我国规模化奶牛养殖成本效率及影响因素研究

李雅鑫，李 彤，祝丽云

河北农业大学，河北保定 071000

0 引言

奶牛养殖是奶业振兴的基础，在供给侧结构性改革背景下，我国奶业布局不断调整优化，规模化进程也逐渐加快。据国家统计局数据，2020年全国规模化牧场占比达到67.2%，规模化养殖是必然趋势，但规模化养殖的成本效益优势并未得到充分发挥。2020年奶牛养殖成本攀升，生鲜乳的总成本平均为3.36 元/kg，较2019年增加1.2%，分析原因，一方面，受新冠肺炎疫情防控的影响，人工成本上升，2020年规模奶牛养殖的人工成本平均为3 545.3元/头，较2019年增加4.1%；另一方面，饲料成本上升，如玉米期货2020年上涨近60%，最高达到3 000元/t，豆粕期货随着国际市场上涨到3 800 元/t，苜蓿草、燕麦草进口价格始终维持高位。同时，不合理的资源配置以及不同程度的管理缺陷不仅无法实现资源的有效利用，也限制了奶牛养殖业竞争力的进一步提高。此外，受资源禀赋和经济发展水平的制约，我国奶牛养殖业的发展状况在省际区域间存在差异。

近年来，大多数学者主要运用随机前沿生产函数法[1~3]、数据包络分析法[4~6]、随机距离函数法[7]的研究方法从不同视角[8~10]对我国奶牛养殖技术效率和规模效率进行了研究，但更多侧重于生产效率角度。关于奶牛成本效率的研究主要针对单一养殖规模，如刘春明等[11]及刘洪云等[12]分别对我国散养和中规模奶牛养殖成本效率及影响因素进行了分析，目前还缺乏对不同规模的奶牛养殖成本效率及其影响因素的比较研究。在畜禽养殖的其他领域，学者对生猪[13，14]及肉鸡[15，16]的成本效率及影响因素的研究较为丰富，为本文分析提供可借鉴的思路。因此本文在现有学者研究的基础上采用Translog-SFA方法对我国2009—2018年规模化奶牛养殖的成本效率进行分析，并对其影响因素进行研究，为有效提高规模化奶牛养殖的成本效率提供参考。

1 模型构建及指标选取

1.1 研究方法

成本效率指前沿成本与实际成本的比率，前沿成本是给定产出下的最小成本。柯布-道格拉斯成本函数（C-D）和超越对数成本函数（Translog）是目前运用最多的两种随机前沿成本函数。本文选取超越对数随机前沿模型（Translog-SFA）为研究方法，该种方法在C-D成本函数的基础上引入了成本非效率函数，对误差项进行拆分度量，增加了分析的准确性，并在此基础上分析相关因素对成本非效率的影响。同时运用极大似然估计和t检验对数据的拟合度进行了检验与分析。

在对成本效率及其影响因素进行分析时通常需经过两个步骤，首先要忽略影响成本效率的因素，采用极大似然方法估计效率值。其次将第一步计算出的效率值作为被解释变量，再对影响效率的因素进行分析，俗称“两步法”。该种方法在进行效率估计时，第一步骤中投入要素和效率影响因素之间的相关性被忽视，会出现参数估计结果存在偏差的可能。基于该方法存在的不足，一些学者在此基础上进行了优化，“一步法”模型则应运而生，既可以计算成本效率，又可以对影响效率的因素进行分析[17]。Battese和Coelli（1995）[18]在面板数据中首次建立了“一步法”的模型。本研究即基于此模型进行下述分析。

1.2 指标选取与模型设定

结合我国规模化奶牛养殖的特点以及考虑到随机前沿成本函数的适用性，本文将奶牛总成本（C）作为被解释变量；物质服务费用和人工成本构成了生产成本，其中物质服务费用的占比最大，该比例高达90%，饲料费用则是物质服务费用的主要构成部分，占比能达到近70%，因此，主要选取规模化奶牛养殖的主产品产量（Y）和饲料价格（F）、人工价格（L）作为衡量奶牛成本的解释变量。其中，饲料价格和人工价格分别用饲料费用除以饲料数量和人工费用除以用工数量得到。

此外，由于科技进步带来的影响具有不可辨认性，无法用具体的数字衡量，因此本文借助时间虚拟变量t来衡量技术进步对成本效率的影响，设定2009=1，2010=2 …，2018=10等。将上述变量代入超越对数随机前沿成本模型中，其表达式为：

式中：C代表规模化养殖的总成本，Y代表主产品产量，w1代表饲料价格，w2代表人工价格；α、β、ω、λ、θ表示各投入变量的待估参数，若它们之间的相关性显著且为正相关，则说明上述变量的投入能够提高奶牛养殖的成本效率，反之则会降低其效率；各个投入变量的一次项为短时间投入对成本效率的影响，二次项为长期投入对成本效率的影响，交叉项为两个投入要素之间的相互作用对成本效率的影响；vit和uit为第i个省市第t年的随机误差项和成本无效率项，一般认定vit服从正态分布N（0，σv2），uit服从在0处截断的半正态分布，即N（mit，σu2）。

由于奶牛养殖的过程复杂且养殖环境变化不定，成本投入除了会受到直接投入因素的影响以外，还会受到外在因素的影响，使得投入要素难以实现效率最大化。因此，研究主要选取医疗防疫费用（z1）作为反映对疫病防控重视程度的指标、死亡损失费用（z2）作为衡量奶牛死亡导致成本效益不理想的指标、固定资产折旧费（z3）作为衡量机器设施投入对奶牛成本效益影响的指标，受教育水平（z4）作为衡量人员素质和科学水平的指标，料奶比（z5）作为衡量饲料利用率和报酬率的重要指标。根据mit=zitδ，将上述影响变量代入函数中， 得到研究规模化奶牛养殖的成本非效率函数：

式中：mjit表示奶牛养殖过程中的成本效率损失程度；j表示奶牛养殖的三种规模，小规模、中规模和大规模分别取值为1，2，3。δ为待估参数，若显著为正，表明该影响变量与成本非效率呈正相关，即不利于奶牛养殖成本效率的提高，反之则相反；εit为随机误差项。

2 数据来源与描述性分析

本文以2009—2018年我国规模化奶牛养殖的成本收益面板数据为分析基础，运用FRONTIER4.1软件对成本效率进行测算。其中奶牛的总成本、主产品产量、饲料费用、饲料数量、人工成本、用工数量、固定资产折旧、医疗防疫费用、死亡损失费用以及所涉及到的相关数据等均来源于《全国农产品成本收益资料汇编》（简称《资料汇编》），在对数据进行选取时，为了避免出现多重共线性，上述数据均采用单产形式；受教育水平数据结果依据《中国统计年鉴》相关数据计算得出。在《资料汇编》中，对于我国奶牛养殖模式的划分主要是根据年平均存栏量进行的，具体可划分为四种模式，分别为散养、小规模、中规模和大规模，其中散养模式的年平均存栏量是1~10 头，小规模养殖的年平均存栏量为11~50 头，中规模养殖的年平均存栏量为51~500 头，大规模养殖的年平均存栏量为500 头以上。本文侧重于对规模化的奶牛养殖进行研究，因此研究的重点主要集中在小、中、大三种模式上。同时为了保证数据的可获得性，以及该研究方法的合理性和可比较性，本文的主要研究对象是同时具有三种养殖模式的省份，符合条件的有山西、辽宁、内蒙、福建、黑龙江以及河南6 个奶牛养殖省区。

将上述投入产出变量运用SPSS 26.0进行运算处理，得到表1，由此总结出2009—2018年我国小、中、大三种模式下奶牛养殖的基本特点：（1）从投入要素来看，三种模式下人工价格的变异系数都为最大，表明养殖户对人工成本及用工需求的认知存在差异，其中小规模养殖的差异更为明显；饲料价格的变异系数则相对较小，表明对饲料的投入有着较为一致看法。（2）从影响成本效率的因素来看，医疗防疫费、死亡损失费及固定资产折旧的变异系数在三种养殖模式下都居于前三位，死亡损失费的变异系数在中、小规模中最大，表明两种养殖模式下养殖户间的防疫意识千差万别，由于大规模养殖医疗防疫费选取的样本数据极差较大，变异系数呈现强变质性；受教育水平的变异系数最低，表明各规模间养殖户的受教育水平差异程度较小，但平均年限较低，均值仅为9.13，说明养殖户人力资本水平低，养殖多依靠经验。

表1 变量的描述性统计

3 模型估计结果及分析

3.1 模型估计结果分析

根据设定的规模化奶牛养殖成本函数，运用FRONTIER4.1软件对相关变量进行数据处理，得到以下似然比统计结果，见表2。

表2 小、中、大规模奶牛养殖随机前沿成本函数参数估计结果

主要通过以下两方面对Translog-SFA方法的适用性进行分析：首先是方差σ2和变差率γ的显著性分析， 由上表可得，三种养殖规模的σ2和γ都通过了t检验，且均在1%水平下显著；通常作为判定模型成本无效项的指标，取值范围一般在（0，1），γ越接近1，表明成本低效受无效率影响因素的影响程度越大，三种规模的γ值分别为0.7378、0.7973、0.7096，说明我国规模化奶牛养殖成本效益不理想的主要原因是成本投入的无效率。其次是单边似然比检验统计量LR值分析，当γ=0的假设被拒绝时，LR值必须要大于在约束条件下的最大χ2值，小、中、大规模成本效率的LR值分别为85.1208、112.2732、83.0503，大于约束条件为10、显著性水平为5%和1%的χ2临界值（18.31和23.2），说明采用该方法对奶牛养殖成本效率进行研究是可行的。

从要素价格投入的一次项和二次项系数来看，饲料投入对成本效率的提高是一个长期的过程，短期内增加饲料投入会显著降低三种规模的成本效率，长期增加饲料投入则可以提高奶牛养殖的成本效率，且奶牛养殖规模越大，其成本效率的提高愈为明显；从人工价格的系数来看，小、中、大这三种规模的一次项系数值全部为负，而二次项系数均为正，说明较短的时间内提高人工价格对成本效率具有负向影响，但长期投入却能起到促进成本效率提高的作用。从虚拟时间变量来看，无论是短期还是长期，技术进步均有利于小、中、大三种规模成本效率的提高，并且养殖的规模越大，技术进步对成本效率的提高效果更加明显。从虚拟变量与各投入要素的交叉项来看，技术进步与饲料投入的交叉项仅在小规模下显著为正，技术进步与人工投入的交叉项在大、中规模下显著为正，说明短期内提高饲料质量对小规模奶牛养殖成本效率有显著的积极影响，而提高用工质量会显著提高中规模和大规模的成本效率。

3.2 成本效率水平和区域差异分析

为了更好的分析我国规模化奶牛养殖成本效率的情况，本文利用FRONTIER 4.1软件对上述6 个省2009—2018年的数据进行分析，并对三种规模奶牛养殖成本效率的分析结果进行整理，具体数据见表3和表4。其中，由于随机前沿成本函数得出的效率值是介于[1，∞]之间的正数，代表成本的非效率值，为了更直观地进行分析，用介于[0，1]的成本效率exp（-uit）来衡量各省区之间的三种规模奶牛成本效率水平和差异。

结合表3可以看出，规模化奶牛养殖的平均成本效率随规模递增，即规模越大效率越高，三种规模的平均成本效率分别为0.7 973、0.8 307、0.8 597，分别有20.27%、16.93%、14.03%的上升空间。小规模养殖的成本效率波动下降，大、中规模养殖的成本效率均呈上升趋势，且大规模的增长速度较快于中规模的增长速度，从分析数据可以看出，自2012年大规模养殖的成本效率高于中规模后，一直保持成本效率的领先优势。通过分析可以得出，大、中规模能够实现标准化、智能化养殖，可以充分发挥规模化以及技术所带来的优势，使得其成本效率可以快速提高。小规模养殖则达不到运用先进养殖设备的条件，在“万头牧场”的养殖趋势下，小规模不能充分发挥规模优势，导致成本效率变动率为负。

表3 2009—2018年小、中、大规模奶牛养殖成本效率

由表4所示，处于不同省份的奶牛养殖成本效率也存在明显差异。在小规模中，成本效率最高的省份是山西省（0.8 567），成本效率最低的是内蒙古自治区（0.7 154）；中规模养殖中，成本效率最高的省份是山西省（0.8 917），成本效率最低的是福建省（0.7 295）；大规模养殖中，成本效率最高的省份是河南省（0.9 027），成本效率最低的是福建省（0.8 021）。综合来看，成本效率较高的省份大多分布在东北和中部地区，这些地区饲料充足，人口密集市场广阔，引进的标准化养殖模式有利于规模牧场进行科学、规范的管理，促进管理水平的提升，有效提高了奶牛养殖的成本效率；而西部地区的成本效率相对较低，内蒙古作为奶牛养殖的主产省区成本效率水平却不高，尽管资源条件优越、牧草丰富，但奶牛良种化水平不高、交通不便、远离市场等因素限制了成本效率提高。由此可知，由于各区域在地理位置、资源禀赋、社会经济等方面存在差异，区域间差异导致成本效率上的差别是客观存在的，各地区应因地制宜地进行奶牛养殖，合理配置资源，实现生产要素利用最大化，从而提高成本效率。

表4 2009—2018年8 个样本省份（自治区）平均成本效率和排名

3.3 成本非效率的影响因素分析

基于超越对数随机前沿成本函数，分别估计小、中、大三种养殖规模下医疗防疫费用、死亡损失费用、固定资产折旧、受教育水平、料奶比对奶牛养殖成本效率的影响，结果见表5。

将表5结果代入式（2）中，可得到三种奶牛养殖规模的成本非效率函数，小规模、中规模和大规模的函数形式分别为：

表5 小、中、大规模奶牛养殖成本非效率函数参数估计结果

从影响成本非效率因素的参数估计结果来看：

医疗防疫费用（z1）的参数值在三种规模下都显著为负，参数值的绝对值与规模同向变动，表明增强防疫意识、在疾病发生前及早进行防控可以显著增加三种规模奶牛养殖的成本效率，并且随着规模的增加，效果更为明显。原因在于疾病发生后再进行治疗会影响奶牛的正常产出，原料奶的质量也会下降，进而影响养殖效益。

三种规模死亡损失费用（z2）的参数值均在5%的水平下显著为正，说明降低死亡率可以有效提高规模化奶牛养殖的成本效率，因此养殖过程中注重疾病防控、减少死亡淘汰对成本效率的提升有积极影响。

固定资产折旧（z3）的参数值在三种规模下都显著为负，说明在与现有养殖规模和技术匹配的前提下，适当增加基础设施建设方面的投入、完善辅助技术设备可以在一定程度上实现养殖效益的增加。调研获取的实际情况对分析结果也予以佐证，实际中确实存在牛舍基础设施落后的情况，卫生条件得不到保障，存在较大疾病风险，严重影响养殖效率。奶牛养殖机械化、智能化设备的投入一方面可以提高奶牛养殖的现代化水平，进行科学、规范养殖，另一方面可以间接减少劳动力投入，降低养殖成本，提高养殖效率。

受教育水平（z4）的参数值在中规模和大规模模式下显著为负，而在小规模下却不显著，说明提高大规模养殖和中规模养殖户的受教育水平可以使其成本效率得到明显提高，但是受教育水平对小规模养殖的影响并不是很大。原因可能是小规模的养殖户大多都是文化程度低、年龄较大的群体， 通常是根据前人或者个人摸索的经验进行养殖，养殖方式不科学且改进的意愿低或改进难度大。

料奶比（z5）的参数值在三种规模下都显著为正，即料奶比越高，饲料报酬率越低，奶牛养殖的成本效率也就越低。在奶牛养殖的过程中，饲料是基础，但现阶段我国奶牛养殖在饲料投入结构、饲料转化率以及饲料损耗率等方面仍存在问题，在这些方面还有待提高。因此，盲目增加饲料投入反而会降低养殖效益。

4 结论与建议

4.1 结论

本文运用Translog-SFA对2009—2018年我国规模化奶牛养殖成本效率、成本非效率及其影响因素进行分析，得出以下结论：

（1）我国大规模和中规模奶牛养殖的成本效率逐渐提高，其养殖优势逐渐显现，小规模奶牛养殖的成本效率整体处于比较低的水平，且其成本效率呈下降趋势。这说明相较于小规模养殖，大规模和中规模奶牛养殖在人工成本、标准化管理、饲料投入以及技术应用等方面具有优势，随着奶牛养殖布局的不断发展，中国的奶牛养殖也逐渐趋于规模化。

（2）在现有规模和技术水平下，我国规模化奶牛养殖的成本效率还没有达到最优水平，仍有进步的空间。增加医疗防疫费用和固定资产折旧、提升受教育水平可以促进成本效率的提高，死亡损失费用、料奶比高则是导致成本非效率的主要原因。单纯依靠扩大养殖规模、增加要素投入难以实现产出的持续增长，解决导致成本效益不理想的突出问题应成为提高养殖成本效率的主要着力点。

（3）不同地区的奶牛养殖成本效率具有明显差异，总体呈现东部、中部地区相对较高，西部地区相对较低的空间布局。结合各地区经济水平、资源禀赋以及环境承载力，充分发挥区域优势，重点扶持养殖主产区的同时着力推进潜力增长区的发展有助于提高奶牛养殖效率。

4.2 建议

基于以上结论，对提高我国规模化奶牛养殖成本效率提出以下对策建议。

（1）积极推动奶牛养殖的规模化发展，促进小规模养殖向中规模或大规模转变；进一步完善标准化、集约化的养殖模式，并将该模式在中规模和大规模养殖户中进行推广和应用，充分发挥规模化养殖的优势。政府可以借助“政企合作”等形式加大对奶牛养殖龙头企业的扶持力度，推进智能化规模养殖；对养殖户在规模化养殖场建设或养殖设备购买方面给予政策支持和补贴，激励其进行标准化规模养殖。

（2）要树立“防重于治”的意识，注重防疫支出，降低死亡损失费用，要重视饲料转换率在提高奶牛规模养殖成本效率过程中发挥的显著作用。在疾病防疫以及饲料配制方面进行技术钻研，用科学的管理办法以及先进的技术来实现相关投入的合理配置。同时，注重基础设施在奶牛养殖过程中起到的作用，进一步完善辅助技术设备的建设，提高养殖户受教育水平。在既定产出下实现低成本投入，力求实现成本效率的最优化，从而提升奶牛养殖业的核心竞争力。

（3）东部、中部地区养殖基础扎实，成本效率相对较高，但仍有较大提升空间，这些地区应该在自身养殖优势的基础上进一步细化管理，充分发挥优势以提高成本效率；西部地区应加大对奶牛养殖户的扶持力度，尤其在资金和技术等方面，并引进科学的管理方法，以提高成本效率。根据《全国奶业发展规划（2016—2020）》，我国的奶牛养殖主要划分为五大产区，不同区域省份的不同规模在成本效率方面存在很大差异，应根据自身发展条件，因地制宜，发展合适的养殖规模。