中国奶牛养殖技术效率及影响因素研究

胡 峰，任志敏，俞荣建，黄登峰，袭 讯

（浙江工商大学工商管理学院，浙江杭州 310000）

基于存栏数优势，当前国内牛奶产量大，但我国人均消费奶量仅达到世界平均水平的1/3。究其原因：一方面，受到人口基数的影响，人均奶量不足，以2017 年为例，国内3 655 万t 年产奶量均摊到每个人身上，人均年消费量仅有36.9 kg，低于世界平均水平（90 kg）；另一方面，养殖与生产技术水平不高，造成牛奶产量提升速率缓慢。奶业协会统计信息显示，国内泌乳奶牛单体饲料投入转化率比欧美国家低30%，而疫病发生率高出7%。“十三五”规划提出《全国奶业发展规划（2016-2020）》，指明奶牛养殖一体化、标准化、集约化发展是技术效率提升的关键路径。有关奶牛养殖技术效率的研究多从企业或农户个体以及局部地区2 个视角展开讨论。个体奶牛养殖技术效率角度下，Alvare 等[1]对西班牙196 个奶牛场的养殖技术效率进行研究，认为奶牛养殖技术效率与农场规模之间可能受到农户异质性的影响，并且实证部分表明，技术效率对产出利润最大化具有促进作用。以该成果为基础，部分学者从国内奶牛养殖经营模式与规模等方面对技术效率的影响因素展开讨论，发现同存栏数条件下，散养农户的牛奶产量明显低于集约化企业的产奶量[2]；国内个体养殖技术水平不高会通过影响奶牛健康状况间接降低牛奶整体产量[3]。局部地区视角下，Latruffe 等[4]讨论了欧盟农业补贴政策与奶牛养殖技术效率间的关系，分析表明，补贴对于效率的影响效果因国家政策不同而表现不同，但共同农业政策改革的确削弱了农业补贴政策对于养殖技术效率的作用效果；在国内，胡祎等[5]、尹春洋等[6]研究发现，农机服务水平、农户养殖经验、财政贴息等因素均对生产效率产生显著影响。还有研究从地市一级出发，分析畜牧业技术趋同环境下，地方居民总体性格特征对行业发展的潜在影响[7]。

综合已有文献易见，微观层面下的探索、单独刻画效率与某个因素的关联等成果日益完善，但立足于省域异质性条件下的多因素分析依旧鲜有涉足。此外，仅有的局部区域奶牛养殖技术效率文献所采用的样本数据基本停留在2010 年以前，部分指标数据需要作出更新。鉴于此，本文针对奶牛养殖投入指标对奶牛生产的作用效果、奶牛养殖技术效率在不同地区的差异表现以及效率影响因素3 个问题，运用超越对数生产函数随机前沿模型对30 个省、直辖市的奶牛养殖技术效率及影响因素做出检验分析，以期为国内奶牛养殖技术效率的宏观调整提出可实际操作的政策启示。

1 模型设定

随机前沿生产函数（Stochastic Frontier Production Function）干扰项存在2 个假设：一是无控制随机假设；二是相关技术无效率假设。因此，该方法最早应用于分析企业截面数据所透视出的技术效率方面。后续研究指出该方法在应用过程中因严格区分技术效率估值阶段、技术效率与影响因素回归阶段，致使技术效率分布假设在不同阶段出现差异，影响参数一致性，而且技术效率检验结果无法展现组织效率在不同时段下的差异。以原模型为基础，更多的成果通过设立不同的研究假设将面板数据赋予到模型中，与此同时，Battese 等[8]将二阶段回归融合为1 个阶段，旨在降低双重假设产生的偏误。关于地域差异条件下奶牛养殖技术效率及其作用因素的研究，参照Battese 等[8]的随机前沿生产函数模型，具体表达如下：

其中，outputit表示i 组织在第t 年的实际产出；inputit为i 组织在第t 年的投入向量；α 为待估参数；vit是服从分布的不可控随机误差项；而uit为服从分布的非负技术无效率项。进而，预测i组织在第t 年的技术效率为：

当uit=0 时，teit=1，表明组织位于最优投入产出点上，处于技术效率状态；反之如果uit＞0，则0＜teit＜1，此时组织处于技术相对无效率状态，并且teit值越趋向于0，代表组织技术效率越低。基于所得teit，构造技术无效率模型为：

其中，Zit表示技术效率的外生性变量；β 为待估参数；εit代表服从N(0,σε2)的断尾正态分布的随机误差项。需要指出的是，（1）式、（2）式中的uit为随机扰动项，（3）式为外生性向量模型。且（1）、（2）、（3）式可通过MLE 法联合估计，似然函数中使用的方差参数为：。当γ 显著为0 时，拒绝组织存在技术无效率的原假设，反之，接受原假设。

综合已有研究结果，文中从资本投入（Capital）、劳动力投入（Labour）、混合饲料投入（MFS）以及土地投入（Land）4 个角度设置实际采用的超越对数生产函数随机前沿模型。此外，奶牛养殖技术会在时间截轴上产生改良效应，探究效率损耗需要对技术进步因素进行控制。鉴于此，另加入时间虚拟变量（T）控制不可直接观测的养殖技术进步因素。表达如下：

为更精炼表达投入要素与产出间的关联，文中对SFA 模型求取偏导，以弹性的方式展现产出与要素间的关系。核算方式如下：

以资本为例，其弹性为函数中资本要素的偏导。其中Y与Capital 分别表示总产出与总资本投入的平均值。

1）开启智能手机的APP功能，下载百词斩、扇贝打卡等客户端，结合自身情况，规定任务量，每天记忆单词，反复巩固，扩充词汇量，夯实听力基础。

2 数据与变量

文中所采用的样本为2011—2015 年30 个省的面板数据。除港澳台地区以外，西藏地区在混合饲料、资本等多个指标处缺失值严重，故不予考虑。其余地区各个指标数据来源于不同数据年鉴，其中牛奶总产量、劳动力、资本中包含的饲料成本费用、混合饲料投入量、养殖规模、精饲料与粗饲料投入比率、进口牛比率、良种公牛比率的数据来源于《奶业统计年鉴》；畜牧业用地、资本中包含的机械设备投入成本、从业人员受教育水平、畜牧业经济发展水平的样本数据来源于《统计年鉴》；农业科技发展水平数据来源于《知识产权年鉴》；另外地区自然环境指标数据来源于《环境统计年鉴》。所有涉及价值的数据均以1996 年价格为标准计算，样本中少数缺失值，采用线性插值法进行补齐。具体采样结果见表1。

关于随机前沿模型，因变量产出Y 以各地区每年牛奶生产吨数为依据；畜牧业用地参照各地区每年奶牛畜牧养殖用地公顷数；资本变量主要包含饲料投入成本与机械投入成本，其中饲料投入成本以各地区每年饲料总投入费用为数据，机械设备投入采用各地区每年农业设备数量数据，受到自然环境与牧区养殖方式的影响，国内各省份的散户和企业奶牛幼崽多为自己培育，因而仔苗投入资本不予考虑；劳动力变量采用各地区每年畜牧业相关企业从业人员的全时当量；混合饲料投入变量以精饲料与粗饲料使用总公斤数为数据样本；时间虚拟变量取值为1～5，以此表示2011—2015 年的养殖技术进步效应。

表1 变量描述性统计

关于区域奶牛养殖技术效率的影响变量设计，主要从从业人员因素、地域因素以及家畜因素3 个角度出发。其中从业人员因素主要指员工受教育程度，采用每个地区每年畜牧业企业本科以上学历员工所占比例作为样本数据；地域因素包括畜牧业经济发展状况、农业科技发展水平、精饲料与粗饲料比率、畜牧业文化、地区自然环境5 个变量，并分别以各地每年畜牧业产值占总产值的比率、农副食品加工业与食品制造业有效发明专利数量占所有行业有效专利数量的比率、精饲料投入量与粗饲料投入量之比、各个省市年均气温加年均降水量之和，加以表示。此外，令畜牧业文化作为虚拟变量控制各个地区人文环境因素，当地区畜牧业文化浓厚时取值为1，不存在或较弱的畜牧业文化取值为0；家畜因素包含养殖规模、进口牛比率、良种公牛比率，以各地区每年奶牛存栏数代表养殖规模、用进口奶牛与当地奶牛数量之比表示进口奶牛比率、以奶水牛中良种公牛数与当地牛存栏数之比表示良种公牛比率。

3 估计结果

3.1 生产函数分析 文中分别运用Stata 随机前沿模型与Frontiner4.1 软件包对式（2）与式（4）进行估计，可一步获得α、β、σ2、γ 的一致估计量，并可预测每个地区不同年份的技术效率。2 个报告所呈现结果基本一致，具体见表2 与表3。

表2 随机前沿生产函数估计结果

表2 可见，γ 显著不为0，无法拒绝各地区存在技术无效率的原假设，这表明技术效率损耗是影响各省份奶牛产出的重要因素之一，忽略技术效率而继续采用一般生产函数进行估计，容易致使回归结果产生偏误。

随机前沿模型自变量之间存在交互项与二次项，直接以回归参数解释产出变化可能失准。在获得模型参数前提下，运用式（5）对解释变量进行弹性处理，可以更好反映因变量与自变量间的关联。其中混合饲料、畜牧业用地、劳动力、资本弹性分别为0.700 1、-3.266 3、-0.275 9、0.140 8。

表3 不同省份在2011—2015 年的技术效率时、空演化 %

混合饲料投入、资本投入与产出之间呈现正相关性，表明增加饲料投入、提升畜牧业机械化程度可以提升地区牛奶产量，这与大多数经济认知相一致。然而扩大畜牧业用地或增加劳动力不能使牛奶产量上升。这可能由于国内畜牧业逐步从传统散养型转变为现代集约型，各行政区域可以更高效地对奶牛生产进行管理，提高产量的同时节约了土地资源；另外，专业化、规模化要求精炼从业人员队伍，提高人力资本投入的边际效益，因此，大量的劳动力投入不仅不能提升产量与效率，反而会造成不必要的资源浪费。时间虚拟变量呈报参数为正，表明奶牛养殖技术进步能够促进行业整体产量，虽然结果并未到达显著性要求。

3.2 技术效率分析 由表3 可知，整体来看，每个地区奶牛养殖技术效率随时间变化体现出递增规律，变化范围在23%～97%，总平均值为66.2%。预测结果表明基本所有省份都存在养殖技术损耗现象，降低技术无效的空间大多数在20%以上。

从纵向空间变化来看，江西、广西、海南、云南等省份平均技术效率值较低，均值比较基本为负。究其原因，其一是自然条件限制，畜牧业适宜在地价低廉、草木丰富的暖温带与中温带地区发展；其二，畜牧业机械化程度不高，山西、甘肃等地区畜牧业虽然相对发达，但环境控制、疫病防治、运输等相关设备并未达到十分普及与领先，导致当地奶牛养殖技术效率水平不高。内蒙古、黑龙江、新疆、青海、河南等省份平均技术效率相对较高，均值比较基本为正。除必要的自然因素外，促成当地奶牛养殖技术效率优势的另外2 个重要因素分别是政策扶持与文化传承。

从横向时间变化来看，国内整体养殖技术效率逐年提升。以2011 年为基准条件，年均变化率为0.139 个单位，表明在技术进步、员工职业素养提升等因素作用下，奶牛养殖技术效率每年保持10% 以上的增速。总体来讲，随机前沿模型所得技术效率的空间分布特征与国内蒙新高原乳业区、黄土高原奶业区等行业优势地域布局基本吻合；表现出的时间演化规律证明国内奶牛养殖系统正处于逐步升级完善阶段。

造成地区奶牛养殖技术效率损耗的因素复杂多样，主要归结为人员因素、地域因素以及家畜因素3 类。选取每个因素中的主要指标，包含从业人员受教育程度、畜牧业经济发展水平等9 个指标，以此尝试切入技术无效率成因分析。估计结果见表4。

表4 技术效率影响因素估计结果

需要注意的是（3）式中mit表示奶业生产技术无效率，意味着呈报结果中指标参数β 为负值时，表示该影响因素与实际技术效率存在正相关关系，反之，表示二者之间存在负相关关系。其中从业人员受教育程度、畜牧业经济发展水平、农业科技发展水平、精饲料与粗饲料比率、畜牧业文化、良种公牛比率与奶牛养殖技术效率表现正相关，而养殖规模、进口牛比率、区域自然环境与奶牛养殖技术效率体现出负相关影响。

地区相关从业人员受教育程度提高1 个层次，奶牛养殖技术效率提升0.3 个单位，但该估计结果没有通过显著性检验。一方面，员工受教育水平一定程度上反映其领悟与学习能力，学习能力较强的员工掌握生产技术花费的时间越短；另一方面奶牛养殖知识、技能还需要经过专门的技术培训，这种经验在普通教育历程中很难获取。同时从业人员工作时间越久，自身所掌握的隐性技术知识愈发丰富，指标测度难、数据不全面或是造成结果不显著的主因。

扩大养殖规模不利于奶牛养殖技术效率的提升，该结果达到一般显著水平。规模经济建立在能够支撑企业、农户扩大生产的技术、设备等硬件配套基础上，多数地区畜牧业养殖规模存在大而不精的问题。奶牛业生产体系是由饲料供给、车间环境控制、疫情防治、液态奶产出、过滤、消毒、存储等活动构成，目前国内奶牛养殖在饲养管理、家畜疫病防护等方面依旧存在短板，这也成为制约企业或散户养殖技术效率进一步提升的主因之一。

畜牧业经济发展水平、农业科技发展水平与技术效率提升展现出显著的正相关关系。这是因为畜牧业产值比率高，能够直接反映出当地奶、肉、饲料等相关行业较为发达。且产值比率高的地区与其他省市相比，畜牧业养殖技术较为成熟稳定、效率水平高；与之相类似，农业科技发展水平高意味着地区对农业生产、加工、运输等活动的研发投入较多，相同经济条件下，农业关注度高的地区容易产生技术优势。

精饲料与粗饲料投入比率反映出企业或散户有关饲料加工、选配以及饲喂技术的情况，参数估值显示比率越高越有助于奶牛养殖技术效率的提升。目前，大部分地区畜牧业养殖使用的粗饲料多以秸秆、枯草为主，而精饲料大致分为禾本科籽实与豆科植物籽实两类，依据家畜饲养规律，精饲料加工投放工序相对复杂，技术知识含量高。另外，精饲料虽然作为辅助饲料，但只有分季节、分品种合理饲喂才可以提升牛奶产量。统计数据并未明确季节、规模等差异，这或许是造成结果不显著的原因之一。

国内整体进口奶牛较多，其目的是为寻求良好的家畜品种，提升奶牛养殖效率与质量。但回归数值显示，进口牛比例越高，各个地区奶牛养殖技术效率越低，结果并未通过显著性检验。在跟踪有关进口奶牛的行业动态后发现，国外某些地区进口牛虽然在产乳量、生长发育方面优于国内品种牛，但在国内饲养过程中，因自然环境改变较大、饲养管理技术不到位等原因，并未发挥品种优势，甚至引发各种疫病。

良种公牛比率越高，奶牛养殖技术效率越高。这与进口奶牛的回归结论相悖吗？实际上，2 种因素之间并没有十分必然的联系。其一，国内奶水牛中的良种公牛是经过国内自然环境与经济环境不断筛选的结果，其种类较多，像荷斯坦牛、娟珊牛、更赛牛等品种都包括在内，而进口牛仅仅指各地区每年国外进口牛数量，并不能与良种牛直接挂钩；其二，良种牛比率高，大概率保证后代仔畜较强的环境适应能力与生产能力。以此来看，同养殖条件下，良种牛更能促进、保证奶牛总体产量。

畜牧业文化作为虚拟变量，主要控制地区人文环境的差异性，在文中与奶牛养殖技术效率提升呈现显著正相关性。国内对于乳制品的需求日益增加，牧养文化浓厚的地区能够产生明显的品牌效应。一方面可以拉动市场需求，吸引外部定向投资；另一方面当地乳制品供应以及资本投入增加又会促进奶牛养殖技术效率的提升，形成良性循环。

呈报结果中还显示区域自然环境回归系数为正值，表示该影响因素与奶牛养殖技术效率之间存在负相关关系，即便结果未通过显著性检验。可能的解释为上述奶牛养殖技术效率时空演化特征显示，广东、云南、海南等热带、偏南的亚热带地区在发展畜牧行业方面并不占优势。但自然环境指标数据构成主要为降水量与温度，显然亚热带与热带地区采集数值更大。从数理演化规律上讲，就已经印证了回归参数为正的结论。

4 结论与启示

文中应用超越对数生产函数的随机前沿模型对国内30 个省、直辖市奶牛养殖技术效率及影响因素做出探究，得出以下结论：①增加混合饲料投入与资本投入可以提高奶牛养殖产量，但在养殖模式向集约化转型背景下，继续增加土地与人力资本投入已不能显著提高牛奶产量。另外，时间虚拟变量呈报参数表明，行业技术进步对牛奶产量提升具有并不显著的促进作用；②纵向来看，技术效率主要受到地区自然环境与行业技术发展水平的影响，广东、山西、云南、甘肃、海南等地区奶牛养殖技术效率水平不高，而内蒙古、黑龙江、新疆等地区技术水平较高。横向来看，国内奶牛养殖系统正处于逐步升级完善阶段；③从业人员受教育程度、畜牧业经济发展水平、农业科技发展水平、精饲料与粗饲料比率、畜牧业文化、良种公牛比率6 类因素对养殖技术效率起到促进作用，因养殖技术与引进品种匹配困难、生产体系发展不平衡、奶牛习性等条件的影响，养殖规模、进口牛比率、区域自然环境与效率表现出负相关关系。基于此，提升地区奶牛养殖技术效率可从以下方面入手：

第一，控制散户入场，扶持小户成长。提高奶牛养殖入门成本，如严格把控畜牧业养殖用地审核批复，增加最低存栏数标准以及检验农户是否具有基本疫情防御资质等条件。以此控制奶牛养殖的土地、劳动力投入数量。除此之外，提升面向小户养殖企业或个体的信息、技术、保险服务水平，稳定小户生产经营效率，让散户在畜牧养殖集约化转型过程中平稳落地。

第二，继续完善奶牛养殖系统，实现养殖设备与养殖技术的持续进步。推广奶牛养殖数字化管理平台建设，通过实测车间环境、产品情况、奶牛状态等数据指标，及时发现生产过程中的技术偏误或疫情，并通过服务站求助、专家咨询，有针对性地解决难题，尽量降低效率与财产损失。

第三，技术、品种双引进，提高良种牛比率。引进境外奶牛，同时需要掌握差异化养殖技术，主要包括奶牛饲料喂养习惯、牛群密度与牛舍环境控制、取奶频数、疫病观察等方面。可通过参与国外养殖培训或邀请专门技术人员进行指导的方式展开学习。另外，可运用生殖细胞控制技术，保留优良基因，进而提升环境适应能力与生产能力较强的仔畜奶牛。

第四，支持不同地区发展特色畜牧业。乳制品及其相关行业做强必须要实现产业链条化。政府可通过总结当地畜牧业发展现状，举办特色奶牛养殖培训班，推行因地适宜的饲养模式。依据地区自然条件差异，择取合适奶牛品种，例如，在山地牧养，可倾向选择利木赞、安格斯等品种牛；在平原牧养，可选择西门塔尔、夏洛莱等品种牛。同时将旅游观光、民俗体验与奶牛养殖发展相嫁接，推广地区特色，逐渐建立品牌优势。