生豬養殖業集聚發展下不同規模生產效率評價

梁世夫，陶桂任

（中南民族大學經濟學院，湖北 武漢 430074）

豬肉是中國居民最主要的肉類消費品，同時也是主要的“菜籃子”產品之一。2022年中央一號文件提出，穩定生豬生產長效性支持政策，穩定基礎產能，防止生產大起大落有助于保障“菜籃子”產品供給。2014—2020年，中國生豬出欄量由73 510萬頭下降到52 704萬頭，減少28.3%；豬肉產量由5 820.8萬t下降到4 113.33萬t，減少29.3%。受出欄量及產量減少的影響，國內豬肉市場供給形勢日益趨緊，對國際豬肉市場的依賴程度將有所增加，呈持續凈進口態勢[1]。在此背景下，如何調整生豬養殖要素投入，提高生豬養殖業生產效率已成為保障“菜籃子”產品供給的重中之重。當前國內生豬養殖業空間集聚態勢顯著[2]，需尤為關注集聚水平提升對生豬養殖業生產效率的推動作用。因此，本文基于不同規模全要素生產率視角，探討生豬養殖業集聚過程中由于規模化生產、專業化分工帶來的聚集經濟效應及其空間溢出效應，對降低生豬養殖成本、提高養殖場（戶）收益、提升產業生產效率具有重要現實意義。

產業集聚帶來的優勢使得其概念一經提出就受到學術界廣泛關注。相關研究最早出現于工業領域，并得到了產業集聚通過規模報酬遞增促進勞動生產率、產業全要素生產率提高等一般性結論[3-4]。隨著中國工業化、市場化進程深入，各地區基于比較優勢促進農業生產規模化亦日益顯著。學者紛紛對農業產業集聚特征、優勢及形成原因展開研究[5-7]， 但多以定性分析為主。計量經濟學的發展使得越來越多的學者開始關注農業產業集聚與經濟績效之間的定量關系，對此可大致劃分為兩類：第一類學者認為農業產業集聚水平越高越有利于經濟績效的提升，如呂超和周應恒[8]基于C-D生產函數揭示了蔬菜產業集聚帶來的規模經濟提升了蔬菜產業產值；趙丹丹和周宏[9]利用中介效應模型發現糧食作物生產集聚通過規模效應、專業化效應和技術外溢效應提升了糧食生產效率。第二類學者認為農業產業集聚并不一定帶來經濟績效提升，即二者存在非線性關系，如李博偉等[10]以淡水養殖為例，利用門檻回歸模型發現產業集聚水平對農民收入影響具有門檻效應；高維龍[11]利用中介效應模型驗證了規模經濟是產業集聚與糧食產業綠色全要素生產率之間“倒U型”曲線關系的中介渠道。空間計量經濟學的發展使得有學者開始注意到農業產業集聚除對本區域產生影響外，還能產生空間溢出效應對周邊區域產生影響[12-13]。

通過文獻回顧發現：1）從研究對象來看，目前關于農業產業集聚及其優勢的研究多集中于種植業，針對生豬養殖業的研究相對匱乏，或是僅關注集聚與產出量而非生產效率的關系[14]，或是忽視空間溢出這一維度[15]。2）從研究視角來看，大多數文獻關注的是區域差異性，而忽視了產業規模異質性。3）從實證模型來看有兩點值得推敲，第一是部分文獻假定產業集聚與經濟績效僅為簡單的線性關系；第二是大多數文獻分析產業集聚空間溢出效應時，忽視了其空間非對稱性。基于此，本文首先在理論層面從本地影響、空間溢出兩個維度梳理產業集聚對不同規模生豬養殖業生產效率的可能路徑并提出相應假說，然后基于DEA—Malmquist測算出我國15個生豬養殖主產省區不同規模全要素生產率，并利用核密度曲線觀察其動態演進特征，最后通過固定效應估計、兩階段最小二乘回歸（2SLS）和全面的可行廣義最小二乘法（FGLS）檢驗產業集聚與不同規模全要素生產率之間的非線性關系，并通過空間杜賓模型和兩區制空間杜賓模型檢驗產業集聚的空間溢出效應和其非對稱性，以此為政策制定提供決策參考。

1 理論分析與研究假說

生豬養殖業集聚影響生產效率的機制主要表現為產業集聚——外部性（空間溢出效應）——生產效率。

1.1 外部性

產業集聚通過外部性對產業內廠商會產生兩種方向相反的影響：一是長期平均成本下降和生產效率提高的聚集經濟或外部規模經濟，二是長期平均成本上升和生產效率降低的聚集不經濟或外部規模不經濟。生豬養殖業集聚就是眾多生豬養殖場（戶）在局部空間上的集中過程。因此，生豬養殖業集 聚也會通過外部性對生產效率產生兩種方向相反的影響。

首先，生豬養殖業集聚通過正外部性即規模經濟提高生產效率。第一，生豬養殖業集聚提高了生豬養殖業基礎設施等固定投入的利用效率，從而獲得了規模報酬遞增帶來的成本降低和生產效率提升；第二，生豬養殖業集聚實現了養殖場（戶）間共享購銷渠道，增強了市場支配能力、降低了交易成本，從而提高了生產效率；第三，生豬養殖業集聚易于技術外溢，促進了生豬養殖業的技術進步：產業集聚能夠促進龍頭企業采用新技術、新方法，促進技術應用；產業集聚也能夠推動養殖場（戶）之間的技術模仿或交流，促進技術傳播與擴散，使得全行業的生產效率得以提高。

其次，生豬養殖業集聚通過負外部性即規模不經濟抑制了生產效率提升。第一，生豬養殖業集聚到一定程度后，受生產技術水平、經營管理能力等限制導致養殖場（戶）的資源配置效率下降，陷入規模報酬遞減，抑制了生產效率的提升；第二，生豬養殖業集聚過度也容易造成生產技術指導和衛生防疫等公共服務的供給不足，從而抑制了生產效率的提升；第三，生豬養殖業集聚過度也會形成生產技術創新的“搭便車”現象，阻礙了技術進步及生產效率提高。

生豬養殖業集聚對生產效率的具體影響取決于集聚水平與正外部性或負外部性的具體關系狀況，即生豬養殖業集聚存在著理論上的最優水平。據此，本文提出：

假說1：生豬養殖業集聚與生產效率呈“倒U型”曲線關系：產業集聚適度階段，提高產業集聚水平能夠促進生產效率提升；產業集聚過度階段，提高產業集聚水平則抑制生產效率提升。

1.2 空間溢出效應

僅僅是單一省（區）生豬養殖業集聚水平的提高，并不能充分激發該區域技術革新和品牌化效應潛力。若能實現生豬養殖業聚集經濟的空間擴散，進而形成生豬養殖業區域化、規模化，將極大推動整體區域生豬養殖效率水平的提升。實際上，在市場機制配置資源的過程中，完善的交通基礎設施、信息壁壘的破除和政策導向均會進一步促進生產要素在區域間的流動，形成一個龐大且復雜的空間溢出網絡。某一省（區）生豬養殖業集聚會通過模仿學習、同質化等方式形成擴散效應，影響周邊省區生豬養殖業生產效率水平，形成空間溢出效應。據此，本文提出：

假說2：生豬養殖業集聚對不同規模生產效率均存在空間溢出效應，即能通過輻射作用影響周邊區域生豬養殖業生產效率。

同時，處于空間溢出網絡中的省區受生豬養殖業發展階段不同、集聚水平差距不一等影響，其在空間溢出網絡中吸納或輻射的能力將有所差異，故有必要對生豬養殖業集聚的空間溢出效應進行非對稱性檢驗。據此，本文提出：

假說3：生豬養殖業集聚的空間溢出效應具有非對稱性，即不同省區生豬養殖業集聚水平的差異導致彼此間空間輻射與吸納能力有所差異。

2 模型設定、變量說明與數據來源

2.1 產業集聚對生產效率的非線性影響

基于前文外部性分析，為檢驗假說1，通過加入產業集聚的平方項驗證產業集聚對生產效率的非線性影響[14]。計量模型設定如下：

式中：下標i、t和l分別為省區、年份和不同規模生豬養殖業（小、中和大規模），Y是被解釋變量生豬養殖業生產效率，M是核心解釋變量生豬養殖業集聚水平，M2是其二次項，X是控制變量集合，下標k為控制變量個數，β0為常數項，β1、β2和θk分別表示產業集聚、產業集聚平方項及控制變量的回歸系數，εit為隨機誤差項。

2.2 產業集聚對生產效率的空間溢出效應

基于前文產業集聚的空間溢出效應分析，為檢驗假說2，在式（1）的基礎上納入樣本的空間相關性，構建同時包含空間誤差和空間滯后影響的空間杜賓模型（Spatial Durbin Model，SDM）[13]。計量模型設定如下：

式中：下標i、j表示不同省區，ρ、λ1、λ2和ηk分別表示生產效率、產業集聚水平、產業集聚水平二次項和各控制變量的空間滯后回歸系數，Wij為空間權重矩陣，μi和σt分別為空間、時間固定效應，εit為誤差項。為保證空間溢出效應估計結果穩健可靠，本文采用三種不同的空間權重矩陣構建方式：

1）空間鄰接權重矩陣W1。若兩省區地理位置相鄰，則Wij=1，（i≠j），否則Wij=0，（i=j）。

2）地理距離空間權重矩陣W2。權重設置采用基于經緯度計算的兩省區省會城市地理距離平方的倒數，即Wij=1/d2，（i≠j），否則Wij=0，（i=j）。

3）生豬出欄量空間權重矩陣W3。權重設置采用兩省區之間生豬出欄量之差絕對值的倒數，即Wij=1/|Qi-Qj|，（i≠j），否 則Wij=0，（i=j）[16]。其 中，Qi、Qj分別為i省和j省2006—2018年生豬出欄量年均值。

2.3 產業集聚空間溢出效應的非對稱性

為了準確估計產業集聚對不同規模生豬養殖業全要素生產率空間溢出效應的非對稱性，本文借鑒孫博文和孫久文[17]采用空間非對稱的研究方法，構建兩區制空間杜賓模型對假說3進行檢驗，具體如下：

式中：dit為0-1二值虛擬變量，是i省區對其他省區生 豬養殖業集聚水平的策略性反映[18]，當時，dit=1，否則dit=0，即當dit=1時，表示i省區生豬養殖業集聚水平高于其他省區集聚水平的加權平均值。ρ1和ρ2的正負和大小反映了不同省區生豬養殖業生產效率受其他省區集聚水平影響的敏感程度的差異。

2.4 變量說明

2.4.1 被解釋變量 選取以全要素生產率為表征的生豬養殖業生產效率為被解釋變量。考慮到生產效率的估算以養殖場（戶）增收為宗旨，即在養殖規模相對穩定的情況下以最小化投入為目標，因此本文采用投入導向的DEA—Malmquist指數法[19]估算各省區不同規模生豬養殖業全要素生產率，模型構建如下：

式中：xt、yt分別為t期的投入向量和產出向量，xt+1、yt+1分別為t+1期的投入向量和產出向量，Dt0和分別為t期和t+1期的產出距離函數，M0為全要素生產率。投入指標包括物質與服務費用、人工成本兩個方面，其中物質與服務費用包括仔豬進價、精飼料投入、水費及燃料動力費和醫療防疫費，人工成本以用工數量衡量；產出指標以實際產出量進行衡量，具體投入產出指標見表1[20-23]。同時，為剔除價格因素影響，對價值指標依照農業生產資料價格指數以2005年為基期進行平減。

表1 生豬養殖業全要素生產率投入產出指標Table 1 Input-output indicators of the total factor productivity in hog breeding industry

2.4.2 核心解釋變量 核心解釋變量為生豬養殖業集聚水平。目前區位熵指數被廣泛運用于度量區域內產業集聚水平，但考慮到傳統區位熵指數忽視了產業規模因素，因此本文借鑒Flegg和Webber[24]對傳統區位熵進行改進的方法并以產值指標進行計算，公式如下：

式中：pit表示i省區第t年生豬養殖業產值，git表示i省區第t年地區生產總值，Pt表示全國第t年生豬養殖業產值，Gt表示第t年國內生產總值；δ為敏感度，參考鐘搏和趙連閣[14]的研究，取中等敏感度，δ=0.3。

2.4.3 控制變量 參考已有文獻研究[25-27]，并結合生豬養殖業現實狀況，本文選取生豬銷售價格、農村人力資本、財政支農、經濟發展水平、工業化水平、飼料資源、機械化水平作為控制變量。被解釋變量、核心解釋變量及控制變量的測算方法和描述性統計見表2。

表2 變量定義及描述性統計Table 2 Variable definition and descriptive statistics

2.5 數據來源

根據《第一次全國污染源普查——畜禽養殖業源產排污系數手冊》和《全國農產品成本收益資料匯編》對規模的定義，生豬年出欄量在1 000頭以上的為大規模養殖場，100~1 000頭的為中規模養殖場（戶），30~100頭的為小規模養殖場（戶）。本文以《全國生豬優勢區域布局規劃（2008—2015年）》中的河北、遼寧、吉林、黑龍江、江蘇、浙江、安徽、山東、河南、湖北、湖南、廣東、廣西、四川、云南等15個省區為研究區域。為保證數據連續性，本文選取2006—2018年為研究時段，同時剔除掉福建、江西、重慶和貴州四個主產省份。相關數據均來自《全國農產品成本收益資料匯編》、《中國農村統計年鑒》、《中國統計年鑒》和《中國畜牧獸醫年鑒》。

3 結果與分析

3.1 不同規模生豬養殖業全要素生產率動態演進 特征

本文選擇爆發高致病性藍耳病的2006年、爆發豬O型口蹄疫情的2010年、生豬養殖行業進入環保嚴管期的2014年及爆發非洲豬瘟的2018年這4個代表年份作為考察期，采用核密度曲線觀察國內15個主產省區不同規模生豬養殖業全要素生產率動態演進特征。

3.1.1 大規模生豬養殖業動態演進特征 由圖1可知：第一，2006年的主峰效率值在1.01左右，表明大規模生豬養殖業在2006年高致病性藍耳病的沖擊下生產效率相對穩定；2010年相對于2006年核密度曲線向左移動，且主峰效率值在0.9左右，表明大規模生豬養殖業受2010年豬O型口蹄疫情等疫病的影響，生產效率較上年有所降低；2014年相對于2010年核密度曲線向右移動，且主峰效率值在1.05左右，表明在2014年出臺環保政策影響產能的情況下，大規模生豬養殖業生產效率仍較上年有所提高；2018年相對于2014年核密度曲線無明顯移動，且主峰效率值和側峰效率值均大于1，這主要是由于2018年8月在中國發生的非洲豬瘟主要沖擊的是2019年的生豬產能。核密度曲線位置的移動表明，此期間內大規模全要素生產率相對穩定。第二，2010年為單峰，即呈單極化現象，2006年、2014年和2018年為多峰，即呈多極化現象；所考察的4個年份均存在顯著右拖尾現象且波峰寬度逐漸擴大、波峰由尖峰向寬峰轉變。核密度曲線形狀變化表明，各省區之間大規模全要素生產率差異逐漸擴大，即省區之間生產效率的不平衡性問題逐年加劇。

圖1 大規模生豬養殖業全要素生產率動態演進Fig.1 Dynamic evolution of the total factor productivity in large-scale hog breeding industry

3.1.2 中規模生豬養殖業動態演進特征 由圖2可知：第一，2006年的主峰效率值在0.98左右，表明中規模生豬養殖業受2006年高致病性藍耳病的影響出現生產效率降低的狀況；2010年相對于2006年核密度曲線向左移動，且主峰效率值在0.98左右，表明中規模生豬養殖業受2010年豬O型口蹄疫情等疫病的影響，生產效率較上年有所降低；核密度曲線2014年相對于2010年、2018年相對于2014年均向右移動，且這兩年的主峰效率值均大于1。核密度曲線位置的移動表明，此期間內中規模全要素生產率呈提升趨勢。第二，2010年為單峰，即呈單極化現象，2006年、2014年和2018年為多峰，即呈多極化現象；2010年和2014年呈現出尖而窄的形狀，2006年和2018年呈現出扁而寬的形狀。核密度曲線的形狀變化表明，此期間內中規模全要素生產率的空間非均衡性問題逐漸弱化，但在2018年受非洲豬瘟的影響又陡然加劇。

圖2 中規模生豬養殖業全要素生產率動態演進Fig.2 Dynamic evolution of the total factor productivity in medium-scale hog breeding industry

3.1.3 小規模生豬養殖業動態演進特征 由圖3可知：第一，2006年的主峰效率值在1.01左右，表明小規模生豬養殖業未受到2006年高致病性藍耳病的影響而出現大量省區生產效率降低的狀況；2010年相對于2006年核密度曲線向左移動，且主峰效率值小于1，表明小規模生豬養殖業受2010年豬O型口蹄疫情等疫病的影響，生產效率較上年有所降低；2014年相對于2010年核密度曲線向右移動，2018年相對于2014年核密度曲線向右移動，且兩年的主峰效率值均大于1。核密度曲線位置的移動表明，此期間內小規模全要素生產率呈提升趨勢。第二，2006年和2014年為多峰，即呈多極化現象，2010年和2018年為單峰，即呈單極化現象；2006年、2014年和2018年存在顯著右拖尾現象；所考察的4個年份核密度曲線波峰值先上升再降低，且波峰寬度的變化幅度相對穩定。核密度曲線的形狀變化表明，此期間內小規模全要素生產率的空間絕對差異相對較穩定，即使是在發生重大疫病的2006年、2010年和2018年。

圖3 小規模生豬養殖業全要素生產率動態演進Fig.3 Dynamic evolution of the total factor productivity in small-scale hog breeding industry

3.2 產業集聚與全要素生產率“倒U型”曲線關系的檢驗

3.2.1 基準回歸結果分析 利用普通面板數據計量模型（1）對產業集聚與不同規模全要素生產率之間的關系進行驗證，經Hausman檢驗后選用固定效應模型進行參數估計。

由表3固定效應估計結果可知：第一，大、小規模生豬養殖業集聚的一次項回歸系數顯著為正、二次項回歸系數顯著為負。這表明在其他因素不變的情況下，提高生豬養殖業集聚水平對全要素生產率具有先促進、后抑制的作用，即生豬養殖業集聚與全要素生產率呈顯著的“倒U型”曲線關系。第二，中規模生豬養殖業集聚一次項、二次項的回歸系數分別為正和負，但并不顯著。這表明生豬養殖業集聚與全要素生產率存在不顯著的“倒U型”曲線關系。第三，大、中、小規模生豬養殖“倒U型”曲線的拐點分別為1.115、1.057和1.085。上述結果驗證了假說1，即生豬養殖業在一定集聚水平內對不同規模生產效率有顯著提升作用，在達到拐點后出現聚集不經濟對生產效率產生抑制作用。利用公式（5）計算出2018年河北、遼寧、吉林、黑龍江、江蘇、浙江、安徽、山東、河南、湖北、湖南、廣東、廣西、四川、云南的生豬養殖業集聚水平分別為0.697、0.367、0.626、0.948、0.152、0.082、0.652、0.615、0.745、0.794、1.160、0.225、0.903、0.961、1.158，可以看出在2018年除湖南和云南以外的13個生豬養殖主產省區的大、中、小規模生豬養殖業集聚水平均低于其拐點，這表明這13個省區生豬養殖業集聚還未達到最優水平，產業集聚過程中規模經濟帶來的生產效率提升空間有待挖掘。

從不同規模來看，在“倒U型”曲線拐點前的產業集聚對全要素生產率提升中，對小規模作用最大，其次是大規模，再次是中規模。在控制變量方面，生豬銷售價格對全要素生產率呈顯著的負相關影響，農村人力資本、財政支農、經濟發展水平對全要素生產率呈顯著的正相關影響，工業化水平、飼料資源和機械化水平對全要素生產率無顯著影響。3.2.2 內生性問題的討論 為緩解產業集聚與生豬養殖業全要素生產率互為因果而產生的內生性問題，本文選擇滯后一期產業集聚水平為工具變量進行兩階段最小二乘回歸。由表3兩階段最小二乘回歸估計結果可知：2SLS中第一階段的F統計量表明不存在弱工具變量問題，且大、小規模2SLS的回歸系數均低于固定效應估計的回歸系數，即互為因果可能產生的內生性問題造成了估計系數向上偏差。同時，不同規模生豬養殖業集聚的一次項和二次項回歸系數的顯著性、符號和大小比較與固定效應估計結果一致，說明在緩解一定內生性問題后，生豬養殖業集聚與不同規模全要素生產率之間“倒U型”曲線關系仍存在。

表3 產業集聚與全要素生產率關系估計Table 3 Estimation of the relationship between industrial agglomeration and the total factor productivity

3.2.3 穩健性檢驗 為保證估計結果穩健可靠，本文采用變量替換法（將核心解釋變量產業集聚水平的度量替換為豬肉產量和肉類總產量進行計算）和變更估計方法（將OLS估計變更為全面的FGLS估計）兩種方式進行穩健性檢驗，結果見表4。估計結果表明：在變量替換法下，小規模生豬養殖業集聚與全要素生產率之間存在顯著的“倒U型”曲線關系，大、中規模生豬養殖業集聚與全要素生產率之間存在不顯著的“倒U型”曲線關系；在全面的FGLS估計下，大、小規模生豬養殖業集聚與全要素生產率之間存在顯著的“倒U型”曲線關系，中規模生豬養殖業集聚與全要素生產率之間存在不顯著的“倒U型”曲線關系。無論采取何種方式進行穩健性檢驗，在“倒U型”曲線拐點前的產業集聚對全要素生產率提升中，均表現為小規模最大，其次是大規模，再次是中規模。以上結論與基準回歸結論基本一致，進一步佐證了模型結果的穩健性。

表4 穩健性檢驗回歸結果Table 4 Regression results of the robust test

3.3 產業集聚對全要素生產率空間溢出效應的檢驗

對不同規模生豬養殖業全要素生產率及集聚水平進行Moran指數檢驗，發現均存在顯著的空間相關性，證實了空間計量模型選用合理。因此，選擇空間杜賓模型（2）對產業集聚的空間溢出效應進行檢驗，并基于偏微分法將產業集聚對全要素生產率的總效應分為直接效應和間接效應。直接效應的實現路徑有兩條：一是本省（區）產業集聚對本省（區）全要素生產率的直接影響，二是本省（區）產業集聚對鄰近省（區）全要素生產率產生影響后再反饋給本省（區）。間接效應的實現路徑就是鄰近省（區）產業集聚對本省（區）全要素生產率的影響[28]。

由表5空間杜賓模型估計結果可知：在三種空間權重矩陣設定下，大、中、小規模全要素生產率的空間自回歸系數均顯著為正表明，各省區不同規模全要素生產率空間溢出均顯著為正，即生豬養殖生產效率高的省區之間相互鄰近，生豬養殖生產效率低的省區之間相互鄰近。

表5 產業集聚對全要素生產率空間溢出效應估計Table 5 Estimation of the spatial spillover e§ects of industrial agglomeration on the total factor productivity

第一，就大規模生豬養殖業而言，在鄰接權重矩陣、地理距離權重矩陣設定下，直接效應和間接效應均呈顯著“倒U型”曲線表明：某省（區）產業集聚對本省（區）大規模全要素生產率存在顯著的、直接的、非線性促進作用，并對鄰接、地理位置鄰近的省（區）產生影響后再反饋給本省(區)；鄰接、地理位置鄰近的省（區）產業集聚對本省（區）大規模全要素生產率也存在顯著、間接、非線性促進作用。

第二，就中規模生豬養殖業而言，在三種空間權重矩陣設定下，直接效應不顯著、間接效應呈顯著“倒U型”曲線表明：鄰接、地理位置鄰近和年出欄量水平相近的省（區）產業集聚對本省（區）全要素生產率存在著顯著的、間接的、非線性促進作用。

第三，就小規模生豬養殖業而言，在三種空間權重矩陣設定下，直接效應呈顯著“倒U型”曲線表明：某省（區）產業集聚對本省（區）小規模全要素生產率存在顯著的、直接的、非線性促進作用，并對鄰接、地理位置鄰近、年出欄量水平相近的省（區）產生影響后再反饋給本省（區）；在地理距離和生豬出欄量權重矩陣下，間接效應呈顯著“倒U型”曲線表明，地理位置鄰近、年出欄量水平相近的省（區）產業集聚對本省（區）小規模全要素生產率存在顯著的、間接的、非線性促進作用。

從總效應估計結果可知，三種空間權重矩陣設定下的不同規模產業集聚回歸系數均高于不考慮空間溢出效應的情形，這表明生豬養殖業集聚的空間溢出效應有助于提高大、中、小規模的全要素生產率。上述結果驗證了假說2，即產業集聚除對本區域生豬養殖業生產效率有影響外，還能產生空間溢出效應對周邊區域產生影響。

3.4 產業集聚空間溢出效應的非對稱性檢驗

選擇空間鄰接權重矩陣估計兩區制空間杜賓模型（3），對產業集聚空間溢出效應的非對稱性進行檢驗。由表6估計結果可知，兩區制空間杜賓模型中ρ1和ρ2均在1%的顯著性水平上為正，且ρ1＞ρ2，該結果一方面說明了不論各省區生豬養殖業集聚水平高低程度如何，均存在空間交互行為，進一步驗證了假說2；另一方面說明了生豬養殖業集聚水平高的省區空間溢出效應更強，即產業集聚水平較高的省區更容易產生“擴散效應”，帶動周邊省區生豬養殖業全要素生產率的提升，該結果驗證了假說3。

表6 產業集聚空間溢出效應的非對稱性估計結果Table 6 Asymmetry estimation results of the spatial spillover e§ects of industrial agglomeration

4 結論與政策啟示

4.1 結論

基于DEA—Malmquist指數法估算出國內15個生豬養殖主產省區不同規模生豬養殖業全要素生產率，采用核密度曲線觀察其動態演進特征，運用普通計量模型和空間計量模型測度生豬養殖業集聚對不同規模全要素生產率的影響，主要結論如下：

第一，大規模全要素生產率相對穩定的同時各省區之間差異逐漸擴大；中規模全要素生產率呈上升趨勢的同時各省區之間差異先縮小再擴大；小規模全要素生產率呈上升趨勢的同時各省區之間差異相對穩定。

第二，生豬養殖業集聚對不同規模全要素生產率的影響均呈“倒U型”曲線特征表明：產業集聚水平較低時，提高產業集聚水平能顯著地提升全要素生產率；產業集聚水平超過“倒U型”曲線拐點后，聚集不經濟抑制了全要素生產率的提升。

第三，生豬養殖業集聚對全要素生產率的提升作用存在明顯的規模差異性：在“倒U型”曲線拐點前，提升集聚水平對小規模全要素生產率促進最大，其次是大規模，再次是中規模。

第四，生豬養殖業集聚對不同規模全要素生產率存在顯著的空間溢出效應，空間溢出效應有助于提高產業集聚對全要素生產率的促進作用。

第五，生豬養殖業集聚對全要素生產率的空間溢出效應存在顯著非對稱性：產業集聚水平較高的省區對其他省區的溢出效應更大，更易通過“擴散效應”帶動周邊省區生豬養殖業全要素生產率的 提升。

4.2 政策啟示

第一，對于達到“倒U型”曲線拐點的湖南省和云南省，其生豬養殖業發展已經處于外部規模不經濟階段，應通過其他途徑提高生產效率。例如延長產業鏈，從下游產業開辟路徑，推動生豬養殖業集聚到生豬養殖業集群的轉變。

第二，除湖南省和云南省以外的13個生豬養殖主產省區應推進產業整體規模擴張，發揮產業集聚外部規模經濟的效果。具體而言，首先是增加生豬養殖技術的研究開發、推廣等方面的資本投入；其次是加強生豬交易市場體系、現代物流體系等基礎設施建設，促進產業集聚進程。

第三，在生豬養殖業規模擴張過程中，既要積極支持家庭養殖，更要引導家庭養殖獲得規模經濟效應，實現農業多業態發展中的范圍經濟，形成以小規模為主體的生豬養殖業市場結構體系，而非持續地擴大中規模、大規模生豬養殖場的規模和數量。

第四，加強各省區之間生豬養殖技術交流與合作，促進各省區之間生豬養殖要素流動，其中的湖南省和云南省更要發揮其帶動周邊省區提升生豬養殖業全要素生產率的輻射作用。