生猪作为中国养殖产业支柱与居民肉食主要来源，生猪养殖业与国计民生紧密相关，因此，生猪养殖业受到极大的关注[1]。2017年，农业农村部根据“深化供给侧结构性改革”要求，出台《全国生猪生产发展规划》，提出推动生猪规模化养殖。2020年，中央一号文件针对生猪养殖行业特别提出：取消用地上限规定，允许使用一般耕地进行生猪养殖。在上述政策支持下，中国规模化生猪养殖不断发展，大规模养殖户数量逐渐增多[2]。据《中国畜牧兽医年鉴》统计数据显示，2014~2020年间，中国年出栏超过5万头的大规模生猪养殖户占比由2.7%上升至23%。然而，现阶段中国大规模生猪养殖面临疫病频发等问题，致使生猪出栏量并不稳定[3-4]。对大规模生猪养殖效率进行准确评价，能够使养殖者更加明确大规模生猪养殖规律和趋势，合理配置投入要素资源、调整养殖方式，提高养殖效率与效益。目前，学术界关于生猪养殖效率的研究主要从3个方面入手：影响因素、区域差异、效率类型。影响因素方面，朱云芳[5]主要研究环境污染对生猪养殖效率的影响。李小刚等[6]研究了要素投入量、地域GDP水平、养殖补贴政策对不同规模生猪养殖效率的影响。李杰等[7]从养殖户受教育水平、生猪养殖机械化水平、预混料投入比例、饲料利用率等方面出发，对生猪养殖效率的影响因素展开研究。区域差异方面，王德鑫等[8]从省际和区域层面对中国规模生猪养殖效率进行测度。何道领[9]主要测算重庆市生猪养殖效率，并提出促进生猪产业可持续发展的对策建议。效率类型方面，谭莹[10]、冯静等[11]主要对中国生猪生产效率进行评价与比较。杜红梅等[12]对中国17个主产区的生猪规模养殖环境效率进行测算。周杨等[13]基于中国25个省市的面板数据，研究中国大规模生猪养殖的技术效率。刘鹏凌等[14]、胡亚琳等[15]对中国生猪养殖全要素生产率进行研究。虽然部分研究从不同养殖规模角度对生猪养殖效率进行分析，但是关于大规模生猪养殖效率及其影响因素的深度研究较为缺乏。因此，文章利用超效率SBM模型，着重评价大规模生猪养殖效率，对相关影响因素展开分析，以便找到大规模生猪养殖相应规律，确保生猪养殖产业规模化发展稳步推进。1理论分析在生猪养殖过程中，规模化生猪养殖效率会受政府、养殖环境、养殖技术等诸多因素的影响[16-19]。政府方面，地方财政对大规模生猪养殖户的资金补贴，既可帮助生猪养殖户扩大养殖规模，提高大规模生猪养殖产量，也可以让养殖户实现养殖设备与技术更新，从而提高单位时间的大规模生猪养殖效率。养殖环境方面，养殖场所在地区的土地、水源、地形等外部自然条件，既决定大规模生猪养殖的环境，也影响生猪饲料的质量。养殖户方面，大规模生猪养殖户的年净收入，直接决定其下一年的生猪养殖决策。生猪养殖收入越高，养殖户在次年可投入大规模生猪养殖的资金就越充分。这些资金可用来引入优质生猪品种、优化猪舍环境、更新养殖设备等，有利于提高大规模生猪养殖效率与效益。养殖技术方面，大规模生猪养殖离不开先进养殖技术的支持。如养殖户使用自动饲喂技术喂养生猪，可在减少大规模生猪养殖所需饲养人员数量的同时保证养殖效率，从而降低人力成本投入，提高生猪养殖效益。养殖成本方面，大规模生猪养殖成本除了涉及仔猪费用、饲料费用外，还需消耗大量的人力资本。大规模生猪养殖涉及先进养殖技术和设备的使用。具备较高科学文化素质的养殖人员可凭借自身优势，快速掌握先进养殖技术、合理配置投入要素资源，降低不必要的养殖资源浪费。文章在测定大规模生猪养殖效率基础上，重点分析政府补贴、养殖环境、养殖户收入、养殖技术和人力资本对大规模生猪养殖效率的影响。2研究方法2.1超效率SBM模型SBM-undesirable模型不仅可以克服投入产出的松弛问题，还能够对大规模生猪养殖过程中的非期望产出进行衡量，其测算出的效率值更符合实际。故文章选用SBM-undesirable模型对大规模生猪养殖效率进行测算，具体公式如下：minρ=1-(1/M)∑i=1Mw¯i/xik1/(R1+R2)(∑s=1R1wsd/yskd+∑q=1R2wqu/yqku) (1)s.t.xik=∑j=1nxijλj+w¯iyskd=∑j=1nxsjdλj-wsdyqkd=∑j=1nxqjuλj+wquλj0;w¯i≥0;wsd≥0;wqu≥0j=1,2…,n;i=1,2…,Ms=i=1,2…,R1;q=1,2…,R2 (2)式中：ρ为大规模生猪养殖效率值；R为决策单元数量（R=1、2、⋯、R）；M为每个决策单元中的投入要素个数；R1、R2分别为每个决策单元中的期望与非期望产出要素个数；λj为对应决策单元的权重；w¯i为投入冗余的松弛量；wsd、wqu分别为期望与非期望产出冗余的松弛量。2.2Tobit面板回归模型文章测度的大规模生猪养殖效率值属于左截断数据，使用一般的最小二乘法可能会造成参数估计存在偏差。而Tobit回归模型能较好地解决截尾、删失等因变量受限问题，且可用于研究某些选择行为下连续变量的变化机制。因此，文章选用Tobit面板回归模型对大规模生猪养殖效率的影响因素进行分析，具体公式如下：Ykt=α+∑k=1βkXk+εkt (3)式中：Ykt为大规模生猪养殖效率；t为时间；k为地区；Xk为k地区大规模生猪养殖效率的影响因素；βk为各影响因素的回归系数；εkt为Tobit面板回归模型的误差项。3指标体系构建及数据来源3.1投入产出指标体系构建为了科学评价中国大规模生猪养殖效率，首先需构建全面的投入产出指标体系。因此，文章以方东方[20]和刘晓峰[1]的研究为依据，构建大规模生猪养殖效率投入产出指标体系。大规模生猪养殖效率投入产出指标体系见表1。其中，投入指标包括仔畜费、饲料费用、医疗投入费用、用工数量与其他费用，产出指标包括期望产出、非期望产出，分别用主产品产量与污染排放量进行衡量。10.13557/j.cnki.issn1002-2813.2021.21.026.T001表1大规模生猪养殖效率投入产出指标体系类型一级指标二级指标单位含义投入指标仔畜费—元大规模生猪养殖户用于生猪仔畜上的费用饲料费用—元用于饲喂生猪的精饲料、预混合饲料、浓缩饲料、青绿饲料费用及部分饲料的加工费医疗投入费用—元生猪养殖疫苗、抗生素等医疗防疫费用其他费用—元养殖所需工具材料费、养殖场所设备修理维修费、养殖保险费、场所照明费用等用工数量—日/头养殖户在每头生猪养殖过程中的劳动投入天数产出指标期望产出主产品产量千克每头生猪的平均屠宰重量非期望产出污染排放量千克/头每头生猪所产生的全氮、全磷、化学需氧量总和注：污染排放量=（实际体重/参考体重）×排污系数×平均饲养天数。3.2数据来源选取中国29个省份（考虑数据可获得性，剔除港澳台、西藏及宁夏）作为研究对象，时间跨度为2008~2020年。所选指标的相关数据主要通过各省统计年鉴、畜牧信息网、《中国畜牧兽医年鉴》、饲料行业信息网以及《中国畜牧兽医年鉴》获得。其中，污染排放量测算所需指标的数据来自《排污系数手册（2010年修订）》《全国农产品成本收益资料汇编》。4结果与分析4.1中国大规模生猪养殖效率评价分析运用Matlab软件将相关数据带入公式（1），可测得2008~2020年29个省份大规模生猪养殖效率值及其时间变化趋势。2008~2020年中国29个省份大规模生猪养殖效率测算结果见表2，养殖效率变化趋势见图1。10.13557/j.cnki.issn1002-2813.2021.21.026.T002表22008~2020年中国29个省份大规模生猪养殖效率测算结果项目2008年2009年2010年2011年2012年2013年2014年2015年2016年2017年2018年2019年2020年省均值吉林0.820.700.721.001.001.001.000.730.700.670.690.710.730.81上海1.001.001.001.001.001.001.001.001.001.001.001.001.001.00江苏0.701.001.001.001.001.001.001.001.001.001.001.001.000.98安徽0.710.761.000.750.781.001.001.000.730.760.780.800.820.84河南0.621.001.000.610.651.001.000.660.690.701.001.221.480.89广东0.490.550.580.580.560.660.820.720.710.700.800.901.000.70四川1.001.001.001.001.001.001.001.001.001.001.001.001.001.00云南1.001.001.001.001.001.001.001.001.001.001.001.001.001.00新疆1.001.001.000.660.620.580.490.540.580.640.610.580.550.68北京0.630.380.400.440.450.490.530.540.520.540.600.660.720.53天津0.790.850.750.670.700.801.000.840.830.820.760.700.640.78山西0.731.001.001.001.001.001.001.001.001.001.001.001.000.98浙江0.730.660.740.640.660.800.890.820.670.680.710.740.770.73山东1.001.001.001.001.001.001.001.001.001.001.001.001.001.00辽宁0.760.680.630.680.730.680.711.001.001.001.001.001.000.84河北1.001.001.001.001.001.001.001.001.001.001.001.001.001.00黑龙江0.840.660.650.610.641.001.001.001.001.001.001.001.000.88福建1.001.000.761.001.001.000.780.710.740.741.001.181.400.95湖南1.001.001.001.001.001.001.001.001.001.001.001.001.001.00湖北0.710.751.001.001.000.701.001.001.001.001.001.001.000.94重庆0.630.621.001.001.001.001.001.001.001.001.001.001.000.94海南0.571.001.001.001.001.001.001.001.001.001.001.001.000.97广西0.630.731.001.000.760.830.830.771.001.001.001.001.000.89贵州1.001.000.791.000.791.001.001.001.001.001.001.001.000.97续表2　2008~2020年中国29个省份大规模生猪养殖效率测算结果10.13557/j.cnki.issn1002-2813.2021.21.026.F001图12008~2020年中国大规模生猪养殖效率变化趋势10.13557/j.cnki.issn1002-2813.2021.21.026.T003项目2008年2009年2010年2011年2012年2013年2014年2015年2016年2017年2018年2019年2020年省均值年均值0.810.850.890.850.840.880.910.890.860.860.890.900.930.87内蒙古0.500.480.790.750.750.640.760.750.700.660.660.660.660.67江西0.711.001.001.001.001.001.001.001.001.001.001.001.000.98陕西1.000.751.000.740.770.670.781.000.680.730.840.810.940.82青海1.001.001.001.001.001.001.001.000.630.610.600.590.580.85甘肃1.001.001.000.610.610.710.690.690.650.660.670.680.690.74由表2可知，2008年中国各省份整体大规模生猪养殖效率均值为0.81，2020年为0.93，2008~2020年生猪养殖效率均值上升0.12，增长幅度高达15%。研究表明，2008~2020年大规模生猪养殖效率总体呈上升趋势。由图1可知，2008~2020年中国大规模生猪养殖效率变化呈波动态势。2008~2010年，中国大规模生猪养殖效率值从0.81上升至0.89，增长幅度约10%。2010~2012年，中国大规模生猪养殖效率从0.89下降至0.84，下降幅度约6%。2012~2014年，中国大规模生猪养殖效率再次呈上升趋势，从0.84上升至0.91，涨幅约为8%。2014年为考察期内第二次峰值，此后中国大规模生猪养殖效率进入持续下降阶段，并于2017年达到谷值，从0.91下降至0.86，降幅近5%。2017~2018年，中国大规模生猪养殖效率下降趋势逐渐减缓。2018~2020年，中国大规模生猪养殖效率始终处于上升状态。因此，中国在大规模生猪养殖方面的举措处于不断调整状态，直至2017年后才开始致力于推动大规模生猪养殖效率提升，并取得一定成效，这与实际情况相符。4.2中国大规模生猪养殖效率的影响因素分析4.2.1影响因素指标选择为进一步探讨中国大规模生猪养殖效率影响因素，将中国大规模生猪养殖效率值作为被解释变量，基于文献[6,21]，选定与投入、产出要素紧密相关的一些因素作为解释变量。解释变量名称及定义见表3。10.13557/j.cnki.issn1002-2813.2021.21.026.T004表3解释变量名称及定义变量名称变量代码定义财政补贴水平CZBT地区政府对农牧产业的补贴额度农村居民可支配收入KZPSR地区养殖户收入（需剔除初次分配、再分配支出）养殖技术投入YZJSSP地区养殖技术研发支出/本年养殖收入人力资本水平RLSP地区受教育程度为高中及以上的人口比例环境治理资金投入水平HJTZ地区用于环境污染治理资金投入额度研究所选解释变量相关数据源自2008~2020年《中国财政年鉴》《中国环境统计年鉴》、各省统计年鉴以及《中国农业年鉴》。4.2.2Tobit回归结果将各解释变量数据代入公式（3）中，可得到全样本回归结果（见表4）。10.13557/j.cnki.issn1002-2813.2021.21.026.T005表4全样本回归结果变量效率CZBT0.000 055**（-0.27）KZPSR0.000 019*（1.76）YZJSSP0.065 791***（-1.58）RLCB-0.664 528*（-1.74）HJTZ-0.000 258*（-1.85）注：1.“***”表示在0.01水平显著，“**”表示在0.05水平显著，“*”表示在0.10水平显著。2.括号内为t值。由表4可知，财政补贴水平对大规模生猪养殖效率的回归系数为0.000 055，在5%水平上显著，表明财政补贴水平与大规模生猪养殖效率呈显著正相关。产生这一结果的原因可能是财政补贴在一定程度上弥补了养殖户提升大规模生猪养殖效率的资金需求。农村居民可支配收入对大规模生猪养殖效率的回归系数为0.000 019，通过10%的显著性水平检验，表明农村居民可支配收入对大规模生猪养殖效率具有显著促进作用。产生这一结果的原因可能是，居民可支配收入的提高使生猪养殖户有更多经济资本投入大规模生猪养殖，促使生猪养殖效率得以提升。养殖技术投入对大规模生猪养殖效率的回归系数为正（0.065 791），显著性水平为1%，表明先进、科学的饲喂条件及手段更有利于生猪快速出栏，可提升大规模生猪养殖效率。人力资本水平对大规模生猪养殖效率的回归系数为负（-0.664 528），且通过10%的显著性水平检验，可能是因为生猪养殖产业从业人员受教育程度相对较低，这对大规模生猪养殖效率提升极为不利。环境治理资金投入水平对大规模生猪养殖效率的回归系数显著为负（-0.000 258）。产生这一结果的原因可能是环境治理资金投入增加了养殖成本，间接压缩生猪养猪运营及其他方面的资金投入，从而阻碍养殖效率的提升。5结论中国大规模生猪养殖效率虽不断波动，但整体效率呈上升趋势。财政补贴水平、农村居民可支配收入与养殖技术投入均显著正向影响大规模生猪养殖效率，其中养殖技术投入的正向影响最显著，财政补贴水平的作用也较强，农村居民可支配收入的正向影响相对较弱。人力资本水平与环境治理资金投入水平对大规模生猪养殖效率的影响为显著的负向影响，其中人力资本水平的负向影响作用更大。研究结果能够促进生猪养殖业规模化发展，增强养殖者对于大规模生猪养殖效率的认知，帮助养殖者更好地应对经营过程中各类问题，实现大规模稳态生产。