一、引言

畜牧业是中国现代农业的重要组成部分。改革开放以来，中国畜牧业获得了快速发展，中国也成为世界畜产品的生产大国。联合国粮农组织(FAO)统计资料显示，中国自1990年起就超过世界其他国家成为全球最大的肉类生产国，2013年中国的肉类产量约为8 518万吨，占世界总产量的27.4%，其中猪肉产量约为5 375万吨，约占当年国内肉类总产量的47.6%。^[1]生猪养殖业不仅是中国的传统产业，也是中国畜牧业中最大的产业，猪肉长期以来都被中国人民视为生活消费的必需品，在各大肉类消费中占有重要地位。^[2]根据《中国统计年鉴》(2015) 数据资料统计，2013年和2014年中国居民人均猪肉消费在肉类总消费中的比例均在77%以上，而未来中国猪肉消费量将进一步增加。尽管如此，与牛、羊和鸡肉相比，目前中国生猪养殖业依然存在生产效率低、资源浪费等诸多问题，使得国内生猪生产缺乏稳定性和市场适应力，导致猪肉产量和价格波动剧烈。^[2]

提高生猪养殖业生产效率是保障中国猪肉有效供给、稳定猪肉市场价格、发展现代畜牧业、增加农户特别是边远地区农户收入的必然要求。现代经济增长理论以及生产实践均表明，技术进步以及生产率的提高是长期经济增长的动力。^[3]12因此，中国生猪养殖业特别是猪肉生产能力提升的主要动力就在于效率和生产率的提高。虽然近年来中国生猪养殖业在国家和各地区优惠政策的大力扶持下，呈现出加快发展的势头，生产方式逐步向规模化、标准化、产业化和区域化方向发展。然而，中国生猪养殖业之类的畜牧业在快速发展的同时，面临着日趋严重的资源和环境方面的约束，如土地面积有限、水资源总量及水质状况不断下降、自然灾害及疫病频发、人工成本逐步上升等，这些因素都会对中国生猪养殖业乃至猪肉生产的总体效率产生不利影响。^[4-6]因此，如何在资源和环境双重约束下，继续保证中国生猪养殖业持续快速发展，是当前及未来畜牧业发展必须解决的问题，而尽快提高中国生猪养殖业的生产效率和全要素生产率增长正是解决这一问题的重要途径。

与扩大饲养规模和投入要素增加导致的产出增加相比，提升生产效率带来的集约型产出增长是保证中国猪肉等畜产品持续健康增产的关键手段。^[7]根据已有文献采用不同方法对中国不同时期、不同地区及不同养殖规模下生猪养殖业生产效率和全要素生产率的研究发现，无论是采用随机前沿生产函数(Stochastic Frontier Analysis，SFA)等参数方法，还是数据包络分析(Data Envelopment Analysis，DEA)等非参数方法；无论是散养农户还是规模养殖场；无论是东部较发达的沿海地区还是西部经济较落后的偏远地区，中国生猪生产存在着显著的技术效率损失^[2][8-9]，但规模养殖的技术效率优势逐步体现^[10-11]，而不同区域间生猪生产的技术效率水平也存在较大差异^[12-13]。2007-2010年中国优势区域中规模猪场生猪全要素生产率出现了负向增长^[14]，原因主要归咎于中国生猪养殖业仍处在粗放经营向集约经营转变的过程中，生猪产出增长主要依靠物质投入数量的不断增加，其中饲料投入量的作用最明显，再伴随着劳动力的过量投入，落后的养殖基础设施和技术服务，产出水平自然较低。然而，肖红波在研究中却发现，1980-2008年中国生猪养殖业的全要素生产率共增长了64.3%，但由于生猪生产受多种因素，如自然灾害和疫病等的影响，其全要素生产率的增长波动性较大。^[15]

以上学者的研究成果为文章开展相关研究提供了非常重要的参考价值。然而，纵观学者们的研究，文章发现多数学者采用的研究方法是基于径向(Radial)的和角度的(Oriented)传统数据包络分析方法和Malmquist生产率指数，或者需要设定具体生产函数形式的随机前沿分析对中国生猪养殖业等畜牧业的生产效率和全要素生产率进行研究，忽视了生猪养殖业这类畜牧业生产中各投入变量不同比例变化以及松弛存在的可能性，或者由于生产函数形式设定偏误造成的生产效率和全要素生产率测算误差。而且，不同学者采用不同方法对不同时期中国生猪养殖业生产效率和全要素生产率测算的结果存在结论不一致的现象。基于此，文章根据研究的需要，在借鉴前人相关研究的基础上，采用一种非径向(Non-radial)、非角度(Non-oriented)的非参数DEA方法——SBM(Slack-based Measure)方向性距离函数及与之相对应的Luenberger生产率指标来分别测算中国生猪养殖业生产效率和全要素生产率。通过这种方法，一方面能够解决由于没有考虑松弛变量的存在导致高估评价对象的效率的问题；另一方面也避免了由于不能同时考虑投入、产出两个方面而导致效率值失真的情况以及由于生产函数形式设定偏误造成的生产效率和全要素生产率测算误差的可能性。

二、研究方法及数据说明 (一) 研究方法

考虑到SBM方向性距离函数和Luenberger生产率指标在当前学术界研究生产效率和全要素生产率的应用不少，相对比较成熟，且涉及的学科较广，文章在此就不作详细介绍，仅列出基本的测算公式并作简要的说明，有需要的学者可以参考文献《中国各省份农业效率和全要素生产率增长——基于SBM方向性距离函数的实证分析》。^[3]14-15

1.SBM方向性距离函数

Fukuyama和Weber^[16]将SBM方向性距离函数定义为

(1)

在上述规划式求解中，为规模报酬可变(VRS)下的方向性距离函数，若去掉约束条件，则可用表示规模报酬不变(CRS)下的方向性距离函数。其中，(x^{t, k′}, y^{t, k′})为t时期中国k′省份生猪生产的投入和产出向量，(g^x, g^y)为投入压缩、产出扩张时取值为正的方向向量，而(s_n^x, s_m^y)为投入和产出的松弛变量。当且仅当松弛变量各元素都等于零时，其观测点才是最优的，反之则存在有待改进的地方。所以，当(s_n^x, s_m^y)为正值时，表示实际的投入大于边界的投入且实际的产出小于边界的产出。由此可知，的值越大，其代表的效率水平就越低，即的值代表各省生猪养殖业的无效率值。目标函数就是要将投入和产出无效率平均值之和最大化。

按照Cooper等^[17]的思路，可以将无效率分解为投入无效率(IE_x)和产出无效率(IE_y)：

(2)

(3)

2. Luenberger生产率指标

通常情况下，Malmquist生产率指数可以用来测算决策单位的全要素生产率(Total Factor Productivity，TFP)的变化。但是考虑到Malmquist指数构建于传统的、径向的和角度的距离函数，无法同时考虑投入的减少和产出的增加，并且各变量必须等比例变动，文章采用Chambers^[18]提出的一种新的生产率测度方法——Luenberger生产率指标，可以同时考虑投入的减少和产出的增加且各变量无需等比例变动。

根据Chambers的研究可知，t期和t+1期之间的Luenberger生产率指标可以被定义为

(4)

类似于Malmquist生产率指数可以被分解为技术进步指数(TP)和技术效率变化指数(TEC)，Luenberger生产率指标还可进一步分解为纯效率变化(LPEC)、纯技术进步(LPTP)、规模效率变化(LSEC)以及技术规模变化(LTPSC)。

(5)

(6)

(7)

(8)

(9)

一般情况下，当LTFP、LPEC、LPTP、LSEC、LTPSC的测量值均大于零时，分别表示生产率提高、效率改善、技术进步、规模效率提高和技术偏离CRS，反之则反方向变化。^[19]按照以上生产率分解的表达式，Luenberger生产率指标可在CRS和VRS两种假设下分别解出4个线性规划，从而得到8个SBM方向性距离函数。其中和分别为CRS假设下的同期方向性距离函数，而和分别为CRS假设下的跨期方向性距离函数。同理可以运用于VRS假设。

(二) 数据说明

1.指标选取

生猪养殖业不仅是中国的传统产业，也是中国畜牧业中最大的产业。长期以来，中国生猪养殖业产值占畜牧业总产值的比重都在45%左右，在畜牧业乃至农业生产中具有举足轻重的地位。考虑到研究的需要和数据的可获得性，文章以畜牧业中最大的生猪养殖业为研究对象，应用SBM方向性距离函数和Luenberger生产率指标对中国生猪养殖业生产效率和全要素生产率增长进行研究。

文中测算生猪养殖业生产效率和全要素生产率时选取的指标主要是根据前人的相关研究和自己的思考，再结合数据的可得性和准确性而最终确定的。其中产出指标为生猪的主产品产量(Y，单位为公斤/头)，投入要素指标包括：仔畜重量(W，单位为公斤/头)、精饲料量(JS, 单位为公斤/头)、青粗饲料量(CS，单位为公斤/头)、劳动力投入(L，单位为工日/头)、其他物质费用(E，单位为元/头)，具体主要包括固定资产折旧费、医疗防疫费、水电燃料费、死亡损失费以及财务费用等。

2.数据来源与处理

文章选取2004-2013年中国16个省份^①生猪养殖业的产出和投入数据进行实证分析。其中各省生猪的主产品产量、仔畜重量、精饲料量、青粗饲料量和其他物质费用均来源于《全国农产品成本收益资料汇编》(2005-2014)。另外，由于2004年之后生猪的青粗饲料投入只有费用而没有量的数据，所有统一按照2003年的费用与量的比例进行折算。文中为了消除价格因素的影响，尽量采用数量资料，并将生猪的青粗饲料费和其他物质费用按照《中国统计年鉴》(2014) 中农业生产资料价格分类指数统一折算为以2003年价格为基价的数据。

三、实证分析与结果讨论

为了分析中国生猪养殖业生产效率及其Luenberger全要素生产率的动态变化情况，文章借助MAXDEA.Pro 6.0软件对中国2004-2013年生猪养殖业生产效率和全要素生产率及其组成部分进行测算。空间维度上参考国内学者的相关研究，划分成东、中、西部地区进行区域研究，对比分析不同区域、不同时期中国生猪饲养的生产效率是否存在差异性。

(一) 生猪养殖业生产效率及其分解

文章以畜牧业中最大的生猪养殖业为研究对象，分别测算了VRS和CRS假设下的中国生猪养殖业生产效率值，并对其无效率值进行分解，进一步分析导致无效率产生的原因，如表 1所示，从中可见，在CRS假设和VRS假设下得出的结果略有不同。考虑到CRS假设是以各地区生猪养殖业都在最优规模条件下生产为前提，而VRS假设放松了这个前提，二者的差异是由于规模效率的差异造成的。因此，文章主要基于VRS假设下获得的结果对生猪养殖业生产的无效率值进行分析。^[20]

首先，2004-2013年中国生猪生产无效率的平均值为0.061 2。如果按照传统的各变量同比例变化的假设来解释，那么所研究的各省份应该同时减少各项投入的6.12%或者产出增加6.12%，才能达到生猪生产的完全有效。然而与传统假设不同，在运用SBM方向性距离函数进行测算的情况下，每头生猪生产的各项投入中劳动力投入减少1.54%，仔畜重量投入减少0.39%，精饲料量投入减少0.01%，青粗饲料量减少2.97%，其他物质费用减少0.99%，并且每头生猪增重0.22%，可以达到生猪生产的完全有效。在中国生猪生产的无效率中，青粗饲料投入的无效率贡献最大，为48.56%；劳动力投入的无效率贡献率也比较大，为25.13%；其他物质费用的无效率贡献了16.09%；仔畜重量的无效率贡献了6.42%，而生猪主产品产量和精饲料的无效率贡献相对较小。

对于牛、羊等反刍动物而言，青粗饲料是重要的营养源，约占其日粮60%~80%。而对于生猪而言，由于其胃内缺少分解粗纤维素的微生物，基本全部依靠大肠内微生物的分解作用，再加上青粗饲料适口性差，所以生猪对含有粗纤维的饲料利用效率较差。一方面，中国生猪等主要畜产品的规模化程度不高，饲养方式还较为传统落后，饲养过程的科技含量较低，技术推广力度不够，导致养殖户在饲养生猪过程中不能对其饲料进行科学合理的配比，从而降低了青粗饲料的使用效率。另一方面，中国的青粗饲料资源极其丰富，大多数养殖户倾向于大量使用廉价的青粗饲料替代价格相对较高的精饲料，虽在一定程度上可以起到节约生猪生产成本的作用，但是青粗饲料的大量使用，导致生猪增重缓慢、养殖生产周期延长，需投入更多劳动力，反而降低了生猪的生产效率。再加上中国生猪养殖业规模化程度的不断提升，在对生猪养殖技术和综合管理水平提出更高要求的同时，也对猪群疫病防控工作提出了新的挑战。尤其近年来国内生猪疫病频发，导致生猪生产的医疗防疫费和死亡损失费大幅增加，一定程度上制约了生猪养殖业生产效率的不断提高。

其次，从不同区域来看，VRS假设下的中国中部地区生猪生产的无效率值最高，为0.070 6，东部地区和西部地区生猪生产的无效率值略低，分别为0.062 3和0.050 7。就不同区域中国生猪养殖业生产无效率来源的相对贡献度来看，青粗饲料量投入过多为三大区域无效率的主要来源；三个地区均表现出劳动力投入过剩，其无效率贡献均比较大。除此以外，西部地区生猪生产中仔畜重量、其他物质费用的无效率贡献较大，且购买仔畜重量的无效率贡献略高于其他物质费用，二者分别为10.33%和8.99%^[21]112；中部地区和东部地区生猪生产中亦为仔畜重量、其他物质费用的无效率贡献较大，但其他物质费用的无效率贡献均明显高于仔畜重量的投入。总体而言，中国生猪生产的区域差异并不明显，这可能与文章选取的省份较少，且没有区分不同养殖规模进行研究有关。

最后，从各生猪主产省份来看，2004-2013年中国广西壮族自治区、河北省、河南省、辽宁省、青海省、山东省、浙江省各年均处在生猪生产效率的边界上，而其他省份均不在。其中，山西省生猪生产的效率仅次于以上各省，生猪生产离效率边界的距离非常小。而生猪生产效率较低的省份主要包括安徽省、广东省、海南省、云南省等。如表 2所示。由此不难看出，无论是生猪生产效率较高的省份还是偏低的省份，在中国的东、中、西部各个区域均有分布，即中国生猪生产的区域差异并不明显。进一步分析，从各主产省份生猪生产无效率来源的相对贡献度来看，各指标无效率的贡献情况与各区域情况基本一致。

在VRS假设条件下，中国生猪主产省的生猪生产无效率值及其来源分解的时序变化情况，如图 1所示。从图 1可直观地看出，2004-2013年中国生猪生产的无效率水平整体表现出上下连续交替变化的不稳定态势，但是其实生猪生产的无效率水平基本在4%~7%范围内变化，相对比较稳定。这与该段时期国内生猪生产的内部资源和外部环境变化以及猪肉市场价格的变动情况基本一致。例如：2003年中国大规模爆发“非典”疫情，省际间交通受阻，生猪运销停滞，猪肉价格下跌，再加上“玉米霉变事件”的影响，玉米饲料价格上涨，打击了养殖户生猪饲养的积极性^[15]；2004年中国生猪存栏下降，养殖户对生猪投入的劳动和资金缩减，国内生猪出栏率和出栏胴体重水平明显下降，导致生猪生产效率出现下滑；2006年高致病性蓝耳病疫情导致生猪急速死亡、母猪流产或产出死胎频发，直接增加了生猪生产的医疗防疫费和死亡损失费等其他物质费用，导致生猪生产效率明显下降^[22]；2008年年初中国南方遭受冰冻雨雪灾害，生猪生产受到严重损失，导致全国猪肉年初产量同比下降；2008年年底，在国家扶持生猪养殖业发展各项政策的推动以及市场的有力拉动下，国内生猪生产加快发展。然而生猪生产快速恢复的同时，生猪价格又开始持续下滑，导致2009年部分地区出现亏损，养殖户养殖效益明显下降。

(二) 生猪养殖业全要素生产率及其分解

全要素生产率(TFP)作为一种动态分析，不仅能测算一段时期内生产与特定生产前沿面相对位置的变化(效率变化)，而且可以测算出生产前沿面随时间的移动(技术进步)。^[3]19

2004-2013年中国各地区生猪全要素生产率的增长率为-12.98%，即中国生猪生产效率在2004-2013年间以平均每年12.98%的速度在下降，如表 3所示。这与潘国言等^[23]、廖翼和周发明^[24]的研究，即近年来中国生猪生产率呈小幅负向增长趋势的结论基本一致。从生猪全要素生产率各组成成分变化来看，规模效率和技术进步率分别以每年9.93%和3.20%的速度在减少，且对生猪生产全要素生产率的制约作用较大，这主要是受到近年来中国生猪生产的技术更新速度较慢，技术推广的有效程度较低的不利影响。中国生猪规模化养殖从2003年开始步入快速发展轨道^[25]，至2015年中国生猪养殖规模化程度预估提高至50%^②。虽然规模化是中国未来生猪养殖发展的方向，但并不意味着养殖规模越大越好，实际是中等规模养殖方式下生猪的盈利能力最强。^[26-27]当前，中国生猪规模养殖存在疫病防控现状不佳、养殖生产成本和出售价格不具优势、标准化水平亟待提高等问题，某种程度上对中国生猪生产全要素生产率的增长产生一定的抑制作用。除规模效率和技术进步以外，中国生猪生产的纯技术效率变化和技术规模效率变化值均为正，但是这两者对生猪全要素生产率增长的贡献很小，分别为0.1%和0.04%。

从不同区域来看，东、中、西三个地区的生猪全要素生产率均出现了不同程度的下降，其中中部地区的全要素生产率下降的速度最慢，其次为东部地区，西部地区最快，这与中国各地区生猪饲养所需的资源、气候和经济发展条件基本相符。中部地区作为中国小麦和水稻主产区，不仅拥有丰富的青绿饲草料资源和便捷的交通条件，生猪饲养管理和技术水平也较其他两个地区高，再加上规模化程度具有明显的优势，使其既是中国生猪的主产区也是主销区。因此，其纯技术效率值最高，规模效率变化也高于其他两个区域。西部地区地域辽阔，是中国的资源富集区，土地、水、光、热等资源丰富，具有发展生猪养殖业等畜牧业的优势和潜力，且深居内陆，地形以高原和盆地为主，群山环绕，外界疾病不宜传入，是中国主要无疫区之一。除此以外，西部地区玉米、薯类等作物的总产量高且青饲料资源丰富，适合生猪养殖，也是中国生猪的主产区域。但是，随着近年来养殖技术在中国中、东部地区的逐步引进和有效利用以及要素规模的逐步扩大，西部地区的这种优势逐步在弱化，其规模效率变化值在三个地区中最低。东部地区地貌地形以平原丘陵为主，经济和科技水平较为发达，但从事畜牧业生产的廉价劳动力相对较稀缺，较适合发展节约劳动力资源的规模化养殖。^[21]110另外，2004-2013年中国三个地区生猪生产的纯技术效率值均高于规模效率变化值，说明近年来中国生猪生产效率的下降主要是由于养殖户及饲养单位过于注重要素规模的无限扩大，而忽视了投入增加过程中对配套技术的引进和吸收利用。

总体而言，中国三大区域各自经济发展状况和资源禀赋的不同导致三个地区2004-2013年的生猪生产全要素生产率增长的方式略有差异。为了有效提高中国生猪生产全要素生产率，各地区应根据各自发展状况及资源禀赋情况，相互借鉴。首先，中部地区的技术效率水平和生产规模化程度更有利于生猪养殖业生产率的提高，西部地区应该借鉴中部地区的生猪养殖业经验，适度扩大生猪生产规模。其次，东部地区应该努力提高对生猪饲养的管理水平及疫病防治等，降低生猪生产成本和风险，减少损失。再次，西部、东部地区的技术规模变化一样，均较中部地区高，说明近年来中部地区生猪生产的圈舍、机械等基础设施条件已经达到一定的高度。最后，西部地区的技术进步率高于其他两个地区，纯技术效率变化值亦高于东部地区。随着近年来中国生猪生产布局的变化，再加上国家愈加重视西部地区的经济发展，对其基础设施建设和科技的投入力度不断加大，促使西部多数省份科技水平得以提高，降低了西部地区技术效率下跌对生产率增长的影响。

根据对中国16个生猪主产省份生猪全要素生产率及其成分的平均增长率测算可知，除了浙江(0.1%)外，2004-2013年其余省份生猪生产的全要素生产率均为负向增长。其中，全要素增长率下降最慢的省份为山东省(3.5%)，其次为陕西省(3.9%)、安徽省(5.7%)、辽宁省(6.0%)、湖北省(6.1%)、河北省(6.4%)、山西省(8.0%)、四川省(8.3%)、广西壮族自治区(8.7%)，下降幅度都在10%以下，其他地区均超过10%，云南省生猪生产全要素生产率下降幅度最大，达到46.6%。这可能与各地区畜牧业经济发展水平有关，浙江省是中国长江中下游传统生猪生产省份之一，山东省、安徽省、湖北省、河北省、四川省和广西壮族自治区等亦是中国生猪的主产省份，生猪养殖业作为这些地区农户增收的主要途径，农户对生猪饲养管理和技术进步比较重视，再加上地方政府的政策扶持，一定程度上可以减缓当地生猪全要素生产率的下降。

2004-2013年中国生猪生产的全要素生产率表现出明显的波动性，且这种波动性与中国生猪养殖业发展的实际情况是基本吻合的，如图 2所示。随着中国居民生活水平显著提高，饮食结构发生显著变化，对肉类消费需求迅速增加，带动国内畜牧业尤其是以猪肉为生活必需品的生猪产业的快速发展，生猪饲养规模、养殖方式发生了重大变化，规模化程度和技术含量均在显著提高。然而，生猪养殖业在获得快速发展的同时，生猪生产也面临着严峻的疫病、市场、自然灾害、环境约束等风险因素，且养殖风险越来越明显，市场竞争越来越激烈。

2006-2007年中国南方各省发生生猪疫病蓝耳病，除生猪直接死亡损失外，还导致母猪的流产和死胎现象频发，影响当年和下一年中国生猪生产，从而降低了其全要素生产率。2008年以来，在中央各项扶持政策的推动和市场机制的双重作用下，全国养猪业克服了年初南方冰冻雨雪灾害和5·12汶川大地震灾害的不利影响，生猪生产得到快速恢复。受2008年全球金融危机的影响和甲型H1N1流感影响，2009年国内猪肉“卖难”问题凸显，再加上居高不下的生猪饲养成本，打击了养殖户饲养生猪的积极性。2010年上半年，中国生猪养殖全面亏损，其中4、5、6月的猪粮比价低于5.0:1，生猪价格连续三个月处于重度下跌的“红色预警区域”，直至7月才重回盈亏平衡点之上。

四、中国生猪养殖业生产效率和全要素生产率影响因素分析

生猪养殖业生产效率是在技术和投入既定的条件下，养殖主体充分利用投入要素并带来最大可能性产出的程度，它不仅关系到中国猪肉市场的有效供给和市场价格稳定，也关系到国内农民特别是边远地区农民收入及中国畜牧业快速发展等问题。生猪作为中国畜牧业中最大的产业，其2004-2013年全要素生产率为什么出现了负向增长？究竟哪些因素影响了生猪生产的效率和全要素生产率增长？其影响程度如何？文章在借鉴前人研究的基础上，考虑研究的需要和数据的可得性，再结合自己的思考来确定可能影响生猪生产效率及全要素生产率增长的因素。

一是饲料投入结构。生猪的日常饲料主要由精饲料和青粗饲料组成，由于地区间资源优势、养殖方式、饲喂技术的差异，导致地区间养殖户生猪饲料投入结构的差异，进而导致各地区生猪生产的效率略有不同。与营养价值低但价格低廉的青粗饲料相比，精饲料的营养价值、饲料转化率和价格都比较高，精饲料投入过多会增加养殖户的生猪饲养成本，而青粗饲料投入过量会导致生猪生长速度变慢，延长饲养周期，降低了生产效率。所以，不同的精粗饲料配比必然导致生猪饲喂成本的不同，同时由于各种配比引起的生猪生长速度及其他要素的投入数量发生改变，最终会影响到生猪生产效率水平和全要素生产率增长。^[2][9]因此，本研究拟采用2004-2013年各主产省生猪精饲料费用在总饲料中的费用比例来反映中国生猪生产中的饲料投入结构。

二是各地区经济发展水平。考虑到中国地区间经济发展水平差异较大，再加上近年来城镇化进程的持续推进，农民非农就业收入比重逐年扩大，致使地区间农村家庭人均纯收入水平也各不相同。一般情况下，养殖户家庭收入水平较高的地区，其生猪饲养规模化和机械化程度也都比较高。因此，各地区差异化的经济发展水平对生猪生产效率水平和全要素生产率也会产生不同的影响。文章选用剔除物价变动影响的农村家庭人均纯收入水平作为衡量经济发展水平对生猪生产技术效率和全要素生产率增长的影响指标。

三是生猪市场价格因素。生猪市场价格在一定程度上对养殖户生猪生产具有引导作用。当生猪市场价格低迷时，养殖户为了生猪能卖高价会存在一定的压栏现象，继续喂养要出栏的生猪。但是，一般达到出栏标准的生猪在后期生长速度会放慢，即压栏会导致生猪的成本投入增加，但产出并不同步增长，这将损失生猪生产的效率、制约生猪全要素生产率的快速增长。^[9]因此，选用各年各省活猪价格代表各地区不同的生猪市场价格。

四是养殖户受教育水平。农户科技文化素质的不同会带来农户对于生猪养殖技术的理解、吸收与利用程度的不同，进而可能会影响到技术的发挥和生猪生产的效率水平。一般而言，养殖户受教育水平越高，其对生猪养殖技术的理解、掌握和利用效果越好，还会对周边的养殖户起到技术指导和扩散的正向作用，带来该地区生猪生产效率和全要素生产率的显著增加。考虑到文章缺乏养殖户微观数据，在此借用各年各省人口平均教育年限来代表养殖户的受教育水平。

文章采用Tobit回归模型来研究以上因素对生猪生产效率的影响^③，而分析生猪全要素生产率及其影响因素的关系时采用面板数据进行回归^④。Hausman检验结果拒绝随机效应，表明对生猪全要素生产率的回归模型应选择固定效应模型，如表 4所示。

从表 4的估计结果可知，VRS假设下除养殖户受教育水平和活猪价格外，其他因素对生猪生产效率的影响方向与预期基本是一致的；而CRS假设下，除活猪价格外，其他因素对生猪生产效率的影响方向与预期是一致的。在生猪全要素生产率增长的影响因素中，精饲料费在总饲料费中的比例、各地区经济发展水平和生猪市场价格因素与预期结果一致，仅养殖户的受教育水平与预期结果相反。

首先，各地区生猪精饲料费在总饲料中的比例与生猪生产效率和全要素生产率均显著正相关。其次，各地区经济发展水平与生猪生产效率和全要素生产率虽呈正相关关系，但是该因素对全要素生产率的影响显著(5%的水平上显著)，对生产效率的影响不显著。可能是因为经济越发达的地区，从事畜牧业生产的廉价劳动力越稀缺，生猪饲养的规模化程度越高，再加上经济发达地区的技术水平较高，养殖户较易学习和掌握生猪饲养技术，从而带来全要素生产率的提高。再次，养殖户的受教育水平与生猪生产效率(VRS假设下，系数为-0.03) 和全要素生产率(系数为-0.28) 负相关，但不显著。可能是因为文章借用各年各省人口平均教育年限来代表养殖户的受教育水平是不合适的，针对性不强，各省人口平均受教育年限越高，外出就业务工从事非农业的可能性就更大，这不利于各地区生猪的生产。最后，活猪价格与VRS假设下的生猪生产效率负相关，但不显著；而与CRS假设下的生猪生产效率显著负相关(1%的水平上显著)。活猪价格与生猪全要素生产率呈正相关关系，但不显著且影响系数比较小。可能是因为受生猪市场价格较高的吸引，更多的非专业养殖户加入该行业，某种程度上导致生猪生产效率的下降，或者受生猪市场高价的吸引，养殖主体追求高利润而扩大生猪饲养规模，但是由于生猪规模化饲养需要一定的管理技术和固定资产投入，从而增加了生猪的养殖成本，导致生猪生产效率的下降。

五、研究结论与不足之处

文章运用SBM方向性距离函数和Luenberger生产率指标对2004-2013年中国生猪养殖业生产效率和全要素生产率进行测度，并对其无效率来源和全要素生产率各组成成分进行了分析。在此基础上，运用Tobit回归模型和面板数据回归对影响中国生猪生产效率和全要素生产率的因素进行了实证研究。

2004-2013年中国生猪16个主产省份的生猪生产无效率平均值为6.12%，无效率的主要来源是青粗饲料投入的无效率(48.56%)和劳动力投入的无效率(25.13%)，其次为其他物质费用投入无效率(16.09%)和仔畜重量无效率(6.42%)，而生猪主产品产量无效率和精饲料无效率的贡献相对较小。生猪生产效率较高的省份大多集中在西部地区，中部地区的生猪生产效率水平是最低的。从时间趋势上看，2004-2013年各省生猪生产无效率水平整体表现出上下连续交替变化的不稳定态势，这与该段时期国内生猪生产的内部资源和外部环境变化以及猪肉市场价格变动基本一致。

2004-2013年中国生猪16个主产省份的生猪全要素生产率的增长率为-12.98%，主要是受到规模效率和技术进步率逐渐减少的制约，其中中部地区的全要素生产率(-7.93%)下降的速度最慢，其次为东部地区(-10.15%)，西部地区最快(-20.86%)，这与各地区生猪饲养所需的资源、气候和经济发展条件基本相符。除浙江省(0.1%)外，2004-2013年其余各省生猪生产的全要素生产率均为负向增长，其中全要素增长率下降最慢的省份为山东省(3.5%)，下降最快的省份是云南省(46.6%)。分阶段来看，中国生猪生产的全要素生产率表现出明显的波动性，这种波动性与中国畜牧业尤其是生猪生产的实际情况是基本吻合的。未来，中国应该更加注重生猪生产中的疫病、市场、自然灾害、环境约束等风险因素的控制，稳定生猪市场价格，提高生猪生产效率。

各地区生猪精饲料费在总饲料中的比例与生猪生产效率和全要素生产率均显著正相关。各地区经济发展水平与生猪生产效率和全要素生产率呈正相关关系，但是对全要素生产率的影响显著，而对生产效率的影响不显著。养殖户的受教育水平与生猪生产效率(VRS假设下，系数为-0.03) 和全要素生产率(系数为-0.28) 负相关，但不显著。活猪价格与VRS假设下的生猪生产效率负相关，但不显著；而与CRS假设下的生猪生产效率显著负相关(1%的水平上显著)。活猪价格与生猪全要素生产率呈正相关关系，但不显著，且影响系数比较小。

笔者在研究的过程中存在很多不足的地方，例如中国生猪养殖业的发展日益面临资源和环境的双重约束，由于缺乏省级资源和环境相关指标的精确数据，文中在测算生猪生产效率和全要素生产率时未能考虑这两个因素的影响，可能存在效率值的高估。考虑到研究的篇幅和数据的可获得性，文章仅选取了全国16个生猪主产省份生猪生产的投入和产出数据来测算其生产效率和全要素生产率，以此来研究中国生猪养殖业的生产效率和全要素生产率，缺乏全面性。另外，在研究中国生猪生产效率和全要素生产率的影响因素时，选取的指标带有一定的主观性，并且研究年限也比较短，这些都将是未来进一步研究时需要考虑的问题。

注释：

① 包括广东省、海南省、河北省、江苏省、辽宁省、山东省、浙江省、安徽省、河南省、湖北省、山西省、广西壮族自治区、青海省、四川省、陕西省、云南省。

② 参见：内蒙古商务之窗，网址为http://www.yz88.org.cn/yangzhuhangqing/572022.html。

③ 由于运用SBM方向性距离函数测算的结果是生猪生产的无效率值，此处应用Tobit回归分析其影响因素时采用的被解释变量是生猪生产的效率值，因此，利用公式E=1/(1+IE)进行转换。

④ 全要素生产率属于动态分析，为了克服TFP在0附近变化不显著而造成的计量结果不显著问题，在此采用累计生产率指标(即1+LTFP)，然后对其进行对数转化。