不同养殖模式下肉羊生产技术效率和全要素生产率分析*

王雪娇，肖海峰

（中国农业大学经济管理学院，北京 100083）

不同养殖模式下肉羊生产技术效率和全要素生产率分析*

王雪娇，肖海峰

（中国农业大学经济管理学院，北京 100083）

基于农业部畜牧司2012～2015年肉羊生产监测数据，利用BCC模型和DEAMalmquist全要素生产率（TFP）指数法分析不同养殖模式（自繁自育和专业育肥）下肉羊生产技术效率和全要素生产率。结果发现，2012～2015年不同养殖模式下绵羊和山羊生产技术效率呈“N”字型上下交替变化特征，平均效率水平较低，且规模效率是技术效率主要来源；山羊生产技术效率水平高于绵羊，自繁自育养殖模式下高于专业育肥；无论在自繁自育或专业育肥养殖模式下，2012～2015年山羊生产TFP指数均呈下降趋势，年均降幅分别为2.2%和0.1%；近年自繁自育养殖模式下，绵羊生产呈技术效率增加与技术退化现象并存，专业育肥技术效率微幅增加。因此，应扩大养殖规模，提升肉羊生产规模化水平；加强科研创新，研发肉羊养殖先进技术；加强科技服务，加大肉羊养殖等实用技术推广力度。

肉羊；自繁自育；专业育肥；技术效率；DEA-Malmquist生产率指数

一、引言

近年国内居民收入水平不断上涨，羊肉消费需求不断增加。因全球气候日益恶化和草原人口增加，导致自然灾害频发及草原生态环境破坏，我国自2003年起实施基本草地保护制度，一定程度限制草原牧区农牧户肉羊饲养规模的扩大，推动肉羊养殖由牧区向农区转移，养殖方式由放牧向舍饲、半舍饲转变（陈海燕等，2013），养殖模式由传统自繁自育发展为现阶段自繁自育与专业育肥并存。

专业育肥是随我国肉羊产业化、规模化不断发展及饲养方式和养殖地区逐步转变而出现的新型养殖模式，集中于山东、河北、河南等省农区，养殖主体在牧区枯草期时（每年8月左右）购进架子羊，3～5个月短期育肥后出售。一方面，养殖主体可据市场行情波动选择是否购进架子羊育肥，经营方式较简单，进入和退出门槛低；另一方面，羊群结构单一，羊舍结构要求相对简单，机械设备等固定资产投入较少。此外，该模式下肉羊饲养周期短，资金周转快，生长速度快，饲料报酬率较高，便于组织化管理、集约化生产。缺点是不易全面了解购进架子羊疫病和免疫情况，易购入疫病架子羊；流动资金较大，收益易受市场波动冲击，利润受架子羊和羊肉市场价格影响。

相较于专业育肥，自繁自育养殖模式下肉羊生产成本相对较低。一方面，幼畜购进成本在肉羊生产过程中占比较大，自繁自育可节省幼畜购置费；另一方面，可保证羊群健康状况，规避外购架子羊育肥的疫病风险，减少疫病造成的损失。此外，农牧户通常拥有一定草场资源，可有效降低羊群饲草费等。缺点是饲养周期长，难以形成规模，对养殖主体技术要求较高。

我国日益增大的羊肉供需缺口、草原生态环境压力及资源要素供给约束，决定提升肉羊产出水平、增加羊肉长期有效供给关键在于提升肉羊生产技术效率和全要素生产率，而非扩大肉羊饲养规模和无限增加生产要素投入（刘玉凤等，2014）。因自繁自育和专业育肥模式肉羊生产成本构成项、饲养周期、养殖管理技术等不同，肉羊生产技术效率和全要素生产率存在差异。何种养殖模式可更好提高农牧户养殖效益、提升肉羊生产效率水平；何种模式更适合现阶段我国肉羊产业发展；我国地域差异明显，各地区资源禀赋不同，两种模式可否共同推动肉羊产业可持续发展等，值得深入研究。

二、数据来源与研究方法

（一）变量选取与数据说明

本文测算不同养殖模式下肉羊生产技术效率产出指标时选取每户年出栏肉羊总收入。投入指标包括羔羊折价/购进羔羊或架子羊费用、精饲料、饲草、饲盐、雇工及其他物质费用。其中，羔羊折价指繁育出栏肉羊的羔羊费用按其断奶时（3月龄，绵羊体重一般为20～25公斤，山羊体重一般为15～20公斤）市场价折算；购进羔羊（或架子羊）费用指出栏肉羊羔羊（或架子羊）购买费用；精饲料费指当年饲喂出栏肉羊所有精饲料费用，包括玉米、饼粕、麸皮及混合饲料、配方饲料等；饲草费指当年饲喂出栏肉羊所有青粗饲料费用，包括青草、干草、粮食秸秆等；饲盐费指肉羊生产过程中购买的用于添加至羊饲草料中盐的费用；雇工费用指当年出栏肉羊雇佣工人的费用；其他物质费用主要包括医疗防疫费、水电燃料费、因灾因病死亡损失肉羊折价、固定资产折旧及配种费、草场建设费、饲料加工费、修理维护费、放牧用具费、贷款利息等费用。各投入产出指标数据来源于农业部畜牧司肉羊生产监测数据，该数据覆盖20个省100个县500个村1 500户肉羊养殖户（具体划分为绵羊自繁自育、绵羊专业育肥、山羊自繁自育和山羊专业育肥四种类型）。肉羊固定监测工作根据农业部《关于调整肉牛肉鸡监测方案和增设肉羊监测方案有关事项的通知》要求和“百场千村万户”监测计划，2012年由农业部畜牧业司启动实施，通过监测统计养羊大县，为系统分析养羊业发展趋势提供准确、科学依据，为国家适时调控生产、促进肉羊生产持续健康发展提供参考和判断。本文样本期为2012～2015年，由于年度间个别肉羊监测样本轮换，2012～2015年连续固定监测肉羊养殖户为1 284户，包括绵羊自繁自育956户，绵羊专业育肥78户，山羊自繁自育233户及山羊专业育肥17户。因此，本文测算不同养殖模式下肉羊生产技术效率及全要素生产率时采用2012～2015年1 284户短期平衡面板数据。

根据农业部畜牧司肉羊生产监测数据，专业育肥养殖模式下肉羊养殖规模普遍大于自繁自育。从不同养殖规模农牧户分布情况看，2012～2015年自繁自育户中年出栏1～29只、30～99只和100～499只的养殖户占比分别为39.56%、31.87%和26.14%，其中年出栏1～29只的养殖户占比最大；专业育肥户年出栏数量集中在30只以上，2012～2015年专业育肥户肉羊年出栏30～99只、100～499只、500～999只和1 000只以上养殖户占比分别为32.91%、34.69%、9.69%和17.86%，年出栏100～499只的养殖户占比最大，年出栏1～29只的养殖户占比仅4.85%。从不同规模农牧户养殖数量分布情况看，2012～2015年自繁自育户中年出栏30～99只、100～499只、500～999只和1 000只以上养殖户出栏肉羊数量占比分别为17.05%、53.58%、11.39%和12.65%，其中年出栏数量100～499只的养殖户肉羊出栏数量占比最大；专业育肥户中肉羊出栏集中于大规模户，2012～2015年专业育肥户中年出栏100～499只、500～999只和1 000只以上养殖户出栏肉羊数量占比分别为12.24%、11.42%和73.00%。

（二）研究方法

1.规模报酬可变的数据包络分析模型

BCC模型是规模报酬可变数据包络分析模型的简称，最早由Färe等（1983）和Banker等（1984）提出。首先，假定现有N个肉羊生产决策单元（如农牧户），各单元拥有K种投入和M种产出，第i个农牧户投入和产出可表示为向量xi和yi。其次，构建一个关于所有生产决策单元投入和产出数据的非参数包络生产前沿面，观察点均位于生产前沿面上或下方。各农牧户均可测算其户均肉羊出栏活重关于所有投入（如仔畜重量、精饲料饲喂量、青粗饲料饲喂量、劳动力等）的比率，如u'yi/ v'xi，u和v分别表示M*1维产出向量和K*1维投入向量权重。最后，为求得最优u和v，可在测算效率值均须1约束条件下，使第i个农牧户肉羊生产效率值最大化。此外，为避免无穷多解情况，需满足约束条件v'x=1：

（1）基于投入导向BCC模型的规划式：

将u和v分别替换为υ和μ反映数学规划问题变换过程。式（1）为基于投入导向BCC模型乘数形式的线性规划问题。采用线性规划二元形式，得式（1）等价包络形式：

式（3）即为基于产出导向BCC模型乘数形式的线性规划问题。采用线性规划二元形式，得式（4）等价包络形式：

其中，θ、Φ表示标量，λ表示N*1维常数项量，N1'λ=1为凸性约束条件。与式（1）、式（3）相比，式（2）和式（4）更易求解，约束条件更少（K+M＜N+1）。当θ=1或Φ=1时，表明该生产点位于生产前沿面上，即决策单元技术有效（Farrell，1957）；λ提供第i个决策单元与处于生产前沿面上其他决策单元相较的技术无效率情况（Coelli等，2003）。

2.DEA-Malmquist全要素生产率指数及其分解

DEA-Malmquist指数法通过估计各数据点到某一共同生产可能性边界距离的比率，测度两个邻近数据点间TFP变化情况（Coelli，1996）。假设P（x）表示第i个决策单元在某一技术下投入要素xi带来产出yi的所有集合，即P（xi）={yi：xiyi}。假定该技术满足Coelli等（1998）提出的规范性定理，则产出集合P（xi）产出距离函数可定义为di（yi，xi）=min{δi：(yi/δ) P(xi)}。当yi位于产出集合P（xi）中时，产出距离函数di（yi，xi）取值将1。当yi位于生产可能性集合P（xi）外边界时，产出距离函数di（yi，xi）将取某一特定值；当yi位于产出集合P（xi）外时，产出距离函数di（yi，xi）取值将＞1。根据Caves等（1982）研究，在CRS假设条件下，以时期s和时期t技术作为参照的第i个决策单元从时期s到时期t产出主导型Malmquist TFP指数可分别定义为：

mi(ysi,xsi,yti,xti)取值大于1时，表明TFP从时期s到时期t正增长；mi(ysi,xsi,yti,xti)取值小于1时，表明TFP从时期s到时期t下降。经进一步转换，式（7）可改写为：

其中，Effchit等于时期t和时期s技术效率比，代表时期s到时期t产出主导型Farrell技术效率变化，Techchit表示从时期s到时期t产出导向型Farrell技术变化率，即技术进步变化。根据Backer等（1984）提出的VRS模型，第i个决策单元Effchit可进一步分解为纯技术效率变化（Pech）和规模效率变化（Sech），即：

在式（9）中，分别表示在VRS假设条件下，以时期t和时期s技术为参照的第i个生产决策单元分别在两时期产出距离函数。由此可知，第i个决策单元Malmquist TFP指数可分解为：

根据式（10），Malmquist TFP指数由纯技术效率指数（Pechit）、规模技术效率指数（Sechit）和技术进步指数（Techchit）乘积构成。其中，纯技术效率可反映当前肉羊养殖技术水平推广和肉羊养殖品种改良等变化情况，规模效率反映肉羊生产规模化水平和经营组织管理水平等变化情况，技术进步反映肉羊养殖新技术、新品种研发引进等变化情况。mi(ysi,xsi,yti,xti)=1时，表明肉羊生产TFP无变化，mi(ysi,xsi,yti,xti) 1时，表明肉羊生产TFP改进（或退化）（Coelli，1996）。

三、实证过程与结果分析

肉羊包括绵羊和山羊，二者同科不同属。考虑绵羊和山羊出栏活重、生长周期和料肉比存在一定差异，本文对比分析不同养殖模式下肉羊生产技术效率和全要素生产率时，将肉羊按品种划分为绵羊和山羊。

（一）肉羊生产技术效率测算结果及分析

表1为2012～2015年我国不同养殖模式下绵羊和山羊生产技术效率测算结果。首先，不同养殖模式下绵羊和山羊生产技术效率水平较低，存在显著效率损失，表明当前我国肉羊生产技术效率提升空间大。其次，就不同年份而言，不同品种和养殖模式下肉羊生产技术效率值最高均为2013年，最低均为2014年，即肉羊生产技术效率均呈“N”字型上下交替变化特征。再次，就不同品种而言，无论自繁自育或专业育肥养殖模式下，山羊生产平均技术效率水平均高于绵羊。最后，就不同养殖模式而言，无论绵羊或山羊，自繁自育养殖模式下肉羊生产平均技术效率水平均高于专业育肥。

从肉羊生产纯技术效率和规模效率看，首先，2012～2015年不同品种和养殖模式下肉羊生产平均规模效率均高于纯技术效率，可见，规模效率是肉羊生产技术效率主要来源。其次，就不同年份而言，肉羊生产纯技术效率值总体下降，规模效率总体提高。可见，近年肉羊生产总体出现纯技术效率下降和规模效率提高并存的变化特征。再次，就不同品种而言，无论自繁自育或专业育肥养殖模式，绵羊生产平均纯技术效率水平均高于山羊，而平均规模效率均低于山羊。最后，就不同养殖模式而言，无论绵羊或山羊，自繁自育养殖模式下肉羊生产平均纯技术效率水平均低于专业育肥，而平均规模效率均高于专业育肥。

表1 2012～2015年不同品种和养殖模式下肉羊生产技术效率结果对比

（二）肉羊生产全要素生产率测算结果及分析

由表2可知，首先，从总体变化特征看，2012～2015年自繁自育和专业育肥养殖模式下山羊生产TFP指数年均降幅分别为2.2%和0.1%，说明两种模式下山羊生产TFP总体均呈下降趋势，山羊个体生产能力并未进一步提高；与山羊TFP指数变化特征略有不同，2012～2015年自繁自育养殖模式下绵羊生产TFP指数年均降幅6.9%，表明该模式下绵羊生产TFP总体呈下降趋势；而专业育肥养殖模式下绵羊生产TFP指数年均增幅0.3%，即该模式下山羊生产TFP总体呈上升趋势。其次，从分解指数变化特征看，2012～2015年自繁自育模式下绵羊生产纯技术效率以年均3.4%速度下降，规模效率以年均6.2%速度增长，使绵羊生产技术效率以年均2.6%速度增长。由于同时期绵羊生产技术以年均9.3%速度下降，致绵羊生产TFP总体呈下降趋势，即近年我国自繁自育模式下绵羊生产总体表现技术效率增加与技术退化并存现象；2012～2015年专业育肥模式下绵羊生产纯技术效率虽以年均1.0%速度下降，但规模效率以年均1.3%速度增长，使得绵羊生产技术效率以年均0.3%速度增加，专业育肥模式下绵羊生产TFP总体呈增加趋势；2012～2015年自繁自育模式下山羊生产纯技术效率以年均4.6%速度下降，而规模效率以年均3.0%速度增长，山羊生产技术效率以年均1.7%速度下降，由于同时期山羊生产技术以年均0.5%速度退化，致自繁自育模式下山羊生产TFP总体呈下降趋势；2012～2015年专业育肥模式下山羊生产纯技术效率和规模效率分别以年均0.5%和2.1%速度增长，共同推动山羊生产技术效率以年均2.6%速度增加，由于技术进步以年均2.6%速度下降，致近年该模式下山羊生产TFP总体呈微幅下降趋势。

表2 2012～2015年不同品种和养殖模式下肉羊生产TFP指数及其分解指数均值

综上所述，无论自繁自育或专业育肥养殖模式下，2012～2015年肉羊生产总体呈不同程度技术退化、纯技术效率下降与规模效率提高并存变化特征。长期以来，受现实国情等因素影响，我国农业科研重点集中于以粮食为主的种植业（李谷成，2010），而对肉羊生产等畜牧业科研及其经营活动关注相对较少，仅依赖各肉羊主产省区基层繁育站在品种繁育、改良及配种等方面所做的基础研究，品种和科技推广体系尚不完善，且农牧户自有资金投入能力较弱，很大程度阻碍先进技术和优良品种在肉羊生产过程中采用和普及，一定程度阻碍肉羊生产技术进步，纯技术效率未改善，总体出现下降，抑制肉羊生产技术效率的改善和提高。与此同时，近年肉羊生产向农区转移，养殖方式向半舍饲、舍饲转变，养殖集约化、规模化、标准化水平均不断提高，肉羊生产规模效率得到一定改善。因此，肉羊饲养规模持续扩大、饲养规模化水平进一步提高和养殖经营管理逐步改善仍是促进肉羊生产全要素生产率增长的主要动力（孙致陆等，2014）。

四、结论与对策建议

（一）结论

基于农业部畜牧司2012～2015年肉羊生产监测数据，本文分别采用BCC模型和DEA-Malmquist全要素生产率指数法分析绵羊和山羊在不同养殖模式下生产技术效率和全要素生产率，主要结论如下：①绵羊和山羊在不同养殖模式下生产技术效率均呈“N”字型上下交替变化特征，且效率水平均不高；②山羊生产平均技术效率水平高于绵羊，自繁自育养殖模式下生产的平均技术效率水平高于专业育肥；③无论在自繁自育或专业育肥饲养模式下，2012～2015年山羊生产TFP指数均呈下降趋势，年均降幅分别为2.2%和0.1%；④2012～2015年自繁自育养殖模式下绵羊生产TFP指数年均降幅6.9%，且呈技术退化、纯技术效率下降与规模效率提高并存变化特征；而专业育肥养殖模式下绵羊生产TFP指数年均增幅0.3%，表现为技术效率微幅增加。

（二）对策建议

由结论可知，不同养殖模式下肉羊生产技术效率存在一定差异，但差异不大，效率水平均不高，且全要素生产率均呈下降趋势。因此，现阶段两种养殖模式可共同推动肉羊产业可持续发展。提升肉羊生产率关键在于生产技术进步和技术效率提高，应将政策着力点放在加强肉羊养殖技术创新和推广应用上。基于此，提出以下对策建议。

1.扩大养殖规模，提升肉羊生产规模化水平

各地方政府应积极帮助养殖户加强肉羊生产基础设施建设，鼓励养殖户适度扩大养殖规模，对农牧户购进机械设备、圈舍修建等予以扶持，帮助修建乡村级大型药浴设施等，尽可能满足农牧户扩大养殖规模后养羊的硬件需求。此外，帮助农牧户解决“贷款难”问题。扩大养殖规模需更多资金投入，大多数农牧户资金较匮乏且缺乏合适的抵押品，很难从正规金融机构获得资金以扩大规模。

2.加强科研创新，研发肉羊养殖先进科学技术

通过整合现有肉羊养殖方面科研资源，以科研项目为依托，努力调动肉羊养殖领域的专家和技术人员积极参与科研项目，盘活肉羊养殖各方面科研工作，组织联合攻关，重点加强优良肉羊品种选育、饲草料科学配比、高效育肥、同期发情和羔羊早期断奶、补饲与适时出栏、饲养管理等关键环节技术（丁丽娜，2014）。

3.加强科技服务，加大肉羊养殖等实用技术推广力度

建立科研、推广和应用对接机制，将科研成果广泛应用于肉羊生产实践中。对农牧户而言，多层次、多渠道培训和示范是了解和掌握先进实用养殖技术的重要措施，应采取各项措施激励基层农技人员及专家、学者利用适宜时间对农牧户一对一入户指导、一对多开展讲座、发放科技手册等，加快推进肉羊养殖先进技术的应用，帮助农牧户增加肉羊生产科技含量，节约生产成本，提高养殖效益，通过提高肉羊生产技术效率提升其全要素生产率增长水平。

[1]陈海燕,肖海峰.禁牧政策对我国养羊业的影响及对策[J].农业经济与管理,2013(3):62-68.

[2]刘玉凤,王明利,石自忠,等.我国肉羊生产技术效率及科技进步贡献分析[J].中国农业科技导报,2014,16(3):156-161.

[3]孙致陆,肖海峰.技术效率、技术进步与我国羊绒生产的全要素生产率——基于DEA-Malmquist指数法的分析[J].农业经济与管理,2012(1):64-70.

[4]李谷成.转型视角下的中国农业生产率研究[M].北京:科学出版社,2010.

[5]孙致陆,肖海峰.中国绒毛用羊产业经济研究(第二辑)中国细羊毛生产的经济效率分析[M].北京:中国农业出版社,2014.

[6]Banker R D,Charnes A,Cooper W W.Some models for estimatingtechnological and scale inefficiencies in dataenvelopment analysis[J]. Management Science,1984,30(9):1078-1092.

[7]Caves D W,Christensen L R,Diewert W E.The economic theory of index numbers and the measurement of input,output and productivity[J]. Econometrica,1982,50(6):1393-1414.

[8]Coelli T.A Guide to DEAP Version2.1:A data envelopment analysis(computer)program[R].University of Queensland Center for Effi⁃ciency and Productivity Analysis WorkingPaper Series,1996,No.96/08.

[9]Coelli T J,Rao D S P.Total factor productivity growth in agriculture:A Malmquist index analysis of 93 countries,1980-2000[R]. University of Queensland Center for Efficiency and Productivity Analysis WorkingPaper Series,2003,No.02/2003.

[10]Coelli T J,Rao D S P,Battese G E.An introduction to efficiency and productivity analysis[M].Boston:Kluwer Academic Publishers, 1998.

[11]Fisher I.The makingof index numbers[M].Boston:Houghton Mifflin,1992.

[12]Farell M J.The measurement of productive efficiency[J].Journal of the Royal Statistical Society,1957,120(3):253-290.

[13]Färe R,Grosskopf S,Logan J.The relative efficiency of illinois electric utilities[J].Resource and Energy,1983,5(4):349-367.

[14]Färe R,Grosskopf S,Roos P.Malmquist productivity indexes:A survey of theory and practice[J].Index Numbers Essays in Honour of Sten Malmquist,1998:127-190.

[15]Färe R,Grosskopf S,Lovell C A K.Production Frontiers[M].Cambridge:Cambridge University Press,1994.

Analysis on Technical Efficiency and Total Factor Productivity of Meat Sheep Production Under Different Cultivating Patterns

WANG Xuejiao,XIAO Haifeng
（School of Economics and Management,ChinaAgricultural University,Beijing 100083,China）

Based on the monitoring data of meat sheep production in Ministry of Agriculture from 2012 to 2015(The data covers1500 meat sheep production households belonging to 500 villages of 100 counties in Chinese 20 provinces),the paper applied BCC Model and DEA-Malmquist total factor productivity(TFP) index approach to calculate the technical efficiency and TFP of meat sheep production under different cultivating patterns(self-breeding and professional fattening).Results indicated that the technical efficiency of sheep and goats production under different cultivating patterns showed a changing characteristics of the "N"shape in 2012-2015,the average technical efficiency level was not high,and scale efficiency was the main source of technical efficiency;the technical efficiency level of goat production was higher than sheep, and self-breeding mode was higher than professional fattening;whether it was self-breeding or professional fattening farming mode,TFP index of meat sheep production were showing a downward trend,and an average annual decline of 6.9%and 0.4%respectively.There was a phenomenon that technology decreased and technological progress coexisted in goat production under the self-breeding mode,while the professional fattening mode showed the improvement of technical efficiency and technical degradation. Therefore,the scale should be expanded to further enhance large-scale level of meat sheep production, strengthen scientific research and innovation,develop a major and more practical advanced technology, continue to strengthen technology services,and intensify the promotion efforts of practical techniques for meat sheep breeding.

meat sheep;self-breeding;professional fattening;technical efficiency;DEA-Malmquist productivity index

F326.3

A

1674-9189（2017）03-0090-09

*项目来源：农业部、财政部项目（CARS-40-20）。

王雪娇（1986-），女，博士研究生，研究方向：农业经济理论与政策。