不同養殖方式下奶農的技術效率及其影響因素分析

摘要：本文利用內蒙古自治區呼和浩特市的奶農調查數據，采用隨機前沿生產函數方法，分析了其技術效率及相關影響因素。研究結果表明：內蒙古三類養殖方式下的奶農均存在顯著的技術效率損失；散養奶農的平均技術效率最低，小區養殖奶農的平均技術效率略高于散養奶農，牧場奶農的平均技術效率最高；精飼料比重、養牛年限、教育水平和年齡對奶農的技術效率有顯著影響，而不產奶的牛數和養殖方式（小區、牧場）虛擬變量對奶農的技術效率影響不顯著。

關鍵詞：養殖方式；奶農；技術效率

中圖分類號：F326 文獻標識碼：Ａ文章編號：１００３－８５４Ｘ（２０11）06－０088－０6

一、問題提出

2008年出現“三聚氰胺”事件后，中國的奶業遭受重創，出現了信任危機，社會都把矛頭指向了小規模的家庭散養模式，而標準化養殖小區和規模化牧場則被認為是解決問題的出路，成為政府引導和鼓勵發展的方向，因此，在數量眾多的家庭散養模式不可能全部取消的情況下，出現了家庭散養、小區養殖和規模化牧場三種方式共存的局面。然而，政府推動奶牛養殖方式向集約化、標準化和規模化方向發展，更多是出于監管方便和奶源質量安全責任的考慮，但是否經濟上有利于奶農并沒有明確的答案。

奶業是內蒙古自治區的傳統特色產業，在其六大農牧產業中居首要地位。2008年，內蒙古自治區奶類產量為921.2萬噸，奶牛存欄量為245.6萬頭，分別占全國的24.36%和19.91%，均居全國第一位。在內蒙古自治區的101個旗縣區中，奶牛達96個、養殖戶達52萬戶、存欄量在100頭以上的奶牛養殖場（小區）有1500多個，在場奶牛30多萬頭。呼和浩特市是內蒙古自治區奶牛養殖量最大的地區，2008年存欄量69.97萬頭，均為荷斯坦牛，主要分布在土默特左旗、和林格爾縣、賽罕區、托克托縣等9個旗縣區，牛奶總產量280萬噸，乳品企業銷售總額為456.24億元，其中，伊利是216.59億元，蒙牛是238.65億元①。在“三聚氰胺”事件之后，從中央到內蒙古地方政府都在推動養殖方式從家庭散養向小區化和牧場化轉變。所以，本研究選擇內蒙古自治區為研究區域，從技術效率角度研究三類奶農的經濟差別，以判定轉變養殖方式是否對奶農有利。

國內已有文獻對奶業的技術效率進行了相關研究，但研究的內容、側重點和方法各不相同。技術效率是計算實際產量與最大可能產量之間的比率關系，反映現實產出與理論最優產出的差距。國內研究奶業主體技術效率的主要方法有隨機前沿函數方法（SFA）、數據包絡方法（DEA）、隨機距離函數法（SDF）和描述統計方法。在隨機前沿函數方法方面，Battese和Coelli在前人研究的基礎上最早提出該方法，它可以同時在一個模型中估計出行為主體的技術效率和影響技術效率的各因素②。該方法在中國各產業主體研究中應用較多，而在奶業主體研究中并不多。彭秀芬利用《全國農產品成本收益調查資料數據》（2005-2007）分析了中國不同地區原料奶的生產技術效率③；盧寧、李國平利用1998-2007年的省際面板數據，分析了中國乳制品業的技術效率變動情況④；馬恒運、唐華倉和Allan Rae利用《全國農產品成本收益資料匯編》（1992-2003）對國有及集體和個體奶牛場牛奶生產全要素生產率進行了研究⑤。在數據包絡方法方面，王德祥和徐德徽最早運用DEA方法研究了北京奶牛業的利潤率和技術效率⑥；張莉俠、劉榮茂、孟令杰利用1998-2005年的省級面板數據，應用DEA的非參數Malmquist指數方法，對中國乳制品業增長過程中全要素生產率和技術效率進行了測算⑦。在描述統計方面，卜衛兵、李紀生利用江蘇省的調查數據，用該方法對原料奶生產組織模式及其經濟和技術效率進行了實證研究⑧。

已有研究的不足之處主要體現在以下幾個方面：第一，各學者利用全國統計年鑒、成本收益匯編數據較多，不同的年鑒、匯編的統計口徑和方法有所差別，混合使用會有數據偏差，而且應用實地抽樣調查數據研究的較少。第二，養殖分類方式不一致，按養殖規模進行分類研究較多，缺乏根據實際養殖方式來分類的技術效率研究，甚至沒有進一步分析導致技術效率差別的原因。第三，應用描述統計方法過于粗略，不夠精準和明確。第四，平均技術效率測定結果差別較大，從72.18-91.1%，有必要進一步測量驗證。

二、理論框架及數據說明

1. 理論模型

關于測算技術效率的討論主要是參數法和非參數法，本文結合研究內容，采用參數法，以Battese 和 Coelli提出的隨機前沿生產函數模型為理論依據，應用經濟計量分析工具來分析內蒙古奶農的技術效率⑨。Battese和Coelli提出的可同時估計隨機前沿生產函數和技術效率損失影響因素的方法，可同時適用于面板數據和截面數據，其函數模型具體形式如下：

Yｉｔ＝ｅｘｐ（Xｉｔβ+Vｉｔ-Uｉｔ）i=1，2，……，N；t=1，2，……，T（1）

在（1）式中，Yｉｔ為生產單位i在t期的產出，Xｉｔ是生產單位i在t期的投入數量，β是待估參數向量。假定Vｉｔ為服從正態分布的隨機變量，其均值為零，方差為σ2ｖ，并且獨立于Uｉｔ，即Vｉｔ～N（0，σ2ｖ）。Uｉｔ是反映生產單位ｉ在ｔ期技術效率損失的非負隨機變量，假定服從均值為ｍｉｔ，方差為σ2ｉｔ的半正態分布，即Uｉｔ～N（ｍｉｔ，σ2u）。其中，ｍｉｔ＝Zｉｔδ為效率損失函數，Zit是影響生產單位i技術效率水平的變量；δ為對應的待估參數，反映變量Zｉｔ對技術效率的影響，負值表明該變量對技術效率有正影響，正值表明對技術效率有負影響。

方程（1）雖然有線性特征，但方程的誤差項不同于最小二乘法的古典假設條件，所以不能用此方法來進行有關參數的估計。根據Battese 和Corra提出的方法，令σ2=σ2ｖ+σ2u，γ=■（2）

其中，參數的取值在0到1之間。對公式（2）中，γ值的統計檢驗可以反映出生產單位技術效率的變異是否具有統計顯著性，當接受γ＝0假設時，則σ2u＝0，意味著實際產出與最大產出可能的差距主要來自隨機誤差項V，不存在生產單位技術無效率，然而當接受γ趨向于1的假設時，則隨機前沿生產函數的誤差主要產生于技術效率的損失。

生產單位i在t期的技術效率計算公式為：

TEit=■（3）

式（3）中，TEit為生產單位i在t期的技術效率，E（·）表示對括號中的數學等式求期望值。Yit為生產單位i在t期的實際產量值；（3）式的基本含義是產出的實際水平與沒有技術效率損失情況下的產出水平之比，沒有效率損失情況下，其值為1，一般會小于1，該比值越大，技術效率損失越小，比值越小，技術效率損失就越大。

2. 實證模型的設定

一是隨機前沿生產函數。在內蒙古的三種養殖方式中，奶農散養主要依靠家庭勞動力成員，自建牛舍和青貯窯，購買飼料加工機械（粉碎機、鍘草機等），在家庭承包經營以及轉租土地上種植玉米和牧草，將其產出作為主要飼料來源，還要購買部分豆餅、麩皮等精飼料，每天兩次通過村內奶站售奶。小區養殖方式也以家庭成員作為勞動力，有少量雇工，購買精飼料和粗飼料，租用養殖場地，通過小區內配備的奶站（廳）售奶。牧場養殖方式通過建立標準化奶牛舍、擠奶廳、飼草料庫等，雇傭多名工人，進行規模化養殖，養牛數量多，直接將奶交售到奶制品企業。總體上，可將奶農養殖投入分為勞動力成本、精飼料投入、粗飼料投入和其它生產費用（飼料加工費、水費、電費、配種費、工具材料費、醫療防疫費、機械設備維修費和牛舍維護費等）。其它固定資本投入，如建設牛舍、購買機械、建造青貯窯等，因是長期資本投入，屬于沉默成本，故暫不計算在內。本文將奶農的原料奶全年產量作為因變量，勞動力、精飼料喂養量、粗飼料喂養量和其它費用作為生產投入要素變量。模型的變量確定后，隨機前沿生產函數的具體形式可有柯布—道格拉斯函數和超對數函數兩種形式。

本文模型的設定首先采用目前比較常用的超對數函數形式，在模型估計中可用最大似然比檢驗法（LR檢驗）來進一步驗證函數形式的適用性。

超對數生產函數形式具體如下：

LｎYｉ＝β0+■βｊLｎXｊｉ+■■βｊｋLｎXｊｉLｎXｋｉ+Vｉ-Uｉ，ｉ=1，2，……，N；（4）

（4）式中Yｉ為奶農i的原料奶年產量，X1ｉ為奶農ｉ的勞動力投入，X2ｉ為奶農ｉ的精飼料喂養量，X3ｉ為奶農ｉ的青粗飼料喂養量，X4ｉ為奶農ｉ的其它費用支出。柯布—道格拉斯生產函數是超對數生產函數的一種特殊形式，當（4）式中所有平方項系數βｊｋ＝0時，超對數生產函數就變成了柯布—道格拉斯生產函數。

二是技術效率函數。根據彭秀芬的研究，奶農的技術效率受多種因素的影響，包括人力資本因素、生物因素、環境條件和社會經濟條件⑩。因當地奶牛品種均為荷斯坦牛（黑白花），而且調查地點均在呼和浩特市下轄的旗縣區內，氣候條件和社會經濟條件相差不大，所以，文中暫不考慮這些因素的影響，而重點考慮人力資本、養殖方式和精飼料投入比重等因素對技術效率的影響。因為不同養殖方式的平均養殖規模差距較大，為控制不同養殖方式的規模影響，文中還要引入養殖方式作為虛擬變量。在實際模型估計中，技術效率函數的形式可設為如下：

ｍｉ＝δ0+δ1ｘ2ｉ+δ3ｘ3ｉ+δ4ｘ4ｉ+δ5ｘ5ｉ+δ6D1+δ7D2（5）

對式（5）中各變量的解釋如表1。

三是數據來源及說明。本文使用的數據來自中國人民大學農業與農村發展學院課題組于2010年7月對內蒙古自治區呼和浩特市的奶牛養殖實地調查。課題組按照1個旗（縣、區）選取3-4個鄉（鎮、園區），一個鄉（鎮、園區）選取2個村（小區），村（小區）內進行隨機抽樣的原則，共調查了3個旗（縣、區），11個鄉（鎮、園區），24個村（小區）（如表2）。剔除數據殘缺樣本，適用于本研究的有效樣本數為394份，其中和林格爾縣111份，土默特左旗111份，賽罕區172份。

表1影響奶農技術效率的各因素

表2調查地點及樣本數

數據來源：通過調查整理，括號內為村內調查樣本數量（份）。

模型內所需的原料奶年產量、勞動力、精飼料、粗飼料、其它費用、不產奶的牛數、精飼料比重、養牛年限、教育水平和年齡等變量的描述性統計列在表3中。

三、實證結果分析

1. 隨機前沿生產函數分析

隨機前沿生產函數模型使用軟件frontier4.1，采用最大似然估計法進行估計{11}。為了驗證函數形式是否得當，首先用最大似然值比值檢驗法（LR檢驗）對柯布—道格拉斯生產函數和超對數函數兩種形式進行統計檢驗，檢驗統計量為：

LR＝-2［L（H0）-L（H1）］～ｘ2（ｑ）（6）

在式（6）中，L（H1）是沒有限制條件時對數似然函數的最大值，而L（H0）是有限制條件時對數似然函數的最大值，ｑ為限制條件的個數。

在表4中，原假設1表示函數形式是柯布—道格拉斯生產函數，即所有解釋變量的二次項系數都為零，原假設2表示所有奶農的技術都處在生產前沿面上，即奶農的技術不存在效率損失。假設檢驗的結果表明，與柯布—道格拉斯生產函數形式相比，超對數函數形式更適合本研究；奶農養牛的技術并未處在生產前沿面上，存在技術效率損失。因此，文中設定的模型函數形式是正確的。

表5報告了隨機前沿生產函數的估計結果。從 表5隨機前沿生產函數的估計結果

注：*表示在10%水平上顯著，**表示在5%水平上顯著，***表示在1%水平上顯著。

表5中可以看出，隨機前沿生產函數中技術無效率的方差占總方差的比例在1%水平上顯著，說明奶農在奶牛養殖過程中存在顯著的技術效率損失。因為超對數生產函數各投入要素的系數不能直接反映出產出與投入之間的動態聯系，所以，筆者通過計算各投入要素的產出彈性來反映投入對產出的影響。各投入要素的產出彈性按下列公式（7）、（8）、（9）、（10）計算，表6列出了各投入要素的產出彈性結果。

EX1＝β1+2β11LｎX1+β12LｎX2+β13LｎX3+β14LｎX4（7）；EX2＝β2+2β22LｎX2+β12LｎX1+β23LｎX3+β24LｎX4（8）；EX3＝β3+2β33LｎX3+β13LｎX1+β23LｎX2+β34LｎX4（9）；EX4＝β4+2β44LｎX4+β14LｎX1+β24LｎX2+β34LｎX3（10）

表6各要素的平均產出彈性

注：來自各投入要素的估計系數，LｎX1、LｎX2、LｎX3、LｎX4取各投入要素對數值的幾何平均數。

從表6的計算結果中可以看出：（1）勞動力的產出彈性是負值，說明勞動力投入數量已經過剩，增加勞動力投入會對奶農的原料奶產出有負面作用。這種結果可能是與變量采用勞動力數量來計算但無法具體衡量出每個勞動力的投入時間有關。奶農在實際養殖的過程中每天投入的勞動力不僅要養牛，還要耕種土地、收獲莊稼、處理家務等，所以，并不是每個勞動力的所有時間都在喂牛，從而顯得勞動力過剩。（2）精飼料和粗飼料的產出彈性均是正值，而且粗飼料的產出彈性更大，說明目前內蒙古奶農的飼料投入仍有增長空間，增加飼料投入，尤其是粗飼料的投入會進一步提高單產水平，增加原料奶的產出。（3）其它費用的產出彈性是正值，說明其它費用投入不足。由于奶農多是粗放式經營，在牛舍場地、飼料加工工具、疫病防治和環境衛生條件等支出方面仍很欠缺，如能增加這些方面的支出會繼續增加原料奶產量。

2. 技術效率的測算及影響因素分析

表7中列出了所調查奶農的技術效率結果。內蒙古奶農的技術效率分布在6.7%到90.71%之間，平均技術效率為61.94%，說明如能排除技術無效率影響，奶農可以有近38%的技術效率提升余地。同時，可以看出牧場養殖的技術效率平均已達88.62%，明顯高于小區養殖和散戶養殖方式，說明牧場化養殖方式更為專業化，更具有技術效率優勢。小區養殖方式與散戶養殖方式的技術效率相差不大，僅差4.18%，說明小區養殖方式的技術效率改進不多，這可能與多數小區養殖戶是由散養奶農直接轉變而來有關，雖然改變了養殖方式和場地，但養殖技術效率和專業化水平沒有明顯提高。

技術效率模型的計量結果在表8中給出。計量結果表明，精飼料比重、養牛年限、教育水平和年齡對奶農的技術效率有顯著影響，而不產奶的牛數和養殖方式（小區、牧場）虛擬變量對奶農的技術效率影響不顯著。

表7奶農的技術效率分布

表8技術效率損失模型結果

注：*表示在10%水平上顯著，**表示在5%水平上顯著，***表示在1%水平上顯著。

第一，精飼料比重對奶農的技術效率有顯著的正向影響，這驗證了本文該變量符號預期假定。精飼料含有能量和蛋白成分多，粗纖維少，易消化，營養價值高，奶農自身生產和配制成本高，需要從飼料公司、經銷商等處購買，而奶農，尤其是散戶和小區養殖戶不舍得給奶牛喂太多的精飼料，只有當奶牛產奶時才喂精飼料，不產奶則只喂粗飼料。因為奶農的勞動力成本低、金融資本少，要充分利用家庭勞動力耕種承包經營土地，多種植玉米、牧草，多喂青粗飼料，而少喂精飼料。實際上，在保持奶牛品種基因、繁殖頻率和管理水平等條件下，增加精飼料的喂養量，合理搭配精、粗飼料，可以有效提高奶牛的泌乳性能，增加牛奶產量，提高奶農的技術效率。

第二，養牛年限對奶農的技術效率有顯著的正向影響，這與本文的預期假定一致。養牛的時間長短對奶農養殖技術有重要影響，養殖的時間越長，養牛的經驗也就越豐富，在飼料搭配、檢疫防病、飼料加工等方面的技術都會大大提高，所以，養牛年限越長越有助于減少奶農養牛的技術效率損失。

第三，教育水平對奶農的技術效率有顯著的正向影響，這與本文的符號假定一致。教育代表著奶農的人力資本，教育水平越高說明學習能力強，在養殖的過程中更細心，更專業，更能學習新的技術和改進養殖方法，教育水平越低的奶農在養殖技術上越可能粗放一些，降低了原料奶的產量，損失了技術效率。

第四，年齡對奶農的技術效率有顯著的負向影響，這與本文的符號假定一致。在調查樣本的統計中得出奶農的平均年齡接近48歲，中老年奶農在家養牛居多，年輕人一般出去打工，隨著年齡的增加，年長的奶農體力下降，在土地耕種、秸稈收割、飼料加工等方面處于劣勢，追求奶業利潤的能力下降，進而影響養殖的技術效率，降低每頭奶牛的單產水平。這與養牛年限增加產生的技術效率正向影響并不矛盾，因為隨著奶農年齡增加，其體能下降帶來的技術效率下降幅度超過了養殖經驗帶來的提高幅度，從而降低了技術效率。

第五，不產奶的牛數對奶農的技術效率有正向影響，但不顯著且與本文的符號假定不一致。奶農在養殖的過程中要讓奶牛產奶，就必須首先給奶牛配種，生育小牛，賣出小公牛，而養育小母牛，同時，母奶牛一般會有2到4個月的停奶期，這就會使得年內有一部分奶牛不產奶。不產奶的牛數量增多會增加飼料的喂養量，卻沒有對原料奶產量做出貢獻，會使以原料奶產量測算的奶農技術效率下降，但計量結果顯示不產奶的牛數量與這一預期不一致，這可能與牧場內不產奶的牛數較多有關。牧場養殖規模較大，年內處于停奶期的奶牛數量眾多，而且規模化養殖小牛更經濟，所以，牧場不產奶的牛數影響了該變量的技術效率方向和顯著性。

第六，養殖方式（小區、牧場）虛擬變量對奶農的技術效率有正向影響，與本文的預期一致，但不顯著。小區養殖和牧場養殖相比散戶養殖在養殖場地上集中，養殖數量更多，精飼料比重更大，養殖設備更全，更趨于專業化，所以，奶農的技術效率會更高，這種預期與技術效率測算結果相一致。但兩種養殖方式的虛擬變量沒有通過顯著性檢驗，這可能與小區奶農比散養奶農的技術效率提高不大和牧場養殖樣本數量不夠多有關。

本文利用隨機前沿生產函數方法對內蒙古奶農的生產技術效率測定顯示，奶農的平均技術效率為61.94%，存在明顯的技術效率損失；散養奶農的平均技術效率最低，小區養殖奶農的平均技術效率略高于散養奶農，牧場奶農的平均技術效率最高。在原料奶產出投入方面，目前內蒙古奶農的勞動力產出彈性是負值，勞動力投入已過剩；精飼料和粗飼料的產出彈性均是正值，并且粗飼料的產出彈性更大，精飼料和粗飼料投入提高會增加原料奶的產量；其它費用的產出彈性是正值，說明改善養殖環境、增加配套設備、增加養殖服務和及時防治疫病等相關配套措施都會有助于增加原料奶的產量。在奶農的技術效率方面，提高精飼料比重、增加養牛年限和提高教育水平可以顯著提高奶農的技術效率，而年齡增加會讓奶農的技術效率損失，不產奶的牛數和養殖方式虛擬變量對奶農技術效率的影響并不顯著。

值得注意的是，政府在推動奶牛養殖方式向集約化、標準化和規模化方向轉變時，應考慮不同情況分別加以政策引導和優惠扶持，以增強轉變動力。這主要包括：增加牧場化養殖的資金扶持和稅收優惠，以降低牧場投資建設、運營成本，增加建設規模，提高牧場養殖比重；增加小區內養殖醫療衛生、防疫檢查、飼料統購、飼料加工等社會化服務功能，推動奶牛入社，提高奶農組織化程度，使奶農向更高技術效率的方向發展{12}；加強小區養殖管理培訓，以開辦講座班、配備技術指導員、發放養殖手冊等形式加強養殖宣傳和指導，增加科學養殖飼料配方技術傳授，增強奶農人力資本，改造傳統養殖技術，提高專業養殖技術效率，增加養殖經濟效益，增強小區養殖吸引力。

注釋：

① 中國奶業協會：《中國奶業年鑒》，中國農業出版社2009年版，第94-96頁。

②⑨ G. Battese， T. coelli， A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data， Empirical Economics， 1995， pp.325-332.

③⑩ 彭秀芬：《中國原料奶的生產技術效率分析》，《農業技術經濟》2008年第4期。

④ 盧寧、李國平：《中國乳制品行業技術效率變動研究——基于隨機前沿生產函數方法》，《東北大學學報》2010年第3期。

⑤ 馬恒運、唐華倉：《中國牛奶生產的全要素生產率分析》，《中國農村經濟》2007年第2期。

⑥ 王德祥、徐德徽：《北京奶牛業的利潤率和效率分析：一個DEA方法的應用》，《農業技術經濟》1997年第1期。

⑦ 張莉俠、劉榮茂、孟令杰：《中國乳制品全要素生產率變動分析——基于非參數Malmquist指數方法》，《中國農村觀察》2006年第6期。

⑧ 卜衛兵、李紀生：《我國原料奶生產的組織模式及效率分析——以江蘇省為例的實證研究》，《農業經濟問題》2007年第6期。

{11} T. coelli， A Guide to Frontier Version: A Computer Program for Stochastic Frontier Production and Cost Function Estimation， CEPA Working Paper， July， 1996.

{12} 孔祥智、鐘真、譚智心：《論發展農民專業合作社與農產品質量安全問題——以奶業為例》，《天津商業大學學報》2010年第4期。

作者簡介：房風文，男，1980年生，山東壽光人，中國人民大學農業與農村發展學院博士研究生，北京，100872；孔祥智，男，1963年生，山東郯城人，中國人民大學農業與農村發展學院教授、博士研究生導師，北京，100872。

（責任編輯 陳孝兵）

“本文中所涉及到的圖表、公式、注解等請以PDF格式閱讀”