互联网普及、机械化水平对生猪产能影响研究*——基于长江经济带的全面FGLS和门限模型估计

员跃鑫，何蒲明，曾智，裴潇

(1. 长江大学湖北农村发展研究中心，湖北荆州，434023； 2. 北京林业大学经济管理学院，北京市，100083)

0 引言

长期以来，中国的猪肉产量和消费量都占世界产量和消费量的近一半份额，“十四五”期间，我国生猪产能预计将稳定在55 000 kt左右，预计到2025年生猪产量占整个肉类产量的61.8%。由此可见，发展生猪养殖业对提高人民生活水平、稳定社会秩序具有重要作用。但是我国生猪养殖业的机械化、信息化及规模化养殖水平不高，不利于现代化生猪养殖业的进一步发展。根据相关规划和发展意见来看，畜牧业总体机械化率低于50%，力争在2025年生猪养殖的机械化率达到70%以上[1-3]。而纵观世界发达国家的农业畜牧业发展史，信息化、机械化水平的提高对农业畜牧业的转型发展、步入现代农业畜牧业都具有不可磨灭的重要作用。互联网普及着力提高普通民众信息的可得性，克服传统的买卖双方信息不对称的弊端，降低养殖户的信息沟通费用和成本，切实提高养殖户的养殖收益和积极性，机械化水平是发展现代生猪养殖业的基础，显著降低了生猪养殖业的劳动强度，节约了人工成本，提高了养殖效率和产量，两者对生猪养殖业的健康高质量发展具有极大的促进作用。由此可见，互联网普及、机械化水平是我国生猪产业高质量发展的重要方向。

互联网可以推动生猪产业链的延伸，构建更加便捷的交易和融资平台，提高了生猪产业链的运行效率，同时可以有效破解行业“融资难”问题[4-6]。生猪“互联网+”的商业模式对生猪产业的很多方面都有显著影响，包括：价值主张、组织形态和盈利方式，因此提出提高物联网发展水平、提高管理人员素质，提升企业创新能力等建议[7]。文章使用数据包络分析法，通过四省实地调研所得数据研究发现，机械化水平有助于提高生猪规模养殖效率和经济效率[8]。互联网对生猪养殖业产业转型具有积极影响，并系统地分析了生猪养殖业中信息化智能化的发展现状及对策建议[9-10]。网易味央猪在数字化建设方面走在行业前列，其生产和经营模式具有借鉴意义，进而提出了培养信息化、数字化专业人才，创新数字融资模式等建议[11]。我国生猪养殖业基础设施建设机械化水平偏低，明确了我国生猪产业发展要全方位提高机械化水平[12-14]。天津地区的生猪养殖场普遍存在机械化水平、信息化水平偏低的情况，明确了要发展现代生猪养殖业就必须提高机械化及信息化水平[15]。文章研究发现机械化对肉牛生产和规模化蛋鸡养殖技术效率有积极作用，提出了加快畜牧业机械化建设、加强培训和技术推广等建议[16-17]。

通过对已有文献的梳理，发现关于互联网普及、机械化水平对生猪产业的研究大多明确了其对生猪产业的积极影响，但从实证方面去论证互联网普及、机械化水平对生猪产能的具体影响效果的研究并不多。长江经济带上的各省既有约束发展区也有重点发展区及潜力增长区，而其他地区多属同一功能分区，例如黄河流域多属于潜力增长区。因此，使用长江经济带上的数据进行实证分析时更加准确和具有普遍适用性。同时基于当前非洲猪瘟余波和新一轮猪周期的影响，生猪养殖业稳定基础产能仍是产业发展的首要任务，所以本研究可能更具实践意义。前文已明确了互联网普及、机械化水平对生猪产业的影响。而生猪产能作为生猪产业发展的基础，互联网普及、机械化水平对其可能也具有积极影响。基于此，文章探讨和验证两者对生猪产能的影响就十分必要。

1 理论机制分析

互联网普及、机械化水平对生猪产能具有显著的促进作用。互联网普及极大地提高了不同阶层的信息可得性，降低了沟通成本，可以极大地缓解沟通主体信息不对称的传统问题。而机械化水平对提高养殖效率、降低养殖成本的作用也十分明显。同时，根据边际报酬递减定律，在技术和其他投入不变的情况下，持续追加一种生产要素，其对边际产量存在临界点，在临界点之前，边际产量递增，超过临界点，边际产量会出现递减，甚至负值。因此，互联网普及、机械化水平可能并不能持续提高生猪产能，可能存在临界值，在临界值之前可以达到帕累托最优状态，超过临界值，可能会打破一般均衡状态。因此互联网普及、机械化水平对生猪产能可能会有非线性促进作用。基于以上理论分析，进行实证分析时，适宜用面板数据回归及门限模型分析。

2 模型构建及数据来源

2.1 变量说明

2.1.1 被解释变量

基于文章是研究互联网普及、机械化水平对生猪产能的影响，涉及生猪产能的被解释变量有很多，包括生猪产量、年生猪出栏量以及年末存栏量等，而年出栏量是以每年用于市场交易的生猪产量，代表了不同阶段生猪的实际供给量，而生猪产量，同时包括之前的过剩产能，可能导致生猪产能虚高，因此以生猪出栏量，作为衡量全年该地区生猪产能可能更客观。所以被解释变量是长江经济带上各省(市、区)的年生猪出栏量。记为CLL。

2.1.2 核心解释变量及控制变量

各变量的描述性统计具体见表1。

表1 各变量描述性统计

核心解释变量是互联网普及、机械化水平，基于数据的可得性以及前人的研究，以互联网接入端口数和畜牧业机械总动力(千瓦时)作为核心解释变量，分别记为HL、TZ。同时以各省生猪年产量作为稳健性检验的被解释变量，以长途光纤公里数(lnCT)和畜牧机械总动力(台)(lnJZ)作为稳健性检验的核心解释变量。同时借鉴已有的陈萌萌、李晗等研究成果选择控制变量。内部影响因素包括每单位生猪产值、种猪场数、饲料投入、猪生产价格指数。根据传统的经济学理论可知，生猪产值、生猪生产价格指数在一定程度上反映了本阶段的猪肉供需情况，产值越高、生产价格指数越高说明养殖户可能会有更多的盈利空间，这将刺激其养殖积极性，对生猪产能有促进作用。而种猪场数一定程度上体现生猪产能的可持续发展能力，种猪场的数量和质量会直接影响生猪的产量和出栏量。饲料投入的质量会显著影响生猪养殖的数量和质量，间接也会影响生猪产能。外部影响因素包括研究及实验人员数量、人均可支配收入、财政支出占GDP的比重、公路里程数、不同发展水平(人均GDP)等。而从外部因素来看，科研人员的数量可能会促生更好育种技术，有助于提高猪肉质量和产量。人均可支配收入的提高、财政支出比重的提高，可以同时提高生猪的消费量以及加快生猪养殖业的建设步伐，都可能一定程度上促进生猪产能的提高。而公路里程数会进一步提升猪肉供销途径和效率，有助于拓宽猪肉供销渠道，间接促进生猪产能的提升。而不同发展水平(人均GDP)与人均可支配收入不同，包括了更多的构成要素，而这些要素(例如：折旧、税费等可能会提高养殖成本，从而阻碍生猪产能的提升。)同时考虑到产业结构调整的需要，生猪产能的变化可能会与技术推广和劳动生产率的变化有关，因此，除已有的控制变量外，又加入了各地区乡镇畜牧站的数量和养殖效率作为新的控制变量。

2.2 模型构建

基于面板数据可能各省之间的数据存在较大差异性，不同省份的干扰项可能有所不同，可能存在组内异方差，同时数据是T>N的面板数据，就要同时考虑截面相关和组内自相关问题。因此，在模型估计前，对模型进行组内自相关、截面相关、异方差检验。检验结果为F=39.314、Pesaran’s=2.305、Chi2=3 832.89，三者都在5%的水平上显著，均拒绝检验的原假设，模型的数据同时具有组内自相关、截面相关、异方差。因此，使用全面FGLS估计会更准确。鉴于各省的数据具有较大区域差异性，为了保证回归结果的准确性，选择每个个体自回归系数不同的全面FGLS估计,也即同时考虑组内自相关、截面相关、异方差情形的回归分析。

为验证互联网普及、机械化水平对生猪产能的影响，减少模型中的异方差问题，将数据取自然对数，同时考虑到不可控的时间和地区因素可能对模型的影响，在模型回归时同时控制个体和时间效应。构建估计基准模型如下

lnCLLit=α+β1lnHLit+β2lnTZit+β3χit+εit

(1)

式中：i——长江经济带上各省(市、区)(i=1，2…11)；

t——年份(t=2004，2005，…，2019)；

lnCLLit——长江经济带上各省(市、区)i在第t年的生猪年出栏量；

lnHLit——长江经济带上各省(市、区)i在第t年的互联网接入户数；

lnTZit——长江经济带上各省(市、区)i在第t年的畜牧机械总动力；

χit——一系列控制变量；

εit——干扰项；

α、β——各变量的回归系数。

缺失变量取临近两年数据的均值代替。而模型1是基准模型的回归结果，模型2～模型5是以相似的数据替换所得到的保证模型稳健性的回归结果，其中模型3是替换被解释变量的回归结果(以猪肉产量替换出栏量)，模型2、模型4、模型5分别是替换核心解释变量所得的回归结果。

鉴于长江经济带上的各省(市、区)不同区域在不同年份的发展水平和速度会有所不同，而不同区域的人均国内生产总值可以较客观的代表该区域的发展水平和速度。因此为了进一步验证在不同发展水平下互联网普及、机械化水平对生猪产能的影响，以各省人均国内生产总值为门槛变量，同时以居民人均消费水平(元)做稳健估计，构建以下门槛效应模型。

lnCLLit=λ0+λ1lnHLit×I(lnGDit≤r)+

λ2lnHLit×I(lnGDit>r)+εit

lnCLLit=λ0+λ1lnTZit×I(lnGDit≤r)+

λ2lnTZit×I(lnGDit>r)+εit

(2)

式中：I(·)——指示性函数，相应条件成立时取1，否则取0；

λ——待估系数；

εit——误差项；

r——门槛值。

2.3 数据来源

文章所用数据来源于《中国农村统计年鉴》《中国科技统计年鉴》《中国畜牧业统计年鉴》《中国统计年鉴》《中国区域经济统计年鉴》《全国农产品成本与收益资料汇编》，获得长江经济带上11省(市、区)2004—2019年相关面板数据。

3 回归分析

在模型进行回归之前，已经通过相关变量平稳性检验。

从表2可以看出，基准模型和稳健性模型回归结果均表明互联网普及、机械化水平对长江经济带上各省(市、区)的生猪产能具有显著促进作用。可能的原因，互联网普及可以显著降低买卖双方的沟通成本，拓宽销售渠道、帮助养殖主体更新销售观念，享受技术进步所带来的福利，而机械化水平可以大大节约养殖过程中的人力成本，大幅度提高养殖效率，因此，两者对生猪产能有显著促进作用。而控制变量中的研究人员数量、人均可支配收入、公路里程数、生猪产值、饲料投入、技术推广、养殖效率等都对长江经济带上各省(市、区)的生猪产能具有显著促进作用。可能的原因是，研究人员数量、技术推广在发展新技术、创新的管理模式和方法方面有突出作用。而随着现代生猪养殖业转型发展步伐的加快，规模化养殖已成趋势，两者在规模化养殖场中的规模效应凸显，对生猪产能有促进作用。而人均可支配收入、公路里程数对生猪产能的影响作用也毋庸置疑，随着人均可支配收入的提高，居民消费水平的随之提高，而猪肉作为必不可少的日常食用品，猪肉需求会随收入的提高而增加，继而提高生猪产能。公路里程数是生猪养殖服务的基础，可以加速生猪产品的流通速度，降低生猪交易的运输成本，间接可能会促进生猪产能的提升。而生猪产值、饲料投入、养殖效率对生猪产能的影响主要源于内部因素。产值的提高，一般意味着养殖利润的提高，而合理的饲料投入可以明显提高生猪养殖的质量和数量，而养殖效率的提升意味着在相同的条件下，一样的投入可以产生更好的效率，这些都会对生猪产能的提高有促进作用。而猪生产价格指数、财政支出占比、人均国内生产总值对长江经济带上各省(市、区)的生猪产能具有显著抑制作用，可能的原因是，生产价格指数的提高，一定程度上反映了这一时期的猪肉供求状况，在猪肉价格高涨的情况下，基于趋利性的本质，养殖主体可能为了保住当前的盈利空间，存在人为控制产能，期待更理想的利润空间。而财政支出真正在生猪养殖业上的投入比例并不高，加之财政投入时滞长、中间环节多，投资时机和力度的差异，可能会适得其反。反而阻碍了生猪产能的提升。人均国内生产总值中的折旧、税费等占比过高，这些会增加养殖成本，挫伤养殖积极性，对生猪产能的提升可能有阻碍作用。同时种猪场数对生猪产能并没有统计意义。可能的原因是，一般的养殖阶段从种猪、仔猪、育肥到出栏整个阶段可能长达十几个月，对市场的反应存在较长时滞，因此可能对生猪产能的影响也会有时滞。

表2 全面FGLS估计结果

为了验证在不同发展和消费水平下，互联网普及、机械化水平对生猪产能提升的影响是否是非线性的，引入不同发展水平变量(lnGD)、同时以不同消费水平变量(lnXF)做稳健估计，进行搜寻点为400、迭代1 000 次的门限效应检验，估计结果如表3所示。

表3表明，以不同发展水平为门槛变量，互联网普及和机械化水平对生猪产能的促进作用，都通过了单一门槛检验。门槛值分别为0.016 8和0.017 2，分别在5%、10%的水平上显著。当发展水平低于0.016 8时，互联网普及对生猪产能的影响系数是0.053 333 5，在5%的水平上显著。当发展水平高于0.016 8，互联网普及对生猪产能的影响系数降低到0.018 617 2，且失去显著性。当发展水平低于0.017 2时，机械化水平对生猪产能的影响系数是0.218 45，在1%的水平上显著，当发展水平高于0.017 2时，机械化水平对生猪产能的影响系数降低到0.149 116 3，在5%的水平上显著。同时以不同消费水平做稳健估计，其门槛效应的显著性，影响方向无变化，模型具有较好的稳健性。

表3 门限效应检验结果

基于此，互联网普及、机械化水平对生猪产能的促进效果受到不同发展水平的门槛效应调节，在最适宜的发展水平下，互联网普及、机械化水平对生猪产能的促进效果才能最大化。当不同发展水平与互联网普及、机械化水平相协调时，两者对生猪产能的促进效果才能达到一般均衡状态。

4 结论与启示

文章运用全面FGLS估计，通过对长江经济带11省(市、区)面板数据的分析发现，互联网普及、机械化水平对长江经济带上各地区的生猪产能有显著促进作用，进一步用门限模型估计去检验两者对生猪产能的促进作用是否是非线性的。检验结果表明，互联网普及、机械化水平对生猪产能的促进作用受到不同发展水平或不同消费水平的门槛效应调节，只有在最适宜的发展或消费水平下，互联网普及、机械化水平对生猪产能的促进效果才能最大化。

1) 要紧密依靠互联网新型创新技术，以“宽带，电商”等新技术、新主体，进一步便捷养殖主体的交易渠道，降低养殖成本。完善生猪养殖业信息化智能化发展水平，加快信息化基础设施建设。进一步推进“互联网+生猪”发展战略，推进电商主体与养殖实体的深度融合发展，打造高效便捷安全的线上生猪产品交易平台。

积极争取财政资金和多元化的信贷资金投入，重点支持畜牧业机械装备的基础研究和创新发展，农机购置补贴适当向畜牧养殖业有所倾斜。打造“高等院校—装备企业—养殖企业”三位一体的机械化技术队伍，加大对技术人员的培训管理，壮大机械化人才队伍。着力提高畜牧机械化创新能力，推广使用高效环保的机械化装备[18-19]。

2) 纵向深入发挥互联网、机械化水平对生猪产能的促进作用，着力提高互联网和机械装备的使用效率，打造“高效、环保、节能”的机械利用标准。推动生猪养殖业与数字经济和高效机械装备协同发展，提高生猪养殖业的经济效益和生产效率。

3) 要立足现阶段的发展和消费状况，一方面要致力于打造合理有序的消费市场，不能盲目消费和激情消费，实现消费市场的良性循环机制。另一方面，要引导消费市场流向畜牧养殖业，尤其是生猪养殖业，以消费带动产业发展，探索互联网普及、机械化水平与稳定生猪产能的绿色可持续发展路径。