Масштаб имеет значение: почему увеличение ферм помогло экологии Китая

Цель данного исследования — выявить характеристики развития, различия и тенденции конвергенции экологической эффективности свиноводства в Китае, что способствует устойчивому развитию отрасли.

Методы. На основе данных по 30 провинциям (включая города центрального подчинения и автономные районы) Китая за 2008–2020 гг. в статье используются модель super-SBM, log(t)-тест и упорядоченная пробит-модель для оценки экологической эффективности и тенденций конвергенции свиноводства в Китае, а также анализируются движущие факторы, влияющие на эти тенденции.

Результаты. Показано, что: (1) в последние годы экологическая эффективность свиноводства в Китае не достигла оптимального уровня; наиболее высокая эффективность (71,6%) зафиксирована в регионах с потенциалом роста. Эффективность масштаба по-прежнему является ключевым фактором повышения экологической эффективности свиноводства, однако в будущем необходимо сосредоточиться на повышении чистой технической эффективности. (2) Экологическая эффективность свиноводства в 30 провинциях Китая конвергирует к четырём кластерам. Большинство провинций в регионах с ограниченным развитием и регионах с потенциалом роста конвергируют к кластеру высокого уровня, тогда как различия в экологической эффективности наиболее выражены в ключевых регионах развития. (3) Результаты исследования движущих факторов показывают, что уровень масштаба оказывает U-образное влияние на конвергенцию экологической эффективности свиноводства к кластерам высокого уровня; большинство провинций уже преодолели точку перегиба. Уровень масштаба свиноводства следует соответствующим образом повышать. Кроме того, повышение качества рабочей силы способствует конвергенции экологической эффективности свиноводства к кластеру высокого уровня.

Обсуждение. Предлагаются меры, направленные на повышение эффективности свиноводства, стимулирование процессов масштабирования в этой отрасли и укрепление регионального сотрудничества.

Животноводство является значительным источником парниковых газов, выбрасывая примерно 7,1 млрд тонн эквивалента диоксида углерода ежегодно, что составляет 14,5% от общего объема выбросов парниковых газов, образующихся в результате деятельности человека. Вклад различных пород скота и птицы в выбросы парниковых газов в животноводстве значительно варьируется по всему миру (Zhu и др., 2016). Овцы вносят значительный вклад в выбросы парниковых газов в Африке и Латинской Америке, в то время как молочное животноводство является основным источником повышенных выбросов метана в Южной Азии (Pradeep и др., 2022). Рост свиноводства привел к усилению выбросов парниковых газов в Европейском союзе (Pexas и др., 2020). Аналогичным образом, свиноводство также является преобладающим источником выбросов парниковых газов в Восточной Азии (Yao, 2024).

Китай, на долю которого приходится 40% мирового производства свинины, имеет свиноводство как крупнейший сектор в животноводстве. Однако кишечная ферментация и отходы, образующиеся при выращивании, способствуют производству загрязняющих веществ, таких как химическая потребность в кислороде (COD), общий азот, общий фосфор, медь, цинк и аммонийный азот. Эти загрязнители являются значительными источниками выбросов парниковых газов (Fan и др., 2020). В 2020 году выбросы углерода от свиноводства достигли 31% от общего объема выбросов углерода в животноводческом секторе (Cheng и Yao, 2024). Одновременно быстрые темпы урбанизации и продолжающийся рост потребления мяса, как ожидается, дополнительно усугубят выбросы азота и фосфора (Andretta и др., 2021). Для достижения устойчивого и здорового развития свиноводческой отрасли Министерство сельского хозяйства и сельских дел в 2021 году подчеркнуло необходимость создания новой парадигмы безопасного, эффективного и экологически чистого производства свинины. Одновременно правительство ввело ряд политик и нормативных актов, включая «Правила по предотвращению и контролю загрязнения от крупномасштабного животноводства и птицеводства», «Технические рекомендации по делимитации запрещенных зон для животноводства и птицеводства» и «Национальный план развития производства свиней (2016–2020)». Эти меры направлены на реорганизацию свиноводческой отрасли для снижения экологического давления, связанного со свиноводством. Кроме того, сектор свиноводства Китая продолжает бороться с проблемой неравномерного регионального развития. Различия в человеческом капитале, кормовых ресурсах, уровнях урбанизации и ценах на корма в разных регионах способствуют этому неравенству. В условиях все более строгих ресурсных ограничений необходимо изучить стратегии достижения скоординированного развития свиноводства в разных регионах и повышения экологической эффективности отрасли, поскольку это представляет собой насущную проблему для устойчивого развития свиноводческого сектора.

Повышение экологической эффективности свиноводства представляется эффективной стратегией решения проблем загрязнения, связанных с этой отраслью. Существующие исследования подробно рассматривают эффективность свиноводства (Boudný и Špička, 2012; Li и др., 2017). Эффективность свиноводства означает количество пригодных свиней, забитых при вложении определенного количества поросят, корма, ветеринарных препаратов, труда и оборудования при текущем уровне кормления свиней. С непрерывным развитием масштабов свиноводства некоторые ученые сфокусировали свои исследования на технической эффективности крупномасштабного животноводства (Galanopoulos и др., 2006; Latruffe и др., 2013; Ly и др., 2016) и провели анализ региональной неоднородности (Zhang и др., 2020). Chung и др. впервые включили экологические затраты в рамки учета эффективности производства (Chung и др., 1997) и рассматривали экологические эффекты как нежелательные результаты (Färe и др., 1989). В Китае животноводство является наиболее важным источником выбросов углерода (Philippe и Nicks, 2015), а свиноводство занимает второе место по выбросам парниковых газов в Китае (Zhou и др., 2018). Расширение производства свинины привело к тому, что навоз стал проблематичным отходом вместо ценного сельскохозяйственного ресурса. Навоз богат органическими веществами, такими как азот и фосфор, и неправильная обработка приведет к загрязнению воздуха и почвы (Yan и др., 2020). После 2015 года Китай постепенно обратил внимание на скоординированное развитие свиноводства и окружающей среды. Некоторые ученые рассматривали эффективность свиноводства с экологической точки зрения (Kuhn и др., 2020). Когда ученые рассматривают экологические факторы, они в основном делятся на два типа: эквивалент выбросов загрязняющих веществ (Zhong и др., 2021) и выбросы углерода (Han и др., 2020). Также указывается, что с увеличением скорости глобального потепления сокращение выбросов углерода связано с выживанием и развитием человечества. Среди факторов, влияющих на экологическую эффективность свиноводства, промышленная агломерация, экологическое регулирование, масштаб, производственная мощность кормов и человеческий капитал оказывают важное влияние (Lin и Zhang, 2023). Wang и др. (2020) указали, что масштаб свиноводства и эффективность животноводства демонстрируют нелинейные изменения, а загрязнение окружающей среды, вызванное масштабами свиноводства, становится все более серьезным (Wang и др., 2020).

Важно отметить, что региональные различия в производстве свинины в Китае обусловлены такими факторами, как обеспеченность ресурсами и уровень экономического развития. Восточный регион демонстрирует более выраженное преимущество в экологической эффективности свиноводства (Zhong и др., 2022), в то время как другие регионы демонстрируют более низкую экологическую эффективность. Эти регионы подвержены риску попадания в «ловушки низкого уровня», из которых им трудно выбраться. Tan и др. обнаружили, что свиноводческая промышленность Китая смещается в регионы с более слабым экологическим регулированием (Tan и др., 2018). Когда ученые обсуждают, как смягчить противоречие между размещением производства свинины и ресурсными ограничениями, они также дополнительно рассматривают, как координировать и продвигать устойчивую трансформацию свиноводческой отрасли в различных регионах (Zhu и др., 2023). Теория конвергенции широко используется при изучении скоординированных тенденций. Она изначально выведена из модели Солоу, которая утверждает, что при одинаковых экзогенных факторах все экономики в конечном итоге сходятся к одному и тому же стабильному состоянию. После обогащения содержания теории конвергенции были сформированы некоторые важные механизмы конвергенции, такие как σ-конвергенция, β-конвергенция и клубная конвергенция. В теории клубной конвергенции регионы внутри одного клуба (или группы) сходятся к одному и тому же стабильному уровню, что приводит к «клубному эффекту». Если разрыв между разными клубами сокращается, области с более низким уровнем могут быть заменены областями с более высоким уровнем, что положительно влияет на регион. В настоящее время ученые изучили тенденцию конвергенции экологической эффективности в разных городах азиатских стран и Китая (Tang и др., 2021; Jadoon и др., 2023). В исследовании тенденции конвергенции экологической эффективности в аквакультуре Xu обнаружил, что, хотя экологическая эффективность мелкомасштабного молочного животноводства в Китае в целом не конвергирует, и экологическая эффективность среднего и крупномасштабного молочного животноводства в целом конвергирует, существует тенденция клубной конвергенции для экологической эффективности разных масштабов. Это исследование предоставляет справочную информацию для конвергенции экологической эффективности в свиноводстве (Xu и др., 2022).

В изучении методов исследования большинство ученых использовали два метода: стохастический анализ границ и непараметрический анализ среды функционирования (Reinhard и др., 2000; Fu и др., 2018). Анализ среды функционирования (DEA) — это непараметрический метод оценки технической эффективности, изначально разработанный для оценки относительной эффективности единиц принятия решений (DMU). В отличие от модели стохастической границы (SFA), DEA не требует предварительного установления функциональной зависимости между затратами и выпуском, что минимизирует субъективность, связанную с взвешиванием параметров, и повышает объективность результатов измерения (Du и др., 2021). Традиционные модели CCR и BCC используют радиальные измерения, которые могут давать неточные результаты при наличии избыточных значений. Чтобы решить эти проблемы, Tone представил модель super-SBM, которая модифицировала переменные резерва, обеспечивая более детальное рассмотрение проблем резерва затрат и выпуска, возникающих из-за радиального и углового выбора (Sun и др., 2023). Проблема избыточных затрат и недостаточного выпуска при измерении эффективности решается напрямую (Zhang и др., 2017), и эта модель была применена различными учеными в животноводстве для измерения совокупной факторной производительности с учетом экологических факторов в разных регионах (Wen и др., 2022).

Из обзора литературы видно, что большинство ученых учитывают влияние выбросов углерода при изучении экологической эффективности, но немногие ученые обсуждают скоординированную тенденцию экологической эффективности свиноводства в разных регионах. Кроме того, факторы, которые могут способствовать скоординированному развитию свиноводческой отрасли, настоятельно требуют дальнейшего анализа. Данная статья направлена на ответ на следующие вопросы: Какова экологическая эффективность свиноводства в Китае? Существует ли клубная конвергенция в экологической эффективности свиноводства в каждой провинции? Каковы движущие факторы, формирующие ее конвергентный клуб?

По сравнению с предыдущими исследованиями, возможные вклады этой статьи заключаются в следующем: Во-первых, существующие исследования учитывали негативные внешние эффекты, вызванные выбросами парниковых газов в свиноводстве. В этой статье выбираются выбросы углерода в качестве нежелательного результата и используется модель super-SBM. Рассчитывается экологическая эффективность свиноводства Китая с 2008 по 2020 год и исследуется зеленое и устойчивое развитие свиноводческой отрасли в условиях ограничений на выбросы углерода. Во-вторых, в этом исследовании изучается тенденция конвергенции экологической эффективности свиноводства в Китае на основе метода log(t)-теста. Наконец, модель упорядоченного пробита (ordered probit) была использована для изучения движущих факторов клуба экологической эффективности свиноводства, что предоставляет справочную информацию для будущего расширения или снижения экологической эффективности в разных регионах.

2.1 Дизайн модели

2.1.1 Модель super-SBM

Радиальная модель DEA часто используется при измерении экологической эффективности. Tone предложил нерадиальную SBM-модель на основе переменных резерва (Tone, 2001), которая обладает нерадиальными характеристиками, избегает радиальной ошибки измерения, решает проблему резерва затрат-выпуска и компенсирует недостатки традиционной модели DEA. Однако значение эффективности, измеренное исходной SBM-моделью, находится между 0 и 1. Когда несколько значений эффективности DUM достигают 1, принимается исходная SBM-модель, и ранжирование эффективности DUM становится проблематичным. Однако модель super-SBM, которая позволяет значению эффективности превышать 1, может эффективно решить проблему ранжирования DUM. Учитывая, что экологическая эффективность свиноводства в разных провинциях Китая может одновременно находиться на границе эффективности DEA, в этом исследовании принята модель super-SBM для оценки экологической эффективности свиноводства в Китае. Модель построена следующим образом:

В Уравнении 1, где ρ∗ представляет значение эффективности. Если ρ∗≥1, это указывает на то, что DUM находится в эффективном состоянии; если ρ∗≤1, это указывает на то, что DUM имеет потерю эффективности и находится в неэффективном состоянии. xik представляет показатель затрат, ¯x представляет среднее значение DUM. ygrk представляет ожидаемый выпуск, ¯yg представляет среднее значение ожидаемого выпуска. ybvk представляет нежелательный выпуск, ¯yb представляет среднее значение нежелательного выпуска. В этой статье, когда учитывается нежелательный выпуск, ρ — это экологическая эффективность (ETE), которая может быть дополнительно разложена на чистую экологическую техническую эффективность (EPTE) и экологическую эффективность масштаба (ESE), ETE = EPTE  ESE.

2.1.2 Метод log(t)-теста

Из-за отсутствия сопоставимости между разными годами в значениях экологической эффективности, рассчитанных моделью super-SBM, можно анализировать только межпровинциальные различия в пределах одного года. Таким образом, для дальнейшего изучения характеристик динамической эволюции экологической эффективности свиноводства в Китае в этой статье будет использован метод клубной конвергенции для анализа конвергенции экологической эффективности свиноводства в Китае.

Метод тестирования клубной конвергенции, предложенный Phillips и Sul (2007), позволяет учитывать различные временные тренды и индивидуальную неоднородность в данных. Преимущество метода тестирования клубной конвергенции заключается в том, что когда в выборке генеральной совокупности нет тенденции к конвергенции, он может сгруппировать ситуации конвергенции всех индивидуумов посредством непрерывных проб и ошибок. Индивидуумы, сходящиеся к одному и тому же стабильному уровню, будут разделены на одну и ту же группу клуба конвергенции. Метод тестирования клубной конвергенции может использовать статистические методы для выявления всех локальных ситуаций конвергенции и формирования различных клубов конвергенции.

Процесс анализа выглядит следующим образом:

В эконометрике любые панельные данные Xit могут быть разложены на следующие формы:

В Уравнении 2, где δit — коэффициент нагрузки фактора временного изменения; μt — общий фактор.

Далее для выражения коэффициента нагрузки фактора временного изменения δit может быть использовано полупараметрическое уравнение. Формула выглядит следующим образом:

В Уравнении 3, где δi — фиксированная компонента, которая не меняется со временем; ξit следует стандартному нормальному распределению и является независимым и одинаково распределенным. L(t) — уравнение, включающее время t. Его основная функция — устранить естественное увеличение дисперсии со временем, чтобы панельные данные Xit стали стационарными данными. Когда Xit являются панельными данными, для любого a≥0, δit будет сходиться вокруг δi, когда время t→+∞. Предполагая, что существует такая ситуация, когда все индивидуумы i в панельных данных имеют одинаковые общие факторы, то есть δi=δ, тогда при a≥0 все индивидуумы i сойдутся к одному и тому же стабильному состоянию. В результате в эмпирическом анализе конвергенцию модели можно оценить, проверяя, выполняется ли a≥0.

В конкретных операциях конвергенцию панельных данных Xit можно проверить с помощью следующего уравнения. Нулевая гипотеза состояла в том, что H0: δ1 = δ, то есть a ≥ 0. Проверочное уравнение структурировано следующим образом:

В Уравнении 4:

Где t = [rT], [rT+1], ..., T, r ∈ (0,1). В этой статье принимается r = 0.2, L(t) = log t. Если b значительно неотрицательно, то существует конвергенция; если t_b < -1.65, то конвергенции нет.

2.1.3 Упорядоченная пробит-модель (Ordered probit model)

Для изучения движущих факторов клубной конвергенции, сформированной экологической эффективностью свиноводства в Китае, клуб конвергенции 1, клуб конвергенции 2, клуб конвергенции 3 и клуб конвергенции 4, сформированные выше, были представлены упорядоченными переменными от 1 до 4, и для анализа была использована модель упорядоченного пробита / упорядоченного логита (Ordered Probit/Ordered logit). Конкретное выражение выглядит следующим образом:

В Уравнении 5, где зависимая переменная Y∗i представляет собой club1 – club4; Fi является независимой переменной, представляющей движущий фактор группы клубной конвергенции; αi — оцениваемый коэффициент, εi — случайное возмущение.

2.2 Выбор переменных и источники данных

2.2.1 Выбор показателей экологической эффективности свиноводства

При использовании модели super-SBM основная проблема заключается в определении соответствующих показателей затрат и выпуска. Изначально необходимо изучить корреляцию между переменными затрат и выпуска. Затраты на корма составляют основу ресурсов для свиноводства, представляя наибольшую долю среди всех факторов затрат. Труд также является важнейшим фактором затрат в свиноводстве. Каждая свинья несет расходы, связанные с электроэнергией, углем и другими расходами на топливо и энергию во время выращивания. Примечательно, что стоимость топлива и энергии составляет самую высокую долю потерь в эффективности производства свинины. Кроме того, из-за недавних последствий африканской чумы свиней и других эпизоотий свиней наблюдается непрерывное увеличение инвестиций в ветеринарное обслуживание для обеспечения здорового выращивания свиней. Следовательно, показатель затрат в этой статье фокусируется на количестве занятых работников (ω1), количестве концентрированных кормов (ω2), стоимости топлива и энергии (ω3) и стоимости медицинских и противоэпизоотических мероприятий (ω4).

При измерении выпуска свиноводческой отрасли ожидаемым показателем выпуска является чистый выпуск основной свиноводческой продукции (y1), который выражается как выпуск основной свиноводческой продукции минус вес поросят. Нежелательный выпуск относится к выбросам углерода при свиноводстве (y2). Был использован метод коэффициента выбросов парниковых газов для оценки воздействия выбросов углерода от свиноводства (Zhou и др., 2007); а именно, производство различных источников углерода при свиноводстве умножается на соответствующие коэффициенты выбросов углерода, преобразуется в эквиваленты выбросов углерода и суммируется для получения общего выброса углерода в каждой провинции свиноводства. Согласно оценочному докладу IPCC в 2006 году, выбросы парниковых газов от свиноводства в основном происходят от суммы кишечной ферментации свиней и управления навозом, а парниковый эффект, вызванный 1 т, эквивалентен парниковому эффекту, вызванному 6,8182 т углерода. 1 т эквивалентна парниковому эффекту, производимому 81,2727 т углерода (Ai-E и др., 2018).

Конкретная формула расчета выбросов углерода от свиноводства выглядит следующим образом: Ct = 6.8182 CH4-1 + 6.8182 CH4-2 + 81.2727 N2O.

Где Ct — общий выброс углерода от свиноводства; CH4-1, CH4-2 и N2O — это производство CH4 при кишечной ферментации и сумма, выделяемая при обработке навоза. Производство каждого источника углерода равно среднегодовому производству свиней, умноженному на коэффициент выбросов углерода каждого источника углерода. Среднегодовой объем кормления свиней корректировался в соответствии с циклом кормления, определенным IPCC, и объемом производства в текущем году. Среднегодовой объем кормления был равен объему производства в текущем году × цикл кормления / 365. Согласно данным IPCC, коэффициенты выбросов углерода для CH4, производимого кишечной ферментацией, и CH4 и N2O, выделяемых при управлении навозом, составляли 1.0, 3.5 кг/голову·год и 0.53 кг/голову·год соответственно.

2.2.2 Выбор движущего фактора клубной конвергенции

В этой статье в основном рассматривается влияние движущего фактора на клубную конвергенцию свиноводства. Выбранные показатели включают экологическое регулирование (FEnv), уровень масштаба (Fscale), обеспеченность ресурсами (Fcorn), технические затраты (Ftech), качество рабочей силы (Fedu), цену на свиней (Fprice).

Обоснование выбора показателей и исследовательские гипотезы:

(1) Экологическое регулирование (FEnv). В этой статье используется метод корректирующего коэффициента для улучшения уровня экономического развития, а затем для расчета экологического регулирования (Zeng и др., 2021). Экологическое регулирование может побудить фермы в регионе осуществлять непроизводственную деятельность, такую как борьба с загрязнением, что, в свою очередь, вызывает увеличение затрат на соблюдение требований. Соблюдение требований не только увеличит стоимость выращивания свиней и снизит готовность к экологически чистому производству, но также может вытеснить технологические инвестиции ферм (Singbo и др., 2020), препятствуя прогрессу в экологической эффективности. Экологическое регулирование выдвигает новые требования к экологической эффективности свиноводства для перехода в высокоуровневый клуб. Таким образом, это исследование предлагает гипотезу 1: Экологическое регулирование оказывает негативное влияние на конвергенцию экологической эффективности к высокоуровневому клубу.

(2) Уровень масштаба (Fscale). В этой статье в качестве показателя уровня масштаба принимается доля производства свиней на фермах с годовым объемом производства более 500 свиней в общем объеме производства свиней в регионе. Согласно гипотезе экологической кривой Кузнеца, рост масштаба влияет на выбросы углерода и снижает вероятность конвергенции региона в высокоуровневые клубы. Ожидается, что выбросы углерода будут снижаться по мере дальнейшего расширения масштабов свиноводства в сочетании с технологическими инновациями и изменениями в методах производства. Это сокращение выбросов может привести к снижению производственных затрат, повышению экономической эффективности, улучшению экологической эффективности и увеличению вероятности конвергенции региона в высокоуровневые клубы. Таким образом, эта статья предлагает гипотезу 2: Уровень масштаба оказывает U-образное влияние на конвергенцию экологической эффективности к высокоуровневому клубу.

(3) Обеспеченность ресурсами (Fcorn). В этой статье для измерения обеспеченности ресурсами используется производство кукурузы. Свиноводство является животноводством, потребляющим зерно, а кукуруза является основным сырьем для свиных кормов. Производственная мощность кукурузы в разных регионах является важным фактором, влияющим на размещение свиноводства, который может представлять качество обеспеченности ресурсами между регионами. Разница в региональной обеспеченности ресурсами также расширила дисбаланс региональной экологической эффективности. Таким образом, эта статья предлагает гипотезу 3: Обеспеченность ресурсами оказывает негативное влияние на конвергенцию экологической эффективности к высокоуровневому клубу.

(4) Технические затраты (Ftech). В этой статье для измерения технических затрат используется оборот технологического рынка каждой провинции. В условиях ресурсных ограничений новая точка роста для повышения экологической эффективности свиноводства заключается в технологических инновациях, которые могут принести экологические выгоды и дивиденды в различные регионы, в определенной степени смягчить проблемы загрязнения и повысить вероятность конвергенции в высокоуровневый клуб. Таким образом, эта статья предлагает гипотезу 4: Технические затраты оказывают положительное влияние на конвергенцию экологической эффективности к высокоуровневому клубу.

(5) Качество рабочей силы (Fedu). В этой статье для измерения качества рабочей силы в каждой провинции используется уровень образования. Неоклассическая теория экономического роста указывает, что человеческий капитал является эндогенной движущей силой экономического роста. В свиноводческой отрасли качество рабочей силы является важным проявлением человеческого капитала. Повышение культурного уровня и способности фермеров к обучению поможет улучшить их понимание и усвоение принципов зеленого сельского хозяйства и поможет им лучше адаптироваться к требованиям современного развития свиноводческой отрасли. Нехватка человеческого капитала в некоторых регионах является важным фактором, который может ограничивать сбалансированное развитие экологической эффективности в различных регионах. Таким образом, эта статья предлагает гипотезу 5: Качество рабочей силы оказывает положительное влияние на конвергенцию экологической эффективности к высокоуровневому клубу.

(6) Цена на свиней (Fprice). В этой статье выбираются цены на свинину для отражения колебаний рынка свиней. Рыночная цена живых свиней выполняет функцию передачи информации, и заводчики будут полагаться на цену предыдущего периода для принятия производственных решений. Высокие цены могут побудить фермеров слепо расширять производство, тратить ресурсы впустую и обострять дисбаланс экологической эффективности в разных регионах. Таким образом, эта статья предлагает гипотезу 6: Цена на свиней оказывает негативное влияние на конвергенцию экологической эффективности к высокоуровневому клубу.

2.2.3 Источники данных

Учитывая доступность данных, эта статья выбирает статистические данные 30 провинций Китая (исключая Гонконг, Макао, Тайвань и Тибет) с 2008 по 2020 год для анализа экологической эффективности свиноводства. Количество занятых работников (ω1), количество концентрированных кормов (ω2), стоимость топлива и энергии (ω3) и стоимость медицинских и противоэпизоотических мероприятий (ω4), вес поросят, основной продукции свиноводства и уровень масштаба (Fscale) взяты из «Сборника по затратам и доходам национальной сельскохозяйственной продукции». Экологическое регулирование (FEnv), обеспеченность ресурсами (Fcorn), технические затраты (Ftech), качество рабочей силы (Fedu), цена на свиней (Fprice) взяты из «Статистического ежегодника Китая».

Результаты описательной статистики конкретных переменных показаны в Таблице 1. С точки зрения факторов затрат на экологическую эффективность, затраты на корма являются самыми высокими, в среднем более 300 юаней, за ними следуют медицинские расходы, в среднем 18.38 юаней. С точки зрения выпуска, средний чистый выпуск основной свиноводческой продукции ближе к 100 кг. С точки зрения движущих факторов, экологическое регулирование разных провинций сильно различается. Масштаб свиноводства невелик; в среднем составляет 0.133, и масштаб свиноводства в разных провинциях относительно различается.

Таблица 1. Результаты описательной статистики переменных.

3.1 Общие характеристики

В целом, экологическая эффективность свиноводства в Китае с 2008 по 2020 год была ниже 1 (Таблица 2), что указывает на наличие определенного расстояния между общей эффективностью свиноводческой отрасли и производственной границей, и необходимо улучшить соотношение затрат и выпуска в свиноводстве Китая. В 2020 году экологическая эффективность свиноводства в Китае составила 0.7114. Отсюда видно, что экологические ограничения оказывают сдерживающее влияние на техническую эффективность, и в процессе свиноводства в Китае существуют экологические проблемы.

Таблица 2. Экологическая эффективность свиноводства в Китае с 2008 по 2020 год.

Экологическая эффективность масштаба (ESE) была ключевой движущей силой роста экологической эффективности свиноводства с 2008 по 2020 год. Общая экологическая эффективность масштаба свиноводства в Китае была относительно высокой, в среднем 0.949. Чистая экологическая техническая эффективность (EPTE) увеличивается с каждым годом. В 2020 году чистая экологическая техническая эффективность достигла 0.9021. Чистая экологическая техническая эффективность станет основным источником экологической эффективности для живых свиней в Китае. Возможная причина заключается в том, что с крупномасштабным развитием свиноводства более значительные средства могут быть инвестированы в технологии более чистого производства, что повышает экологическую эффективность свиноводства. Существует ограниченное пространство для повышения экологической эффективности свиноводства за счет увеличения масштаба.

3.2 Анализ региональных различий

С точки зрения региональных различий, когда учитывался нежелательный выпуск, регион с потенциалом роста был выше, в среднем 0.71, за ним следовала экологическая эффективность в регионе с ограниченным развитием, в среднем 0.70, а экологическая эффективность в регионе ключевого развития была самой низкой (Таблица 3). В частности, чистая техническая эффективность является основной причиной явных различий между регионами.

Таблица 3. Экологическая эффективность свиноводства в различных провинциях Китая с 2008 по 2020 год.

Основные возможные причины заключались в том, что Северо-Восток Китая является основным районом производства кукурузы, с достаточным предложением кукурузы и низкой стоимостью свиных кормов, что благоприятствует крупномасштабному развитию свиней. Однако эффективность чистой экологической технологии низкая, а эффективность масштаба высокая, что указывает на то, что свиноводческая промышленность Северо-Восточного Китая полагается на экстенсивный рост факторных затрат в процессе развития и игнорирует инвестиции в чистые технологии. Применение передовых технологий нуждается в усилении. «Национальный план развития производства свиней (2016–2020)» быстро и эффективно решил проблему загрязнения воды в Южном Китае и помог улучшить экологическую эффективность в регионе.

Кроме того, сочетание сельского хозяйства и животноводства в Западном Китае было лучше, поэтому можно было вести экологическое фермерство. Продвижение передовых и эффективных технологий животноводства могло бы повысить чистую техническую эффективность, и экологическая эффективность была бы выше.

В этой статье используются данные об экологической эффективности свиноводства 30 провинций (включая города центрального подчинения и автономные районы) Китая с 2008 по 2020 год для проверки конвергенции общей панели. Результаты теста представлены ниже:

Таблица 4 показывает, что t_b = -10.4630, что меньше -1.65, что позволяет нам отвергнуть нулевую гипотезу на 1% уровне значимости. Это означает, что не существует общей конвергенции в экологической эффективности свиноводства в 30 провинциях Китая с 2008 по 2020 год. Основываясь на этом выводе, исследование изучает модели клубной конвергенции в экологической эффективности свиноводства среди этих регионов.

Таблица 4. Тест на конвергенцию экологической эффективности свиноводства в Китае.

На первом этапе все провинции были отсортированы в соответствии со средней экологической эффективностью свиноводства за последние 5 лет периода исследования. Средние значения были отсортированы от высоких к низким: Пекин, Шанхай, Нинся, Юньнань, Цзилинь, Хунань, Внутренняя Монголия, Цинхай, Гуйчжоу, Фуцзянь, Тяньцзинь, Цзянси, Ганьсу, Шаньси, Хэбэй, Хайнань, Чжэцзян, Хубэй, Синьцзян, Гуанси, Цзянсу, Ляонин, Шаньдун, Хэйлунцзян, Гуандун, Аньхой, Шэньси, Сычуань, Хэнань, Чунцин.

На втором этапе был извлечен регион с наибольшей экологической эффективностью свиноводства (2 ≤ k < N) для построения первого клуба конвергенции, и его конвергенция была проверена с помощью log(t). Если исходную гипотезу нельзя отвергнуть, оставшиеся провинции присоединяются к клубу по одной, и совместно проводится log(t)-тест для отбора регионов, соответствующих t > -1.65, и провинция с наибольшим значением t объединяется с двумя предыдущими провинциями. Предполагая, что клуб, состоящий из первой и второй провинций, не проходит тест, вторая провинция исключается, а вторая и третья провинции образуют новый клуб. Если результат конвергенции не соответствует условию конвергенции, повторите вышеуказанную операцию. Если вышеуказанные условия не выполняются в конце вычисления, клубной конвергенции нет. Если некоторые провинции проходят тест на клубную конвергенцию на втором этапе, оставшиеся регионы присоединяются к клубу индивидуально.

Регионы, не включенные во второй этап, были перегруппированы на третьем этапе, и log(t)-тест был продолжен. Если есть конвергенция, формируется другой клуб. Если конвергенция отвергается, повторите вышеуказанные шаги для оставшихся регионов.

Как видно из Таблицы 5, Клуб конвергенции 1 включает большинство восточных регионов, таких как Пекин, Шанхай, Фуцзянь, Цзилинь и др. Эти провинции имеют высокую степень интенсификации свиноводческой отрасли, раннее развитие масштабного свиноводства, зрелые технологии производства и разведения и эффективную трансформацию скота и птицы. Клуб конвергенции 2 включает Ганьсу, Шаньси, Хэбэй, Хайнань, Чжэцзян, Хубэй, Синьцзян, Гуанси, Цзянсу, Ляонин, Шаньдун, Хэйлунцзян, Гуандун, Аньхой и Шэньси. Большинство из этих провинций являются традиционными свиноводческими регионами. Свиноводческая отрасль в этих районах демонстрирует низкую степень интенсификации, ограниченный уровень технологий разведения и неадекватные меры контроля загрязнения. Тем не менее, благодаря обильной рабочей силе эти регионы обладают определенными географическими преимуществами и демонстрируют заметную тенденцию к региональной конвергенции.

Таблица 5. Клуб конвергенции экологической эффективности свиноводства в Китае.

Клуб конвергенции 3 и Клуб конвергенции 4 включают три провинции. В этих провинциях большое количество живых свиней, но сложность контроля загрязнения также соответственно возросла. В соответствии с природоохранной политикой «кто выращивает свиней, тот и обрабатывает отходы», стоимость обработки навоза для фермеров выше, чем их платежеспособность, что снижает энтузиазм фермеров. Масштаб промышленных организаций низок (Cui и др., 2018), что приводит к низкой эффективности выбросов углерода.

В этой статье зависимая переменная определяется уровнями клуба, которые ранжируются от высокого к низкому как уровни 1–4. Поэтому при анализе влияния движущих факторов на клубную конвергенцию необходимо применять соответствующие преобразования.

Согласно результатам оценки (Таблица 6), первичный член уровня масштаба свиноводческой отрасли положителен, в то время как квадратичный член уровня масштаба отрицателен, и оба значимы, что указывает на наличие U-образной связи между уровнем масштаба и вхождением экологической эффективности свиноводства в высокоуровневый клуб. Влияние масштаба на результаты клубной конвергенции сначала отрицательно, а затем положительно, что означает, что вероятность того, что масштаб помогает конвергировать в высокоуровневые клубы, сначала снижается, а затем увеличивается. Экстремальные точки далее рассчитываются для лучшего описания влияния уровня масштаба на результаты клубной конвергенции. Согласно расчету, экстремальная точка масштаба свиноводческой отрасли составляет 0.13, а средний уровень масштаба e свиноводства в Китае составляет 0.133. Это показывает, что на данном этапе влияние уровня масштаба свиноводства на конвергенцию высокоуровневых клубов преодолело точку перегиба. С улучшением масштаба свиноводства свиноводы постепенно изменили свой режим производства и обратили внимание на скоординированное развитие экономических выгод и экологических эффектов, повысив экологическую эффективность свиноводства.

Таблица 6. Результаты регрессии по модели упорядоченного логита/пробита (ordered logit/probit).

Качество рабочей силы оказывает положительное влияние на клубную конвергенцию на уровне значимости 1%, что указывает на то, что повышение профессионального уровня свиноводов способствует конвергенции в высокоуровневые клубы.

Обеспеченность ресурсами оказывает негативное влияние на вхождение свиноводства в высокоуровневый клуб на уровне значимости 1%. Возможная причина заключается в том, что разрыв в ресурсах расширяет дисбаланс экологической эффективности в разных регионах.

Экологическое регулирование оказывает негативное влияние на вхождение свиноводства в высокоуровневый клуб на уровне значимости 1%, что указывает на то, что государственное регулирование производства свинины в определенной степени увеличило экологическое давление на регионы ключевого развития, и существуют препятствия для скоординированного развития разных регионов.

Вышеуказанный вывод согласуется с «теорией сельскохозяйственной беговой дорожки» (Cochrane, 1958), которая постулирует, что свиноводы должны постоянно расширять масштабы животноводства и совершенствовать методы производства, чтобы поддерживать конкурентоспособность в свиноводческой отрасли. Одновременно гипотеза экологической кривой Кузнеца предполагает, что крупномасштабное развитие приводит к вложению ресурсов. Больший объем производства также увеличивает выбросы углерода в регионе, таким образом влияя на конвергенцию из низкоуровневого клуба в высокоуровневый. Однако после достижения определенного уровня масштаба, с технологическими инновациями и изменениями в методах производства, выбросы углерода будут снижаться, что поможет низкоуровневым клубам конвергировать в сторону высокоуровневых клубов (Kaika и Zervas, 2013). Следовательно, эффективность масштаба последовательно была основным драйвером роста совокупной факторной производительности в свиноводстве. В будущем необходимо продолжать продвигать масштабирование свиноводства для достижения скоординированного развития в разных регионах. В этом процессе следует обратить внимание на силу качества рабочей силы для повышения способности к технологическим инновациям в различных регионах и повышения технической эффективности.

В этой статье для проверки надежности (robustness test) используется модель упорядоченного логита (ordered logit) вместо модели упорядоченного пробита (ordered probit), и результаты показаны в Таблице 6. Уровень масштаба по-прежнему оказывает U-образное влияние на тенденцию конвергенции, и другие результаты согласуются с вышеуказанными результатами, что также указывает на достоверность этого исследования.

Эта статья решает проблемы, поставленные во введении, такие как измерение и региональные различия в экологической эффективности свиноводства в Китае, а также тенденция конвергенции и движущие факторы экологической эффективности свиноводства в Китае.

Во-первых, экологическая эффективность свиноводства в Китае показала восходящую тенденцию с 2008 по 2020 год, что подтверждает точку зрения Guo (Guo и др., 2023). Различные регионы должны сосредоточиться на повышении чистой технической эффективности для улучшения экологической эффективности. Из результатов исследования видно, что экологическая эффективность свиноводства в нашей стране не является оптимальной. Крупномасштабное животноводство является важным путем для устойчивого развития свиноводческой отрасли, и в будущем следует уделять больше внимания технологическому прогрессу (Zhou и др., 2023).

Во-вторых, эта статья обнаруживает, что экологическая эффективность свиноводства в Китае может быть разделена на четыре клуба конвергенции, и региональное развитие не скоординировано. В частности, большинство провинций в высокоуровневом клубе относятся к региону с потенциалом роста и региону с ограниченным развитием в Восточном Китае, что указывает на то, что планирование свиноводческой отрасли Китая дало определенные результаты (Yan и др., 2023). Однако разница в экологической эффективности наиболее очевидна в регионах ключевого развития, при этом большинство провинций находятся во втором клубе, а Чунцин, Сычуань и Хэнань находятся в низкоуровневом клубе. Результаты аналогичны Wang и др. (2023). Это явление окажет негативное влияние на продвижение устойчивого развития свиноводческой отрасли. В сочетании с результатами разложения эффективности все регионы должны способствовать технологическим инновациям и укреплять региональные обмены и сотрудничество. Важно полностью использовать технологические достижения в свиноводстве в регионах ключевого развития, повысить уровень технических затрат и сосредоточиться на повышении чистой технической эффективности. В конечном итоге цель состоит в том, чтобы способствовать эффективному переходу из низкоуровневых клубов в высокоуровневые клубы, тем самым сокращая разрыв в региональном развитии (Lei и др., 2023).

В-третьих, результаты движущих факторов показывают, что влияние уровня масштаба на конвергенцию экологической эффективности свиноводства в высокоуровневые клубы в Китае имеет U-образную форму. Результаты описательного статистического анализа показывают, что большинство регионов Китая преодолели эту точку перегиба. Это предполагает, что продолжение продвижения крупномасштабного свиноводства полезно для достижения баланса в экологической эффективности свиноводства в разных регионах. Мировая свиноводческая отрасль постепенно интегрируется с крупными предприятиями, переживающими быстрый рост; например, количество крупных ферм во Вьетнаме резко увеличилось с 120 000 в 2014 году до 190 000 в 2018 году (Huong и др., 2024). Крупные фермы оптимизируют все аспекты производства, упрощают процессы, сокращают внутренние затраты и максимизируют прибыль, тем самым минимизируя воздействие на окружающую среду (Kim и др., 2024). В Китае уровень вклада 10 крупнейших публичных компаний в свиноводческой отрасли достиг примерно 14%. Эффект масштаба в свиноводстве может в некоторой степени смягчить случайные колебания цен (Yang и др., 2024), что является ключевым фактором, регулируемым китайским правительством. Следовательно, китайское правительство может способствовать развитию крупномасштабного свиноводства в научных рамках «умеренного масштабного животноводства», направляя распределение экономических и социальных ресурсов на высокую концентрацию крупных свиноводческих ферм и непрерывно продвигая свиноводческую отрасль к этапу зеленого и эффективного развития.

Эта статья предлагает следующие политические рекомендации. Во-первых, важно сосредоточиться на повышении технической эффективности свиноводства. Этого можно достичь за счет увеличения технологических инвестиций в регионах ключевого развития свиноводства, предоставления комплексного технического обучения персоналу, создания специализированных учебных центров, организации совещаний по обмену опытом и, в конечном итоге, повышения общей технической эффективности. Во-вторых, необходимо дополнительно продвигать процессы масштабирования свиноводства в нашей стране, стремясь способствовать интеграции экологической эффективности свиноводства в высокоуровневый клуб. Правительство должно направлять средства и социальные ресурсы на крупномасштабные свиноводческие фермы, продолжая поддерживать инициативы по разведению на свободном выгуле и мелкомасштабному животноводству. Наконец, необходимо укреплять сотрудничество между регионами. Провинции внутри одного клуба конвергенции должны тщательно оценивать свою обеспеченность ресурсами и опыт экологической политики. Улучшение межрегиональных обменов и сотрудничества может облегчить эффективную передачу передовых практик из регионов с высоким уровнем клуба в регионы с более низкими клубами, тем самым сокращая разрыв между различными областями. Оптимизация пространственного размещения свиноводства гарантирует, что отрасль будет прогрессировать в направлении зеленого, эффективного и устойчивого развития.

Эта статья все еще имеет некоторые ограничения и пространство для дальнейших исследований. Во-первых, с точки зрения сбора данных, эта статья в максимально возможной степени собирает статистическую информацию, связанную со свиноводством. Учитывая полноту данных, период ограничен 2008–2020 годами, охватывающими важные этапы изменений в размещении свиноводческой отрасли. Примечательно, что в период двенадцатой пятилетки (2010–2015) экологические ограничения на животноводство и птицеводство достигли пика, что значительно повлияло на производственное размещение ферм и связанных отраслей. В тринадцатой пятилетке (2016–2020) Министерство сельского хозяйства представило «Национальный план развития производства свиней (2016–2020)» для улучшения поддержки и руководства развитием производства свинины. Политика «Северного отвода» привела к постепенному смещению распределения свиноводства с юго-востока, характеризующегося густой водной сетью, на северо-восток и юго-запад. Этот период времени представляет собой критический момент для трансформации и модернизации свиноводческой отрасли Китая. Однако африканская чума свиней и пандемия COVID-19 в начале 2020 года оказали неблагоприятное влияние на производственные мощности свинины в Китае. После 2020 года свиноводческая отрасль уделила первостепенное внимание возобновлению производства. Таким образом, в этом исследовании не изучалась конвергенция экологической эффективности после 2020 года, и на более позднем этапе потребуется дальнейшее отслеживание и наблюдение. Во-вторых, с точки зрения измерения выбросов углерода, в этой статье используется метод коэффициента выбросов парниковых газов для измерения выбросов углерода от свиноводства, фокусируясь на прямых выбросах углерода, включая выбросы CH4 при кишечной ферментации свиней и выбросы CH4 и N2O от системы управления навозом, поскольку они являются основными источниками выбросов углерода от производства свинины. Однако это исследование не учитывает косвенные выбросы углерода от производства свинины, такие как выбросы, образующиеся при широком использовании угля, электроэнергии, водопроводной воды, кормов и других ресурсов. Оценка выбросов углерода от свиноводства с точки зрения жизненного цикла является ключевой областью для будущих исследований в этой статье.

Основываясь на панельных данных 30 провинций Китая (исключая Гонконг, Макао, Тайвань и Тибет) с 2008 по 2020 год, эта статья рассчитывает экологическую эффективность свиноводства в Китае и проверяет клубную конвергенцию. Наконец, основываясь на клубной конвергенции экологической эффективности свиноводства в различных регионах, эта статья обсуждает движущие факторы, влияющие на вхождение экологической эффективности свиноводства в высокоуровневый клуб. Конкретные выводы следующие:

Во-первых, экологическая эффективность свиноводства в Китае демонстрирует восходящий тренд. Благодаря разложению эффективности мы видим, что эффективность масштаба долгое время была основным источником экологической эффективности свиноводства, и повышению чистой технической эффективности следует уделять внимание в будущем. Существуют различия в экологической эффективности между разными регионами; экологическая эффективность региона с потенциалом роста является самой высокой, а экологическая эффективность региона ключевого развития — самой низкой.

Во-вторых, согласно результатам группировки клубной конвергенции, экологическая эффективность свиноводства в Китае конвергирует к 4 клубам. Большинство регионов с потенциалом роста и регионов с ограниченным развитием в Китае вовлечены в Клуб 1, включая Шаньдун, Цзянсу, Хэйлунцзян, Аньхой, Чунцин, Хунань, Пекин, Юньнань, Чжэцзян, Сычуань и Шанхай. Клуб 2 включает Ганьсу, Шаньси, Хэбэй, Хайнань, Чжэцзян, Хубэй, Синьцзян, Гуанси, Цзянсу, Ляонин, Шаньдун, Хэйлунцзян, Гуандун, Аньхой и Шэньси; Клуб 3 включает провинции Сычуань и Хэнань, а Клуб 4 включает Чунцин, оба из которых относятся к региону ключевого развития, который также является традиционным основным районом производства свиноводства.

В-третьих, анализируя движущие факторы клубной конвергенции, наблюдается, что уровень масштаба оказывает U-образное влияние на конвергенцию экологической эффективности свиноводства в высокоуровневые клубы в Китае. Примечательно, что самый высокий уровень масштаба свиноводческой отрасли Китая уже преодолел эту точку перегиба, что указывает на то, что дальнейшее увеличение масштаба может повысить экологическую эффективность, способствуя движению в сторону высокоуровневых клубов. Кроме того, повышение качества рабочей силы полезно для достижения конвергенции с этими высокоуровневыми клубами. Однако политика государственного экологического регулирования в отношении производства свинины может в определенной степени усугубить экологическое давление в некоторых регионах, тем самым влияя на скоординированное развитие разных регионов.

1.    Ai-EW., Meng-QiY., De-HaiW. (2018). Spatial-temporal characteristics and decoupling effect of carbon emissions in the major pig producing areas in China. J. Agric. Resour. Environ. 35:269. doi: 10.13254/j.jare.2017.0327. CrossRef. Google Scholar.

2.    AndrettaI., HickmannF. M., RemusA., FranceschiC. H., MarianiA. B., OrsoC. et al. (2021). Environmental impacts of pig and poultry production: insights from a systematic review. Front. Vet. Sci. 8:750733. doi: 10.3389/fvets.2021.750733. CrossRef. Google Scholar.

3.    BoudnýJ., ŠpičkaJ. (2012). The effect of production efficiency on economic results in pig breeding. Res. Pig Breed. 6, 1–8. Google Scholar.

4.    ChengM., YaoW. (2024). Trend prediction of carbon peak in China's animal husbandry based on the empirical analysis of 31 provinces in China. Environ. Dev. Sustain. 26, 2017–2034. doi: 10.1007/s10668-022-02794-6. CrossRef. Google Scholar.

5.    ChungY. H., FäreR., GrosskopfS. (1997). Productivity and undesirable outputs: a directional distance function approach. J. Environ. Manag. 51, 229–240. doi: 10.1006/jema.1997.0146. CrossRef. Google Scholar.

6.    CochraneW. W. (1958). Farm prices: Myth and reality. Minneapolis: University of Minnesota Press. Google Scholar.

7.    CuiC., HuX., WangM. (2018). Operation mechanism, problems and development suggestions of the typical model of pig industry — based on the investigation of Sichuan pig breeding province. Chin. J. Anim. Sci. 54, 123–128. doi: 10.19556/j.0258-7033.2018-02-123. CrossRef. Google Scholar.

8.    DuY.-W., JiangJ., LiC.-H. (2021). Ecological efficiency evaluation of marine ranching based on the super-SBM model: a case study of Shandong. Ecol. Indic. 131:108174. doi: 10.1016/j.ecolind.2021.108174. CrossRef. Google Scholar.

9.    FanD., MaoY., XuL., WangW. (2020). Effects of livestock and poultry breeding pollution on health risks: evidence from a hog breeding case in rural China. Chin. J. Popul. Resour. Environ. 18, 342–349. doi: 10.1016/j.cjpre.2021.04.008. CrossRef. Google Scholar.

10. FäreR., GrosskopfS., LovellC. K., PasurkaC. (1989). Multilateral productivity comparisons when some outputs are undesirable: a nonparametric approach. Rev. Econ. Stat. 71, 90–98. doi: 10.2307/1928055. CrossRef. Google Scholar.

11. FuJ., XiaoG., GuoL., WuC. (2018). Measuring the dynamic efficiency of regional industrial green transformation in China. Sustain. For. 10:628. doi: 10.3390/su10030628. CrossRef. Google Scholar.

12. GalanopoulosK., AggelopoulosS., KamenidouI., MattasK. (2006). Assessing the effects of managerial and production practices on the efficiency of commercial pig farming. Agric. Syst. 88, 125–141. doi: 10.1016/j.agsy.2005.03.002. CrossRef. Google Scholar.

13. GuoH., LiS., PanC., XuS., LeiQ. (2023). Analysis of spatial and temporal characteristics of carbon emission efficiency of pig farming and the influencing factors in China. Front. Public Health 11:1073902. doi: 10.3389/fpubh.2023.1073902. CrossRef. Google Scholar.

14. HanZ., HanC., YangC. (2020). Spatial econometric analysis of environmental total factor productivity of animal husbandry and its influencing factors in China during 2001–2017. Sci. Total Environ. 723:137726. doi: 10.1016/j.scitotenv.2020.137726. CrossRef. Google Scholar.

15. HuongL. T. T., TakahashiY., Van DuyL., DuongP. B., ChungD. K., SonC. T. et al. (2024). Feeding modes and technical efficiency of small pig holders in Vietnam: a case study in Hanoi. Environ. Dev. Sustain., 1–17. doi: 10.1007/s10668-024-04610-9. CrossRef. Google Scholar.

16. JadoonA. K., SarwarA., JavaidM. F., ShoukatA., IqbalM., HaqZ. U. et al. (2023). Estimating environmental efficiency of the selected Asian countries: does convergence exist? Environ. Sci. Pollut. Res. 30, 55024–55033. doi: 10.1007/s11356-023-26221-z. CrossRef. Google Scholar.

17. KaikaD., ZervasE. (2013). The environmental Kuznets curve (EKC) theory—part a: concept, causes and the CO2 emissions case. Energy Policy 62, 1392–1402. doi: 10.1016/j.enpol.2013.07.131. CrossRef. Google Scholar.

18. KimS. W., GormleyA., JangK. B., DuarteM. E. (2024). Current status of global pig production: an overview and research trends. Anim. Biosci. 37, 719–729. doi: 10.5713/ab.23.0367. CrossRef. Google Scholar.

19. KuhnL., BalezentisT., HouL., WangD. (2020). Technical and environmental efficiency of livestock farms in China: a slacks-based DEA approach. China Econ. Rev. 62:101213. doi: 10.1016/j.chieco.2018.08.009. CrossRef. Google Scholar.

20. LatruffeL., DesjeuxY., BakucsZ., FertőI., FogarasiJ. (2013). Environmental pressures and technical efficiency of pig farms in Hungary. Manag. Decis. Econ. 34, 409–416. doi: 10.1002/mde.2600. CrossRef. Google Scholar.

21. LeiS. H., YangX., QinJ. H. (2023). Does agricultural factor misallocation hinder agricultural green production efficiency? Evidence from China. Sci. Total Environ. 891:164466. doi: 10.1016/j.scitotenv.2023.164466. CrossRef. Google Scholar.

22. LiY., WuN., XuR., LiL., ZhouW., ZhouX. (2017). Empirical analysis of pig welfare levels and their impact on pig breeding efficiency—based on 773 pig farmers' survey data. PLoS One 12:e0190108. doi: 10.1371/journal.pone.0190108. CrossRef. Google Scholar.

23. LinZ.-T., ZhangY.-R. (2023). Temporal and spatial differences and influencing factors of green total factor productivity of animal husbandry in China. J. Ecol. Rural Environ. 39, 1144–1157. doi: 10.19741/j.issn.1673-4831.2022.0907. CrossRef. Google Scholar.

24. LyN. T., NansekiT., ChomeiY. (2016). Technical efficiency and its determinants in household pig production in Vietnam: a DEA approach. Jpn. J. Rural Econ. 18, 56–61. doi: 10.18480/jjre.18.56. CrossRef. Google Scholar.

25. PexasG., MackenzieS. G., WallaceM., KyriazakisI. (2020). Environmental impacts of housing conditions and manure management in European pig production systems through a life cycle perspective: a case study in Denmark. J. Clean. Prod. 253:120005. doi: 10.1016/j.jclepro.2020.120005. CrossRef. Google Scholar.

26. PhilippeF.-X., NicksB. (2015). Review on greenhouse gas emissions from pig houses: production of carbon dioxide, methane and nitrous oxide by animals and manure. Agric. Ecosyst. Environ. 199, 10–25. doi: 10.1016/j.agee.2014.08.015. CrossRef. Google Scholar.

27. PhillipsP. C. B., SulD. (2007). Transition modeling and econometric convergence tests. Econometrica 75, 1771–1855. doi: 10.1111/j.1468-0262.2007.00811.x. CrossRef. Google Scholar.

28. PradeepG., ShaijumonC. S., RajkumarR., PradeepJ. (2022). Methane emissions from dairy farms: case study from a coastal district in South India. Environ. Dev. Sustain. 24, 9929–9962. doi: 10.1007/s10668-021-01851-w. CrossRef. Google Scholar.

29. ReinhardS., LovellC. K., ThijssenG. J. (2000). Environmental efficiency with multiple environmentally detrimental variables; estimated with SFA and DEA. Eur. J. Oper. Res. 121, 287–303. doi: 10.1016/S0377-2217(99)00218-0. CrossRef. Google Scholar.

30. SingboA., LarueB., TaminiL. D. (2020). Total factor productivity change in hog production and Quebec's revenue insurance program. Can. J. Agric. Econ. 68, 21–46. doi: 10.1111/cjag.12220. CrossRef. Google Scholar.

31. SunY., YangF., WangD., AngS. (2023). Efficiency evaluation for higher education institutions in China considering unbalanced regional development: a meta-frontier super-SBM model. Socio Econ. Plan. Sci. 88:101648. doi: 10.1016/j.seps.2023.101648. CrossRef. Google Scholar.

32. TanY., HuH., ZhouJ. (2018). Impact of regional environmental regulation on pig husbandry. Jiangsu Agric. Sci. 46, 347–352. doi: 10.15889/j.issn.1002-1302.2018.13.080. CrossRef. Google Scholar.

33. TangK., XiongC., WangY., ZhouD. J. (2021). Carbon emissions performance trend across Chinese cities: evidence from efficiency and convergence evaluation. Environ. Sci. 28, 1533–1544. doi: 10.1007/s11356-020-10518-4. CrossRef. Google Scholar.

34. ToneK. (2001). A slacks-based measure of efficiency in data envelopment analysis. Eur. J. Oper. Res. 130, 498–509. doi: 10.1016/S0377-2217(99)00407-5. CrossRef. Google Scholar.

35. WangL., ChangQ., KongR. (2023). Regional differences and convergence of green total factor productivity in pig breeding: evidence from China. Front. Environ. Sci. 11:1162502. doi: 10.3389/fenvs.2023.1162502. CrossRef. Google Scholar.

36. WangS., TianX., XuZ. (2020). Study on the optimal scale of pig breeding in China — based on different efficiency indexes. Stat. Decis. 36, 51–56. doi: 10.13546/j.cnki.tjyjc.2020.17.011. CrossRef. Google Scholar.

37. WenH., LiH., LiJ., ZhongS. (2022). Green total factor productivity of dairy farming in China: based on the perspective of scale heterogeneity. Front. Environ. Sci. 10:961178. doi: 10.3389/fenvs.2022.961178. CrossRef. Google Scholar.

38. XuJ., WangJ., WangH., LiC. (2022). Evolution trend and promotion potential of environmental efficiency of dairy farming in China from the perspective of "club convergence". Front. Environ. Sci. 10:967150. doi: 10.3389/fenvs.2022.967150. CrossRef. Google Scholar.

39. YanS., SunJ., YuanyuanZ. (2023). Evidence of efficiency in "south and north pig farming": analysis based on Malmquist index and super efficiency SBM model. Chin. J. Ani. Sci. 59, 335–340. doi: 10.19556/j.0258-7033.20220517-04. CrossRef. Google Scholar.

40. YanZ., WangC., LiuT. (2020). An analysis of the environmental efficiency of pig farms and its determinants—a field study from China. Environ. Sci. Pollut. Res. Int. 27, 38084–38093. doi: 10.1007/s11356-020-09922-7. CrossRef. Google Scholar.

41. YangQ., QiaoS., YingR. (2024). Agricultural industrial scale, price random fluctuation, and profitability levels: evidence from China's pig industry. Front. Sustain. Food Syst. 8:1291743. doi: 10.3389/fsufs.2024.1291743. CrossRef. Google Scholar.

42. YaoW. (2024). Does scaling up pig farming promote carbon neutrality among pig farmers? Appl. Biochem. Biotechnol. 196, 9027–9048. doi: 10.1007/s12010-024-05029-8. CrossRef. Google Scholar.

43. ZengF., LiD., TanY. J. C. P. (2021). The impact of pig industry transfer on agricultural structure adjustment in the context of environmental regulation China population. Resour. Environ. 31, 158–166. doi: 10.12062/cpre.20200914. CrossRef. Google Scholar.

44. ZhangR., FuX., LiJ. (2020). Environmental efficiency and random convergence analysis of large-scale pig breeding in China. J. Phys. Conf. Ser. 1549:022061. doi: 10.1088/1742-6596/1549/2/022061. CrossRef. Google Scholar.

45. ZhangJ., ZengW., WangJ., YangF., JiangH. (2017). Regional low-carbon economy efficiency in China: analysis based on the super-SBM model with CO2 emissions. J. Clean. Prod. 163, 202–211. doi: 10.1016/j.jclepro.2015.06.111. CrossRef. Google Scholar.

46. ZhongS., LiJ., ChenX., WenH. (2021). A multi-hierarchy meta-frontier approach for measuring green total factor productivity: an application of pig breeding in China. Socioecon. Plann. Sci. 81:101152. doi: 10.1016/j.seps.2021.101152. CrossRef. Google Scholar.

47. ZhongS., LiJ., ZhangD. (2022). Measurement of green total factor productivity on Chinese pig breeding: from the perspective of regional differences. Environ. Sci. Pollut. Res. 29, 27479–27495. doi: 10.1007/s11356-021-17908-2. CrossRef. Google Scholar.

48. ZhouJ., JiangM., ChenG. (2007). Estimation of methane and nitrous oxide emission from livestock and poultry in China during 1949–2003. Energy Policy 35, 3759–3767. doi: 10.1016/j.enpol.2007.01.013. CrossRef. Google Scholar.

49. ZhouJ., QingP., YanT. (2018). Technology Progress, production intensification and greenhouse gas emission reduction in China pig. Breed. J. Huazhong Agric. Univ. 4, 38-45+167. doi: 10.13300/j.cnki.hnwkxb.2018.04.005. CrossRef. Google Scholar.

50. ZhouK., WangH., WuJ., LiJ. (2023). Effect of digital economy on large-scale pig farming: an empirical study from China. Cogent Food Agric. 9:2238985. doi: 10.1080/23311932.2023.2238985. CrossRef. Google Scholar.

51. ZhuB., KrosJ., LesschenJ. P., StaritskyI. G., de VriesW. (2016). Assessment of uncertainties in greenhouse gas emission profiles of livestock sectors in Africa, Latin America and Europe. Reg. Environ. Chang. 16, 1571–1582. doi: 10.1007/s10113-015-0896-9. CrossRef. Google Scholar.

52. ZhuZ., ShuningZ., ZhouL., ZhangT. (2023). Sustainability of assessment of China's hog industry in the new pattern of high-quality development. Issues Agric. Econ. 4, 105–122. doi: 10.13246/j.cnki.iae.2023.04.005. CrossRef. Google Scholar.

Wang J, Zhao C and Chen S (2025) Analysis of convergence trends and driving factors of environmental efficiency of pig farming in China. Front. Sustain. Food Syst. 9:1467378. doi: 10.3389/fsufs.2025.1467378

Перевод статьи «Analysis of convergence trends and driving factors of environmental efficiency of pig farming in China» авторов Wang J, Zhao C and Chen S., оригинал доступен по ссылке. Лицензия: CC BY. Изменения: переведено на русский язык

Фото: wikipedia