基于DEA模型的我国小规模生猪养殖生产效率研究

江倩云

摘要：乡村产业中规范和适度发展的农村小规模养殖业提高了农业资源利用率，很大程度上助力乡村振兴事业。由此收集2017.年我国25个不同省市小规模生猪生产投入、产出的指标数据，使用投入导向型Bcc模型进行小规模生猪养殖生产效率的测算。结果表明，小规模生猪养殖生产效率受地域经济发展水平影响不大，且各地区的投入冗余能较好反映效率差异来源。生猪养殖应因地制宜，相关部门需加强农业扶持的针对性，优化支持政策。

关键词：DEA模型 生猪规模养殖 技术效率 规模效率

一、研究背景及意义

目前，随着生猪养殖业的发展，散布养殖农户成为导致生猪养殖产业链不稳定、猪肉价格出现异常波动的重要原因。他们成本和收入的变化也是影响生猪产业变化波动的重要因素。因此，本研究对全国25个不同地区生猪小规模养殖的生产效率进行了分析，为制定生猪产业发展计划提供政策建议，为养殖户完善要素投入提供实证依据。在乡村振兴战略实施的背景下，分析小规模生猪养殖模式的生产效率，对我国进行相关政策引导具有重要意义。

二、理论模型

DEA模型中较为常见的c2R是基于规模报酬不变的假设，而后Banker等提出的针对可变规模报酬的BCC模型，将c2R模型中的综合技术效率分解为规模效率和纯技术效率，剔除经营规模因素影响之后的纯技术效率能更准确地反映出决策单元的经营管理水平，因此可以运用它比较出不同决策单元间的相对有效性。投入导向型DEA模型即在产出水平一定的条件下，投入最小化的规划问题。对于任一决策单元，模型构建如下：

为了评价第k。个决策单元的绩效，我们需要观察模型的变量输出值。如果q的值等于1.表明此时被评价决策单元为DEA有效;再观察模型中剩余变量或松弛变量的值，如果至少有一种输入指标的s，一或者输出指标的S1+大于0.表明决策单元ko未达到技术有效或规模有效，存在改进空间。如果模型中q值小于1.表明被评价的决策单元不是DEA有效，它意味着在被评价单元中可用更少的投入，获得不少于被评价单元的产出。

三、数据与变量

本文选取来自不同生猪产区的25个地区，这些地区的猪肉产量占全国的92.5%。为消除各地区价格水平的影响，选取生猪养殖的主产品产量（Y）作为DEA模型的产出变量。综合考虑生猪养殖实际投入和数据的可获得性，选取了5个主要投入指标作为模型的投入变量，其中我们把生猪每头用工数量（x1）作为小规模生猪养殖的人工投入指标，粮食消耗数量（x2）和精饲料消耗数量（x3）作为物料投入指标，其他投入指标选取了医疗防疫费（x4）和燃油动力费（x5），选取用量指标可以排除各地物价水平不一致对效率测算带来的影响。数据来源：国家统计局统计资料数据及《全国农产品成本收益统计资料汇编2018》。

四、实证分析

根据全国农产品成本收益统计资料，选取2017.年全国各地区小规模生猪投入和产出的相关指标数据，将我国25个地区小规模生猪养殖原始投入、产出数据导入Deap2.1软件进行生产效率的测算，具体结果见表1。

由BCC模型测算结果（表1）可以看出，全国25个地区小规模生猪养殖综合效率水平较高，25个地区的平均值达到0.957，技术效率和规模效率水平较为接近。《全国生猪生产发展规划（2016-2020年）》划分的4个生猪生产区中，重点发展区（河北、河南、山东、重庆、四川、广西、海南）的综合效率均值最高，为0.987。在生猪约束发展区中，江苏和湖北未处于效率的前沿面，江苏主要是规模效率受限，而湖北主要为纯技术效率较低;对比2016年的数据，可以发现安徽由于纯技术效率取得较大进步拉动综合效率的提升，而湖南则是规模效率提高，不同于2016年较低的效率水平，两者在2017.年综合效率都达到1。在生猪重点发展区中，只有河南处于较低的综合效率水平，主要是受到纯技术效率的制约。在潜力增长区（包括辽宁、内蒙古、黑龙江、吉林、云南和贵州）中，贵州和云南处于效率的前沿面，综合效率为1;其次为吉林，综合效率为0.988;辽宁、黑龙江二省综合技术效率处于较低水平，均在0.9以下。适度发展区整体的效率水平较低，其中陕西综合效率值最低，存在较大的改良空间。总体来看，小规模生猪养殖生产效率受地域经济发展水平影响不大，一些经济相对不好的地区小规模养殖综合效率也较高，最重要的是因地制宜，针对地区特点去合理发展和弥补自身短板，不过分追求技术效率或生产规模单方面达到最大。

进行投入冗余和产出不足分析，可以看出，产出指标中仅黑龙江产出值s+=5.7.81>0.表示产出指标与最大产出值尚有差距。综合分析各省市投入冗余额，山西省的精饲料消耗数量明显冗余过多，未得到充分利用，纯技术效率较低，说明在小规模饲养中未能很好的利用技术手段，进行饲喂量专业评测来达到最佳的饲料搭配和利用，且从表中可以看出陕西、甘肃、青海等地区综合效率都不太高，表明尽管该适度发展区农牧结合发展条件较好，但生猪养殖基础还相对薄弱，需要因地制宜。吉林处于潜力增长区，发展环境好，在满足所在地区生猪市场需求的同时，还可以专注于满足北京、天津等大城市的供应，所以它的规模效率很大弥补了纯技术效率的短板，且小规模养殖可以搭上市场扩大的便车，综合效率提高;但该区中黑龙江和辽宁综合效率较低，其中主要为纯技术效率短板，且存在较多物料消耗冗余。河南处于重点发展区，但综合效率较低，最主要还是技术效率过低，因此要加快优化产业结构，提高技术，重视各种资源在生猪规模养殖中的投入，实行精细化管理;江苏等约束发展区由于受资源环境条件限制，生猪生产发展空间有限，未来区域养殖总量保持稳定，但從表中可以看出该地区小规模养殖效率较高，可能得益于经济发展条件和技术发展进步较快。

五、结论与启示

结果表明，小规模生猪养殖生产效率受地域经济发展水平影响不大，且各地区的投入冗余能较好地反映效率差异来源。

为了进一步的分析，考虑到环境因素对模型生产效率测量的影响，可选择适当的环境变量如地区经济发展水平、地区政府对农业支持力度、对外开放程度对模型进行更准确的修正和测算。可采用随机前沿法的随机前沿生产函数估计效率，8FA模型可通过分解误差项来估计决策单元的技术效率。误差项分为两部分，一部分用于随机误差，另一部分用于技术无效性。一般认为投入冗余的存在是因为管理无效率、统计噪声和环境因素三者的影响，因此后续研究可以采用DEAZ阶段分析模型进行效率测算与精确分析。

根据上述研究，对我国小规模生猪养殖得出以下启示

1.合理规模。各农业相关部门应加强对生猪小规模饲养集中地区的实地调查，了解当地生猪饲养具体环境和饲养农户的实际能力，加强与农户的对接沟通，因地制宜进行生猪养殖，不可盲目扩大生猪饲养规模。

2.资源分配。重视饲养资源投入，采用现代精细化管理模式，包括配套医疗防疫设备和技术、饲料配比、猪产品的具体加工等，从生猪养殖的各方面优化配置，促进产业发展。

3.提高技术。在小规模生猪养殖群体中开展特定方式的技术宣传，合理加快规模养殖技术的更新和推广。

4.改善地区生猪产业的发展环境。这有利于地区小规模生猪养殖生产效率的提高，同时要重视提高地区对外开放程度，扩大有效市场有助于提高规模效率从而提升整个地区的生猪养殖效率水平：不同地区要能够根据发展情况平衡兼顾生猪生产技术水平的提高和生产规模的适当扩大。

5.加强农业扶持的针对性，提高政策效率。农业支持的提升能够显著减少生猪生产的投入冗余。因此优化农业支持政策，将政府的推力用在生猪生产的短板上，将有效提高我国小规模生猪生产的综合效率。