典型国家肉牛生产经济效率比较及对中国的启示
2023-06-14马晓萍王明利
马晓萍 王明利
摘 要：经济效率的提升是实现肉牛产业质量效益和竞争力提升的突破性手段。基于2010-2020年Agri benchmark全球典型养殖场第一手数据，运用SFA测算了12个典型国家肉牛生产的经济效率，并采用Bitobit、CMP+IV-Tobit方法探究生产环境和管理特征在推动肉牛生产经济效率中发挥的作用。结果表明：中国肉牛生产技术效率处于国际偏低水平，仅为德国肉牛生产技术效率水平的72.31％、美国技术效率水平的74.45％，在12个典型国家中排名第9位;成本高位和价格劣势导致中国肉牛生产配置效率低位;中国肉牛全要素生产率缓慢增长，在典型国家中处于中等偏低水平，年均增速0.186％，属于技术效率与技术进步双驱动型;种植饲草料、政策和信贷扶持以及生物安全防控等对肉牛生产的技术效率和配置效率均产生显著正向影响;中国肉牛生产在养殖者素质水平、饲料粮自给率、政府扶持力度与生物安全防控方面与优势国家还存在明显差距，肉牛生产经济效率水平亟待进一步提升。
关键词：肉牛;典型国家;经济效率;国际比较
中图分类号：F061.5 文献标识码：A 文章编号：1009-9107（2023）01-0138-15
收稿日期：2022-05-16DOI：10.13968/j.cnki.1009-9107.2023.01.16
基金项目：国家自然科学基金重点项目（72033009）;中国农业科学院科技创新工程项目（ASTIP-IAED-2022-01）
作者简介：马晓萍，女，中国农业科学院农业经济与发展研究所博士研究生，主要研究方向为畜牧业经济。
受技术创新、贸易投资、政策法规和气候变化等各种因素的影响，全球农业生产形势处于不断变化中［1］。全球农业的动态性、关联性和复杂性意味着世界各地的生产者必须不断地决定生产什么以及如何生产。由于食物系统在全球范围内相连，并长期作为国际讨论的焦点，因此国际间的比较分析对于正确的政策支持和计划部署至关重要。李嘉图（Ricardo）比较优势理论认为，即使一个国家每一种产品的生产效率都绝对地小于其他国家同种产品的生产效率，也能够专门生产并出口本国相对较高生产效率的產品，通过贸易实现本国和世界福利水平的提升。对于后发国家而言，如果只是基于先天要素禀赋优势谋求发展，而忽略技术进步的作用，则必然会导致产业低端锁定［2］。
肉牛产业作为农业生产系统良性循环的必需产业［3］，为满足人们食物和营养需要做出了重要贡献，全球超过190个国家有肉牛养殖，牛肉生产遍及除南极洲以外的各大洲。随着世界人口增长和家庭收入增加，以及有利于肉类产品的消费模式不断变化，牛肉生产所需的关键投入，如水资源、土地和能源等变得越来越稀缺［4］，同时，环境压力的增加也对牛肉生产系统生产力和效率的提高提出了更高的要求［5］。联合国粮食及农业组织报告显示，在生产端通过可行措施提高效率和畜禽养殖水平，温室气体的减排潜力可以达到基准排放量的38％［6］，生产环节管理水平的提升有利于减少环境污染等负外部性来应对日趋严峻的环境约束。
近年我国牛肉供应紧平衡态势日益突显，供需缺口持续增大，牛肉进口量持续增加。目前，中国已成为世界最大的牛肉进口国。中国肉牛平均胴体重是世界肉牛生产典型国家中最低的国家之一［7］，母牛繁殖成活率、育肥牛日增重、胴体产肉率等主要反映生产效率的指标明显低于典型国家，导致竞争力较低。近年来禁牧、休牧等一系列草原生态保护政策的实施，也在一定程度上限制了牧区肉牛养殖规模的扩大。《国务院办公厅关于促进畜牧业高质量发展的意见》中明确要求，到2025年，中国的牛羊肉自给率水平要达到85％以上。在日渐趋紧的资源约束和可持续发展的环保压力（包括“双碳”目标的实现）下，与过去主要依靠增加投入要素实现产出增长相比，今后主要依靠提高生产经济效率实现产出增长才是与现有资源相适应的长期可持续增产和保供的关键。中国肉牛生产经济效率如何？与典型国家存在多大差距？如何提升我国肉牛生产经济效率以实现资源环境约束条件下的保供和高质量发展？鲜有研究基于翔实的微观层面数据评估中国肉牛生产在国际上的相对水平，理清中国肉牛生产经济效率与世界前沿效率之间的差距。本研究基于课题组参与构建并完善的Agri benchmark国际标准农户数据库中12个典型国家肉牛养殖场的一手调查数据，对各国肉牛生产的经济效率进行深入分析，并探究外生环境和管理特征在肉牛生产经济效率中发挥的重要作用，为国内发展肉牛生产提出决策建议。
一、理论分析与文献回顾
（一）理论分析
帕累托效率（Pareto efficiency）是经济效率最为基础和核心的观点，即以完全竞争市场为假设前提，某一生产单元在生产可能性边界（production possibility frontier，PPF）上生产，达到无法减少一种产品生产去增加另一种产品生产的一种充分利用资源的状态，实质上指“无资源浪费”。理论上，若生产过程处于生产可能性边界内，则资源未被充分利用，即存在非效率（也称“效率损失”，下同），此非效率状态具有不稳定性，生产主体在利润最大化驱动下，会不断将非效率的生产点向外移动，直到移动到生产可能性边界上才稳定下来，最终由非效率转变为有效率的状态。在实际生产中，不同生产单元间的效率差异往往更引人关注，而且生产的非效率状态也可能长期存在［8］。对不同经济单元的经济效率水平进行科学判断，需要在经济效率理论的基础上对其相对效率进行实证检验，根据生产理论对各项投入要素进行识别，利用经济函数获得实际产出与潜在产出比值的经济效率。
普遍被学界接受和采用的是Farrell将经济效率定义为技术效率和配置效率的概念［9］。在之后的研究中，学者将全要素生产率纳入经济效率的分析框架，如美国匹兹堡大学经济系教授托马斯·G·罗斯基将经济效率分为技术效率、配置效率和革新率［10］。本研究以这种观点为研究视角切入肉牛生产经济效率的研究，在上述概念和分析框架基础上，认为经济效率包括三个部分，即技术效率、配置效率和全要素生产率。技术效率指生产者从给定的一组投入获取最大产出的能力;配置效率指生产主体在各投入要素价格已知下通过对各项投入的合理配置，保证一定产出来缩小成本的能力;全要素生产率描述要素投入增长无法解释的产出增长部分。
从经济学角度，将经济效率理论应用于肉牛这一具体产业，并将研究重点置于对肉牛产业发展起到最为核心和关键影响的生产领域。在不完全竞争市场下，经济效率水平是肉牛生产竞争力的直接体现，是在资源约束趋紧和要素供给乏力下增加肉牛产出的经济工具。从实践经验来看，肉牛养殖主体基本上是要素市场价格的接受者，因此，评估肉牛生产经济效率既要考察仔畜、饲草料和劳动力等既定投入要素组合下的产出最大化，即生产前沿下的技术效率，还要考虑在投入要素价格既定下的要素配置水平，即成本前沿下的配置效率。在传统经济效率的理论框架下，两者用以刻画肉牛生产对要素资源的使用特征和规律。同时，将全要素生产率考虑进来，是传统经济效率理论在肉牛生产领域的扩展。结合肉牛生产特性，其生产过程会受到自然灾害和疫病冲击等的影响，将这些外部冲击因素考虑进估计过程，才能更为客观准确地评估肉牛生产的经济效率水平。肉牛生产处在产业和政策环境、生产经营和管理特征以及其他特征的共同影响下，需要政府决策干预以及养殖主体即行为经济人的参与和主导。理性养殖主体根据经济行为的相对重要性来安排经济活动以追求利益最大化目标，“经济人”假设是提升肉牛生产经济效率的理论前提。
（二）文献回顾
已有研究通过测度肉牛生产经济效率来评估肉牛养殖水平。如学者结合数据包络分析与Malmquist指数法测算中国5省份的肉牛养殖全要素生产率，结果显示，1998-2011年间肉牛养殖全要素生产率呈波动下降趋势，平均增长率为-0.096％［11］。伊朗农场肉牛生产的技术效率测度结果显示，样本养殖场平均技术效率为0.790，亚兹德省和胡齐斯坦省分别是伊朗养牛效率最高和最低的地区［12］。对匈牙利2014-2015年肉牛场和奶牛场的经济效率的分析结果显示，肉牛场生产技术效率低于奶牛场9.3个百分点，但不同规模养殖技术效率存在差异［13］。还有学者运用随机前沿法基于养殖场层面的数据分析发现巴西肉牛全要素生产率年均增长1.73％，主要受规模效率增长的驱动，但技术效率以每年0.03％的速度下降［14］。李俊茹等的研究发现，中国15个省区肉牛产业全要素生产率在2013-2017年间均值为1.015，年均增长1.50％［15］。
进一步地，学者在测定经济效率的基础上分析其影响因素。研究结果显示饲料结构、资本投入和疫病风险等均是影响肉牛养殖技术效率的因素［16］。坦桑尼亚湖区肉牛生产平均技术效率达到0.910，推动其处于高位水平的主要原因是肉牛育肥阶段操作员技术水平较高［17］。技术进步是影响爱尔兰地区和澳大利亚昆士兰地区肉牛生产效率最核心的因素［18-19］。非洲地区肉牛养殖生产率呈下降趋势的关键是仅重视提高技术效率而忽视技术变革的重要影响［20］，若改善南非肉牛生产系统内的营养、管理和健康水平，使其保持与世界其他地方的高水平生产系统一致，将有助于农场生产力和效率的进一步提高［21-22］。阿根廷肉牛产业生产率的提高可以通过技术、健康、遗传和营养等方面的改进来实现［23-24］。肉牛生产经济效率的提高归因于先进的技术（例如动物育种和改良）、有利的生产环境（例如土壤和气候条件）和改进的管理技术（例如，牲畜和作物系统结合）等［14］。
综上所述，学者对肉牛生产经济效率及其影响因素进行了一定程度的研究，但仍有以下拓展空间：从研究内容来看，以往对肉牛生产效率的研究多关注肉牛生产技术效率和全要素生产率的变动及效率值的比较，较少对肉牛生产的经济效率及其影响因素进行系统的研究，鲜有学者考虑加入投入要素价格的配置效率，而对肉牛生产的配置效率以及影响因素的分析，对于资源要素配置的优化升级和提高肉牛养殖业的生产水平以及提升肉牛业竞争力意义更大;从研究视角来看，鲜有研究基于翔实的微观层面数据评估中国肉牛在国际上的生产水平，缺少国际视角下不同国家肉牛生产经济效率的研究和比较，而国家间的比较分析和优势经验借鉴十分重要。基于此，本研究基于课题组参与构建并完善的Agri benchmark国际标准农户数据库中2010-2020年12个典型国家39个肉牛养殖场的一手调查数据，运用SFA对各国肉牛生产的经济效率进行深入分析與比较，并运用Bitobit模型探究外生环境和其他管理特征在肉牛生产经济效率中发挥的重要作用，得到相关政策启示为国内发展肉牛生产提出决策建议。
二、數据说明与模型构建
（一）数据说明与变量选择
1.数据说明。本研究所用数据来源为课题组参与构建并完善的Agri benchmark国际标准农户数据库。此数据库使用国际标准化方法，按照标准操作规则SOP（standard operating procedure）记录各国或地区典型农场的相关数据，是国际农业基准数据库之一，由来自世界30多个国家的农业经济学家、顾问、农业生产者和农业产业价值链核心部门专家组成，是全球性的、非营利性的共享数据库，具有较好的国际适用性和可比性。数据库包括农场的经济情况（收入结构、成本构成、盈利能力等）和生产系统（牲畜种类与数量、饲喂数据等）的基本信息，还包括农场特征、政策补贴、企业贷款、价格、损益表等其他信息。本研究基于此数据库中12个典型国家39个肉牛养殖场生产投入产出数据来进行国际比较和分析。为保证年际间具有较好的可比性，选择构建平衡面板数据，时间跨度为2010-2020年，共计429个样本数据。为消除纯价格影响，各国肉牛生产投入费用和价格均根据各国历年GDP平减指数进行调整，数据来源于联合国粮农组织数据库（FAO）。样本养殖场均处于各国农牧业大省（州、区）和主要肉牛饲养区，具有典型代表性。各国肉牛养殖场具体分布如表1所示。
2.变量选择。投入产出变量选择。本研究兼顾肉牛生产实践和数据的可获得性，并参考已有研究［11-12，14］，选取肉牛生产的投入产出变量如下：（1）产出指标。已有研究主要选择出栏肉牛头均收入、头均活重或主产品产量作为产出指标，国际肉牛成本收益分类标准中各项投入成本均以每100千克胴体重为标准衡量单位，因此本研究产出指标选择出栏肉牛的头均胴体重作为产出指标。（2）投入变量尽量选取实物量，根据肉牛生产实际，并结合国际肉牛成本分类标准，选择仔畜投入、饲草料投入和劳动力投入作为投入指标，这三项投入占据肉牛生产总投入的95％以上的份额，是肉牛生产的关键投入。相关变量的描述性统计见表2。
影响因素变量选择。为探究生产环境和其他管理特征在推动各国肉牛生产经济效率增长方面的作用。结合已有学者研究［16，21］和前述理论分析，兼顾考虑肉牛生产实际和数据的可获得性，本研究从产业与政策环境、生产管理特征和养殖场特征三个方面切入，探究各变量对肉牛生产经济效率的影响，并将养殖场所处区域（大洲）、地势和气候类型以及饲养肉牛品种作为控制变量纳入模型。模型变量设置和描述性统计见表3。
（二）模型构建
1.SFA随机前沿模型。如果模型设定不出现偏误，那么随机前沿法在拟合的精准度、参数估计的可检验性以及存在经济弹性等方面都优于数据包络分析［25］。因此，本研究选择采用构建随机前沿函数模型来测度肉牛生产的经济效率，并选择采用更为灵活的超越对数函数形式进行估计。基于超越对数生产函数的形式设定如下：
式中，yit表示典型养殖场i在t时期所得产出向量，xit为肉牛养殖主体i在t时期的各项生产投入要素组成的向量，包括仔畜投入、饲料投入和劳动力投入;β为待估参数;vit为统计噪声测量误差和其他随机不可控因素，与无效率项μit共同组成随机扰动项。基于超越对数随机前沿成本函数的形式设定如下：
式中，cit为典型养殖场i在t时期肉牛养殖总成本，ωit为第i个投入要素在t时期的价格，yit为养殖主体i在t时期的产出，β为待估参数。
此外，本研究引入马姆奎斯特全要素生产率指数（Malmquist TFP index）与随机前沿方法相结合，构建SFA-Malmquist指数来探究肉牛TFP增长及其内在来源。
2.Bitobit模型。由于本研究在对肉牛生产经济效率的影响因素分析时，需要分别对技术效率和配置效率构建研究模型，可能存在各方程扰动项之间存在相关性的情况，若采用传统的OLS回归会得到有偏估计。而且，随机前沿法测得的技术效率与配置效率值具有明显的受限被解释变量特征，属于归并数据，传统的连续变量方程估计结果可能存在偏差。因此，本研究运用Bitobit（seemingly-unrelated bivariate tobit model，Bitobit）联立模型对构建的模型进行估计，以提高估计效率和克服部分内生性偏误。基于前述分析和变量选择，建立如下基准模型实证分析各变量对肉牛生产技术效率和配置效率的影响。
技术效率影响的基准模型构建：
TEit=γ0+γ1lnpit+γ2dit+γ3bit+γ4lnfit+γ5isit+γ6lnsit+γ7lnlit+γ8lnnit+γ9cit+μi+λt+εit（3）
配置效率影响的基准模型构建：
AEit=η0+η1lnpit+η2dit+η3bit+η4lnfit+η5isit+η6lnsit+η7lnlit+η8lnnit+η9cit+μi+λt+εit（4）
式中，TE和AE分别为基于随机前沿模型测算的技术效率值和配置效率值;p表示政策补贴，d表示信贷利率，b表示生物安全防控，f表示饲草料种植面积、is表示是否购买保险，s表示生产规模，l表示自有土地面积，n表示养殖场收入。c为控制变量，包括养殖场所在地区（大洲）、饲养肉牛品种、气候类型和养殖场所在地势类型。为消除异方差，缩小数据之间的绝对差异，对部分变量进行对数化处理。γ和η为待估参数，i表示养殖场，t表示时间;μi为个体固定效应，λt为时间固定效应;εit表示随机扰动项。
3.模型的适用性检验。随机前沿模型的适用性检验。本研究采用的随机前沿分析法预先设定了函数形式，因此需要检验所使用的方法和指定的函数是否有效和贴近生产过程。采用FRONTIER 4.1软件对估计方法和函数模型进行适用性检验，检验结果和估计结果见表4。由检验1可知，广义似然比检验（LR）值明显大于13.40的临界值，说明无效率性存在，即存在技术效率损失，随机前沿法适用;检验2的广义似然比检验（LR）值大于13.40，说明超越对数生产函数形式适用于测度不同国家肉牛生产的技术效率，即拒绝二次项和交互项均为0的原假设;检验3结果说明，样本期内不同国家肉牛生产存在技术变化;检验4说明存在希克斯技术非中性，即肉牛生产的技术进步与要素投入有关;检验5结果显示，样本期内技术效率随时间变化。
Bitobit模型的适用性检验。由于似不相关的前提假定是各个方程的扰动项存在同期相关，因此，能否采用似不相关回归需要检验不同方程的扰动项之间是否存在同期相关性。如果方程之间的扰动项不相关，则系统估计与单一估计并无差别［26］。本研究采用Breusch等提出的Breusch-Pagan检验（BP检验）［27］对回归模型各方程扰动项之间是否存在同期相关进行检验。在似不相关回归中，各方程扰动项之间“无同期相关”的BP独立性检验结果显示卡方值为6.600，p值小于0.001，拒绝各方程的扰动项相互独立（即无同期相关）的原假设，两个方程之间具有同期相关性，证明了使用似不相关系统估计的回归较单方程更加合理。
三、肉牛生产经济效率的国际比较
（一）德国和美国等国家肉牛生产技术效率表现出较强优势，中国肉牛生产技术效率偏低
基于随机前沿生产函数得到典型国家肉牛生产技术效率水平如表5所示。2010-2020年，典型国家肉牛生产技术效率的平均水平为0.772。德国肉牛生产技术效率水平最高（0.975），其次为美国（0.947）、意大利（0.933）和法国（0.918），这四个国家的肉牛生产技术效率均在0.900以上，明显高于典型国家的平均水平。相比之下，南非（0.641）和印度尼西亚（0.380）技术效率水平最低。中国肉牛生产技术效率处于国际偏低水平（0.705），与世界肉牛生产技术效率前沿存在29.46％的差距，仅为德国肉牛生产技术效率水平的72.31％、美国技术效率水平的74.45％，位于12个典型国家中的第9位，亟待进一步提升。
从技术效率的变动趋势来看，德国、美国、巴西、澳大利亚和中国肉牛生产技术效率表现出一定的上升势态。其中，巴西上升趋势最为明显，近年巴西通过技术投入、管理水平的提升以及草场改良来提高肉牛生产力，牛肉产量增加较快［7］。意大利、南非和哥伦比亚的技术效率水平呈明显的先上升后下降的波动;西班牙和印度尼西亚整体呈下滑走向。德国和美国技术效率水平上升幅度为0.82%和2.86%，样本期内德国技术效率水平始终处于高位，美国的技术效率以年均0.28％的速度在提升。澳大利亚技术效率水平上升但表现出波动变化，该国肉牛生产受气候变化影响较大，约60％的肉牛产于热带和亚热带，21世纪初的干旱气候严重影响了南部地区的肉牛产业发展，直到2009年气候条件才有所改善;而广阔的北方牧场质量较差，只有不到5％的牧场得到改良和引进新的牧草品种，高强度的降雨和冲洗使土壤中的养分（尤其是氮）保持在较低水平，导致牧草的蛋白含量较低［28］，一定程度上导致肉牛生产的波动。相较之下，中国肉牛生产技术效率水平整体呈小幅上升趋势，但增长速度较为缓慢，技术效率水平上升趋势趋于平缓。
（二）成本高位和价格劣势导致中国肉牛生产配置效率低位
配置效率需要生产主体在投入要素市场价格既定下，来合理优化投入要素组合，进而减少成本来达到一定产出，是养殖主体追求经济利益最大化需要着重考虑的生产安排。基于随机前沿成本函数得到典型国家肉牛生产的配置效率如表6所示。
2010-2020年，巴西肉牛生产配置效率最高（0.807），其次是印度尼西亚（0.675）、澳大利亚（0.660）和阿根廷（0.644）。中國肉牛生产配置效率为0.395，仅高于法国（0.388），处于典型国家中的倒数第二位，与前沿生产配置效率存在显著差距。究其原因，中国肉牛生产的实际成本显著高于前沿面的最小成本，每生产100千克肉牛胴体重的总成本高于典型国家平均水平1 185.21元，分别是澳大利亚、美国、巴西和阿根廷的1.04、1.68、1.75和2.30倍，处于明显的成本劣势;同时，中国肉牛生产者价格最高，是典型国家平均水平的1.40倍，每千克价格高于巴西19.67元。为保证生产者的效益水平，中国肉牛生产投入要素的配置亟待优化。典型国家中，配置效率较高的国家土地种植成本较低，牧草等饲草料丰富，要素价格占据一定优势。以巴西为例，其气候条件十分适宜牧草生长，该国土地和饲草资源丰富，饲草料种植面积占土地种植面积80％以上，要素的价格优势在一定程度上提高了巴西肉牛生产的配置效率。相较之下，中国饲草料种植面积仅为粮食种植面积的35％左右，且饲草生产效率不高，饲料产量仅为需求的75％左右，在饲草料自给率方面亟待提升。
从配置效率的变动趋势来看，美国和西班牙的配置效率整体呈上升趋势，阿根廷、哥伦比亚和南非有所下降。中国在经历了短暂下降后有增长趋势，其余国家配置效率呈现波动变化，但整体变动幅度不大。具体而言，西班牙和美国的配置效率增长速度最快，增长幅度也最明显，分别较样本初期配置效率提高了49.02％和19.90％。南非降幅最大，配置效率下降了46.41％，年均下降6.05％，使其近两年配置效率水平低于中国和法国，排名末位。虽然畜牧生产是撒哈拉以南非洲国家的重要产业，但该区域经济发展滞后，交通条件有限，投入要素市场信息不对称，再加上养殖管理水平落后，合理配置要素资源的难度较大，导致该国肉牛生产配置效率处于低位。中国整体配置效率较样本初期提高了0.48%，年均增长0.05%，增长速度缓慢，2015年后的配置效率上升与“粮改饲”等产业利好政策的推动有关。但样本期内中国的配置效率始终处于典型国家中的低位水平。一方面，中国肉牛养殖仍以分散的家庭经营为主，至2020年，肉牛生产规模化比重仅为29.6％，且家庭经营主体又多以文化程度不高的老人和妇女居多，对投入要素合理安排的“经济账”难以把握，对科学的饲料配比等经济行为掌握的能力较缺乏;另一方面，中国饲草料价格的一度上涨和仔畜价格的持续高昂以及人工成本的明显增长，确实增加养殖主体合理配置投入要素的难度。因此，提高肉牛生产配置效率的重要途径之一就是优化要素市场价格，改善投入要素市场价格的“扭曲”程度［29］。
（三）中国肉牛全要素生产率缓慢增长，属于技术效率与技术进步双驱动型
基于SFA-Malmquist测度的各国肉牛全要素生产率变动如表7所示。2010-2020年，典型国家肉牛全要素生产率平均增长速度为0.328％，各国肉牛全要素生产率变动存在差异。其中，美国增速最快，南非降速最明显，中国肉牛全要素生产率以0.186％的平均速度缓慢增长。
2010-2020年，美国全要素生产率一直保持增长，年均增速0.832％，位于典型国家中首位。德国和澳大利亚全要素生产率分别以0.778％和0.758％的速度增长;中国和哥伦比亚全要素生产率增长速度较慢，分别为0.186％和0.096％;南非、西班牙和印度尼西亚肉牛全要素生产率增长率为负;中国肉牛全要素生产率增长处于国际中等偏低水平。
从全要素生产率增长率的分解来看（见表8），整体上，典型国家肉牛全要素生产率依靠技术效率和技术进步双驱动，其中技术进步的贡献更大，说明近年世界肉牛生产存在明显的科技进步。各典型国家肉牛全要素生产率增长来源存在差异。其中，美国技术效率变动和技术进步分别贡献75.18％和24.82％;德国技术效率变动和技术进步分别贡献69.97％和30.03％;澳大利亚技术效率变动和技术进步分别贡献75.00％和25.00％。这三个国家的肉牛养殖科技进步的同时，养殖主体可以较好地吸纳和应用技术条件来提高技术效率。南非、西班牙和印度尼西亚肉牛全要素生产率增长率为负，主要由于技术效率下降的同时技术进步率放缓，抑制了全要素生产率的增长。中国肉牛全要素生产率的增长亦依靠技术效率和技术进步的同时带动，其中技术进步的贡献较大。但纵观各国技术进步率，中国肉牛生产的技术进步较为缓慢，技术效率上升速度也处于偏低水平，这与中国肉牛养殖规模化、标准化和集约化程度均较低有关。
四、肉牛生产经济效率的影响因素分析
（一）基准回归结果分析
表9显示了Tobit和Bitobit模型的估计结果。通过对比可以发现，两种结果存在差异，Wald检验结果也表明采用Bitobit模型进行估计的必要性。因此，本研究重点对Bitobit的估计结果进行分析。
1.政策补贴。政府补贴对肉牛生产技术效率和配置效率的影响均为正，分别通过10％和1％的显著性水平检验。说明政府的相关支持政策或对养殖主体受灾后进行的补偿一定程度上对生产者形成激励，有助于推动生产者进一步将资本和技术向肉牛生产倾斜，从而提升技术效率水平。世界许多国家重视畜禽生产保护，如德国实行针对性的畜禽种类补贴和生产经营性补贴，对生产者进行引导、扶持和激励，促进肉牛生产技术效率的提升。同时，政策补贴作为总收入的一部分，可以抵消掉一部分成本。而且，对牲畜遭受灾害后的政策补贴，可以降低生产者的经济损失，如美国对受重大疫病影响而导致牲畜减少的生产者进行补偿，在一定程度上优化了养殖主体的成本收益结构，促进配置效率的提高。
2.信貸利率。信贷利率负向影响肉牛生产的技术效率和配置效率，且均通过5％的显著性检验。肉牛生产周期长，资金周转慢，负债利率的增加会提高生产经营者获得贷款资金的门槛，降低生产者进一步的资本、技术投入和规模扩张等生产意愿，阻碍技术效率的提高。信贷利率越高，配置效率越低。一方面，贷款利率的提高抬高了贷款门槛，增大了养殖主体获得贷款用于生产的难度;另一方面，信贷利率的提高还会增加已有负债的利息支出，增加生产成本，降低配置效率。
3.生物安全防控。生物安全防控的回归系数为正，对技术效率和配置效率的影响分别通过5％和10％的显著性水平检验，表明生物安全防控水平的提高会促进肉牛生产经济效率的提升。防疫投入侧重于事前的预防，有利于阻断流行疫病的爆发和传播，从源头降低疫病爆发和传播的可能性，稳定肉牛生产，提高技术效率。生物安全防控对配置效率也产生显著正向影响。生产者对防疫的投入说明其对生物安全的重视度较高，与疫病爆发带来的经济损失相比，防疫投入的成本可以说是微乎其微，可见生物安全重视程度的提高是促进肉牛生产配置效率提高的重要途径。
4.饲草料种植。饲草料种植面积对技术效率和配置效率影响为正，均通过1％的显著性水平检验。表明养殖场种植一定面积的饲草料对肉牛生产经济效率的提高起到积极作用。究其原因，种植饲草料通过调整饲喂肉牛的精、粗饲料结构和配比来提高肉牛日增重，正向促进技术效率的提高。同时，饲草料种植不仅在一定程度上保证了饲草料供应，还可以在饲草料价格上涨时稳定要素投入价格，有助于养殖场合理安排配置投入，从而提高肉牛生产的配置效率。
5.保险投入。保险投入正向促进配置效率的提高，且在1％的显著性水平上通过检验，但对技术效率无显著影响。究其原因，肉牛生产可能会面临自然灾害和疫情疫病等的风险，而购买保险是生产者规避风险的有效措施之一。通过保险投入使生产主体在遭受风险冲击后获得一定量的补偿，降低其经济损失程度，促进配置效率的提高。对技术效率影响为正但不显著，可能的原因是养殖场购买保险更倾向于风险规避，未达到可以提高肉牛生产技术效率的程度。
6.生产规模。生产规模对肉牛生产技术效率和配置效率的影响均为正，且均通过5％的显著性水平检验，表明规模化生产在一定程度上可以提高肉牛生产经济效率。为检验饲养规模与技术效率是否存在倒“U”型关系，加入饲养规模的二次项进行检验，结果呈负向影响，但未通过显著性检验，说明样本养殖场肉牛生产整体仍在规模技术效率递增阶段，但过度的规模扩大可能会影响效率的提升。随着饲养规模的扩大，配置效率有提高的趋势。一方面，随着规模化程度的提高，养殖场迫于成本压力，会更加重视各项投入要素的合理组合，且大规模养殖场依靠其资本实力在要素市场的“谈判能力”增强，仔畜和饲草料等投入物质要素价格有向高质低价优化的趋势;另一方面，随着规模的适度增大，养殖主体更容易“统一”配置要素，进行标准化安排，有利于降低投入要素冗余，从而促进配置效率的提高。
7.其他变量。养殖场收入对肉牛生产的技术效率产生正向影响，说明随着收入的提高，养殖场可能会进一步对肉牛生产增加技术和资本投入，对技术效率的提升起到积极作用。饲养肉牛品种类型中，西门塔尔牛对肉牛生产经济效率产生正向影响，说明在样本养殖场中该品种牛的经济效率水平更高。西门塔尔牛属于乳用兼用牛，产肉性能好，耐粗饲、适应性强，在世界各国广泛分布，在我国各省也作为主要的品种用于本地黄牛的改良。相较之下，安格斯牛品种对肉牛生产经济效率的影响为正，但不显著，该品种在粗饲料利用能力上不占优势，并易于受惊，可能是其对肉牛生产经济效率影响不显著的原因。平原和丘陵的地势类型对肉牛生产经济效率产生正向影响，可能的原因是平原和丘陵更易于放牧，通过放牧结合圈养，在提高肉牛生产性能的同时节省饲料成本。气候类型中，季风性气候对肉牛生产经济效率产生正向影响，干旱型气候产生负向影响，原因可能是干旱型气候十分不利于牧草生长，对肉牛生产经济效率的提升产生负向影响。
（二）稳健性检验
1.内生性问题处理。虽然本研究采用固定效应一定程度上减少了遗漏变量所产生的内生性问题，但仍需要进一步对遗漏变量和双向因果等潜在内生性问题进行讨论。由前文分析可知，养殖场种植饲草料面积对肉牛生产经济效率产生显著正向影响，考虑到经济效率提高的养殖场可能会增加饲草料种植面积，即饲草料种植面积和肉牛生产经济效率之间可能存在反向因果关系。参考李龙等和任天池等的研究［30-31］，选择地区层面的工具变量来讨论内生性问题。根据已有研究［32-33］，年均降水1 000毫米以上、温度在22～25℃之间更适合多汁饲草生长。所属地区是否适合种植多汁饲草对饲草料种植面积产生直接影响，但不会直接作用于肉牛生产经济效率。因此，选择养殖场所处地区是否适合多汁牧草生长作为工具变量，该工具变量满足与解释变量有相关关系但对因变量是外生的条件。
估計方法上采用CMP+IV-Tobit模型对工具变量进行估计。CMP估计方法适用于对多方程、多层次、有条件的混合过程进行内生性检验并予以修正，同时可针对被解释变量和工具变量特点选取最合适的模型形式进行估计，增强估计结果的可靠性［34］。CMP+IV-Tobit条件混合估计的结果如表10所示。模型（1）和模型（2）的第一阶段内生性检验参数atanhrho12分别在5％和1％的显著性水平上通过检验，说明种植饲草料面积与肉牛生产技术效率和配置效率之间的内生性问题确实存在。根据模型（1）和模型（2）的第二阶段的估计结果，由工具变量（IV）——所处地区是否适合多汁饲草生长拟合以后，种植饲草料面积对肉牛生产技术效率和配置效率产生正向影响，均在1％的水平上显著，说明在纠正内生性偏误后，种植饲草料面积依旧会显著促进肉牛生产技术效率和配置效率的提升。
2.稳健性检验。前文虽然克服了由于反向因果或遗漏变量等产生的内生性问题，但可能受制于数据误差等原因，需要对模型做进一步的稳健性检验。本文采用替换变量的方法检验模型的稳健性。选择“保险投入金额”代替解释变量“是否购买保险”，因变量、其他解释变量与控制变量均保持不变，具体回归结果见表11。
从模型的检验结果来看，各变量回归系数大小和方向与基准回归结果基本一致。政策补贴、信贷利率、生物安全防控、饲草料种植面积和生产规模依然显著影响肉牛生产的技术效率和配置效率，其中信贷利率的影响方向为负向，其余变量影响为正向;养殖场收入对肉牛生产技术效率产生显著正向影响，自有土地面积未通过显著性检验。其他控制变量除系数有较小变动外，对技术效率和配置效率的影响方向和显著性未发生变化，结论与前文一致。因此，可以证明基准回归结果具有稳健性。
五、对中国肉牛生产的启示
典型国家中，德国和美国肉牛生产经济效率水平表现出较强的优势，主要受到其先进的管理水平以及生产体系的积极影响。对中国肉牛产业而言，可以从中获得如下启示及借鉴。
1.养殖者素质方面。中国肉牛养殖者普遍文化水平较低，又主要以家庭分散经营为主，多数养殖主体仅接受过初中教育，对养殖技术的学习力和掌握力均较低。相较之下，德国对肉牛生产者的专业化水平要求较高，“双轨制”的教育模式，重视培养兼具理论和技术的复合型人才，要求的“高门槛”推动形成高水平的生产者队伍，保证了肉牛生产的技术吸收、采纳和创新。因此，我国养殖者文化水平和养殖技术亟待提升。
2.肉牛养殖比重和饲料基础方面。虽然草原和农田的相对面积表明中国具有草食畜牧业发展的资源优势，但国内肉牛生产比重并不高，仅占畜牧业的10％左右。近年为提升畜产品产量，对玉米等能量饲料和豆粕等蛋白质饲料的需求快速增长。由于中国饲料粮种植面积仅为粮食种植面积的35％，导致饲料粮进口量大幅增长，玉米和大豆进口增长尤为突出。在饲料粮自给率方面的不足一定程度上影响肉牛生产经济效率的提升。相较之下，德国一半以上的农场以养畜为主，草食畜比例高，养牛业在畜牧业中所占比重最大，为59.40％［35］。而且德国55％的土地用于谷物生产［36］，为肉牛饲养提供良好的饲料基础。
3.規模化程度方面。美国肉牛产业专业化和规模化程度均处于世界前列，具有生产体系完整、防疫体系健全和技术驱动明显的优势，利用先进的育种、基因改良、管理、疫苗和饲料加工技术来降低成本和提高生产率［37］。而中国肉牛产业规模化程度较低，以年出栏50头作为分割点，规模化率仅为29.60％（2020年），散养为主的养殖模式不利于整体产业的进一步发展和生产率的提高。
4.政府扶持力度方面。德国对肉牛生产实行的针对性的畜禽种类补贴和经营性补贴等激励性政策，支持了肉牛产业发展。而中国肉牛生产相关的激励政策较少，养殖主体的生产积极性调动多依赖于效益，在市场行情下滑时，难以保证养殖主体的利益，容易导致其破产和退出。因此，政府须进一步加大肉牛产业的政策扶持力度。
5.生物安全方面。优势国家严格控制生物安全，如德国自2011年起针对牛的病毒性腹泻（BVD）传染病实施了强制性BVD控制计划，使流行率从0.40％降至不到0.02％［38］。中国近年也加强对畜禽疫苗等疫病防控措施的重视程度，但因肉牛养殖主体相对较分散，免疫工作难以“面面俱到”，生物安全体系仍需进一步建立并健全。
6.畜牧业法律法规方面。美国牲畜保护方面的法律为生产者提供保证，如对受重大疾病影响而导致牲畜减少的生产者进行赔偿［39］，根据公平市场价值支付给所有者，且在《动物健康保护法》（AHPA）提供有关赔偿金的指导。德国具有覆盖全产业链的较健全的畜产品质量安全法律法规［40］。而中国畜牧业相关法律法规尚未健全，养殖者权益保护程度较低，亟待进一步提升。
六、结论与建议
本文研究结果显示：（1）从经济效率的国际比较来看，中国肉牛生产技术效率处于典型国家中的偏低水平，在12个典型国家中排名第9位;成本高位和价格劣势导致中国肉牛生产配置效率处于低位，仅高于法国，处于典型国家中的倒数第二位;近年各典型国家肉牛全要素生产率平均增长速度为0.328％，中国肉牛全要素生产率缓慢增长，在典型国家中处于中等偏低水平，属于技术进步和技术效率双驱动型，但技术进步缓慢、技术效率偏低问题不容忽视。（2）从影响肉牛生产经济效率的因素来看，种植饲草料、政策补贴和信贷扶持以及生物安全防控等因素对肉牛生产的技术效率和配置效率均产生显著正向影响，良好的生产管理特征可以显著促进各国肉牛生产经济效率的提高。（3）从国际经验借鉴来看，中国肉牛生产在养殖者素质水平、饲草料自给率、政府扶持力度与生物安全防控方面与优势国家存在明显差距，肉牛生产经济效率水平亟待进一步提升。
针对以上结论，提高中国肉牛生产经济效率可以从以下几方面着手。
1.改进肉牛饲养管理方式，鼓励和引导实施种养结合。强化推动传统肉牛饲养方式向现代化的饲养方式转变，转变传统的养殖观念，加强肉牛各生长发育阶段的养殖管理。根据肉牛品种、不同生长阶段对营养的需求以及地区资源条件，科学搭配和投喂饲草料。在饲草资源丰裕的地区推动肉牛饲喂结构由传统的“秸秆+精料”饲喂模式向“优质饲草+适量秸秆+精料”的饲喂模式转变。在饲草资源匮乏的地区，考虑需求的匹配程度，因地制宜选择饲草品种，以养定种，实现养殖主体内或区域内的种养结合，优化肉牛饲养管理环境。
2.提升人力资本质量，增强养殖主体技术采用和应用能力。及时示范、切实推广成熟的养殖技术，实现科研成果的有效利用和精准对接。在养殖主体间进行全方位技术宣传、示范和推广，邀请科研人员或专家现场展示实用技巧和基本流程，扎实推进先进实用技术的应用。充分利用现代教育培训手段，提升人力资本质量。引导养殖主体自主学习饲养技术和相关技能，及时了解市场和产品信息，培养其获取各方面科技信息的意识和能力，逐步引导其接受现代化的理念和技能。
3.加强生物安全防控，完善保险等长效避险体系。良好的生物安全防控水平和有效的风险规避措施对肉牛生产经济效率的提高的产生显著正向影响。建议进一步加强肉牛生产的生物安全防控水平，建立及时、精准和覆盖面较广的疫情监测预警体系。夯实各地畜牧兽医队伍，专门负责动物疫病的监测和防控工作，建立长效运行体系。借鉴发达国家经验，建立和完善生物安全和牲畜保险补偿相关的法律法规体系，引导养殖主体有效利用养殖保险来减缓风险冲击，夯实减缓风险冲击的后盾力量，调动生产积极性，保障和提高养殖效益。
4.加大具有较强针对性的政策扶持力度，护航肉牛产业健康稳定发展。政策扶持对肉牛生产经济效率的提升具有显著的正向影响，更在一定程度上能引导肉牛生产向现代生产方式转变。当前国内肉牛生产的相关政策扶持力度十分有限，激励作用不明显。建议及时恢复母牛扩群增量项目，调动肉牛养殖特别是母牛养殖的积极性，从根本上扩张牛源，降低育肥成本;进一步优化和完善肉牛良种补贴和标准化规模场等补贴激励政策，因地制宜动态调整补贴标准，增强补贴力度，降低补贴门槛，扩大补贴范围。在当前饲草料价格明显上涨的情况下，加强对饲草料种植的补贴力度，根据饲草料市场价格及时调整补贴标准，有效缓解养殖成本上涨的压力。进一步推动“粮改饲”等产业政策向饲草资源匮乏的地区覆盖，科学制定补贴方式，引导供需双方科学决策。通过政策扶持的精准发力为肉牛产业发展保驾护航。
参考文献：
［1］ FAO.The Future of Food and Agriculture—Trends and Challenges［R］.Rome，Italy：FAO，2017.
［2］ 周江，胡静锋，宋彦，等.基于李嘉图贸易模型的中美产业竞争理论与实证分析［J］宏观经济研究，2021（01）：79-95.
［3］ 王明利.改革开放四十年我国畜牧业发展：成就、经验及未来趋势［J］.农业经济问题，2018（08）：60-70.
［4］ GODFRAY H C J，BEDDINGTON J R，CRUTE I R，et al.Food Security：The Challenge of Feeding 9 Billion People［J］.Science，2010，327（12）：812-818.
［5］ PAUL L G.An Overview of Beef Production From Pasture and Feedlot Globally，as Demand for Beef and the Need for Sustainable Practices Increase［J］.Animal，2021，15（01）：100-295.
［6］ 联合国粮食及农业组织.以畜牧养殖应对气候变化——全球温室气体排放评估与减排［M］.朱聪，译.北京：中国农业出版社，2018：59-61.
［7］ MLA.Global Snapshot Beef Meat & Livestock Australia［R］.North Sydney，Australia，2020.
［8］ LEIBENSTEIN H，SHLOMO M.Empirical Estimation and Partitioning of X-Inefficiency：A Data-envelopment Approach［Z］.AEA Papers and Proceedings，1992，82：428-433.
［9］ FARRELL M J.The Measurement of Productive Efficiency［J］.Journal of the Royal Statistical Society（Series A），1957，120（03）：253-290.
［10］ 托马斯·G·罗斯基.经济效益与经济效率［J］.经济研究，1993（06）：38-40.
［11］ 杨春，王明利.基于Malmquist指数的农户肉牛养殖全要素生产率研究［J］.农业经济与管理，2013（03）：69-75.
［12］ BANAEIAN N.Do the Cattle Farms of Iran Produce Economically Efficient or Not？［J］.Asian Journal of Agricultural Sciences，2011，3（02）：142-149.
［13］ KOVACS K，PANDEY R.Hungarian Dairy and Beef Production Sector Technical Efficiency Comparison Using DEA［J］.Applied Studies in Agribusiness and Commerce，2017，11（3/4）：131-139.
［14］ MARISTELA M，MARTINS H F S，SPOLADOR E N.Production Environment and Managerial Techniques in Explaining Productivity Growth in Brazilian Beef Cattle Production［J］.Agribusiness， 2021，8（08）：1-15.
［15］ 李俊茹，王明利，楊春，等.中国肉牛全要素生产率时空分异特征分析——基于非参数共同前沿分析方法［J］.农业现代化研究，2021，42（01）：103-111.
［16］ 石自忠，王明利，胡向东，等.我国肉牛养殖效率及影响因素分析［J］.中国农业科技导报，2017，19（02）：1-8.
［17］ MLOTE S N，MDOE N S Y，ISINIKA A C，et al.Estimating Technical Efficiency of Small Scale Beef Cattle Fattening in the Lake Zone in Tanzania［J］.Journal of Development and Agricultural Economics，2013，5（05）：197-207.
［18］ MARTINEZ C M，THORNER F，WALLACE M.The Effects of Direct Payments on Technical Efficiency of Irish Beef Farms：A Stochastic Frontier Analysis［J］.Journal of Agricultural Economics，2018，69（03）：669-687.
［19］ GREGG D，ROLFE J.Identifying Sources and Trends for Productivity Growth in A Sample of Queensland Broad-acre Beef Enterprises［J］.Animal Production Science，2011，51（05）：443-453.
［20］ ABED R，ACOSTA A.Assessing Livestock Total Factor Productivity：A Malmquist Index Approach［J］.African Journal of Agricultural and Resource Economics，2018，13（04）：297-306.
［21］ VISSER C，MARLE K，MYBURGH H C，et al.Phenomics for Sustainable Production in the South African Dairy and Beef Cattle Industry［J］.Animal Frontiers，2020，10（02）：12-18.
［22］ ODUNIYI S O，RUBHARA T T，ANTWI M A.Sustainability of Livestock Farming in South Africa. Outlook on Production Constraints，Climate-related Events，and Upshot on Adaptive Capacity ［J］.Sustainability，2020，12（07）：28-52.
［23］ JOSEPH K.Argentina Livestock and Products Annual，USDA Foreign Agricultural Service Gain Report［R］.Washington：USDA Foreign Agricultural Service，2018.
［24］ MLA.Market Supplier Snapshot-Beef-Argentina and Uruguay Meat & Livestock Australia［R］.North Sydney，Australia：MLA2018.
［25］ 宋浩楠，栾敬东，张士云，等.土地细碎化、多样化种植与农业生产技术效率——基于随机前沿生产函数和中介效应模型的实证研究［J］.农业技术经济，2021（02）：18-29.
［26］ 张朝辉.非农就业对农户退耕还林成果保持意愿的影响——基于1 132个退耕农户的调查［J］.中国土地科学，2020，34（11）：67-75.
［27］ BREUSCH T S，PAGAN A R.The LM Test and Its Application to Model Specification in Econometrics［J］.Review of Economic studies，1980，47（01）：239-253.
［28］ LEAN I J，MOATE P J.Cattle，Climate and Complexity：Food Security，Quality and Sustainability of the Australian Cattle Industries［J］.Australian Veterinary Journal，2021，99（03）：293-308.
［29］ 馬晓萍，王明利.中国肉牛优势产区不同规模养殖成本效率变动趋势——基于2013-2019年的面板数据［J］.湖南农业大学学报（社会科学版），2021，22（06）：11-20.
［30］ 李龙，宋月萍.农地流转对家庭化流动的影响——来自流出地的证据［J］.公共管理学报，2016（02）：76-83.
［31］ 任天池，唐丕菊，彭志远，等.欠发达地区农户兼业对其土地转出行为的影响——基于云南省558户农户的调查［J］.中国农业大学学报，2018（07）：205-216.
［32］ HAMILTON T W，RITTEN J P，BASTIAN C T，et al.Economic Impacts of Increasing Seasonal Precipitation Variation on Southeast Wyoming Cow-calf Enterprises［J］.Rangeland Ecology & Management，2016，69（06）：465-473.
［33］ MADER T L，GAUGHAN J G.Effects of Climate Variability on Domestic Livestock in Handbook on Climate Change and Agriculture［M］.Edward Elgar Publishing，Northampton，MA：2010：39.
［34］ 公茂刚，张梅娇.农地“三权”分置对农村金融包容性发展影响研究——基于CMP方法的实证分析［J］.金融理论与实践，2021（04）：109-118.
［35］ 翟桂玉.德国畜牧业发展见闻与启示（上）［J］.农业知识，2012（06）：9-11.
［36］ XUE L，PRASS N，GOLLNOW S，et al.Efficiency and Carbon Footprint of the German Meat Supply Chain［J］.Environmental Science & Technology，2019，53（09）：5133-5142.
［37］ DROUILLARD J S.Current Situation and Future Trends for Beef Production in the United States of America［J］.Asian-Australasian Journal of Animal Sciences，2018，31（07）：1007-1016.
［38］ WERNIKE K，GETHMANN J，SCHIRRMEIER H，et al.Six Years （2011-2016） of Mandatory Nationwide Bovine Viral Diarrhea Control in Germany——A Success Story［J］.Pathogens， 2017，6（04）：50.
［39］ GRANNIS J L，BRUCH M L.The Role of USDA APHIS in Livestock Disease Management Within the USA［J］.Medicine，2006（02）：19.
［40］ 刘俊辉，刘静，王栋，等.德国畜禽产业发展及屠宰管理概述［J］.中国动物检疫，2015，32（07）：42-46.
Comparison of Economic Efficiency of Beef Cattle Production in Typical Countries and Its Enlightenment to China
MA Xiaoping，WANG Mingli*
（Institute of Agricultural Economics and Development，Chinese Academy of Agricultural Sciences，Beijing 100081，China）
Abstract：The improvement of economic efficiency is a breakthrough means to achieve the improvement of the quality，efficiency and competitiveness of the beef cattle industry.Based on the first-hand data of typical global farms in the Agri benchmark from 2010 to 2020，this paper uses SFA to calculate the economic efficiency of beef cattle production in 12 typical countries，and uses Bitobit and CMP IV Tobit methods to explore the role of production environment and management characteristics in promoting economic efficiency of production.The results show that the technical efficiency of beef cattle production in China is at a low level in the world， only 72.31％ of the technical efficiency level of German beef cattle production and 74.45％ of that of the United States， ranking 9th among 12 typical countries. High cost and price disadvantage has led to the low efficiency of beef cattle production allocation in China.The total factor productivity of beef cattle in China has grown slowly，at a moderately low level in typical countries，with an average annual growth rate of 0.186％，which is driven by both technical efficiency and technological progress.Credit support and biosecurity prevention and control have a significant positive impact on the technical efficiency and allocation efficiency of beef cattle production.Chinas beef cattle production is comparable to the dominant countries in terms of breeder quality，feed grain self-sufficiency，government support and biosecurity prevention and control.There are still obvious gaps，and the economic efficiency level of beef cattle production needs to be further improved.
Key words：beef cattle;typical country;economic efficiency;international comparison
（責任编辑：王倩）
