首页 > 文章中心 > 正文

生猪养殖全要素生产率的时空分异

生猪养殖全要素生产率的时空分异

摘要:本文基于2004-2013年中国29个省份的面板数据,分别使用SML指数、空间自相关和空间β收敛分析方法对环境约束下规模生猪养殖全要素生产率的时空分异趋势及收敛性进行分析。研究发现:中国规模生猪养殖全要素生产率主要受到技术进步的拉动在考察期内以年均5.29%的速度增长,技术效率在波动中无明显改善;随着技术进步度过快速空间外溢时期,地区间规模生猪养殖全要素生产率增长的正向空间溢出作用经历了先增后降的变化趋势;HH类型地区以中南区为基础逐渐向西北方向的重庆和陕西扩张,LL类型地区在北方以及华东区的连片分布范特征逐渐增强,HL类型和LH类型地区的连片特征趋于减弱;中国规模生猪养殖全要素生产率增长存在显著的绝对β收敛和条件β收敛特征,经济发展水平、畜禽养殖业发展水平和农村人力资本水平是影响收敛性的主要因素。

关键词:环境约束;规模生猪养殖;全要素生产率;时空分异;收敛性

1978-2013年期间中国畜禽养殖业产值占农业总产值比重由14.98%上升至29.32%,在经济发展水平提升和居民食物消费结构转型的推动下,我国畜禽养殖业持续蓬勃发展[1]。生猪养殖是我国畜禽养殖业的支柱产业,随着畜禽养殖业的快速发展,生猪养殖的规模化程度也在不断提高。在2004-2013年期间,我国生猪年出栏量在500头以上的养殖户从5.14万户上升至26.63万户,其生猪饲养数量由0.85亿头上升至3.74亿头。虽然规模养殖对于实现规模经济和促进农民增收具有重要作用,但规模的不断扩大也带来了巨大的生态环境压力。此外,持续上升的生产成本也促使规模生猪养殖面临的风险和挑战与日俱增。因此,中国未来规模生猪养殖应由依赖于投入要素增加和忽视环境约束的传统生产模式向全要素生产率(TotalFactorProductivity,TFP)增进和环境友好型的可持续发展模式转变,其中注重环境因素对于生猪养殖业发展的刚性约束显得尤其重要。那么,基于上述背景之下,考虑环境约束以后的中国规模生猪养殖TFP在时间上呈现出怎样的变化趋势,其变化的驱动因素是什么?规模生猪养殖TFP在空间上呈现出怎样的分异特征,其空间关联效应是否存在?规模生猪养殖TFP的地区差异是呈现收敛还是发散的趋势,影响其收敛性的因素有哪些?回答以上问题对于明晰环境约束下中国规模生猪养殖TFP的时空分异趋势及其收敛机制具有重要意义,同时也为进一步促进规模生猪养殖TFP增长与生态环境保护的协调发展,缩小地区间规模生猪养殖TFP差异提供实证依据。早期对于畜禽养殖业或是生猪养殖TFP评价的研究均基于投入—期望产出的视角,其评估方法大体可以划分为参数方法[2]-[4]和非参数方法两类[5]-[7],而得到的结论也不尽相同。曹佳等[8]的研究发现我国畜禽养殖业TFP在1978-2007年期间的年均增长率为4.71%,梁剑宏和刘清泉[4]、兰勇和姚屹浓[7]、王芳等[9]的研究发现我国不同规模的生猪养殖TFP均出现上升的趋势;也有部分学者得到了相反的结论,如宁攸凉和乔娟[10]、廖翼和周发明[11]的研究发现生猪养殖TFP由于受到技术停滞和倒退的影响呈现出下降的趋势;但上述研究均未考虑环境因素对于TFP增长的影响。

与此同时,众多学者在对农业TFP进行评价时,将环境因素纳入指标体系已经成为全面、准确评估农业TFP工作中至关重要的一环,李谷成等[12]、韩海彬[13]、潘丹和应瑞瑶[14]均使用单元调查评估法对化肥施用、畜禽养殖、固体废弃物和水产养殖造成污染物进行核算,将其作为环境非期望产出指标带入到Malmquist-Luenberger指数中对农业TFP进行评估,并通过研究发现环境污染因素已经成为制约农业TFP增长与环境协调、可持续发展的重要因素。虽然近期不断有学者开始关注环境因素对于规模畜禽养殖业TFP增长的影响,如张晓恒等[15]和朱宁等[16]分别以规模生猪和规模蛋鸡养殖为例,在考虑环境以后以后对规模畜禽业的环境效率或环境全要素生产率进行重新计算,并发现环境因素对于规模畜禽养殖业TFP增长的抑制作用明显。但在规模畜禽养殖业TFP的研究领域仍有以下几方面问题亟待改善:一是使用单元调查评估方法核算污染物排放量时,大部分文献均以赖斯芸等[17]构建的排污系数体系作为最主要的核算标准,但使用早期核算标准对近期污染物排放量进行计算可能存在较大的误差,也无法体现出不同清污方式下污染物排放量的差异。二是使用Malmquist-Luenberger指数对环境约束下的TFP进行评价时,其生产参考集与经典Malmquist指数一致,仍以当期生产为主,容易引发计算上的“技术退步”问题,并且无法体现生产要素作用的长期性和滞后性。三是关于规模畜禽养殖业TFP空间分异趋势的研究较少,并主要停留在分析不同地区规模畜禽养殖业TFP的走势差异层面,更是鲜有文献触及到TFP增长的空间关联性或者是收敛特征的验证。基于此,本文基于中国大陆29个省份规模生猪养殖的相关数据,并结合相关文献对各地区清粪方式的统计调查,使用2009年的《第一次全国污染源普查——畜禽养殖业源产排污系数手册》对规模生猪养殖的污染物排放量进行测算,并将其代入到考虑环境非期望产出以及规避“技术退步”问题的Sequential-Malmquist-Luenberger指数中对规模生猪养殖TFP的时间分异趋势进行分析,进而使用空间自相关和空间β收敛分析方法揭示规模生猪养殖TFP的空间分异趋势和收敛特征,并根据实证结果提出促进中国规模生猪养殖TFP增长和缩小地区间TFP差异的措施。

1研究方法与数据说明

1.1研究方法对收敛性进行判断则需要通过空间计量模型的设定检验。

1.2变量选择

1.2.1投入产出指标选择投入指标方面,本文基于《全国农产品成本收益资料汇编》中对于生产投入类别的划分,选择饲料投入,劳动力投入、水资源投入、能源投入、医疗防疫投入、其他直接投入和间接投入作为投入指标。产出指标方面,本文借鉴吴学兵等[21]、兰勇和姚屹浓[7]和张晓恒等[15]的研究,使用生猪的净产量作为期望产出指标;使用规模生猪养殖化学需氧量(COD)、总氮(TN)和总磷(TP)的等标排放量作为非期望产出指标①,所有涉及费用的指标均以2004年为基期,使用各省份的农产品生产资料价格指数进行平减,各项指标的具体选择及衡量方式如表1所示:规模生猪养殖COD、TN和TP排放量的核算主要以《畜禽养殖业源产排污系数手册》中的排污系数表为依据,本文的排污量主要是计算生猪在保育期和育肥期的排污量总和,并按照林源等[22]和周天墨等[23]的研究将生猪的饲养周期设定为199天,其中1/3为保育期,2/3为育肥期。由于使用《畜禽养殖业源产排污系数手册》进行核算时需要对规模生猪养殖的清粪工艺进行选择,因此本文主要基于祝其丽等[24]对全国144处规模猪场清粪方式的调查结果(如表2所示),将规模生猪养殖划分小型、中型和大型规模生猪养殖,并按照各种养殖类型清粪方式的比例对排污量进行测算①。排污量的计算方式如下式所示:QfCUQ??DayfCDayqssqsss?????????2i1iiq1(8)其中i代表第i个省份,s取1,2,3分别代表小、中、大型规模生猪养殖,q取1,2,3分别代表COD、TN和TP三类污染物,qsUi为i省的s型规模生猪第q种污染物的排污量,sQi为i省的s型规模生猪养殖数量,sC为小、中、大型规模养殖干清粪处理的比例,q1f和q2f分别为干清粪和水冲粪处理方式下COD、TN、TP的排污系数,将三种类型生猪养殖的排污量加总即可得到规模生猪养殖的总排污量。

1.2.2条件β收敛分析的控制变量选择本文在规模生猪养殖TFP条件β收敛分析的控制变量挑选方面主要借鉴方福前和张艳丽[25]、石慧和吴方卫[26]、潘丹和应瑞瑶[14]对于农业TFP影响因素的选择,使用经济发展水平(人均GDP)、畜禽养殖业发展水平(畜禽养殖业总产值占农林牧渔业总产值比重)、农村人力资本水平(农村居民平均受教育年限②)和财政支农力度(财政用于农业支出)作为收敛性分析的控制变量。此外考虑到SML指数计算得到的规模生猪养殖TFP已纳入环境因素,本文进一步使用地区环境污染治理投资总额作为衡量地方政府环境规制的变量引入到控制变量的指标体系中,其中人均GDP和财政支农力度以2004年为基期使用GDP平减指数进行处理,以上五种控制变量的具体衡量方式如表1所示。

1.3数据说明本文考察的时间范围为2004‐2013年,空间单元选择为除江西和西藏以外的中国大陆29个省份,地区划分以《排污手册》的六大区分类标准为依据。投入产出指标数据来源于《全国农产品成本收益资料汇编》,规模生猪养殖的数量来源于《中国畜牧业年鉴》,空间条件β收敛分析的控制变量来源于《中国统计年鉴》。需要说明的是,鉴于《全国农产品成本收益资料汇编》对于规模生猪的定义与《排污手册》不同③,因此本文规模生猪养殖的投入产出值以《全国农产品成本收益资料汇编》中每个地区中规模和大规模生猪养殖相关指标的平均值来表示,每个地区的规模生猪养殖的投入产出总量均由生猪出栏数量与每头生猪的投入产出值相乘得到。

2实证结果分析

2.1规模生猪养殖全要素生产率的时间分异趋势分析本文计算得到全国总体以及六大区的规模生猪养殖技术效率(EFFCH)指数、技术进步(TECHCH)指数和全要素生产率(SML)指数的时间分异趋势。

2.1.1EFFCH指数的时间分异趋势全国总体规模生猪养殖技术效率在2005-2007年和2008-2010年期间出现小幅的下降,其余时间段则呈现出小幅上升的趋势,但总体上技术效率的年均增长率仅为0.15%,累计增幅为1.38%,全国层面技术效率在考察期内增减相抵后仅维持了微幅的增长。六大区中华北区、中南区、东北区、华东区和西南区的技术效率同样呈现波动中微幅上升的趋势,它们技术效率年均增长率分别为0.80%、0.23%、0.05%、0.04%和0.04%,累计增幅分别为7.40%、2.10%、0.47%、0.35%和0.32%;而西北区技术效率的年均增长率为-0.29%,累计增长幅度为-2.58%,技术效率呈现出微幅下降的倾向;总体而言,地区层面技术效率的上升或恶化幅度均有限。

2.1.2TECHCH指数的时间分异趋势由于本文SML指数采用了序列生产参考集,完全规避了“技术退步”现象的产生,因此计算出所有地区规模生猪养殖TECHCH指数在各个时间段的值均≥1。全国总体规模生猪养殖技术进步在考察期内年均增长5.13%,累计增长了56.91%,其中尤其以2004-2005年和2006-2008年期间的增长最为突出,全国层面规模生猪养殖的生产技术和环境技术均有明显进步,但增长速度在近期有所下降。中南区、西南区、华东区、东北区、华北区和西北区的技术进步年均增长率分别为7.88%、6.51%、4.38%、4.30%、3.70%和3.63%,累计增幅分别为97.94%、76.46%、47.12%、46.11%、38.73%和37.87%,中南区和西南区的技术进步在整个考察期内均具有显著增长,其余四个地区增长最为明显的时间段与全国层面一致,但总体上各地区规模生猪养殖的技术进步现象也开始呈现出放缓的趋势。

2.1.3SML指数的时间分异趋势考虑到2004-2013年期间规模生猪养殖技术效率的改善有限,因此SML指数增长主要受到技术进步的影响和拉动,并且走势也基本与TECHCH指数相符合。全国层面规模生猪养殖TFP在考察期内年均增长5.29%,累计增幅为59.08%;地区层面中南区、西南区、华北区、华东区、东北区和西北区的TFP年均增长率分别为8.13%、6.55%、4.53%、4.42%、4.36%和3.33%,累计增幅分别为102.08%、77.02%、48.99%、47.64%、46.81%和34.32%。中南区和西南区TFP在考察期内呈现出持续显著增长的趋势,全国总体及其余四个地区的TFP均在2007-2008年和2011-2012年期间的增长最为突出,但各地区在2012-2013年期间的增长速度同样有所放缓。

2.2规模生猪养殖全要素生产率的空间分异趋势分析

2.2.1规模生猪养殖全要素生产率的全局空间自相关分析为了体现中国规模生猪养殖TFP在空间上持续的分异趋势,本文将SML、EFFCH和TECHCH三种指数由环比形式(前年=1)转换成以2004年为固定基期(2004年=1)的指数,计算得到2005-2013年的全局Moran指数如表4所示。由表4可知,SML指数的Moran指数经历了“先负后正”和“正向关联性先增强后减弱”的变化过程,空间正向关联特征在2007-2011年期间显著型最强,但随后减弱至2013年的0.0720,总体上邻近省份之间的规模生猪养殖TFP增长形势逐步趋同,趋于形成高TFP增长省份集群和低TFP增长省份集群。EFFCH指数在一半以上的考察期内呈现为负向空间关联的特征,随后向正向空间关联转换,说明虽然规模生猪养殖技术效率的改善幅度有限,但正向的空间溢出效应已经趋于形成,空间合作以及带动作用成为新的趋势。TECHCH指数的Moran值由2005年的0.1527下降致2013年0.0332,显著性也随之大幅下降,说明伴随着新型养殖生产技术和环境技术在省份之间的普及和传递,省份之间规模生猪养殖技术的正向空间溢出效应正在趋于减弱,规模生猪养殖已经渡过技术进步快速空间外溢时期。

2.2.2规模生猪养殖全要素生产率的局域空间自相关分析将中国29个省份规模生猪养殖的定基SML指数(2004年=1)代入到Geoda1.5.32软件中,制作的局域空间自相关(LISA)分布图如图1-图3所示。由图1-图3可知,四种局域空间自相关类型地区的空间分异趋势如下:HH类型地区的空间分异趋势。HH类型地区在2005年主要连片分布于中南区的湖南、广西和广东,同时华东区的福建和上海也属于该类型地区。随后HH类型地区向西北方向扩张,考察期内重庆和陕西因其规模生猪养殖TFP分别增长了68.59%和82.30%而新晋成为HH类型地区,中南区的湖南、广西和广东的TFP增幅分别达到244.16%、113.96%和97.42%并始终为高TFP增长集聚区,上海和福建则因为邻近省份TFP的后期增长速度相对放缓而脱离该类型地区。此外,根据规模生猪养殖污染物排放量占比和养殖数量占比的变化趋势可知,所有HH类型地区在考察期内的污染物排放量和养殖规模大体相当,规模生猪养殖均未出现污染物过度排放的现象。需要注意的是HH类型省份中仅有广东和湖南两省属于养殖规模较大的省份,并且广东的养殖数量占比在考察期内下降了10.76%,其余省份都呈现出生猪养殖规模相对较小但具有高TFP增长的特征。HL类型地区的空间分异趋势。HL类型地区在2005年存在“连片”和“散状”两种分布形式,东北区的辽宁、吉林和黑龙江以及四川、甘肃和宁夏均呈现出连片分布的形式,山西、湖北和江苏呈现“散状”分布的形式,其中甘肃、宁夏和山西均属于初期规模生猪养殖TFP增长较快并且养殖数量占比较低的地区。随后HL类型地区的连片分布格局逐步被打破,东北三省以及甘肃、山西和江苏由于自身TFP增速相对不足而退出该类型地区,河南、福建和河北等养殖数量占比较高的省份由于自身TFP增长明显(增幅分别达到149.58%、98.06%和96.15%)且邻近省份TFP增长较慢而新晋成为HL类型地区,四川和宁夏的TFP分别增长了172.67%和103.57%并始终属于该类型地区。值得一提的是,四川和福建的污染物排放比重略低于养殖数量比重,污染物减排成效明显,同时其余省份也未出现过度排放的现象。

LL类型地区的空间分异趋势。2005年全国有6个省份属于LL类型地区,其中既包含北京、天津、新疆和青海等规模生猪养殖数量较少的省份,也囊括了河南和河北等养殖数量占比较高的省份。随后LL地区分别向东北和东南方向转移与扩张,至2013年,新疆因其规模生猪养殖TFP累计下降了3.37%与其余10个低TFP增长省份(增幅介于5.00%与57.24%)共同构成了LL类型在北方和华东区的连片分布地区。从它们污染物处理情况以及养殖数量占比来看,新疆、青海、甘肃和内蒙古属于低TFP增长、低养殖数量占比且无污染物过度排放的省份;辽宁、吉林和黑龙江的污染物排放占比均明显高于养殖数量占比,污染物过度排放现象突出并成为阻碍TFP增长的重要因素;安徽、江苏、浙江和上海虽然拥有良好的污染物减排效果,但怎样扩大产出以及降低成本是它们未来TFP改进应重点关注的问题。LH类型地区的空间分异趋势。LH类型地区在2005年主要在南北方向上形成云南至内蒙古的线型分布,并涵盖华东区的山东、安徽、浙江以及中南区的海南。随着LL类型地区在北方和华东区连片分布的形成,以及重庆、陕西、河北和河南凭借后期规模生猪养殖TFP的大幅增长晋升为HH类型或HL类型地区,连片或独立规模生猪养殖高TFP增长省份的布局逐渐清晰,同时围绕高TFP增长省份形成的LH类型地区趋于向“散状”分布转换。至2013年,全国仍有8个省份属于LH类型地区,其中北京、天津、山西、云南、贵州和海南的TFP增幅均介于20%至60%之间,并属于养殖数量占比较低的省份;山东和湖北的TFP增幅分别为61.47%和54.28%,它们的养殖数量占比较高且无过度污染物排放,并有希望通过进一步促进TFP增长晋升为高TFP增长省份。

2.3规模生猪养殖全要素生产率的收敛性分析

2.3.1空间β收敛模型的设定检验上文的研究证明规模生猪养殖TFP增长存在空间关联效应,因此有必要选择空间β收敛分析方法进行研究,以充分考虑空间因素对于收敛性的影响。本文使用Elhorst[27]的空间计量工具箱进行设定检验得到的结果如表5所示。根据表5可知,Moran检验的结果证明绝对β收敛模型和条件β收敛模型均存在空间溢出特征,使用空间β收敛分析方法是适宜的。Hausman检验结果证明两种模型均应采用固定效应进行估计,进一步通过LR检验对固定效应的具体形式进行判断可知,两种模型应采用时间和空间双固定效应进行估计。根据两种模型的LM检验和RobustLM检验的结果可知,绝对β收敛模型更适合设定为空间误差模型(SEM)的形式进行估计,条件β收敛模型的更适合设定为空间滞后模型(SLM)的形式进行估计。

2.3.2空间β收敛模型的估计结果分析绝对β收敛模型分析。由表6可知,绝对β收敛模型中收敛系数β在SLM和SEM的估计结果分别为-0.2217和-0.2237,数值较为接近且均通过了1%的显著性检验。鉴于模型设定检验结果以及log-likelihood值都倾向于采用SEM的估计结果,本文以-0.2237作为β收敛系数进行分析。收敛系数显著为负说明中国规模生猪养殖TFP增长存在显著的绝对β收敛特征,前期TFP增长较快的地区在当期趋于拥有较低的TFP增长,而前期TFP增长较慢的地区在当期呈现“后发赶超”的趋势,地区间TFP增长的差异趋于减小。误差项的空间自相关系数ρ为0.1975且通过5%的显著性检验,证明模型存在正向的空间溢出效应,这与全局自相关分析中SML指数的全局Moran指数为正的结果相符。条件β收敛模型分析。

由表6可知,在加入了5个控制变量以后,收敛系数β在SLM和SEM的估计结果分别为-0.2718和-0.2715且均通过了1%的显著性检验。根据模型设计检验结果以及log-likelihood值可知,条件β收敛模型分析应以SLM的估计结果为准,规模生猪养殖TFP的条件β收敛系数为-0.2718,略高于绝对β收敛系数的-0.2237,说明在添加了控制变量以后,规模生猪养殖TFP增长依然存在显著的的条件β收敛特征,并且收敛的趋势相比绝对β收敛而言更加突出。进一步分析控制变量的估计结果可知,lnAGDP的估计系数为0.1313且通过10%的显著性检验,说明经济发展水平较高的地区拥有较高的TFP增长,地区间经济发展水平差距的缩小(扩大)相应会促进TFP增长的收敛(发散);AnimalHusbandry和lnHumanCapital的估计系数均分别为-0.0058和-0.5119,且分别通过了1%和5%的显著性检验,畜禽养殖业发展水平和农村人力资本水平较高的地区拥有较低的TFP增长,一方面这与前文的分析相一致,一些养殖规模较小的省份出现了显著的TFP增长,而一些养殖规模较大省份的TFP增长幅度相对较小,另一方面,畜禽养殖业较为发达以及农村人力资本水平较高的地区可能环保意识更强并对污染物减排拥有更高的关注度,控制污染物排放能够提高TFP的增长质量,但对TFP的增长速度可能具有负向作用;lnFinance和lnPollutionRegulation的估计系数分别为0.0028和-0.0050但均未通过显著性检验,说明财政支农对于TFP增长的促进作用并不显著,此外政府环境规制对TFP增长的抑制作用同样不明显;空间自回归系数δ的估计系数为0.1808且通过了5%的显著性检验,说明地区间规模生猪养殖TFP增长的空间溢出效应显著为正,高(低)TFP增长地区的集聚特征趋于加强,这也与前文空间自相关分析的结论相一致。

3结论与启示

本文基于2004-2013年中国29个省份的规模生猪养殖相关数据,在考虑环境约束的情况下,使用SML指数、空间自相关和空间β收敛分析方法对中国规模生猪养殖TFP的时空分异趋势及收敛性进行实证分析。主要结论有:(1)从时间分异趋势来看,中国规模生猪养殖TFP在考察期内年均增长5.29%,累计增长了59.08%,但增长速度在近期有所减缓;技术效率变化的波动特征明显但总体上无明显改善;技术进步是推进TFP增长的最主要因素。(2)从全局的空间分异趋势来看,地区间规模生猪养殖TFP增长的正向空间关联特征先增强后减弱;技术效率的正向的空间溢出效应趋于形成;技术进步已经度过快速空间外溢时期。(3)从局域的空间分异趋势来看,HH类型地区以中南区为基础逐渐向西北方向的重庆和陕西扩张;HL类型地区在东北区和西北区的省份数量趋于减少,现阶段主要散状分布于四川、宁夏、河北、河南和福建等省份;LL类型地区的在北方以及华东区的连片分布范特征逐渐增强,并涵盖了一些规模养殖较大的省份;LH类型地区的连片特征趋于减弱,并包含了山东和湖北等规模生猪养殖大省。(4)从收敛性来看,中国规模生猪养殖TFP增长存在显著的绝对β收敛和条件β收敛特征,地区间TFP增长的差异逐渐减少,经济发展水平、畜禽养殖业发展水平和农村人力资本水平是影响收敛性的主要因素。根据上述研究结论本文得到了以下三点启示:一是通过提高规模生猪养殖管理水平和生产要素利用效率促进技术效率改善,并借助技术效率增长的正向空间溢出效应推动规模生猪养殖TFP增长。二是继续加强规模生猪养殖技术以及粪便污染物无害化和资源化技术研发支持,扭转近期技术进步减缓的趋势,扩大技术进步对规模生猪养殖TFP增长的促进作用。三是有针对性的破解部分规模生猪养殖数量较高省份的低TFP增长难题,扩大高TFP增长地区的连片集聚范围,促进TFP增长在空间上的收敛,其中东北区的辽宁、吉林和黑龙江3省应重点加强污染物减排控制,实现规模生猪养殖TFP增长与生态环境的协调发展;山东、湖北等省则应通过改进养殖技术进一步扩大产出和降低成本促进规模生猪养殖TFP增长。

参考文献:

[1]潘丹.规模养殖与畜禽污染关系研究——以生猪养殖为例[J].资源科学,2015,37(11):2279-2287.

[2]SharmaKR,LeungP,ZaleskiHM.ProductiveEfficiencyoftheSwineIndustryinHawaii:StochasticFrontierVs.DataEnvelopmentAnalysis[J].Journalofproductivityanalysis,1997,8(4):447-459.

[3]王明利,李威夷.基于随机前沿函数的中国生猪生产效率研究[J].农业技术经济,2011(12):32-39.

[4]梁剑宏,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.

[5]LansinkAO,ReinhardS.InvestigatingTechnicalEfficiencyandPotentialTechnologicalChangeinDutchPigFarming[J].AgriculturalSystems,2004,79(3):353-367.

[6]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.

[7]兰勇,姚屹浓.我国畜牧业生产效率及区域差异分析[J].中南林业科技大学学报,2015,35(7):136-140.

[8]曹佳,肖海峰,杨光.1978-2007年我国畜牧业全要素生产率及其影响因素研究[J].技术经济,2009,28(7):62-66.

[9]王芳,岑华芳,陈俊安.两种生猪饲养模式的生产效率比较[J].四川农业大学学报,2010,28(4):512-517.

[10]宁攸凉,乔娟,王征兵.中国大中城市生猪大规模养殖模式的成本效率分析[J].技术经济,2010,29(2):81-84.

[11]廖翼,周发明.中国生猪养殖生产效率的实证分析——基于DEA-Malmquist指数法[J].技术经济,2012,31(5):93-98.

[12]李谷成,范丽霞,闵锐.资源,环境与农业发展的协调性——基于环境规制的省级农业环境效率排名[J].数量经济技术经济研究,2011,28(10):21-36.

[13]韩海彬.中国农业环境技术效率及其影响因素分析[J].经济与管理研究,2013(9):61-68.

[14]潘丹,应瑞瑶.中国农业生态效率评价方法与实证——基于非期望产出的SBM模型分析[J].生态学报,2013,33(12):3837-3845.

[15]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):92-102.

[16]朱宁,秦富.畜禽规模养殖场环境效率与环境全要素生产率分析——以蛋鸡为例[J].农业技术经济,2015(9):86-98.

[17]赖斯芸,杜鹏飞,陈吉宁.基于单元分析的非点源污染调查评估方法[J].清华大学学报:自然科学版,2005,44(9):1184-1187.

[18]ChungYH,F?reR,GrosskopfS.ProductivityandUndesirableOutputs:ADirectionalDistanceFunctionApproach[J].JournalofEnvironmentalManagement,1997,51(3):229-240.

[19]李谷成,范丽霞,成刚,等.农业全要素生产率增长:基于一种新的窗式DEA生产率指数的再估计[J].农业技术经济,2013(5):4-17.

[20]OhD,HeshmatiA.ASequentialMalmquist–LuenbergerProductivityIndex:EnvironmentallySensitiveProductivityGrowthConsideringtheProgressiveNatureofTechnology[J].EnergyEconomics,2010,32(6):1345-1355.

[21]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.

[22]林源,马骥,秦富.中国畜禽粪便资源结构分布及发展展望[J].中国农学通报,2012,28(32):1-5.

[23]周天墨,付强,诸云强,等.中国分省畜禽产污系数优化及污染物构成时空特征分析[J].地理研究,2014(4):762-776.

[24]祝其丽,李清,胡启春,等.猪场清粪方式调查与沼气工程适用性分析[J].中国沼气,2011,29(1):26-28.

[25]方福前,张艳丽.中国农业全要素生产率的变化及其影响因素分析——基于1991—2008年Malmquist指数方法[J].经济理论与经济管理,2010(9):5-12.

[26]石慧,吴方卫.中国农业生产率地区差异的影响因素研究——基于空间计量的分析[J].世界经济文汇,2011(3):59-73.

[27]ElhorstJP.MatlabSoftwareforSpatialPanels[J].InternationalRegionalScienceReview,2014,37(3):389-405.

作者:左永彦 单位:西南大学经济管理学院