中国水禽产业时空演进及影响因素&#x02014;&#x02014;基于全要素生产率增长视角

李刚; 刘灵芝

doi:10.31497/zrzyxb.20210814

自然资源学报 >

2021 , Vol. 36 >Issue 8: 2095 - 2112

DOI: https://doi.org/10.31497/zrzyxb.20210814

其他研究论文

中国水禽产业时空演进及影响因素——基于全要素生产率增长视角

李刚 ,
刘灵芝

展开

华中农业大学经济管理学院,武汉 430070

刘灵芝（1971- ）,女,湖北宜昌人,博士,教授,研究方向为农业经济理论与政策。E-mail: liulingzhi@mail.hzau.edu.cn

李刚（1990- ）,男,贵州盘州人,博士研究生,研究方向为农业经济、环境科学与资源利用。E-mail: ligang520202@163.com

收稿日期: 2020-01-10

修回日期: 2020-03-06

网络出版日期: 2021-10-28

基金资助

国家现代农业产业技术体系专项资金项目(CARS-42-28)

版权

收起

Spatio-temporal evolution of waterfowl industry in China and its influencing factors:From the perspective of total factor productivity growth

LI Gang ,
LIU Ling-zhi

Expand

College of Economic and Management, Huazhong Agricultural University, Wuhan 430070, China

Received date: 2020-01-10

Revised date: 2020-03-06

Online published: 2021-10-28

Copyright

Fold

摘要

水禽产业快速发展离不开技术进步的贡献。准确审视水禽产业全要素生产率的时空演进规律,探讨不同阶段水禽全要素生产率（TFP）的提升策略十分重要。基于中国水禽体系产业经济团队的调研数据和固定观测点数据,结合有关年鉴整理出水禽的投入和产出数据,运用GIS技术分析后得出结论：2010—2018年水禽产业时空演进特征为“东退西进,北向南移”。结合永续盘存法和索洛余值,运用数据包络分析法（DEA-Malmquist）估算全国29个省份水禽TFP指数,比较各地区的TFP增长率和贡献率,进而分析此期间的时空演进规律,结果显示：2014年TFP增长率大幅下跌,2015年又逐渐上升,2016年以后才趋于平稳增长,概括水禽TFP增长率的时空变化规律为先降后升的“U”型走势。运用Tobit模型分析其变动的影响因素,结果表明：受H7N9突发事件影响,水禽产业劳动力投入和资本投入发生了改变,主要影响因素为水电及燃料动力投入、基础设施维护及新增投入、疫苗防疫及医疗投入等,这些因素对水禽TFP增长的时空变动影响显著,进一步说明水禽技术效率有待提升,风险规避机制有待完善。

关键词： 水禽产业; 时空演进; GIS; 全要素生产率; 数据包络分析法; Tobit模型

本文引用格式

李刚 , 刘灵芝 . 中国水禽产业时空演进及影响因素——基于全要素生产率增长视角[J]. 自然资源学报, 2021 , 36(8) : 2095 -2112 . DOI: 10.31497/zrzyxb.20210814

Abstract

The rapid development of waterfowl industry is inseparable from technological progress. It is very important to examine the evolution law of total factor productivity (TFP) in waterfowl industry and to explore the promotion strategies of TFP in different stages. Based on the survey data and fixed observation point data of the industrial economic team of China waterfowl system, combined with the input and output data of waterfowl industry sorted out in the relevant yearbooks, the paper uses GIS technology to analyze and draws the conclusion that the spatio-temporal evolution characteristics of waterfowl industry in 2010-2018 are "shift from east to west and from north to south". Combined with the perpetual inventory method and Solow residual value, data envelopment analysis DEA-Malmquist is used to estimate TFP of waterfowl industry in 29 provincial-level areas of China. The growth rate and contribution rate of TFP in each of six regions are compared, and then the spatio-temporal evolution law of this period is analyzed. The results show that the growth rate of TFP fell sharply in 2014, rose gradually in 2015, and then grew steadily after 2016. The spatio-temporal growth rate of TFP of waterfowl indutry is summarized. The curve of change presents a "U"-shaped pattern of first falling and then rising. Tobit model is used to examine the influencing factors of the changes. The results show that, affected by H7N9 emergencies, the labor and capital investment in waterfowl industry has changed. The main influencing factors are hydropower and fuel power investment, infrastructure maintenance and new investment, vaccine and epidemic prevention and medical investment. These factors have significant impact on the spatio-temporal changes in waterfowl TFP growth, which further shows that the technical efficiency of waterfowl industry needs to be enhanced, and the risk aversion mechanism should be improved.

Key words： waterfowl industry; spatio-temporal evolution; GIS; total factor productivity; data envelopment analysis; Tobit model

习近平总书记关于供给侧结构性改革的系列论述,将供给侧结构性改革与社会生产力水平和全要素生产率紧密联系在一起,为提升宏观全要素生产率、增强经济增长动力指出了一条符合中国发展阶段和现实国情的有效路径^[1]。2015年11月首次提出的“供给侧结构性改革”,要求着力提高供给体系质量和效率,增强经济持续增长的动力。供给侧结构性改革是新中国强调“提质增效”的新起点。党的十八大以来,中国经济进入了新的发展阶段,经济增长效率下降,投资、要素驱动型的增长方式难以持续,产业创新及其对经济发展的贡献不足,一些不利于经济发展的体制机制问题亟待改革和完善,同时还面临着新一轮科技革命和产业变革带来的挑战和机遇^[2]。目前中国已经成为世界上最大的水禽生产国,中国的鸭和鹅饲养量稳居世界第一,鸭的饲养量世界占比超过70%,鹅的饲养量世界占比超过90%。中国虽然是水禽大国,但不是水禽强国,所以提升技术创新能力,提升水禽全要素生产率十分必要^[3]。

全要素生产率（Total Factor Productivity,TFP）随时间和空间的变化呈现出相应的规律。农业全要素生产率的增长主要源于农业技术进步,从中国农业全要素生产率呈现出东部、中部、西部依次递减的结论可以看出,中国农业全要素生产率存在区域差异^[4]。许多学者认为空间聚集特征能清晰呈现农业效率的空间变化规律,GeoDa软件能够分析效率空间集聚特征,得出效率集聚信息,将不同地区划分成为不同的效率集聚区域,通过分析空间相关性的显著程度来判断效率的空间集聚特征^[5,6]。在研究全要素生产率时空演进规律时,分析区域发展战略导向的变化,是分析农业全要素生产率空间差异形式和动态演进特征的有效方法^[7]。水禽产业是农业的重要组成部分,当前对水禽全要素生产率研究的文献较少,更是鲜有文献验证了水禽全要素生产率增长的空间关联性和收敛特征^[8],所以关于水禽全要素生产率空间分异影响因素的文献有待补充^[9]。如果要进一步探讨水禽业全要素生产率的变化及影响因素,必须深入分析水禽全要素生产率的增长率和贡献率。学者们一致认为科技创新是提高技术进步率的主要动力,科技创新有助于提高水禽的全要素生产率,是推动水禽产业发展的主要动力,只有推动科技进步,全面增强市场竞争力,才能发挥科技创新对水禽产业的主导作用^[10,11]。

水禽产品的市场份额越来越高,需求占比及替代效应也在不断变化。譬如2018年的“非洲猪瘟”事件,在猪肉需求量受到不同程度冲击的情况下,禽肉需求的替代效应更加明显,更加符合“帕累托最优”的解释。虽已有学者在分析全要素生产率动态演进规律时从时空分异角度展开,但针对水禽产业在H7N9事件后全要素生产率动态演进及影响因素方面的研究还需深入。基于此,本文主要以2010—2018年的省际面板数据为基础展开分析,系统梳理水禽时空演进特征。考虑以规模报酬可变和非完全竞争作为前提,降低时间序列数据受外生性影响,降低规模报酬变化影响,选择用数据包络分析法（DEA-Malmquist）估算水禽全要素生产率指数,并结合索洛余值等方法估算全要素生产率的增长率及贡献率,使用GIS技术构建产值产量的时空分异和水禽TFP指数空间差异,深入探索水禽产业的时空演进规律。最后基于OLS估计,运用Tobit模型分析其影响因素,最终以解决问题为导向针对水禽产业未来面临的机遇和挑战探讨可行性策略。

1 研究方法与数据来源

1.1 研究方法

从投入、产出角度来看,中国农业全要素生产率对产出增长的贡献已经超过了投入增长的贡献,中国农业已经进入了主要依靠技术进步驱动增长的现代农业阶段^[12]。提高技术进步率是提高生产效率的主要方法,本文通过分析全国各省份2010—2018年水禽全要素生产率的增长率变动规律,重新思考要素投入与产出之间的关系。

2012—2018年以来,受H7N9事件冲击,水禽的全要素生产率波动较大,技术效率也在逐渐改变。2013年突发事件过后,水禽产业人力资本投入及技术投入均大幅上升。由于各项投入均有所增加,水禽TFP的增长不能单纯认为是纯技术效率的增长,还需充分考虑规模效率的贡献和技术进步对水禽经济的推动作用和考虑水禽TFP贡献率的增长幅度。因此,在估算水禽TFP时应当充分结合规模效率和技术效率分析。Desli等^[13]从规模报酬可变角度将DEA-Malmquist生产指数分解为由制度变迁引起的资源要素配置效率变化的综合技术效率（Technical Efficiency Change）和由技术创新或者新技术引入后引起生产可能前沿面外移的技术进步（Technological Change）,说明规模报酬对TFP估算有一定的影响。因此,在估算水禽TFP时,应当以规模报酬可变和投入要素角度为前提来构建模型。

1.1.1 规模报酬可变

本文主要使用数据包络分析法DEA-Malmquist估算全国2010—2018年的水禽TFP。由于地域、时间、空间分布存在差异,规模变动因素不确定,应当考虑规模报酬可变对水禽TFP实际估算结果的影响。估算时,无论在CCR模型规模报酬不变（CRS）的前提下,还是以BCC模型规模报酬可变（VRS）为前提,测出的水禽TFP结果差别不大^[14,15]。根据水禽数据特征,为保证估算结果更贴切,本次估算主要选择规模报酬可变的BCC模型。

1.1.2 投入要素角度

资本投入是TFP的要素构成之一,也是经济增长的首要原因^[16],所以分析资本投入对TFP变化的影响十分重要。由于“刘易斯拐点”的逐步呈现,农业劳动力投入与经济增长的关系呈现新的趋势,所以必须重视资本投入数据的统一性和准确性。劳动力投入的统计方法相对简单,首先分析如何提高劳动力配置效率^[17],当劳动力逐渐呈现出生产要素所固有的稀缺性和边际产出价值时,劳动力对经济增长的贡献便开始凸显^[18,19],还有学者认为劳动力对区域全要素生产率增长具有积极的促进作用^[20,21]。资本投入和劳动力投入均是估算全要素生产率的核心指标,因此,准确统计资本存量和劳动力投入是研究全要素生产率的必要前提^[22]。

在使用DEA-Malmquist方法估算时,如果选择从投入角度（INPUT）分析,得出的纯技术效率变化指数（PECH）结果会比从产出角度（OUTPUT）的略高,规模效率变化指数（SECH）结果会比从产出角度（OUTPUT）的略低,然而两种角度估算出来的纯技术效率变化指数与规模效率变化指数的乘积（EFFCH）均是相等的,所以不影响TFP的整体估算结果。本次估算以农民增收、企业增效为宗旨,在养殖规模相对稳定（由前期固定资产投资决定）的前提下,应当以最小化投入为目标。所以估算时主要选择以投入角度（INPUT）为前提^[23]。

运用DEA-Malmquist指数法估算各省份的生产率水平到技术前沿距离的相对变化来度量各省份生产效率的变化。在估算水禽TFP时需要分别计算出水禽生产投入、产出的综合值,但是由于地域特征、劳动力投入、资本投入等要素会随时间而变化,部分产值、产量会有一定的差异。基于本文的数据特征,选择模型：

（1）

M 0 x t, y t, x t + 1, y t + 1 = D 0 t x t + 1, y t + 1 D 0 t x t, y t × D 0 t + 1 x t + 1, y t + 1 D 0 t + 1 x t, y t 12

模型（1）计算出t期到t+1期生产率变化的DEA-Malmquist指数,其中

x t, y t

为t期投入向量和产出向量;

x t + 1, y t + 1

为t+1期的投入向量和产出向量;

D 0 t

为t期的产出距离函数;

D 0 t + 1

为t+1期的产出距离函数。本文借鉴固定基期（Fixed）DEA参考技术,当DEA-Malmquist指数：

大于1时,表示本期水禽TFP处于增长状态;

小于1时,表示本期水禽TFP处于下降状态;

等于1时,表示本期水禽TFP处于不变状态。

（2）

M 0 x t, y t, x t + 1, y t + 1 = D 0 t + 1 x t + 1, y t + 1 V D 0 t x t, y t V × D 0 t x t, y t V D 0 t + 1 x t + 1, y t + 1 V × D 0 t + 1 x t + 1, y t + 1 C D 0 t x t, y t C × D 0 t x t + 1, y t + 1 C D 0 t + 1 x t + 1, y t + 1 C × D 0 t x t, y t C D 0 t + 1 x t, y t C 12

式中：V表示劳动力投入;C表示资本类投入。模型（2）的简易表达式为：

（3）

TFPCH = EFFCH × TECH = PECH × SECH × TECH

式中：TFPCH表示全要素生产率指数;PECH为纯技术效率指数;SECH为规模效率指数;TECH为技术进步指数;EFFCH为技术效率指数。

在估算全要素生产率贡献率时,一般情况认为DEA-Malmquist指数主要表现为科技进步率,水禽科技进步率主要参照水禽TFP。估算DEA-Malmquist指数,评估科技进步率,进一步估算E_A、E_K、E_L的值,便可求出水禽全要素生产率的贡献率。所以定义E_A、E_K、E_L分别表示水禽全要素生产率增长、物质和服务增长、劳动力增长对总产出增长的贡献率,则：

（4）

E A = TFP y × 100 %, E K = k y × 100 %, E L = l y × 100 %

式中：y、k、l分别表示总产出、物质和服务、劳动的年增长速度。

1.2 数据来源

以水禽的生产布局为基础,主要针对全国29个省（市、自治区）展开分析,分别是：北京、河北、天津、山西、内蒙古、辽宁、吉林、黑龙江、浙江、福建、山东、河南、湖北、湖南、广东、广西、海南、云南、宁夏、上海、江苏、安徽、江西、四川、重庆、陕西、甘肃、青海、贵州。以水禽投入和产出为核心指标,通过对《中国统计年鉴》《中国农业统计年鉴》《全国农产品成本收益资料汇编》《中国农村统计年鉴》等各类资料核对统计,结合中国水禽产业体系产业经济团队的调研数据,并依托全国25个水禽综合试验站在全国22个主产省份建立的75个固定观测点数据,进一步整理投入产出数据。采用永续盘存法推算出部分缺失的资本存量,综合整理水禽产业的投入和产出数据。由于部分省份水禽投入、产出数据严重缺失,历年劳动力投入数据不全,部分年鉴没有完整的统计数据。因此,本文通过换算省级数据的平均数值,核算出劳动力和资本单位投入数据。产出数据主要来源于对年产值产量及季度收益数据的整理。

1.2.1 投入数据说明

由于2013年末的投入产出数据波动较大,需要对2013年的资本存量进行单独核算。核算过程中需要考虑活禽存栏量及死亡损失率的变化,除此之外,受到H7N9事件影响比较严重的区域不仅需要考虑恢复后的预期效果,而且要充分考虑未知带病体短期内会继续折损的概率。水禽总产值的构成大致分为肉鸭总产值、蛋鸭总产值和肉鹅总产值,数据主要依托2010—2018年中国统计年鉴,进一步参照2018年国家水禽体系产业经济团队调研数据后整理而出。近年来水禽的总产值在不断变化,由于2013年H7N9禽流感事件导致前9年间产出波动较大,2016年逐渐开始得到恢复,此波动不仅对销售市场影响极大,同时也为水禽产业未来的发展带来了许多挑战。

为减小不同属性数据差异较大产生的误差,本文主要采用总数均值后再定量的方法,控制以每百只为投入产出的核算单位。投入指标主要是每百只产品所需的单位劳动力投入（L）和资本存量（K）。其中,劳动力投入的主要构成要素为义务用折价和雇工费用：

（5）

L = p 1 × n 1 + p 2 × n 2

式中：L表示劳动力投入（元）;p₁表示劳动日工价（元）;n₁表示家庭用工天数（天）;p₂表示雇工工价（元）;n₂表示雇工天数（天）。

资本存量核算相对复杂,由于不同区域的资本投入存在差异,经济增长速度不同,固定资产折旧速度也不相同,需要假定各省份每年的折旧率为全国折旧率加上各省份该年的经济增长率^[24]。折旧率会因固定资产的使用频率及使用程度不同而导致折旧速度存在差异,需要针对不同地区、不同时段分别核算,为保证固定资产折旧率更准确,要求固定资产每年分别计算一次。

估算水禽TFP指数时,需重点核算出资本存量和劳动力投入,因资本存量的统计偏差可能导致同一指标估算结果不一致。许多学者认为永续盘存法能在不同领域有效估算资本存量。黄勇峰等^[25]借鉴了前人在资本投入核算的基本做法,充分考虑到资本生产效率随时期的不同而存在差异,选择了永续盘存法估算1985—1995年中国制造业分行业的资本存量。肖红叶等^[26]在充分考虑资本年限、生产能力衰弱模式、租赁价格等因素下,同样采用永续盘存法估算资本投入。张军等^[27]认为由于时间变化,应当在考虑资本的相对效率时按照几何方式递减的假定,相应地采用代表几何效率递减的余额折旧法。永续盘存法能够有效避免资本存量偏误导致估算结果的偏差。因此,基于本文数据特征,各省份数据每年均有明显的变动,为了避免变动造成的数据缺失影响整体估算结果,永续盘存法更适合于估算本文的资本存量：

（6）

K it = K it - 1 + I it - D it

式中：在价格不变的情况下,K_it表示t年的资本存量（元）;

K it - 1

表示

t - 1

年的资本存量（元）;I_it表示t年的投资（元）;D_it表示t年的资本折旧（元）。

在估算水禽TFP时必须清晰界定投入产出指标,细分投入变量。由于在此估算TFP的数据为省级面板数据,这一部分指标的分类和本文第三章关于影响因素分析的投入指标分类有一定的区别。水禽TFP估算的投入指标构成比较复杂,主要投入变量为仔畜投入、饲料投入、能源投入、医疗防疫投入、其他直接投入、其他间接投入。据调查,从养殖模式来看,散养型水禽一般自饮池塘水,无需特定提供大量的饮用水,且分散的养殖户养殖规模较小、数量较少。虽然地面平养和笼养模式需要单独提供饮用水,但这种养殖模式数量较少,因此水资源方面的投入主要纳入到其他直接投入的指标中,如表1。

表1 中国水禽产业全要素生产率投入产出指标

Table 1 Total factor productivity input-output index of waterfowl industry in China

基本指标	变量名称	符号	主要构成	单位
资本投入指标	仔畜投入	k₁	鸭苗费、鹅苗费等	元
	饲料投入	k₂	精饲料、青饲料、饲料加工费等	元
	能源投入	k₃	电费、供暖燃料、其他燃料动力费等	元
	医疗防疫投入	k₄	医疗防疫、日常消毒费等	元
	其他直接投入	k₅	水资源太投入、死亡损失、修理维护、技术服务、材料费等	元
	其他间接投入	k₆	固定资产折旧、保险费、税费、污染治理费、管理费等	元
劳动力投入	雇工工资	l₁	固定工人工资、临时工、兼职工工资	元
劳动力投入	义务工折价	l₂	未直接支付报酬的劳动力折价、义务交换劳动力折价	元
产出指标	净产值	y	禽肉净产值+禽蛋净产值	元

1.2.2 产出数据说明

产出数据分为产值和产量,产出指标主要为产值数据。产值数据主要依托国家水禽体系产业技术经济团队调研后整理得出,分开统计肉鸭、蛋鸭、鹅三个种类,数据完整清晰。产量数据也是对国家水禽体系产业技术经济团队调研数据的整理,由于蛋和肉的计量单位不一样,所以肉鸭、蛋鸭、鹅需要分开统计。从产量波动上看,鹅和蛋鸭的产量波动较小,且占比小,对水禽总产量影响不大,肉鸭的产量波动较大,且占比大,所以肉鸭在水禽产业中占主导地位,成为了研究的重点。除此之外,肉鸭、蛋鸭、鹅等不同种类区域分布存在很大的差异,养殖模式也有一定的区别。蛋鸭的初级产品和加工后的主产品主要是蛋,而肉鸭和鹅的主产品为肉,不同类型的产出计量单位不同,不能笼统地将蛋和肉在数量和重量上比较,也不能简单地汇总,所以需要进一步调整和换算为同一单位的数值。

2 结果分析

2.1 实证分析

2.1.1 中国水禽产业时空分布特征

水禽产业时空分布特征主要用产出指标来衡量。产值分布特征从2010年开始分析,对比2010—2018年的总产值空间变化差异,通过产值变化规律分析总产量的变化^[28,29]。本文采用2010年和2018年水禽总产值构成中的禽肉产值和禽蛋产值数据,利用空间重心统计理论,结合GIS技术构建出2010—2018年两个起始年份的时空差异分布,旨在考察2010—2018年的空间变化。不同区域比较结果为：东北地区产值变化相对较小,中部、东部和南部地区变化较大,特别是河南、湖北、江西、安徽等地区的产值在不断变化,说明2010—2018年水禽空间特征存在差异。

结合表2分析,从2010—2018年间的数据分析结果来看,2010年和2011年总产值稳步增长,2011年以后开始下降,2012年水禽产值处于低谷时期,从2013年开始逐步恢复到正常值,虽然2017年略有下降,但是2018年又恢复到递增趋势。从区域布局变化角度分析,华东地区从2010年开始产值一直稳居全国第一,2015年突破历史新高,以659.99亿元的产值占全国39.6%的份额,2015年成为了分水岭,依次向两边递减;华北地区2014年数据统计缺失,2013年为产值低谷,2018年产值突破了70亿元,创造了近9年的历史最高记录,其他年份产值相对平均;东北地区在2012—2014年间年产值均低于百亿元,2018年再次回到170亿元以上,与2011年持平,说明两端产值相对较高;华中地区2014年产值同比下降81个百分点,2015年同比增长速度反超2014年同比下降速度,产值变化较大;华南、西南地区波动相对较小,但2014年依然处于产值低谷,其他年份较为均衡。

表2 2010—2018年中国水禽总产值区域分布

Table 2 Regional distribution of national waterfowl gross output value from 2010-2018 (万元)

年份	2010	2011	2012	2013	2014	2015	2016	2017	2018
华北地区	338277	358000	190484	117553	—	197949	218563	319215	724815
东北地区	1822496	1790717	631236	789928	764103	1227284	1275434	1562031	1775207
华东地区	4990274	5151465	5553743	5727207	886578	6599637	5978454	5021951	6344595
华中地区	1973832	2578259	3428056	2388793	452233	4462707	3632743	3581880	4052776
华南地区	2815493	3493586	2325219	3107384	1107089	2661606	2948174	2302182	2374557
西南地区	1384833	933473	576762	712900	91259	1522134	1123622	1440714	1458022

从全国区域分布规律分析,水禽产量整体有逐年递增的趋势。华北地区2018年突破了1.3亿只;东北地区产量变化趋势和产值变化趋势基本保持一致,2014年依然为9年低谷;华东地区依然保持全国前列,2013年达到18.9777亿只的高峰,然而2013年华东地区的产值并不是9年来的最高,产值与产量不成正比,说明此阶段价格是影响产值波动的主要因素;华中地区2018年的产量为近6年来的最低,此变动有待进一步讨论分析,除此之外,华南地区、西南地区变化并不大（表3）。

表3 2010—2018年中国水禽产量区域分布

Table 3 Regional distribution of waterfowl production in China 2010-2018 (万只)

年份	2010	2011	2012	2013	2014	2015	2016	2017	2018
华北地区	6120	5890	8621	7668	6745.64	6639	7505.45	7278	13487.63
东北地区	95123	102451	78371	12331	6254.9	19317	12775.04	16695.04	16280
华东地区	102351	114230	183694	189777	162648.8	137295.5	164259.5	141505.4	164379.4
华中地区	43340	41260	30831	43299.55	61324.43	61027.72	54728.07	50477.76	42670
华南地区	31251	35200	32108	39641.1	44395.59	41156.54	35472.19	32307.1	31513
西南地区	27154	28130	26112	24359.88	25120.47	20858.46	30208.83	25947.33	22937.99

结合水禽产值、产量分布规律分析水禽产业的整体时空演进规律（图1）。时空变动会影响产业重心移动,几何重心是区域空间的均衡点,重心移动能够反映生产的地理和空间分布变化^[30]。产业布局是衡量水禽产业整体变化的参照,改善产业布局,调整生产结构,制定更合理的布局促进产业发展,提升该产业在行业竞争优势。为了促进区域优势的发挥,分析当前产业的区域格局及优化区域布局策略至关重要。2010—2018年间,从全国水禽区域布局来看,东北地区和华东地区的生产布局变动较大,华东地区地域辐射较广,产量一直处于全国领先,2013年生产布局有一个很大的转变,2010年和2011年波动较小,从2012年开始华东地区产量持续居高;2013年东北地区跌至谷底;华南、华北、西南地区变化不大,其中华北地区产量一直偏低。2012—2015年生产结构整体变化趋势为“东退西进,北向南移”。2016年开始,华东地区波动平缓,2017年略微下行,2018年重新回到2016年的平衡点,9年间波幅基本互补,保持持续增长。

显示原图|下载原图ZIP|生成PPT

图1 2010—2018年全国水禽产业时空演进规律

Fig. 1 Spatio-temporal evolution of waterfowl industry in China from 2010-2018

2.1.2 中国水禽全要素生产率时空演进特征

（1）中国水禽全要素生产率指数构成的时空差异

由于2010年部分地区的数据缺失,不适合效率比较,因此主要以2011年为基期,来估算2012—2018年区域投入产出效率^[31]。表4为DEAP 2.1软件分析结果,全国29个省份2012—2018年水禽TFP指数构成分析：第一,2012年以来,全国水禽TFP指数为1.036、技术效率指数为0.997、规模效率指数为0.999。各区域的水禽TFP综合指数均大于1,证明水禽产业近几年的技术进步率总体处于正增长状态,此期间的效率变动并不明显;第二,除了华中地区以外,其他6个地区的全要素生产率指数均大于1,技术效率保持进步,规模效率也在增长,华南、华北和西北地区各项指数均大于1,华南和华北地区的水禽全要素生产率指数均值分别居全国第一和第二。水禽各项效率指数受某一短暂时期的影响程度较小,说明当受外界干扰的时期所占基期比例较小时,对效率的整体趋势影响较小;第三,信息化的传导作用,在政策的支持下,技术信息的传播途径更完善,养殖户对养殖技术的掌握程度得到了进一步提高。

表4 2012—2018年中国水禽产业全要素生产率指数构成时空分布

Table 4 Spatio-temporal distribution of TFP index of waterfowl industry in China 2012-2018

区域	省（市、自治区）	技术效率指数(EFFCH)	纯技术效率指(PECH)	规模效率指数	全要素生产率指数(TFP)	区域	省（市、自治区）	技术效率指数(EFFCH)	纯技术效率指(PECH)	规模效率指数	全要素生产率指数(TFP)
	全国平均	0.997	0.998	0.999	1.036	西南地区	贵州	0.948	0.974	0.973	0.985
华北地区	北京	0.946	0.954	0.992	0.984		云南	1.035	1.014	1.021	1.076
	河北	1.060	1.056	1.004	1.102		四川	1.007	1.008	0.999	1.047
	天津	0.996	1.006	0.99	1.036		重庆	0.977	0.963	1.014	1.016
	山西	1.011	1.014	0.997	1.051		平均值	0.992	0.990	1.002	1.031
	内蒙古	1.067	1.006	1.060	1.110	西北地区	宁夏	1.009	1.010	0.999	1.049
	平均值	1.016	1.007	1.009	1.057		陕西	1.026	1.052	0.975	1.067
东北地区	辽宁	0.976	0.997	0.979	1.014		甘肃	1.054	1.038	1.016	1.096
	吉林	0.950	0.983	0.967	0.988		青海	0.958	0.941	1.018	0.996
	黑龙江	0.992	1.022	0.971	1.032		平均值	1.012	1.010	1.002	1.052
	平均值	0.973	1.001	0.972	1.011	华东地区	浙江	0.986	0.998	0.988	1.025
华南地区	广西	1.086	1.015	1.070	1.129		福建	1.031	1.032	0.999	1.072
	海南	0.979	0.989	0.990	1.018		山东	0.977	0.986	0.991	1.016
	广东	1.040	1.007	1.033	1.082		上海	0.919	0.935	0.983	0.955
	平均值	1.035	1.004	1.031	1.076		江苏	1.000	1.074	0.931	1.040
华中地区	河南	0.950	0.942	1.008	0.987		安徽	1.064	1.029	1.033	1.106
	湖北	0.961	0.962	0.999	0.999		江西	0.974	0.987	0.986	1.013
	湖南	0.956	0.957	0.998	0.993		平均值	0.993	1.006	0.987	1.032
	平均值	0.956	0.954	1.002	0.993

从2012—2018年水禽产业随时间的变化规律来看,中国水禽TFP总体呈“U”型曲线波动,说明投入产出效率出现了不稳定变化。2013年大幅下滑,2014年又大幅上升,如此大幅波动必须引起中国水禽业对风险防御机制的重视。结合DEAP 2.1软件分析结果,使用GIS技术构建水禽TFP指数空间差异分布。在研究区域中,除了青海省、吉林省、河南省、湖北省、湖南省、贵州省、北京市、上海市以外,其他地区的水禽TFP指数均大于1,内蒙古、甘肃、河北地区连片居高。说明全国技术效率在不断增加。从空间差异来看,南北两端水禽TFP指数大于中部地区。总体而言,相邻省份之间差异不大,不同区划之间差异较大。（2）中国水禽产业TFP增长率时空演进估算水禽TFP增长率时同样以2011年为基期。全国29个省份中,有21个省份水禽TFP增长率为负值。结合表5可以看出2012年仅山东、河南、湖北、云南、河北5省的水禽TFP增长率均为正向增长,其他省份均为负增长;2013年水禽TFP增长率整体水平均呈上升趋势,河南、湖北、河北3省反而变为负增长;2014年水禽TFP增长率相比上一年大幅度下降,大部分省份全为负增长,河南、海南、河北、甘肃4省反而正向增长;2015—2017年正负向增长区域基本持平;2018年仅有北京、内蒙古、上海3个地区增长率为负值,其他均呈正向增长。基本可以看出,2014年之后水禽TFP增长率逐步恢复正常增长状态。所以2012—2018年水禽TFP年均增长率整体变化规律呈上升趋势,仅有2012年和2014年为负增长,其他5年均为正增长。7年间的水禽TFP增长率变化比较明显,能够良好地反映事件突发期和恢复期的基本情况。

**表5 2012—2018年中国水禽产业TFP增长率时空分布**

Table 5 Spatio-temporal distribution of TFP growth rate of waterfowl industry in China from 2012-2018 (%)

区域	省（市、自治区）	2012年	2013年	2014年	2015年	2016年	2017年	2018年
全国平均		-1.303	0.199	-0.223	0.140	0.118	0.125	0.160
华北地区	北京	-1.30	0.454	-0.185	-0.082	0.504	-0.251	-0.262
	天津	-0.10	1.023	-0.135	-0.435	0.564	-0.205	0.005
	山西	-3.00	0.666	-0.078	-0.375	0.349	-0.109	0.172
	内蒙古	-0.30	0.034	-0.186	0.122	0.02	1.12	-0.086
	河北	0.10	-0.30	0.139	0.294	-0.072	0.213	0.551
	平均值	-0.92	0.374	-0.089	-0.095	0.273	0.1536	0.076
东北地区	辽宁	-3.20	0.028	-0.131	-0.003	-0.015	0.198	0.036
	吉林	-3.80	0.883	-0.053	-0.468	0.535	-0.479	0.226
	黑龙江	-5.50	0.698	-0.092	-0.366	0.674	-0.279	0.021
	平均值	-4.167	0.536	-0.09	-0.28	0.398	-0.19	0.094
华南地区	广东	-1.70	0.487	-0.27	-0.112	0.368	0.05	0.157
	广西	-1.60	0.194	-0.215	0.102	0.404	0.249	0.143
	海南	-1.10	0.044	0.011	-0.118	0.348	-0.221	0.139
	平均值	-1.467	0.242	-0.158	-0.04	0.373	0.026	0.146
华中地区	河南	2.50	-0.33	0.123	0.085	-0.135	-0.163	0.558
	湖北	0.60	-0.04	-0.309	0.507	0.061	-0.16	0.114
	湖南	-3.40	0.32	-0.428	0.20	-0.152	0.171	0.07
	平均值	-0.100	-0.02	-0.205	0.264	-0.075	-0.051	0.247
西南地区	四川	-3.70	-0.101	-0.167	0.373	-0.222	0.516	0.083
	重庆	-1.20	-0.132	-0.155	0.229	-0.048	0.013	0.265
	云南	3.50	0.323	-0.451	0.191	0.375	0.157	0.129
	贵州	-0.20	0.201	-0.167	-0.23	0.211	-0.1	0.09
	平均值	-0.40	0.073	-0.235	0.141	0.079	0.147	0.142
西北地区	宁夏	-0.40	0.586	-0.373	-0.239	0.507	-0.011	0.18
	甘肃	-2.20	-0.314	0.127	0.499	-0.201	0.558	0.2
	青海	-2.80	-0.04	-0.312	0.11	0.313	-0.056	0.075
	陕西	-2.20	-0.015	-0.474	0.999	-0.076	0.14	0.352
	平均值	-1.90	0.054	-0.258	0.342	0.136	0.158	0.202
华东地区	浙江	-2.10	0.056	-0.44	0.182	-0.125	0.756	0.083
	福建	-0.90	0.527	-0.441	0.292	0.26	-0.166	0.309
	上海	-2.40	-0.209	-0.177	0.374	-0.318	0.306	-0.047
	江苏	-1.80	0.32	-0.381	0.391	-0.192	0.275	0.08
	安徽	-0.10	0.157	-0.332	0.111	-0.024	0.54	0.418
	江西	-1.90	0.054	-0.295	0.492	-0.129	-0.281	0.551
	山东	2.40	0.195	-0.611	0.923	-0.356	0.835	0.04
	平均值	-0.971	0.157	-0.382	0.395	-0.126	0.32	0.205

从区域布局来看,华中、华东、西北地区2018年水禽TFP增长率超过了20%,增长率相对值较高;华中地区7年的增长率中,仅有2015年和2018年为正向增长,说明华中地区增长率水平有待提高;2013年东北地区的TFP增长率高达53.6%,创历史新高,相比2012年,同比增长470.3%,2012—2013年水禽的增长率区域变化趋势明显,虽然东北地区水禽技术进步较快,但是同期水禽TFP增长率变化最大的一个区域,需进一步探讨其原因。

（3）中国水禽全要素生产率的贡献率变动

在衡量全要素生产率贡献率时,水禽科技进步贡献率即为水禽TFP的增长率与水禽产值增长率的比值,可以通过估算科技进步贡献率来衡量水禽TFP贡献率。随着水禽产业现代化进程加快,科技创新的作用十分明显,中国水禽产业总体发展趋势稳步上升。2012—2018年间,受2013年H7N9事件影响,水禽产业投入、产出占比发生了很大变化。主要表现为实际生产经营的企业在劳动力、资金方面的投入比例大幅上升,疫苗防御、医药治疗方面的投入不断增加,但是水禽产量却在不断减少。相反,H7N9事件进一步刺激了企业在技术方面的投入,驱动新技术的开发,进一步说明在预防H7N9病毒和削弱病毒影响程度的过程中,技术创新起着决定性作用。

结合表6分析,除了2012年和2014年以外,其他年份贡献率基本相近,水禽TFP增长率和贡献率变化趋势基本保持一致,进一步说明水禽TFP增长率直接影响着TFP贡献率。虽然水禽TFP增长率显示部分地区出现了负值,但2012—2018年全要素生产率的贡献率总体上均为正值。当水禽TFP增长率负增长时,虽然对水禽TFP贡献率有负向影响,但TFP贡献率依然存在,说明水禽产业在整个国民经济中依然保持着稳定的贡献。2016年TFP贡献率突破173.9%,水禽TFP贡献率由技术进步贡献率决定,说明了技术进步对水禽产业整体水平上升有着重要贡献,进一步阐明科技贡献对水禽产值的增长有很大的推进作用。

表6 2012—2018年水禽产业全要素生产率的贡献率

Table 6 Contribution rate of total factor productivity of waterfowl industry in 2012-2018

年份	技术效率(EFFCH)	技术进步 (TECHCH)	纯技术效率(PECH)	规模效率(SECH)	全要素生产率指数(TFP)	TFP贡献率/%
平均值	1.020	1.060	1.020	1.000	1.040	152.3
2012	0.993	0.993	0.992	1.001	0.987	129.7
2013	0.898	1.281	0.84	1.069	1.150	173.1
2014	0.843	0.894	0.904	0.933	0.754	104.9
2015	1.567	0.690	1.592	0.984	1.082	170.3
2016	0.802	1.346	0.796	1.007	1.079	173.9
2017	1.037	1.030	1.000	1.037	1.068	160.7
2018	0.995	1.151	1.025	0.971	1.146	153.9

2.2 中国水禽产业全要素生产率时空差异影响因素分析

2.2.1 影响因素分析

（1）模型选择

估算水禽TFP时主要采用省级面板数据,由于《全国农产品成本收益资料汇编》并未明确统计水禽的相关数据,所以在省级数据获取方面本文主要依托国家水禽产业体系的统计数据,水禽TFP估算选取的指标为投入和产出。投入和产出数据分别由多个变量综合构成,事实上这些构成变量才是直接影响水禽TFP的主要因素。因此分析影响水禽TFP变化的主要因素选择从水禽投入和产出构成的变量展开。由于投入直接影响产出,本文的构建思路为选取以上变量实证分析,寻找对产出影响显著的变量,通过分析这些变量,进一步探讨水禽TFP的影响因素。

影响因素分析是基于正常波动和受突发事件影响后异常波动两种情形下,分别从主要影响因素和突发事件两个维度展开分析。在不考虑各省份固有的特征情况下：异常波动下的水禽TFP影响因素分析。从时间序列角度分析,影响2013—2015年水禽TFP异常波动的主要原因是受H7N9事件的影响;从区域角度分析,主要分析H7N9事件在不同区域的影响程度和控制程度;从突发事件发生的时间来看,H7N9事件成为了2013—2015年水禽TFP的主要突发事件,因此,H7N9事件是水禽TFP受突发事件影响分析的重点。除2013—2015年以外,其他年份水禽TFP波动正常,主要影响因素分析成为了重点,正常波动情况下应当首先分析水禽产业生产过程中投入的各项指标对产出的影响,进一步分析这些指标对水禽TFP的影响。

水禽TFP时空变动的内涵是技术效率的改变,根本原因是不同时期、不同区域总投入和总产出会发生一定的变化,因此,水禽总投入、总产出效率的影响因素即水禽TFP波动的影响因素。一般情况下,TFP增长率的变化能够良好地反映TFP的变化,TFP增长率变化的影响因素适合于经典OLS估计,因此本文采用最小二乘法估计的Tobit模型进行分析,模型构建如下：

（7）

Y * = P Y i = 1 / X = ϕ B X i

式中：Y^*表示影响水禽TFP的变量（产值、产量）;X为解释变量,表示影响产值、产量的因素,包括劳动力投入、含育雏成本、含逮禽费和交通运输费、单只鸭饲料投入成本、单只鸭疫苗费用、疾病用药、棚舍消毒和设备消毒费、水电费、生产设备及服务车燃油费、保险费、设备维修及新设备投入资金、化粪池及排污管道等变量^[32];

P Y i = 1 / X

表示在实际对产值、产量分析的基础上,X变量分别对水禽TFP的影响;Φ、B、i分别表示标准状态下分布的累积分布函数、待估计参数向量、第i个观测样本。

（2）数据说明

水禽TFP时空差异影响因素分析主要从投入、产出角度入手,分别对产值、产量变动进行分解,理论逻辑是不同时间、不同区域投入要素对产出要素的影响,分析哪些要素的影响程度更显著,针对这些要素进行量化分析。从产值、产量构成分析,水禽产值产量变动与肉鸭产值产量变动基本同步,肉鸭总产值产量波动直接影响水禽总产值产量的波动,蛋鸭和肉鹅产值占比较小,对水禽整体波动几乎没有影响,所以肉鸭成为了核心技术开发和投入的主要对象。这一环节的分析使用全国固定观测点统计数据,各影响变量描述性统计如下：

**表7 水禽产业TFP增长主要影响因素指标描述性统计**

Table 7 Descriptive statistics of main factors affecting TFP growth of waterfowl industry

变量	平均值	标准差	最小值	最大值
实际出栏量	15.54164	36.85861	0	960
劳动力投入	159.3645	253.4151	0	2760
含育雏成本	4.570106	2.391174	0	43.3
含逮禽费和交通运输费	0.391468	1.891666	0.01	36.8
单只鸭饲料投入成本	19.67983	7.484686	1.5	80
单只鸭疫苗费用	0.2706286	0.9206959	0	18.2
疾病用药	0.5075786	0.9672731	0	18.59
棚舍消毒,设备消毒费	0.1685448	0.9159442	0	18.05
电费	7874.853	9842.731	73.08	70000
水费	2761.552	4162.396	0	72000
生产设备、服务车辆燃油	17954.07	30737.54	710	653152.5
保险费	0.1301909	0.9140623	0	18
设备维修,新设备投入资金	3.893923	8.148326	0	60
化粪池,排污管道等	1555.169	1404.288	0	15000

（3）结果分析

在回归分析中,将描述性统计中的投入变量做了进一步归类以后得到8个指标,分别是雇工工资、义务工折算工资、逮禽投入,出壳到育雏期间成本或直接购苗的成本,从育雏到出栏期间饲料成本,疫苗、消毒、疾病治疗投入,办公机动车燃油、设备燃油、天然气等投入,禽类死亡保险投入,基础设施维护、新增基础设施投入,粪污处理设备投入。在回归过程中必须清晰界定劳动力投入和资本投入所包含的变量。劳动力投入主要为工资性投入,含固定工资和临时性工资,其中农场主、养殖场决策者或家属等人力投入,不发放实际工资的劳动力用工,需进一步折算成平均工资。逮鹅投入有2个构成,一是劳动力交换,二是请临时工,这部分投入属于劳动力投入;资本投入是除了劳动力投入以外的所有投入汇总,其中固定资产折旧依然采用永续盘存法计算,纳入到基础设施维护和新增基础设施投入指标中。

表8结果显示,劳动力投入对产值、产量的变化均有显著影响,说明劳动力投入对水禽TFP增长率影响显著。在资本投入中,水电及燃料、燃气投入对水禽TFP有显著性正向影响,虽然疫苗、消毒、疾病用药治疗投入和保险投入相对较小,但是这些投入对规模化养殖影响较大。疫病防御及保险投资对技术的要求较高,说明疫病防疫及保险投资对水禽TFP增长率有显著影响;在所有变量中,基础设施维护和新增基础设施投入对水禽TFP增长率有显著负向影响。基础设施投入在资本总投入中占比较大,短期资本回报率较低,因此对水禽TFP增长率而言,呈现负增长趋势。

**表8 水禽产业TFP增长影响因素Tobit回归结果**

Table 8 Tobit regression results of TFP growth factors of waterfowl industry

影响变量	变量解释	Y
X₁	雇工工资,义务工折算工资,逮禽投入	0.0468^***
		(0.00692)
X₂	出壳到育雏期间成本,或购苗成本	-0.321
		(1.069)
X₃	从育雏到出栏期间饲料成本	-0.0821
		(0.186)
X₄	疫苗,消毒,疾病治疗投入	2.512
		(3.873)
X₅	水电及办公机动车燃油,设备燃油,天然气投入	0.000352^***
		(3.75e-05)
X₆	禽类死亡保险投入	-12.89
		(11.75)
X₇	基础设施维护,新增基础设施投入	-0.728^***
		(0.189)
X₈	粪污处理设备投入	-0.000167
		(0.000904)
常量	常数项	3.485
		(6.091)
观测值	样本量	859
R²		0.145

注：^***表示1%的统计显著性水平,Y表示产量,括号中内容表示标准误。

2.2.2 水禽TFP时空变动影响分析

结合表5和表8分析可知,2012年水禽产业技术正处于开发阶段,属于高技术人才队伍建设初期,劳动力投入不高,水禽TFP增长率不明显。所以除山东、河南、湖北、云南、河北5省的水禽TFP增长率均为正增长以外,其他省份均为负增长,但是每个地区的增长率的变动率在0.1%~5.5%之间,水禽TFP增长率变动不明显;2013年开始受H7N9影响,但是刚开始并没有迅速出现大范围影响,除河南、湖北、河北3省变为负增长以外,水禽TFP增长率整体呈上升趋势,在水禽科技进步的推动下,劳动力投入在不断增加,技术开发和技术进步成果显著,TFP增长率也在随之升高。

但是,受H7N9事件影响,2014年资本投入和劳动力投入发生了很大转变。在资本投入方面,其一,受H7N9突发事件的影响,禽类患病率迅速增加,鸭、鹅死亡率直线上升。禽类患病率上升,生产经营行业投入医药的费用便大幅增加,各种安全配套措施不断新增。随着防疫、疾病治疗费用大量投入,水禽TFP增长率的显著负向影响特征凸显,导致仅河南、海南、河北、甘肃4省水禽TFP增长率正向增长,其余大部分地区负增长;虽然进一步增加了劳动力投入,但是许多养殖企业损失严重,纷纷退出了该行业,投入的增加并未带动产量增加,进一步影响了水禽TFP增长率的正常波动。其二,受H7N9突发事件影响后,水禽整个市场进入困难时期,消费者对水禽产品需求量大减,产值大幅下跌,经济效益大幅下滑,最终导致2014年全国水禽TFP增长率下降,严重影响了水禽生产经营行业的健康发展。

2015年全国各地区的水禽TFP增长率逐渐恢复正态,虽然H7N9事件对产出造成了很大影响,但是进一步刺激了本行业人才及技术的投入力度。在加大科技创新投入的基础上,H7N9禽流感病毒得到了有效控制,水禽产业逐步恢复到正常轨道,水禽TFP增长率逐渐上升。但是,在控制H7N9的过程中投入了大量的劳动力和资本,导致在维护市场正常运行的同时,消耗了大量人力、财力和物力,然而这些投入亏损并不能在短期内得到调整和弥补。从消费者角度分析,在市场没有完全恢复正态的前提下,虽然生产经营行业逐步恢复,但消费者对H7N9的恐惧心理依然存在,销售量依然较低,导致全国水禽产值偏低,还需要很长的调整周期。

2016—2017年,全国水禽TFP增长率逐步正态增长。从2018年开始水禽TFP增长率变动基本恢复正常,资本投入和劳动力投入有效增加,产值产量稳定,虽然北京、内蒙古、上海等地区显示负增长,但是负向增长幅度并不大,全国整体趋势保持正向势态。

3 结论与讨论

3.1 结论

2012—2018年水禽TFP总体呈增长趋势,水禽TFP增长率也在不断增加,受2013年H7N9影响,严重拉低了2012—2018的整体水平。2013—2015年均处于调整时期,同时也刺激了水禽行业科技发展增速,可看出调整后成效乐观,只是2013—2015之间变化幅度较大,应当及时调整应对措施,确保水禽行业健康发展。

受H7N9突发事件影响,2013—2015年TFP增长率呈“U”型变化。2012年水禽TFP增长率为-130%,2013年为15%,两年间TFP年均增长率上升了145个百分点。H7N9事件影响以后,TFP增长率又转为下降,2014年水禽TFP增长率下降至-24.6%,许多水禽生产经营小企业几乎瘫痪,受影响程度较大。经国家有效的政策扶持和各类补救措施的迅速执行,2015年TFP增长率重新恢复到8.2%,H7N9禽流感带来的压力得到了进一步缓解,2016—2018年逐步趋于正常增长。2018年以来,中国水禽产业技术进步的发展状况良好,投入产出效率稳步增长。但是依然面临着区域布局有待优化,粪污处理、资源再利用技术有待加强创新,风险防范意识有待提高等诸多问题。仍需进一步提升科技竞争力和市场竞争力,实现先进技术全覆盖。

技术在水禽行业发展中发挥着重要作用,受地域差别、消费者偏好等因素影响,全国各地区水禽生产规模并不相同。从各省份产量的角度划分规模。山东、安徽、四川等大规模养殖基地的专业化养殖、科学化管理、市场化程度较高,有大型生产和加工企业作支撑,虽然受到H7N9的影响,但自我恢复能力较强,能快速恢复到正常水平。从小规模来看,虽然H7N9禽流感影响较广,但贵州等小规模分散养殖的地区受H7N9的影响较小,规模小且资本和劳动力投入也相对较小,大部分小规模生产者生产目的仅为了自给自足,遭受风险后损失较小,受影响程度不大,水禽TFP增长率波动也不大,但是依然需要将风险降至最低。总体而言,全国水禽TFP增长率水平处于正向增长。

3.2 讨论

通过估算全国水禽TFP以后发现,2012年以来,中国水禽产业技术进步的发展经历了突发事件的冲击,水禽的生产经营企业受到了沉重打击,与此同时,一定程度上刺激了水禽行业的科技创新。基于水禽业转型时期所呈现出的优势和劣势,深入探讨水禽业未来所面临的机遇和挑战,对水禽业后期的发展有重要指导意义。研究突发事件期间及事后水禽TFP增长率变动对水禽产业整体经济形势的影响十分必要。数据显示,2013—2016年间水禽TFP波动较大,进一步引起了行为主体对风险规避措施的重新思考。本文针对上述结论呈现的问题,考虑如何提高市场调节的应激能力,如何促进水禽企业走上专业化、组织化、现代化道路,提升科技竞争力和市场竞争力,提出针对性建议：

（1）水禽产业技术有待提高,应当推动技术进步,推进科技创新,降低生产经营成本,提高养殖效益。水禽生产经营的成本主要来源饲料成本及养殖劳动成本,效益主要与产品价格有关,节本增效是未来经营的方向,由于水禽产品的替代品多,期望提高产品价格而获利的可能性很小,因此,企业要从饲料来源的选择、养殖品种选择和饲料消化利用率提高、养殖机械化和节约劳动力方面着手,降本增效,推动水禽产业持续稳定发展;水禽市场占有率有待提高,品牌建立是当前提高市场占有率的重要途径,强化品牌质量意识,向创建国际知名品牌企业的方向不断努力。品牌体现了产品所拥有的价值,是与产品、服务和企业本身相关的一种持久、可信的价值承诺,水禽养殖企业应在已有品牌的基础上,积极树立国际知名品牌,提高企业竞争力。

（2）产业布局须进一步优化。就当前水禽产业地区多样性呈现的时空差异特征,寻找地区优势。同时调整养殖规模,以适度规模为导向提升生产效率,在数量保障的同时,提升产品质量,在保证经济效益的同时保护生态环境,大力开发新技术,推进水禽绿色食品的发展;水禽企业的产业化经营水平和组织化程度的提高是保障企业增效和农民增收的基础。继续推进“龙头企业+基地+养殖户”和“龙头企业+专业合作社+养殖户”的产业化组织模式,以规模化养殖和标准化生产为导向的经营方式,依托该组织模式发挥团体效用,促进品种改良、完善科学饲养方法、提高产品质量,在未来水禽产业发展历程中,积极鼓励和推广这种模式;水禽企业与养殖户之间的利益关系需要进一步界定和巩固,应当不断增强企业对农户的辐射带动能力。一方面要防止企业的垄断经营,另一方面要提高农户的养殖水平及诚信度,使水禽产业在走向规模化、现代化、产加销一体化同时能够有效地带动地方经济发展和农民就业致富。

（3）提前加强风险防御措施和健全风险规避机制是有效降低水禽突发事件伤害程度的最佳途径。重视农业保险在水禽生产过程中的作用,提前做好防疫工作,增强抵抗风险能力。加强标准化生产,严格做好安检工作,确保每个环节的卫生检测达标;水禽突发事件的有效控制需要监管部门发挥更多的作用,应当不断完善监管措施,调整监督机制。企业内部应当严格制定管理措施,鼓励企业完善食品安全保障制度。政府应进一步加强对企业的监督管理,确保水禽产品在产前、产中、产后各环节严格执行标准化生产,提高水禽产品质量,保证水禽业持续、健康发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

[1]	蔡跃洲, 付一夫. 全要素生产率增长中的技术效应与结构效应: 基于中国宏观和产业数据的测算及分解. 经济研究, 2017, 52(1): 72-88. [CAI Y Z, FU Y F. The technological and structural effects of TFP growth: Measurement and decomposition based on China's macro and sector data. Economic Research Journal, 2017, 52(1): 72-88.]

[2]	江飞涛, 李晓萍. 改革开放四十年中国产业政策演进与发展: 兼论中国产业政策体系的转型. 管理世界, 2018, 34(10): 73-85. [JIANG F T, LI X P. Evolution and development of China's industrial policy in the past 40 years of reform and opening up. Management World, 2018, 34(10): 73-85.]

[3]

麦尔旦·吐尔孙, 尹宁, 王雅鹏, 等. 中国水禽产业发展现状与生产政策研究: 基于国际国内资源利用的视角. 广东农业科学, 2015, 42(17): 178-186.

[MAI E D·TU E

, YIN

, WANG Y

, et al. China's waterfowl industry: Status quo and production policies from the perspective of utilization of domestic and international resources. Guangdong Agricultural Sciences, 2015, 42(17): 178-186.]

[4]	潘丹, 应瑞瑶. 中国农业全要素生产率增长的时空变异: 基于文献的再研究. 经济地理, 2012, 32(7): 113-117. [PAN D, YING R Y. Spatialtemporal differences of agricultural total factor productivity: Restudy of previous literatures. Economic Geography, 2012, 32(7): 113-117.]

[5]	易明, 李纲, 彭甲超, 等. 长江经济带绿色全要素生产率的时空分异特征研究. 管理世界, 2018, 34(11): 178-179. [YI M, LI G, PENG J C, et al. Spatial and temporal differentiation of green total factor productivity in the Yangtze River Economic Belt. Management World, 2018, 34(11): 178-179.]

[6]	赵俊伟, 陈永福, 余乐, 等. 中国生猪养殖业地理集聚时空特征及影响因素. 经济地理, 2019, 39(2): 180-189. [ZHAO J W, CHEN Y F, YU L, et al. Spatial-temporal characteristics and affecting factors of swine breeding industry in China. Economic Geography, 2019, 39(2): 180-189.]

[7]	李兰冰. 中国能源绩效的动态演化、地区差距与成因识别: 基于一种新型全要素能源生产率变动指标. 管理世界, 2015, 31(11): 40-52. [LI L B. Dynamic evolution, regional gap and cause identification of China's energy performance: Based on a new variation index of total f-actor energy productivity. Management World, 2015, 31(11): 40-52.]

[8]	左永彦, 冯兰刚. 中国规模生猪养殖全要素生产率的时空分异及收敛性: 基于环境约束的视角. 经济地理, 2017, 37(7): 166-174. [ZUO Y Y, FENG L G. The total factor productivity's spatial-temporal variation and its convergence of scale pig breeding in China: Under the view of environmental constraints. Economic Geography, 2017, 37(7): 166-174.]

[9]	王佳月, 李秀彬, 辛良杰. 中国土地流转的时空演变特征及影响因素研究. 自然资源学报, 2018, 33(12): 2067-2083. [WANG J Y, LI X B, XIN L J. Spatial-temporal variations and influential factors of land transfer in China, 2018, 33(12): 2067-2083.]

[10]	闫建伟, 王雅鹏. 我国肉鸭产业布局分析: 基于2010—2013年全国21个肉鸭主产区的面板数据. 华中农业大学学报: 社会科学版, 2015, (3): 28-33. [YAN J W, WANG Y P. Study on layout of duck industry in China: Based on panel data in 21 main duck area from 2010 to 2013. Journal of Huazhong Agricultural University: Social Sciences Edition, 2015, (3): 28-33.]

[11]	SHUSHENG W, BIN L, QIAO L N, et al. Government expenditure, corruption and total factor productivity. Journal of Cleaner Production, 2017, 28: 168. DOI

[12]	赵文, 程杰. 中国农业全要素生产率的重新考察: 对基础数据的修正和两种方法的比较. 中国农村经济, 2011, (10): 4-15. [ZHAO W, CHENG J. A Reexamination of total factor productivity of agriculture in China: Revision of basic data and comparison of two methods. Chinese Rural Economy, 2011, (10): 4-15.]

[13]	DESLI E, RAY S C. Productivity and efficiency \|\| A bootstrap-regression procedure to capture unit specific effects in data envelopment analysis. Indian Economic Review: New Series, 2004, 39(1): 89-110.

[14]	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. 农业技术经济, 2013, (5): 4-17. [LI G C, FAN L X, CHENG G, et al. Total factor productivity growth in agriculture: A reestimation based on a new window deaproductivity index. Journal of Agrotechnical, 2013, (5): 4-17.]

[15]	WOLFGANG K, STEPHEN R. Multinational enterprises, international trad, and productivity growth firm level evidence from the United States. The Review of Economics and Statistics, 2015, (4): 824-830.

[16]	任若恩, 孙琳琳. 我国行业层次的TFP估计: 1981—2000. 经济学: 季刊, 2009, 8(3): 925-950. [REN R E, SUN L L. an estimation of industry level TFPs in China: 1981-2000. China Economic Quarterly, 2009, 8(3): 925-950.]

[17]	郝大明. 我国劳动力资源配置效率的实证研究. 北京: 首都经济贸易大学, 2007. [HAO D M. Empirical research on China's allocation efficiency of labour force resources. Beijing: Capital University of Economics and Business, 2007.]

[18]	杨帆, 夏海勇. 我国农业部门劳动力投入的经济增长效应. 人口与经济, 2012, (5): 8-13. [YANG F, XIA H Y. The economic growth effect of labor input in China's agricultural sector. Population & Economics, 2012, (5): 8-13.]

[19]	CHAMES A, COOPER W W, GOLANY B, et al. Foundations of data envelopment analysis for pareto-koopmans efficient empirical production functions. Journal of Econometrics, 1985, 30: 1-2. DOI

[20]	王文静. 人力资本对区域经济增长的作用及收敛性研究. 长春: 东北师范大学, 2013. [WANG W J. The study on the influence and converge-nce of human capital on economic growth. Changchun: Northeast Normal University, 2013.]

[21]	BLOOM , NICHOLAS , JOHN V R. Why do management practices differ across firms and countries?. Quarterly Journal of Economics, 2007, 122(4): 1351-1408. DOI

[22]	李平. 提升全要素生产率的路径及影响因素: 增长核算与前沿面分解视角的梳理分析. 管理世界, 2016, (9): 1-11. [LI P. The path and influencing factors of enhancing TFP: An analysis from the perspective of growth accounting and frontier decomposition. Management World, 2016, (9): 1-11.]

[23]	王欢, 穆月英, 侯玲玲. 玉米生产环境成本及全要素生产率的时空研究. 自然资源学报, 2017, 32(7): 1204-1216. [WANG H, MU Y Y, HOU L L. Research on temporal and spatial evolutions of environmental cost and total factor productivity of maize production in China. Journal of Natural Resources, 2017, 32(7): 1204-1216.]

[24]	宋海岩, 刘淄楠, 蒋萍. 改革时期中国总投资决定因素的分析. 世界经济文汇, 2003, (1): 44-56. [SONG H Y, LIU Z N, JIANG P. Anal-ysis of determinants of China's total investment in the reform period. World Economic Literature, 2003, (1): 44-56.]

[25]	黄勇峰, 任若恩. 中美两国制造业全要素生产率比较研究. 经济学: 季刊, 2002, (4): 161-180. [HUANG Y F, REN R E. A comparatison of TFP in the manufacturing sector between China and the United States. China Economic Quarterly, 2002, (4): 161-180.]

[26]	肖红叶, 郝枫. 资本永续盘存法及其国内应用. 财贸经济, 2005, (3): 55-97. [XIAO H Y, HAO F. Applying of capital perpeual inventory method in China. Finance & Trade Economics, 2005, (3): 55-97.]

[27]	张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算: 1952—2000. 经济研究, 2004, (10): 35-44. [ZHANG J, WU G Y, ZHANG J P. The estimation of China's provincial capital stock: 1952-2000. Economic Research Journal, 2004, (10): 35-44.]

[28]	杨超, 程宝栋, 谢屹, 等. 中国木材产业发展的阶段识别及时空分异特征. 自然资源学报, 2017, 32(2): 235-244. [YANG C, CHENG B D, XIE Y, et al. Development stage and spatiotemporal evolution of China's timber industry. Journal of Natural Resources, 2017, 32(2): 235-244.]

[29]	崔盼盼, 张艳平, 张丽君, 等. 中国省域隐含碳排放及其驱动机理时空演变分析. 自然资源学报, 2018, 33(5): 879-892. [CUI P P, ZHANG Y P, ZHANG L J, et al. Analysis on the spatial and temporal evolution of indirect carbon emissions and its driving mechanism in China. Journal of Natural Resources, 2018, 33(5): 879-892.]

[30]	张聪颖, 畅倩, 霍学喜. 中国苹果生产区域变迁分析. 经济地理, 2018, 38(8): 141-151. [ZHANG C Y, CHANG Q, HUO X X. Analysis on the layout of China's apple production transition. Economic Geography, 2018, 38(8): 141-151.]

[31]	孙才志, 姜坤, 赵良仕. 中国水资源绿色效率测度及空间格局研究. 自然资源学报, 2017, 32(12): 1999-2011. [SUN C Z, JIANG K, ZHAO L S. Measurement of green efficiency of water utilization and its spatial pattern in China. Journal of Natural Resources, 2017, 32(12): 1999-2011.]

[32]

杨志海, 王雅鹏, 尔旦·吐尔孙. 农户耕地质量保护性投入行为及其影响因素分析: 基于兼业分化视角. 中国人口·资源与环境, 2015, 25(12): 105-112.

[YANG Z