EN中文

Economic geography >

2020 , Vol. 40 >Issue 9: 176 - 183

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.09.019

Environmental Efficiency Evaluation of Hog Scale Production in Superior Districts of China：Based on Non-Radical and Non-Oriented SE-SBM Model

  • DU Hongmei , 1 ,
  • WANG Mingchun 2
Expand
  • 1. College of Business，Hunan Agricultural University，Changsha 410128，Hunan，China
  • 2. College of Science，Hunan Agricultural University，Changsha 410128，Hunan，China

Received date: 2019-05-04

  Revised date: 2020-05-21

  Online published: 2025-04-23

Fold

Abstract

Evaluating and contrastively analyzing the environmental efficiency of hog scale cultivation is of great significance to its green development and industry distribution optimization.This paper takes the pollution factors(COD,TN,TP) as undesirable output and constructs evaluation indication system on environmental efficiency of hog scale production, it evaluates the environmental efficiency of different scale production of 17 main pig-breeding provinces at the regional and provincial-level in China from 2004 to 2014 applying non-radical and non-oriented SE-SBM model and discusses its improvement directions.The result reveals that:1)It exists obvious regional difference on the environmental efficiency of hog scale production which is higher in the middle and southwest China than the northeast and coastal;2)It exists obvious scale difference on the environmental efficiency of hog scale production,the larger the scale, the higher efficiency, namely the environmental efficiency is proportional to the production scale;3)The result of σ convergence test reveals that: the environmental efficiency at the different scale presents convergent tendency, it presents σ consistency at the large scale, while it presents divergence to some extent at the middle and small scale;4)The overall environmental efficiency has not reached the optimal level, improving the resource utilization ration and reducing resource consumption and pollutant discharge are the key measures to improve the environmental efficiency.

Key words： pig-breeding; evaluation of environmental efficiency; SE-SBM model; fecal pollution; breeding scale; green development

Cite this article

DU Hongmei , WANG Mingchun . Environmental Efficiency Evaluation of Hog Scale Production in Superior Districts of China：Based on Non-Radical and Non-Oriented SE-SBM Model[J]. Economic geography, 2020 , 40(9) : 176 -183 . DOI: 10.15957/j.cnki.jjdl.2020.09.019

生猪养殖业作为我国农业经济体系中的支柱产业，具有非常重要的战略地位，一是因为我国是传统的猪肉消费大国，生猪养殖能确保一定的自给率；二是生猪养殖可以拉动农村经济增长、促进农民就业増收、完善我国农业产业并有效延伸产业链条。为了扶持生猪标准化规模养殖，2007年国务院发布的《关于促进生猪生产发展稳定市场供应的意见》（以下简称《意见》）提出了明确的政策要求。随后，我国生猪规模化养殖迅速发展。2016年国家提出《全国生猪生产发展规划（2016—2020年）》，确定2020年全国年出栏500头以上的规模养殖比重提升至52%，可以预料未来生猪规模养殖发展速度将越来越快。然而，规模化养殖虽然能够通过提高效率来实现经济效益的迅速提升（即经济学中的规模效应），但产生的副产品（粪污等）却常常被人忽视，对生态环境产生较大压力。因此，在评价生猪养殖效率时，通过引入环境影响相关变量进行环境效率测度，对于指导规模养殖绿色发展、进一步优化养殖空间布局，实现高质量增长具有重要理论与实践意义。
长期以来，对生产效率进行评估是学术研究热点，评估方法不断创新，但是传统的针对效率进行评估的方法均没有将产业的副产品作为环境成本加以考虑。Chung等通过把环境成本纳入效率分析框架，为全面的效率评估（即包含了环境成本）提供了新的研究范式[1]。随后很多学者借鉴这一方法开展实证研究，如国内学者在研究农业生产效率时有的已经考虑了环境成本[2⇓⇓-5]。鉴于生猪生产在我国农村经济系统中的战略地位，生猪生产效率也成为学术界研究热点，例如，潘国言、刘清泉、梁建宏、闫振宇、李杰等等进行的实证研究，这些研究均忽略了环境污染的成本对生产效率的影响[6⇓⇓⇓-10]。从本质上说，忽略环境污染的代价而计算出的生产效率是不准确和不全面的，并不能正确衡量相关经济体的效率水平，识别改善路径。当然也有学者在研究生猪生产效率时考虑了环境因素，如张晓恒等采用非径向概念（Nonradial Notion）计算生猪养殖的环境效率[11]。吴学兵等通过加入环境约束条件对中国大规模猪场的生产率进行了实证研究[12]。王德鑫等利用2006—2013年的相关统计数据，将规模化生猪养殖的“非期望”产出纳入研究框架，对环境规制下我国生猪规模养殖的生产效率进行实证分析[13]。郑微微等采用微观调研数据，将碳排放量纳入生产效率模型，采用DEA模型估算了产出导向的生猪养殖的绿色生产效率[14]。左永彦等研究了环境约束下我国规模生猪养殖的全要素生产率[15]。王雪娇等基于SBM方向性距离函数对考虑环境因素的中国生猪养殖业生产效率和全要素生产率增长进行了实证分析[16]。王刚毅等利用DEA-Tobit两步法测算生猪养殖生态效率并分析生态效率影响因素[17]。于连超等使用Malmquist指数测算2005—2017年中国生猪养殖业绿色全要素生产率增长并分析其影响因素[18]。上述研究具有很好的启发意义，但存在两个突出缺陷：一是在估算生猪养殖污染物时，将不同省份、不同规模的养殖场（户）所采取的粪污清理方式设定为统一的清粪方式比率，使得测算结果有失客观；二是采用角度的DEA方法只能在投入导向和产出导向上二选一来计算效率值，不能同时兼顾投入、产出两个方面，而若在投入过量或者产出不足时，采用径向的DEA方法往往会高估效率。本文的创新有两个方面：一是在生猪养殖污染物的估算方面，由于不同省份、不同规模的养殖场（户）的资源禀赋条件存在差异，所采取的清粪方式不同，根据本研究团队对生猪主产省规模养殖清粪方式的调研结果，对不同省份、不同规模养殖设定不同清粪方式比例，同时考虑中国化肥施用过量的现实，且TN、TP会随粪污进入水体环境，将其作为污染物考虑，符合实际情况；二是采用SBM（Slack-based Measure，SBM）模型，相较角度和径向DEA而言，可以避免径向和角度选择差异导致的结果失真，能较好地体现效率评价本质。本文将养殖排放的COD、TN、TP因子作为非期望产出，构建生猪养殖业环境效率评价指标体系，运用SBM模型和SE-DEA模型，综合测度和对比2004—2017年中国17个生猪主产省的环境效率，分析各主产省大规模养殖环境效率提升方向，为科学指导养猪大省适度规模化生产，优化生猪养殖产业支持政策，最终实现生猪养殖绿色化发展提供决策依据和参考。

1 研究方法与数据来源

1.1 研究方法

为克服角度和径向DEA模型的缺陷，Tone提出了SBM模型，它是通过非射线方式、以优化松弛变量为目标函数，并同时考虑投入项与产出项的差额来评估效率值[19]。SBM是一种非径向、非角度的DEA模型，具体如式（1）所示。根据本文研究内容，式（1）中的 S i - , S r +分别表示生猪养殖中的投入过剩、产出不足， λ代表权重向量， ε为待评估的环境效率值， X i j表示第j个评价省份生猪生产的i项投入， Y r j表示j个评价省份生猪生产的r项产出。
m i n δ = 1 - 1 m ∑ i = 1 m S i - X i o / 1 + 1 s ∑ r = 1 s S r + Y r o
s . t     X i o = ∑ j = 1 n λ j X i j + S i -     i = 1 , … , m ; Y r o = ∑ j = 1 n λ j Y r j + S r +     r = 1 , … , S ; λ j ≥ 0 , j = 1 , ⋯ , n ; S i - ≥ 0 , i = 1 , ⋯ , m ; S r + ≥ 0 , r = 1 , ⋯ , s
由于通过SBM模型评价不同区域的生猪养殖效率时可能会出现多个效率值都是1，所以可以依据Tone[20]提出SE-SBM模型（即以修正松弛变量为基础超效率DEA模型），对SBM模型下效率值为1的区域（省份）进行评价与排序。具体应用模型时，我们参照了黄建欢等[21]对SE-SBM的改进，在模型中加入非期望产出项，在规模报酬可变条件下包含非期望产出的SE-SBM模型如式（2）所示。式（2）中， Y g、 Y b分别表示生猪养殖的期望产出和非期望产出（具体体现为粪污等）； S -、 S g、 S b分别表示生猪养殖投入过剩、期望产出不足和非期望产出过剩； ε为一个很小的数，为了防止分母为0。
m i n δ = 1 + 1 m ∑ i = 1 m S i - X i o 1 - 1 S 1 + S 2 ∑ r = 1 S 1 S r g Y r o g + ∑ k = 1 S 2 S k b Y k o b
s . t     X i o - ∑ j = 1 , j ≠ 0 n λ j X i j + S i - ≥ 0 , i = 1 , ⋯ , m ;
∑ j = 1 , j ≠ 0 n λ j Y r j - Y r o g + S r g ≥ 0 , r = 1 , ⋯ , s 1 ;
1 - 1 S 1 + S 2 ∑ r = 1 S 1 S r g Y r o g + ∑ k = 1 S 2 S k b Y k o b ≥ ε
∑ i = j n λ j = 1 , λ j ≥ 0 ; S i - ⩾ 0 , i = 1 , ⋯ , m ;
S r g ≥ 0 , r = 1 , ⋯ , S 1 ; S k b ≥ 0 , k = 1 , ⋯ , S 2

1.2 数据来源

《全国生猪优势区域布局规划（2008—2015年）》将我国划分为4个生猪优势产区，本文选取了除江西、福建（两省因数据不全）外优势产区的其他共17个省份进行研究。17个省份的区域划分见表1。
表1 我国17个生猪生产优势省份的区域划分

Tab.1 Regional division of 17 advantageous pig producing provinces in China

优势产区 包含省份
东北 辽宁、吉林、黑龙江
沿海 江苏、浙江、广东
中部 河北、山东、安徽、河南、湖北、湖南
西南 广西、重庆、四川、贵州、云南
本文数据取自《全国农产品成本收益资料汇编》（2005—2018年，以下简称《资料汇编》），2005—2018年《中国统计年鉴》以及《第一次全国污染源普查——畜禽养殖业源产排污系数手册》（以下简称《排污系数手册》）。对于缺失数据采用插值法补齐。
《资料汇编》和《排污系数手册》对于生猪养殖规模的界定存在差异，具体见表2，表中我们将两份资料对规模的界定进行了对应处理。考虑到相关数据的可获得性以及散养模式下农户会将大量粪污变废为宝，作为肥料使用，并非“非期望”产出，所以本文研究时只评估大、中、小三种规模养殖的环境效率。
表2 生猪养殖规模界定的对照

Tab.2 Comparison of the definition of pig breeding scale

《资料汇编》 《排污系数手册》
养殖模式 年出栏（头） 养殖模式 养殖规模（头）
农户散养 <30 - -
小规模 30~100 养殖专业户 ≥50
中规模 100~1 000 规模化养殖场 ≥500
大规模 >1 000 养殖小区 无具体定义

2 生猪生产环境效率评价指标构成与计算

2.1 生产投入指标

根据生猪养殖中投入因素，选取其中排名前五的指标：仔猪重量（kg/头）、精饲料重量（kg/头）、劳动力数量（d/头）、水及燃料动力费（元/头）、医疗防疫费（元/头）。5项指标的数据来源于《资料汇编》，对于水及燃料动力、医疗防疫两项指标数据根据《中国统计年鉴》以2003年为基期的农业生产资料价格指数进行平减。

2.2 生产产出指标

根据所选取的研究模型，生产产出包括了期望产出和非期望产出。期望产出具体指所研究区域（省份）生猪生产的净产量（单位为kg/头），其计算方式为生猪出栏重量减去仔猪重量。非期望产出具体指每头生猪污染物的排放量，由生猪所排放粪尿转化成的化学需氧量（COD）、总氮（TN）和总磷（TP）（单位：kg/头）组成，其计算公式为：
Q P = A D × P D × W
式中：QP为每头生猪污染物排放量（kg）；AD为平均养殖天数（day）；PD为排污系数；W为“实际体重/参考体重”（kg）。生猪污染物的排放量数据以目前文献中大多使用的《排污手册》中的产排污系数为依据，该手册提供了以不同省份、规模、饲养阶段为区别度的排污系数。
在排污量的计算方面，不同清粪方式下，生猪养殖污染物排放量有很大差异[22]，祝其丽调查发现目前国内规模养殖场干清与水清粪方式比例平均为1∶4[23]。考虑到不同省份、不同规模养殖场（户）的清粪方式不尽相同，排污量也就不同，我们没有采用众多学者常用的82模式（即人为对干清粪和水冲粪简单划分为8∶2的比重）[11]。本文采取的清粪方式比例表3来自于本研究团队在2011—2014年对生猪主产区抽样调查粪污处理方式时整理出的结果[24]，依据这一结果对各优势区的干清与水冲粪比例进行设定。
表3 各省的干清粪及水冲粪比例

Tab.3 Provincial dry nightsoil and water manure proportion

地区 干清粪（%） 水冲粪（%） 地区 干清粪（%） 水冲粪（%）
黑龙江 77.36 22.13 安徽 62.12 36.46
吉林 78.02 21.06 山东 66.22 32.13
辽宁 80.46 18.58 广西 54.02 44.87
河南 64.54 35.11 广东 50.10 48.22
河北 65.03 33.89 浙江 48.76 49.03
重庆 52.44 45.68 江苏 49.88 47.98
四川 56.28 43.02 云南 51.89 47.23
湖南 55.01 43.50 贵州 54.22 45.12
湖北 53.88 44.78

注：各省干清粪、水冲粪所占比例加和大多不为100%，主要是因为除此两种方式外还有生物发酵床或野外放养的方式。

3 研究结果与分析

3.1 生猪生产环境效率的时间变化特征

采用Matlab软件编程解析SE-SBM模型，计算出了全国17个省份不同养殖规模的分年度的环境效率值，具体如图1所示。
图1 规模生猪养殖环境效率变动趋势

Fig.1 Scale pig breeding environment efficiency change trend

①不同养殖规模的环境效率具有完全不一样的波动特征。生猪小规模养殖模式下，其环境效率波动表现出与“猪周期”同步的特征，是“船小好调头”的生动体现，对养殖环境、排污处理的投入上及时与猪价变动保持一致。生猪中等规模养殖的环境效率波动表现为先降后升，在环境投入的调整上存在滞后，加上受政策、技术影响更大，所以没有像小规模一样与“猪周期”波动同步。生猪大规模养殖的环境效率波动呈现为先升后降的趋稳趋势。另一反常的现象是三种规模2017年的环境效率均较2016年有所下降，通过观察基础数据发现，主要是医疗防疫支出提高较多，还有2017年面对国家层面的严格环保督查，各养殖场的环保控污设施的运行加大了水和燃料动力费支出所致。
②生猪不同规模养殖模式下，其环境效率随时间变迁具有收敛性，即图1所揭示的三条线趋向与1.15值靠拢。这一特征待后验证。考虑到技术水平的发展普及、涉及环境保护的政策趋严、消费者对环保品质的追求等因素对不同养殖规模的影响具有一致性，所以我们有理由相信生猪养殖环境效率的收敛性特征。
③环境效率值与生猪养殖规模呈正比，即大规模养殖模式的环境效率高于中规模养殖模式的环境效率，中规模养殖模式的环境效率高于小规模养殖模式的环境效率，个别年份除外。这种特征，是由环境投入的规模效应决定的。

3.2 环境效率的空间序列及其动态变化

表4是依据计算结果整理出的2017年相对2004年各省及区域分规模的养殖环境效率排名及变化情况，图2是2004—2017年分规模中国17个生猪主产省的养殖环境效率均值的柱状图。
表4 17个生猪主产省环境效率排名及动态变化(2004—2017)

Tab.4 The specific environment efficiency ranking 17 pigs and dynamic change (2004-2017)

省份 小规模 中规模 大规模
2004 2017 幅度 均值 2004 2017 幅度 均值 2004 2017 幅度 均值
江苏 2 16 （-14） 13 2 16 （-14） 16 8 9 （-1） 7
浙江 7 11 （-4） 4 14 6 （+8） 11 13 17 （-4） 16
广东 16 17 （-1） 17 15 17 （-2） 17 17 15 （+2） 17
沿海平均 （2） （4） （-2） （4） （2） （4） （-2） （4） （4） （4） （0） （4）
辽宁 12 12 （0） 9 7 13 （-6） 13 6 11 （-5） 6
吉林 10 8 （+2） 7 17 14 （+3） 12 10 14 （-4） 14
黑龙江 17 9 （+8） 12 16 7 （+9） 7 14 8 （-6） 13
东北平均 （4） （2） （+2） （3） （4） （3） （+1） （3） （3） （3） （0） （3）
河北 1 4 （-3） 2 3 3 （0） 4 12 12 （0） 15
山东 5 3 （+2） 1 5 11 （-6） 6 4 1 （+3） 1
安徽 6 7 （-1） 14 10 10 （0） 15 5 2 （+3） 4
河南 8 2 （+6） 6 11 8 （+3） 9 15 7 （+8） 12
湖北 15 15 （0） 16 8 4 （+4） 10 16 3 （+13） 9
湖南 11 5 （+6） 3 1 2 （-1） 1 1 6 （-5） 2
中部平均 （1） （1） （0） （1） （1） （1） （0） （2） （2） （1） （+1） （1）
广西 3 10 （-7） 11 12 15 （-3） 14 7 13 （-6） 10
重庆 4 1 （+3） 5 4 5 （-1） 3 11 5 （+6） 5
四川 14 13 （+1） 15 6 12 （-6） 5 2 16 （-14） 8
贵州 9 14 （-5） 8 13 9 （+4） 8 9 10 （-1） 11
云南 13 6 （+7） 10 9 1 （+8） 2 3 4 （-1） 3
西南平均 （3） （3） （0） （2） （3） （2） （+1） （1） （1） （2） （-1） （2）
图2 规模生猪养殖环境效率的时空分布

Fig.2 Scale pig breeding environment efficiency of time and space distribution

比较不同省份三种规模在2004和2017年的效率排名动态变化情况：①小规模养殖有10个省排名上升了，上升位次大的有黑龙江（+8）、云南（+7）、湖南（+6）三个省；有6个省位次则不同程度地下降，分别是广西、贵州、浙江、河北、安徽、广东，位次下降最大的是江苏（-14）、广西（-7）、贵州（-5）三省，湖北、辽宁的位次没有变化。②中规模养殖有7个省排名上升，上升位次大的有黑龙江（+9）、云南（+8）、浙江（+8）三个省；其他8个省位次则不同程度地下降，下降幅度最大的分别是江苏（-14）、辽宁（-6）、山东（-6）、四川（-6），河北、安徽的位次没有变化。③大规模养殖有6个省排名上升了，以湖北（+13）、河南（+8）、重庆（+6）上升幅度较大；有10个省排名位次下降，四川（-14）、广西（-6）、黑龙江（-6）、广西（-6）位次下降较大，湖南、辽宁均退后5位，浙江、吉林均退后4位。对于这些不同规模生猪养殖的环境效率位次排名变动大的省份，其地方政府及主管部门出于对本地区资源禀赋条件变化及其整体经济发展战略定位调整的考虑，对各类规模化养殖的引导与支持政策做出调整可能是一个重要原因。
图2显示，各主产省14年中无论是大规模，还是中、小规模养殖环境效率的平均值均大于1。参照杜红梅的研究[25]，将环境效率水平划分为4个层级。第一层级（1.75~1.98），效率最高层级状态，小规模和中规模生产均无省份达到，仅有大规模模式下的山东达到。第二层级（1.50~1.74），也只有大、中规模下的湖南及大规模下的云南达到。第三层级（1.25~1.49），小规模模式下山东、河北、湖南、重庆，中规模模式下的河北、云南、重庆、四川、山东，大规模模式下的安徽、重庆达到。第四层级（1~1.24），小规模下除山东、河北以外的省份，中规模下除湖南、河北、云南、重庆、四川、山东外的省份，大规模下除山东、湖南、云南、安徽、重庆外的省份都处在这个层级状态。整体看，各省不同种养殖模式的环境效率还有很大提升空间。
整体上大规模生猪养殖的环境效率均值高于中规模环境效率均值，中规模的均值高于小规模的均值。就17个生猪主产省的典型省份环境效率值分析，河北最适合发展中规模养殖，其次是小规模，最不适合发展大规模养殖。山东最适合发展大规模养殖，其次是小规模，最不适合发展中规模养殖。湖南以大规模养殖环境效率最高，但中规模养殖环境效率在17个主产省中处于绝对优势地位，最不适合发展小规模养殖。

3.3 环境效率差异敛散性检验

通过前面进行的环境效率时间及空间差异分析可以知道，大中小规模养殖的环境效率存在省际和区域差异，且呈现出一定的时间演化趋势。因此，为了更加直观地反映这种规模与区域差异的敛散性，本文进一步通过收敛检验分析17个主产省整体及沿海、东北、中部、西南地区3种规模的环境效率区域差异的离散趋势。收敛检验公式如下：
σ t = n - 1 ∑ i = 1 n δ i t - n - 1 ∑ i = 1 n δ i t 2
式中： δ i t是第i省份第t年的效率值；n代表测算的省份数量。
定义 σ t + 1 < σ t为环境效率的区域差异呈收敛状态。若对于任意年份 t < s，都有 σ s < σ t，表示样本期间环境效率的区域差异呈现一致性σ收敛。利用公式（4）分别测算三种规模下17个主产省整体及4个区域的养殖环境效率区域差异的σ收敛指数，结果如图3~图6。
图3 2004—2017年三种规模的环境效率差异敛散性趋势

Fig.3 Convergence trends of environmental efficiency differences of three scales from 2004 to 2017

图4 2004—2017年大规模生猪养殖环境效率区域差异敛散性趋势

Fig.4 Convergence trend of regional differences in environmental efficiency of large-scale pig breeding from 2004 to 2017

图5 2004—2017年中规模生猪养殖环境效率区域差异敛散性趋势

Fig.5 Convergence trend of regional differences in environmental efficiency of medium-scale pig breeding from 2004 to 2017

图6 2004—2017年小规模生猪养殖环境效率区域差异敛散性趋势

Fig.6 Convergence trend of regional differences in environmental efficiency of small-scale pig breeding from 2004 to 2017

从大、中、小三种规模的收敛指数看，2007年前呈现发散趋势，2008年后呈现一致性收敛趋势。
大规模就17省总体而言，存在2个敛散性阶段：2004—2007年环境效率区域差异呈现一致性发散趋势，2008—2017年呈现收敛；沿海地区2004—2007年，总体呈现收敛趋势，2008—2010年呈现发散，2011—2017年没有呈现一致性收敛，而是先收敛，后发散；东北地区2004—2008年呈发散趋势，2009—2011年呈现收敛，2012年后呈发散趋势；中部地区，2013年前的敛散性趋势与沿海基本一致，但2014年后呈收敛；西南地区的敛散性趋势与17省总体基本一致。
中规模存在3个敛散性阶段：2004—2007年17省总体、沿海、中部、东北呈现收敛趋势，西南呈现发散趋势；2008—2010年总体和四个区域均呈现收敛趋势；2011—2017年除东北地区外，17省总体、沿海、中部、西南呈现发散趋势，东北地区先发散，而在2014年后呈现收敛趋势。
小规模存在3个敛散性阶段：2004—2008年除东北地区外，17省总体、沿海、中部、西南呈发散趋势；2009—2012年17省总体、沿海、中部、西南呈现收敛趋势，东北呈发散趋势；2013后年除东北地区外均呈现发散趋势，东北地区呈收敛趋势。

3.4 基于SE-SBM的松弛变量分析

考虑到整体上大规模养殖环境效率最高，因此基于非期望产出的SE-SBM模型，对2004—2017年我国17个省份大规模生猪养殖环境效率所对应的投入、产出松弛变量进行分析。从表5可以发现，17个优势省份的大规模养殖环境效率均属于弱 DEA有效，即松弛变量不全为0，因此存在投入过量或产出不足问题，减少过量投入、削减非期望产出、提高期望产出成为不同地区提升环境效率的方向。
表5 2004—2017年17省大规模养殖环境效率及其松弛变量结果 Tab.5 17 provinces’ large-scale aquaculture environmental efficiency and the slack variable results from 2004 to 2017
DMU 效率值 投入松弛变量 产出松弛变量
用工数量 精饲料重量 仔猪重量 水及燃料动力费 医疗防疫费 化学需氧量 总氮排放量 总磷排放量 主产品净产量
S 1 - S 2 - S 3 - S 4 - S 5 - S 1 b + S 2 b + S 3 b + S g +
江苏 1.215 0.399 16.911 4.904 0.607 2.222 425.670 0.122 0.286 0.286
浙江 1.037 0.027 1.922 0.258 0.069 1.462 0.959 0.340 0.066 0
广东 1.025 0.046 4.305 0.877 0 0 0.964 0.870 0.124 0
辽宁 1.221 0.816 0.807 3.291 0.502 1.982 327.110 0.984 0 0
吉林 1.148 0.857 4.426 0.426 0.808 1.254 188.370 0.273 0.057 0
黑龙江 1.149 0.071 0.915 4.454 0.095 2.237 41.955 51.696 0 0
河北 1.128 0.080 15.478 5.203 0.371 0.241 0.974 0.473 0.120 0
山东 1.806 1.033 0.854 1.000 4.258 0.716 1 166.900 169.340 0 0.657
安徽 1.282 0.932 4.131 1.840 0.938 0.929 113.040 0.052 0.065 0
河南 1.150 0.643 6.785 4.202 0.643 0.910 0.349 0.965 0.643 0
湖北 1.170 0.483 3.083 0.827 0.119 0.153 0.828 0.822 0.051 0
湖南 1.601 1.354 6.957 3.525 2.238 0.454 211.460 60.808 0.356 0
广西 1.154 0.164 29.463 2.353 0.356 1.942 0.658 1.072 1.237 0
重庆 1.273 0.082 27.019 1.322 0.556 1.586 0.998 0.622 0.121 0
四川 1.204 0.232 5.045 0.660 0.675 2.904 0.993 26.790 0.061 0.143
贵州 1.152 0.500 9.848 0.934 0.625 2.575 0.852 15.955 0.140 0
云南 1.513 1.079 4.027 0.883 1.918 3.940 1.000 19.092 0.571 0
投入方面，除广东在水及燃料动力费和医疗防疫费2项投入上不存在冗余外，其他各省在5项投入要素上均存在冗余，说明大规模在养殖技术与饲养管理上存在很大改进和完善空间。用工数量冗余最多的省依次是湖南、云南、山东、安徽、吉林、辽宁；精饲料投入冗余最多的是广西、重庆、江苏、河北、贵州；仔猪投入冗余最多的是河北、江苏、黑龙江、河南、湖南；水及燃料动力费投入冗余最多省是山东、湖南、云南、安徽、四川；医疗防疫费冗余最多的省份是云南、四川、贵州、黑龙江、江苏。产出方面，对于COD、TN、TP排放削减，17省效率偏低，除山东、辽宁、黑龙江3个省份在TP产出上不存在过量或者说不存在削减不足外，各省在各项非期望产出上都存在减排不足问题，化学需氧量（COD）削减不足的省份依次是山东、江苏、辽宁、湖南、吉林；总氮（TN）削减不足的省份依次是山东、湖南、黑龙江、四川、云南；总磷（TP）削减不足的省份依次是广西、河南、云南、湖南、江苏；期望产出不足的省份是山东、江苏、四川。
可见，随着政府和社会对养殖业污染问题的高度重视和日益关注，虽然17个生猪主产省份在投入和产出上取得一定增长，但环境效率还未能达到最有效水平。其中，不存在投入水平和产出效益同时达到最优的省份，说明我国目前生猪规模养殖投入要素的配置能力仍然不足，规模养殖污染减排绩效不佳，相关环境规制的政策与措施没能达到预期效果，规模养殖的COD、TN削减绩效还有待进一步提升和挖掘，“两型”养殖技术及养殖废弃物资源化利用的实用性技术和应用管理技术亟待落地。

4 结论与政策启示

本文基于17个生猪生产优势省2004—2017年规模养殖的统计数据，采用考虑非期望产出的非径向、非角度SE-SBM模型，对不同规模养殖的环境效率以及不同规模下各区域、省份的环境效率值的综合度量和比较，主要得出以下结论：①2004—2017年我国生猪规模养殖环境效率较理想，说明进入新世纪后，政府在保障老百姓猪肉消费需求和良好环境需求方面的政策举措取得了较好的效果，生猪规模养殖环境效率都处于有效状态。②若将环境效率水平划分为4个层级，即1.75~1.98为第一层级，1.50~1.74为第二层级，1.25~1.49为第三层级，1~1.24为第四层级，整体上各省不同规模养殖的环境效率都还存在提升空间。③生猪规模养殖环境效率呈现出明显的区域和规模差异，区域上表现为中部和西南优势区比东北及沿海优势区的效率更高，规模上呈现为大规模环境效率最高，中规模次之，小规模最低；就17个生猪主产省的典型省份来说，河北适合发展中、小规模养殖，山东较为适合发展大、小规模养殖，湖南更加适合发展中、大规模养殖，中规模在全国处于绝对优势地位，云南较为适合发展大规模养殖。④17个生猪主产省份大规模养殖在投入和产出上均取得一定增长，但环境效率还未能达到最有效水平，目前生猪养殖投入要素的配置能力有待提高，COD、TN两污染因子削减绩效还有待进一步提升和挖掘。
本文的政策启示：①资源与环境压力日趋加大，生猪养殖场面临市场与环境双重风险，作为农民增收重要渠道的生猪养殖应该列入各级政府的重点扶持范围，尤其迫切需要根据其发展规律和市场需求建立长效发展机制，实现产业可持续发展。②进一步优化生猪产业空间布局，综合考虑区域资源禀赋条件、经济发展水平、环境承载率，提高集约化水平，生猪规模发展模式应在空间上呈现“协调发展”格局。③不论是沿海经济发达区还是中西部欠发达区，不仅要考虑投入与期望产出的生产效率，同时要考虑养殖废弃物资源化利用的规模经济要求，选择与确定适度养殖规模，且在时间上要保持“适度演进”趋势。④政府应加大“两型”养殖实用性技术推广应用，同时要加强技术的公共性服务供给，确保技术预期效果实现。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Chung Y H, Fare R. Grosskopf S. Productivity and undesirable outputs:a directional distance function approach[J]. Journal of Environmental Management, 1997, 51(3):229-240.

[2]
王兵, 杨华, 朱宁. 中国各省份农业效率和全要素生产率增长——基于SBM方向性距离函数的实证分析[J]. 南方经济, 2011(10):12-26.

[3]
薛建良, 李秉龙. 基于环境修正的中国农业全要素生产率度量[J]. 中国人口·资源与环境, 2011, 21(5):113-118.

[4]
杨俊, 陈怡. 基于环境因素的中国农业生产率增长研究[J]. 中国人口·资源与环境, 2011, 21(6):153-157.

[5]
李谷成, 陈宁陆, 闵锐. 环境规制条件下中国农业全要素生产率增长与分解[J]. 中国人口·资源与环境, 2011, 21(11):153-160.

[6]
潘国言, 龙方, 周发明. 我国区域生猪生产效率的综合评价[J]. 农业技术经济, 2011(3):58-66.

[7]
刘清泉, 周发明. 我国生猪养殖效益的影响因素分析[J]. 中国畜牧杂志, 2012, 48(22):47-54.

[8]
梁建宏, 刘清泉. 我国生猪生产规模报酬与全要素生产率[J]. 农业技术经济, 2014(8):44-52.

[9]
闫振宇, 陶建平, 徐家鹏. 中国生猪生产的区域效率差异及其适度规模选择[J]. 经济地理, 2012, 32(7):107-112.

[10]
李杰, 胡向东, 王玉斌. 生猪养殖户养殖效率分析——基于4省277户养殖户的调研[J]. 农业技术经济, 2019(8):29-39.

[11]
张晓恒, 周应恒, 张蓬. 中国生猪养殖的环境效率估算——以粪便中氮盈余为例[J]. 农业技术经济, 2015(5):92-101.

[12]
吴学兵, 乔娟, 李谷成. 环境约束下的中国规模猪场生产率增长与分解研究[J]. 统计与决策, 2013(20):118-120.

[13]
王德鑫, 郑炎成, 李谷成, 等. 环境规制条件下我国规模化生猪生产效率的测度与分析——兼论生猪养殖的适度规模经营[J]. 农业现代化研究, 2015, 36(5):818-825.

[14]
郑微微, 胡浩, 周力. 基于碳排放约束的生猪养殖业生产效率研究[J]. 南京农业大学学报:社会科学版, 2013, 13(2):60-67.

[15]
左永彦, 彭珏, 封永刚. 环境约束下规模生猪养殖的全要素生产率研究[J]. 农村经济, 2016(9):37-43.

[16]
王雪娇, 肖海峰. 中国生猪养殖业生产效率和全要素生产率增长——基于SBM方向性距离函数的实证分析[J]. 北京航空航天大学学报:社会科学版, 2017, 30(4):67-76.

[17]
王刚毅, 申玉琢, 王舫. 基于DEA-Tobit法的生猪养殖生态效率估算及影响因素分析——以黑龙江省为例[J]. 东北农业大学学报:社会科学版, 2018, 16(4):13-18.

[18]
于连超, 张卫国, 毕茜, 等. 中国生猪养殖业绿色全要素生产率的测算[J]. 统计与决策, 2020(13):107-110.

[19]
Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3):498-509.

[20]
Tone K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2002, 143(1):32-41.

[21]
Huang Jianhuan, Yang Xiaoguang, Cheng Gang, et al. A comprehensive eco-efficiency model and dynamics of regional eco-efficiency in China[J]. Journal of Cleaner Production, 2014, 67:228-238.

[22]
吴根义, 廖新俤, 贺德春, 等. 我国畜禽养殖污染防治现状及对策[J]. 农业环境科学学报, 2014, 33(7):1 261-1 264.

[23]
祝其丽. 猪场清粪方式调查与沼气工程适用性分析[J]. 中国沼气, 2011(1):27-28.

[24]
杜红梅, 李孟蕊, 王明春, 等. 基于SE-DEA模型的中国生猪规模养殖环境效率时空差异研究[J]. 中国畜牧杂志, 2017, 53(1):131-137.

[25]
杜红梅, 王明春, 胡梅梅. 湖南省生猪规模养殖环境效率及其比较分析——基于SE-SBM模型及2004—2014年的数据[J]. 湖南农业大学学报:社会科学版, 2017, 18(1):67-76.

Options
Outlines

/

〈 〉