第三节 研究方法、变量与数据
一 模型构建
DEA模型实质上是一种非参数分析法，无须指定生产函数便可以对具有复杂关系的决策单位进行技术效率评价。生猪规模间养殖受人工成本、饲料成本、燃料动力费、水费等多种投入变量的复杂影响，传统的回归技术无法将所有的输入和输出变量纳入模型中。而DEA模型则能够实现对多投入、多产出的决策单元（DUM）的效率评价。三阶段DEA模型是在传统的DEA模型基础之上利用SFA方法排除了环境因素及随机误差所带来的管理无效率影响，能够更为客观地对不同规模间生猪规模养殖技术效率进行评价。本章参考弗里德等（Fried et al.，2012）提出的效率测度模型，建立三阶段DEA模型。
（一）传统DEA模型分析
将原始变量代入传统DEA模型中进行分析，测度出各DUM效率。本章采用班克等（Banker et al.，1984）提出的BCC—DEA模型，如式（2.1）所示：
式中，xik表示第k个DUM中的第i个投入变量，θi表示第i个投入变量的权重系数，yk表示第k个DUM的技术效率，yrk表示第k个DUM中的第r个产出变量，λr表示第r个产出变量的权重系数，μk表示第k个DUM的规模报酬指标。
（二）SFA模型分析
第一步，基于随机前沿生产函数，建立多元线性回归模型，然后选取合理的环境变量为解释变量，将第一阶段所得投入变量的冗余变量作为被解释变量，建立多元线性回归模型。
式中，Sik表示所有DUM中的第k个DUM第i个投入变量的投入冗余变量；fi（zk；βi）表示环境变量对投入冗余Sik所造成的影响；
，表示p个可观测环境变量，νik表示随机误差，其中，
，μik反映管理无效率。然后，利用式（2.2）结果，调整投入变量，测算出剔除环境因素、随机误差影响的实际投入值。调整方法如下：
式中，
和xik分别表示调整后和调整前的投入值，
表示环境变量待估系数，
表示把所有DUM进行同质环境条件调整，
表示把所有DUM随机误差调整到相同状态，目的是剔除偶然性因素影响。
在采用SFA方法进行第二阶段的分析时，学者之间在计算管理无效率上存在分歧，本章在结合学者的计算分析的基础上，决定采用罗登跃（2012）和陈巍巍（2014）等学者所推演的公式：
式中，
，
，
；φ和?分别是标准正态分布的密度函数和分布函数。
（三）调整后的DEA方法分析
使用调整后的投入数据替代原始投入，再次运用传统DEA模型进行效率测算。
二 样本来源
根据《全国农产品成本收益资料汇编》数据，以及我国生猪饲养的主要量化指标，设定的成本指标要能准确客观地反映中国生猪养殖的成本情况，并查阅相关文献资料，我们确定人工成本（元/头）、仔畜进价（元/头）、精饲料费（元/头）、水费（元/头）、燃料动力费（元/头）、医疗防疫费（元/头）、工具材料费（元/头）作为生猪规模养殖技术效率评价的投入指标，确定每头生猪的主产品产量（千克/头）为生猪规模养殖技术效率评价的产出指标。
结合《全国农产品成本收益资料汇编》，本章将我国的生猪养殖划分为四种规模：散养、小规模、中规模和大规模。由于数据的可得性，本章利用2008—2015年河北、山西、辽宁、吉林、黑龙江、江苏、浙江、安徽、山东、河南、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南、陕西、青海等省份的生猪养殖数据进行不同规模间生猪养殖技术效率分析。其余宏观经济数据来源于《中国统计年鉴》和《中国畜牧业统计年鉴》。
三 变量选择
（一）投入和产出变量
本章将人工成本（元/头）、仔畜进价（元/头）、精饲料费（元/头）、水费（元/头）、燃料动力费（元/头）、医疗防疫费（元/头）、工具材料费（元/头）作为生猪规模养殖技术效率评价的投入变量，确定生猪的主产品产量（千克/头）为生猪规模养殖技术效率评价产出变量。人工成本是指每头生猪养殖时所消耗的人工成本；仔畜进价是指每头仔猪购入的成本；精饲料费是指每头生猪养殖所消耗的精饲料成本；水费是指每头生猪养殖所耗用的水资源成本；燃料动力费是指每头生猪养殖时所消耗的能源动力成本；医疗防疫费是指每头生猪养殖所花费的医疗支出及防疫费用；工具材料费是每头生猪养殖时购买养殖工具的成本。这些指标对于准确、客观地反映中国生猪养殖的成本情况十分重要，每头生猪的主产品产量是衡量生猪养殖能力的重要指标，代表着一个养殖单位的最终养殖成果。投入变量和产出变量原始数据（各省份2008—2015年平均值）如表2-3所示。
表2-3 投入变量和产出变量原始数据（各省份2008—2015年平均值）
续表
续表
续表
（二）环境变量
三阶段DEA模型环境指标的选择要求所取变量对投入松弛变量产生影响但DUM本身不能控制，主要是宏观因素，在结合我国生猪养殖特点及国内外相关研究的基础上，本章选择宏观经济发展水平、政府对产业发展的政策支持和行业技术支撑三个指标作为环境变量。环境变量原始数据（各省份2008—2015年平均值）如表2-4所示。
在宏观经济发展水平方面，本章选择地区第一产业国内生产总值（GDP）增长率作为各地区宏观经济发展水平的代理变量，该变量能全面反映一个地区农林牧渔业发展总体水平，生猪养殖的发展离不开技术、人才的支持，且猪肉的需求与整个宏观经济形势密切相关，因此，评价生猪规模养殖，必须考虑到宏观经济环境变化的影响，而地区第一产业GDP增长率作为反映地区农林牧业经济波动的重要指标，其能够反映一个地区的农林牧业繁荣程度。预计随着地区第一产业GDP增长率的提高将促进不同规模生猪养殖技术效率的提升。
在政府对产业发展的相关政策方面，考虑到生猪养殖业属于农业，而财政政策是对农业生产的重要政策之一，财政农林水支出的增加对农业生产效率的提高具有积极作用，预期财政农林水支出的增加将促使生猪养殖生产效率提升。因此，本章选择农林水支出占地方一般公共预算的比例作为具体反映政府对养殖产业发展的政策方面的代理变量。
表2-4 环境变量原始数据（各省份2008—2015年平均值）
续表
续表
在产业技术支撑方面，考虑到各地区农业技术推广机构是农业技术普及推广的重要场所，基层农业技术推广机构的增多有利于推动先进农业技术推广，提高养殖者知识和技能，提升养殖单位卫生防疫质量。因此，本章选择各地区县市级家畜繁育改良站+畜牧站数量作为产业技术支撑的代理变量。