中国是世界最大的猪肉生产与消费国。所谓“猪粮安天下”, 猪肉是中国城乡居民摄取动物性蛋白质的重要来源, 生猪产业亦可承载中国畜牧业长远发展^[1]。近年来, 伴随粮食价格走高、非农就业活跃的现象^[2], 中国生猪养殖正经历着重大结构转型^[3-4], 生产模式逐渐从庭院式散养向规模化养殖转变^[5-7]。规模化被视为畜牧业现代化的核心^[8], 规模养殖对提高生猪综合生产能力、稳定猪肉供给大有裨益^[9-11]。然而, 集约化生产模式常以牺牲环境质量为代价^[7]。生猪养殖规模扩张且高度集聚, 导致粪污处理难度与日俱增^{[5, 11]}; 与此形成鲜明对照的是粪污处理技术滞后和环境管理水平落后, 突出表现为农牧严重脱节和有限就地就近消纳粪污的能力, 更有甚者不经处理偷排乱排^[12-13]。此举不仅严重威胁环境福祉和农产品质量安全^[14], 而且存在诱发重大人畜疫情的风险^[15]。

推动规模养殖并控制环境污染业已成为生猪产业发展的重要议题, 而持续上涨的饲料和劳动力成本更是受到各界关注^[16]。以2004年居民消费价格指数为基础, 2004—2017年大规模生猪养殖的实际劳动力成本从32.58元·头⁻¹增至78.07元·头⁻¹, 增幅达139.63%。中、小规模生猪养殖的劳动力成本也呈现类似上行态势。大规模生猪养殖的精饲料成本亦增长35.35%, 在饲料谷物价格上涨冲击之下, 精饲料实物投入量仅增长19.08%。以2015年为例, 中国规模生猪养殖成本为13.96元·kg⁻¹, 远超两大生猪存栏经济体(即欧盟和美国)的11.13元·kg⁻¹和7.61元·kg⁻¹。因此, 加深对制约中国生猪产业长远发展的两大挑战的认识, 具有重要参考价值。

技术进步在优化资源配置、提升生猪养殖效率、促进规模生产和污染减排方面具有重要意义^[3]。现实经济运行中, 技术进步并不完全呈现希克斯中性, 亦非外生于其他要素^[17]。源于要素相对价格变动冲击的诱致性技术变迁, 通过丰裕资源对稀缺资源的替代以缓解资源约束^[18], 甚至发挥减排效益。遗憾的是, 目前鲜有生猪养殖的有偏技术进步研究且已有结论不尽一致。据已掌握的文献, Cechura等^[19]认为捷克生猪养殖技术变革偏向于增加使用土地和资本; Ma等^[20]认为不断上涨的饲料谷物价格可能会显著减少饲料谷物需求, 进而产生节约饲料粮的有偏向的技术变革, 能够增加农村劳动力就业机会, 尤其是庭院式散养的就业创造能力最强。

纵观以往研究, 其理论价值和现实意义不可小觑。但仍存在如下不足之处:其一, 农业经济领域中技术进步偏向研究多基于宏观视角^[21-23], 特定农业部门的有偏技术进步研究实属少见, 且主要集中于种植业或特定农作物^[24-25], 对畜牧业尤其是生猪养殖有偏技术进步的研究十分匮乏^[19-20], 故生猪养殖中有偏技术进步以及具体的要素偏移方向等亟待审视。其二, 鲜有研究将绿色全要素生产率(green total factor productivity, GTFP)与技术进步偏向相结合。并且, 由于缺乏生猪养殖过程污染排放的统计资料, 研究者往往采用清单法核算产污(排污)量作折中处理, 但是以该方法测算生猪养殖GTFP易陷入特定污染物^{[5, 26]}, 难以从多角度考虑生猪养殖的环境负面效应, 势必因向下偏误而削弱结论信度。其三, 有偏技术进步研究多基于生产函数的参数方法^[19-20]。该类方法对假设前提有较为严格的条件限制, 难以刻画合意产出和非合意产出同时存在时的生产行为, 可能存在互为因果的内生性等问题, 具有一定局限性^{[22, 27]}。其四, 要素的禀赋结构和积累状态决定了技术变迁路径^{[22, 28-29]}, 鉴于要素禀赋水平、资源环境承载力和生态保护目标等存在明显区域差异, 全国整体层面对要素禀赋与技术进步偏向匹配性问题的回答是否适用于区域层面, 仍值得深入探究。

鉴于此, 本文尝试增加以下边际贡献:一是, 将生猪养殖过程中面源污染、重金属污染以及温室气体污染纳入非参数Malmquist-Luenbeger指数核算体系中, 借助绿色全要素生产率指数测算资源环境约束下的投入偏向型技术进步指数; 二是, 结合对规模养殖的远期生存和盈利影响较大的劳动力和精饲料投入^[24], 讨论技术进步的具体要素投入偏向; 三是, 针对各区域生猪养殖可持续发展面临的现实问题和环境规制目标, 划分多个中观地理单元, 在此基础上, 探讨技术进步所倚重的要素是否与区域资源禀赋相协调, 进一步为各区域选择生猪养殖技术进步方向和优化规模生产路径提供支持性证据。

1 对有偏技术进步产生机制的讨论

国内外大多数研究尚未明确指出有偏技术进步在生猪养殖中的作用, 但是已有研究可指向诱导有偏技术进步产生的内生动力, 即初始资源相对稀缺程度及产出弹性差异, 激励生产者选择优化低边际产出的生产要素^{[4, 18]}。

围绕生猪的饲料、劳动力成本上涨以及相对价格变动, 一些学者认为, 饲料粮耕地愈发有限、生物质能源需求激增以及国际粮食市场短期投机行为等诸多因素, 借由粮食谷物价格对生猪饲料成本造成冲击。Xiao等^[16]研究发现, 中国饲料投入的产出弹性迅速而强劲地增长, 在提高生猪产量方面, 饲料投入最为有效, 但是由于饲料谷物价格上涨, 饲料投入实物量增幅远不及饲料价格。胡向东等^[30]认为, 玉米和豆粕价格上升将促使中国养殖户和饲料厂商考虑用麸皮、小麦、稻谷、菜粕和酒糟等其他饲料粮作为补充; McAuliffe等^[31]发现, 为应对国际谷物价格波动, 部分原先从专业厂商购买饲料的爱尔兰生猪养殖户将养殖场转移至自家农场, 以降低饲料成本, 并最大限度地控制饲料营养。一部分学者则着眼于农村劳动力流入非农就业的现象, 如Tian等^[32]的研究认为, 中国生猪养殖中劳动力过度使用, 随着时间推移, 劳动力产出弹性将呈现下降趋势。

饲料、劳动力和种质资源关乎生猪养殖可持续性^{[16, 33]}, 相对于外生的种质资源, 饲料和劳动力资源是诱导规模生猪养殖技术进步的内在源泉。从世界畜牧业发展的历史进程来看, 密集投入劳动力已难以为继, 饲料和资本投入将是生猪养殖现代化的首要推动力^[32]。从中国畜牧业发展的现实条件来看, 饲料加工业的发育、国际粮食市场的开放将缓解饲料资源约束^{[7, 30, 34]}, 但城镇化进程仍不可阻挡地将农村劳动力从生猪养殖中释放出来, 故而劳动力短缺问题上升为制约产业长远发展的首要难题^[7]。突破劳动力资源制约, 一是, 有赖于替代型技术进步^[18], 即增加利用相对丰裕的饲料资源以替代部分劳动力; 二是, 寄希望于从属替代型技术进步的改进型技术进步^[18], 如注入资本和技术用于发展和应用营养配比精准、转化效率提升的全价配合饲料配方, 以提振饲料资源对劳动力的替代作用。因此, 例如保证营养充足、优化饲料结构、补充营养成分以及提高饲料转化率等一系列生猪饲养管理实践, 均能发挥类似的饲料对劳动力替代效应。

实业中, 饲料投入、成分选择对生猪健康有显著影响^[35], 采取给料充足的饲喂方案, 使用营养均衡、配比精准的饲料配方, 均能够明显增强生猪免疫能力、促进生猪生长性能、缩短生猪出栏时间^[36-37], 进而减少单位生猪的养殖管理、疫病防控的劳动力需求。如Peters等^[38]对越南河内的调查发现, 由于体型较大的育肥猪的单位体重价格高于体型较小的育肥猪, 养殖户通过改进饲喂条件, 可在较短时间内获得较高的收入。改善饲养环境以提升饲料转化率或选择高转化率的饲料, 可减少饲料浪费、粪污排放^[36], 降低处理饲料残余、粪污的难度, 进而节约劳动力。收集与处理自家农副产品或谷物类饲料、甚至是餐桌剩余物, 需要养殖户投入更多时间^[35]; 另外, 混合农副产品使营养满足生猪所需, 通常要求养殖户具备较高的知识水平和管理经验^[39], 故选择饲喂标准化程度高的全价配方饲料, 亦可减少饲喂环节的劳动力投入。例如, 在越南、菲律宾、巴布亚新几内亚和印度尼西亚等以甘薯作为生猪主要饲料的国家, 养殖户在甘薯饲料中添加米糠并与其他饲料进行青储, 能够大幅压缩其采收、处理甘薯的耗时^[38]。

要素丰裕程度变迁引起相互替代过程, 不但可能诱致生猪养殖技术变革, 而且要素投入结构改变可进一步发挥有偏技术进步的生态效应。为缓和生猪养殖对土壤酸化、水体富营养化以及温室气体排放的影响, 畜牧学提供了优化生猪饲料、调整营养结构的思路^[40-41]。此外, 优化生猪的给料速率, 不仅可以显著减少温室气体排放^[40], 还降低氮排泄水平^[42]; 提升饲料转化效率、减少生猪生产阶段的粪污排放和饲料损失也被证明可以降低每头生猪的环境影响^[31]。如杨慧娟等^[43]基于海南省的试验发现精青配合饲料中氮、磷含量更低, 在满足生猪日常营养需求的前提下, 可减少生猪排污量, 降低污染物含量。

2 研究设计 2.1 数据说明

本文选取2007—2017年中国小、中、大3种规模生猪养殖的年度统计数据。其中, 投入和期望产出数据来源于《全国农产品成本收益汇编(2008— 2018年)》(后文简称《成本收益汇编》), 非期望产出数据基于《第一次全国污染源普查:畜禽养殖业源产出排污系数手册(2009年)》(后文简称《系数手册》)。参考《成本收益汇编》, 本文根据生猪年出栏量划分养殖规模: 30头及以下为散养, 30头以上、100头及以下为小规模, 100头以上、1 000头及以下为中规模, 1 000头以上为大规模。因部分省(区市)关键数据缺失严重, 为保证数据的完整性和指标的匹配性, 本文剔除北京、天津、上海、福建、西藏和新疆的小规模样本, 上海、福建和西藏的中规模样本, 西藏和宁夏的大规模样本, 台湾、香港和澳门所有规模样本。

参照农业农村部《全国生猪生产发展规划(2016—2020年)》的生猪养殖区划, 根据资源禀赋和环境承载能力等因素将全国划分为重点发展区、约束发展区、潜力增长区和适度发展区。重点发展区包括河北、山东、河南、重庆、广西、四川和海南, 约束发展区包括北京、天津和上海等京津沪地区以及江苏、浙江、福建、安徽、江西、湖北、湖南和广东等南方水网地区, 潜力增长区包括辽宁、吉林、黑龙江、内蒙古、云南和贵州, 适度发展区包括山西、陕西、甘肃、新疆、西藏、青海和宁夏。

2.2 投入产出指标选取

参照已有研究, 在保证指标选取准确并避免数据多重共线性的前提下, 本文选择的指标覆盖生猪养殖过程中的投入产出。指标尽可能采用实物量, 其余以费用衡量的指标均以2004年为基期, 使用各省(区市)农产品生产资料价格指数进行平减。投入、期望产出指标及其具体计算方式和计量单位见表 1; 非合意产出指标为主要污染物排放量, 包括化学需氧量(COD_Cr)、全氮(TN)、全磷(TP)、铜(Cu)、锌(Zn)、甲烷(CH₄)和氧化亚氮(N₂O)。决策单元(DMU)数量满足数据包络分析(DEA)的要求, 即DMU数量不少于投入产出指标数量乘积, 并大于投入和产出指标数量之和的3倍。

《系数手册》的产污(排污)系数根据生猪特定饲养阶段和参考体重测定而得, 并且在核算养殖污染时还考虑了养殖规模和清粪工艺。具体而言: 1)以生猪养殖总周期的1/3和2/3分别折算生猪保育期和育成育肥期^{[26, 44]}, 各省生猪历年平均饲养天数来自《成本收益汇编》; 2)由于采用垫草垫料处理生猪粪尿, 不但成本高昂而且容易造成重金属污染, 因此该种清粪方式未被广泛使用^[26], 本文仅考虑干清粪和水冲清粪的粪尿收集处理工艺; 3)各类规模生猪养殖的清粪工艺比例基于祝其丽等^[45]对中国144处生猪规模养殖场的调查结果, 其研究将规模生猪养殖划分为小型、中型和大型规模生猪养殖, 但是其对生猪养殖规模的界定方式与《系数手册》不一致, 因此本文以该研究中小型规模生猪养殖(年出栏量在500~2 999头)的清粪工艺比例作为小规模、中规模生猪养殖的清粪工艺比例, 就大规模生猪养殖而言, 则根据《中国畜牧业年鉴(2008—2011)》中不同规模生猪年出栏量对其清粪工艺比例进行重构; 4)《系数手册》中仅有2种生猪养殖规模, 因此本文将《系数手册》中的养殖专业户(其年出栏50头及以上)与小规模相对应, 规模化养殖场(其年出栏500头及以上)与中规模相对应, 将养殖小区(未给出具体规模定义)对应大规模^[5]。计算公式为:

$ {\mathit{F}_{{\rm{site, }}\mathit{i , j , k , l , n}}} = {\mathit{F}_{{\rm{default, }}\mathit{i , j , k , l , n}{\rm{ }}}} \times \frac{{{\mathit{w}_{{\rm{site}}}}{\rm{ }}}}{{{w_{{\rm{default}}}}}} $

(1)

$ {P_{\mathit{i , j , n}}} = \sum\limits_{l = 1}^2 {\sum\limits_{k = 1}^2 {\left( {{\mathit{F}_{{\rm{site, }}\mathit{i , j , k , l , n}}} \times {T_k} \times {C_l}} \right)} } $

(2)

式中: F_{site, i , j , k , l, n}为i省份第j种生猪养殖规模第k个生猪养殖阶段采用第 l 种清粪工艺时第 n 种污染物经过折算后的日排污系数, F_{default, i , j , k, l , n}为《系数手册》中 i 省份第 j 种生猪养殖规模第 k 个生猪养殖阶段采用第 l 种清粪方式时第 n 种污染物的日排污系数, w_site为《成本收益汇编》中生猪实际体重, w_default 为《系数手册》中生猪参考体重; P_{i , j , n} 为 i 省份生猪养殖总周期第 j 种生猪养殖规模第 n 种污染物的排污量, T_k为第k个生猪养殖阶段的饲养天数, C_l 为第 l 种清粪方式的比例, j 取 1、2、3 分别代表小、中、大型生猪养殖, k取1、2分别代表生猪的保育期和育成育肥期, l取1、2分别代表干清粪和水冲清粪的清粪工艺, n取1、2、3、4、5分别代表COD_Cr、TN、TP、Cu和Zn等5类污染物。根据COD_Cr、TN和TP污染物排放评价标准转化为等标污染排放量(等标污染排放量=污染物排放总量/污染物排放评价标准), 排放标准分别为20 mg·L⁻¹、1 mg·L⁻¹和0.2 mg·L^{−1 [46]}。

本文分别以生猪年出栏量2 999头、9 999头为分界点, 根据《中国畜牧业年鉴(2008—2011)》中生猪养殖规模划分标准和对应数据, 分别计算2007— 2010年生猪年出栏量为1 000~2 999头、3 000~9 999头(包括年出栏3 000~4 999头和5 000~9 999头2种生猪养殖规模)、10 000头以上(包括年出栏10 000~ 49 999头和50 000头以上2种生猪养殖规模)的生猪养殖规模的出栏数, 并以此作为权重。重构的大规模生猪养殖干清粪工艺比例的计算公式为:

$ {\theta _1} = \frac{{\sum\nolimits_{i = 1}^3 {\left( {{\phi _i} \times {\theta _1}_i} \right)} }}{{\sum\nolimits_{i = 1}^3 {{\phi _i}} }} $

(3)

式中:水冲清粪工艺比例为θ₂=1-θ₁。其中, Φ_i 为第i种生猪养殖规模的年均出栏数, θ_1i为祝其丽等^[45]研究中对应生猪养殖规模的干清粪工艺比例。

大多数生猪养殖绿色全要素生产率(GTFP)研究中, 通常将面源污染和重金属污染作为生猪养殖的非合意产出^[47], 而上述污染物仅对水环境产生负面影响; 若不考虑生猪养殖对大气环境的影响, 将弱化综合环境影响, 进而高估GTFP。鉴于数据可获得性和相关性, 本文引入甲烷(CH₄)和氧化亚氮(N₂O)两类温室气体^[48], 生猪养殖过程中使用煤炭、电力、自来水和饲料等而间接产生的碳排放则不纳入非合意产出的考虑范围^[3]。基于对欧洲生猪的观测, IPCC估算出生猪生长周期肠道发酵排放的甲烷(CH₄)平均量为1.5 kg·头⁻¹。欧洲生猪的平均饲养时间为180 d, 根据各省平均饲养时间, 对生猪肠道发酵排放的CH₄量进行修正以获得i省份t年的排放系数$\left[ {{\rm{C}}{{\rm{H}}_4}} \right]_{_{it}}^{\left( 1 \right)}$ :

$ \left[ {{\rm{C}}{{\rm{H}}_4}} \right]_{_{it}}^{\left( 1 \right)} = \frac{{{d_{it}}}}{{180}} \times 1.5 $

(4)

式中: d_it代表i省份在t年每头生猪平均饲养天数。IPCC公布的中国生猪在集约化养殖方式下生猪粪便CH₄排放因子默认值为4~7 kg·头⁻¹。取其平均值$\left[ {{\rm{C}}{{\rm{H}}_4}} \right]_{_{it}}^{\left( 2 \right)}$=5.5 kg·头⁻¹作为i省份在t年每头生猪生长周期产生的粪便在贮存过程中所排放的CH₄。因此, 各省份每头生猪在生长育肥阶段的CH₄排放总量为:

$ {\left[ {{\rm{C}}{{\rm{H}}_4}} \right]_{it}} = \left[ {{\rm{C}}{{\rm{H}}_4}} \right]_{it}^{\left( 1 \right)} + \left[ {{\rm{C}}{{\rm{H}}_4}} \right]_{it}^{\left( 2 \right)} $

(5)

N₂O排放量的估算根据《IPCC国家温室气体清单优良做法指南和不确定性管理》中核算每头生猪N₂O采用的公式:

$ {\left[ {{{\rm{N}}_2}{\rm{O - N}}} \right]_{it}} = {E_{it}} \times {E_3} \times F = \left( {\frac{{{\mathit{w}_{{\rm{site}}}}}}{{{w_{{\rm{default}}}}}} \times {E_{df}}} \right) \times {E_3} \times F $

(6)

式中: [N₂O-N] _it为i省份在t年每头生猪粪便管理系统的N₂O排放量; E_it为i省份在t年每头生猪年平均氮排放量; E_df为IPCC默认氮排放量, 该值以82 kg作为生猪的假设重量(w_default); E₃为生猪粪便管理系统N₂O挥发释放因子, IPCC中取值为0. 001 kg N₂O-N ·kg⁻¹ (N); F为N到N₂O-N的转化因子(值为44/28)。

2.3 有偏技术进步的测度方法及要素偏向的判别方法

本文基于兼顾合意产出及非合意产出的非参数Malmquist-Luenbeger(ML)指数方法估计规模生猪养殖绿色全要素生产率。Färe等^[49]提出了基于DEA-Malmquist指数法度量全要素生产率, 并将其进一步分解为技术效率(EC)和技术进步(TC)指数, 前者是投入产出组合到生产前沿面之间距离的变化, 后者是指生产前沿面本身的变化, 该分解并未区分中性技术进步和有偏技术进步。Färe等^[50]进一步提出Malmquist指数的另一种分解方法, 将技术进步(TC)指数分解为规模技术进步(MTC)、产出偏向型技术进步(OBTC)和投入偏向型技术进步(IBTC)指数, 其中IBTC指数可度量有偏技术进步。本文采用Färe等^[50]的投入偏向技术变化指数(IBTC)度量有偏技术进步对规模生猪养殖绿色全要素生产率的贡献, 并作为判断技术进步偏向的依据。

Färe等^[49]提出的Malmquist全要素生产率指数(ML)定义在满足规模报酬不变条件下的技术前沿, 具体公式为:

$ \begin{array}{l} {\rm{ML}} = \sqrt {\frac{{D_0^{t + 1}\left( {{y^t}, {x^t}} \right)}}{{D_0^t\left( {{y^t}, {x^t}} \right)}} \times \frac{{D_0^{t + 1}\left( {{y^{t + 1}}, {x^{t + 1}}} \right)}}{{D_0^t\left( {{y^{t + 1}}, {x^{t + 1}}} \right)}}} \times \frac{{D_0^t\left( {{y^t}, {x^t}} \right)}}{{D_0^{t + 1}\left( {{y^{t + 1}}, {x^{t + 1}}} \right)}} = \\ {\rm{TC}} \times {\rm{EC}} \end{array} $

(7)

式中:$ {D_0^t\left( {{y^t},{x^t}} \right)}$为t时期的Shephard投入导向(input-oriented)的距离函数(distance function), x^t表示t时期的一组非负投入向量, y^t表示t时期的一组非负产出向量。

进一步, Färe等^[50]将TC指数分为:

$ {\rm{MTC = }}\frac{{D_0^{t + 1}\left( {{y^t}, {x^t}} \right)}}{{D_0^t\left( {{y^t}, {x^t}} \right)}} $

(8)

$ {\rm{OBTC = }}\sqrt {\frac{{D_0^{t + 1}\left( {{y^{t + 1}}, {x^{t + 1}}} \right)}}{{D_0^t\left( {{y^{t + 1}}, {x^{t + 1}}} \right)}}/\frac{{D_0^{t + 1}\left( {{y^{t + 1}}, {x^t}} \right)}}{{D_0^t\left( {{y^{t + 1}}, {x^t}} \right)}}} $

(9)

$ {\rm{IBTC = }}\sqrt {\frac{{D_0^{t + 1}\left( {{y^{t + 1}}, {x^t}} \right)}}{{D_0^t\left( {{y^{t + 1}}, {x^t}} \right)}}/\frac{{D_0^{t + 1}\left( {{y^t}, {x^t}} \right)}}{{D_0^t\left( {{y^t}, {x^t}} \right)}}} $

(10)

式中: MTC衡量的是生产前沿面平移, 属中性技术进步范畴; OBTC反映的是在具有多种产出的情况下, 技术进步对产出不同比例的促进作用, 在只具有单一产出的情况下, OBTC为1; IBTC反映的是技术进步对不同投入要素边际替代率的改变。在要素等比例节约情景的基础上, 当IBTC>1时, 投入偏向型技术进步使GTFP获得增进效应; IBTC < 1则意味着投入偏向型技术进步使GTFP获得降低效应。

IBTC指数只能反映投入偏向型技术进步能否提升全要素生产率, 并未指出技术进步的要素偏向, 故无法判别技术进步是偏向于节约或使用何种投入要素。为解决该问题, 本文借鉴Weber等^[51]的方法, 基于要素比例在t +1期和t期的变化即投入要素的边际替代率以及IBTC指数的不同组合, 以判别规模生猪养殖技术进步的要素偏向。当IBTC>1时, $ \frac{{x_2^{t + 1}/x_1^{t + 1}}}{{x_2^t/x_1^t}} > 1$表明技术进步偏向于节约要素x₁, $ \frac{{x_2^{t + 1}/x_1^{t + 1}}}{{x_2^t/x_1^t}} < 1$表明技术进步偏向于节约要素x₂。反之, 当IBTC < 1时, $ \frac{{x_2^{t + 1}/x_1^{t + 1}}}{{x_2^t/x_1^t}} > 1$表明技术进步偏向于节约要素x₂, $ \frac{{x_2^{t + 1}/x_1^{t + 1}}}{{x_2^t/x_1^t}} < 1$表明技术进步偏向于节约要素x₁。当IBTC指数=1或$ \frac{{x_2^{t + 1}/x_1^{t + 1}}}{{x_2^t/x_1^t}} = 1$时, 表示技术进步为中性。

3 结果与分析 3.1 规模生猪养殖的投入偏向型技术进步指数

绿色全要素生产率(GTFP)及其分解如表 2所示。就全国而言, 2007—2017年小、中、大规模生猪养殖GTFP分别为1.003、1.007、0.989, 年均增长率分别为0.3%、0.7%、−1.1%, 表明小规模和中规模生猪养殖GTFP总体上均有微小幅度提升, 且中规模生猪养殖提升程度略高, 小规模生猪养殖提升程度则较低, 相比之下, 大规模生猪养殖GTFP增长持续放缓并呈现倒退迹象。

就区域而言, 大规模生猪养殖GTFP中, 各区域GTFP均小于1, 这是整体GTFP小于1的根源所在; 中规模生猪养殖GTFP中, 重点发展区和适度发展区GTFP小于1, 潜在增长区和约束发展区GTFP均大于1;小规模生猪养殖GTFP中, 重点发展区GTFP小于1, 潜在增长区GTFP等于1, 而适度发展区和约束发展区GTFP均大于1。进一步观察2007—2017年的技术效率(EC)指数可以发现, 全国及各区域不同规模生猪养殖的EC指数均与1非常接近, 这意味着观察期内规模生猪养殖技术效率改善有限, 对规模生猪养殖GTFP产生显著影响和带动效应的是技术进步(TC)。从全国层面看, 除了大规模生猪养殖TC指数有所放缓外, 小规模和中规模生猪养殖TC指数仍持续提升, 且中规模TC指数提升水平略高于小规模。从区域层面看, 各区域大规模生猪养殖以及重点发展区的小、中规模生猪养殖出现技术进步放缓, 而其他地区小、中规模TC指数均大于1, 进而拉动GTFP提升。

就本文最为关注的投入偏向型技术进步来看, 首先, 2007—2017年中国整体及各区域不同规模生猪养殖的投入偏向型技术进步(IBTC)指数均大于1, 这说明观察期间有偏技术进步在各区域各规模生猪养殖中并不会带来GTFP的降低; 与此相反, 有偏技术进步能够在中性技术进步的基础上带来GTFP的进一步提高; 但小规模和中规模生猪养殖有偏技术进步对生猪养殖GTFP提升作用弱于大规模生猪养殖。其次, 重点发展区和约束发展区的大规模生猪养殖相比其他地区, 有偏技术进步带来更明显的GTFP增进效应; 适度发展区和重点发展区的小规模和中规模生猪养殖有偏技术进步对GTFP的提升效应明显超越其他区域。

3.2 规模生猪养殖技术进步偏向

本文计算了各省3种规模生猪养殖中2种关键投入边际替代率, 并根据前文的判别方法对规模生猪养殖绿色技术进步偏向识别^{[22, 52]}。

如表 3所示, 除了特殊年份外, 各规模生猪养殖技术进步的要素投入偏向呈现出节约劳动力而使用精饲料趋势。就2008—2017年平均数量而言, 多数省份倾向于使用精饲料而节约劳动力投入, 其中, 中规模和小规模生猪养殖中倾向于使用精饲料的省份占比较大, 节约劳动力的省份数量占比可达60%。

如表 4所示, 对于重点发展区, 小规模生猪养殖偏向于特定要素的趋势未明显呈现, 而大规模和中规模生猪养殖偏向于节约劳动力而增加使用精饲料的趋势则开始凸显。对于潜力增长区, 大规模生猪养殖偏向于节约精饲料和劳动力的省份数量相当, 小规模生猪养殖偏向于节约劳动力的省份数量明显多于偏向于节约精饲料的省份, 二者在两段观察期内数量未发生变化; 2008—2012年中规模偏向于节约精饲料的省份数量与偏向于节约劳动力的省份数量相当, 2013—2017年偏向于节约某一特定要素的省份数量对比发生变化且多数省份倾向于节约劳动力。对于适度发展区, 在2012年前后, 中规模生猪养殖中偏向于节约劳动力的省份数量较多, 且偏向于节约某项投入要素的省份数量对比未发生明显变化; 大规模和小规模生猪养殖则呈现出节约精饲料而偏向于使用劳动力的态势。

4 讨论与结论

基于2007—2017年中国小、中、大3种规模生猪养殖数据, 本文系统核算生猪养殖过程中5类污染物, 将其作为非合意产出纳入生猪养殖绿色全要素生产率核算体系之中; 将绿色全要素生产率与有偏技术进步相结合, 计算得到规模生猪养殖的投入偏向型技术进步指数, 并识别技术进步要素偏向。

从学术积累的角度看, 本文可回答3个重要问题。其一, 有偏技术进步在中国规模生猪养殖中的存在性及其对绿色全要素生产率的作用。研究发现, 不同规模生猪养殖的投入偏向型技术进步能够在中性进步的基础上带来绿色全要素生产率的进一步提高, 该结论在全国层面和区域层面均成立。

第二个问题是, 中国规模生猪养殖的技术进步偏向于节约劳动还是精饲料。研究表明, 各规模生猪养殖技术进步的要素投入偏向呈现出节约劳动力而增加精饲料的趋势。随着中国城镇化进程加快, 逐渐消失的人口红利势必抬升劳动力成本, 故劳动力相对于精饲料更为稀缺, 其边际产出增长的速度和幅度远超精饲料; 在劳动力仍旧不足的情况下, 技术进步将向价格相对低廉的精饲料偏移。

结果中无法忽视的现象是, 小规模和大规模生猪养殖中倾向于节约特定要素投入的省份数量存在波动, 然而这与经济现实相符。规模生猪养殖依赖于饲料成本^[34], 近年来粮食谷物价格的大幅波动, 进而导致精饲料、劳动力价格的相对变动。该变动对大规模和小规模生猪养殖的冲击较为明显, 但其影响路径不尽相同。

小规模养殖是由庭院式散养发展而来的规模化养殖^[53], 其生产决策与散养模式类似。小规模养殖可利用农村剩余劳动力应对要素价格变动, 但其往往囿于资金和技术水平。养殖户容易低估或有损失, 在精饲料价格波动时更关注于调整饲料结构、节约精饲料以控制成本; 因此, 当精饲料中某一成分价格上升时, 可能促使养殖户以低廉成分替代^[30]; 此外, 小规模生猪养殖亦具备利用非常规饲料和青粗饲料替代精饲料的成本优势^[53]。

大规模生猪养殖户为保证高产品质量和高平均出售价格^[53], 更注重饲料配比的科学性^[30]。因此, 当精饲料价格大幅上涨时, 理性养殖户仍将选择中高等饲料^[54], 保证正常饲喂^[53]。资本相对密集的大规模养殖户有能力在短期内灵活更迭技术, 如更新装备、引进饲料转化率较高的生猪品种^[8], 通过提升饲喂装备水平、缩短生猪出栏时间以减少饲料浪费、控制饲料成本。而另一方面, 其通过适当调整用工数量可强化生猪饲养管理水平^[30], 在一定程度上应对饲料价格波动。

本文回答的第三个问题是, 技术进步偏向的要素是否与区域资源禀赋相协调。本文参照国家级生猪养殖区域布局, 根据资源禀赋和环境承载能力等因素将全国分为4个地理单元。本文认为, 规模生猪养殖技术进步要素偏向主要由各区域资源禀赋决定, 故各区域应当基于其资源禀赋和环境规制目标诱致技术变迁。

重点发展区和潜力增长区同为重要的粮食主产区和未来的生猪稳定供给区, 区域内精青饲料资源丰富, 种养结合基础良好, 消纳生猪污染物的耕地资源充足。该区域应在环境承载能力内, 贯通粪便资源循环利用通道, 以发挥饲料成本节约和环境质量提升的双重效应。此外, 依托现有产业基础, 助推规模化、集约化、专业化和信息化养殖, 促进节约劳动力的技术进步。

京津沪和南方水网地区为代表的约束发展区, 是中国人口密集和经济发展水平领先的地区。人与生猪产业在土地、粮食、水等资源利用方面呈现出日趋激烈的争夺态势, 使该区域内不同规模生猪养殖技术进步未明显偏向于特定要素。就精饲料节约而言, 该区域原有技术水平较高, 生猪饲料转化率均有所提升^[3], 技术装备和种质优势有助于减少饲料消耗^[30]; 此外, 该区域饲料资源不足的劣势因饲料加工业不断发展而得到改善^[34], 而交通基础设施完善亦可削减粮食调入该区域的成本。就劳动力节约而言, 该区域规模化程度位于全国前列, 通过加快信息化建设、提升设施装备水平, 在一定程度上可减少生猪养殖的用工投入。实际上, 重点发展区、潜力增长区逐渐成为猪肉供给的核心。由于区域间交通可达性改善、市场整合程度提升, 上述地区在满足其居民需求的同时, 亦能向约束发展区调出生猪^[34]。因此, 约束发展区在维持养殖规模的基础上, 向饲料资源和生态环境约束较小的区域转移^[13], 调整产业向适度规模化转变, 而非无边界地大规模扩张。

适度发展区农牧结合条件较好, 土地资源和农副产品资源丰富, 但由于区域内多数省份水资源匮乏、生态承载能力较弱, 更适宜推行适度规模的劳动密集型生态养殖, 此外, 适度开发草山草坡发展特色畜牧业兼具节约精饲料、提高收益、缓解环境污染的多重作用^{[43, 55]}, 进而提升规模养殖的绿色全要素生产率; 另一方面, 适度发展区多位于中国西北地区, 区域内劳动力充足且农牧经验丰富, 能够满足特色生猪精细养殖的管理需求。