高致病性禽流感、新城疫、猪瘟和口蹄疫等重大动物疫病影响了我国畜禽业的健康发展。据统计, 每年由于动物疫病造成畜禽业直接经济损失接近1 000亿元, 仅动物发病死亡造成的直接损失接近400亿元, 相当于养殖业总产值增量的60%左右^[1]。面对威胁, 养殖户单纯依靠疫苗和兽药难以发挥防疫作用, 还需要养殖场区的合理规划和设计^[2]。场区合理布局有利于提高饲养管理水平和执行防疫措施^[3]。对于养殖场区防疫布局要求, 我国《动物防疫条件审查办法》规定:第一, 场区周围建有围墙和栅栏; 第二, 场区出入口处设置消毒池; 第三, 在畜群圈舍与生活办公区间设置围墙和铁网等隔离设施; 第四, 圈舍出入口设置更衣消毒室和消毒垫; 第五, 分别设置清洁道和污染道; 第六, 养殖栋舍间距离在5 m以上或者有隔离设施。可见, 场区内的办公区、生活区和生产区需明确分开, 并有相应的配套设施。在现实中, 我国养殖场的防疫布局仍比较粗放, 据2015年的调查, 领取动物防疫条件合格证的养殖户不足65%。

当前, 我国畜禽生产正朝着规模化方向发展。以肉鸡为例, 根据《中国畜牧业年鉴》统计, 2007—2013年, 肉鸡年出栏5万只以上的养殖场从1.27万个增长到2.81万个, 占比从0.04%提升到0.12%。学术界围绕规模化能否促进农户防疫展开讨论:“促进论”认为, 随着养殖量的增加, 农户会愈发注重疫病防控^[4-15]; 但“阻碍论”认为, 规模养殖户担心疫病防控带来更多的支出和损失, 倾向于消极防疫^[16-18]。规模养殖能否促进场区防疫合理布局还有待检验。

动物疫病风险是一定区域内, 在动物养殖、调运、屠宰和加工过程中, 因动物疫病的产生、传播和扩散导致社会、环境和动物群体可能遭受的不确定性损失^[19]。认知也称为认识, 影响着个人行为和结果^[20]。学者普遍认同养殖户的动物疫病风险认知对防疫的促进作用。在荷兰, 养殖户对动物流行病的认知能促使他们采取生物安全措施^[21]。在我国, 养殖户对禽流感暴发风险的认知程度越高, 向上级报告家禽发病情况的意愿越强烈^[16]。遗憾的是, 对疫病风险的认知能否改善场区防疫布局鲜被证实。对于其他因素, 如性别^{[5, 8, 11, 16, 22-24]}、年龄^{[11, 14, 16, 25-26]}、受教育程度^{[6, 16-17, 27-29]}、养殖年限^{[5, 13, 25, 30-32]}、养殖收入^{[5, 29]}、与畜牧兽医服务站的距离^{[23, 33]}以及地区因素^[9]等对防疫行为和意愿的影响方向也存在争议。已有研究表明，防疫信息渠道数量^{[13, 24]}、是否参加生产组织^{[8, 33]}以及当地是否发生疫情^{[11, 34]}等对养殖户的防疫决策和强度有正向作用, 而养殖户偏好风险则起到阻碍作用^[21]。

文献回顾发现, 当前偏向于研究养殖户是否采取防疫措施和防疫意愿, 这似乎与实际情况不太吻合, 调查发现, 多数养殖场有防疫意愿并采取至少1种防疫措施; 另外, 目前仅限于疫情上报、兽药投入和接种疫苗等单一防治措施的研究, 割裂了防疫的整体性, 结论可能对场区的整体防疫功能无明显促进作用。场区合理的防疫布局可在整体上构建生物安全屏障。因此, 拟以上述6项布局要求作为研究内容, 重点考察养殖规模以及动物疫病风险认知对肉鸡养殖场防疫布局实施数量和是否全部实施防疫布局要求的影响, 试图为规范场区的防疫布局提供理论依据和决策参考。

1 材料与方法 1.1 数据来源

在问卷中, 以规定的6个防疫布局要求作为答案设计多选题对养殖户的防疫布局进行调查, 同时调查养殖规模。为了更准确地测量疫病风险感知, 根据文献和专家咨询, 设计了养殖户对动物疫病风险认知的4个测量指标(表 1), 如果都不了解, 则为完全不了解, 仅能回答1项的视为不了解, 4项都回答了解视为非常了解疫病风险, 最终形成完全不了解、不了解、一般、了解和非常了解5个等级的动物疫病风险认知。

数据收集分为预调查和正式调查2个阶段。2015年4月在肉鸡生产大省河南开展预调查, 走访了20个养殖户, 除了修改每个问题的提问方式, 还深入了解养殖场整体防疫布局。为保证样本的代表性, 根据我国“北方白羽、南方黄羽”的肉鸡生产格局, 在北方选择河北、吉林和山东3个白羽肉鸡生产大省, 在南方选择广西、湖北和广东3个黄羽肉鸡生产大省开展调查。《中国畜牧兽医年鉴》数据显示, 2011—2013年山东、广东、广西、河北、吉林和湖北的肉鸡产量排名前列, 分别位居全国第1、2、4、9、10和11位。2015年6—8月, 由研究员和若干博士生组成的肉鸡经济调研组在各省肉鸡现代产业体系试验站的支持下, 在每个省选择2~3个肉鸡生产大县, 在每个县随机选取20~25个具有决策权的商品代肉鸡养殖户, 采用一对一访谈的方式, 向受访者逐一提问和解释各个题项, 最终收集到373个样本。问卷以实名制的形式调查并附上养殖户的联系方式, 之后对有疑问的问题进行电话回访。剔除信息遗漏和不合逻辑的无效问卷42份, 最后获得331份有效问卷, 有效回收率达88.74%。样本的区域分布比较均衡, 吉林、河北、山东、广西、湖北和广东样本数分别为26、71、57、56、52和69。

1.2 分析方法 1.2.1 泊松回归与负二项回归

第1步, 拟以场区布局符合要求的数量为被解释变量。由于符合要求的数量是一个计数变量, 只能取非负整数, 即0, 1, 2, …, 6, 其数据结构属于离散型分布, 考虑采用泊松回归(poisson regression)或负二项回归(negative binomial regression)进行参数估计。对于农户i的养殖场, Y_i表示其防疫布局符合规定要求的数量, y_i表示样本养殖户的防疫布局实际符合规定要求的数量, 假设Y_i=y_i的概率由参数为λ_i的泊松分布决定^[35]:

$ P({Y_i} = {y_i}\left| {{x_i}} \right.) = \frac{{{e^{-{\lambda _i}}}\lambda _i^{{y_i}}}}{{{y_i}!}}。$

(1)

式(1) 中, λ_i为泊松到达率, 即防疫布局要求平均达标数；x_i为个人特征、养殖特征和社会环境特征等解释变量。泊松分布的期望值和方差都等于λ_i, 即

$ \ln \;{\lambda _i} = {\boldsymbol{x}_i}'\beta + {\varepsilon _i}。$

(2)

对于负二项回归^[35], 条件期望函数的对数表达式为

$ {\rm{ln}}{\lambda _i} = \boldsymbol{x}{_i}\prime \beta + {\varepsilon _i}。$

(3)

式(3) 中, x_i′为解释变量的转置矩阵；β为影响系数；ε_i为不同养殖场的异质性。

$ {\lambda _i} = {\rm{exp}}({x_i}\prime \beta ) \times {\rm{exp}}({\varepsilon _i}) \equiv {u_i}{v_i}。$

(4)

式(4) 中, u_i≡exp(x_i′β), 为x_i的确定性函数; v_i≡exp(ε_i)，其值>0，为随机变量。给定x_i与v_i, y_i依然服从泊松分布:

$ P({Y_i} = {y_i}|{x_i}, {v_i}) = \frac{{{{\rm{e}}^{-{u_i}{v_i}}}{{({u_i}{v_i})}^{{y_i}}}}}{{{y_i}!}}。$

(5)

令v_i的概率密度函数为g(v_i), 通过对v_i积分, 得到y_i的边缘密度:

$ P({Y_i} = {y_i}|{x_i}) = \int_0^\infty {\frac{{{{\rm{e}}^{-{u_i}{v_i}}}{{({u_i}{v_i})}^{{y_i}}}}}{{{y_i}!}}} \times g({v_i}) \times d{v_i}。$

(6)

由于v_i>0, 通常选择v_i服从Gamma分布。假设v_i~Gamma(1/α, α), 其中α>0。对于Gamma(α, b), 期望为αb, 方差为αb²。故E(v_i)=1, Var(v_i)=α。负二项回归模型的条件期望仍为E(Y_i|x_i)=u_i=exp(x_i′β), 而条件方差Var(Y_i|x_i)=u_i+αu_i²>u_i=E(Y_i|x_i), 条件方差明显大于条件期望值。当α→0时, 负二项回归转变为泊松回归。

被解释变量的样本方差为2.582, 期望值为2.544, 显然样本方差稍大于期望值, 对于这种情况, 拟分别采用泊松回归和负二项回归进行参数估计, 再判断哪种方法比较合适。

1.2.2 Probit回归

进一步, 拟以场区布局是否符合全部要求为被解释变量开展分析。由于被解释变量是二元离散选择变量, 故采用应用广泛的二元Probit回归(binary probit regression)进行参数估计。二元Probit回归的方程表达式^[36-37]为

$ \mathit{\boldsymbol{P}}\left( {y = 1|\mathit{\boldsymbol{X}}} \right) = \mathit{\Phi }\left( {\mathit{\boldsymbol{X\beta }}} \right) \equiv \smallint _{-\infty }^{\mathit{\boldsymbol{X\beta }}}\mathit{\Phi }\left( t \right){\rm{d}}t。$

(7)

式(7) 中, y为防疫布局达到全部要求的发生率, y=1表示防疫布局达到全部要求, y=0表示未达到全部防疫要求; X为影响养殖户防疫布局行为的可观测解释变量向量; β为待估计的参数向量; Φ(Xβ)为标准累积正态分布函数。

1.2.3 边际效应

解释变量平均值的边际效应(marginal effect at mean, MEM, M_ME)的具体表达式为

$ {M_{{\rm{ME}}}} = \frac{{\partial E(y\left| x \right.)}}{{\partial {x_j}}}\left| {_{x = \bar x}} \right. = \exp (\bar x\hat \beta ) \times {\hat \beta _j}。$

(8)

式(8) 中, y为被解释变量; x为平均值; $\hat \beta $为待估参数; ${\hat \beta _j}$为第j个待估参数; x为模型的解释变量; x_j为模型的第j个解释变量。该表达式的含义为当解释变量为均值时, 每变动1个单位, 被解释变量取值的概率如何变化。

2 结果与分析 2.1 调查结果 2.1.1 样本基本特征

如表 2所示, 在6个防疫条件中, 样本的场区防疫布局平均达到2.5个要求, 大部分养殖场未能达到全部要求, 说明审查办法的执行效果不好。养殖户的平均养殖规模以中等为主, 对动物疫病风险的认知水平平均介于一般和了解, 这表明养殖户对动物疫病潜在暴发风险缺乏警惕。

2.1.2 养殖场履行防疫布局政策要求的情况

由表 3可知, 304个样本能符合1个以上的布局要求。其中达到2个要求的养殖户最多, 占28.70%;达到1个要求的养殖户次之, 不足20%;能全部达到要求的养殖户仅19个。这表明超过90%的养殖场防疫布局仍不合理, 日常生产中存在疫病隐患。

由表 4可知, 在6个要求中, 满足场区周围建有围墙这一要求的养殖户最多, 累计179个, 占54.08%, 这一措施可以把养殖场变为独立的生产区域, 控制非生产人员和其他动物进场; 其次, 过半养殖户在鸡舍间建有隔离设施, 以减少办公区外来人员及车辆的污染; 接近50%的养殖户在场区出入口处设置消毒池, 杜绝运载活禽或饲料的车辆将病原微生物带入场内; 在养殖栋舍出入口设置更衣消毒室和消毒垫的养殖户最少, 仅占30.21%。这表明多数养殖户对消毒工程设施的重视程度不够, 未能对入舍人员的身体、衣物和鞋底进行彻底消毒, 很可能将病菌带入舍内。

2.1.3 养殖规模和疫病风险认知的样本特征

如表 5所示, 散养和大规模养殖户对疫病完全不了解的样本数为0。较多散养户对疫病认识介于一般了解和了解之间, 而非常了解的养殖户甚少。但与散养户相比, 规模养殖户更了解疫病风险, 如疫病风险认知为了解的养殖户中，小规模养殖户占5.1%, 中规模养殖户占29.9%, 大规模养殖户占8.5%。随着养殖规模的增加, 对疫病非常了解的样本比例整体呈现增长态势。

2.1.4 不同规模养殖场的防疫布局情况

由表 6可知, 随着防疫要求达标数增加, 散养户的样本数呈减少趋势, 达到5个防疫布局要求的样本数降为0, 可见, 由于资金和技术限制, 散户难以进一步完善场区的防疫布局; 小规模养殖户的样本数也呈减少趋势, 没有养殖户达到全部防疫要求; 中规模养殖户的样本数呈现先增加后减少的趋势, 从防疫要求达标数增加至3起, 其样本数和比例一直降低, 只有8个农户防疫布局要求全部达标(占42.11%); 虽然有2个大规模养殖户的防疫布局未全部达标, 但与其他养殖规模相比, 符合5个要求以上的大规模养殖户样本数最多。可见, 随着防疫布局要求达标数的增加, 规模越大的养殖户达标样本数越多, 比例也越大。

2.1.5 不同疫病风险认知的养殖场防疫布局情况

如表 7所示, 随着场区防疫布局要求达标数的增加, 对动物疫病风险完全不了解和不了解的养殖户呈递减趋势。不了解风险的养殖户中仅有1个防疫布局要求全部达标。对动物疫病风险一般了解、了解和非常了解的养殖户, 平均有2个防疫要求达标。能达到全部防疫要求的养殖户中, 仅有2个养殖户对动物疫病风险一般了解, 有9个养殖户了解, 有7个养殖户非常了解。整体来看, 养殖户对动物疫病风险认知程度越高, 对场区的防疫布局就越完善。

2.1.6 不同养殖规模和疫病风险认知的农户实施全部防疫布局要求的情况

如表 8所示, 就养殖规模而言, 19个防疫布局要求全部达标的样本均为中等及以上规模养殖户, 尤以大规模养殖户居多(占57.89%)。就疫病风险认知而言, 防疫布局要求全部达标的样本中了解和非常了解动物疫病风险的养殖户占84.21%。这说明防疫布局要求能否全部达标与大养殖规模、高风险认知程度有一定关联性。

2.2 推断性分析

为避免自变量间的多重共线性, 检验13个自变量之间的相关性, 采用Pearson相关系数法分析发现, 自变量之间不存在高度相关性。其次, 采用方差膨胀因子(VIF)法进行检验, 一般来说, 多重共线性要同时达到2个标准, 即VIF最大值>10且VIF平均值>1, 否则, 变量间不存在多重共线性问题^[38]。检验结果表明, VIF最大值为1.46, VIF平均值为1.19, 2个方程均不存在多重共线性。

2.2.1 泊松回归的估计结果与分析

运用统计软件Stata 12.0分别进行泊松回归和负二项回归。如表 9所示, 泊松回归和负二项回归的参数估计结果一致。负二项回归结果表明, 概率Prob值为0.499>0.1, 接受Gamma(α, b)分布中α为0的原假设, 这表明实际数据的概率分布服从泊松分布, 而不是负二项分布。再对泊松回归结果进行χ²适合度检验发现, χ²=42.45, 通过显著性检验。故应采用泊松回归的估计结果进行后续分析。

第一, 养殖规模对防疫布局有显著正向影响(P < 0.05), 与部分学者的“规模促进防疫论”相符。这表明, 养殖规模越大的养殖户, 由于意识到规模化养殖的患病风险较大, 为减少经济损失, 他们力图实施防疫措施规避风险, 同时, 养殖规模较大的养殖户比较有经济实力, 能按照防疫要求布局养殖场区。可以认为, 规模化养殖能促进场区的防疫布局。

第二, 动物疫病风险认知对场区防疫布局有显著影响, 这与林光华等^[16]和VALEEVA等^[21]的研究结论相符。这表明在其他条件不变的情况下, 对疫病风险认知程度越高的养殖户, 他们对动物疫病的危害性认识越深刻, 意识到有效防疫的重要性, 使他们致力于场区防疫布局的完善。

第三, 从控制变量的估计结果来看, 防疫信息渠道数量对防疫布局有显著正向影响(P < 0.05), 这与文献[13, 24]的结论相符, 这意味着在其他条件不变的情况下, 拥有防疫信息渠道数量较多的养殖户掌握的信息量较多, 更倾向于完善场区防疫布局。地区因素对防疫布局有显著影响, 与北方相比, 南方的养殖场区更能履行防疫要求。这可能是因为南方湿热多雨, 易滋生细菌, 重大疫病暴发的风险较高, 为加强疫病防控, 南方养殖场倾向于按要求做好防疫布局。此外, 性别、年龄、受教育年限、养殖年限、养殖收入占比、风险偏好和参加生产组织等因素对防疫布局的影响均不显著, 说明这些因素不是促成养殖场区防疫布局的充分条件。

如表 10所示, 当养殖规模每提高1个等级, 场区再按照1个防疫要求进行布局的概率上升0.895;当养殖户的疫病风险认知程度每提高1个层次, 场区再按照1个防疫要求进行布局的概率上升0.247;当养殖户每增加1个信息渠道, 场区再按照1个防疫要求进行布局的概率上升0.397;当养殖场区在南方时, 场区再按照1个防疫要求进行布局的概率上升0.797。由此可见, 扩大养殖规模促进防疫布局的概率最高, 其次依次是在南方开展养殖以及增加防疫信息渠道数量, 最后是提高疫病风险认知。

在不同养殖规模和疫病风险认知影响下, 对场区防疫布局要求达标数进行预测, 共形成20种可能情况(表 11)。对动物疫病风险认知完全不了解的散养户, 场区防疫布局要求平均达标数为0.9;对动物疫病风险非常了解的大规模养殖户, 防疫布局要求平均达标数接近4。提高1个养殖规模等级的防疫布局要求达标数增幅比提高1个疫病风险认知程度的增幅高。例如, 散养户对疫病风险的认知为不了解程度时, 场区防疫布局要求平均达标数仅为1.0, 但对疫病风险完全不了解的小规模养殖户, 场区防疫布局要求平均达标数为1.2, 明显高于前者。只有将疫病风险认知提高到非常了解程度, 其发挥的作用才能超过养殖规模化的效应。也就是说, 在原有基础上, 扩大养殖规模对防疫布局的促进作用比提高疫病风险认知大。

2.2.2 Probit回归的估计结果与分析

Tobit回归的缺陷是扰动项要服从正态分布或存在同方差, 否则似然估计不一致^[39]。检验同方差性的方法是, 如果σ²的P值 < 0.05, 则接受原假设, 否则有异方差问题^[36]。然而, Tobit回归结果中σ²的P值>0.05, 说明扰动项存在异方差, 所以Tobit模型的估计结果不可取。如表 12所示, Probit回归结果表明, 养殖规模对场区防疫布局产生正向显著影响, 符合部分学者的“规模促进防疫论”, 这意味着在其他条件不变的情况下, 规模较大的养殖户实现场区整体防疫布局的概率较大。

当所有解释变量为均值时, 养殖规模每提高1个等级, 场区实现全部防疫布局要求的概率上升0.036。值得关注的是, 疫病风险认知对防疫场区布局的影响方向为正, 但不显著, 这说明仅依靠提高养殖户的疫病风险认知难以实现整体防疫布局。此外, 风险偏好对防疫场区布局有显著负向影响, 与文献[21]结论相反, 这有待进一步验证。防疫信息渠道数量对防疫布局有显著正向影响, 在其他条件不变情况下, 养殖户每增加1个防疫信息渠道, 场区防疫布局全部达标的概率上升0.019, 但相比而言, 养殖规模的贡献更大。

3 讨论

寻找有效的方法提高养殖场区整体防疫布局是当前亟待解决的问题。与提高养殖户动物疫病风险认知相比, 扩大生产规模对促进场区防疫布局的推动力更大。这可能是因为扩大养殖规模所需要的成本和承担的风险较大, 从而倒逼理性的养殖户去提升防疫布局水平, 降低疫病风险, 而提升动物疫病风险认知的投入和代价相对较低, 没有足够的动力推动养殖户实施全面防疫布局。在理论上, 鼓励养殖户扩大生产规模是可行的, 但现实中扩大生产规模并非易事, 养殖户面临资金短缺、知识匮乏和技术落后等难题。场区防疫布局的完善是一项庞大、持久的社会经济项目。为加快项目实施, 需要政府牵头, 有规划、分步骤地实施和完善配套服务。除规模化生产外, 还要扩大养殖户获得防疫信息的渠道和提升动物疫病风险认知, 三管齐下, 把有限的财力、物力和人力等有效应用在组合措施上。

3.1 建立规模养殖发展基金, 解决小农的资金困难

资金是农业发展的血脉, 也是推行规模化养殖的最大难题。扩大生产规模需要足够的资金购置农业生产资料和硬件设施, 但散养和小规模养殖户的收入有限, 这类养殖户缺乏抵押贷款品和社会资源。政府可考虑在个别养殖大省试点规模养殖发展基金, 基金来源以财政投入和社会融资为主, 面向有意向且具备养殖潜力和还贷能力的小农户, 对他们的资金申请进行可行性评估, 对通过审核的小农户予以分期贷款, 尤其要监督项目的实施进程, 如果中间出现违约, 则终止项目和要求小农户按期还贷, 如果诚信经营, 则开展持续性的扶持, 帮助扩大生产规模。

3.2 提供技能培训和技术设备配置的扶持

技术支持也是实现规模化生产需要的另一个重要因素。不可忽视的是, 扩大生产规模不仅需要提升养殖技术、防疫技术和经营能力, 而且还需拥有技术设备。有关部门应对获得资金的小农户提供技术扶持, 一方面, 通过举办系统的技能培训提升养殖户的技术和经营水平, 并在生产过程中为他们提供专家指导; 另一方面, 帮助小农改造和升级养殖场的圈舍、饮水、饲喂、供暖降温和清洁等技术设备。

3.3 增加养殖户获取防疫信息的渠道, 提高动物疫病风险认知

增加养殖户获取防疫信息的渠道, 对他们领悟防疫布局的必要性, 掌握防疫布局要求有重要作用。因此, 有关部门应致力于农村信息化, 破解农村信息闭塞和落后的现状, 提高通讯设备和服务站在农村的覆盖率, 使更多农户能接触到广播、电视和互联网等多元的防疫信息渠道。此外, 动物疫病风险认知也不可忽视, 需要相关部门对动物疫病风险进行持续的宣传和教育, 并在疫病容易暴发的季节举办培训, 力求提高养殖户的认知程度。

4 结论

(1) 不到6%的养殖场符合《动物防疫条件审查办法》规定的6项防疫布局要求, 绝大多数养殖户不重视场区的合理防疫布局, 养殖场防疫布局要求平均达标数为2.5, 存在不可忽视的疫病暴发风险; 超过50%的养殖户在场区周围建有围墙和在鸡舍间建立隔离设施, 而接近70%的养殖户未在圈舍出入口设置更衣消毒室和消毒垫。

(2) 在众多影响因素中, 养殖规模和防疫信息渠道数量在场区防疫布局要求达标数和场区防疫布局要求全部达标的实证中均发挥了显著的促进作用, 虽然提高动物疫病风险认知有利于提高防疫布局要求达标数, 但对实现全部防疫布局的作用并不显著。

(3) 就边际效应而言, 在符合场区防疫布局数量的研究中, 养殖规模的作用最大, 其次是地域因素和防疫信息渠道数量, 最后是动物疫病风险认知。在是否能实现全部防疫布局要求的实证中, 养殖规模作用最大, 其次是防疫信息渠道数量。从预测结果来看, 即使养殖户进行大规模养殖且非常了解动物疫病风险, 也只能平均达到4个防疫布局要求。