第四節 實證分析

一 傳統DEA模型分析

我們首先建立數據表，利用DEAP 2.1軟件，將表2-3中的2008—2015年各省份散養、小規模、中規模和大規模生豬養殖的數據輸入，以每頭生豬的主產品產量為產出指標，以人工成本、仔畜進價、精飼料費、水費、燃料動力費、醫療防疫費、工具材料費為投入指標，運算得出如表2-5所示的結果。

表2-5 第一階段不同規模生豬養殖技術效率值

續表

由表2-5中數據可以看出，散養的生豬養殖綜合技術效率值最高為0.9618，其次是中規模生豬養殖，其生豬養殖綜合技術效率值為0.9447，大規模生豬養殖綜合技術效率值最低為0.9328。散養的生豬養殖純技術效率值依然是最高的，其效率值為0.9715，其次同樣是中規模生豬養殖，其生豬養殖純技術效率值為0.9641，最低的仍然為大規模生豬養殖，其純技術效率值為0.9472。規模效率中，散養技術效率值最高為0.9900，其次是大規模生豬養殖技術效率值為0.9847，之后是中規模生豬養殖技術效率值為0.9803，最后是小規模生豬養殖技術效率值為0.9780。

二 SFA模型分析

本階段以第一階段估計結果中各規模生豬養殖投入冗余變量為被解釋變量，以表2-4中記錄的各省份第一產業GDP增長率、全國農林水支出占財政一般公共預算的比例、各地區縣市級畜牧站與家畜繁育改良站數量三個環境變量為解釋變量，利用Coelli（1995）給出的隨機前沿分析軟件Frontier 4.1，計算環境變量對人工成本、仔畜進價、精飼料費、水費、燃料動力費、醫療防疫費、工具材料費等投入變量冗余的影響，得出如表2-6所示的結果。由表2-6可知，本章所選主要環境變量，均通過了顯著性水平檢驗，同時，在1%的顯著性水平下，大部分回歸分析結果的值均趨近于1，表明環境因素和隨機誤差等偶然性因素對生豬規模間養殖投入冗余變量有顯著影響，很有必要運用SFA方法排除環境變量和隨機誤差帶來的影響。

表2-6 SFA模型分析的回歸估計結果

基于隨機前沿生產函數建立的多元線性回歸模型進行回歸分析，如果估計系數為正，說明環境變量的增大會導致投入冗余的增加；如果估計系數為負，表示環境變量的增大會導致投入冗余的降低，有利于技術效率的提高。由表2-6可知，隨著第一產業GDP增長率的提升，人工成本、仔畜進價、精飼料費、醫療防疫費、工具材料費的投入冗余有所增加，而水費的投入冗余則有所減少；財政農林水支出的增加會造成水費、燃料動力費、醫療防疫費投入冗余的增加，但人工成本、仔畜進價、精飼料費、工具材料費的投入冗余卻隨之減少且更加顯著；各地區縣市級畜牧站與家畜繁育改良站數量的增多則會造成仔畜進價、精飼料費、醫療防疫費投入冗余的增加，同時造成人工成本、工具材料費投入冗余的減少。

三 調整后的DEA模型分析

將原始投入代入式（2-3）調整，并將調整后的投入值再次運用Deap 2.1軟件測算，得到調整后不同規模間生豬養殖效率值，具體結果見表2-7。

表2-7 第三階段不同規模生豬養殖技術效率值

續表

從表2-7中可以看出，大多數省份的技術效率值與第一階段相比有所變化，綜合技術效率、純技術效率、規模效率都獲得了提高，其中山西省散養、中規模生豬養殖，吉林省散養生豬養殖，安徽省中規模、大規模生豬養殖，山東省散養生豬養殖，河南省小規模、中規模生豬養殖，廣西壯族自治區小規模生豬養殖，海南省散養、小規模生豬養殖在剔除了環境因素和隨機因素的影響之后達到了生產技術前沿面，這表明不同規模生豬養殖技術效率受到外部環境因素和隨機干擾的影響，使用隨機前沿分析模型剔除投入冗余是十分必要的。

從表2-7中可以看出，綜合技術效率值均值最高的為大規模生豬養殖，其技術效率值為0.9948；其次是散養生豬養殖，其技術效率值為0.9941；之后是小規模生豬養殖，其技術效率為0.9914；最后是中規模生豬養殖，其技術效率值為0.9855。純技術效率值均值最高的為小規模生豬養殖，其技術效率值為0.9922；其次是中規模生豬養殖，其技術效率值為0.9990；之后是散養生豬養殖，其技術效率值為0.9987；最后是大規模生豬養殖，其技術效率值為0.9985。規模效率值均值最高的是大規模生豬養殖，其技術效率值為0.9962；其次是散養生豬養殖，其技術效率值為0.9954；再次是小規模生豬養殖，其技術效率值為0.9922；最后是中規模技術效率值，其技術效率值為0.9866。

雖然大規模生豬養殖綜合技術效率值均值與規模效率值均值最高，但散養生豬養殖綜合技術均值與規模效率均值卻緊隨其后，而純技術效率值均值最高的更是小規模生豬養殖，表明技術效率值的增加并非隨著生豬養殖規模的擴大而獲得提升，這與鄶智薈等對黑龍江省不同規模生豬養殖生產效率的研究以及閆振宇等對我國不同地區生豬養殖生產效率的研究的結論是一致的。