规模化水平对中国生猪养殖环境效率的影响研究

王刚毅，赵常娥，王菁菁

（1.重庆乡村振兴研究院，重庆 402160；2.东北农业大学 经济管理学院，黑龙江 哈尔滨 150030）

0 引言

效率作为衡量农业经济增长的重要指标，一直是经济学研究的热点和焦点［1］，提升效率是实现高质量发展的基本途径。近年来，在中国畜牧业高质量发展过程中，规模化养殖成为产业未来发展的必然趋势［2］，生猪养殖规模化也成为学者普遍关注的重点［3，4］。经营规模是影响农业生产效率的基础［5］。关于规模化对养殖效率的影响，学术界主要有3 种观点：一是认为养殖规模化的提高有助于生产效率的提升［6］；二是认为并非养殖规模越大，生产效率越优［7］；三是认为养殖规模增大使技术效率呈现出“先递增、再递减”的特征，使环境效率呈现出“递增”特征［8］。随着生猪养殖规模化程度的提升，其产生的环境污染也日益严重［9］，为实现生猪养殖业高质量发展，在环境约束下考虑规模化水平对生猪养殖效率的影响显得尤为重要。

Chung等最早把环境成本纳入生产效率核算框架，随后国内外学者借鉴其研究方法，不断改进完善，测算基于环境约束下的生猪养殖效率［10］。国内学者对于环境因素的考量主要分为污染物排放当量［11－15］和碳排放［16］两种。随着全球气候变暖速度的日益加快，碳减排关乎人类生存与发展［17］。畜牧业是碳排放的最主要来源［18，19］，生猪养殖业温室气体排放量位居中国养殖业第二［20］。控制二氧化碳排放，努力实现“双碳”目标是中国今后经济社会发展的重要任务。因此，本文选择碳排放量作为非期望产出的指标。

将环境因素纳入生产效率时，一部分学者从静态视角考量生猪养殖的环境效率［21］，另一部分学者则从动态视角考量生猪养殖的绿色全要素生产率［22］。大多数学者采用两种研究方法：随机前沿分析和非参数数据包络分析法。随机前沿分析法（SFA）有具体的生产函数形式，其允许技术无效率的存在，一定程度上更加接近于实际的生产情况，但其不适用于多投入、多产出的函数设定［23］。非参数数据包络分析法（DEA）不需要具体的函数形式，能够衡量多投入、多产出的情况［24］。但对于投入与产出变量间的松弛性问题，传统的DEA 模型并没有很好的解决［25］。Tone提出了Super－ SBM 模型弥补了上述缺陷［26］，但其测算结果只能衡量省份的效率值在该年度是否达到最优，不能进行动态的比较［27］。Pastor等构建的Global Malmquist－Luenberger（GML）指数能够很好地分析全要素生产率的动态变化［28］。为了从静态和动态视角把握中国生猪养殖业绿色发展态势，本文在使用Super－ SBM模型测算环境效率的基础上，采用GML指数测算生猪养殖绿色全要素生产率。

综上所述，现有研究为本文提供了分析方法的经验和借鉴。本文可能存在的贡献在于：一是采用Super－ SBM 模型和GML 指数测算分省生猪养殖的环境效率和绿色全要素生产率，从静态和动态两个视角探究中国生猪养殖时空差异，弥补单一视角衡量的不足；二是将碳排放量作为非期望产出指标，在科学测度环境效率的基础上，利用Tobit模型探究生猪养殖规模化水平对环境效率的影响，以期为中国生猪养殖业规模化发展和控制二氧化碳排放提供依据。

1 模型和数据指标

1.1 Super－SBM模型

在环境效率的测算方法中，使用较多的是径向DEA模型，Tone提出了基于松弛变量的非径向SBM模型［26］，其具有非径向的特点，避免了径向测量误差，解决了投入产出的松弛性问题，较好地弥补了传统DEA模型的缺陷。但原始的SBM 模型测量的效率值在0—1 之间，当多个DUM效率值达到1 时，采取原始的SBM 模型，DUM 有效排序成为一个问题。而Super－ SBM 模型，允许效率值超过1，能够有效解决DUM排序问题［29］。考虑到中国不同省份生猪养殖环境效率可能同时处于DEA 效率前沿面的情况，本文采用Super－SBM 模型，评价中国生猪养殖业的环境效率，模型构建如下：

1.2 GML模型

Super－ SBM 模型只能对环境效率进行静态分析，不能分析其动态变化［30］。而GML指数能够很好的分析环境效率的动态变化，并且弥补了ML 指数不具备循环性和无解的情况，允许存在技术倒退。本文参考Chung等的研究方法［10］，定义t 期到t ＋1期之间的GML指数为：

式中：GML 为绿色全要素生产率，当其大于1时，表明绿色全要素生产率提高，当其小于1 时，表明绿色全要素生产率下降，当其等于1 时，表明绿色全要素生产率不变；GTC 为绿色技术进步，表现为新技术的研发与应用，GTC ＞1 表明绿色技术进步，绿色生产效率改善，GTC ＜1 表明绿色技术退步；GTE 为绿色技术效率变化，反映为追赶效应，GTE ＞1表明绿色技术效率改善，决策单元接近最大生产可能性边界，GTE ＜1 表明绿色技术效率损失。

1.3 Tobit模型设定

本文采用Super－ SBM 模型测算2008—2020 年中国生猪养殖环境效率，采用Tobit模型重点分析生猪养殖规模化水平对环境效率的影响，计算公式为：

式中：ETEit代表第i 个省份第t 年所对应的环境效率值；cons 为常数项；scaleit代表第i 个省份第t年的生猪养殖规模化水平，用各省份小规模、中规模和大规模生猪出栏数量占该省份生猪出栏总数量表示；pcornit为第i 个省份第t 年的玉米价格，反映生猪养殖的饲料成本；eduit为第i 个省份第t 年的人力资本水平，使用各省份的平均受教育年限来衡量；pigpit为第i 个省份第t 年的猪肉生产能力，用各省份猪肉产量占肉类总产量比例表示；pigfit为第i 个省份第t 年的种猪场数量，表示该地区种质资源研发的力度；techit为第i 个省份第t 年的技术投入水平，用R＆D投入强度表示；εit为随机误差。

1.4 指标选取和数据来源

具体指标选取：①生猪养殖绿色全要素生产率测算指标选取。本文主要参考杜红梅等、汪爱娥等［31，32］的研究。投入指标主要包括仔畜重量（ω1）、劳动力用工数量（ω2）、精饲料数量（ω3）、燃料动力费（ω4）、医疗防疫费（ω5）。期望产出指标是生猪主产品净产量（y1），用生猪主产品产量减去仔畜重量表示，非期望产出指标是生猪养殖碳排放量（y2），具体核算方法，参考汪爱娥等的研究［32］。②生猪养殖环境效率影响因素指标选取。在现有研究的基础上，本文主要探讨生猪养殖规模化水平对环境效率的影响，并考虑玉米价格、人力资本水平、猪肉生产能力、种猪场数量、技术投入水平相关指标对环境效率的影响。

数据来源：在数据收集过程中发现，北京市2019 年和西藏未有相关统计资料记载。因此，考虑到数据的可获得性和完整性，故本文选取2008—2020 年不含北京市、西藏自治区、香港特别行政区、澳门特别行政区和台湾地区的我国29 个生猪养殖省份作为研究区域。仔畜重量、劳动力用工数量、精饲料数量、燃料动力费、医疗防疫费、生猪主产品产量相关指标来自《全国农产品成本收益汇编》，生猪出栏量相关指标来自《中国畜牧兽医年鉴》，人力资本水平、技术投入水平及猪肉生产能力相关指标来自《中国统计年鉴》，玉米价格、种猪场数量相关指标来自布瑞克数据端。上述与价格相关的数据均用农业生产资料价格指数进行平减（2008 年为基期），以消除通货膨胀的影响。具体变量的描述性统计结果如表1 所示。

表1 主要变量的描述性统计结果Table 1 Descriptive statistical results of main variables

2 结果及分析

2.1 环境效率的静态分析

总体上看，2008—2020 年，不论是否考虑非期望产出，中国生猪养殖业的技术效率均低于1（表2），表明生猪养殖业整体效率与生产前沿面存在一定距离，中国生猪养殖业存在投入产出改进的必要性。不考虑非期望产出时，中国生猪养殖传统技术效率均值为0.89，考虑非期望产出后，环境效率均值为0.86。可见，环境约束对技术效率产生了抑制作用，忽视环境因素的影响会使得生猪养殖的技术效率存在高估现象，也表明中国生猪养殖过程中存在粗放式经营问题。

中国生猪养殖环境效率增长的主要源泉是环境纯技术效率，关键动力是环境规模效率。2008—2020年，中国生猪养殖环境纯技术效率整体水平始终较高，其均值为0.98，但环境规模效率整体水平相对较低，其均值为0.89（表2）。环境纯技术效率对环境效率的影响强于环境规模效率对环境效率的影响，说明在中国生猪养殖业发展过程中技术因素发挥了主要作用，规模因素的作用有待提高。环境纯技术效率是当前中国生猪养殖环境效率的主要来源，但其水平接近1，趋于饱和状态，单纯通过增加技术投入提高生猪养殖环境效率的空间有限。因此，现阶段中国生猪养殖环境效率进一步提升的关键动力是环境规模效率。

表2 2008—2020 年中国生猪养殖环境效率及分解Table 2 Environmental efficiency and decomposition of pig breeding industry in China，2008－2020

从区域差异上看（表3），2008—2020 年，不考虑非期望产出时，中国中部地区技术效率最高，均值为0.93，西部地区技术效率次之，均值为0.90，东北地区技术效率最低，均值为0.86。中部地区技术效率水平较高，主要原因是中部地区人口基数较大，生猪产销量大，生猪养殖的规模化程度较高，且技术投入较大。考虑非期望产出时，中国西部地区环境效率较高，均值为0.92，中部地区环境效率次之，均值为0.85，东北地区环境效率最低，均值为0.73。主要可能的原因是西部地区生猪产量较低，环境压力较小，加之西部地区农牧结合条件较好，能推行生态养殖，其通过推广先进高效的生态养殖技术，不断提高环境纯技术效率，使得环境效率较高。东北地区是玉米的主产地，玉米供应量充足，生猪饲料成本较低，有益于生猪规模化发展，但其环境纯技术效率较低，表明东北地区生猪养殖业在发展过程中是依靠要素投入的粗放式增长，忽视了清洁技术的投资，对于先进技术的应用有待增强。四大地区环境效率均未达到生产最优状态，东部地区和西部地区亟需提高环境规模效率，中部地区和东北地区亟需提高环境纯技术效率。

表3 2008—2020 年中国生猪养殖环境效率Table 3 Environmental efficiency of pig breeding in China，2008－2020

2.2 环境效率的动态分析

使用Super－ SBM 模型只能对环境效率进行静态分析，难以分析其动态变化情况。考虑到生猪养殖过程具有连续性、长期性和动态性等特征，为更好地分析环境效率的变化趋势，本文运用GML指数测算生猪养殖绿色全要素生产率及其分解项（表4、表5），以期从动态视角掌握生猪养殖环境效率的变动情况。

表4 2008—2020 年中国生猪养殖绿色全要素生产率及其分解Table 4 Total factor productivity and decomposition of pig industry in China，2008－2020

2008—2020 年中国生猪养殖绿色全要素生产率指数基本大于1，表明中国生猪养殖绿色全要素生产率不断提高，中国生猪养殖业发展趋势整体向好。不考虑非期望产出时，全要素生产率的年增长率为1%，考虑期望产出时，绿色全要素生产率的年增长率为3%。考虑非期望产出后，绿色全要素生产率上升，表明中国环境规制政策在生猪生产领域发挥了积极作用。从GML 指数的分解来看，2008—2016年中国生猪养殖绿色全要素生产率的提高主要归因于绿色技术效率的提高，这个阶段绿色技术效率指数基本大于1，且高于绿色技术进步指数。而2016—2020 年中国生猪养殖绿色全要素生产率的提高主要归因于绿色技术进步的提高，该阶段绿色技术进步指数基本大于绿色技术效率指数，表明2016—2020 年中国生猪绿色技术进步上升的较快，逐步成为提高中国生猪养殖业绿色全要素生产率的主要驱动力。2016 年是中国生猪产业转型升级的重要时点，可能与国家对生猪产业的相关政策有关。2016年农业部印发了《全国生猪生产发展规划（2016—2020）》，使越来越多的社会资源向生猪产业聚集，激发了生猪产业的生产活力，一定程度上有利于生猪养殖绿色全要素生产率的提高。

从区域差异上看（表5），2008—2020 年，中国生猪养殖绿色全要素生产率排名第一的地区是东部地区，均值为1.04，排名第二的地区是中部地区，均值为1.03，东北地区排名最后，均值为1.02。东部地区领先全国1 个百分点，绿色技术效率是其主要增长源泉（3%），绿色技术进步贡献较小（2%），主要原因是东部地区的发展水平和城市化水平较高，劳动、资本、技术等生产要素较为集聚［33］，政府和居民具有较强的环保意识［34］，使得生猪养殖主体在生产行为上更加注重使用绿色技术，促进了该地区生猪养殖业绿色全要素生产率的快速增长。中部地区生猪养殖业绿色全要素生产率的增长主要依靠绿色技术进步的带动作用，安徽省和江西省的绿色技术进步指数为1.06，年均增长6%，湖南省绿色技术进步年均增长5%，生猪养殖新技术的研发和应用，使得中部地区生猪养殖业绿色全要素生产率得以提高。东北地区生猪绿色全要素生产率处于劣势地位，主要因为其绿色技术进步指数年增长率（1%）低于全国平均水平（2%）。东北地区作为中国主要粮食基地，生猪养殖产业发展依赖饲料资源优势，但东北地区的科技创新产业起步较晚，发展较为缓慢［35］，企业自主创新意识薄弱［36］，导致东北地区生猪养殖技术的创新与利用相对低于全国的平均水平，绿色技术进步年均增长率较低，从而使东北地区生猪养殖绿色全要素生产率增长较为缓慢。四大地区的技术效率均大于1，表明中国生猪养殖存在技术追赶效应。

表5 2008—2020 年中国生猪养殖绿色全要素生产率Table 5 Green total factor productivity of pig breeding in China，2008－2020

2.3 环境效率的影响因素分析

根据生猪养殖环境效率影响因素的Tobit 估计结果（表6），与生猪养殖环境效率显著相关的主要是生猪养殖规模化水平、玉米价格、人力资本水平、猪肉生产能力、种猪场数量、技术投入水平。生猪养殖规模化水平的一次项对环境效率存在负向影响，规模化水平的二次项对其存在正向影响，且均在1%的水平上显著，表明养殖规模化水平与环境效率之间存在“U”型关系。根据计算，生猪养殖规模化水平的拐点为0.41，中国生猪养殖规模化水平现在为0.51。表明中国生猪养殖业已经跨越了粗放式增长的拐点，进一步提高生猪养殖规模化水平可以实现生猪养殖经济效益和环境效益的提升。之所以出现上述情况，主要原因在于，中国生猪产业采取粗放式养殖模式［37］，在规模化提升前期，养殖场（户）追求经济效应，忽视环境因素，导致资源消耗和环境污染，使得环境效率下降。随着生猪养殖规模化水平的提高，国家注重环境保护和污染治理，生猪养殖场（户）逐渐转变生产方式，发展绿色清洁养殖，进而提高生猪养殖业的环境效率。

表6 生猪养殖环境效率影响因素的Tobit回归结果Table 6 Tobit regression results of influencing factors of pig breeding environmental efficiency

种猪场数量在1%的显著水平上对生猪养殖环境效率存在正向影响，表明加强种猪场建设有助于提高生猪养殖环境效率。人力资本水平在5%的显著水平上对生猪养殖环境效率存在正向影响，说明提高生猪养殖者的专业素质有利于生猪养殖环境效率的提高，这与于连超等观点一致［37］。技术投入在5%的显著水平下对生猪养殖环境效率存在负向影响，表明生猪养殖业存在技术投入冗余，应减少技术投入，促进资源的合理利用。人力资本水平对生猪养殖环境效率存在正向影响，而技术投入水平对其存在负向影响，表明目前中国生猪养殖环境效率的增长主要依靠内生技术的作用，应通过提高养殖人员的专业素质水平，而不是加大技术投入的方式促进其提高。玉米价格在10%的显著水平上对生猪环境效率存在负向影响，即降低玉米价格可以促进环境效率的提高，表明降低饲料成本有利于生猪养殖环境效率的提升。猪肉生产能力在10%的显著水平上对生猪环境效率存在负向影响，即当猪肉生产能力较高时，养殖场（户）可能采取了以较高的环境代价来进行生猪生产的行为，进而导致生猪养殖环境效率降低。

3 结论与建议

3.1 结论

本文基于2008—2020 年的29 个省份面板数据，采用Super－ SBM模型和GML 指数，分别从静态和动态视角考察了中国生猪养殖业环境效率和绿色全要素生产率的时空演化特征，采用Tobit 模型重点分析了生猪养殖规模化水平对环境效率的影响。主要结论如下：①静态视角下，中国生猪养殖环境效率并未达到最优状态，环境效率的区域差异明显。从环境效率提升因素来看，其提高的主要源泉是环境纯技术效率，但提升空间较小，提高环境规模效率是目前提升中国生猪养殖业环境效率的关键因素。从区域差异特征来看，中国生猪养殖业环境效率呈现“西部地区＞中部地区＞东部地区＞东北地区”的分布特征，东部地区和西部地区亟需提高环境规模效率，中部地区和东北地区亟需提高环境纯技术效率。②动态视角下，中国生猪养殖业绿色全要生产率发展趋势整向好。从区域增速差异看，东部地区增速最快，东北地区增速较慢。从时序变化看，在《全国生猪生产发展规划（2016—2020 年）》发布之前，中国生猪养殖绿色全要素生产率的提高主要归因于绿色技术效率的提高，政策发布之后，绿色技术进步逐步成为提高中国生猪养殖业绿色全要素生产率的主要驱动力。③从影响因素角度分析，生猪养殖规模化水平对环境效率存在“U”型影响，中国生猪养殖业已经跨越了粗放式增长的拐点，进一步提高生猪养殖规模化水平可以实现经济效应和环境效应的提升。加大生猪种猪场建设、提高从业人员素质，减少技术投入和降低玉米饲料价格，均有助于提升生猪养殖环境效率。

3.2 建议

基于以上结论，提出以下对策建议：①因地制宜扶持生猪养殖业的发展。要引导规模养殖场在东部地区、中部地区与西部地区进行产业布局，推进标准化规模养殖，为养殖场（户）规模化经营提供支撑，加快规模养殖场转型升级，充分发挥该地区生猪养殖的规模效率。在东北地区要积极引入绿色养殖工艺，建立健全标准化的养殖体系，加强高效清洁技术的推广与应用，转变生产方式，通过引入创新技术充分发挥当地的资源优势，实现环境效率的提高。②继续推进中国生猪产业规模化养殖。政府可以引导经济和社会资源向规模化养殖场聚集，规范规模养殖场绿色养殖行为，充分发挥其稳定生猪产生、引领产业高质量发展的作用，促进生猪生产经济效应和环境效应协同发展。③增强养殖人员的技术培训。政府可以构建区域性生猪养殖技术交流平台，引导生猪养殖龙头企业定期开展经验交流。养殖企业可以聘请高水平的生猪养殖专业人员，定期对生猪养殖者展开培训，使其能够了解并掌握先进养殖技术，掌握清洁高效的管理理念和方法，提高生猪养殖生产管理水平。④加大种猪场建设，建设现代化生猪种业。国家应加大对生猪种质资源选育力度，建设现代化生猪种质资源库，创建种质资源共享平台，推动企业、科研院所育种能力的提升，提高种质资源利用效率。