王刚毅，陈思宇，柏凌雪

（东北农业大学经济管理学院，黑龙江哈尔滨 150030）

非洲猪瘟疫情肆虐严重，我国生猪产业面临新的发展挑战，为了尽快恢复生猪产能，生猪产业链协同成为重要解决方式。截至2020 年6 月5 日，我国累计发生非洲猪瘟168 起，生猪产业链上下游多环节均受到影响，疫情导致全国生猪调运被限制，生猪“保供”压力陡增，应扎实推进中共中央政治局会议所说的“六稳”、“六保”中的保产业链供应链稳定，尽快促进产业链协同复工复产达产，稳定生猪生产。当前我国生猪产业面临巨大挑战，几十年前的西班牙也曾遭遇过。1960 年，非洲猪瘟首次进入西班牙，1961 年西班牙生猪出栏量同比下滑10.1%，创下10 年来最大降幅。非洲猪瘟根除后，1989—2004 年，猪场数量从45 万降至6.8 万；1989—2005 年，种猪场数量从14 万减少到2.2 万[1]。可见，西班牙生猪产业规模化进程显著加快，产业链协同程度迅速提高。截至2017 年，选择产业协同的大规模企业生猪供应占西班牙总产量的65%。我国现阶段生猪产业发展情况与当年的西班牙相似，可以预见，在2020 年中央一号文件等政策影响下，我国生猪产业链各个环节将迎来全新的发展挑战。

非洲猪瘟对生猪产业链的影响始终是学者们关注的焦点，研究多集中于两方面。一方面是针对非洲猪瘟的防控情况，分析猪瘟防控中的难点并提出对策与建议[2-3]；还有学者提出应当通过优化产业布局和推动产业升级来减缓疫情冲击[4]。另一方面是针对非洲猪瘟冲击对我国生猪产业发展影响的研究，有学者认为非洲猪瘟导致的生猪产业变革，能够让生猪产业链上下游加速协同[5]。

产业链协同是优化产业布局和推动产业升级的重要途径。有学者通过分析我国生猪产业链发展所面临的困境，提出生猪产业链协同是主要的发展模式，应当抓住养殖薄弱环节，以规模化生产提高行业集中度，促进产业整体发展[6]。纵观发达国家（美国、丹麦、德国、西班牙、加拿大）生猪产业的发展情况，均经历过或经历着生猪养殖规模化、产业协同程度逐步提升随后开始逐渐进入成熟稳定期的过程。我国许多龙头企业也借鉴了这种发展模式，如河南双汇投资发展股份有限公司通过产业链协同，提升企业对产业链环节控制的力度和广度[7]；中国雨润食品集团有限公司通过产业链协同，进一步实现了肉制品深加工增值和猪副产品综合开发增值[8]。可以看出国内对于生猪产业链的研究多集中于产业链发展方向与模式的研究，且多数学者一直认为生猪产业链协同是我国生猪产业的重要发展模式之一。然而对协同影响因素方面的研究还较为少见，现有研究多是基于交易成本理论、企业能力理论、制度环境理论对畜牧业进行分析[9]。若想更好地进行生猪产业链协同，对生猪产业链协同程度的影响因素进行分析与研究是重中之重。因此，本文将计算生猪产业链协同程度，对其影响因素进行回归分析，依据分析结果给出合理建议。

1 理论分析

1.1 产业链协同及其动因 产业链协同是指通过价值链、供需链和空间链的优化配置和提升的方式，使产业链中上下游间实现提高效率、降低成本的多赢局面。根据Williamson 开创的交易成本理论，Klein 等[10]人认为企业是为了避免交易中的机会主义行为、降低交易成本而选择产业链协同，而Cheung[11]认为企业选择产业链协同是用基于劳动力的要素合约替代基于交易产品的商品合约。与交易成本理论不同，实物期权理论将产业链协同作为获取未来发展机会的一种战略决策，认为不确定性是收益的来源，而不是风险和威胁[12]。根据以马歇尔为代表的产业组织理论，有学者认为通过产业链协同保持控制权可能比降低成本更重要[13]，产业链协同能够使下游企业拥有强势的垄断力量，从而对上游企业的定价拥有更多权力。

范围经济驱动了产业链协同。如果产品生产的不同环节能集中于一条价值链，那么原材料供应稳定性就得到了保障、中间成本得到了缩减、产品质量得到了提升。因此，企业可获得垄断收益，即范围经济推动了产业链协同。相较于范围经济，多元化经营能够更好的解释产业链协同动因。在消费者需求日益多元化的情况下，产业链协同能够有效地将企业产品线拉长，提高经营效益。在不确定性和风险程度较高时，多元化业务经营可以抵消部分风险，能够充分为企业的长期生存与发展提供保障。

1.2 生猪产业链协同程度影响因素

1.2.1 交易成本类变量 资产专用性对于产业链协同程度的影响表现在当交易双方为了特定的合约而进行资产投资后，专用资产的市场流通性变差，导致难以回收或转换使用用途，从而影响企业经营决策。威廉姆斯森提出资产专用性程度过高会使得交易双方对交易产生依赖，机会主义行为导致交易成本极高，交易难以进行[14]。企业会选取更高的产业链协同程度来取代外部交易，虽然管理成本增加，但机会主义行为明显减少，交易成本得到有效控制。

交易不确定性对产业链协同程度影响的研究存在2种结论。一种观点认为在不确定性极高时，虽然增加了执行契约的交易成本，但是交易双方可能想要保持管理交易活动的灵活性而降低产业链协同程度，选择外部市场交易[15]。另一种观点则表示为了保证产品原料稳定供给和最终产品的明确销路，企业会通过提升产业链协同程度来减少不确定性[13]。

企业交易频率对产业链协同程度有正向影响。有学者分析得出交易频率越高，就越应该建立协同程度高的治理结构，从而有效管理交易行为，节约交易成本[16]。随着交易频率提高，交易成本也会不断增加，企业会选择越来越紧密的产业协同方式来降低交易成本。

1.2.2 外部环境类变量 法律制度环境对生猪产业链协同程度有正向影响。首先，当法律制度不完善时，企业产业链协同程度越高，就拥有越强势的垄断力量，从而对上游企业的定价以及利润分配有更多权力，所以产业链协同成为一种选择。其次，地域的法律制度环境越差，企业面临合约方违约风险越大，所需交易成本与议价成本越高。所以有学者提出，当地区法律环境较差时，企业会将原本由市场组织的生产归并到企业内部，从而节省交易费用，降低企业风险[9]。

市场占有率对生猪产业链协同有正向影响。市场对企业产品的需求越高，与上下游企业之间交易就越频繁，加之产业链关系并未优化，所产生的交易费用就越高，企业会选择向上游或下游协同来控制交易成本。

1.2.3 企业能力类变量 企业能力是通过影响企业竞争优势来对产业链协同程度产生影响。有学者研究表明，养殖户自身特征、生产经营特征、生产规模等因素也都会影响其行为选择[17]。当企业拥有稀缺且可替代性低的资源和能力时，为了充分利用资源和能力，企业会选择通过产业链协同将其延伸到相关的经营领域获取利润。

2 实证分析

2.1 数据来源 我国深沪生猪上市公司共有25 家，按其主营业务环节进行区分，其中饲料加工环节10 家、生猪养殖环节7 家、屠宰加工环节8 家。分别从3 个环节中选取4 家2012 年前上市、至今经营情况良好、同时存在前向协同与后向协同的企业。选用企业的2012—2019 年度报告、年中报告以及2017 年全国投入产出表作为数据来源。

2.2 产业链协同程度测算 本文主要借鉴了卢闯[18]的测算方法对生猪产业链协同程度进行测算，通过2017年国家统计局发布的投入产出表对主要部门与其他辅助部门之间的协同程度进行测算。根据企业的年末报表与年中报表，按行业分类的营业收入中，将占比最高的营业收入行业定位主部门“i”，其他营业收入行业“j”为企业的辅部门。首先计算“i”的单位产出所需“j”的投入ϑji，同理计算“j”的单位产出流入“i”的投入ϑij，定义：Meanij，input=。这个变量表示主部门“i”与辅助部门“j”二者的协同机会。γj为辅助部门“j”的收入对非主部门总收入占比。

本文对样本企业前向与后向协同程度进行统计，统计内容见表1～3。

由表1 可以看出，我国生猪产业链协同程度呈现升势，细分比较，后向协同程度高于前向。但饲料加工环节和屠宰加工环节前向协同程度逐年递减。具体分环节来看，饲料加工环节后向协同度高于前向，这说明饲料加工环节的企业偏向向下游拓展；生猪养殖环节前向协同度高于后向，这说明生猪养殖环节的企业偏向向上游拓展；屠宰加工环节后向协同度高于前向，这说明屠宰加工环节的企业偏向向下游拓展。

表1 2012——2019 生猪产业链协同程度

由表2 及表3 可以看出非洲猪瘟冲击对生猪产业链协同程度的影响。2018 年下半年养殖环节协同程度同比无较大变化，而2019 年下半年协同度大幅增长。屠宰加工环节前向协同度大幅降低，后向协同度快速提高。疫情对饲料加工环节的企业冲击相对较小，协同程度波动不大。

表2 生猪产业链2015—2019 年上半年协同程度

表3 生猪产业链2015—2019 年上半年协同程度

2.3 变量选择与模型设计

2.3.1 变量选择 解释变量包括交易成本变量、外部环境变量以及企业特征变量。交易成本变量有资产专用性变量、交易不确定性变量、交易频率变量。资产专用性用当期企业固定资产占企业总资产比重来表示；营业收入不确定性和营业支出成本不确定性作为交易不确定性变量。具体方法为：

外部环境变量主要是指法律制度环境变量与市场占有率变量。法律制度环境变量用法律制度环境指数表示，在樊纲等2019 年出版的《中国市场化指数报告》中法律制度环境指数的基础之上，采用李勇等[19]使用的方法，通过3 年移动平均计算出2019 年法律制度环境指数，市场占有率变量用企业主营业务收入与该环节所有企业收入之比来表示。企业特征变量包括企业规模和企业年龄，前者用企业总雇员变动率表示，后者用企业截至2019 年的成立时间来表示。具体被解释变量与解释变量统计见表4。

表4 解释变量描述性统计表

为防止解释变量之间存在相关性而使得结果存在偏差，需要使用SPSS 对以上解释变量进行多重共线性的检验。

多重共线性检验标准为：VIF<10、容差>0.1、条件指标<30 时不存在多重共线性，根据表5 可以看出本文解释变量不存在多重共线性，可以进一步进行回归分析。

表5 解释变量多重共线性检验

2.3.2 模型设计 估计模型建立：基于前面理论分析，考虑到被解释变量的数据特点，采用面板Tobit 模型来进行估计。首先建立前向协同和后向协同基本模型，分别为：

前向协同模型：

后向协同模型：

2.4 实证结果 非洲猪瘟为2018 年进入中国，因此本文以2018 年为时间节点，选取2012 年—2017 年数据表示非洲猪瘟爆发前，2018 年—2019 年数据表示非洲猪瘟爆发后。

2.4.1 前向协同程度影响实证分析结果 模型1 回归结果显示，上期资产专用性与法律制度环境显著正相关，市场需求呈显著负相关。非洲猪瘟爆发后，上期资产专用性转为不相关，法律制度环境对生猪产业链前向协同程度呈显著正相关，市场需求呈显著负相关。生猪产业链的前向协同主要在生猪养殖环节，所以非洲猪瘟对养殖环节为主的前向协同程度影响较多。

表6 前向协同程度影响实证分析结果

2.4.2 后向协同程度影响实证分析结果 非洲猪瘟爆发前的回归结果显示，生猪产业链企业成立时间对后向协同程度有着正向影响，上期资产专用性对后向协同程度影响呈显著负相关。非洲猪瘟爆发后，收入不确定性、法律制度环境、市场需求对生猪产业链企业后向协同程度呈显著负相关，支出不确定性、交易频率与生猪产业链企业成立时间对生猪产业链企业后向协同程度呈显著正相关。

3 结论与建议

3.1 研究结论

3.1.1 生猪产业链协同程度 我国生猪产业链协同程度呈现升势，且受疫情影响，不同环节企业协同程度波动情况不同。细分比较，后向协同程度高于前向。从各环节来看，饲料加工环节与屠宰加工环节后向协同高于前向，生猪养殖环节前向协同程度高于后向。受非洲猪瘟冲击，2019 年生猪养殖环节前向与后向协同程度大幅增长，屠宰加工环节前向协同程度大幅降低，而后向协同程度快速提高。疫情对饲料加工环节协同程度带来的冲击相对来说较小，协同程度波动幅度不大。

表7 后向协同程度影响实证分析结果

3.1.2 生猪产业链前向协同程度影响因素 疫情冲击前，上期资产专用性与法律制度环境均对生猪产业链前向协同程度呈显著正相关，市场需求呈显著负相关。非洲猪瘟冲击下，法律制度环境仍对生猪产业链前向协同程度呈显著正相关，市场需求仍呈显著负相关。相较非洲猪瘟冲击前，前向协同程度影响因素并未产生变化。法律制度环境越高，生猪产业链企业的前向协同程度越高。市场需求越高，生猪产业链企业的前向协同程度越低。

3.1.3 生猪产业链后向协同程度影响因素 疫情冲击前，生猪产业链企业成立时间对后向协同程度有着正向影响，上期资产专用性呈显著负相关。非洲猪瘟冲击下，收入不确定性、法律制度环境、市场需求对生猪产业链企业后向协同程度呈显著负相关，支出不确定性、交易频率与生猪产业链企业成立时间对生猪产业链企业后向协同呈显著正相关。支出不确定性与交易频率越高，生猪产业链企业的后向协同程度越高。法律制度环境越高，生猪产业链企业的后向协同程度越低。营业收入变化率越低，生猪产业链后向协同程度越高。营业收入变化率低，意味着生猪产业链企业生产经营稳定，生产规模达到规模经济。而在规模经济的推动下，营业收入越稳定，生猪产业链企业越偏向开展后向协同进程。

3.2 对策与建议

3.2.1 构建产销区对接系统优化流通模式 建议强化生猪收购贩运管理以降低非洲猪瘟传播风险、稳定生猪价格。具体措施如下：1）构建完善的运输信息管理系统，确保每头生猪上可追溯来源，下可知晓去处；2）改善生猪禁运方式，结合现实情况改善生猪禁运方式，将疫情感染地区及疫情辐射范围划分为禁运范围，避免一刀切式禁运方式；依据我国生猪产业地域特点建立产销对接关系，合理链接屠宰区与养殖区，以实现供需平衡。

3.2.2 强化合作与保险支持力度，降低风险 建议调整产业布局，降低生猪养殖风险。具体措施如下：1）推动规模化养殖；散户通过合作社聚集一起，可相互资金周转，以此降低散户养殖风险；规模养殖户通过协议或自建联建，一次提高产业链协同程度；2）优化生猪保险支持政策，政府牵头与相关组织共同完善生猪养殖保险制度，努力探究价格保险内容，逐步开展测试点与推广工作；鼓励市场各个保险机构将“非洲猪瘟”纳入保险范围，加大资金投入力度；多角度全方位为生猪产业发展提出保障，调整生猪产业布局，促进生猪复养复产；合作与保险双管齐下能够有效调整产业布局，降低生猪养殖风险。

3.2.3 放大企业竞争优势，避免盲目协同 建议制定针对性政策措施，促进生猪产业发展。具体措施包括：1）生猪产业链前向协同模式，各级政府与相关部门应当积极维护各地市场制度环境优势，营造有利企业发展交易环境，以此促进生猪产业链前向协同发展；2）生猪产业链后向协同模式，加大法律制度环境相对较低地区的生猪产业链后向协同的政策性支持，具体支持对象包括：成立时间较久的生猪产业链企业；主营业务收入变化率较低的生猪产业链企业；流动性资产周转率高的生猪产业链企业；主营业务成本变化率较高的生猪产业链企业。