生猪养殖规模报酬和全要素生产率的作用研究

　　一、引 言

　　近年来,我国生猪生产正经历区域和规模结构的演变。首先,随着经济增长方式转变、产业结构调整,部分地区从生产逐渐转向消费。2007—2011 年 19 个生猪主产省份猪肉产量年均增长17. 92% ,到 2011 年占全国 31 个省份猪肉产量的比重达 92. 08% 。其次,养殖规模化程度明显提高。

　　2007—2011 年年出栏 50 头以下的散户数量减少了 2500 万户,50 头以上的规模户数量增加了 50 万户,5 万头以上的猪场从 50 户增加到 162 户。市场经济条件下,给定投入要素与产出价格,驱动养殖区域和规模结构演变的是由规模报酬和全要素生产率(TFP) 所决定的养殖效益。广泛使用的规模报酬测量的是规模弹性,全要素生产率的增长源于效率提升、技术进步、寻找规模经济及配置效率四种因素的组合。分析生猪主产省份不同规模养殖户规模报酬和全要素生产率增长率的变化,对于明确我国生猪养殖规模结构演变的方向、提高资源利用效率具有重要的现实意义。

　　自 Solow 等(1957) 开始技术进步与效率的衡量以来,参数随机前沿分析(SFA) 和非参数数据包络分析(DEA) 成为生产率衡量的两类主要工具。由于生猪生产过程受各种随机因素的干扰,随机前沿分析可以成为测算规模报酬和全要素生产率增长变化的较好工具。国外关于随机前沿技术的研究主要集中在以下两个方面: (1) 模型设定与参数估计。Aigner 等(1977) 和 Meeusen 等(1977) 分别针对截面数据,将产出(的对数) 设定为确定性部分、噪声部分和技术无效部分的函数,将统计噪声对技术无效的影响分离出来; 对模型合成误差项不同的分布假设,ML 估计量都具有大样本性质而得到广泛应用(Aigner 等,1977; Pitt 等,1981) ; 面板数据模型可以放松误差项的分布假设,获得技术效率的一致预测,Battese 等(1992) 针对技术效应的时不变或时变假定提出了相应的模型,并于 1995 年进一步提出刻画生产环境对技术效应影响的模型; Kumbhakar(2000) 将全要素生产率变化分解为技术进步、规模经济和经济效率(包括技术效率和配置效率) 等成分,更有助于评价和制定促进生产率进步的政策(Pires 等,2004) 。(2) 随机前沿技术的应用。Sharma 等(1997) 和 Ma 等(2002) 分别用截面和时序数据 C-D 生产函数随机前沿模型预测夏威夷和我国生猪生产技术效率; Nigel 等(2008) 用超越对数生产函数随机前沿模型比较分析了 1992—2004 年美国三个地区生猪生产全要素生产率及其构成变化。

　　我国关于农业生产率的定量研究开始于 20 世纪 80 年代(万广华,1988) 。国内学者就随机前沿技术在生猪生产效率评价中的应用已证明了超越对数生产函数能较好地模拟我国生猪生产(周咏,1999) ,并以散户或规模户为研究对象,测算生猪生产要素贡献或技术效率 (杨军,2003; 肖红波,2010; 王明利等,2011) 。

　　综上所述,测算增长源泉与质量的随机前沿分析技术在国外日渐成熟,我国生猪生产率的研究对象和范围已与养殖规模、区域结构演变的现状不太适应。考虑到 2007 年下半年以来我国生猪业各项扶持政策的影响,本文基于 2004—2011 年我国 17 个生猪主产省份散户、小规模户、中规模户和大规模户投入与产出面板数据,运用随机前沿模型估计结果,比较分析 2004—2007 年与 2007—2011 年两个阶段不同省份和规模养殖户规模报酬和全要素生产率变化,明确养殖结构演变过程中规模报酬和全要素生产率的作用,为转变生猪业增长方式、提高生猪生产绩效提供政策参考。

　　二、模型、变量与数据

　　(一) 模型设定

　　超越对数生产函数是由抽象的生产函数进行二阶泰勒展开得到的简单对数线性函数,具有二阶灵活性,能够表示中性技术进步和对单个投入要素起作用的偏性技术进步,计算规模弹性可以成为生猪生产函数的较好选择。我国生猪生产超越对数形式的前沿模型定义为:

　

　　其中,qit表示第 i 个主产省份在第 t 年的产出; xnit表示第 n 个投入要素,时间变量 t 表示技术变化的时间趋势,t 与投入要素的交互作用考虑了非中性技术变化,二次时间变量 t2考虑了非单调的技术变化; β 为待估参数; vit~ N 0,σ2()v独立于非负技术无效项半正态分布; uit~ iidN+(0,σ2u) 或截断正态分布 uit~ iidN+(μ,σ2u) 。

　　规模弹性 ε 是指所有投入要素增加 1% 时产出增加的百分比,在规模弹性小于、等于或大于 1时,生产函数在局部就呈现规模报酬递减(DRS) 、规模报酬不变(CRS) 或规模报酬递增(IRS) :

　　素生产率的变化可以用马姆奎斯特 TFP 指数(MTFP) 来表示。根据 Orea(2002) ,用超越对数产出导向的距离函数 DO(qit,xit,t) 表示各主产省份在 t 期的生产技术,s ~ t 期马姆奎斯特全要素生产率指数的自然对数能分解为技术效率变化(EC: 即厂商给定投入水平时达到最大产出的能力变化) 、技术变化以及规模效率变化(TC: 即给定投入水平时最大产出增长和规模效率变化) 以及规模效率变化(SC: 即厂商最优规模运营的程度变化) :

　　投入选择的配置效率变化(AC) ,即厂商在最低成本水平上(给定投入要素价格) 生产给定产出时,对投入组合选择的能力变化,与规模效率共同组成经济效率的测量。Nigel 等(2007) 为估计配置效率的改变,将单一产出 Tornqvist 指数变化的对数形式与 MTFP 指数的对数形式相减得到配置效率变化为:

　　

　　其中,σitn是投入要素的费用份额。

　　至此,规模弹性为所有投入要素产出弹性之和,全要素生产率的变化被分解为技术效率变化、技术变化、规模效率变化和配置效率变化,规模效率和配置效率变化总称为经济效率变化。

　　(二) 变量与数据

　　根据我国不同养殖规模的生猪养殖实际,参考王明利(2011) ,研究变量包括: 产出变量为主产品净产量(公斤/头) ,即生猪出栏重量减去仔猪重量; 投入变量包括精饲料、劳动用工、其他费用三项。

　　精饲料指每头生猪投入的精饲料数量(公斤/头) ,消耗比重较大、反映受到长期刚性约束的饲料原料资源利用情况; 劳动用工指平均每头生猪家庭用工与雇工天数的加总(工作日/头) ,每个工作日为 8小时; 其他费用包括水费、燃料动力费、医疗防疫费及生猪生产的间接费用(元/头) ,用相应年份各主产省份农业生产资料价格指数平减(2004 =100) 得到相对实物量。实证分析对各投入产出变量值取自然对数并重新标度为对样本均值的离差,因此超越对数生产函数的一次项系数可以理解为产出对投入要素在均值处的弹性系数。

　　考虑数据的可获得性,本文研究范围选择除江西、重庆以外的 17 个生猪主产省份,包括沿海地区的江苏、浙江、广东、福建,东北地区的辽宁、吉林、黑龙江,中部地区的河北、山东、安徽、河南、湖北、湖南以及西南地区的广西、四川、云南、贵州。养殖规模结构根据 2004 年《全国农产品成本收益资料汇编》重新调整的统计口径分为散户、小规模、中规模、大规模四种,分别指年饲养生猪在 30 头以下、30 ~ 100 头、100 ~ 1000 头、1000 头以上的养殖户。其中散户不包括福建,中规模户不包括福建和贵州,大规模户不包括贵州。样本期为 2004—2011 年共 8 期,数据来源于 2005—2012 年《全国农产品成本收益资料汇编》。

　　三、实证分析

　　(一) 随机前沿模型估计结果

　　运行 FRONTIER4. 1,得到超越对数随机前沿模型的最大似然参数估计结果如表1。其中散户、小规模户、中规模户随机前沿模型选择半正态分布的时不变无效效应模型,大规模户时不变无效效应模型由于 μ 显著不为零符合截断正态分布。交叉项有多项统计意义显著,表明超越对数生产函数具有合理性。散户和中规模户 γ 接近于零说明合成误差项主要来源于随机误差,对生产前沿的偏离主要由噪声引起。小规模户和大规模户 γ 值显著较高,说明合成误差项中技术无效的贡献较大。

　

　　散户在样本均值处精饲料产出弹性系数最大为 0. 555、劳动用工和其他费用产出弹性系数低至分别为 0. 048、0. 071,投入要素产出弹性系数之和小于 1,说明样本均值处规模报酬递减; 时间变量系数表明散户平均每年技术进步仅为 0. 4%,二次时间变量系数不显著,与投入变量交互作用的系数表明,散户技术进步接近为零。

　　小规模户在样本均值处精饲料和劳动用工产出弹性系数分别为 0. 513、0. 173,其他费用产出弹性系数为 0. 055,样本均值处规模报酬递减; 时间变量系数表明小规模户平均每年技术进步为 1. 4%,二次时间变量系数不显著,技术变化呈现精饲料和劳动力节省而其他费用耗尽,可能的解释是精饲料和劳动力相对成本不断上升。

　　中规模养殖户在样本均值处精饲料产出弹性系数最大为 0. 770、劳动用工和其他费用产出弹性系数接近于零且不显著,样本均值处规模报酬递减; 时间变量系数表明中规模户平均每年技术进步为0. 4% ,接近于零,二次时间变量系数不显著,技术变化呈现精饲料耗尽和劳动力节省,可能的解释是劳动力相对成本在上升。

　　大规模养殖户在样本均值处精饲料产出弹性系数最大为 0. 747、劳动用工和其他费用产出弹性系数低至分别为 -0. 020、-0. 040,样本均值处规模报酬递减; 时间变量系数表明大规模户平均每年技术进步为 0. 8%,二次时间变量系数不显著,大规模养殖户技术变化呈现精饲料节省,可能的解释是精饲料相对成本不断上升。

　　(二) 不同规模养殖户规模报酬

　　各主产省份散户、小规模养殖户、中规模养殖户及大规模养殖户规模弹性按 2004—2007 年、2008—2011 年两个阶段划分,每阶段的弹性以相应年份的算术平均值表示如表 2。两阶段散户规模弹性小于 1,规模报酬递减,但由于近年精饲料和劳动用工产出弹性增加使规模弹性也在增长; 规模弹性中精饲料产出弹性份额从 75%增加到 88%,对产出的影响最大,劳动用工产出弹性份额尽管从4% 增加到 9% ,对产出的影响仍然很低,其他费用产出弹性份额从 21% 下降到 3% ,散户养殖的用水量与能耗、防疫及间接费用在上升,反映了散户生产的社会化服务体系不健全。

　　两阶段小规模养殖户规模弹性小于 1,规模报酬递减,但近年各投入要素产出弹性的普遍增长引起规模弹性增加了 32%; 规模弹性中精饲料产出弹性份额从 72% 下降到 67%,对产出的影响最大但影响在减弱,劳动用工产出弹性份额从 25%下降到 22%,其他费用产出弹性份额从 4% 上升到 10%,对产出的影响在增加。

　　两阶段中规模养殖户规模弹性小于 1,规模报酬递减,精饲料和其他费用产出弹性下降拉动规模弹性下降了 20%; 规模弹性中精饲料产出弹性份额从 100% 轻微下降到 98%,对产出的影响极大,劳动用工产出弹性普遍上升对规模弹性的影响从负向变为 5%,其他费用产出弹性却普遍下降,对规模弹性的影响从正向变化为 -3%。

　　两阶段大规模养殖户规模弹性小于 1,规模报酬递减,规模降低了要素生产率,但精饲料产出弹性上升拉动规模弹性上升了 13%; 大规模养殖户只有精饲料产出弹性为正向影响,劳动用工和其他费用产出弹性两个阶段变化不大且整体上表现出劳动投入过剩和其他费用投入对产出的负面影响。

　

　　(三) 散户全要素生产率变化及分解

　　对相邻年份计算每个省份的技术效率变化(TEC) 、技术变化(TC) 、规模效率变化(SC) 、配置效率变化(AEC) 以及全要素生产率变化(TFPC) 的年度累积百分比变化结果如表 3。散户两阶段全要素生产率增长从 4. 82%下降到 3. 58%。其中散户生产是技术有效的,散户经过多年养殖经验积累,能充分利用现有精饲料、劳动和其他费用资源达到生产前沿; 技术进步增长从 1. 98% 下降到 0. 78%,散户生产技术进步贡献在下降; 配置效率增长从 9. 62%下降到 -0. 49%,一方面,生猪市场改革促进了要素的合理配置,另一方面,近年来要素价格波动频繁对要素配置产生了负面影响; 规模效率增长却从 -6. 79%上升到 3. 29%,近年来散户规模化程度也在显著提高。

　　近年来散户全要素生产率及构成增长省际差异较大。云南、湖南、辽宁、山东、黑龙江、江苏等省份全要素生产率增长较快,主要是取决于规模效率或配置效率的增长; 贵州、广东、四川和河南出现了负增长,主要由于规模效率或配置效率的下降。

　

　　(四) 小规模户全要素生产率变化及分解

　　小规模户两阶段全要素生产率增长从 4. 56% 显著地下降到 1. 52% (见表 4) 。其中小规模养殖户技术效率增长从 -0. 12%上升到 0. 73%,反映了小规模户利用现有资源能力的提升; 技术进步增长从 4. 65%上升到 5. 07%,小规模户生产技术进步贡献占主导地位; 规模效率增长从 1. 78% 下降到- 4. 18% ; 配置效率增长从 - 1. 75% 上升到 - 0. 10% 。促进小规模户生产效率的主要动力来源于技术进步,技术效率和配置效率也在逐步改善但影响仍然很小,但小规模养殖户生产远没有达到最优生产规模。

　　近年来主产省份小规模养殖户全要素生产率及构成增长差异较大。四川、贵州、广西、东北三省和江苏等省份全要素生产率增长较快,主要取决于技术进步的增长,同时四川和贵州的配置效率有显著改善。湖南、河南、云南、浙江和山东全要素生产率出现了负增长,主要是由于配置效率的显著负增长。

　　(五) 中规模养殖户全要素生产率变化及分解

　　中规模户两阶段全要素生产率增长从 0. 86%上升到 3. 16%(见表 5) 。其中,中规模养殖户生猪生产是技术有效,养殖户能充分利用现有资源达到生产前沿; 技术进步增长从 0. 50% 上升到 1. 78%;规模效率增长却从 6. 22%下降到 -0. 74%,养殖户寻找最优规模的程度在降低,一种可能的解释是近年来生猪业扶持政策在鼓励规模养殖的同时相应的规模效应并没有得到体现; 配置效率增长从- 5. 86% 上升到 2. 12% 。促进中规模养殖户生产率改善的主要动力源泉为配置效率和技术进步,中规模养殖户生猪生产规模效率出现了负增长。

　

　　近年来中规模户全要素生产率及构成增长省际差异明显。云南、广西、安徽等省份全要素生产率增长较快,主要是取决于技术进步或配置效率的增长,同时云南的规模效率增长速度显著提高。浙江、辽宁、广东全要素生产率出现了负增长,主要是由于技术进步的退化或配置效率的负增长,河南全要素生产率的负增长主要是由于规模效率的负增长。

　

　　(六) 大规模户全要素生产率变化及分解

　　大规模户两阶段全要素生产率增长从 -0. 46%显著增长到8. 29%(见表6) 。其中大规模户生猪生产技术效率增长从 -2. 24%上升到 2. 15%; 技术进步增长从 1. 44% 上升到 4. 15%; 规模效率增长从 -2. 89%上升到 -0. 91%,跟中规模户的情况一样,可以理解为生猪业扶持规模养殖的政策效应没有得到充分体现; 配置效率增长从 3. 22%下降到 2. 90%。大规模户生产率改善的主要动力源泉为技术进步及配置效率、技术效率的改善,而规模效率两阶段整体上都出现了负增长。

　　近年来各省份大规模户生猪生产技术进步都是正增长。除浙江省由于规模和技术效率的负增长导致全要素生产率出现负增长以外,其他省份的全要素生产率都呈现正增长,但增长的动力来源不一致: 四川和江苏主要是由于技术效率的增长,浙江、广东、福建及东北三省主要是由于技术进步的增长,河北、湖北、湖南及广西配置效率的增长为全要素生产率改善起主要作用。

　　

　　四、基本结论与政策建议

　　本文基于随机前沿分析技术,对 2004—2007 年与 2007—2011 年我国生猪主产省份规模报酬和全要素生产率比较分析结果表明: (1) 我国生猪生产整体面临规模报酬递减,但不同规模养殖户要素产出弹性贡献差异较大。精饲料投入是影响产出的重要因素,散户其他费用产出弹性急剧下降,小规模户劳动用工产出弹性较大,而中大规模户其他费用产出弹性为负。(2) 散户尤其小规模户全要素生产率增长在下降,其中散户生产是技术有效的,散户规模化程度也在显著提高,但技术进步对全要素生产率增长的贡献在成倍下降,配置效率增长急剧下降为负值是影响散户全要素生产率增长的主要因素; 精饲料和劳动力节省的技术进步成为小规模户全要素生产率增长的主要动力,技术效率得到改善但对全要素生产率增长的影响有限,规模效率和配置效率成为制约小规模户生产率提高的主要因素。(3) 中规模户尤其大规模户全要素生产率增长显著提高,其中中规模户生产是技术有效的,配置效率和劳动力节省的技术进步成为中规模户全要素生产率增长的主要来源; 大规模户精饲料节省的技术进步、技术效率或配置效率是全要素生产率增长的主要动力。

　　转变我国生猪业增长方式、提高资源利用效率的政策干预方面,建议: (1) 适度控制对中大规模户养殖规模的扶持。近年来,我国加大了对规模化养殖的扶持力度,但中大规模户的规模效应没有得到充分体现,财政投入重点应放在中大规模户生产率的改善上。(2) 促进技术进步。散户技术进步停滞,而引进劳动力或精饲料节省的技术成为小中大规模户全要素生产率提高的主要动力。因此,加大遗传育种、饲料营养、饲养设施及防疫技术的变革,提高产仔率、成活率、出栏率和出肉率,应当成为财政投入的重中之重。(3) 完善社会化服务体系。其他费用产出弹性对散户、中大规模户规模报酬造成了负面影响,完善社会化服务体系如水电价格体系、医疗防疫体系和产销对接体系,可降低生猪养殖综合成本。(4) 稳定要素市场价格。配置效率成为影响散户、小规模户生产率提高的主要因素,同时也是中大规模户全要素生产率提高的主要动力源泉。近年来要素价格频繁波动为生猪业资源的有效利用造成了极为不利的影响,稳定要素价格可以为生猪业健康发展创造良好的市场环境。