第二章 中国生猪养殖的基本情况

第一节 研究背景

自2004年起，中共中央已连续出台16个“中央一号文件”指导“三农”工作，“三农”问题仍是我国党和政府当前乃至今后很长时间内的重要工作焦点。生猪养殖业，既是我国农业的重要产业，也是农民致富的重要领域。国家统计局数据显示，猪肉生产在我国畜牧业中处于主体地位，2018年，全年全国猪牛羊禽肉产量8517万吨，猪肉产量5404万吨，占63.45%。现今，中国生猪产业正在向规模化、集约化、标准化快速推进。生猪养殖规模的扩大，既带来了管理难度的提高、生产投入的增多，同时也加大了环境污染的风险。那么，以增加养殖成本和环境污染为代价而扩大的生猪养殖规模是否能够提高生猪养殖技术效率？这是生猪规模化养殖研究必须要探讨的一个问题。

生产技术效率的研究能够反映出技术力量在我国生猪养殖中得以发挥的程度，折射出技术更新应用对推动生猪养殖发展的有效程度。从现有研究看，众多学者对于生猪养殖技术效率都进行了研究。潘国言等运用数据包络分析法（DEA方法），考察了产销对接区域不同省份生猪生产方式的效率。王明利等运用随机前沿分析法（SFA方法），分析了各生猪主产区的效率差别及不同投入要素对生猪生产的贡献。张园园等则通过DEA方法，比较分析了2000—2011年山东省和全国不同饲养规模的生猪生产效率。林杰等采用DEA—Bad Output模型测度了18个省份不同规模生猪养殖在水资源约束下的环境技术效率。翁贞林等利用DEA模型Malmquist指数法，分析4种生猪养殖模式和年平均全要素生产率情况。张晓恒等分析了我国各地区不同规模生猪养殖个体的技术效率与环境效率状况。王德鑫等基于DEA—Malmquist生产率指数法，测度了中国规模化生猪养殖效率的变动情况。杜红梅等构建SE—DEA模型，对中国17个生猪主产区2004—2014年规模养殖的环境效率进行测算。

不难发现，现有文献在进行技术效率评价时，多采用DEA方法或SFA方法，但是，这两种方法在进行技术效率测评之时，较容易受到环境因素及随机误差的影响。而三阶段DEA模型则能够排除环境因素及随机误差所带来的管理无效率影响。为此，本章基于我国2008—2015年不同规模间生猪养殖的面板数据，借助三阶段DEA模型，在排除环境因素及随机误差影响的基础上，对我国不同规模间生猪养殖进行技术效率研究，期望更为准确地描述生猪养殖规模与养殖技术效率之间的关系，从而为我国生猪养殖业适度发展提供可靠的依据。