出的技术效率值进行对比分析，找出2种方法技术效率测度的共同点。研究发现，我国大部分地区大规模生猪养殖技术效率存在改进空间，西部地区的大规模生猪养殖技术效率较高，东部地区与中部地区存在较大改进空间。这主要是因为：西部地区经济发展水平较低，劳动成本与养殖投入物料成本低，尤其是西南地区生猪养殖技术先进，经验丰富；东部地区虽然具有技术优势，但物料成本及劳动成本较为高昂，尤其是北京等经济发达地区，由于土地成本等因素，难以发挥规模养殖效益；中部地区在技术及成本方面都处于较弱势地位。纯技术效率对大规模生猪养殖综合技术效率的影响和制约要强于规模效率。

基于此，特提出以下建议。(1)西部地区应发挥规模养殖优势，进一步推动规模化、标准化养殖，同时加快先进养殖技术的引入，尤其是要引进清洁养殖技术，既降低技术效率对于低廉劳动力及低物料价格的依赖，同时也避免生猪大规模养殖带来的污染对西部环境的破坏。(2)东部地区养殖技术较为先进，应发挥技术优势提高生产效率，降低因养殖成本高昂而带来的效率损失。建议未来东部地区应当继续发挥技术优势，推动生猪养殖自动化、信息化技术发展，以降低不断提高的劳动成本及物价水平带来的影响。(3)中部地区在技术上和养殖成本都不具有优势，因此，既须降低养殖成本，又须提高养殖技术。建议充分发挥中部地区的位置优势，着力构建东中部养殖技术交流转化平台及中西部养殖物料快速物流通道。

：

[1] BANKER R D，CHARNES A，COOPER W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].ManagementScience，1984，30(9):1078-1092.

[2] BEHR A.Stochastic frontier analysis[J].CambridgeBooks，2003，24(4):129-131.

[3] 林杰，赵连阁，王学渊.水资源约束视角下生猪养殖环境技术效率分析：基于中国18个生猪养殖优势省份的研究[J].农村经济，2014(8):47-51.

LING J，ZHAO L G，WANG X Y.Environmental technical efficiency of pig breeding from the perspective of water resources constraint:analysis-based on the study of 18 predominance provinces of pig breeding in China[J].RuralEconomy，2014(8):47-51.(in Chinese)

[4] 翁贞林，罗千峰，郑瑞强.我国生猪不同规模养殖成本效益及全要素生产率分析：基于2004—2013年数据[J].农林经济管理学报，2015，14(5):490-499.

WENG Z L，LUO Q F，ZHENG R Q.Costs and benefits and total factor productivity of different pig breeding scales in China:an analysis based on data from 2004 to 2013[J].JournalofAgro-ForestryEconomicsandManagement，2015，14(5):490-499.(in Chinese with English abstract)

[5] 张晓恒，周应恒，张蓬.中国生猪养殖的环境效率估算：以粪便中氮盈余为例[J].农业技术经济，2015(5):92-102.

ZHANG X H，ZHOU Y H，ZHANG P.Estimation of environmental efficiency in Chinese pig breeding:a case study of nitrogen surplus in feces[J].Agriculturaltechnicaleconomy，2015(5):92-102.(in Chinese)

[6] 王德鑫，黄珂，郑炎成，等.中国规模生猪养殖效率测度及其区域差异性研究：基于DEA-Malmquist指数方法[J].浙江农业学报，2016，28(7):1262-1269.

WANG D X，HUANG K，ZHENG Y C，et al.Empirical analysis of breeding efficiency and regional diversities of scale pig in China:based on DEA-Malmquist index[J].ActaAgriculturaeZhejiangensis，2016，28(7) :1262-1269.(in Chinese with English abstract)

[7] 杜红梅，李孟蕊，王明春，等.基于SE-DEA模型的中国生猪规模养殖环境效率时空差异研究[J].中国畜牧杂志，2017，53(1):131-137.

DU H M，LI M R，WANG M C，et al.Study on temporal and spatial difference of environmental efficiency of scale cultivation of hogs in China based on SE-DEA model[J].ChineseJournalofAnimalScience，2017,53(1) :131-137.(in Chinese with English abstract)

[8] CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J].EuropeanJournalofOperationalResearch，1978，2(6):429-444.

[9] KUNBBAKAR S，LOVELL C.Stochastic froniter analysis[M].New York:Cambridge University Press，2000.

[10] BATTESE G E，COELLI T J.Frontier production functions，technical efficiency and panel data:With application to paddy farmers in India[J].JournalofProductivityAnalysis，1992，3(1/2):153-169.

Studyontechnicalefficiencyoflarge-scalepigbreedinginChina

LENG Bibin1，JI Xueqiang1，ZENG Hao2，TU Guoping3，*

(1.CollegeofEconomicsandBusinessAdministration，JiangxiScience&TechnologyNormalUniversity，Nanchang330038，China;2.BusinessSchool，NanjingUniversity，Nanjing210093，China;3.SchoolofManagement，NanchangUniversity，Nanchang330031，China)

Abstract:In the present study，the panel data and data development analysis(DEA) and non-parametric frontier model were applied to measure large-scale pig farming comprehensive technical efficiency in all regions of China within 2008-2015.The comprehensive technical efficiency was decomposed and decomposition efficiency was analyzed.The results showed that comprehensive technology efficiency in western China was the highest，and comprehensive technology efficiency in eastern and central China should be improved.The influence of pure technical efficiency was higher than that of scale efficiency.Comprehensive technical efficiency of large-scale pig farming revealed by using stochastic frontier approach(SFA) model was compared with technical efficiency revealed by DEA，and the common points of the two methods were obtained.Based on the study conclusions，according suggestions for improvement of large-scale pig breeding in China were put forward.The advantages of large-scale breeding should be full played and clean breeding technology should be introduced in western China,the development of pig breeding should be promoted in the direction of automation and information in eastern China,the position advantage should be played in the central China，and technology exchange platform should be established in the central and eastern regions，and the fast logistics channel should be built in the central and western regions.

Key words:pig;large-scale breeding;technical efficiency

中图分类号：S-9；F307.3

A

文章编号：1004-1524(2018)06-1082-07

收稿日期：2017-10-05

基金项目：国家自然科学基金(71501085)；江西省社会科学“十三五”(2016)规划项目(16YJ09)；江西省教育厅科学技术研究(GJJ160769)

作者简介：冷碧滨(1984—)，男，江西九江人，博士，副教授，主要研究方向为生态农业系统工程。E-mail:lengbibing@163.com

，涂国平，E-mail:tgping@ncu.edu.cn

10.3969/j.issn.1004-1524.2018.06.27

(责任编辑万 晶)