我国养猪业发展效率评价与对策研究

胡亚琳,陈雨生,刘增金

(1 中国海洋大学,青岛266100;2 上海市农业科学院,上海201403)

生猪养殖业作为我国农业的重要产业,随着时间发展逐渐表现出成本高、利润低、养殖过程不尽规范、产业发展动力不足等问题。 产业兴旺是解决三农问题的关键,生猪养殖效率的提升对解决目前猪肉供需不平衡和提高产业综合水平具有较为重要的意义。 生猪养殖正逐渐向专业化、产业化、集约化、规范化方向发展,养殖者和养殖规模之间要想实现平衡,必须先了解规模化养殖趋势下提高生猪养殖效率的产业约束条件,养殖地区和养殖规模之间存在哪些短板或互补内容,以及如何调整自身结构,获得最高收益等。 这些问题在目前的生猪养殖业发展形势下亟待解决。

技术是农业发展的内在动力。 生猪养殖不再是低门槛的传统养殖模式,正逐步向资金密集型、技术密集型的农业工业转化。 规模养猪场需要投入机器设备,加上土地成本、猪舍建设成本,想要实现规模化养殖对目前资金有限的小农户来讲困难较大。 现代养猪场需要具备先进饲养技术、病害防控技术和污染控制技术等,小型散户掌握此类技术极其有限。 那么在技术水平不高的情况下,中小规模养猪场如何能保证收益和竞争能力,本研究将通过分析不同投入引起的生产产值增减变化作出解释。 规模大小意味着产业集中化水平高低,规模大的养猪场抗风险能力强、设施完善、环保标准化程度高,但也存在疫病群间易传染等问题。 规模化养猪场退养门槛高,存栏量相对稳定,有利于市场猪肉价格稳定。 但中小规模养猪场不需要雄厚的资金储备,在增加养殖户收入、助力乡村振兴方面具有一定的意义。 因此,评价各种规模生猪养殖的效率有利于加深对该产业的认知。

围绕生猪养殖效率的提高,学者们展开了大量研究,发现生猪产量与生猪养殖效率之间存在明显的函数关系。 在保证食品质量安全的前提下[1],生猪供给量可以刺激市场调节猪肉价格,反过来养殖户又会根据猪肉价格和投入品成本确定生猪产量。 养殖户采取环保行为的阻碍主要来自心理认知、行为意向、行为实施成本和环境规制情境[2],政府引导规模化扩大时不能忽视土地承载力、城镇化水平的抑制作用,要重视环境规制强度、农民固定资产投资能力等[3]。 乡村民众对农村养猪污染出现受害无意识,甚至认为是获得猪粪的受益者,这些因素降低了农民的行动可能性[4]。 采用期货等金融工具与现货市场协调发展,可以支持和鼓励规模化养殖,依靠完善的物流和可靠的信息体系可提高产销水平等[5]。 提高养殖户收入能促进养殖户接纳环保行为[6],并且市场配置资源下的改善可从养殖补贴、价格保险等环节推进,同时按照梯价补贴政策引导养殖户用水用电产生规模经济效应[7],减少规模企业排污费用。 加强疫病防控知识培训可以降低规模化生猪群体患病死亡风险[8]。 从产业兴旺的角度上看,生猪养殖规模化能带来巨大优势。 规模化养殖对猪肉价格有显著的滞后效应和稳定效应[9],还能推动农村土地流转,加速小块土地集中[10]。 政府实施的规模补贴能显著提高养殖户改扩建意愿[11],规模化企业数量上升还可吸引社会大量闲散资金,发挥盘活市场作用,可以改善猪肉品质,提高食品质量安全水平。

基于上述内容可以发现,生猪养殖效率主要是受所在区域养殖业发展水平、养殖者环保意识匮乏和外部环境限制三方面的影响,解决生猪养殖效率低可从发展基础科学、刺激猪肉消费、拉动小规模融资扩资以及完善农业服务组织等角度寻找思路。 但现有的文献仅关注规模扩大目标下行业生态改良的路径,对不同量级发展水平差异、规模效率特点未展开讨论,结合学者们的研究成果,本研究拟对我国2012—2017 年生猪养殖效率发展进行评价,并针对其中出现的问题提出政策建议,以推动我国生猪养殖朝着集约化、产业化、绿色友好的方向发展。

1 研究方法与数据来源

数据包络分析法(DEA)中的曼奎斯特(Malmquist)指数法即是从技术和规模角度出发计算每个决策单元的全要素生产率,恰好可以帮助解决本课题提出的疑惑,因此本研究采用此方法来说明问题。

数据包络分析法由著名的运筹学家Charnes 等在1978 年提出,是一种可处理多目的、多目标的非参数方法。 数据包络分析法在分析多投入多产出模型方面具有绝对优势,计算时不用进行无量纲化处理,无需主观配置权重,不需要明确投入产出函数的关系式,极大简化了计算过程,规避了主观误判。 本研究基于Malmquist-DEA 指数模型研究2012—2017 年我国养猪业全要素生产率增长趋势,并将其分解为前沿技术进步、纯技术效率的变化、规模效率的变化3 个因素。 Fare 等推导的模型基本公式为:

公式(1)中effch表示决策单元自从t时期变化到t+1 时期的技术效率变化,tech表示从t时期到t+1时期的技术变化。pech表示纯效率变化,sech表示规模效率变化。 根据姜羽等[3]的研究结果推导,我国生猪养殖呈现规模报酬递增的趋势,因此,本研究在数据处理中选择了VRS 假设。 当规模报酬发生变化时,effch可以进一步分解成pech和sech两因素的乘积。 由此,全要素生产率可以划分为纯效率变化、规模效率变化和技术变化3 个部分,其结果大于1 意味着正向变化,结果小于1 意味着负向变化。

本研究选取2012—2017 年全国生猪散养、小规模生猪养殖、中度规模生猪养殖、大规模生猪养殖下每头猪的投入产出数据,取每头猪的主产品产值和副产品产值为产出,每头猪饲养环节的物质与服务费用、人工成本、土地成本为投入。 为避免通胀干扰,本研究采用李小刚等[12]的方法,用农业生产资料价格指数对物质与服务费用进行物价平减,对人工成本用居民价格消费指数进行平减,对产品总产值用猪(毛重)生产者价格指数进行平减。

为了评价同一地域4 种规模的生猪养殖效率,将2017 年全国31 个省市自治区的生猪出栏量(头)划分为5 个等级,具体如下。 Ⅰ:年出栏量∈(4 000 万,5 000 万],包括四川、河南、湖南、山东、湖北;Ⅱ:年出栏量∈(3 000 万,4 000 万],包括云南、河北、广东、广西、江西;Ⅲ:年出栏量∈(2 000 万,3 000 万],包括安徽、江苏、辽宁、黑龙江;Ⅳ:年出栏量∈(1 000 万,2 000 万],包括贵州、重庆、吉林、福建、陕西、浙江;Ⅴ:年出栏量∈(0,1 000 万],包括内蒙古、山西、甘肃、海南、新疆、天津、北京、上海、宁夏、青海、西藏。

以出栏量占等级出栏量的比重分配权重,加权计算各等级下每头生猪总产值、物质与服务费用、人工成本,将其作为Malmquist-DEA 指数的投入产出量,通过DEAP 软件得到各省市自治区4 种规模养殖的效率。

2 结果与分析

2.1 生猪规模化养殖的年际差异分析

尽管国内规模化生猪养殖比例总体升高,但不同年份政府政策、养殖户预期、饲料价格和猪肉市场价格等因素均非一致,导致不同规模下生产要素和产出水平表现出明显的年际差异。

图1 显示,大规模养殖与其他3 种规模差距明显,2014 年以前大规模养殖和小规模养殖单头产值差异一般在50 元(人民币,下同)水平,2014 年以后大规模养殖与其他3 种规模养殖出现分歧,大规模养殖生猪单头产值在2015 年下降了56.5 元,之后开始回弹一直持续增加到2017 年,每头猪产值也超过了其他3 种规模,呈现出“V”型变化趋势。 散养、小规模和中度规模3 种养殖规模趋势上基本一致,产值差别不明显,2012—2014 年趋势平缓,2014—2016 年表现上升,2016—2017 年出现下降,呈现先增后减的趋势。

近年来,大规模养殖场平均每头猪总产值上升,中小规模养殖场平均每头猪总产值下降,原因在于大规模养殖场信息来源广,能及时捕捉市场价格动向,生猪出栏时间能控制在经济收益最大的时间点上;而中小规模养殖场往往只关注一定范围内的猪肉价格,且信息接收渠道窄,价格容易被收购商操控。 同时,大规模养殖场科学饲养水平高、疫苗接种及时、肉品品质高,其猪肉更受市场青睐。 加上大规模养殖场社交活跃,普遍加入当地合作社,在品牌认证、有机认证方面也比较先进,因此其收购价格远远高于其他3种养殖规模。

分析不同规模下的养殖场投入人工成本,发现散养下的人工酬劳最高,其次是小规模养殖,人工成本与养殖规模呈明显反比关系(图2)。 散养人工成本比大规模养殖人工成本高3 倍以上。 观察各规模的人工成本变化得出,散养人工成本变化最剧烈,其次是小规模、中度规模,然后是大规模,即人工成本变化剧烈程度与规模大小也成反比(图2)。 成反比的原因显然不是大规模养猪场职工薪酬比其他3 种规模低,而是随着生产要素的不断投入,每增加一头生猪需要的人工成本逐渐递减,规模扩大后平均饲养一头猪所占用的劳动资源低于其他3 种规模。 人工成本的减少也反映出现代养猪场重视科学、机器和方法的应用。 中小规模养殖尤其是散养农户的受教育水平普遍不高,养殖场可塑性差、资本水平有限,很难走提高技术压缩人工成本的道路。

图1 2012—2017 年每头猪产品总产值趋势Fig.1 The trend of total output value of each pig in 2012—2017

对比各规模下不同年份的每头猪物质与服务费用,2012—2015 年整体呈下降趋势,2015—2016 年大幅上升,2016—2017 年又出现下降(图3)。 不同规模投入的物质与服务费用也存在明显差距,物质与服务费用最低的是散养,然后依次是小规模、中度规模和大规模,即饲养每头猪花费的物质与服务费用与养殖规模呈正相关。 散养下的每头猪投入物质与服务费用比大规模养殖一直相差100 元左右,这主要是因为农村养猪的管理费用、销售费用不高,仔畜费、精饲料费、医疗防疫费也明显低于大规模养殖,因此其整体成本低于规模化养殖成本。

图2 2012—2017 年每头猪投入人工成本趋势Fig.2 The trend of labor cost per pig in 2012—2017

图3 2012—2017 年每头猪投入物质与服务费用趋势Fig.3 The trend of material input and service cost per pig in 2012—2017

2.2 数据处理与分析

借助DEAP 2.1 软件计算多阶段DEA 指标值,发现只有中度规模养殖处于规模报酬递减阶段,其他3 种养殖规模均为规模报酬不变。 由于综合技术效率值表现为规模效率与可变规模报酬技术效率值的乘积,中度规模养殖的可变规模报酬技术效率值不变,规模效率下降,结果呈现规模报酬递减。

借助DEAP 2.1 软件运行上述搜集数据,得到Malmquist 全要素生产率(表1)。 结果显示:生猪养殖的全要素生产率与养殖规模成正比,散养和小规模养殖的全要素生产率小于1,中度规模和大规模养殖的全要素生产率大于1,说明散养和小规模养殖还有改进空间,中度规模和大规模养殖效率是较优的。 散养在2012—2017 年间的技术效率变化下降了2.7%,技术变化提高了1.6%,规模效率变化降低了2.7%,全要素生产率降低了1.1%。 小规模养殖在2012—2017 年技术效率变化下降了2.7%,技术变化提高了2.2%,规模现率变化降低了2.7%,全要素生产率降低了0.5%。 中度规模养殖在2012—2017 年技术效率变化降低了3%,技术变化提高了3.1%,纯技术效率变化降低了2.9%,全要素生产率提高了0.1%。大规模养殖在2012—2017 年技术效率最优,技术变化增长2.9%,纯技术效率和规模效率变化也为最优,全要素生产率增长了2.9%。 相比较而言,大规模养殖的各个指标均高于平均值,在4 种规模中为最优。技术效率整体变化效果不明显,除大规模养殖外,其他规模数据均小于1。 技术变化对4 种规模的养殖均起到了正向影响,对中度规模的促进作用最显著。 纯技术效率变化对散养、小规模和大规模养殖的生猪价值未起到任何影响,但对中度规模养殖起到了抑制效果。 规模效率变化对散养和小规模养殖带来的影响是相同的,对另外2 种养殖规模无影响。

表1 4 种养殖规模产出导向Malmquist 指数平均值Table 1 The mean value of output-oriented Malmquist index of 4 breeding scales

从各年的Malmquist 指数(表2)来看,影响全国生猪养殖行业全要素生产率的主要是技术变化,二者的变化趋向较为一致。 技术效率变化主要在2017 年发生较大的变化,下降了11%。 技术变化在2012—2017 年不太稳定,主要在后3 年变化明显,2015 年上升3.7%后2016 年下降了7.2%,2017 年又猛然提高17%。 纯技术效率变化在前5 年较为稳定,2017 年下降了3.6%。 规模效率变化也仅在2017 年有较大变化,下降了6.7%。 最终,全国生猪养殖全要素生产率前3 年相对稳定,2015 年上升3.6%,2016 年下降7%,2017 年又上升5.2%。

表2 2012—2017 年Malmquist 指数平均值Table 2 The mean value of Malmquist index in 2012—2017

由表3 可以看出,不同等级4 种养殖规模发展存在一定差异。 第Ⅰ等级中、小规模和散养均实现了全要素生产率大于1,而大规模全要素生产率仅为0.886,主要是被技术变化指标拉低。 第Ⅰ等级集合了国内生猪出栏大省,说明在这些地区中、小、散养投入产出率低,其技术效率变化和规模效率变化已经超过了生产前沿,产值转化率低,表明2012—2017 年的生猪价格并非该区域中、小、散养的养殖户盈利价格,这部分养殖户无法享有规模红利且议价能力弱。 第Ⅱ等级散养和大规模养殖全要素生产率均大于1,小规模养殖全要素生产率受到技术效率变化、技术变化和规模效率变化的影响为0.989。 第Ⅲ等级多包括平原农业大省,农村养殖群体占多数,散养全要素生产率为0.783,小规模全要素生产率为0.969,二者主要是受技术变化影响,中度规模和大规模全要素生产率均大于1。 第Ⅳ等级仅散养全要素生产率大于1,小规模主要受技术效率变化影响其全要素生产率为0.976,中度规模和大规模由于技术变化率低,其全要素生产率分别为0.990 和0.938。 第Ⅴ等级小、中、大规模养殖全要素生产率均大于1,散养受技术变化影响全要素生产率仅为0.858,说明在第Ⅴ等级的省份中,小、中、大规模生猪养殖发展并不完善,技术、规模与第Ⅰ等级相比还有较大差距,导致其生产前沿小于第Ⅰ等级,全要素生产率尽管大于1 但实际水平并未超过其他等级。

表3 各等级下4 种养殖规模的Malmquist 指数Table 3 Malmquist index of 4 breeding scales of different grades

由表4 可见,同一养殖规模的生猪养殖效率变化存在区域不平衡性。 散养条件下的第Ⅳ等级和第Ⅴ等级的全要素生产率产生正向变化,发展良好的Ⅰ—Ⅲ等级全要素生产率还是松弛状态,在当前现有的投入水平和生产规模下调整各个单元可以有更多的产出。 第Ⅰ等级的全要素生产率主要受技术变化影响,第Ⅱ等级的生产效率和技术变化都低于1,第Ⅲ等级受技术变化和规模效率变化影响较大。 小规模生猪养殖投入与产出的关系相对改善一些,第Ⅰ等级、第Ⅳ等级和第Ⅴ等级的全要素生产率均在基础水平之上,技术效率变化和规模效率变化是影响Ⅱ、Ⅲ等级实现效率最优的主要原因。 中度规模是平均全要素生产率最高的养殖规模,第Ⅴ等级的全要素生产率增长超过7%,第Ⅱ等级的技术效率下降和规模效率下降使其全要素增长率下降了2.4%。 大规模养殖的可改善空间最广,Ⅰ—Ⅳ等级全要素生产率均低于1,第Ⅴ等级的产出不高使其当前全要素生产率处于提高水平。 总结4 种规模的表现来看,目前中度规模的开发和资源利用较为完善,大规模养殖应采取引进人才、交流学习等方法来提高生产要素的使用率。

表4 4 种养殖规模下各等级的Malmquist 指数Table 4 Malmquist index of each grade under 4 breeding scales

3 结论与建议

本研究利用Malmquist 指数分析法评估了2012—2017 年全国和各个地区4 种养殖规模的生产效率水平,总结出技术变化是影响生猪养殖全要素生产率的重要因素。 通过比较同级别的多个省份生猪养殖4种规模的共存状态,发现生猪出栏量大的省份散养的全要素生产率较高,生猪出栏量小的省份大规模养殖的全要素生产率较高。 目前生猪规模化养殖已成趋势,但生猪主要生产省份的大规模养殖还未达到均衡状态。 Ⅰ—Ⅳ等级大规模养殖普遍低于当前投入的前沿生产力。 第Ⅴ等级由于生猪规模养殖水平不高,生产前沿小,4 种规模暂时跨过了前沿水平。 因此,为缓解当前猪肉生产供应链紧张,推广规模化环保养殖整体性、持续性向上发展,提出以下政策建议。

第一,因地制宜推动生猪规模化养殖。 第Ⅰ等级省份生猪规模化养殖基础较好,政府、企业投入的资金、技术和设备也在逐渐发挥作用。 在一些短板的影响下,这些养殖场已经投入的生产要素还未得到充分利用,规模和技术之间如何界定还需要根据实际丈量。 第Ⅴ等级由于文化、民俗和产业分布差异,生猪养殖水平低下,或非农业重要产业,个别地区农业也是其边缘产业。 因此,应综合地方省情,遵循实际发展框架,按需所设,避免盲目扩大生产。

第二,提高企业生猪养殖水平。 养殖企业要想实现提高全要素生产率、摆脱利润空间低的局面,就要从提高资源利用率出发,实现途径不仅仅是资金投入增多、固定资产扩大,还要吸引专业人才、提高疫病防控能力等等。 养殖业岗位在高校大学生就业中并不受青睐,缓解人才压力可通过与专科学校、技工培训学校签订外包协议,借助校企合作培养高精尖人才,向规模企业输送来解决。 同时政府补贴企业人才引进费用,提高生猪养殖从业人员的待遇。 提高动物医学对生猪疫病治疗药物的重视,提供疫病防控数据库和风险控制平台,通过农技服务人员向基层养殖户补充卫生管理知识等等,降低生猪养殖风险和疫病防控成本,促进我国生猪规模养殖业的稳定、健康、快速发展。

第三,完善生猪养殖外部配套措施。 提高我国生猪养殖业全要素生产率离不开外界环境的辅助,政府应适度干预且维护市场。 通过发展联合制农业合作社、培养龙头企业来增加养殖者利润,完善猪肉交易产业体系,监管平台纳入多级生猪存栏预警、市场价格红线控制等预测工具,向消费者提供猪肉可追溯绿色信息,健全猪肉市场交易体系。 政府应遵循养殖业渐进式过渡转化原理,尊重市场猪肉价格形成机制,特殊时期给予价格支持补贴,保护好养殖户的“钱袋子”和老百姓的“菜篮子”。