养殖效率

养殖效率（精选4篇）

养殖效率 篇1

摘要：我国淡水养殖的总体技术效率较高, 但技术效率在时间上和空间上分布不均匀, 波动幅度较大。在影响淡水养殖技术效率的因素中, 水产品加工业和水产养殖机械化程度对淡水养殖的技术效率起促进作用, 养殖规模和受灾情况对淡水养殖的技术效率也存在影响。我国淡水养殖处于规模报酬递减阶段, 且劳动力和资本投入对水产品产量的贡献高于扩大养殖面积的贡献。

关键词：淡水养殖,技术效率,水产品加工

1 我国淡水养殖的现状及特点

1.1 淡水养殖的现状

1.1.1 淡水养殖的产量

改革开放至今, 我国淡水养殖的产量几乎保持直线上升。1978年, 我国淡水养殖的产量仅有76.2万t, 到2011年, 淡水养殖产量已经增加到2471.9万t。2000年, 我国淡水养殖的产量超过了海水捕搜的产量, 成为我国水产品生产的主要方式[1]。2000年以后, 我国海水捕携、海水养殖和淡水养殖的产量几乎保持不变或略有增加, 而淡水养殖的产量仍保持较高的增长速度, 且远远超过了其他3种水产品生产方式。

1.1.2 淡水养殖面积的地区分布

淡水养殖存在一定的地域分布, 主要集中在长江中下游地区以及沿海地区。为了更加全面地分析我国淡水养殖的技术效率, 选择淡水养殖产量位居前18的省份作为研宄对象。其中, 湖北省淡水养殖的产量最大, 达到335.6万t, 占全国淡水养殖产量的13.58%。其次, 是广东省和江苏省, 占比分别为13.41%和12.16%, 前3个省份的累计占比达到了39.14%, 说明我国淡水养殖的区域优势比较明显。前18个省份的淡水养殖累计占比达到了96.59%, 表明选取这18个省份的作为研宄对象, 能够较好地说明我国整个淡水养殖技术效率水平[2]。

1.2 淡水养殖的特点

1.2.1 淡水养殖的规模

人均淡水养殖面积年际之间存在较大差异, 特别是2007年, 由于淡水养殖面积减少;同时, 养殖人员的增加, 导致人均养殖面积大幅度下降, 之后淡水养殖面积开始慢慢增加, 而淡水养殖人员的数量几乎维持不变, 所以我国人均淡水养殖面积也开始慢慢增加[3]。

1.2.2 淡水水产品加工

我国淡水产品的加工能力有所增强。2004年, 我国淡水产品的加工率仅有6.4%, 2007年增加到12.5%, 2011年我国淡水产品加工率已经增加到17.0%。并且我国淡水产品的加工能力不同省份差异较大。淡水产品加工率最大的省份是海南省, 达到了62%, 其次是湖北省, 36%。天津市和四川的省淡水产品加工率最低, 不足1%。

1.2.3 渔民的人均纯收入

2004-2011年, 我国渔民人均纯收入都是稳定增加的。但是渔民人均纯收入在不同的省份差异较大。2011年, 渔民人均纯收入最高的是天津市, 达到了15 070元人, 其次是浙江省和广西, 渔民人均纯收入最低的省份是云南省和湖南省, 分别为4 804元/人和5 829元/人, 远远低于2011年全国渔民人均纯收入。

2 我国淡水养殖的技术效率分析

2.1 技术效率的测算值

2004-2011年, 18个淡水养殖省份的平均技术效率为0.952, 说明我国淡水养殖的技术效率整体水平还是比较高的[4]。但是考虑到, 我国淡水养殖实际产出的基数大, 淡水养殖的技术效率提高0.001, 对我国淡水水产品实际产出的增加也是相当大的。以2011年为例, 全国淡水养殖的产量为1 892万t, 在投入不变的情况下, 淡水养殖技术效率提高0.001, 那么淡水养殖的实际产量将增加2万t左右。所以, 尽管18个省份的平均技术效率达到了0.952, 但是仍存在提高的空间, 且淡水养殖技术效率的提高, 是增加我国水产品供给量的重要途径之一。

2.2 技术效率的时间差异

18个省份2004-2011年的淡水养殖的技术效率均在90%以上, 但是技术效率波动较大。2007年淡水养殖的技术效率最低, 为0.939;2009年淡水养殖技术效率最高, 为0.963, 波动幅度为0.024。并且波动趋势难以预计, 2004-2006年, 技术效率是上升, 2007年跌至8 a中最低点, 2008年和2009年增长迅速, 2009年达到了8 a中的最高点, 然而2010年淡水养殖技术效率又下降到0.951, 2011年技术效率略有增加。说明, 年际之间淡水养殖的技术效率仍存在一定程度的波动。

2.3 技术效率的地区差异

淡水养殖的技术效率在18个省份的分布是极其不均勾的。云南省淡水养殖的技术效率最低, 仅有0.855, 其次是天津市;淡水养殖的技术效率最高是广西省, 达到了0.987, 其次是福建。

2.4 区域技术效率的时间分布

在华北、东北、华东、华中、西南和华南6个区域中, 淡水养殖技术效率最高的是东北, 达到了0.972, 其次是华南, 0.971;淡水养殖技术效率最低的是西南, 仅有0.904, 其次是华北, 0.932;华东和华中的淡水养殖技术效率维持在中间水平, 分别为0.959和0.951。

3 结论与建议

3.1 主要结论

(1) 我国淡水养殖的总体技术效率较高, 但技术效率在时间上和空间上分布不均匀, 波动幅度较大。

(2) 尽管我国淡水养殖的总体技术效率上升空间有限, 但由于我国淡水养殖产量的基数较大, 技术效率的微小提高, 都会带来较大的产量增加, 所以淡水养殖的技术效率仍然是值得深入研究的课题。

(3) 在影响淡水养殖技术效率的因素中, 淡水产品加工率和机动渔船所占比例对淡水养殖的技术效率影响是正面的, 且影响程度相对较大;而人均养殖面积、受灾率和国内生产总值对淡水养殖的技术效率是负面影响。

(4) 近年来, 我国淡水养殖处于规模报酬递减阶段, 并且劳动力和资本投入对水产品产量的贡献高于扩大养殖面积的贡献。

(5) 不同地区淡水养殖的投入要素弹性存在较大差异, 应因地制宜, 对不同要素的投入做出适当地调整措施, 从而达到资源的优化配置。

3.2 政策建议

水产品是城乡居民动物蛋白的主要来源, 在我国生产生活具有重要地位。水产品需求增长迅速且增长趋势强劲, 而淡水养殖作为水产品生产的主要方式, 对保障和提高我国水产品的有效供给具有重要意义。根据本文研究, 为了促进我国淡水养殖业高效、高质地发展, 提出以下建议:一是大力发展淡水加工产业;二是提高淡水养殖的机械化水平;三是养殖方式转变, 由散养到精养, 四是做好淡水养殖的防灾、救灾工作;五是因地制宜, 调整淡水养殖的要素投入比例。

参考文献

[1]陈洁, 朱玉春, 罗丹, 等.中国淡水养殖业的科技瓶颈与突破[J].管理世界, 2010 (11) :61-67.

[2]陈曙.湖北省淡水渔业生产的投入要素分析[J].华中农业大学学报:社会科学版, 2010 (2) :60-63.

[3]代云云, 袁永明, 袁媛, 等.罗非鱼生产技术效率与市场竞争力的关系分析[J].渔业信息与战略.2012 (4) :336-341.

[4]董双林.中国综合水产养殖的发展历史、原理和分类[J].中国水产科学, 2011 (l805) :1202-1209.

吉林省生猪养殖生产效率分析 篇2

中国作为农业大国,很多学者对生猪养殖业生产效率的问题进行了研究。张园园等[1]选择中国十大生猪主产省的不同规模养殖方式的时间序列———截面数据为研究对象,基于DEA莫氏指数法对各地区不同养殖规模的生产效率进行分析。王明利等[2]基于随机前沿函数模型就我国15个生猪主产区的技术效率状况进行了评价,并且进一步寻求不同投入要素对生猪生产的贡献情况。王琛等[3]运用中国生猪业散户养殖和中规模养殖投入产出相关数据,选择数据包络分析法对两种养殖类型的生产效率进行了对比分析。廖翼等[4]选择我国东、中、西地区不同生猪养殖规模的面板数据为研究对象,利用基于DEA模型的Malmquist指数法对生猪生产效率问题进行了评价。可以看出,国内对生猪养殖生产效率的研究主要面向全国范围,而针对省际不同规模类型的生猪生产效率的比较分析相对缺乏。笔者试图以吉林省为例,对生猪生产效率进行分析评价。

1 实证分析

1.1 指标的选取

DEA分析方法对于不需要设置权重的多指标投入、多指标产出的效率分析已经得到了广泛的应用。因此,笔者选取2004—2013年度吉林省散户、小规模、中规模、大规模生猪养殖数据作为研究对象。基于以前学者的研究和客观数据的有限性,选取每年各养殖规模每头生猪总产值(元)为产出指标,每头生猪仔畜进价(元),饲料投入费用(元),医疗防疫成本(元),用工天数(d)为投入指标。文中饲料投入费用为精饲料费用和青粗饲料费用之和。为了避免价格因素的影响,选择2004年为基期价格,用吉林省农业生产资料价格指数对每头生猪总产值、仔畜进价、饲料投入费用、医疗防疫成本进行相应调整。

1.2 吉林省不同规模生猪养殖数据描述

从吉林省2004—2013年散养生猪投入产出的数据来看,每头生猪总产值平均为1 034.18元,最大值为2007年的散养生猪产值,每头达到1 202.70元,最小值为2005年的散养生猪产值,每头只有830.54元,标准差为106.31。其他描述性数据见表1。

1.3 吉林省不同规模生猪养殖静态效率对比分析

在参数的设置过程中,选用投入导向型的规模报酬不变的CRS模型。运用DEAP2.1纵向测算2004—2013年吉林省散户、小规模、中规模、大规模生猪养殖的技术效率值,见276页彩图1。

注:数据来源于《全国农产品成本收益资料汇编》(2005—2014)。

由276页彩图1可见:2004—2013年度吉林省不同规模生猪养殖技术效率指数一直处于比较高的水平,四种养殖规模基本都在0.89以上,仅有2005年各个养殖规模技术效率水平较低,10年间散养、小规模、中规模生猪养殖技术效率达到完全有效的年份均有6年,大规模生猪养殖技术效率达到完全有效的年份有5年。从技术效率增长趋势上来看,2004—2013年吉林省中规模生猪养殖效率值呈现较为稳定的增长趋势,而吉林省散养、小规模、大规模生猪养殖技术效率值都有不同程度的波动。从技术效率指标的整体水平来讲,散户生猪养殖的技术效率指数在前5年的整体水平较高,而2009—2013年与其他养殖规模相比存在下降趋势,尤其是2013年的效率值有大幅下降。散户生猪养殖技术效率指标的下降对吉林省生猪养殖来说是一个信号,表明吉林省生猪养殖应向规模化方向转变,但就目前的阶段来讲,吉林省散户生猪养殖仍能在一定程度上调动农民积极性,应该还是散养和规模养殖共同进行,并且逐步实现由散养转变为规模养殖。

1.4 吉林省不同规模生猪养殖动态效率对比分析

基于DEA模型的Malmquist指数法利用面板数据(Panel Data)可以从动态的角度考虑全要素生产率因素。因此,选取2004—2013年吉林省4种生猪养殖规模为研究对象,选择其面板数据运用DEAP2.1测算这些样本的动态效率值,见表2。

从表2可以看出:2004—2013年间吉林省生猪养殖全要素生产率波动较大,其中2004—2005年间全要素生产率仅为0.887,而2005—2006年间全要素生产率则高达1.158,相差0.271。但从平均值来看,全要素生产率仅增长了0.013,说明吉林省生猪养殖过程中技术效率的提高、管理的形式等方面都具有一定程度的不稳定性。2004—2013年吉林省不同规模生猪养殖纯技术效率值均为1.000。因此,纯技术效率对生猪养殖的技术效率的提升贡献不大。而规模效率变化指数在2004—2013年有所波动,2004—2005年间,2006—2007年间,2010—2011年间效率值都是小于1的,说明相比于上一年这些年份的规模效率值是下降的,而规模效率值增幅最大的2005—2006年间仅增长0.7%,说明吉林省生猪养殖的规模效率值波动不大。因为技术效率值受到纯技术效率值以及规模效率值的影响,而10年间纯技术效率值保持不变,所以技术效率的变化趋势与规模效率的变化趋势完全相同。从技术进步角度来看,经历了2004—2005年间的低谷后,2005—2006年间达到了最大值,为1.150,2006—2013年,除了2008—2009年间技术进步指数小于1外,其余年份的技术进步均大于1。比较4个指数的平均值对全要素生产率的贡献和影响不难发现,技术进步变化指数的平均值高于其他3个指数的平均值,对全要素生产率指数的贡献最大,说明2004—2013年,吉林省生猪养殖的全要素生产率主要受到技术进步的影响,技术效率指数的贡献小于技术进步指数。

注:数据由DEAP2.1运行所得。

2004—2013年吉林省各种规模生猪生产动态效率值见表3。

由表3可见:中规模生猪养殖全要素生产率指数达到1.012,说明从2004—2013年平均来看,中规模生猪养殖全要素生产效率值年均增长1.2%,在4种生猪养殖规模中排在第2位。仔细分析中规模生猪养殖全要素生产率处于各种规模中上游的原因是,中规模生猪养殖的技术效率指数相对较低,而技术进步指数相对较高。仅从技术进步上来看,小规模生猪养殖第一,为1.025,年均增长2.5%,散户生猪养殖最末,为1.005,年均增长0.5%,4种养殖规模从整体上来看,技术进步幅度都有不同程度的提高,说明吉林省生猪养殖先进的技术投入、技术推广得到了落实。全要素生产率指数排在第一位的小规模生猪养殖10年来年均增长率达到了2.5%,增长幅度较大。中规模生猪养殖的全要素生产率10年间的年均值排在第二位,达到了1.2%,虽然有一定幅度的增长,但低于全要素生产率的平均值。仔细分析仅有小规模生猪养殖的全要素生产率超过平均值的主要原因是,笔者研究的吉林省大规模生猪养殖以及中规模生猪养殖相比于小规模生猪养殖的全要素生产效率起点高,对技术水平、管理水平、市场供求状况的要求相对较高,以及现阶段吉林省生猪规模养殖中小规模生猪养殖是发展最早,也是发展最成熟的规模养殖方式。并且吉林省散户生猪养殖正处于向规模化养殖转型的过程,导致散户生猪养殖的全要素生产效率增长幅度不大,因而影响了全要素生产率指数的平均水平。10年间,4种养殖规模年均纯技术效率值没有发生变化,并且规模效率值变动不大,导致技术效率值在4种养殖规模之间差异不大,最终导致全要素生产效率主要受到技术进步的影响。因此,未来吉林省不同规模生猪养殖全要素生产率的提高,必须在保证大力提高技术效率的前提下,继续加快生猪养殖的技术进步。

注:数据由DEAP2.1运行所得。

2 研究结论

笔者运用DEA模型中的CRS和Malmquist指数法分别分析了2004—2013年吉林省不同规模生猪养殖的技术效率指数、技术进步指数、纯技术效率指数、规模报酬效率指数以及全要素生产率指数,结果表明,2004—2013年吉林省中规模生猪养殖效率值呈现较为稳定的增长趋势,而吉林省散户、小规模、大规模生猪养殖技术效率值都有不同程度的波动,散户生猪养殖的技术效率指数在前5年整体水平较高,而后5年存在下降趋势。由于2004—2013年吉林省生猪养殖的纯技术效率指数保持不变,对生猪养殖全要素生产率的提升贡献不大,生猪养殖技术进步指数对生猪养殖全要素生产率指数的提高贡献最大,生猪养殖的技术效率指数的贡献小于技术进步指数。不同规模生猪养殖的全要素生产率存在一定差异,小规模生猪养殖的全要素生产率居首,其次分别为中规模、大规模生猪养殖,最差的为散户生猪养殖。

3 对策建议

基于以上研究结果,吉林省在散户生猪养殖的基础上,鼓励生猪养殖散户逐步向规模养殖方向转化。而在规模养殖方面,吉林省中规模、大规模生猪养殖应提高养殖的管理水平,优化投入产出要素的配置效率来达到本身规模应有的效益水平。此外,吉林省政府应大力扶持农民合作社的建设,在实施生猪防疫补贴、生猪良种补贴之外,进一步给予合作社生猪饲料补贴、生猪收购补贴等。通过政府扶持的农民合作社,不但可以对散户进行集中管理,从而实现规模效益,可以进一步落实新技术的投入和推广,把提高生猪生产效率需要依靠增加生产要素投入的观念,真正地转移到依靠科技进步上来,还可以对市场的供求状况作出正确判断,有效地将个体农户的风险分散化,最终实现生猪生产效率的提高。

注:数据由DEAP2.1运行所得。

摘要：笔者以2004—2013年度吉林省散户以及小、中、大规模生猪养殖为研究对象,运用DEA模型从静态和动态2个角度对吉林省生猪养殖生产效率进行了比对分析。结果表明:2004—2013年间吉林省不同规模生猪养殖效率值有不同程度的波动,但整体水平较高;生猪养殖的技术进步是影响吉林省生猪养殖全要素生产率的主要因素;全要素生产率最高的是小规模生猪养殖。据此提出,吉林省生猪养殖应逐步向规模化养殖转型,提高中规模、大规模生猪养殖的管理水平,加快生猪养殖的科技进步,提高农民合作社服务能力和水平。

关键词：生猪,生产效率,DEA模型,技术效率,全要素生产率,吉林省

参考文献

[1]张园园,孙世民,张媛媛.中国生猪生产效率及区域差异分析:基于Malmquist-DEA模型的省际面板数据[J].四川农业大学学报,2014,32(2):224-229.

[2]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.

[3]王琛,何忠伟,高然,等.我国生猪生产技术效率分析:基于DEA模型的实证研究[J].农业科技展望,2012(2):42-46.

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

[5]姜会明,王振华.生猪供给波动:短周期分解与经济学解释[J].中国畜牧业杂志,2012(18):17-20,24.

养殖效率 篇3

1中国养猪业现状

据农业部对全国4 000个养猪村的定点监测数据显示, 2014年6月份我国生猪存栏约4.29亿头, 环比上涨0.2%, 同比下降4.8%;能繁母猪存栏约4 590万头, 环比下降0.1%, 同比下降8.2%。自2013年9月份以来, 我国能繁母猪存栏量已经连续10个月减少, 已处于历史较低水平。2014年5月份以后, 猪价开始止跌反弹, 目前全国大部分地区猪价已达到14元 /kg, 猪粮比达到5.30∶1, 养猪业正逐渐走出亏损, 但是猪价未来如何走, 谁能为养猪人的利益保驾护航, 答案是只有养猪人自救, 把握养殖行情, 降低养殖成本, 提高养殖效率是唯一出路。

1.1生猪行情变化

根据历史规律, 生猪行情3年为一个周期, 每个周期中又有上升期、高峰期、下跌期、低谷期4个阶段。生猪价格高峰和低谷通常间隔1年半, 包括补栏母猪到生猪供应上市需要“3个月配种、4个月妊娠、5个月育肥”共12个月的生产周期, 以及养殖户对价格变化反应的滞后期。据相关数据统计2004年、2008年和2011年曾出现了三轮显著的猪周期, 照此推算, 2014年生猪行业应进入高盈利时期, 但事与愿违, 养猪业进入了深度亏损阶段 (如图1) 。分析原因, 国家政策、经济大环境、养殖产业结构调整等原因, 成为影响本轮猪价主要因素。近几年国家加大“生猪标准化规模养殖场建设”项目补贴, 并引导其它行业资本进入养猪业, 2013年年末能繁母猪存栏量达到5 100万头, 全年生猪出栏达到7.15亿头, 居30年来最高。生猪产能相对过剩, 供过于求, 猪价下降, 养殖亏损, 是再自然不过的事情。所有的养猪人不能只埋头养猪, 还要抬头看路, 读懂国家政策, 看清行业趋势, 适时调整经营思路, 把握时机养猪。

2湖南市场玉米豆粕2014年价格走势

1.2饲料原料价格变化

猪饲料主要原料是玉米和豆粕, 合计占配方比例60%以上, 而饲料费用占养猪成本60%以上, 饲料原料价格的变化与养猪效益息息相关。因此, 要提高养殖效益, 必须关注饲料成本。我国从2008年开始对玉米实施临储收购政策, 该政策抬高了玉米价格, 提升了农户的种植积极性, 2013年度玉米临储收购3 083万吨, 收购价格2 100~2 240元/吨, 达到近年最高点, 加之上年度结转库存, 我国目前临储玉米库存已超亿吨。2014年全年的玉米总产量约为2.2亿吨, 临储玉米数量超过总产量的50%之多, 这种发展趋势给玉米市场供给带来直接影响, 导致玉米价格走高。豆粕近两个月因油厂开工率较高, 价格正处于震荡调整期, 致使饲料企业及贸易商入市积极性减弱, 推升了豆粕库存, 但因未执行合同基数较大, 8月第1周 (8月5日) 数据显示未执行合同约310万吨, 环比上涨约30万吨, 随着合同履行, 豆粕库存有望降低, 未来3个月内豆粕现价大幅下跌的概率较小 (图2) 。

2提高养殖效率的方法

中国畜牧业协会猪业分会会长姚民仆强调, 未来五年中国养猪业仍需将提高养殖效益摆在第一位。“打铁还需自身硬”, 市场行情总是围绕成本线做上下波动, 降低养殖成本, 提高养殖效率, 才能增加养殖综合效益。先进的养猪经验告诉我们, 养猪必须遵行“全进全出”的流水式作业养殖流程, 依据效率目标, 按照生产规模建立科学的管理方案。

2.1设定养殖效率目标

经济效益是衡量养猪效率最终的综合指标。在养猪生产过程中要提高经济效益, 一方面采用科学方法和手段, 增加产出, 另一方面减少投入, 降低损耗, 缩小开支, 只有最大限度的提高产出数量、降低养殖成本, 才能得到最高利润获得最佳效益。养猪经营首先要设立养殖效率目标 (见表1) , 作为管理目标的考核依据, 成为管理水平持续提高的动力。

规模化猪场年度养猪效率目标设定: (1) 商品肉猪出栏目标:每头经产母猪提供出栏商品肉猪不低于19.8头 / 年。 (2) 母猪繁殖性能目标:母猪情期受胎率不低于80%, 经产母猪不低于2.2窝 /年, 母猪利用年限不低于3.5年。 (3) 仔猪生产目标:初生仔猪1.3~1.5kg/ 头;28日龄断奶, 断奶存活不低于9头 /窝;保育期56日龄后体重不低于14kg/头。 (4) 商品肉猪生产目标:180日龄出栏, 体重不低于100kg/头, 全程料比不高于2.8∶1。

2.2适度控制养殖规模

理论上讲养猪规模越大效益越高, 但实际上规模达到一个临界点后其效益随着规模呈反方向下降。养猪规模过大, 资金投入相对较大, 饲料供应、环保处理的难度增大, 且市场风险也增大。年出栏万头生猪的猪场, 存栏猪只超过6 000头 (见表1) , 每年排污量约4万吨, 氮排出约108吨, 磷排出约30吨, 向大气排放的氨气、二氧化硫等有害气体, 可污染20km2区域内的空气, 粪污的无害化处理投资巨大, 养殖场一般都难以承受。同时, 养殖场规模过大, 防疫的难度也非常大。结合自身的经济实力、生产条件和技术水平, 充分利用自身的各种优势, 确定合适的养殖规模, 优化各阶段猪群配套存栏, 提高养殖设备设施的利用率, 既是发展现代畜牧业的现实选择, 又是现代养猪业实现可持续快速发展的理想之路。

2.3采用科学的养猪生产工艺

养猪管理采用什么样的生产工艺, 必须根据效率目标、规模、经济、当地气候等条件来决定, 采用全进全出, 分阶段饲养是常见的养猪生产管理工艺, 分阶段饲养又分为“三阶段、四阶段、五阶段、六阶段”饲养工艺 (见表2) 。最科学的饲养方式是分阶段饲养, 不同体重阶段的生长肥育猪采食不同阶段的饲料, 各阶段的饲料中的营养物质刚好满足此阶段体重猪的营养需要, 按理论饲养阶段越细分越好, 饲料中营养成分越能与猪生长发育相匹配, 极大的节约饲料成本和减少排泄物对环境的污染。但实际上, 精细化分阶段饲养只存在于理论中, 因为养殖者一般只能通过目测判断猪的体重 (目测判断猪体重的方法误差较大) , 并以此作为依据, 将猪分栏饲养或更换阶段饲料。另外, 在猪生长肥育阶段, 猪的体重是一个动态的变化过程, 同一个栏的猪经过一段时间后, 体重分布变得各不相同, 在实际的生产过程中, 也不可能对猪每天依据体重进行分栏饲喂不同饲料。因此, 在现行的生产模式中, 应尽可能实现分阶段饲养, 保证营养需求平衡供应, 最大限度提高饲料利用率。

2.4选择合适的猪场设备设施

猪场布局, 应充分利用地形地势等有利因素, 从设计上做到降低劳动强度, 便于生产生活, 有利于疾病防疫。猪场场址要选择背风向阳, 地势高燥, 无污染, 排污方便, 远离公路、居民生活区、屠宰场及畜产品加工场。生产区是猪场的主要建筑区, 包括猪舍和生产设施, 约占全场总建筑面积的70%~80%。

种猪舍要求与其它猪舍隔开, 设在人流较少的猪场上风向;分娩舍既要靠近妊娠舍, 又不能远离保育舍;育成育肥猪舍应设在下风向。在设计时, 使猪舍方向与当地夏季主导风向成45度角, 使每排猪舍在夏季处于最佳的通风状态。病猪隔离间及粪便堆存处这些建筑物应远离生产区, 并设在下风向、地势较低的地方。

根据不同养殖类型、不同日龄猪群生物学特点和生产目标需求, 在设施设备的选型和使用上注重合理性、持续性, 以提高养猪生产性能, 降低费用支出增加收入, 注重细节带来更好的经济效益, 如猪场用铝合金材料建造的猪栏经久耐用, 以达到长期生产使用的目的, 避免支出额外的维修成本。猪舍吊顶的凹槽走向和纵向通风方向平行以减少风阻, 冬季进风口用导流板使热空气在舍内循环流动, 不留死角。保育、育肥猪栏位里提供乳头式和水碗式两种饮水器, 满足不同猪的饮水需要。在喂料食槽下垫一块塑胶板, 防止饲料浪费。保育、育肥猪栏间隔一段距离绑上一段铁链供猪啃咬、嬉戏, 防止猪咬尾、打斗。

2.5选择优良猪种养殖

选择性能优越的养殖品种, 是养猪成功的关键因素之一。优良猪种主要分两大类:一类是国内地方良种猪, 如太湖猪, 主要特点是成熟早、产仔多、母性好、耐粗饲。另一大类是国外引进的优良猪种, 近三年年均从国外引用种猪超过1.3万头, 主要有长白猪、大约克猪、杜洛克猪等, 这类猪的主要特点是:体型优美, 增重快、产肉多、瘦肉率高。采用合理的杂交组合, 可以大大提高养猪效益, 杂交优势主要表现在对环境的适应性增强, 生长速度加快, 繁殖率和泌乳性能优于亲本 (父母) , 据相关研究, 我国引进国外优良品种与本地猪杂交, 杂交产仔率可获得8%~10%的优势力。

2.6精细化的养猪成本核算

要提高养猪的经济效益, 需要对养猪场进行精细管理, 降低养猪场的生产成本。为了对成本核算精细化测算, 必须建立帐目制度, 制订明细表, 记录养殖的各项费用支出。通过成本核算分析, 弄清楚经营管理中存在的问题, 不断考核经营成果, 挖掘猪群生产和饲料配方的潜力, 寻求节省人力成本的途径, 并找到解决问题的科学依据。

只有依靠先进的设施设备, 提升养猪生产的装备化水平, 转变落后的养猪生产方式, 给猪群提供良好的生产环境, 通过流水化生产、实现规模化效益, 才能使养殖效益最大化, 而这也应当成为每个养猪人共同努力的方向。

参考文献

[1]商务部.生猪市场监测系统数据统计[EB/OL].http://qyscyxs.mofcom.gov.cn/cms/listIndex.do?id=253, 2014-06-20/2014-08-20.

[2]猪e网.李职谈中国养猪业的效率、安全和环保[EB/OL].http://bbs.zhue.com.cn/article-106386-1.html, 2014-06-19/2014-08-20.

养殖效率 篇4

关于中国原料奶生产效率,国内已有学者相继从微观或者宏观层面进行研究,但由于数据和方法的差异,关于中国不同奶牛养殖模式与原料奶生产效率的关系尚未形成共识。部分学者运用奶农户调研数据进行了分析。王德祥对北京奶牛业效率的测算,是国内比较早对奶业生产效率进行研究的文献[3];曹暕等的研究认为大规模奶牛养殖户的生产效率明显高于小规模养殖户[4];卜卫兵等认为农户家庭散养模式会逐步弱化[5];房风文对呼和浩特市的研究认为散养奶农的平均技术效率最低,牧场养殖的效率最高[6]。虽然调研数据在研究奶农效率时能够考虑到奶牛养殖主体的个体特征和家庭特征差异对生产效率的影响,但同时应该意识到调研数据的局限性和片面性,不能从宏观上反映全国的情况。另外有学者运用全国统计数据进行了研究。马恒运等指出,中国国有及集体和个体奶牛场全要素生产率的增长主要来自于技术进步[7];彭秀芬的研究发现随着奶牛养殖规模的扩大,原料奶生产技术效率逐步提高的趋势并不明显[8],但其只用了2004-2006的数据,结果的稳定性和可靠性有待商榷;马恒运等运用距离生产函数和Malmquist方法分别估算了中国原料奶全要素生产率,发现中国原料奶生产的TFP增长较缓慢,技术水平退步是阻碍TFP增长的主要原因[9];薛强等的研究发现总体上我国家庭奶牛饲养TFP呈逐年上升趋势[10],这与卜卫兵等[5]的研究结果相反。

目前关于中国奶牛养殖规模与原料奶生产效率之间的关系尚未有定论,甚至现有文献的观点存在矛盾,并且部分文献所用数据处理方法不恰当也会造成实证结果的偏差。因此,本文旨在以最新的数据、较完善的数据处理方式和最细致入微的分析方法,分别从全国和各省、以及奶源基地的层面实证研究中国不同奶牛养殖规模的生产效率及其差异,最后为国家总体奶业发展规划、各奶源基地发展战略和各省奶业发展战略制定提出相应的参考意见。

1 研究方法与数据说明

1.1 研究方法

生产效率是指在既定投入和技术条件下,投入要素充分利用并带来最大可能性产出的程度。目前对于效率的测算,常用方法主要有参数的随机前沿生产函数法(SFA)和非参数的数据包络分析(DEA)方法。随机前沿生产函数只有在应用时设定一个合适的前沿生产函数形式,才能得到正确的效率测算结果,而DEA作为非参数方法,不需要预先设定生产函数,不受输入输出数量量纲影响,将非线性规划问题转化,而且可以综合考虑规模不变和规模可变的情形,从而提高了评价结果的客观性,因而DEA方法在测定效率方面得到广泛应用。生产率指的是投入与产出之间的比例关系,反映资源的利用效果,全要素生产率是反映全部投入中每个单位所生产的产出水平,即总产量与全部要素投入量之比。Malmquist生产率指数是在距离函数的基础上定义的,不需要相关价格信息,适用于多个地区跨时期的样本分析,同时可以将全要素生产率指数分解为技术效率变化指数和技术进步指数,还可进一步分解为纯技术效率和规模效率指数,以深刻揭示生产增长的源泉,因此,DEA-Malmquist方法被广泛应用于全要素生产率(Total Factor Productivity,TFP)的测算,且在文献中地位突出[11]。

Malmquist指数由瑞典经济学家Sten Malmquist在1953年提出的,1982年Caves等学者将其作为生产率指数使用,实证分析中,研究者普遍采用Fare等于1994年构建的基于DEA的Malmquist指数[12],在固定规模报酬(Constant Return Scale,CRS)条件下,从t时期到t+1时期,度量全要素生产率增长的Malmquist指数可以表示为:

其中,(xt+1,yt+1)和(xt,yt)分别表示t+1时期和t时期的投入和产出向量;d0t和d0t+1分别表示t时期技术Tt为参照的t和t+1时期的距离函数。

Malmquist指数可以分解为不变报酬假定下技术效率变化指数(Technical Efficiency Change,TEC)和技术进步指数(Technical Progress Change,TP),分解方法如下:

其中,技术效率变化指数可以分解为纯技术效率指数(Pure Technical Efficiency Change,PTEC)和规模效率指数(Scale Efficiency Change,SEC)。加入限制条件,可以求解变动规模报酬(Variant Return Scale,VRS)条件下各决策单元(Decision Making Unit,DMU)的距离函数,进一步对各DMU规模效率随时间变化的情况进行分析。Malmquist指数的经济含义为:当Malmquist指数大于1,表示从t时期到t+1时期TFP是增长的;当Malmquist指数等于1,说明TFP生产率不变;当Malmquist指数小于1,说明TFP生产率处于衰退态势。类似地,当TP大于(或小于)1说明存在技术进步(或技术退步);当TEC大于(或小于)1时,说明技术效率提高(或技术效率退化或者损失)[9,10,13]。

1.2 数据说明

(1)数据来源。本文所用的数据为2004-2011年中国奶牛养殖投入产出的省级面板数据。文中所指4种奶牛养殖规模的概念界定为:散养(养殖规模≤10头)、小规模(10<养殖规模≤50)、中规模(50<养殖规模≤500)和大规模(养殖规模>500)[14]。考虑到数据的可获得性,以及各省时间序列数据的统一性,本研究只包括除江西、海南、四川、贵州和西藏5省之外的其余26个省(直辖市、自治区)。

(2)变量设定。本文用每头奶牛养殖的“主产品产量(kg)”(Y1),即原料奶产量,和“副产品产值(元)”(Y2)来表示产出变量;用四个指标反映投入变量:第一,劳动力投入(X1),用“每核算单位用工数量(d)”表示,由“雇工天数”和“家庭用工天数”加总得到;第二,精饲料投入(kg)(X2),直接从年鉴获得统计数据;第三,青粗饲料投入(X3),由于年鉴没有相应的投入数量指标,本文用“青粗饲料费用(元)”表示;第四,固定资产投资(元)(X4),用“工具材料费”、“修理维护费”和“固定资产折旧”三项加总获得。

以上数据均为每头奶牛的投入产出数据,来源于《全国农产品成本收益资料汇编》(2004-2012年)。另外,所有价值变量均用当年统计数值除以2003年为基期的相应年份对应的价格指数,从而扣除价格变化的影响,具体数据处理为:(1)产出中的“副产品产值(Y2)”用各地区农产品生产价格指数中的“畜牧业产品生产指数”处理;(2)“青粗饲料费(X3)”用农业生产资料价格指数中的“饲料价格指数”进行处理;(3)“固定资产投资(X4)”用“农业生产资料价格总指数”进行处理。根据《中国统计年鉴》对各种价格指数的解释,“农产品生产价格指数”是反映一定时期内,农产品生产者出售农产品价格水平变动趋势及幅度的相对数,“农业生产资料价格指数”反映一定时期内农业生产资料价格变动趋势和程度的相对数,因此本文采用的价格指数是合理的。各种价格指数数据来源于《中国统计年鉴》(2004-2012年)。4种奶牛养殖模式下产出投入数据的描述性统计分析见表1。

从表1各种养殖模式下投入产出变量的平均值可以看出,随着养殖规模的扩大,劳动力和青粗饲料投入不断增加;中规模和大规模养殖方式精饲料投入和固定资产投资的平均值大于散养和小规模养殖模式。由此可见,不同奶牛养殖模式的投入要素组合不同,这势必带来不同的产出和生产效率,从每头奶牛主产品产量的平均值可以看出,散养比小规模模式高1.7kg,但大规模比中规模养殖模式的原料奶产出高571.51kg。究竟原料奶生产效率是否随养殖规模的扩大而提高,接下来运用DEA-Malmquist生产率指数法进行实证研究。

注:各养殖模式对应的时间区间和省份见表3。

2 实证分析与结果

采用DEAP 2.1软件,本文首先测算出2004-2011年4种奶牛养殖模式下全国原料奶生产的全要素生产率,并将其分解为技术效率的变化和技术进步的变化,进一步地,技术效率的变化又分解为纯技术效率的变化和规模效率的变化;然后,分析并比较了各省份4种奶牛养殖模式下全要素生产率与养殖规模的关系。

2.1 全国层面全要素生产率分析

2.1.1 全要素生产率的分解、变动与比较

表2展示了2004-2011年中国4种奶牛养殖模式的原料奶生产全要素生产率及其构成的变化情况,从全要素生产率TFP的平均值来看,散养和小规模养殖模式的全要素生产率(0.995和0.996)均小于中规模和大规模养殖模式(1.008和1.006);从全要素生产率的分解来看,散养和小规模养殖模式TFP增长率下降均归于技术进步的负增长(-0.7%和-1.2%),但其技术效率均大于1,这说明,在现有技术水平下,散养和小规模养殖模式的技术效率已经达到了较高水平,进一步提高的空间有限,技术进步缓慢是阻碍这两种养殖模式生产率提高的主要原因。

从全要素生产率年份间的变动来看,4种养殖模式的原料奶生产全要素生产率均表现为无规律的“高低波动”变化趋势,但是不同养殖模式下,TFP变动方向与程度存在差异,其中小规模养殖模式的TFP波动幅度在5.5%的范围以内,而散养和中规模的最大波动幅度为7.5%。值得注意的是,从4种养殖模式TFP年份间变动的对比来看,2004-2005年中规模养殖模式的TFP超过其他三种模式,2005-2006年散养模式的TFP最大,超过其他模式,之后,在2006-2008年间,小规模模式的TFP保持最大,2008年以来,大规模模式的TFP一直大于1,且超过其他养殖方式,这说明虽然目前这4种养殖模式在不同年份各具优势,但随着时间的推移,规模化奶牛饲养的优势日益凸显。

2.1.2 全要素生产率变动的源泉分析

表2显示4种奶牛养殖模式下,技术效率变化TEC与技术进步TP的变动方向相反,技术进步变化TP与全要素生产率TFP的变动方向一致,由此可以说明,2004-2011年间我国原料奶生产全要素生产率的变动主要靠技术进步来推动。但是由于技术进步变化上升的年份,技术效率下降,而技术进步下降的年份,技术效率上升,两者之间的此消彼长是导致我国原料奶生产效率增长

注:(1)各养殖模式对应的省份见表3;(2)表中的平均值为各年份的算术平均值;(3)指标间的关系为:全要素生产率变化TFP=技术效率变化TEC×技术进步变化TP;技术效率变化TEC=纯技术效率变化PTEC×规模效率变化SEC。

缓慢的主要原因。

2.2 省份层面全要素生产率分析

2.2.1 省份层面全要素生产率的分析与比较

本部分主要按照各省所属的奶源基地来分析省份层面全要素生产率及其构成的变动情况。根据卫龙宝等,我国五大奶源基地为:大城市郊区(京津沪)、东北和内蒙古地区(黑、吉、辽、内蒙古)、中原地区(山西、河南、河北、山东)、西部地区(新疆、陕西、宁夏、甘肃、青海、西藏)和南方地区(福建、广东、广西、浙江、云南、四川、江苏)[15]。表3显示,2004-2011年间,大城市郊区京津沪三省的中规模以及天津的小规模原料奶的全要素生产率TFP均大于1。在东北和内蒙古奶源基地中,内蒙古和吉林平均全要素生产率TFP随养殖规模扩大而增大,在散养、小规模和中规模3种养殖模式中,两省都表现为中规模养殖模式的TFP最大(1.004和1.081),即其TFP年均增长率分别为0.4%和8.1%;黑龙江的中规模TFP最大(1.021),大规模养殖模式的TFP最小(0.990);辽宁大规模养殖模式的TFP大于小规模。在中原地区奶源基地中,与内蒙古和吉林的情况相反,山东和河南的全要素生产率随养殖规模的扩大而减小,山东和河南只有散养模式的TFP大于1(1.028和1.011),其他模式均小于1。在西部地区奶源基地中,陕西小规模和中规模两种模式下的TFP都小于1,甘肃大规模的TFP优于中规模,新疆大规模的TFP优于散养模式。

由此可见,从省份层面来看,原料奶生产的全要素生产率是否随养殖规模的扩大而增加或者缩小,不能一概而论,而是在不同的奶源基地、不同省份之间存在差异:对于东北和内蒙古奶源基地而言,原料奶生产的全要素生产率随养殖规模扩大而增大,而中原奶源基地省份的散养和小规模养殖模式的全要素生产率更高,其他省份则由于统计数据缺失,全要素生产率随养殖规模变化的规律不明显。可能的解释是,内蒙古自治区内蒙牛、伊利两大乳品企业作为中国乳业第一军团的领军企业,对原料奶的需求量巨大,带动内蒙古奶牛养殖不断向集约和规模化养殖的方向发展,同时乳品企业技术外溢性会促使规模化奶牛养殖场(企业)优先提升其技术水平,从而提高原料奶生产效率;而山东和河南目前仍以散养和小规模养殖为主,与东北地区相比,规模化程度低。由于东北和内蒙古奶源基地以及中原地区奶源基地分别是我国第一和第二大奶业产区[1],因此这6省份的奶牛养殖规模与原料奶生产的全要素生产率之间的关系在全国具有代表性。另外,1998年以来中国奶牛养殖布局指数连续排名前10位的省份包括新疆、内蒙古、黑龙江、陕西、山西和山东,与此同时,河南省的奶牛存栏量从2001年开始也跻身全国前10位[15],这也足以证明了东北和内蒙古奶源基地以及中原地区奶源基地的代表性。

2.2.2 省份全要素生产率的动力来源分析

为了分析省份奶牛养殖规模与TFP关系的差异,本文从全要素生产率的分解寻找其增长的动力来源。从表3对TFP的分解可以看出,内蒙古中规模养殖模式的TFP的增长主要来源于年均4%的技术进步,散养和小规模都存在技术倒退;吉林省的散养存在技术退步,小规模则由于技术无效抵消了年均3.2%的技术进步效果;河南的4种养殖模式都存在技术退步,但其散养模式的技术效率年均5.6%的增长速度使得河南奶牛散养的TFP保持了年均1.1%的增速;山东小规模和大规模养殖模式的TFP的降低也源于技术退步。由此可见,无论从全国还是省份层面看,我国各种规模奶牛养殖的全要素生产率增长都主要由技术进步驱动。

注:(1)由于数据的可获得性,散养和中规模养殖为2004-2010年数据,小规模和大规模养殖为2004-2011年数据;(2)本表所列的每种养殖模式下的省份均为可以获得相应奶牛养殖投入产出统计数据的省份,未列出的省份则是由于没有对应统计数据。

3 主要结论

运用2004-2011年的省级面板数据,通过DEA-Malmquist方法,分别从全国和省份层面分析我国4种奶牛养殖模式与原料奶生产效率的关系,得出如下结论:

(1)从全国平均全要素生产率的变动来看,散养和小规模的TFP小于中规模和大规模,全要素生产率表现为随着奶牛养殖规模的扩大而增大。从TFP年份间的变动来看,各养殖模式不同年份的相对优势存在差异,随着时间的推移,规模化奶牛饲养的规模效应日益凸显。在现有技术水平下,散养和小规模养殖模式的技术效率已经达到了较高水平,进一步提高的空间有限,技术进步缓慢是阻碍这两种养殖模式生产率提高的主要原因。

(2)全国层面和省份层面的研究均显示,2004-2011年间我国原料奶生产全要素生产率的变动主要靠技术进步来推动。但是由于技术进步变化上升的年份,技术效率下降,而技术进步下降的年份,技术效率上升,两者之间的此消彼长是导致我国原料奶生产效率增长缓慢的主要原因。

(3)从省份层面看,不同奶源基地的养殖规模与生产效率的关系不同。东北和内蒙古奶源基地的内蒙古和吉林全要素生产率随养殖规模扩大而增大,与之相反,中原地区奶源基地的山东和河南全要素生产率随养殖规模的扩大而减小,其他省份则由于统计数据缺失,全要素生产率随养殖规模变化的规律不明显。

4 政策启示