杨 宇,徐惠敏,王秀敏,何军东
(1.邢台学院经济与贸易学院,河北 邢台 054001;2.沈阳农业大学经济管理学院,辽宁 沈阳 110861;3.邢台学院农业经济研究中心,河北 邢台 054001;4.邢台学院会计学院,河北 邢台 054001)
作为世界畜禽养殖大国,我国对抗生素非常依赖,然而对食品动物长期广泛甚至过量地使用抗生素,导致药物残留,环境污染和高耐药性细菌病原体的暴发性增长。近年来,世界各国纷纷出台日趋严厉的管控措施,控管焦点直指养殖户对促生长用途抗生素(Growth-promoting antibiotics,GPAs)的使用。2006年,欧盟发布“禁抗令”,2013年美国食品药品监督管理局(FDA)发布“限抗令”[1],2017年6月我国农业部发布了《全国遏制动物源细菌耐药行动计划》[2]。我国政府“限抗”的政策趋势已十分明确,不过对GPAs具体的管控思路还可慎重斟酌:是立即禁用风险品种,还是逐步推进风险品种退出市场?是分畜禽生长阶段禁用还是全生长阶段禁用?不同的管控思路将对养殖户的收入产生影响。本文以生猪养殖为例,重点考察使用GPAs对养殖户的经济影响,试图揭示养殖户使用GPAs的动因和内在机理。
1.1 数据来源 本文的实证数据来源于2018年1~2月 由课题组组织的“河北省生猪养殖户抗生素使用行为”的问卷调查。本次调查包括预调查和正式调查2个阶段。首先,课题组在邢台市开展了小规模预调查,并据此修正了养殖户容易出现理解偏差的词语,改善了某些让他们感到敏感的问题的提问方式,形成了最终的调查问卷。接着对调研人员进行了专门的培训,以保证获得数据的准确可靠。然后对河北省石家庄、唐山、保定和邢台4个城市展开正式调查。具体的抽样方法是先从每个样本市分别选取若干个村(镇),再从每个村(镇)随机选取受访的养殖户。为了确保回收问卷的质量,采用问卷为主、访谈为辅的调查方式,并且将调查对象限定为能够对生猪养殖发挥直接决策作用的家庭成员。本次调查共收集问卷 600 份,剔除关键数据缺失或回答不真实样本后,共获得有效问卷476份,有效率为79.3%。
1.2 变量设定与赋值 变量设定与赋值说明如表1所示,由于部分GPAs是由供应商提供的饲料里面添加的,不少养殖户无法确定促生长用途抗生素的具体种类、数量以及支出成本,因此本文借鉴欧美学者的处理方法[3-5],在问卷中,受访养殖户被问到:“是否向保育猪和育肥猪在其饲料或水中添加过抗生素?”回答选项为“是”或“否”。回答“是”的养殖户还被问及在保育和育肥2个不同生长阶段添加的抗生素被用于以下哪种目的?回答选项包括促进生长、预防疾病、治疗疾病(可多选)。在本文中,GPAs的使用者指的是为达到促进生猪生长的目的使用抗生素的养殖户。McBride(2008年)采用全要素生产率来衡量美国养殖户的生猪生产力[5],类似地本文也采用全要素生产率,即养殖户出栏生猪重量与全部生产投入之比,单位是kg/元。2012-2016年,我国生猪养殖户仔猪投入、饲料投入和劳动力投入三者合计占生猪养殖户总成本的比重平均为96.46%[6],因此本文选择这3个指标作为成本变量来表示生产投入情况。模型中规定的外生变量包括个体特征和养殖场特征,以及一套生猪养殖操作。个体特征包括年龄、受教育程度和养殖经验,以说明养殖户知识与能力的差异。养殖场特征首先考虑了生猪养殖结构,包括养殖规模和养猪专业化程度,其中养殖规模借鉴了孙世民等[7]与王建华等[8]的划分标准。可能影响GPAs使用决策的其他养殖场特征还包括供应合同、猪舍类型以及生猪买家是否要求禁用抗生素。通过供应合同,供应商可能提供含有GPAs的饲料给养殖户;猪舍类型(是否封闭)表明生猪被限制活动的程度,表示疾病传播潜在风险大小;生猪购买者(或销售商)是否要求生猪在任何时候都不喂养抗生素。为了隔离生产力与GPAs使用决策之间的关联,产出方程中还增加了一些其他变量,包括蠕虫病防控、全进全出管理、鼠害防控、运输车辆消毒、分性别饲喂。
1.3 养殖户组间差异性检验 为了考察使用GPAs和没使用GPAs养殖户的差异性,我们将样本分为2组,通过t检验对组间均值进行比较,当P≤0.1时,否定原假设,表明2组均值存在显著差异。t检验结果表明,2组养殖户在多个变量上存在显著差异,即存在自选择问题。
在生猪保育阶段,2组养殖户大多数变量的均值存在显著差异。在产出与投入方面,无论是单位收入还是仔猪、饲料和劳动力投入,GPAs用户均值都显著高于非GPAs用户。在个体特征方面,使用GPAs的养殖户通常年龄更大,受教育程度更高,养殖经验更丰富。在经营特征方面,变量供应合同、养殖规模和猪舍类型的均值差异显著,表明更大生产规模、签订供应合同和封闭式猪舍的养殖场,使用GPAs更为普遍。在养殖操作特征方面,使用GPAs的养殖户,更可能采用蠕虫病防控,全进全出管理,鼠害防控和运输车辆消毒等措施。
在生猪育肥阶段,同保育阶段相比,很多变量的均值不再存在显著差异。在产出与投入方面,没有变量存在显著差异。在个体特征方面,变量养殖经验差异变得不再显著。在经营特征方面,变量供应合同与养殖规模也不再有显著差异。养殖操作特征方面,变量运输车辆消毒不再存在显著差异。
表1 变量设定及赋值说明
1.4 模型构建 本文采用Maddala(1983年)提出的处理效应模型来解决由不可观测变量导致的自选择问题[9]。该模型估计2个方程,方程1是产出方程,解释养殖户养殖收入的决定因素,而变量使用GPAs包括在产出方程的解释变量中;方程2是选择方程,运用Probit估计养殖户使用GPAs的概率。通过引入干扰项的联合分布来校正可能存在的样本选择偏差,允许无偏估计使用GPAs对养殖收入的影响。首先构建1个简单的柯布 - 道格拉斯形式的生产函数:
yi=α0+β1x1i+β2x2i+β3x3i+δDi+εi
(1)
其中yi是因变量,表示产出水平;x1i表示第i个养殖户生产性投入特征向量,包括仔猪投入、饲料投入和劳动力投入3个变量,由实际投入数值取对数后获得;x2i表示第i个养殖户个体特征向量,包括养殖户年龄、受教育程度和养殖经验3个变量;x3i表示第i个养殖户经营特征向量,包括专业化程度、是否签有订货合同、猪舍类型和养殖规模4个变量;x4i表示第i个养殖户养殖操作特征向量,包括Di代表第i个养殖户是否使用GPAs,是二元分类虚拟变量。产出yi用养殖户平均每头生猪的收入来表示,产出yi是实际数值取对数后获得的,ε表示随机误差项。
通过前面的t检验,发现养殖户使用GPAs存在自选择问题。由于养殖环境条件差,管理水平低的养殖户能够从使用GPAs中获得更大的生产力提升,因此这类养殖户更倾向于使用GPAs,而且环境条件和管理水平等不可观测变量也可能影响生猪生产力,所以方程(1)无法被直接估计,这种情况下我们引入潜变量Di*,构建以下决定方程。
(2)
当Di=1时,Di*≥0;当Di=0时,Di*<0。其中向量Zi可以与zi有重叠变量,但至少有1个变量,比如Z1i不在zi中,且满足Cov(Z1i,εi),此时Z1i可以视为Di的工具变量。这里将买家要求禁止使用抗生素作为工具变量Z1i,而且假设Z1i直接影响Di养殖户使用GPAs,但并不直接影响结果变量yi(只通过Di间接影响yi)。依据处理效应模型,定义逆米尔斯函数为:
(3)
这样我们就得到了对使用GPAs与未使用GPAs的养殖户都适用的预期产出方程。
Ε[yi|xi,Zi]=βxi+γzi+δDi+ρσλi
(4)
这里采用极大似然估计法,同时估计所有模型参数。如果ρ=0,则不存在内生性,可直接做方程(1)的最小二乘估计;如果ρ≠0,这正是模型内生性选择偏误的来源。当ρ<0时,最小二乘估计将低估使用GPAs对生猪生产力的贡献;当ρ>0时,使用GPAs对生猪生产力的贡献将被高估。
1.5 统计分析 采用STATA15.0软件对数据进行统计分析,使用极大似然法对处理效应模型进行估计。用“P”表示使用GPAs及其对养殖收入的影响水平,其中P<0.1表示影响基本显著;P<0.05表示影响比较显著,P<0.01表示影响极显著。
为了探究在不同养殖阶段使用GPAs对生猪生产的影响,我们分别估计养殖户对保育猪和育肥猪是否使用GPAs及其对养殖收入的影响。表2分别显示了对保育猪和育肥猪的选择方程和产出方程的估计结果。
2.1 对选择方程的估计 无论在生猪保育阶段还是育肥阶段,对选择方程的估计有较多相似之处。养殖户年龄越大,越倾向于使用GPAs。受教育程度高的养殖户,更倾向于使用GPAs,拥有封闭式猪舍的养殖户更可能使用GPAs。变量买方要求禁用抗生素对使用GPAs存在显著的负向影响。变量养殖经验、专业化程度、供应合同以及养殖规模对使用GPAs没有产生显著影响。对选择方程的估计结果的不同之处在于:在生猪育肥阶段,变量养殖经验对使用GPAs存在基本正向影响(只在10%统计水平上显著),而在保育阶段则影响不显著。
2.2 对产出方程的估计 如表2所示,在产出方程中,生猪保育阶段和育肥阶段各个变量的估计有很多相似之处。其中变量饲料投入、劳动力投入、养殖经验、养殖规模、蠕虫病防控、全进全出管理和运输车辆消毒对养殖收入都具有显著的正向影响。结果显示,饲料投入与劳动力投入对生产力存在显著的正向影响,但是仔猪投入对养殖收入影响不显著。养殖经验与生产力显著正相关,养殖规模对养殖收入的正向影响,蠕虫病防控、全进全出管理和运输车辆消毒对生猪养殖收入的正向影响。
在产出方程中,对保育阶段和育肥阶段各个变量的估计也有不同之处。一是在保育阶段,变量养殖户年龄对生猪养殖收入产生了显著的负向影响,在育肥阶段影响则不显著;二是在育肥阶段,供应合同对生猪养殖收入存在显著正向影响(只在10%统计水平上显著),在保育阶段影响则不显著。还有一处不同也正是本文考察的重点,即保育猪和育肥猪产出方程中变量添加GPAs的系数差异。在生猪保育阶段使用GPAs与生猪养殖收入存在显着的正相关关系。相反,在生猪育肥阶段使用GPAs,对产出的影响不显著。
表2 生猪养殖户处理效应模型的极大似然估计
生猪保育阶段的选择方程与产出方程误差的相关性估计(Rho系数)表明,两者具有显著的负相关性。这一结果意味着负选择偏差,表明如果没有考虑选择偏差,那么GPAs选择对保育阶段生猪生产力的影响将会被低估。相反,对于育肥猪来说,2个方程之间误差的相关性并不显著,表明两者不存在选择偏差。
2.3 稳健性检验 为了评估结果的稳健性,我们使用亚治疗剂量抗生素(Sub-therapeutic antibiotics,STAs)作为因变量,重新估计模型。这是因为原因变量GPAs被定义为用于促进生长的抗生素,而促进生长和预防疾病用途的抗生素均通过添加到饲料里饲喂动物,部分受访者可能混淆添加在饲料里抗生素的用途,但是对是否添加抗生素记忆更加准确。
表3显示了稳健性检验的估计结果,仅包括在生猪保育阶段和育肥阶段,STAs变量对生猪养殖收入影响的估计。在保育阶段STAs变量的系数是0.024 7,并且在1%统计水平上显著,表明使用STAs对生猪养殖收入产生显著的正向影响。在育肥阶段使用STAs对生猪养殖收入依然不存在显著影响。表明用GPAs作为因变量,结果是稳健的。
表3 稳健性检验
国内学者主要对兽药使用行为做了相关研究,大多从个体特征[10]、认知特征[11-12]、渠道协作[13]、政府规制[14]等角度探讨了兽药使用行为影响因素以及各影响因素之间层级关系[7]。除了王建华等[8]基于兽药使用的不同情境,将兽药分为治疗类兽药和保健类兽药,国内学者一般在研究中没有按照用途对兽用抗生素使用行为进行区分,而针对养殖户GPAs使用行为方面的研究目前没有发现。
国外学者专门针对GPAs使用行为做了细致研究,主要包括GPAs对生猪产出的影响[15],GPAs对生猪生产性能其他方面的贡献[16],禁/限抗令对生猪养殖业产业结构的影响[17],减量使用GPAs的激励与惩罚机制[18]等方面。但大都忽略了自选择性问题,即是否使用GPAs是养殖户自我选择的结果,那些年龄大的养殖户,卫生条件和管理水平比较差的养殖场往往更倾向于使用GPAs,因为他们通过使用GPAs能获得更大的生产力提升[4]。由于某些因素(比如环境条件,管理水平等因素)是不可观测的,并且对使用GPAs以及生产力都存在影响。在这种情况下,采用最小二乘法所得到的估计量经常是有偏且不一致[19]。
本文以我国养殖户GPAs使用行为作为研究对象,运用处理效应模型解决由不可观测变量造成的自选择性问题,并且采用现实中的调查数据来验证Dritz等[14]通过试验得到的结论。因此,本试验在内容和数据处理方法上有一定新意。
试验结果表明,在保育阶段使用GPAs可显著提高生猪养殖收入,这一结果获得了稳健性检验的支持。而且极大似然估计揭示出在保育阶段存在负选择性偏误,如果不考虑使用与没使用GPAs养殖户之间的差异,那么使用GPAs对生猪养殖收入的影响将会被低估。在保育阶段使用GPAs可以有效弥补养殖户在管理水平、卫生条件以及其他不可观测因素方面存在的差异,那些因为环境条件和管理水平较差而生产效率低下的养殖户通过使用GPAs能获得最大的生产力提升。反之,如果在生猪保育阶段禁止使用GPAs会降低生猪养殖收入,增加生猪养殖成本。短期来看这些成本可能是由于猪的死亡率增加和产量下降造成的,长期来看,可能来自生猪养殖户生物安全管理的改变和其他投入的必要调整。另外,在育肥阶段使用GPAs对生猪养殖户收入未发现显著影响。需要指出的是,本文的局限在于仅探究了使用GPAs和生猪养殖收入之间的关系,并未考察使用GPAs对生猪生产可能造成的其他影响,例如GPAs的使用可能会减少生猪养殖收入变化,进而达到降低养殖风险的目的。关于GPAs对生产力波动影响的进一步研究将有助于解释为什么GPAs在生猪育肥阶段被广泛使用。