生豬養(yǎng)殖業(yè)集聚發(fā)展下不同規(guī)模生產(chǎn)效率評(píng)價(jià)

梁世夫，陶桂任

（中南民族大學(xué)經(jīng)濟(jì)學(xué)院，湖北 武漢 430074）

豬肉是中國(guó)居民最主要的肉類消費(fèi)品，同時(shí)也是主要的“菜籃子”產(chǎn)品之一。2022年中央一號(hào)文件提出，穩(wěn)定生豬生產(chǎn)長(zhǎng)效性支持政策，穩(wěn)定基礎(chǔ)產(chǎn)能，防止生產(chǎn)大起大落有助于保障“菜籃子”產(chǎn)品供給。2014—2020年，中國(guó)生豬出欄量由73 510萬(wàn)頭下降到52 704萬(wàn)頭，減少28.3%；豬肉產(chǎn)量由5 820.8萬(wàn)t下降到4 113.33萬(wàn)t，減少29.3%。受出欄量及產(chǎn)量減少的影響，國(guó)內(nèi)豬肉市場(chǎng)供給形勢(shì)日益趨緊，對(duì)國(guó)際豬肉市場(chǎng)的依賴程度將有所增加，呈持續(xù)凈進(jìn)口態(tài)勢(shì)[1]。在此背景下，如何調(diào)整生豬養(yǎng)殖要素投入，提高生豬養(yǎng)殖業(yè)生產(chǎn)效率已成為保障“菜籃子”產(chǎn)品供給的重中之重。當(dāng)前國(guó)內(nèi)生豬養(yǎng)殖業(yè)空間集聚態(tài)勢(shì)顯著[2]，需尤為關(guān)注集聚水平提升對(duì)生豬養(yǎng)殖業(yè)生產(chǎn)效率的推動(dòng)作用。因此，本文基于不同規(guī)模全要素生產(chǎn)率視角，探討生豬養(yǎng)殖業(yè)集聚過(guò)程中由于規(guī)?；a(chǎn)、專業(yè)化分工帶來(lái)的聚集經(jīng)濟(jì)效應(yīng)及其空間溢出效應(yīng)，對(duì)降低生豬養(yǎng)殖成本、提高養(yǎng)殖場(chǎng)（戶）收益、提升產(chǎn)業(yè)生產(chǎn)效率具有重要現(xiàn)實(shí)意義。

產(chǎn)業(yè)集聚帶來(lái)的優(yōu)勢(shì)使得其概念一經(jīng)提出就受到學(xué)術(shù)界廣泛關(guān)注。相關(guān)研究最早出現(xiàn)于工業(yè)領(lǐng)域，并得到了產(chǎn)業(yè)集聚通過(guò)規(guī)模報(bào)酬遞增促進(jìn)勞動(dòng)生產(chǎn)率、產(chǎn)業(yè)全要素生產(chǎn)率提高等一般性結(jié)論[3-4]。隨著中國(guó)工業(yè)化、市場(chǎng)化進(jìn)程深入，各地區(qū)基于比較優(yōu)勢(shì)促進(jìn)農(nóng)業(yè)生產(chǎn)規(guī)模化亦日益顯著。學(xué)者紛紛對(duì)農(nóng)業(yè)產(chǎn)業(yè)集聚特征、優(yōu)勢(shì)及形成原因展開(kāi)研究[5-7]， 但多以定性分析為主。計(jì)量經(jīng)濟(jì)學(xué)的發(fā)展使得越來(lái)越多的學(xué)者開(kāi)始關(guān)注農(nóng)業(yè)產(chǎn)業(yè)集聚與經(jīng)濟(jì)績(jī)效之間的定量關(guān)系，對(duì)此可大致劃分為兩類：第一類學(xué)者認(rèn)為農(nóng)業(yè)產(chǎn)業(yè)集聚水平越高越有利于經(jīng)濟(jì)績(jī)效的提升，如呂超和周應(yīng)恒[8]基于C-D生產(chǎn)函數(shù)揭示了蔬菜產(chǎn)業(yè)集聚帶來(lái)的規(guī)模經(jīng)濟(jì)提升了蔬菜產(chǎn)業(yè)產(chǎn)值；趙丹丹和周宏[9]利用中介效應(yīng)模型發(fā)現(xiàn)糧食作物生產(chǎn)集聚通過(guò)規(guī)模效應(yīng)、專業(yè)化效應(yīng)和技術(shù)外溢效應(yīng)提升了糧食生產(chǎn)效率。第二類學(xué)者認(rèn)為農(nóng)業(yè)產(chǎn)業(yè)集聚并不一定帶來(lái)經(jīng)濟(jì)績(jī)效提升，即二者存在非線性關(guān)系，如李博偉等[10]以淡水養(yǎng)殖為例，利用門檻回歸模型發(fā)現(xiàn)產(chǎn)業(yè)集聚水平對(duì)農(nóng)民收入影響具有門檻效應(yīng)；高維龍[11]利用中介效應(yīng)模型驗(yàn)證了規(guī)模經(jīng)濟(jì)是產(chǎn)業(yè)集聚與糧食產(chǎn)業(yè)綠色全要素生產(chǎn)率之間“倒U型”曲線關(guān)系的中介渠道?？臻g計(jì)量經(jīng)濟(jì)學(xué)的發(fā)展使得有學(xué)者開(kāi)始注意到農(nóng)業(yè)產(chǎn)業(yè)集聚除對(duì)本區(qū)域產(chǎn)生影響外，還能產(chǎn)生空間溢出效應(yīng)對(duì)周邊區(qū)域產(chǎn)生影響[12-13]。

通過(guò)文獻(xiàn)回顧發(fā)現(xiàn)：1）從研究對(duì)象來(lái)看，目前關(guān)于農(nóng)業(yè)產(chǎn)業(yè)集聚及其優(yōu)勢(shì)的研究多集中于種植業(yè)，針對(duì)生豬養(yǎng)殖業(yè)的研究相對(duì)匱乏，或是僅關(guān)注集聚與產(chǎn)出量而非生產(chǎn)效率的關(guān)系[14]，或是忽視空間溢出這一維度[15]。2）從研究視角來(lái)看，大多數(shù)文獻(xiàn)關(guān)注的是區(qū)域差異性，而忽視了產(chǎn)業(yè)規(guī)模異質(zhì)性。3）從實(shí)證模型來(lái)看有兩點(diǎn)值得推敲，第一是部分文獻(xiàn)假定產(chǎn)業(yè)集聚與經(jīng)濟(jì)績(jī)效僅為簡(jiǎn)單的線性關(guān)系；第二是大多數(shù)文獻(xiàn)分析產(chǎn)業(yè)集聚空間溢出效應(yīng)時(shí)，忽視了其空間非對(duì)稱性。基于此，本文首先在理論層面從本地影響、空間溢出兩個(gè)維度梳理產(chǎn)業(yè)集聚對(duì)不同規(guī)模生豬養(yǎng)殖業(yè)生產(chǎn)效率的可能路徑并提出相應(yīng)假說(shuō)，然后基于DEA—Malmquist測(cè)算出我國(guó)15個(gè)生豬養(yǎng)殖主產(chǎn)省區(qū)不同規(guī)模全要素生產(chǎn)率，并利用核密度曲線觀察其動(dòng)態(tài)演進(jìn)特征，最后通過(guò)固定效應(yīng)估計(jì)、兩階段最小二乘回歸（2SLS）和全面的可行廣義最小二乘法（FGLS）檢驗(yàn)產(chǎn)業(yè)集聚與不同規(guī)模全要素生產(chǎn)率之間的非線性關(guān)系，并通過(guò)空間杜賓模型和兩區(qū)制空間杜賓模型檢驗(yàn)產(chǎn)業(yè)集聚的空間溢出效應(yīng)和其非對(duì)稱性，以此為政策制定提供決策參考。

1 理論分析與研究假說(shuō)

生豬養(yǎng)殖業(yè)集聚影響生產(chǎn)效率的機(jī)制主要表現(xiàn)為產(chǎn)業(yè)集聚——外部性（空間溢出效應(yīng)）——生產(chǎn)效率。

1.1 外部性

產(chǎn)業(yè)集聚通過(guò)外部性對(duì)產(chǎn)業(yè)內(nèi)廠商會(huì)產(chǎn)生兩種方向相反的影響：一是長(zhǎng)期平均成本下降和生產(chǎn)效率提高的聚集經(jīng)濟(jì)或外部規(guī)模經(jīng)濟(jì)，二是長(zhǎng)期平均成本上升和生產(chǎn)效率降低的聚集不經(jīng)濟(jì)或外部規(guī)模不經(jīng)濟(jì)。生豬養(yǎng)殖業(yè)集聚就是眾多生豬養(yǎng)殖場(chǎng)（戶）在局部空間上的集中過(guò)程。因此，生豬養(yǎng)殖業(yè)集 聚也會(huì)通過(guò)外部性對(duì)生產(chǎn)效率產(chǎn)生兩種方向相反的影響。

首先，生豬養(yǎng)殖業(yè)集聚通過(guò)正外部性即規(guī)模經(jīng)濟(jì)提高生產(chǎn)效率。第一，生豬養(yǎng)殖業(yè)集聚提高了生豬養(yǎng)殖業(yè)基礎(chǔ)設(shè)施等固定投入的利用效率，從而獲得了規(guī)模報(bào)酬遞增帶來(lái)的成本降低和生產(chǎn)效率提升；第二，生豬養(yǎng)殖業(yè)集聚實(shí)現(xiàn)了養(yǎng)殖場(chǎng)（戶）間共享購(gòu)銷渠道，增強(qiáng)了市場(chǎng)支配能力、降低了交易成本，從而提高了生產(chǎn)效率；第三，生豬養(yǎng)殖業(yè)集聚易于技術(shù)外溢，促進(jìn)了生豬養(yǎng)殖業(yè)的技術(shù)進(jìn)步：產(chǎn)業(yè)集聚能夠促進(jìn)龍頭企業(yè)采用新技術(shù)、新方法，促進(jìn)技術(shù)應(yīng)用；產(chǎn)業(yè)集聚也能夠推動(dòng)養(yǎng)殖場(chǎng)（戶）之間的技術(shù)模仿或交流，促進(jìn)技術(shù)傳播與擴(kuò)散，使得全行業(yè)的生產(chǎn)效率得以提高。

其次，生豬養(yǎng)殖業(yè)集聚通過(guò)負(fù)外部性即規(guī)模不經(jīng)濟(jì)抑制了生產(chǎn)效率提升。第一，生豬養(yǎng)殖業(yè)集聚到一定程度后，受生產(chǎn)技術(shù)水平、經(jīng)營(yíng)管理能力等限制導(dǎo)致養(yǎng)殖場(chǎng)（戶）的資源配置效率下降，陷入規(guī)模報(bào)酬遞減，抑制了生產(chǎn)效率的提升；第二，生豬養(yǎng)殖業(yè)集聚過(guò)度也容易造成生產(chǎn)技術(shù)指導(dǎo)和衛(wèi)生防疫等公共服務(wù)的供給不足，從而抑制了生產(chǎn)效率的提升；第三，生豬養(yǎng)殖業(yè)集聚過(guò)度也會(huì)形成生產(chǎn)技術(shù)創(chuàng)新的“搭便車”現(xiàn)象，阻礙了技術(shù)進(jìn)步及生產(chǎn)效率提高。

生豬養(yǎng)殖業(yè)集聚對(duì)生產(chǎn)效率的具體影響取決于集聚水平與正外部性或負(fù)外部性的具體關(guān)系狀況，即生豬養(yǎng)殖業(yè)集聚存在著理論上的最優(yōu)水平。據(jù)此，本文提出：

假說(shuō)1：生豬養(yǎng)殖業(yè)集聚與生產(chǎn)效率呈“倒U型”曲線關(guān)系：產(chǎn)業(yè)集聚適度階段，提高產(chǎn)業(yè)集聚水平能夠促進(jìn)生產(chǎn)效率提升；產(chǎn)業(yè)集聚過(guò)度階段，提高產(chǎn)業(yè)集聚水平則抑制生產(chǎn)效率提升。

1.2 空間溢出效應(yīng)

僅僅是單一?。▍^(qū)）生豬養(yǎng)殖業(yè)集聚水平的提高，并不能充分激發(fā)該區(qū)域技術(shù)革新和品牌化效應(yīng)潛力。若能實(shí)現(xiàn)生豬養(yǎng)殖業(yè)聚集經(jīng)濟(jì)的空間擴(kuò)散，進(jìn)而形成生豬養(yǎng)殖業(yè)區(qū)域化、規(guī)模化，將極大推動(dòng)整體區(qū)域生豬養(yǎng)殖效率水平的提升。實(shí)際上，在市場(chǎng)機(jī)制配置資源的過(guò)程中，完善的交通基礎(chǔ)設(shè)施、信息壁壘的破除和政策導(dǎo)向均會(huì)進(jìn)一步促進(jìn)生產(chǎn)要素在區(qū)域間的流動(dòng)，形成一個(gè)龐大且復(fù)雜的空間溢出網(wǎng)絡(luò)。某一?。▍^(qū)）生豬養(yǎng)殖業(yè)集聚會(huì)通過(guò)模仿學(xué)習(xí)、同質(zhì)化等方式形成擴(kuò)散效應(yīng)，影響周邊省區(qū)生豬養(yǎng)殖業(yè)生產(chǎn)效率水平，形成空間溢出效應(yīng)。據(jù)此，本文提出：

假說(shuō)2：生豬養(yǎng)殖業(yè)集聚對(duì)不同規(guī)模生產(chǎn)效率均存在空間溢出效應(yīng)，即能通過(guò)輻射作用影響周邊區(qū)域生豬養(yǎng)殖業(yè)生產(chǎn)效率。

同時(shí)，處于空間溢出網(wǎng)絡(luò)中的省區(qū)受生豬養(yǎng)殖業(yè)發(fā)展階段不同、集聚水平差距不一等影響，其在空間溢出網(wǎng)絡(luò)中吸納或輻射的能力將有所差異，故有必要對(duì)生豬養(yǎng)殖業(yè)集聚的空間溢出效應(yīng)進(jìn)行非對(duì)稱性檢驗(yàn)。據(jù)此，本文提出：

假說(shuō)3：生豬養(yǎng)殖業(yè)集聚的空間溢出效應(yīng)具有非對(duì)稱性，即不同省區(qū)生豬養(yǎng)殖業(yè)集聚水平的差異導(dǎo)致彼此間空間輻射與吸納能力有所差異。

2 模型設(shè)定、變量說(shuō)明與數(shù)據(jù)來(lái)源

2.1 產(chǎn)業(yè)集聚對(duì)生產(chǎn)效率的非線性影響

基于前文外部性分析，為檢驗(yàn)假說(shuō)1，通過(guò)加入產(chǎn)業(yè)集聚的平方項(xiàng)驗(yàn)證產(chǎn)業(yè)集聚對(duì)生產(chǎn)效率的非線性影響[14]。計(jì)量模型設(shè)定如下：

式中：下標(biāo)i、t和l分別為省區(qū)、年份和不同規(guī)模生豬養(yǎng)殖業(yè)（小、中和大規(guī)模），Y是被解釋變量生豬養(yǎng)殖業(yè)生產(chǎn)效率，M是核心解釋變量生豬養(yǎng)殖業(yè)集聚水平，M2是其二次項(xiàng)，X是控制變量集合，下標(biāo)k為控制變量個(gè)數(shù)，β0為常數(shù)項(xiàng)，β1、β2和θk分別表示產(chǎn)業(yè)集聚、產(chǎn)業(yè)集聚平方項(xiàng)及控制變量的回歸系數(shù)，εit為隨機(jī)誤差項(xiàng)。

2.2 產(chǎn)業(yè)集聚對(duì)生產(chǎn)效率的空間溢出效應(yīng)

基于前文產(chǎn)業(yè)集聚的空間溢出效應(yīng)分析，為檢驗(yàn)假說(shuō)2，在式（1）的基礎(chǔ)上納入樣本的空間相關(guān)性，構(gòu)建同時(shí)包含空間誤差和空間滯后影響的空間杜賓模型（Spatial Durbin Model，SDM）[13]。計(jì)量模型設(shè)定如下：

式中：下標(biāo)i、j表示不同省區(qū)，ρ、λ1、λ2和ηk分別表示生產(chǎn)效率、產(chǎn)業(yè)集聚水平、產(chǎn)業(yè)集聚水平二次項(xiàng)和各控制變量的空間滯后回歸系數(shù)，Wij為空間權(quán)重矩陣，μi和σt分別為空間、時(shí)間固定效應(yīng)，εit為誤差項(xiàng)。為保證空間溢出效應(yīng)估計(jì)結(jié)果穩(wěn)健可靠，本文采用三種不同的空間權(quán)重矩陣構(gòu)建方式：

1）空間鄰接權(quán)重矩陣W1。若兩省區(qū)地理位置相鄰，則Wij=1，（i≠j），否則Wij=0，（i=j）。

2）地理距離空間權(quán)重矩陣W2。權(quán)重設(shè)置采用基于經(jīng)緯度計(jì)算的兩省區(qū)省會(huì)城市地理距離平方的倒數(shù)，即Wij=1/d2，（i≠j），否則Wij=0，（i=j）。

3）生豬出欄量空間權(quán)重矩陣W3。權(quán)重設(shè)置采用兩省區(qū)之間生豬出欄量之差絕對(duì)值的倒數(shù)，即Wij=1/|Qi-Qj|，（i≠j），否 則Wij=0，（i=j）[16]。其 中，Qi、Qj分別為i省和j省2006—2018年生豬出欄量年均值。

2.3 產(chǎn)業(yè)集聚空間溢出效應(yīng)的非對(duì)稱性

為了準(zhǔn)確估計(jì)產(chǎn)業(yè)集聚對(duì)不同規(guī)模生豬養(yǎng)殖業(yè)全要素生產(chǎn)率空間溢出效應(yīng)的非對(duì)稱性，本文借鑒孫博文和孫久文[17]采用空間非對(duì)稱的研究方法，構(gòu)建兩區(qū)制空間杜賓模型對(duì)假說(shuō)3進(jìn)行檢驗(yàn)，具體如下：

式中：dit為0-1二值虛擬變量，是i省區(qū)對(duì)其他省區(qū)生 豬養(yǎng)殖業(yè)集聚水平的策略性反映[18]，當(dāng)時(shí)，dit=1，否則dit=0，即當(dāng)dit=1時(shí)，表示i省區(qū)生豬養(yǎng)殖業(yè)集聚水平高于其他省區(qū)集聚水平的加權(quán)平均值。ρ1和ρ2的正負(fù)和大小反映了不同省區(qū)生豬養(yǎng)殖業(yè)生產(chǎn)效率受其他省區(qū)集聚水平影響的敏感程度的差異。

2.4 變量說(shuō)明

2.4.1 被解釋變量 選取以全要素生產(chǎn)率為表征的生豬養(yǎng)殖業(yè)生產(chǎn)效率為被解釋變量。考慮到生產(chǎn)效率的估算以養(yǎng)殖場(chǎng)（戶）增收為宗旨，即在養(yǎng)殖規(guī)模相對(duì)穩(wěn)定的情況下以最小化投入為目標(biāo)，因此本文采用投入導(dǎo)向的DEA—Malmquist指數(shù)法[19]估算各省區(qū)不同規(guī)模生豬養(yǎng)殖業(yè)全要素生產(chǎn)率，模型構(gòu)建如下：

式中：xt、yt分別為t期的投入向量和產(chǎn)出向量，xt+1、yt+1分別為t+1期的投入向量和產(chǎn)出向量，Dt0和分別為t期和t+1期的產(chǎn)出距離函數(shù)，M0為全要素生產(chǎn)率。投入指標(biāo)包括物質(zhì)與服務(wù)費(fèi)用、人工成本兩個(gè)方面，其中物質(zhì)與服務(wù)費(fèi)用包括仔豬進(jìn)價(jià)、精飼料投入、水費(fèi)及燃料動(dòng)力費(fèi)和醫(yī)療防疫費(fèi)，人工成本以用工數(shù)量衡量；產(chǎn)出指標(biāo)以實(shí)際產(chǎn)出量進(jìn)行衡量，具體投入產(chǎn)出指標(biāo)見(jiàn)表1[20-23]。同時(shí)，為剔除價(jià)格因素影響，對(duì)價(jià)值指標(biāo)依照農(nóng)業(yè)生產(chǎn)資料價(jià)格指數(shù)以2005年為基期進(jìn)行平減。

表1 生豬養(yǎng)殖業(yè)全要素生產(chǎn)率投入產(chǎn)出指標(biāo)Table 1 Input-output indicators of the total factor productivity in hog breeding industry

2.4.2 核心解釋變量 核心解釋變量為生豬養(yǎng)殖業(yè)集聚水平。目前區(qū)位熵指數(shù)被廣泛運(yùn)用于度量區(qū)域內(nèi)產(chǎn)業(yè)集聚水平，但考慮到傳統(tǒng)區(qū)位熵指數(shù)忽視了產(chǎn)業(yè)規(guī)模因素，因此本文借鑒Flegg和Webber[24]對(duì)傳統(tǒng)區(qū)位熵進(jìn)行改進(jìn)的方法并以產(chǎn)值指標(biāo)進(jìn)行計(jì)算，公式如下：

式中：pit表示i省區(qū)第t年生豬養(yǎng)殖業(yè)產(chǎn)值，git表示i省區(qū)第t年地區(qū)生產(chǎn)總值，Pt表示全國(guó)第t年生豬養(yǎng)殖業(yè)產(chǎn)值，Gt表示第t年國(guó)內(nèi)生產(chǎn)總值；δ為敏感度，參考鐘搏和趙連閣[14]的研究，取中等敏感度，δ=0.3。

2.4.3 控制變量 參考已有文獻(xiàn)研究[25-27]，并結(jié)合生豬養(yǎng)殖業(yè)現(xiàn)實(shí)狀況，本文選取生豬銷售價(jià)格、農(nóng)村人力資本、財(cái)政支農(nóng)、經(jīng)濟(jì)發(fā)展水平、工業(yè)化水平、飼料資源、機(jī)械化水平作為控制變量。被解釋變量、核心解釋變量及控制變量的測(cè)算方法和描述性統(tǒng)計(jì)見(jiàn)表2。

表2 變量定義及描述性統(tǒng)計(jì)Table 2 Variable definition and descriptive statistics

2.5 數(shù)據(jù)來(lái)源

根據(jù)《第一次全國(guó)污染源普查——畜禽養(yǎng)殖業(yè)源產(chǎn)排污系數(shù)手冊(cè)》和《全國(guó)農(nóng)產(chǎn)品成本收益資料匯編》對(duì)規(guī)模的定義，生豬年出欄量在1 000頭以上的為大規(guī)模養(yǎng)殖場(chǎng)，100~1 000頭的為中規(guī)模養(yǎng)殖場(chǎng)（戶），30~100頭的為小規(guī)模養(yǎng)殖場(chǎng)（戶）。本文以《全國(guó)生豬優(yōu)勢(shì)區(qū)域布局規(guī)劃（2008—2015年）》中的河北、遼寧、吉林、黑龍江、江蘇、浙江、安徽、山東、河南、湖北、湖南、廣東、廣西、四川、云南等15個(gè)省區(qū)為研究區(qū)域。為保證數(shù)據(jù)連續(xù)性，本文選取2006—2018年為研究時(shí)段，同時(shí)剔除掉福建、江西、重慶和貴州四個(gè)主產(chǎn)省份。相關(guān)數(shù)據(jù)均來(lái)自《全國(guó)農(nóng)產(chǎn)品成本收益資料匯編》、《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》、《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)畜牧獸醫(yī)年鑒》。

3 結(jié)果與分析

3.1 不同規(guī)模生豬養(yǎng)殖業(yè)全要素生產(chǎn)率動(dòng)態(tài)演進(jìn) 特征

本文選擇爆發(fā)高致病性藍(lán)耳病的2006年、爆發(fā)豬O型口蹄疫情的2010年、生豬養(yǎng)殖行業(yè)進(jìn)入環(huán)保嚴(yán)管期的2014年及爆發(fā)非洲豬瘟的2018年這4個(gè)代表年份作為考察期，采用核密度曲線觀察國(guó)內(nèi)15個(gè)主產(chǎn)省區(qū)不同規(guī)模生豬養(yǎng)殖業(yè)全要素生產(chǎn)率動(dòng)態(tài)演進(jìn)特征。

3.1.1 大規(guī)模生豬養(yǎng)殖業(yè)動(dòng)態(tài)演進(jìn)特征 由圖1可知：第一，2006年的主峰效率值在1.01左右，表明大規(guī)模生豬養(yǎng)殖業(yè)在2006年高致病性藍(lán)耳病的沖擊下生產(chǎn)效率相對(duì)穩(wěn)定；2010年相對(duì)于2006年核密度曲線向左移動(dòng)，且主峰效率值在0.9左右，表明大規(guī)模生豬養(yǎng)殖業(yè)受2010年豬O型口蹄疫情等疫病的影響，生產(chǎn)效率較上年有所降低；2014年相對(duì)于2010年核密度曲線向右移動(dòng)，且主峰效率值在1.05左右，表明在2014年出臺(tái)環(huán)保政策影響產(chǎn)能的情況下，大規(guī)模生豬養(yǎng)殖業(yè)生產(chǎn)效率仍較上年有所提高；2018年相對(duì)于2014年核密度曲線無(wú)明顯移動(dòng)，且主峰效率值和側(cè)峰效率值均大于1，這主要是由于2018年8月在中國(guó)發(fā)生的非洲豬瘟主要沖擊的是2019年的生豬產(chǎn)能。核密度曲線位置的移動(dòng)表明，此期間內(nèi)大規(guī)模全要素生產(chǎn)率相對(duì)穩(wěn)定。第二，2010年為單峰，即呈單極化現(xiàn)象，2006年、2014年和2018年為多峰，即呈多極化現(xiàn)象；所考察的4個(gè)年份均存在顯著右拖尾現(xiàn)象且波峰寬度逐漸擴(kuò)大、波峰由尖峰向?qū)挿遛D(zhuǎn)變。核密度曲線形狀變化表明，各省區(qū)之間大規(guī)模全要素生產(chǎn)率差異逐漸擴(kuò)大，即省區(qū)之間生產(chǎn)效率的不平衡性問(wèn)題逐年加劇。

圖1 大規(guī)模生豬養(yǎng)殖業(yè)全要素生產(chǎn)率動(dòng)態(tài)演進(jìn)Fig.1 Dynamic evolution of the total factor productivity in large-scale hog breeding industry

3.1.2 中規(guī)模生豬養(yǎng)殖業(yè)動(dòng)態(tài)演進(jìn)特征 由圖2可知：第一，2006年的主峰效率值在0.98左右，表明中規(guī)模生豬養(yǎng)殖業(yè)受2006年高致病性藍(lán)耳病的影響出現(xiàn)生產(chǎn)效率降低的狀況；2010年相對(duì)于2006年核密度曲線向左移動(dòng)，且主峰效率值在0.98左右，表明中規(guī)模生豬養(yǎng)殖業(yè)受2010年豬O型口蹄疫情等疫病的影響，生產(chǎn)效率較上年有所降低；核密度曲線2014年相對(duì)于2010年、2018年相對(duì)于2014年均向右移動(dòng)，且這兩年的主峰效率值均大于1。核密度曲線位置的移動(dòng)表明，此期間內(nèi)中規(guī)模全要素生產(chǎn)率呈提升趨勢(shì)。第二，2010年為單峰，即呈單極化現(xiàn)象，2006年、2014年和2018年為多峰，即呈多極化現(xiàn)象；2010年和2014年呈現(xiàn)出尖而窄的形狀，2006年和2018年呈現(xiàn)出扁而寬的形狀。核密度曲線的形狀變化表明，此期間內(nèi)中規(guī)模全要素生產(chǎn)率的空間非均衡性問(wèn)題逐漸弱化，但在2018年受非洲豬瘟的影響又陡然加劇。

圖2 中規(guī)模生豬養(yǎng)殖業(yè)全要素生產(chǎn)率動(dòng)態(tài)演進(jìn)Fig.2 Dynamic evolution of the total factor productivity in medium-scale hog breeding industry

3.1.3 小規(guī)模生豬養(yǎng)殖業(yè)動(dòng)態(tài)演進(jìn)特征 由圖3可知：第一，2006年的主峰效率值在1.01左右，表明小規(guī)模生豬養(yǎng)殖業(yè)未受到2006年高致病性藍(lán)耳病的影響而出現(xiàn)大量省區(qū)生產(chǎn)效率降低的狀況；2010年相對(duì)于2006年核密度曲線向左移動(dòng)，且主峰效率值小于1，表明小規(guī)模生豬養(yǎng)殖業(yè)受2010年豬O型口蹄疫情等疫病的影響，生產(chǎn)效率較上年有所降低；2014年相對(duì)于2010年核密度曲線向右移動(dòng)，2018年相對(duì)于2014年核密度曲線向右移動(dòng)，且兩年的主峰效率值均大于1。核密度曲線位置的移動(dòng)表明，此期間內(nèi)小規(guī)模全要素生產(chǎn)率呈提升趨勢(shì)。第二，2006年和2014年為多峰，即呈多極化現(xiàn)象，2010年和2018年為單峰，即呈單極化現(xiàn)象；2006年、2014年和2018年存在顯著右拖尾現(xiàn)象；所考察的4個(gè)年份核密度曲線波峰值先上升再降低，且波峰寬度的變化幅度相對(duì)穩(wěn)定。核密度曲線的形狀變化表明，此期間內(nèi)小規(guī)模全要素生產(chǎn)率的空間絕對(duì)差異相對(duì)較穩(wěn)定，即使是在發(fā)生重大疫病的2006年、2010年和2018年。

圖3 小規(guī)模生豬養(yǎng)殖業(yè)全要素生產(chǎn)率動(dòng)態(tài)演進(jìn)Fig.3 Dynamic evolution of the total factor productivity in small-scale hog breeding industry

3.2 產(chǎn)業(yè)集聚與全要素生產(chǎn)率“倒U型”曲線關(guān)系的檢驗(yàn)

3.2.1 基準(zhǔn)回歸結(jié)果分析 利用普通面板數(shù)據(jù)計(jì)量模型（1）對(duì)產(chǎn)業(yè)集聚與不同規(guī)模全要素生產(chǎn)率之間的關(guān)系進(jìn)行驗(yàn)證，經(jīng)Hausman檢驗(yàn)后選用固定效應(yīng)模型進(jìn)行參數(shù)估計(jì)。

由表3固定效應(yīng)估計(jì)結(jié)果可知：第一，大、小規(guī)模生豬養(yǎng)殖業(yè)集聚的一次項(xiàng)回歸系數(shù)顯著為正、二次項(xiàng)回歸系數(shù)顯著為負(fù)。這表明在其他因素不變的情況下，提高生豬養(yǎng)殖業(yè)集聚水平對(duì)全要素生產(chǎn)率具有先促進(jìn)、后抑制的作用，即生豬養(yǎng)殖業(yè)集聚與全要素生產(chǎn)率呈顯著的“倒U型”曲線關(guān)系。第二，中規(guī)模生豬養(yǎng)殖業(yè)集聚一次項(xiàng)、二次項(xiàng)的回歸系數(shù)分別為正和負(fù)，但并不顯著。這表明生豬養(yǎng)殖業(yè)集聚與全要素生產(chǎn)率存在不顯著的“倒U型”曲線關(guān)系。第三，大、中、小規(guī)模生豬養(yǎng)殖“倒U型”曲線的拐點(diǎn)分別為1.115、1.057和1.085。上述結(jié)果驗(yàn)證了假說(shuō)1，即生豬養(yǎng)殖業(yè)在一定集聚水平內(nèi)對(duì)不同規(guī)模生產(chǎn)效率有顯著提升作用，在達(dá)到拐點(diǎn)后出現(xiàn)聚集不經(jīng)濟(jì)對(duì)生產(chǎn)效率產(chǎn)生抑制作用。利用公式（5）計(jì)算出2018年河北、遼寧、吉林、黑龍江、江蘇、浙江、安徽、山東、河南、湖北、湖南、廣東、廣西、四川、云南的生豬養(yǎng)殖業(yè)集聚水平分別為0.697、0.367、0.626、0.948、0.152、0.082、0.652、0.615、0.745、0.794、1.160、0.225、0.903、0.961、1.158，可以看出在2018年除湖南和云南以外的13個(gè)生豬養(yǎng)殖主產(chǎn)省區(qū)的大、中、小規(guī)模生豬養(yǎng)殖業(yè)集聚水平均低于其拐點(diǎn)，這表明這13個(gè)省區(qū)生豬養(yǎng)殖業(yè)集聚還未達(dá)到最優(yōu)水平，產(chǎn)業(yè)集聚過(guò)程中規(guī)模經(jīng)濟(jì)帶來(lái)的生產(chǎn)效率提升空間有待挖掘。

從不同規(guī)模來(lái)看，在“倒U型”曲線拐點(diǎn)前的產(chǎn)業(yè)集聚對(duì)全要素生產(chǎn)率提升中，對(duì)小規(guī)模作用最大，其次是大規(guī)模，再次是中規(guī)模。在控制變量方面，生豬銷售價(jià)格對(duì)全要素生產(chǎn)率呈顯著的負(fù)相關(guān)影響，農(nóng)村人力資本、財(cái)政支農(nóng)、經(jīng)濟(jì)發(fā)展水平對(duì)全要素生產(chǎn)率呈顯著的正相關(guān)影響，工業(yè)化水平、飼料資源和機(jī)械化水平對(duì)全要素生產(chǎn)率無(wú)顯著影響。3.2.2 內(nèi)生性問(wèn)題的討論 為緩解產(chǎn)業(yè)集聚與生豬養(yǎng)殖業(yè)全要素生產(chǎn)率互為因果而產(chǎn)生的內(nèi)生性問(wèn)題，本文選擇滯后一期產(chǎn)業(yè)集聚水平為工具變量進(jìn)行兩階段最小二乘回歸。由表3兩階段最小二乘回歸估計(jì)結(jié)果可知：2SLS中第一階段的F統(tǒng)計(jì)量表明不存在弱工具變量問(wèn)題，且大、小規(guī)模2SLS的回歸系數(shù)均低于固定效應(yīng)估計(jì)的回歸系數(shù)，即互為因果可能產(chǎn)生的內(nèi)生性問(wèn)題造成了估計(jì)系數(shù)向上偏差。同時(shí)，不同規(guī)模生豬養(yǎng)殖業(yè)集聚的一次項(xiàng)和二次項(xiàng)回歸系數(shù)的顯著性、符號(hào)和大小比較與固定效應(yīng)估計(jì)結(jié)果一致，說(shuō)明在緩解一定內(nèi)生性問(wèn)題后，生豬養(yǎng)殖業(yè)集聚與不同規(guī)模全要素生產(chǎn)率之間“倒U型”曲線關(guān)系仍存在。

表3 產(chǎn)業(yè)集聚與全要素生產(chǎn)率關(guān)系估計(jì)Table 3 Estimation of the relationship between industrial agglomeration and the total factor productivity

3.2.3 穩(wěn)健性檢驗(yàn) 為保證估計(jì)結(jié)果穩(wěn)健可靠，本文采用變量替換法（將核心解釋變量產(chǎn)業(yè)集聚水平的度量替換為豬肉產(chǎn)量和肉類總產(chǎn)量進(jìn)行計(jì)算）和變更估計(jì)方法（將OLS估計(jì)變更為全面的FGLS估計(jì)）兩種方式進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果見(jiàn)表4。估計(jì)結(jié)果表明：在變量替換法下，小規(guī)模生豬養(yǎng)殖業(yè)集聚與全要素生產(chǎn)率之間存在顯著的“倒U型”曲線關(guān)系，大、中規(guī)模生豬養(yǎng)殖業(yè)集聚與全要素生產(chǎn)率之間存在不顯著的“倒U型”曲線關(guān)系；在全面的FGLS估計(jì)下，大、小規(guī)模生豬養(yǎng)殖業(yè)集聚與全要素生產(chǎn)率之間存在顯著的“倒U型”曲線關(guān)系，中規(guī)模生豬養(yǎng)殖業(yè)集聚與全要素生產(chǎn)率之間存在不顯著的“倒U型”曲線關(guān)系。無(wú)論采取何種方式進(jìn)行穩(wěn)健性檢驗(yàn)，在“倒U型”曲線拐點(diǎn)前的產(chǎn)業(yè)集聚對(duì)全要素生產(chǎn)率提升中，均表現(xiàn)為小規(guī)模最大，其次是大規(guī)模，再次是中規(guī)模。以上結(jié)論與基準(zhǔn)回歸結(jié)論基本一致，進(jìn)一步佐證了模型結(jié)果的穩(wěn)健性。

表4 穩(wěn)健性檢驗(yàn)回歸結(jié)果Table 4 Regression results of the robust test

3.3 產(chǎn)業(yè)集聚對(duì)全要素生產(chǎn)率空間溢出效應(yīng)的檢驗(yàn)

對(duì)不同規(guī)模生豬養(yǎng)殖業(yè)全要素生產(chǎn)率及集聚水平進(jìn)行Moran指數(shù)檢驗(yàn)，發(fā)現(xiàn)均存在顯著的空間相關(guān)性，證實(shí)了空間計(jì)量模型選用合理。因此，選擇空間杜賓模型（2）對(duì)產(chǎn)業(yè)集聚的空間溢出效應(yīng)進(jìn)行檢驗(yàn)，并基于偏微分法將產(chǎn)業(yè)集聚對(duì)全要素生產(chǎn)率的總效應(yīng)分為直接效應(yīng)和間接效應(yīng)。直接效應(yīng)的實(shí)現(xiàn)路徑有兩條：一是本?。▍^(qū)）產(chǎn)業(yè)集聚對(duì)本省（區(qū)）全要素生產(chǎn)率的直接影響，二是本省（區(qū)）產(chǎn)業(yè)集聚對(duì)鄰近?。▍^(qū)）全要素生產(chǎn)率產(chǎn)生影響后再反饋給本?。▍^(qū)）。間接效應(yīng)的實(shí)現(xiàn)路徑就是鄰近?。▍^(qū)）產(chǎn)業(yè)集聚對(duì)本省（區(qū)）全要素生產(chǎn)率的影響[28]。

由表5空間杜賓模型估計(jì)結(jié)果可知：在三種空間權(quán)重矩陣設(shè)定下，大、中、小規(guī)模全要素生產(chǎn)率的空間自回歸系數(shù)均顯著為正表明，各省區(qū)不同規(guī)模全要素生產(chǎn)率空間溢出均顯著為正，即生豬養(yǎng)殖生產(chǎn)效率高的省區(qū)之間相互鄰近，生豬養(yǎng)殖生產(chǎn)效率低的省區(qū)之間相互鄰近。

表5 產(chǎn)業(yè)集聚對(duì)全要素生產(chǎn)率空間溢出效應(yīng)估計(jì)Table 5 Estimation of the spatial spillover e§ects of industrial agglomeration on the total factor productivity

第一，就大規(guī)模生豬養(yǎng)殖業(yè)而言，在鄰接權(quán)重矩陣、地理距離權(quán)重矩陣設(shè)定下，直接效應(yīng)和間接效應(yīng)均呈顯著“倒U型”曲線表明：某?。▍^(qū)）產(chǎn)業(yè)集聚對(duì)本?。▍^(qū)）大規(guī)模全要素生產(chǎn)率存在顯著的、直接的、非線性促進(jìn)作用，并對(duì)鄰接、地理位置鄰近的?。▍^(qū)）產(chǎn)生影響后再反饋給本省(區(qū))；鄰接、地理位置鄰近的省（區(qū)）產(chǎn)業(yè)集聚對(duì)本?。▍^(qū)）大規(guī)模全要素生產(chǎn)率也存在顯著、間接、非線性促進(jìn)作用。

第二，就中規(guī)模生豬養(yǎng)殖業(yè)而言，在三種空間權(quán)重矩陣設(shè)定下，直接效應(yīng)不顯著、間接效應(yīng)呈顯著“倒U型”曲線表明：鄰接、地理位置鄰近和年出欄量水平相近的?。▍^(qū)）產(chǎn)業(yè)集聚對(duì)本?。▍^(qū)）全要素生產(chǎn)率存在著顯著的、間接的、非線性促進(jìn)作用。

第三，就小規(guī)模生豬養(yǎng)殖業(yè)而言，在三種空間權(quán)重矩陣設(shè)定下，直接效應(yīng)呈顯著“倒U型”曲線表明：某省（區(qū)）產(chǎn)業(yè)集聚對(duì)本?。▍^(qū)）小規(guī)模全要素生產(chǎn)率存在顯著的、直接的、非線性促進(jìn)作用，并對(duì)鄰接、地理位置鄰近、年出欄量水平相近的省（區(qū)）產(chǎn)生影響后再反饋給本?。▍^(qū)）；在地理距離和生豬出欄量權(quán)重矩陣下，間接效應(yīng)呈顯著“倒U型”曲線表明，地理位置鄰近、年出欄量水平相近的省（區(qū)）產(chǎn)業(yè)集聚對(duì)本?。▍^(qū)）小規(guī)模全要素生產(chǎn)率存在顯著的、間接的、非線性促進(jìn)作用。

從總效應(yīng)估計(jì)結(jié)果可知，三種空間權(quán)重矩陣設(shè)定下的不同規(guī)模產(chǎn)業(yè)集聚回歸系數(shù)均高于不考慮空間溢出效應(yīng)的情形，這表明生豬養(yǎng)殖業(yè)集聚的空間溢出效應(yīng)有助于提高大、中、小規(guī)模的全要素生產(chǎn)率。上述結(jié)果驗(yàn)證了假說(shuō)2，即產(chǎn)業(yè)集聚除對(duì)本區(qū)域生豬養(yǎng)殖業(yè)生產(chǎn)效率有影響外，還能產(chǎn)生空間溢出效應(yīng)對(duì)周邊區(qū)域產(chǎn)生影響。

3.4 產(chǎn)業(yè)集聚空間溢出效應(yīng)的非對(duì)稱性檢驗(yàn)

選擇空間鄰接權(quán)重矩陣估計(jì)兩區(qū)制空間杜賓模型（3），對(duì)產(chǎn)業(yè)集聚空間溢出效應(yīng)的非對(duì)稱性進(jìn)行檢驗(yàn)。由表6估計(jì)結(jié)果可知，兩區(qū)制空間杜賓模型中ρ1和ρ2均在1%的顯著性水平上為正，且ρ1＞ρ2，該結(jié)果一方面說(shuō)明了不論各省區(qū)生豬養(yǎng)殖業(yè)集聚水平高低程度如何，均存在空間交互行為，進(jìn)一步驗(yàn)證了假說(shuō)2；另一方面說(shuō)明了生豬養(yǎng)殖業(yè)集聚水平高的省區(qū)空間溢出效應(yīng)更強(qiáng)，即產(chǎn)業(yè)集聚水平較高的省區(qū)更容易產(chǎn)生“擴(kuò)散效應(yīng)”，帶動(dòng)周邊省區(qū)生豬養(yǎng)殖業(yè)全要素生產(chǎn)率的提升，該結(jié)果驗(yàn)證了假說(shuō)3。

表6 產(chǎn)業(yè)集聚空間溢出效應(yīng)的非對(duì)稱性估計(jì)結(jié)果Table 6 Asymmetry estimation results of the spatial spillover e§ects of industrial agglomeration

4 結(jié)論與政策啟示

4.1 結(jié)論

基于DEA—Malmquist指數(shù)法估算出國(guó)內(nèi)15個(gè)生豬養(yǎng)殖主產(chǎn)省區(qū)不同規(guī)模生豬養(yǎng)殖業(yè)全要素生產(chǎn)率，采用核密度曲線觀察其動(dòng)態(tài)演進(jìn)特征，運(yùn)用普通計(jì)量模型和空間計(jì)量模型測(cè)度生豬養(yǎng)殖業(yè)集聚對(duì)不同規(guī)模全要素生產(chǎn)率的影響，主要結(jié)論如下：

第一，大規(guī)模全要素生產(chǎn)率相對(duì)穩(wěn)定的同時(shí)各省區(qū)之間差異逐漸擴(kuò)大；中規(guī)模全要素生產(chǎn)率呈上升趨勢(shì)的同時(shí)各省區(qū)之間差異先縮小再擴(kuò)大；小規(guī)模全要素生產(chǎn)率呈上升趨勢(shì)的同時(shí)各省區(qū)之間差異相對(duì)穩(wěn)定。

第二，生豬養(yǎng)殖業(yè)集聚對(duì)不同規(guī)模全要素生產(chǎn)率的影響均呈“倒U型”曲線特征表明：產(chǎn)業(yè)集聚水平較低時(shí)，提高產(chǎn)業(yè)集聚水平能顯著地提升全要素生產(chǎn)率；產(chǎn)業(yè)集聚水平超過(guò)“倒U型”曲線拐點(diǎn)后，聚集不經(jīng)濟(jì)抑制了全要素生產(chǎn)率的提升。

第三，生豬養(yǎng)殖業(yè)集聚對(duì)全要素生產(chǎn)率的提升作用存在明顯的規(guī)模差異性：在“倒U型”曲線拐點(diǎn)前，提升集聚水平對(duì)小規(guī)模全要素生產(chǎn)率促進(jìn)最大，其次是大規(guī)模，再次是中規(guī)模。

第四，生豬養(yǎng)殖業(yè)集聚對(duì)不同規(guī)模全要素生產(chǎn)率存在顯著的空間溢出效應(yīng)，空間溢出效應(yīng)有助于提高產(chǎn)業(yè)集聚對(duì)全要素生產(chǎn)率的促進(jìn)作用。

第五，生豬養(yǎng)殖業(yè)集聚對(duì)全要素生產(chǎn)率的空間溢出效應(yīng)存在顯著非對(duì)稱性：產(chǎn)業(yè)集聚水平較高的省區(qū)對(duì)其他省區(qū)的溢出效應(yīng)更大，更易通過(guò)“擴(kuò)散效應(yīng)”帶動(dòng)周邊省區(qū)生豬養(yǎng)殖業(yè)全要素生產(chǎn)率的 提升。

4.2 政策啟示

第一，對(duì)于達(dá)到“倒U型”曲線拐點(diǎn)的湖南省和云南省，其生豬養(yǎng)殖業(yè)發(fā)展已經(jīng)處于外部規(guī)模不經(jīng)濟(jì)階段，應(yīng)通過(guò)其他途徑提高生產(chǎn)效率。例如延長(zhǎng)產(chǎn)業(yè)鏈，從下游產(chǎn)業(yè)開(kāi)辟路徑，推動(dòng)生豬養(yǎng)殖業(yè)集聚到生豬養(yǎng)殖業(yè)集群的轉(zhuǎn)變。

第二，除湖南省和云南省以外的13個(gè)生豬養(yǎng)殖主產(chǎn)省區(qū)應(yīng)推進(jìn)產(chǎn)業(yè)整體規(guī)模擴(kuò)張，發(fā)揮產(chǎn)業(yè)集聚外部規(guī)模經(jīng)濟(jì)的效果。具體而言，首先是增加生豬養(yǎng)殖技術(shù)的研究開(kāi)發(fā)、推廣等方面的資本投入；其次是加強(qiáng)生豬交易市場(chǎng)體系、現(xiàn)代物流體系等基礎(chǔ)設(shè)施建設(shè)，促進(jìn)產(chǎn)業(yè)集聚進(jìn)程。

第三，在生豬養(yǎng)殖業(yè)規(guī)模擴(kuò)張過(guò)程中，既要積極支持家庭養(yǎng)殖，更要引導(dǎo)家庭養(yǎng)殖獲得規(guī)模經(jīng)濟(jì)效應(yīng)，實(shí)現(xiàn)農(nóng)業(yè)多業(yè)態(tài)發(fā)展中的范圍經(jīng)濟(jì)，形成以小規(guī)模為主體的生豬養(yǎng)殖業(yè)市場(chǎng)結(jié)構(gòu)體系，而非持續(xù)地?cái)U(kuò)大中規(guī)模、大規(guī)模生豬養(yǎng)殖場(chǎng)的規(guī)模和數(shù)量。

第四，加強(qiáng)各省區(qū)之間生豬養(yǎng)殖技術(shù)交流與合作，促進(jìn)各省區(qū)之間生豬養(yǎng)殖要素流動(dòng)，其中的湖南省和云南省更要發(fā)揮其帶動(dòng)周邊省區(qū)提升生豬養(yǎng)殖業(yè)全要素生產(chǎn)率的輻射作用。