我国大规模肉鸡养殖生产效率分析基于三阶段DEA模型,该文是生产论文如何怎么撰写和肉鸡和阶段DEA模型和养殖有关专科毕业论文范文.
生产论文参考文献：
根据FAO（联合国粮食及农业组织）发布的2016年的前景报告,当年全世界肉类产量达到3200亿t.中国作为世界第一的肉类供给大国,其畜牧业的发展与全球人民生活质量的提高与改善息息相关.家禽养殖业是畜牧业的重要组成部分,也是畜牧业中增长最快的行业（全世界禽肉产量2016年相比于2014年增加约500万t,增幅达到了46%）.我国自古以来就有养殖家禽的传统,在各个历史时期养殖规模和方法也不尽相同.养殖数量在2000只以内的为小规模饲养,养殖数量在2000~10000只的为中规模饲养；而养殖数量大于10000只的为大规模饲养.学界已有研究表明,大规模饲养肉鸡的效率是最高的［1］.
目前国内学界,已有若干文献对肉鸡饲养的效率问题进行研究,其中具有代表性的研究包括陈琼等对我国不同地区肉鸡生产的成本效率进行研究［2］.张静采用A分析方法,对我国不同规模下的肉鸡养殖效率进行了研究［3］.还有一些地区性的肉鸡生产效率研究,如张玲等对山东肉鸡产业的生产效率进行了分析.通过文献阅读,笔者发现虽然已有研究都有各自的可取之处,但是关于肉鸡生产效率的研究存在两点不足：第一,一些地区性的比较研究忽略了养殖规模的不同［2］；第二,一些研究并未考虑不同地区环境因素和随机项的影响［3］.基于以上原因笔者决定采用三阶段的 DEA模型对我国大规模肉鸡生产的成本效率进行研究,希望在已有的研究上更进一步,探析剔除环境因素和随机噪声影响的不同省市区的大规模肉鸡饲养的真实生产效率.
一、 模型与数据
（一） 模型的选择
本文选用三阶段DEA模型.Fried指出传统 DEA模型没有考虑环境因素和随机噪声对决策单元效率评价的影响,其先后发表的两篇文章《Incorporating the Operating Environment into a Nonparametric Measure of Technical Efficiency》《Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis》就探讨了如何将环境因素和随机噪声引入 DEA模型.其中,前一篇论文仅剔除了环境因素,而后一篇论文同时考虑了环境因素和随机噪声,在国内被称为三阶段DEA模型.
第一阶段：传统的DEA模型.DEA模型是用于部门内综合效率分析的手段,相比于A模型只能做单一输出,DEA可以多部门输出.DEA模型按照规模报酬特征不同,分为CCR模型和BCC模型.CCR模型满足规模报酬不变性,BCC模型满足规模报酬可变性,后者的前提假设更为宽泛.同时,DEA分析按照对效率测量方式的不同,分为投入导向和产出导向.前者是在不减少产出的条件下,通过减少投入来达到技术有效.后者是在不减少投入的条件下,产出应该达到多少,才是技术有效.因此,本文基于所研究产业的规模报酬可变性以及三阶段DEA模型的第二阶段松弛变量可获得性.本文选自投入导向的BCC模型,具体方程如下：
minθ-ε(e＾TS-+e＾TS+)
Σnj-1Xjλj+S-等于θxΣnj-1Xjλj-S+等于Y0λjk≥0,S-≥0,S+≥0(1)
其中, j等于1,2…, n 表示决策单元, X、Y分别是投入、产出向量.DEA模型本质上是一个线性规划问题.
若θ等于1,S+等于S-等于0,则决策单元DEA有效；
若θ等于1,S+≠0或S-≠0,则决策单元弱DEA有效；
若θ＜1,则决策单元非DEA有效.
投入导向的BCC模型计算结果有三个主要的输出值为crste、 scale和 vrste .三者间关系为crste 等于 scale×vrste,分别代表综合效率,规模效率和纯技术效率.
第6期韩玥,等: 我国大规模肉鸡养殖生产效率分析
云南农业大学学报第11卷
第二阶段:相似A回归模型（用以剔除环境变量和噪声）.Fried认为第一阶段DEA结果得到的松弛变量可以反映初始的低效率,而这种低效率则可以分解为管理无效,环境因素还有统计噪声.而第二阶段的目的就是将三者分离并且调整初始数据.具体方法如下.
首先,构建分离表达式（似A回归函数）：
Sni等于f(Zi;βn)+vni+uni;
i等于1,2,…,I;n等于1,2,…,N(2)
其中, 用i标记决策单元,n标记投入项.Sni是投入冗余,表示达到技术有效时该项投入浪费的值；Zi是环境变量,βn是环境变量的系数；vni+uni是混合误差项,uni表示管理无效率,vni表示统计噪声.二者分别服从均值为0,方差为σ2u和σ2v的零点截断正态分布.分别表示管理无效率和统计噪声对于投入冗余的影响.
接着将方程（2）得到的环境变量系数与原始投入数据带入调整方程,将所有数据调整至同一环境状态和运气程度.具体调整方法见公式（3）：
XAni等于Xni+［max(f(Zi;β＾n))-(f(Zi;β＾n)］+max［max(vni)-vni］;i等于1,2,…,N(3)
其中,XAni是调整后的投入；Xni是调整前的投入；［max(f(Zi;β＾n))-f(Zi;β＾n)］是对环境因素的调整；max［max(vni)-vni］是对运气程度的调整.
关于管理无效率的推导,Fried原文说可以根据Jondrow等的论文分离管理无效率,但是其本人并未给出具体公式.国内关于管理无效项的推导五花八门.笔者自己推导了公式与罗登跃、陈巍巍等人的公式一致.见公式（4）：
E(μ丨ε)等于σ*［φ（λεσ）Φ（λεσ）+λεσ］（4）
（4）式中,σ*等于σvσuσ,σ等于σ2v+σ2u,λ等于σuσv,
φ和Φ分别是正态分布和标准正态分布.
第三阶段：经调整的DEA分析.第三阶段与第一阶段的原理相同,区别在于第一阶段运用原始数据进行DEA分析,而第三阶段则是运用经过调整后排除环境和运气影响的投入产出数据进行DEA分析.这样可以得到只反应管理无效率的结果,更加真实、可靠.
（二） 数据选择
三阶段DEA模型除了要求选择投入产出变量以外,还要去选择能够对投入冗余产生影响的环境变量,用于投入数据的调整.在这里本文选用全国大规模养殖肉鸡的省份2014年各个省区的肉鸡产业产值作为产出变量.参照陈诗波［4］等人,选择精饲料数量,耗粮数量,每百只用工数量,燃料动力费,医疗防疫费作为投入变量,以上数据来源于2015年的《全国农产品成本资料汇编》.
环境变量要求变量本身不可控,并且主要是宏观因素.笔者这里选择的宏观因素为经济水平、对外开放程度和当地政府对于农业的支持程度.其中代表经济水平的变量是人均GDP,代表对外开放程度的变量用当地的进出口总额除以当地GDP来表示,代表当地政府对农业支持力度的变量用当地农业的财政支出除以当地总财政支出来表示,以上数据来源于11个省的2015年的各省统计年鉴及《中国统计年鉴》.
二、 实证分析
（一） 第一阶段传统DEA分析
笔者运用Deap 21对我国11个省份的肉鸡大规模养殖的投入产出数据进行分析,结果见表1.
表1大规模肉鸡生产效率表
省份crstevrstescale增减
北京111-
天津08860960923irs
黑龙江08108120997drs
安徽081610816irs
福建111-
河南07908460933irs
湖北111-
湖南111-
广东080609570842irs
广西111-
云南111-
平均085908710987irs
注:crste为综合技术效率,vrste为纯技术效率,scale为规模效率,crste等于vrste×scale,“irs”为规模报酬递增,“drs”为规模报酬递减,“-”为规模报酬不变.
不考虑环境和随机误差的影响,2014年全国11个省份大规模肉鸡养殖的纯技术效率和规模效率的均值分别为0871和0987,综合生产效率的均值为0859.由此可以看出,在我国,大规模肉鸡产业的生产效率受到技术因素的制约较为严重,处于效率前沿面的省份（市）有北京、福建、湖北、湖南、广西、云南.这6个省份（市）无论是纯技术效率值还是规模效率值都为1,无需改进.剩下的5个省份当中,天津市、安徽省和广东省三省受到规模效率的制约, 其技术效率分别为096、1和0957,处于较高的水平,而规模效率只有0923、0816和0842,拉低了综合效率.黑龙江省与河南省则受到科技因素的限制,二者规模效率分别为0997和0933,但是技术效率却只有0812和0846,处于较低的水平.其中黑龙江省已经处在规模报酬递减阶段.这五省均存在改进的空间.
（二）第二阶段相似A回归分析
将五个投入变量的松弛值作为被解释因素,经济水平、对外开放程度、政府对农业的支持力度三个环境变量作为解释因素,运用软件Frontier 41进行A回归分析.得到结果见表2.
表2环境变量与投入松弛回归表
项目精饲料投入
松弛变量粮食投入
松弛变量用工投入
松弛变量燃料动力投入
松弛变量医疗防疫投入
松弛变量
常数项
400***1839***061***1125**568***
（7781）(3794)(3629)(2317)(4325)
人均GDP
92E-05***-27E-04***87E-06***87E-05-14E-05
(8099)（-27145）(3821)(1307)(-0469)
进出口总额占
GDP比重
-2865***6571***-374***-3956***909***
(-28769)（65701）(-3837)(-5651)(9803)
农业支出占财政
支出比重
-7628***-11503***-922***14407***-8787***
（-76726）(-11582)(-9299)(-144235)(-87379)
sigmasquared1380 149908157484874
gamma100100100100100
注: * 、**、***分别表示在10%、5%、1%显著性水平上显著; 括号中的数为相应估计的t统计量.
由表2可以看出,三个环境变量对于五个松弛变量的A回归的gamma值都为1,所以A回归有意义.五个回归方程中除了经济环境对燃料动力投入松弛和医疗防疫投入松弛的回归系数不显著以外,其余回归系数全部都通过较强的显著性检验,所以环境变量和随机误差对于原始投入冗余的影响是存在的,原始投入数据是需要调整的.表2中,环境变量与投入松弛的相关系数是负数,说明该项环境变量的增加值与投入变量的浪费值是负相关的关系,增加该项环境投入对提高效率有帮助,相反系数是正值时,说明减少该项环境变量的投入值才会提高效率.
具体分析每个影响因素对于投入浪费的影响.
经济发展水平：人均GDP与精饲料的投入松弛系数为正,与粮食投入的松弛系数为负.人均GDP的增长会减少饲料的投入松弛,这与预期一致,经济水平提高,饲料的浪费情况将会得到改善,但是却会增加精饲料的投入松弛,这与预期相反,可能是由于经济水平提高,会造成饲料的结构的改变.饲养者倾向于提高精饲料的比重,这反而会降低生产效率.人均GDP与用工数量的投入松弛的相关系数为正,这与预期也是相反的.说明经济水平的提高反而会增加人工投入的冗余,这可能是由于受经济发展地区集约式生产方式的影响,若当前地区的肉鸡产业是资本密集型的生产方式,则在规模化生产的情况下,人工投入的增加会造成劳动力的浪费.人均GDP与燃料动力投入松弛和医疗防疫投入松弛并未通过检验.总体来说人均GDP与各投入松弛的显著性检验并不是很理想.地区性的经济水平对于大规模肉鸡生产的影响并不是很明显.
对外开放程度：进出口总额占GDP的比重与精饲料投入松弛变量、燃料投入松弛变量、用工投入松弛变量的相关系数为负,说明当一地的对外开放程度提高时,精饲料和燃料还有用工投入的浪费将会减少,这可能是由于对外开放程度的提高,养殖企业会接触到更先进的饲养技术、科技成果,导致效率的提高.而进出口总额占GDP的比重与粮食投入松弛和医疗防疫投入松弛的相关性系数为正,并且通过显著性检验.这与预期相反,可能是因为受到市场竞争的影响,开放程度越高的地区,机制越敏感,波动越大,从而导致投入冗余.
政府对农业的支持：农业支出占财政支出比重与精饲料投入、粮食投入、用工投入、医疗投入和燃料动力投入的松弛变量的相关系数均为负,并且全部通过显著性检验.由此可见,当政府对农业的支持程度提高会导致饲料、劳动力、燃料、医疗等方面投入的节约.
经过以上分析可得出结论：经济环境、对外开放程度、政府对农业的支持力度三个环境变量都在不同程度上影响着大规模肉鸡生产的生产效率.这就导致一些环境、运气较好的地区,会有高出自身真实效率水平的表现.而环境、运气不好的地区,其真实生产效率会被低估.所以,对原始投入数据的调整是有必要的.本文的模型选择是合适的.
（三） 第三阶段调整后的DEA分析
将原始投入数据带入公式（3）进行调整,将调整后的投入数据与产出数据运用Deap21进行运算.得到调整后各地区的大规模肉鸡生产效率及规模报酬情况,见表3.
表3调整后的11省（市）大规模肉鸡生产效率
省份crstevrstescale增减
北京111-
天津089409590932irs
黑龙江080808090999drs
安徽081110811irs
福建111-
河南078908550923irs
湖北111-
湖南091610916irs
广东07970949084irs
广西111-
云南111-
平均085908690989irs
注: crste 为综合技术效率,vrste 为纯技术效率,scale 为规模效率,crste 等于 vrste × scale, “irs”为规模报酬递增,“drs”为规模报酬递减,“－ ”为规模报酬不变.
表3显示,在去除环境因素和随机干扰后,我国11个省（市）大规模肉鸡生产的平均规模效率为0989,而平均纯技术效率为0869,所以我国大规模肉鸡产业受到明显的技术因素制约,平均综合效率仅有0859.北京、福建、湖北、广西、云南五省处于技术前沿,综合效率值等于1.黑龙江省、河南省的纯技术效率分别为0809和085,规模效率为0999和0923,相较于规模效率,该两省大规模肉鸡生产效率受到技术因素的约束,而天津、安徽、湖南、广东四省的纯技术效率分别为0959、1、1、0949,而规模效率却仅为0932、0811、0916、084.该四省,相较于技术因素而言,发展更受规模的制约.
对比表2和表3,经过环境因素和随机误差的调整以后,全国11个省（市）,大规模肉鸡生产的平均纯技术效率由0871下降到0869,而平均规模效率由0987上升到0989.属于效率前沿面的地区由6个下降为5个,湖南省经过调整以后由于规模效率从1下降为0916,离开效率前沿面.相较于调整前,综合效率下降的省市有黑龙江、安徽、河南、湖南、广东 ,其中由于纯技术效率下降导致的有黑龙江和广东,由规模效率下降导致的省份有安徽、河南、湖南.天津省在剔除环境和随机因素影响后,规模效率由0923上升为0932,纯技术效率由0960下降为0959,由于规模效率上升比例大于纯技术效率下降比例,所以其综合效率是上升的.
将我国大规模肉鸡产业按照在规模和技术方面的表现在空间分布图中分为四类,vrste和scale以096为界限,具体见图1.
由图1可见,11个省份（市）当中,属于第一类即双高型的有5个,分别是北京市、云南省、湖北省、广西壮族自治区、福建省.这5个省份（市）处于效率前沿面,在大规模肉鸡生产上需要改进的地方较少.属于第二类即高低型的省份有两个,安徽省、湖南省.这两个省份技术实力达标,但是大规模肉鸡生产受到了规模的制约,应该适当的改进生产规模已提升效率.属于第三类的省份只有黑龙江省.黑龙江省的发展规模处于前沿,但是技术因素制约了其生产效率,应该注重生产技术的创新.属于第四类即低低型的省份有三个,分别是河南省、广东省和天津市.这三个省份大规模肉鸡生产的效率受到了技术和规模双重因素的制约,只能进行约束性发展.
三、结论和政策建议
基于三阶段DEA模型对我国2014年11个省市区肉鸡大规模养殖方式下的生产效率进行分析,得出以下基本结论:（1） 我国肉鸡大规模养殖的平均综合效率值为0859,纯技术效率为0869,而规模效率良好为0989,总体上我国肉鸡养殖受到养殖技术的制约.并且经过第二阶段相似A分析后,由于影响因素对于我国大规模肉鸡养殖投入项的相关系数T检验显著,所以第二阶段的投入因素调整是必要的,经调整后所得效率值更接近真实水平.（2） 经济发展水平对于大规模肉鸡生产的效率影响较小,显著性不高.对外开放度和政府农业支持对肉鸡生产效率产生较大影响.对外开放度的提高可以减少生产劳动力、精饲料、燃料动力的投入冗余,提高生产效率,会增加耗粮、医疗防疫的投入冗余,造成投入浪费,降低生产效率.政府农业支持力度的增加可以减少生产劳动力、精饲料、燃料动力、耗粮、医疗防疫的投入冗余,增加效率.（3） 调整后,根据我国大规模肉鸡产业在技术和规模方面的表现,可以将其分为4种类型.
综上所述,笔者对我国大规模肉鸡养殖产业提出以下建议: 首先,我国大规模肉鸡养殖产业的地区性差异水平较大,各地方发展肉鸡产业应该因地制宜,对于第二区域的省份,因为其处于规模报酬递增阶段,所以应该适当扩大养殖规模,这样可以增加生产效率.对于第三区域的省份,应当把工作的重心放在养殖技术的创新和提高上,以科技创新为导向,增加生产效率.其次,加强农业扶持精准化.本文研究结果得出农业支持有助于生产效率的上升,但是也不可盲目.支持政策要多倾向资金紧缺、进行技术创新的企业,加大在养殖技术培训上的投入,完善养殖扶持资金的绩效评价,提高扶持效率.
［参考文献］
［1］
辛翔飞,张怡,王济民．规模化养殖对我国肉鸡生产效率的影响：基于随机前沿生产函数的实证分析［J］．技术经济,2013,32（7）：69.DOI:10.3969/j.issn.1002-980X.2013.07.013.
［2］陈琼,李瑾,王济民．基于A的中国肉鸡养殖业成本效率分析［J］．农业技术经济,2014（7）：68. DOI:10.13246/j.cnki.jae.2014.07.007.
［3］张静．中国肉鸡产业技术效率地区差异分析［D］．南京：南京农业大学,2011.DOI:2011. 10.7666/d.Y2359977.
［4］陈诗波,王亚静,李崇光．中国生猪生产效率及影响因素分析［J］．农业现代化研究,2008,29（1）：40.DOI:10.3969/j.issn.1000-0275.2008.01.009.
［5］刘满凤,李圣宏．基于三阶段DEA模型的我国高新技术开发区创新效率研究［J］．管理评论,2016,28（1）：42. DOI:10.14120/j.cnki.cn11-5057/f.2016.01.004.
［6］刘志迎,张吉坤．高技术产业不同资本类型企业创新效率分析：基于三阶段DEA模型［J］．研究与发展管理,2013,25（3）：45.DOI:10.3969/j.issn.1004-8308.2013.03.006.
［7］朱庆武．基于三阶段DEA模型的我国大规模生猪养殖生产效率分析［J］．黑龙江畜牧兽医,2017（1）：14. DOI:10.13881/j.cnki.hljxmsy.20161111.001.
［8］FRIED H O, SCHMIDT S S, YAISAWARNG S. Incorporating the operating environment into a nonparametric measure of technical efficiency［J］. Journal of Productivity Analysis, 1999, 12(3): 249.DOI:10.1023/A:1007800306752.
［9］FRIED H O, LOVELL C, SCHMIDT S S, et al. Accounting for environmental effects and statistical noise in data envelopment analysis［J］. Journal of Productivity Analysis, 2002, 17(1/2): 157.DOI:10.1023/A:1013548723393.
简而言之:上文是适合肉鸡和阶段DEA模型和养殖论文写作的大学硕士及关于生产本科毕业论文，相关生产开题报告范文和学术职称论文参考文献.
提高肉鸡养殖效益的措施
收稿日期20161116作者简介张毅（1972）,男,湖北恩施人,大专,助理兽医师,从事基层畜牧技术推广工作 doi10 19369j cnki 20959737 2017 02 022提高肉鸡养殖效.
我国特禽养殖现状和疾病防治
摘要 特禽养殖业的发展可以促使濒临灭绝的珍惜禽鸟繁衍下去 所以,做好特禽养殖工作是非常有必要的 因此,本文对我国特禽养殖现状进行分析,并针对特禽养殖过程中容易出现的疾病进行探讨,在此基础上提出具体的防.
基于成本效率DEA模型的我国零售业可持续
摘要近年来,我国零售商业发展迅猛,但是总体利润水平较低,3年的利润水平徘徊不前,并没有随零售规模的扩大而增加 究其原因,是销售收入增长的同时,成本大量增加,拉低了盈利水平 并且地区间和地区间的不平衡,.
我国保健食品研发和生产中安全问题排解
随着经济的发展和社会的进步,我国人民的生活水平从最初的衣食无忧不断提高,人们开始想着如何保证自身的健康 因此在饮食上更加注重食品的质量及其营养保健功能 在此趋势下,各种保健食品出现在市场中 经调查,我.