投入要素及其生產率對生豬養殖產出增長的驅動分析

王善高

投入要素及其生產率對生豬養殖產出增長的驅動分析

王善高

（南京農業大學 經濟管理學院，江蘇 南京 210095）

基于2004—2018年生豬養殖的省級宏觀數據，使用SFA方法下的三種經典模型和刀切模型平均法對生豬養殖的生產函數和全要素生產率進行了估計，并利用增長核算表全面準確地核算了生豬養殖產出增長中各投入要素及其全要素生產率的貢獻大小。研究發現：在樣本考察期內，小規模、中規模、大規模生豬養殖產出的年均增長速度為1.440%、1.437%和1.472%。在3種生豬養殖模式中，投入要素是驅動生豬養殖產出增長的首要因素，其中，尤以飼料投入的貢獻最大；而全要素生產率是驅動生豬養殖產出增長的次要因素，且貢獻主要來自效率的提升。此外，隨著生豬養殖規模的增大，投入要素對產出增長的貢獻在逐漸減小，而全要素生產率對產出增長的貢獻在逐漸擴大。

生豬養殖；產出增長；投入要素；全要素生產率

一、問題的提出

受非洲豬瘟疫情、豬周期和部分地區不合理禁養、限養等因素疊加影響，我國生豬養殖產業遭受巨大沖擊，生豬產能大幅下降，豬肉市場供應變得偏緊。豬肉是重要的“菜籃子”產品，關乎國計民生[1]。為穩定生豬生產，促進轉型升級，增強豬肉供應保障能力，國務院辦公廳于2019年9月出臺了《關于穩定生豬生產促進轉型升級的意見》，提出要加大政策扶持，加強科技支撐，推動構建生產高效、資源節約、環境友好、布局合理、產銷協調的生豬產業高質量發展新格局。同年12月，農業農村部出臺了《加快生豬生產恢復發展三年行動方案》，并指出要“像抓糧食生產一樣抓生豬生產”。新古典經濟增長理論認為，增加生產要素和提高全要素生產率是實現產出增長的兩個重要方式。那么，在加快恢復生豬生產的過程中，哪個方式更能有效地促進產出增長呢？這一問題的解答，對生豬復產增養工作的推進顯得至關重要。而要想回答這一問題，就需要厘清生豬養殖產出增長中各投入要素和全要素生產率的貢獻大小。

關于生豬養殖產出增長的研究，現有文獻進行了一些探討，主要集中在以下幾個方面：第一，考察生產率、效率等對生豬產出的影響。王善高等[2]利用生豬養殖的省級宏觀數據測算了生豬養殖的技術效率，發現如果能夠有效消除效率損失，在不改變投入的情況下，生豬產出還有11.5%的提升空間。第二，考察投入要素對生豬產出的影響。肖紅波[3]利用生豬養殖投入產出數據分析了投入要素的產出彈性，發現飼料的產出彈性最大，其次是仔豬，而勞動投入的產出彈性最小。王明利和李威夷[4]基于15個生豬主產區的生豬養殖數據測算了投入要素的產出彈性，發現飼料投入對產出的影響最大，其次是用工數量。第三，考察飼料價格、豬肉價格等價格因素對生豬產出的影響。陳蓉[5]利用HP濾波法對我國生豬生產波動周期進行了研究，發現1985年以前生豬生產波動的主要原因是糧食豐歉，而1985年以后生豬生產波動的主要原因是飼料價格波動。周晶等[6]基于生豬養殖的省級面板數據分析了生豬生產波動的影響因素，發現豬肉價格對生豬生產波動的影響最大。此外，還有一部分學者考察了生豬養殖補貼、畜禽環境規制、重大疫情疫病等外部因素對生豬產出的影響[7-9]。

關于產出增長來源的測算方法，早期學者大多采用傳統生產函數法（CFP）。該方法通過設定的生產函數推導出經濟增長公式，將產出增長的來源分解為若干個子指標。假設生產函數的形式為=+1+2+，其中，為產出，為勞動，為資本，為殘差，1、2分別為勞動和資本的產出彈性，為索洛余值。根據經濟增長理論，可推導出公式△=△+1△+2△+△。由公式可知，產出增長的來源被分解為三部分：△（全要素生產率變化）、1△+2△（投入要素變化）和△（殘差變化）。CFP方法通俗易懂，且測算簡單，但無法對全要素生產率做進一步分解[10]，因此無法打開全要素生產率的“黑箱”。為探究出全要素生產率的內部結構，學者們開始采用數據包絡分析法（DEA）和隨機前沿分析法（SFA）來測算產出增長的來源。其中，DEA方法不需要對生產函數的形式作假設，能通過線性規劃方法求解效率，并且還能對全要素生產率進行分解，但該方法無法剝離隨機誤差的影響，會將隨機誤差納入效率損失中，導致效率被低估[11]。SFA方法則是在CFP方法的基礎上，增加了技術無效率項，將生產函數設為=+1+2+?。當我們令=?時，生產函數就可以改寫為=+1+2+，這恰好和CFP方法下的生產函數相同。因此SFA方法不僅可以將產出增長的來源分解為全要素生產率變化、投入要素變化和殘差變化，而且還能將全要素生產率變化進一步分解為技術變化和效率變化。相比之下，在測算產出增長的來源時，SFA方法的優勢要明顯一些。

綜上，現有研究在生豬養殖產出增長的理論和實證方面均做了有益探討，但還存在以下不足：第一，現有研究大多選取一個或多個因素來探究其對生豬產出的影響，如考察投入要素對產出的影響，但鮮有學者測算生豬養殖產出增長中各投入要素和全要素生產率的貢獻大小。事實上，產出增長是多種因素合力的結果，而且不同的因素對產出增長有著不同的貢獻。僅僅考察某一因素對產出增長的影響，而不比較各因素對產出增長的貢獻大小則顯得相對片面。第二，盡管SFA方法優勢明顯，并且已經有一部分學者開始采用SFA方法來測算產出增長的來源，但遺憾的是，在SFA方法中，技術無效率的函數形式存在多種假設，這意味著SFA方法包含了多種模型，但學者們并沒有對這些模型做很好的區分，大多是從SFA方法中挑選一種模型來測度產出增長的來源。事實上，不同模型都可能在一定程度上解釋投入產出關系，依賴單一模型測算產出增長的來源可能存在較大偏差。為彌補現有研究的不足，本文擬基于2004—2018年生豬養殖的省級宏觀數據，使用SFA方法下的三種經典模型和刀切模型平均法對生豬養殖的生產函數和全要素生產率進行估計，并利用增長核算表全面準確核算生豬養殖產出增長中各投入要素及其全要素生產率的貢獻大小，以期識別出各因素的重要程度，從而為生豬復產增養工作的推進提供理論指導。

二、研究方法

隨機前沿分析始于生產最優化的研究，最早是由Aigner、Meeusen等[12,13]分別獨立提出，但此時的隨機前沿分析主要用于截面數據。Schmidt等[14,15]最早將隨機前沿分析用于面板數據中，并率先構造了面板隨機前沿生產函數，形式如下：

其中，和表示省份和年份，為產出，為投入要素向量，為隨機誤差，為技術效率損失，為常數項，為待估計參數向量。需要說明的是，和均為對數形式。

在面板隨機前沿生產函數中，技術效率損失存在不隨時間變化和隨時間變化兩種假設?？紤]到效率低的個體可以通過引進技術、強化管理等來提高效率，而效率高的個體也可能因為管理不善導致效率下降，因此將設為隨時間變化相對更合理。然而，在隨時間變化的假設中，的函數形式存在多種假設，常見的函數形式有CSS90模型、BC92模型和LS93模型等[16]。其中，CSS90模型將u設為關于時間的二次函數，而BC92模型和LS93模型均將u表示為u和一個具有時間變化特征的函數()的乘積，即u=()×u，但設定的()函數形式有所差別。具體而言：CSS90模型用一元二次函數來刻畫的時間變化特征，該模型令=?，并將w設為w=ω+1i+2i2，其中，為時間。BC92模型[17]將()設為()=exp[(?)]，其中，為延遲參數，反映技術效率損失隨時間變化的方向和速度。LS93模型[18]沒有對()的形式作假設，而是將()設為了一組時間虛擬變量。這種設定會減少待估計參數的數量，提升估計速度，但會降低模型靈活性。

在面對多個模型時，模型選擇法可以通過一定的標準來選擇其中最優的模型。然而，“非此即彼”的選擇方式可能存在偏誤，因為不同模型都可能在一定程度上解釋投入產出關系。為克服模型選擇法的不足，Hansen和Racine[19]提出了刀切模型平均法，該方法通過最小化交叉驗證準則來確定權重，然后給不同的模型賦予不同的刀切權重，從而得到更綜合、更全面的估計結果。

生豬養殖的投入產出衡量如下：產出用生豬養殖的出欄重量表示，根據主產品產量計算。生產要素投入方面，考慮到仔畜費、飼料費、人工成本占生豬養殖總成本的比重較大（《全國農產品成本收益資料匯編》統計數據顯示，2004—2018年仔畜費、飼料費和人工成本占生豬養殖總成本的比重均在90%以上），因此本研究將仔畜、飼料、人工作為單獨的投入要素，而將剩余的土地、技術、資本等生產要素統一納入其他投入要素。具體而言：仔豬投入用仔豬重量表示；飼料投入用養殖周期內的精飼料使用量表示；勞動力投入用養殖周期內的投工量表示，包含家庭用工和農業雇工；其他要素投入用直接費用（除仔畜費用和精飼料費用外）和間接費用之和表示。在得到刀切權重*以后，本研究的回歸模型如下：

上文指出，在SFA方法下，生豬養殖產出增長的來源可以分解為投入要素貢獻、全要素生產率貢獻和殘差貢獻。其中，投入要素貢獻可以細分為各單項投入要素的貢獻，是對應投入要素系數與投入要素數量變化的乘積；而全要素生產率貢獻和殘差貢獻分別是全要素生產率值和殘差值從一個時期到另一個時期的變化。

三、數據來源與計量結果分析

本研究數據來自《全國農產品成本收益資料匯編》和《中國統計年鑒》。其中，不同規模生豬養殖的投入、產出數據來自《全國農產品成本收益資料匯編》；相關投入要素的價格指數數據來自《中國統計年鑒》。需要說明的是，由于增長核算涉及變量的跨期變化，為保證數據的連續性，故將數據整理成平衡面板數據。通過整理，共取得小規模、中規模、大規模的樣本數依次為330個、360個和345個，樣本分布相對均衡，能較好地展示不同規模生豬養殖的狀況。由于其他要素投入涉及金額，為消除價格因素的影響，以2004年為基期用生豬生產價格指數對其他要素投入進行平減。相關變量的定義及描述性統計結果見表1。

表1　相關變量的定義及描述性統計結果

基于Stata12統計軟件，利用指令sfpanel分別估計了3種面板隨機前沿生產函數（表2）。結果顯示：1）不同模型解釋變量的估計系數存在明顯差異。以小規模為例，BC92模型的估計系數在統計上高度顯著；CSS90模型的估計系數大部分在統計上顯著；而LS93模型的估計系數僅有極個別在統計上顯著。2）不同模型所估計出的技術效率值也存在明顯差異。同樣地，以小規模為例，CSS90模型、BC92模型、LS93模型估計出的技術效率均值依次為0.889、0.897、0.909，其中，LS93模型估計出的技術效率最高，而CSS90模型估計出的技術效率最低。

表2　不同類型隨機前沿生產函數的估計

注：***、**、*分別表示1%、5%和10%的顯著性水平；（）內數值為值。

1. 生豬養殖產出增長情況

圖1展示了不同規模生豬養殖產出增長率的折線圖。需要說明的是，圖中04/05表示從2004年到2005年，其余年份依此類推?？傮w來看，2004—2018年，小規模、中規模、大規模生豬養殖產出增長率曲線除個別年份在0刻度線以下外，在絕大多數年份都在0刻度線以上，說明小規模、中規模、大規模生豬養殖的產出在不斷提升，這意味著我國生豬養殖產業在穩步發展。從數值大小來看，2004—2018年，小規模、中規模、大規模生豬養殖產出增長率的均值依次為0.0144、0.0144和0.0147，即年均增長速度為1.440%、1.437%和1.472%。值得注意的是，生豬養殖產出增長率曲線在2008年以前波動幅度較大，而在2008年以后趨于平緩。出現這種現象的可能原因是，在2008年以前，由于缺乏穩定的供應機制，生豬養殖產出會隨著市場價格的波動而變化[20]，波動幅度較大。為穩定市場供應，我國政府在2008年印發了《關于促進生豬生產發展穩定市場供應的意見》，并出臺了一系列促進生豬生產發展的政策措施，包括實施能繁母豬補貼，啟動母豬政策性保險，完善生豬良種繁育體系，支持標準化規模養殖場建設，給予生豬調出大縣獎勵，建立健全生豬疫病防控體系等[21]，這在一定程度上調動了廣大農民發展養豬業的積極性，因此生豬養殖產出增長率曲線在2008年以后趨于平穩。

圖1　不同規模生豬養殖產出增長率折線圖

2. 生豬養殖產出增長的來源分析

本研究基于仔畜、飼料、勞動力和其他要素的彈性系數以及全要素生產率、技術和效率的變化核算了不同規模生豬養殖產出增長的來源（表3）?？傮w來看，在小規模、中規模、大規模3種生豬養殖模式中，投入要素是驅動生豬養殖產出增長的首要因素，其中，尤以飼料投入的貢獻最大；而全要素生產率是驅動生豬養殖產出增長的次要因素，且貢獻主要來自效率提升。

表3　不同規模生豬養殖產出增長核算表 %

從投入要素方面看，投入要素為小規模、中規模、大規模生豬養殖的產出分別提供了1.335%、1.280%和1.190%的增速，對產出增長的貢獻率依次為92.72%、89.09%、80.84%，說明投入要素對生豬養殖產出增長的貢獻處在較高水平，這意味著投入要素是驅動生豬養殖產出增長的首要因素。從投入要素明細來看，在小規模中，仔畜、飼料、勞動力和其他要素分別為產出提供了0.047%、1.252%、-0.075%和0.111%的增速；在中規模中，仔畜、飼料、勞動力和其他要素分別為產出提供了0.213%、0.861%、-0.021%和0.227%的增速；在大規模中，仔畜、飼料、勞動力和其他要素分別為產出提供了0.048%、1.144%、0.001%和-0.003%的增速。在3種生豬養殖模式中，仔畜、飼料、勞動力和其他要素對產出增長的貢獻表現出了高度的相似性，即飼料對產出增長的貢獻最大，而勞動力對產出增長的貢獻最小。飼料對產出增長貢獻大的可能原因是，生豬養殖屬于“耗糧型”畜牧業，養殖中會消耗大量的飼料?！度珖r產品成本收益資料匯編》統計數據顯示，2004—2018年，小規模、中規模、大規模生豬養殖的精飼料使用量分別由261.4kg/頭、271.5 kg/頭、253.5 kg/頭變化為325.12 kg/頭、320.72 kg/頭、306.18 kg/頭，呈現出明顯的增長趨勢。勞動力對產出增長貢獻小的可能原因有：一方面，小規模、中規模、大規模生豬養殖均屬于規?；B殖，與散養相比，機械化程度要高一些，因而對勞動力的需求??；另一方面，受非農就業工資上漲影響，我國農業勞動力價格迅速攀升，為降低勞動力成本，生豬養殖場（戶）在養殖中會大量采用機械替代勞動力[22]，這使得勞動力的投入會越來越少，因而勞動力對產出增長的貢獻處在較低水平?！度珖r產品成本收益資料匯編》統計數據顯示，2004—2018年，小規模、中規模、大規模生豬養殖的勞動力投入由5.57日/頭、3.43日/頭、1.66日/頭變化為3.04日/頭、1.92日/頭、1.12日/頭，呈現出明顯的下降趨勢。

從全要素生產率方面看，全要素生產率為小規模、中規模、大規模生豬養殖的產出分別提供了0.268%、0.353%和0.574%的增速，對產出增長的貢獻率依次為18.61%、24.59%、39.02%，說明全要素生產率雖然對生豬養殖產出增長具有貢獻效應，但明顯小于投入要素，這意味著全要素生產率是驅動生豬養殖產出增長的次要因素。從全要素生產率明細來看，在小規模中，技術和效率為產出分別提供了0.105%和0.163%的增速；在中規模中，技術和效率為產出分別提供了0.157%和0.197%的增速；在大規模中，技術和效率為產出分別提供了0.282%和0.292%的增速。在3種生豬養殖模式中，效率對產出增長的貢獻均要高于技術對產出增長的貢獻，說明全要素生產率的貢獻主要來自效率提升。出現這種現象的可能原因是，技術進步本質上是把新知識、新技術轉化為生產力的過程，這期間需要經歷技術發明、技術創新、技術擴散等環節，是一個漫長的過程。相比之下，提高效率相對更快，也相對更容易，因此效率對產出增長的貢獻要高于技術對產出增長的貢獻。但隨著生豬養殖規模的增大，技術和效率對產出增長的貢獻均在增大，說明規?；B殖在技術和效率上均具有一定優勢，而且規模越大優勢越明顯。這提示我們應加快推進生豬的規?；B殖，實現養殖的規模經濟，促進養殖技術進步和養殖效率提升。

值得注意的是，隨著生豬養殖規模的增大，投入要素對產出增長的貢獻在逐漸減?。ㄐ∫幠?、中規模、大規模依次為1.335%、1.280%和1.190%），而全要素生產率對產出增長的貢獻在逐漸擴大（小規模、中規模、大規模依次為0.268%、0.353%和0.574%），這說明相對于中、小規模生豬養殖來說，大規模生豬養殖產出增長的方式相對更合理，這也提示我們要加快推進生豬的規?；B殖，走規?；?。

3. 生豬養殖產出增長率和要素貢獻的時間趨勢

上文展示了生豬養殖產出增長率及各種貢獻的總體特征。接下來，本文將分析生豬養殖產出增長率和各種貢獻的時序列特征。圖2展示了不同規模生豬養殖產出增長率和各種貢獻的折線圖。由圖可知，小規模、中規模、大規模3種生豬養殖模式的產出增長率曲線、投入要素貢獻曲線、飼料貢獻曲線、全要素生產率貢獻曲線、技術貢獻曲線和效率貢獻曲線的年際變化特征均表現出了高度的相似性。

在3幅圖中，投入要素貢獻曲線均在0刻度線以上波動，但均出現了向下傾斜的趨勢，說明投入要素對生豬養殖產出增長一直保持著正向的貢獻效應，但隨著時間推移，這種貢獻效應有所減弱。當然，這不是說我國生豬養殖投入要素的質量在下降。出現這種現象的可能原因是，隨著生豬養殖產業的發展，我國生豬養殖的技術和效率在不斷提升，這在一定程度上會提升全要素生產率（技術和效率）在生豬養殖產出增長中的貢獻，而產出增長的來源主要由生產要素和全要素生產率構成，因此隨著全要素生產率貢獻的提升，生產要素的貢獻必然會下降。當然，從另一方面來講，這也意味著我國生豬養殖產出增長的方式在逐步優化，由單純要素驅動逐步轉變為要素驅動為主、全要素生產率驅動為輔，這預示著我國生豬養殖產業在朝著好的方向發展。

在3幅圖中，飼料貢獻曲線和投入要素貢獻曲線的吻合程度相對較高，而投入要素貢獻曲線和產出增長率曲線的走勢又大體一致，且這種現象在2008年以后體現得尤為明顯，這說明投入要素是驅動生豬養殖產出增長的首要因素，而飼料投入又在投入要素中起著主導作用。換句話說，即我國生豬養殖產出增長主要是由投入要素中的飼料投入增加引起的，這佐證了上文的研究結論。需要引起重視的是，在當前的養殖技術模式下，飼料是投入要素中的主體（《全國農產品成本收益資料匯編》統計數據顯示，2004—2018年規模生豬飼料投入占生產成本的比重一直都在60%以上），我們應盡快推廣數字技術、智能化技術等新的技術模式，構建新的技術體系，完善投入要素的組合和配置，在更高的層面上提升全要素生產率。

在3幅圖中，全要素生產率貢獻曲線在絕大多數年份都在0刻度線以上波動，說明在絕大多數年份全要素生產率對生豬養殖產出增長都有正向的貢獻效應。值得注意的是，在2005—2007年，小規模、中規模、大規模的全要素生產率貢獻曲線均在0刻度線以下，說明在此期間3種生豬養殖模式的全要素生產率均出現了下滑。出現這種現象的可能原因有：第一，受豬周期的影響，生豬養殖在經歷了2年的高峰期后，于2005年9月開始出現跌落，并且這種低迷狀態一直持續到2007年才結束。在此期間，大量生豬養殖戶退出養殖。第二，在2006年我國生豬爆發了“藍耳病疫情（豬瘟疫）”，該疫病發病率、死亡率高，對生豬養殖產生了不利影響。在這些因素的綜合影響下，我國生豬養殖產業遭受嚴重沖擊，最終導致生豬養殖全要素生產率出現了下降。

在3幅圖中，技術貢獻曲線在總體上有向上傾斜的趨勢，說明技術在生豬養殖產出增長中的貢獻在逐步增大。這可能得益于我國生豬養殖產業的發展，但不可否認的是，我國政府在2008年出臺的促進生豬生產發展的政策措施也是其中的一個重要推力。值得注意的是，盡管技術貢獻曲線在總體上有向上傾斜的趨勢，但在生豬養殖產出增長中產生的貢獻還相對較小。這提示我們要加快生豬養殖技術的研發和創新，提升技術在生豬養殖產出增長中的貢獻。

在3幅圖中，效率貢獻曲線一直在0刻度線以上波動，但有趨于0的趨勢，說明雖然效率對生豬養殖產出增長有正向的貢獻效應，但隨著時間推移，這種正向的貢獻效應在日益減小。這可能是因為在當前的技術水平下，3種生豬養殖模式的技術效率已經進入了穩態水平，因此技術效率的跨期變化幅度不大。當然，這也提示我們要進一步加強對生豬養殖場的經營管理，降低生豬養殖中的效率損失，爭取擺脫穩定狀態，實現生豬養殖技術效率的“新飛躍”。

四、結論及其啟示

上述研究表明：1）2004—2018年，小規模、中規模、大規模生豬養殖產出的年均增長速度為1.440%、1.437%和1.472%。2）在3種生豬養殖模式中，投入要素是驅動生豬養殖產出增長的首要因素，其中，尤以飼料投入的貢獻最大；而全要素生產率是驅動生豬養殖產出增長的次要因素，且貢獻主要來自效率提升。3）隨著生豬養殖規模的增大，投入要素對產出增長的貢獻在逐漸減小，而全要素生產率對產出增長的貢獻在逐漸擴大。4）投入要素貢獻曲線和產出增長率曲線的走勢大體一致，而飼料貢獻曲線和投入要素貢獻曲線的吻合度較高。此外，隨著時間推移，技術貢獻曲線在總體上有向上傾斜的趨勢，而效率貢獻曲線有趨于0的趨勢。

以上結論對助力生豬復產增養工作具有以下啟示：第一，考慮到投入要素是驅動生豬養殖產出增長的首要因素，建議政府要嚴把生產要素的質量關，特別是飼料的質量，確保生豬養殖場（戶）用得放心、用得安心，幫助生豬養殖場（戶）盡快恢復產能，全力促進生豬養殖場（戶）的發展壯大。第二，考慮到全要素生產率是驅動生豬養殖產出增長的次要因素，而全要素生產率又是由技術和效率決定的，建議政府可以適當出臺相關優惠政策，諸如政策獎勵、稅收減免等，鼓勵生豬養殖場（戶）引進先進的養殖技術和設備，促進技術水平和生產效率的提升，最大限度發揮全要素生產率在產出增長中的作用。第三，考慮到飼料貢獻曲線和投入要素貢獻曲線的吻合度較高，說明在當前的技術模式下，飼料還是投入要素中的主體，建議政府盡快推廣數字技術、智能化技術等新的技術模式，構建新的技術體系，在更高的層面上提升全要素生產率。需要引起重視的是，盡管投入要素會驅動生豬養殖產出增長，但增加要素投入容易走向粗放型發展，不利于生豬養殖場（戶）的可持續發展，建議政府要積極引導生豬養殖場（戶）轉變產出增長方式，由依靠“要素驅動”逐步轉變為“要素驅動、全要素生產率驅動同時發力”，促進生豬生產持續健康有序發展。

[1] 杜紅梅，王明春，胡梅梅．不同規模生豬養殖綠色全要素生產率的時空差異——基于非徑向、非角度SBM生產率指數模型[J]．湖南農業大學學報(社會科學版)，2019，20(2)：16-23．

[2] 王善高，田旭，徐章星．中國生豬養殖的最優規模研究：基于不同效率指標的考察[J]．統計與決策，2020，36(17)：51-56．

[3] 肖紅波．我國生豬生產增長與波動研究[D]．北京：中國農業科學院，2010．

[4] 王明利，李威夷．基于隨機前沿函數的中國生豬生產效率研究[J]．農業技術經濟，2011(12)：32-39．

[5] 陳蓉．我國生豬生產波動周期分析[J]．農業技術經濟，2009(3)：77-86．

[6] 周晶，丁士軍，阮冬燕．中國生豬生產波動影響因素分析：基于2000-2012年省級面板數據的實證研究[J]．農業現代化研究，2014，35(6)：750-756．

[7] 王明利，肖洪波．我國生豬生產波動的成因分析[J]．農業經濟問題，2012，33(12)：28-32．

[8] 王剛毅，王孝華，李翠霞．養殖資本化對生豬價格波動的穩定效應研究——基于中國面板數據的經驗分析[J]．中國農村經濟，2018(6)：55-66．

[9] 譚瑩，胡洪濤，周建軍．地區環境規制對生豬養殖生產的影響機制[J]．江蘇農業科學，2018，46(13)：347-352．

[10] 龔斌磊．投入要素與生產率對中國農業增長的貢獻研究[J]．農業技術經濟，2018(6)：4-18．

[11] 王善高，田旭．中國糧食生產成本上升原因探究：基于稻谷、小麥、玉米的實證分析[J]．農業現代化研究，2017，38(4)：571-580．

[12] AIGNER D，LOVELL C A K，Schmidt P．Formulation and estimation of stochastic frontier production function models[J]．Journal of Econometrics，1977，6(1)：21-37．

[13] MEEUSEN W，BROECK J V D．Efficiency estimation from Cobb-Douglas production functions with composed error[J]．International Economic Review，1977，18(2)：435-444．

[14] SCHMIDT P，SICKLES R C．Production frontiers and panel data[J]．Journal of Business & Economic Statistics，1984，2(4)：367-374．

[15] CORNWELL C，SCHMIDT P，SICKLES R C. Production frontiers with cross-sectional and time-series variation in efficiency levels[J]．Journal of Econometrics，1990，46(1–2)：185–200．

[16] 連玉君．隨機邊界模型：進展及Stata應用[J]．鄭州航空工業管理學院學報，2018，36(1)：97-112．

[17] BATTESEG E，COELLI T J．Frontier production functions，technical efficiency and panel data：With application to paddy farmers in India[J]．Journal of Productivity Analysis，1992，3(1)：153-169．

[18] LEE Y H，SCHMIDT P．A production frontier model with flexible temporal variation in technical inefficiency [C]//FRIEDH O, LOVELL C A K, SCHMIDT S S. The measurement of productive efficiency：Techniques and applications， New York: Oxford University Press，1993：237-255．

[19] HANSEN B E，RACINE J S．Jackknife model averaging[J]. Journal of Econometrics，2012，167(1)：38-46．

[20] 譚瑩，邱俊杰．中國生豬生產效率及生豬補貼政策優化分析[J]．統計與信息論壇，2012，27(3)：61-66．

[21] 周晶，陳玉萍，丁士軍．“一攬子”補貼政策對中國生豬養殖規?；M程的影響——基于雙重差分方法的估計[J]．中國農村經濟，2015(4)：29-43．

[22] 李杰，胡向東，王玉斌．生豬養殖戶養殖效率分析——基于4省277戶養殖戶的調研[J]．農業技術經濟，2019(8)：29-39．

The analysis of the influence of input factors and the productivity on output growth of pig breeding

WANG Shangao

(College of Economics and Management, Nanjing Agricultural University, Nanjing 210095, China)

Based on the provincial macro data of pig breeding from 2004 to 2018, the production function and total factor productivity of pig breeding have been estimated by using three classical models under the SFA method and jackknife model averaging, and the contribution of various input factors and total factor productivity in the growth of pig breeding output has been calculated fully and accurately by using the growth accounting table. The results show that the average annual growth rates of small-scale, medium-scale and large-scale pig breeding output were 1.440%, 1.437% and 1.472% respectively during the sample investigation period. For all the three pig breeding modes, the input factors are the primary factor driving the growth of pig breeding output, among which the feed input makes the biggest contribution; the total factor productivity is the secondary factor promoting the growth of pig breeding output, and the contribution mainly comes from efficiency improvement. With the increase of pig breeding scale, the contribution of input factors to output growth shrinks gradually while the contribution of total factor productivity to output growth rises gradually.

pig breeding; output growth; input factors; total factor productivity

F326.3

A

1009–2013(2021)02–0001–08

10.13331/j.cnki.jhau(ss).2021.02.001

2021－02－04

國家社會科學基金重點項目（20AJL010）

王善高（1992—），男，江蘇揚州人，博士研究生，研究方向為農業經濟與管理。

責任編輯：李東輝