EN中文

Economic geography >

2019 , Vol. 39 >Issue 2: 180 - 189

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.02.022

Spatial-Temporal Characteristics and Affecting Factors of Swine Breeding Industry in China

  • ZHAO Junwei , 1, 2 ,
  • CHEN Yongfu 2 ,
  • YU Le 3 ,
  • YIN Changbin 1, ※
Expand
  • 1. Institute of Agricultural Resources and Regional Planning，Chinese Academy of Agricultural Sciences，Beijing 100081，China
  • 2. College of Economics and Management，China Agricultural University，Beijing 100083，China
  • 3. School of Agriculture and Rural Development，Renmin University of China，Beijing 100872，China

Received date: 2018-05-18

  Revised date: 2018-11-23

  Online published: 2025-04-27

Fold

Abstract

Based on the data of the development of swine breeding industry in China from 1996 to 2016 and applying the method of Gini coefficient, this paper analyzes its temporal and spatial distribution and evolution characteristics. And then, it analyzes the geographical agglomeration effect of swine breeding industry from the perspective of spatial correlation by the method of Moran's I index. On this basis, this paper builds a dynamic spatial panel data model to analyze the main factors that affect the geographical agglomeration of swine breeding industry in China. The results show that: The spatial agglomeration characteristics of swine breeding industry are significant and has a trend of getting weak, and the spatial and temporal distribution shows the agglomeration-expansion-agglomeration characteristics: the swine breeding industry has a steady rising trend of agglomeration from 1996 to 2005; and its concentration trend gradually weakened from 2005 to 2013; it shows a rising trend of agglomeration from 2013 to 2016. The Moran's I index shows that there is spatial autocorrelation in the development of swine breeding industry in China, which indicates a significant geographical agglomeration effect. Moran scatter plot furtherly explains its spillover effect in China's provinces and regions, and the provinces with high level of development have the radiation driving effect on the surrounding provinces and regions, which gradually narrows the gap between the provinces. The geographical agglomeration of swine breeding industry is influenced by many factors, such as resources, economy, technology and so on. Among them, land resources, urbanization rate and technical level have a significant influence on it. Therefore, it should make planning according to local conditions in the swine breeding industry, aim at the market, make full use of the potentiality of resource effectively play the radiation leading role of the higher swine production level in the provinces and regions, increase the technical support and promote the coordinated development of the region.

Key words： swine breeding industry; geographic agglomeration; pork products; fecal pollution source; scale breeding; green development

Cite this article

ZHAO Junwei , CHEN Yongfu , YU Le , YIN Changbin . Spatial-Temporal Characteristics and Affecting Factors of Swine Breeding Industry in China[J]. Economic geography, 2019 , 39(2) : 180 -189 . DOI: 10.15957/j.cnki.jjdl.2019.02.022

“猪粮安天下”，生猪生产是农业的重要组成部分，发展生猪生产有利于保障猪肉产品供应、加大农民增收、促进经济社会稳定发展[1]。目前，中国生猪养殖业发展处于转型升级的关键时期，面临着资源约束趋紧、环境压力加大、国际竞争加剧、市场波动加深等问题[2]。其中，土地资源短缺逐渐成为生猪规模养殖发展的重大制约，粪便污染、种养脱节等问题也日益突出[3]，尤其是京津冀地区和南方水网区面临巨大挑战。因此，在部分生猪养殖区域承受着严重破坏资源环境承载力的风险，难以有效促进生猪养殖业可持续发展的条件下，应突破地域空间限制，充分发挥和利用其它适宜生猪养殖省区的资源，适度发展生猪养殖业，这对于促进生猪产业绿色发展、保障猪肉产品供给具有重要意义。
产业地理集聚是产业在空间上一种组织形态，是实现规模经济的前提，能够有效促进产业发展[4]，Rosenthal认为规模经济由产业、时间和空间三维共同作用，自然优势、市场和消费等成为产业集聚形成的主要原因[5]。国外较早开展农业产业集聚相关研究，主要在畜牧业[6]、果蔬业[7]和种植业[8]等产业关于集聚趋势、驱动因素等方面。随着城镇化和农业产业化发展进程加快，中国农业逐渐呈现规模化、区域化、集聚化发展特征，已有学者针对大豆种植[9]、果蔬生产[10-11]、水产养殖[12]等产业从省级层面对其地理集聚特征进行研究，而对于生猪养殖业地理集聚特征的相关研究鲜见。以上研究较多采用区位基尼系数、区位熵、集中度等指标测算地理集聚程度，部分研究成果为本文研究提供借鉴。
关于生猪养殖业生产布局影响因素的研究中，周旭英等[13]认为技术条件是影响生猪区域布局形成的因素。张振等发现消费市场潜力、气候条件和交通条件等因素显著影响生猪生产布局，而屠宰前活猪价格对生猪布局影响不显著[14]。张园园等通过对山东省生猪生产布局影响因素进行分析，结果发现消费市场潜力、政策扶持等因素较为显著[15]。已有研究很少将地理空间因素纳入到生猪生产布局影响因素中进行实证分析。随着生猪养殖规模化、集约化和专业化发展，饲养消耗资源不断增长，生猪养殖业受资源制约开始加重[16]，资源条件在一定程度上影响着生猪养殖业发展。基于此，本文结合生猪养殖业特点，从资源要素角度分析中国生猪养殖业地理集聚的主要影响因素。资源要素主要涵盖自然资源、经济水平、技术水平等几个方面，为了进一步验证并科学分析中国生猪养殖业集聚发展的影响因素，本文提出以下假设：
假设1：自然资源越丰富的省区生猪养殖业地理集聚程度越高；
假设2：经济发展水平越高的省区生猪养殖业地理集聚程度越高；
假设3：养殖技术水平越高的省区生猪养殖业地理集聚程度越高。
基于已有研究，本文运用区位基尼系数指标测度1996—2016年中国生猪养殖业时空分布及其演变特征，进一步运用Moran's I指数从空间相关性角度对生猪养殖业的地理集聚效应进行分析，在此基础上，结合本文提出的研究假设，构建空间动态计量模型分析影响中国生猪养殖业集聚发展的主要因素，以期为优化生猪养殖业区域布局、保障《全国生猪生产发展规划（2016—2020年）》的顺利实施及相关部门制定生猪养殖业可持续发展相关政策等提供参考。

1 研究方法及数据说明

1.1 研究方法

产业空间集聚的测度主要通过地理集中和产业集中来实现。常用的方法有赫希曼—赫芬代尔系数、区位基尼系数、区位熵指数、胡弗系数、产业集中率以及产业结构分布指数[17-19]，通过对比分析各种方法的偏重和适用范围，结合生猪养殖产业特点，选取区位基尼系数测度中国生猪养殖业的空间集聚程度，并运用Moran's I指数测度生猪养殖业发展的地理空间相关性。进一步基于生猪养殖业空间集聚特征，引入空间权重矩阵，建立空间计量模型，实证分析生猪养殖业集聚发展的影响因素。

1.1.1 区位基尼系数

关于产业集聚和地理集中的测度方法中，区位基尼系数是较为常用的方法，用来度量收入不平等和产业发展在地理上的集中程度。该指标数值越高，表明地理集中度或专业化程度越高。区位基尼系数取值范围为[0,1]，若取值为0，表示该产业地理空间分布完全均等；反之，若取值为1，则表示该产业在空间分布上集聚于某一区域。本文借鉴姚成胜等的研究，定义中国生猪养殖业的区位基尼系数，并运用区位基尼系数分析中国生猪养殖业发展的空间集聚程度[12]。计算公式如下：
G = 1 2 n n - 1 u ∑ k = 1 n ∑ j = 1 n x k - x j
式中： G为基尼系数； x k与 x j分别代表省区 k与省区 j的生猪出栏量占全国生猪出栏量的比重； n表示省区数； μ是各省区的生猪出栏量占全国生猪出栏量比重的平均值。将式（1）进行变换得：
G = 1 2 n - 1 ∑ k = 1 n ∑ j = 1 n x k - x j
式中：当区位基尼系数 G越接近于0，表明生猪养殖业的空间分布相对越均衡，反之，当 G值越接近于1，说明生猪养殖在空间上呈现越不均衡的分布，或者说生猪养殖业发展的空间集聚程度就越高。

1.1.2 生猪养殖业发展的空间相关分析

为测度中国生猪养殖业发展在地理空间上的集聚程度，运用Moran's I指数计算中国区域生猪养殖业的空间相关性，并绘制Moran's I指数散点图。Moran's I指数的空间自相关分为两部分：全局空间自相关和局部空间自相关，本文的空间集聚效应分析方法主要参考赵俊伟等[20]研究中的计算公式及释义，本部分数据分析主要通过ArcGIS 10.2、OpenGeoDa 1.2.0等空间分析软件实现。
①全局空间自相关。Moran's I指数计算公式如下：
I = n ∑ i = 1 n ∑ j = 1 n W i j x i - x ¯ x j - x ¯ ∑ i = 1 n ∑ j = 1 n W i j ∑ i = 1 n x i - x ¯ 2 = ∑ i = 1 n ∑ j = 1 n W i j x i - x ¯ x i - x ¯ S 2 ∑ i = 1 n ∑ j = 1 n W i j
式中： I为全局Moran's I指数；n表示测度区域的个数； x i和 x j分别表示区域i和j地理单元上的属性值； x ¯为各个区域属性值的平均数； s 2为各个区域属性值的方差； W i j是定义区域i和j之间空间关系的权重矩阵，表示区域i和j的邻近关系。权重矩阵通过空间分析软件Open GeoDa1.2.0采用rook方式生成。
②局部空间自相关。Moran's I指数反映邻近省区的集聚效应，并不能体现空间集聚形式，通过Moran散点图可分析局部相关性。计算公式如下：
I i = x i - x ¯ S 2 ∑ j = 1 n W i j x j - x ¯ 2
式中： I i是第i个区域单元的Moran's I指数，其它代码释义同式（3）。

1.1.3 空间计量分析模型

结合影响生猪养殖业发展的因素，引入空间权重矩阵构建空间动态面板模型，根据空间项的不同冲击方式，主要分为两种模型[21]：空间滞后模型（SLM）和空间误差模型（SEM），本部分实证分析主要通过MATLAB.R 2010 b的空间计量工具包实现。
①SLM模型。该模型用于研究邻近省区生猪养殖业发展对本地区生猪养殖的空间溢出效应，表达式为：
Y = ρ W Y + X β + ε
式中： Y为被解释变量； W为 n × n阶的空间权重矩阵；X为 n × k阶的自变量矩阵（ k为影响因素个数）； β为变量回归系数； ρ为空间回归系数，反映空间依赖作用； W Y为空间滞后因变量，反映空间距离对生猪养殖业发展的作用。
②SEM模型。该模型用于度量邻近省区因变量的误差对本地区观测值的影响程度，表达式为：
Y = X β + ( 1 - λ W ) - 1 μ       μ ~ ( 0 , σ 2 )
式中：参数 λ反映空间依赖作用，与SLM模型描述的依赖性作用不同，SEM模型是观测单元的扰动误差项之间存在这空间依赖作用大小，反映邻近省区关于因变量的误差对本地区观测值的影响程度和方向。

1.2 数据来源及说明

鉴于数据可获得性，本文所用数据为1996—2016年中国31个省区的面板数据，不包括香港、澳门和台湾地区。其中，生猪存栏量、出栏量、产肉量数据主要来源于1997—2017年《中国统计年鉴》，不同规模猪场数量来自1997—2017年《中国畜牧兽医年鉴》，由于不同规模猪场生猪出栏量统计至2010年，2011—2016年的出栏量由规模猪场数量和对应规模范围估算得出；分析生猪养殖业集聚发展影响因素相关的水资源总量、粮食产量、常住人口数、城镇人口数、畜牧兽医技术人员数等指标数据来自国家统计数据库，耕地面积数据来自《中国农业年鉴（2006—2017年）》。

2 中国生猪养殖业发展现状

2.1 综合生产能力持续增强

中国既是养猪大国，也是猪肉消费大国，中国猪肉产量占全球猪肉总量的49%，人均猪肉消费量39.9 kg，中国猪肉产量占肉类总量的60%以上，远远高于牛羊肉产量，猪肉产量从1996年的3 158万t增长到2016年的5 299.1万t，年均增长率达3.4%，综合生产能力的提升为国民猪肉食品消费提供了强有力的保障。生猪养殖业作为畜牧业支柱产业，在中国农业生产发展过程中一直占有举足轻重的地位，随着养殖业的不断发展，生猪养殖综合生产能力不断增加（图1）。1996年以来，中国生猪出栏总体上呈稳增长态势，受市场、疫病等多方面因素影响，生猪年出栏增长率呈现波动态势，但基本稳定在3%左右。
图1 生猪存栏量、出栏量及出栏增长率（1996—2016年）

Fig.1 The amount of swine breeding stock and slaughter and the growth rate of swine breeding stock（1996-2016）

2.2 生猪规模化养殖趋势明显

结合生猪规模养殖场规模分类标准 ① ，对生猪规模养殖场数量进行整理统计。1998年以来，中国生猪饲养规模化程度越来越高，猪场逐渐朝着中规模和大规模方向发展。其中，小规模猪场占比从1998年的97.81%下降至2016年的89.32%，中规模养猪场数量占比从1998年的2.12%增加到2016年的10.48%，大规模养猪场数量也有所增加。从不同规模猪场生猪出栏量占全国生猪出栏量的比重看，小规模猪场生猪出栏量占比从1998年的15.53%增加到2016年的37.68%，呈现先增后减趋势，中规模猪场生猪出栏量占比从1998年的5.82%增加到2016年的43.52%，呈现增长趋稳态势，大规模猪场生猪出栏量占比从1998年的1.85%增加到2016年的16.59%，呈增长趋势。总体上，规模猪场数量及其出栏量占比的变化在一定程度上反映了中国生猪养殖规模化进程越来越快。

2.3 生猪养殖逐渐“南猪北养”

从生猪出栏量区域分布来看（图2），中国生猪养殖主要分布在中东部地区，1996—2016年，四川、河南、山东、湖南、湖北等地逐渐成为生猪养殖主产省，“秦岭—淮河”一线以南省区生猪出栏量增长趋势相对较小，部分省区呈现增加后减少趋势，尤其以东部沿海省区表现较为明显；“秦岭—淮河”一线以北省区生猪出栏量基本呈逐年增加态势，位于东北地区的黑吉辽和西北的新疆、甘肃等地区的生猪出栏量增幅也较为明显。整体来看，中国生猪养殖区域分布仍以中东部省区为主，但是，随着养殖业发展，生猪养殖分布正逐渐由东南地区向东北、西北和西南地区转移，生猪养殖区域不断优化。
图2 中国不同省域生猪养殖空间分布（1996—2016年）

Fig.2 The spatial distribution of swinebreeding in different provinces in China (1996-2016)

从规模猪场分布来看（图3），2007—2015年中国规模养猪场的密度不断增加，主要分布在中国中东部地区及西部的四川、云南等地，养殖规模类型以中小规模居多。其中，小规模猪场逐渐减少，大规模和中规模猪场逐渐增多，且在“秦岭—淮河”以北增幅较为明显，并逐渐向北部地区和西部地区转移。从省际规模养猪场分布密度及变化区域看，中国生猪养殖空间分布界线接近平行于表征人口分布的胡焕庸线，即黑河—腾冲线，具有东南至西北递减特征，随着时间推移，胡焕庸线左侧区域大规模、中规模猪场数量逐渐增加。
图3 不同规模猪场分布情况（2007—2015年）

Fig.3 The distribution of swine farms at different scale（2007-2015）

2.4 生猪养殖资源环境压力越来越大

随着规模化、集约化养殖快速发展，种养脱节造成的环境污染问题日益突出，土地资源短缺成为生猪规模养殖发展的重大制约[22]，同时，生猪养殖也成为主要的畜禽养殖污染源，局部地区甚至已经超出资源环境承载能力，造成资源环境压力和安全约束，影响到区域的可持续发展。具体表现为：一是专业化分工导致农牧结合、种养循环受阻。在传统养殖业向现代养殖业的转变过程中追求高效率的同时，使种养业经营主体逐渐分离，区域粪污集存量越来越大，又无法就近就地及时消纳，养猪场偷排、乱排现象滋生，造成周边环境污染越来越严重[3]。二是养殖污染防控资金投入存在缺口。目前，国家对生猪养殖污染防治的财政投入少，专项投入更少[23]。以河南省为例，生猪养殖污染防治的主要资金来源于农村沼气工程项目、生猪生产扶持项目（生猪标准化规模场建设项目、生猪调出大县奖励）以及现代农业发展资金等项目中抽出一定比例，且资金量非常少。三是环境规制强度不断加大。2014年以来，《畜禽规模养殖污染防治条例》、“土十条”、“水十条”等文件的相继出台实施，对养猪场粪污处理的要求越来越严，部分省区严格执行生猪养殖禁养区和限养区，尤其是南方水网区对养殖“三区”的划定，对生猪养殖业的发展造成较大的冲击[24]。

3 地理集聚特征及空间演变趋势

3.1 中国生猪养殖业地理集聚特征

中国生猪养殖业发展的区位基尼系数如图4所示。基尼系数0.4是空间分布均匀与否的警戒线，计算结果显示中国生猪养殖区位基尼系数在0.4692~0.4908之间，说明中国生猪养殖业在空间上集聚特征明显，且始终处于不均匀的状态。同时，基尼系数的大小变化可定量显示生猪养殖空间分布的集聚和疏散的过程，2004年区位基尼系数最高达0.491，2011年最低为0.469。1996—2005年中国生猪养殖业区位基尼系数呈现波动趋势，2005—2013年区位基尼系数呈下降趋势，2013—2016又呈回升趋稳态势。中国生猪养殖业空间分布呈“集—散—集”的变化特征，总体上呈现空间分布不平衡现象。
图4 区域基尼系数趋势（1996—2016年）

Fig.4 The trend of regional Gini coefficient（1996-2016）

3.2 生猪养殖业的空间全局与局部模式分析

3.2.1 全局空间自相关分析

为测度中国生猪养殖在地理空间上的集聚程度，本文使用1996—2016年各省生猪出栏量占全国的比值组成的面板数据，运用OpenGeoDa 1.2.0空间分析软件计算Moran's I值，并进行显著性检验，检验表明，1996—2016年的Moran's I值均大于0，Moran's I值分布在0.1081~0.1865之间，并通过显著性检验。Moran's I指数变化趋势如图5所示。
图5 中国生猪养殖业Moran's I指数变化趋势

Fig.5 The change trend of Moran's I index of Chinese swine breeding industry

从图5可以看出，中国生猪养殖业发展存在空间自相关，即存在空间集聚效应。1996—2016年，中国生猪养殖业空间集聚效应呈现先波动中下降，继而迅速增长，后又稳中有升的变化趋势。1996—2005年空间集聚效应较弱，空间自相关程度整体偏低并呈现下降趋势，生猪养殖业发展水平较高省份的邻近区域由于受养殖技术、资源禀赋、产业结构等因素的影响，与较远地区的生猪养殖业发展机会相对平等；2005—2007年集聚程度呈急剧上升趋势，表明中国生猪养殖业分布的空间自相关性在急剧增强，生猪养殖业发展水平较高省份的辐射效应带动邻近区域养殖业发展，与较远地区的生猪养殖业发展差距越来越明显；2007—2011年集聚度趋于均衡；2011—2016年集聚度呈稳中增长趋势。整体上中国生猪养殖业空间集聚现象呈增长态势。尤其是近几年空间集聚度较大，区域发展不平衡，主要是因为规模化、集约化、专业化养殖的迅速发展，同时，大量散养户和小规模养殖户逐渐退出等。

3.2.2 局部空间自相关分析

Moran's I值反映了邻近区域生猪养殖发展存在的空间集聚效应，但并不能体现空间集聚的局部形式。而Moran散点图可以有效分析其局部变化趋势，以及各省区与邻近区域的局部空间相关性。Moran散点图将各省区生猪养殖业发展水平分布在4个象限，依次为高—高（H-H）、低—高（L-H）、低—低（L-L）、高—低（H-L）四类集聚区，其空间联系分别表现为扩散效应、过渡区域、低速增长区、极化效应。运用OpenGeoDa 1.2.0实现1996—2016年具有代表性年份的中国生猪养殖业空间布局Moran散点图（图略），图中横坐标为省区单元生猪养殖业发展水平的标准化值，纵坐标表示邻近省区生猪养殖业发展水平的空间加权平均值，又称空间滞后变量。
从表1可以看出，大多数省区集中在H-H、L-H和L-L三个集聚区。其中，H-H集聚区的省区主要分布在中东部和南部地区，L-H集聚区的省区主要分布在中西部地区，L-L集聚区的省区主要分布在北部地区，H-H集聚和L-L集聚的两极化趋势相对较为明显。H-H集聚区和L-L集聚区的省区数量相比较多，L-H集聚区分布的省区数量逐渐减少，在一定程度上反映了生猪养殖发展水平相对较高和较低的省区在地理空间上分布相对较为集中。
表1 中国生猪养殖业局部空间聚类表

Tab.1 The local spatial clustering of Chinese swine breeding industry

年份 H-H L-H L-L H-L
1996 鲁、豫、鄂、湘、皖、赣、粤、桂、云、渝（10） 津、陕、晋、浙、沪、闽、贵、青、藏（9） 蒙、黑、吉、辽、京、甘、宁、新、琼（9） 冀、川、苏（3）
2000 鲁、豫、鄂、湘、皖、赣、粤、桂、苏、云、渝（11） 京、津、陕、晋、浙、沪、闽、贵、藏、辽（10） 蒙、黑、吉、甘、宁、青、新、琼（8） 冀、川（2）
2004 鲁、豫、鄂、湘、皖、赣、粤、桂、苏、云、辽、冀（12） 京、津、陕、晋、沪、闽、贵、藏、渝（9） 蒙、黑、吉、甘、宁、青、新、琼、浙（9） 川（1）
2008 鲁、豫、鄂、湘、皖、赣、粤、桂、苏、云（10） 陕、晋、沪、闽、贵、藏、渝（7） 蒙、黑、吉、京、津、甘、宁、青、新、琼、浙（12） 冀、川、辽（3）
2012 鲁、豫、鄂、湘、皖、赣、粤、桂、苏、云（10） 陕、晋、沪、闽、贵、藏、渝、浙（8） 蒙、黑、吉、京、津、甘、宁、青、新、琼（10） 冀、川、辽（3）
2016 鲁、豫、鄂、湘、皖、赣、粤、桂、苏、云、冀（11） 陕、晋、闽、贵、藏、渝（6） 蒙、黑、吉、京、津、甘、宁、青、新、琼、沪、浙（12） 川、辽（2）

注：各省区由其对应简称代替。

为进一步分析中国各时段生猪养殖的局部空间集聚特征，将上述结果进行汇总，见表1。各类型区集聚特征分析为：
①H-H集聚区。主要集中在中东部和南部部分地区。该区域各省区生猪养殖业发展水平相对较高，养殖规模相对较大，同时，该集聚区地理区位、资源禀赋等优势推动生猪养殖业发展，并对邻接省区的生猪养殖业发展起到辐射带动作用，该集聚区表现出较为明显的扩散效应。
②L-H集聚区。主要集中在中西部的山西、陕西、重庆、贵州、西藏和东部沿海的上海、浙江、福建等省区。该集聚区生猪养殖业发展水平相对较低，其邻接省区发展水平相对较高。1996—2016年，该区域分布的省区逐渐减少，其中，北京、天津、浙江等省区逐渐由L-H集聚区转入L-L集聚区，表现为明显的过渡区域。
③L-L集聚区。该区域主要集中在北部的黑龙江、吉林、内蒙古、宁夏、甘肃、青海、新疆和南部的海南等地区，大部分省区在地理位置上相邻，生猪养殖业发展总体水平比较低。从表中可以看出，该区域所占省份的比例逐渐增加。由于产业结构较为相似，长期处于低速发展水平，该区域环境承载力和饲料资源的优势，使其成为生猪养殖业发展的潜在增长区。
④H-L集聚区。主要分布在河北、四川、辽宁等地。该区域生猪养殖规模及发展水平相对较高，但其邻接省区发展水平较低，使得该区域各省区表现为明显的极化效应。例如，四川作为中国生猪养殖第一大省，邻接省区为陕西、重庆、贵州、云南、西藏、青海、宁夏等，邻接区域的生猪养殖业发展水平相对较低，而四川发展水平较高，因此，对其产生一定的极化效应。

4 中国生猪养殖业集聚发展的影响因素

生猪养殖业区位基尼系数对中国生猪养殖业的地理集聚进行刻画。前文分析（Moran's I）显示，中国生猪养殖分布存在空间自相关。因此，传统的回归模型已不能准确分析生猪养殖分布的影响因素，本文运用2005—2016年中国31个省区（不包括港、澳、台）的空间面板数据，通过MATLAB软件借助空间计量将空间要素纳入模型中进行分析。

4.1 变量选择

生猪养殖空间分布是一个动态过程，影响生猪养殖业地理集聚的因素很多，参考已有研究和前文研究假设，并考虑数据的可获得性，将市场布局指数作为被解释变量，选取自然资源、经济水平、技术水平等资源要素作为解释变量（表2）。
表2 变量的选择与释义

Tab.2 The selection and definition of variables

变量类型 影响因素 变量解释 预期方向
被解释变量 市场布局指数 各省区年出栏量/全国出栏量
解释变量 水资源（WTA） 各省区水资源总量/全国水资源总量 +
土地资源（LAN） 各省区耕地面积/全国耕地面积 +
饲料资源（FOD） 各省区粮食产量/全国粮食产量 +
城镇化率（URE） 各省区城镇人口数/各省区常住人口数 +
畜牧兽医技术人员比率（TEC） 各省区畜牧兽医技术人员数/全国总数 +
规模化程度（SCA） 各省区规模化猪场/全国规模化猪场数 +
①自然资源。主要表现为水、土地和饲料。据统计，猪饮用水约占猪场用水量的30% ① ，食用饲料和圈舍冲洗、消毒等也需要大量的水资源，生猪养殖业会向水资源丰富的区域集聚；随着生猪养殖规模化进程的推进，对土地资源的需求愈加明显，土地确权制度改革使得生猪养殖占地需要与耕地面积保护竞争性凸显，同时，产生的粪便作为有机肥就近就地消纳还田也需要配套面积的耕地[25]；饲料资源对生猪养殖发展影响较为明显[22]，主要表现为粮食产量影响生猪养殖业的区域布局。本文分别用各省区水资源总量、耕地面积、粮食产量占全国的比例来表示其水资源、土地资源和饲料资源。
②经济水平。随着经济快速发展，农村生活水平不断提高，大批农村劳动力流向城市，城镇化发展迅速，城镇化水平是衡量一个国家或地区社会经济发展水平的重要指标[26]，经济水平越高，对猪肉食品的需求量越大，进而影响生猪养殖的区域化发展。本文利用城镇化率代表经济水平对生猪养殖业区域布局的影响。
③技术水平。养殖技术是推动生猪养殖业发展的动力[27]。规模化养殖是发展一定阶段的产物，其在一定程度上反映了技术水平的不断提高，养殖技术发展是提升生猪养殖效率、促进绿色养殖、增加养殖效益等的重要因素，养殖技术的推广及研发离不开畜牧兽医技术人员。本文采用规模养猪场比率和畜牧兽医技术人员比率表示技术水平。

4.2 模型的选择与结果分析

结合上述影响生猪养殖业发展的因素，引入空间权重矩阵构建空间动态面板模型：空间滞后模型（SLM）和空间误差模型（SEM）。首先，运用OLS静态面板对生猪养殖业集聚发展相关变量进行空间回归，结果见表3。从表中可看出，模型拟合优度R2为0.7979，D.W.值为1.5059，表明存在一阶自相关。LM-Lag（滞后模型）和LM-Error（误差模型）均在1%的显著性水平下显著；在稳健性检验方面，Robust LM-Lag通过显著性水平1%的检验，表明存在空间相关性，且空间滞后模型优于空间误差模型。
表3 OLS估计结果

Tab.3 The estimation results by OLS

回归系数 t统计量 P值
C 0.0012 0.4739 0.6359
LogWAT 0.1287*** 6.4056 0.0000
LogLAN -0.2757*** -4.4363 0.0000
LogFOD 0.4457*** 7.0941 0.0000
LogURB -0.0008 -0.1888 0.8504
LogTEC 0.2159*** 8.9547 0.0000
LogSCA 0.4621*** 15.4746 0.0000
R2 0.7979
LogL 1 109.0000
D.W. 1.5059
模型选择 统计值 P值
LM-Lag 44.3443*** 0.0000
Robust LM-Lag 31.1154*** 0.0000
LM-Error 13.8126*** 0.0000
Robust LM-Error 0.5837 0.4450

注：“***”表示在1%的显著性水平下显著。

基于上述分析，进一步分别采用空间滞后模型和空间误差模型进行模型估计，结果见表4。相对于OLS方法的分析结果，空间滞后模型和空间误差模型的拟合度R2值更高，对数似然函数值（LogL）也有所变大，表明空间因素的加入对于生猪养殖业发展的空间自相关和空间误差有所消除。结合表3和表4的估计结果，主要参考空间滞后模型对生猪养殖业发展影响因素的估计结果进行分析。
表4 SLM和SEM估计结果

Tab.4 The estimation results by SLM and SEM

空间滞后模型（SLM） 空间误差模型（SEM）
回归系数 t统计量 P值 回归系数 t统计量 P值
LogWAT -0.0018 -0.0916 0.9270 -0.0020 -0.0998 0.9205
LogLAN 0.3564*** 4.4572 0.0000 0.3524*** 4.4303 0.0000
LogFOD 0.0668 1.4809 0.1386 0.0691 1.5048 0.1324
LogURB 0.0028*** 3.0837 0.0020 0.0035*** 3.3825 0.0007
LogTEC 0.0320** 2.1715 0.0299 0.0311** 2.1234 0.0337
LogSCA 0.0750*** 4.3506 0.0000 0.0742*** 4.2984 0.0000
ρ 0.2620** 2.4677 0.0136
λ 0.2840** 2.5632 0.0104
R2 0.9932 0.9931
LogL 1 739.19 1 738.96

注：**、***分别表示在5%和1%的显著性水平下显著。

①地理因素对中国生猪养殖业发展呈正向显著作用。ρ为邻近省区生猪养殖业生产布局值的加权平均，对生猪养殖业发展的影响系数为0.262，且在5%的显著性水平下通过显著性检验，表明地理因素对中国生猪养殖业发展有一定的正向作用，其空间依赖性和空间溢出效应显著。邻近省区生猪养殖业发展环境相似，有利于生猪养殖模式、技术等方面的推广与借鉴，使得邻近省区生猪养殖业发展呈现趋同现象。
②土地资源对生猪养殖业发展呈正向的显著作用，符合预期。土地资源因素对生猪养殖业发展的影响系数为0.3564，在1%的水平下通过显著性检验。即在其它条件不变的情况下，各省区耕地面积占全国耕地面积的比重每增加1单位，生猪生产布局指数相应增加0.3564个单位。表明随着生猪养殖业的发展，土地资源对其生产布局的影响越来越大。而目前由于部分省区，尤其是南方水网区和京津沪地区的生猪养殖量超出环境承载力，在政府引导下，生猪养殖业逐渐向土地资源相对丰富的东北三省、内蒙古、云南和贵州等地区转移。
③城镇化率对生猪养殖业发展具有显著的正向影响，符合预期。城镇化率高低预示着一个地区的经济水平高低，城镇化率越高表明经济发展水平相应越高，对生猪产品的消费需求量就相对较高。鉴于运输成本的考虑，一般选择当地适养区进行生猪养殖。从表中可以看出，城镇化率对生猪养殖业发展的影响系数为0.0028，并在1%的显著性水平下通过显著性检验。与其他影响显著性指标相比，该指标对生猪养殖业发展影响相对较小，表明经济水平对生猪养殖业发展的影响相对较弱。
④技术水平的提升有利于生猪养殖业的发展，技术水平因素对生猪养殖业分布影响显著为正。畜牧兽医技术人员越多，表明技术环境越优越，生猪养殖相关技术更容易进行推广和应用，各省区畜牧兽医人员比率对生猪养殖业发展的影响系数和规模猪场比率对其影响系数分别为0.032和0.075，分别在5%和1%的显著性水平下显著。表明养殖技术对生猪养殖业发展影响较大，不同省区对养殖技术的研发与推广对生猪养殖业的发展与布局起重要作用。

5 结论及政策建议

本文运用1996—2016年生猪养殖业发展相关数据指标，采用区位基尼系数、Moran's I指数及空间动态面板模型，对中国31个省区生猪养殖业的地理集聚特征、变化趋势及其影响因素进行分析，结论如下：
①从整体上来看，中国生猪养殖业的空间集聚效应明显，且具有一定的阶段性特征，时空分布呈“集—散—集”的变化特征，但总体上空间集聚现象呈现逐渐弱化的态势。其中，1996—2005年，中国生猪养殖业空间上呈现稳中有升的集聚态势，2005—2013年，集聚态势逐渐减弱，2013—2016年，集聚现象呈现回升趋稳态势。
②区域分布上，中国生猪养殖业主要集中在中东部地区和南部地区，该区域生猪养殖业地理集聚特征显著。Moran's I指数检验发现生猪生产存在空间自相关关系，表明中国生猪养殖业发展具有显著的空间集聚效应，发展水平较高的省区对周边省区的辐射带动作用使省区间的差距逐渐缩小，但部分省区由于人口数量和风俗习惯等原因，溢出效应并不显著。
③中国生猪养殖业地理集聚的空间分布由自然资源禀赋差异确定基本格局，由消费结构引起的经济发展和科技进步等要素导致了生猪养殖业空间集聚的波动。因此，生猪养殖业空间集聚特征变化受资源、经济、技术等多种要素综合影响，其中，土地资源、地理因素城镇化率和技术水平等因素显著影响中国生猪养殖业地理集聚发展。
基于以上研究结论，本文对中国生猪养殖业发展提出如下政策建议：
①因地制宜、规划先行。各省区依据《全国生猪生产发展规划（2016—2020年）》的总体思路、区域布局及主要任务，依托当地生猪养殖业发展基础，整合资源，发挥区域自然资源禀赋优势，如土地资源等，有效挖掘潜力增长区生猪养殖业适度发展潜力，合理调整约束发展区的发展思路和区域布局，因地制宜地编制生猪养殖业发展规划，避免盲目推进，引导生猪养殖业合理有序发展。
②辐射带动，协调发展。发挥生猪养殖高水平省区的辐射带动作用，生猪养殖业发展水平较高省区的具有明显的经济、技术优势，以市场需求为导向，提倡资源共享，促进资金、技术等要素转移到生猪养殖潜力增长区，同时，约束发展区生猪养殖业通过将资金、技术、劳动力转移到其它事宜生猪养殖区域，不仅能够缓解当地资源环境超载问题，还能带动其它省区农业经济发展。
③技术支持，优化环境。技术水平因素对生猪养殖业集聚发展具有正向影响，各地政府应依据生猪养殖业发展规划，适当加强技术支持。生猪养殖业技术不仅包括饲养、育肥、疫病防治技术等，还包括粪污处理技术。在加大对畜禽兽医人员技术培训力度的同时，应加快研发并推广粪污处理技术，提高粪污资源化利用效率，打造生猪养殖绿色发展环境和美好的人居环境。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
周清杰, 侯江源. 我国生猪市场价格调控中的“猪粮比价”:理论内涵与实践反思[J]. 北京工商大学学报:社会科学版, 2017, 32(5):118-126.

[2]
王欢, 乔娟. 中国生猪生产布局变迁的经济学分析[J]. 经济地理, 2017, 37(8):129-136,215.

[3]
宾幕容, 覃一枝, 周发明. 湘江流域农户生猪养殖污染治理意愿分析[J]. 经济地理, 2016, 36(11):154-160.

[4]
秦建军, 武拉平, 闫逢柱. 产业地理集聚对产业成长的影响——基于中国农产品加工业的实证分析[J]. 农业技术经济, 2010(1):104-111.

[5]
Rosenthal S S, Strange W C. Evidence on the nature and sources of agglomeration economies[J]. Handbook of Regional & Urban Economics, 2004, 4(4):2 119-2 171.

[6]
Wu H Y C, Jack R L, Colyer D. The Northeast and InterregionalCompetition for Broilers[J]. Northeastern Journal of Agricultural & Resource Economics, 1985,14.

[7]
Gray R W. An Economic Analysis of the Impact of the PriceSupport Program upon the Development of the Potato Industry in the United States[J]. Journal of Farm Economics, 1953, 35(5):1 010-1 013.

[8]
Emran M S, Shilpi F. The extent of the market and stages of agricultural specialization[C]. The World Bank, 2008:1 125-1 153.

[9]
李二玲, 位书华, 胥亚男. 中国大豆种植地理集聚格局演化及其机制[J]. 经济经纬, 2016(3):37-42.

[10]
王伟新, 向云, 祁春节. 中国水果产业地理集聚研究:时空特征与影响因素[J]. 经济地理, 2013, 33(8):97-103.

[11]
吴建寨, 沈辰, 王盛威, 等. 中国蔬菜生产空间集聚演变、机制、效应及政策应对[J]. 中国农业科学, 2015, 48(8):1 641-1 649.

[12]
姚成胜, 李政通, 王维, 等. 中国水产养殖业地理集聚特征及空间演化机制[J]. 经济地理, 2016, 36(9):118-127.

[13]
周旭英, 罗其友, 屈宝香. 我国生猪区域发展研究[J]. 中国农业资源与区划, 2007, 28(3):41-44.

[14]
张振, 乔娟. 中国生猪生产布局影响因素实证研究——基于省级面板数据[J]. 统计与信息论坛, 2011, 26(8):61-67.

[15]
张园园, 孙世民. 山东省生猪生产格局及其影响因素的实证分析[J]. 中国农业大学学报, 2014, 19(1):193-199.

[16]
舒畅, 乔娟. 我国养殖业生态足迹时空特征及脱钩效应研究——以生猪产业为例[J]. 生态经济, 2016, 32(1):148-151.

[17]
Fan C C, Scott A J. Industrial Agglomeration and Development:A Survey of Spatial Economic Issues in East Asia and a Statistical Analysis of Chinese Regions[J]. Economic Geography, 2003, 79(3):295-319.

[18]
白重恩, 杜颖娟, 陶志刚, 等. 地方保护主义及产业地区集中度的决定因素和变动趋势[J]. 经济研究, 2004(4):29-40.

[19]
贺灿飞, 潘峰华. 产业地理集中、产业集聚与产业集群:测量与辨识[J]. 地理科学进展, 2007(2):1-13.

[20]
赵俊伟, 尹昌斌, 牛敏杰. 中国农业生态文明发展水平的时空差异与变动趋势[J]. 财贸研究, 2017, 28(6):47-57.

[21]
王树进, 陈宇峰. 中国休闲农业发展的空间相关性及影响因素研究[J]. 农业经济问题, 2013, 34(9):38-45.

[22]
梁小珍, 刘秀丽, 杨丰梅. 考虑资源环境约束的我国区域生猪养殖业综合生产能力评价[J]. 系统工程理论与实践, 2013, 33(9):2 263-2 270.

[23]
虞祎, 张晖, 胡浩. 排污补贴视角下的养殖户环保投资影响因素研究——基于沪、苏、浙生猪养殖户的调查分析[J]. 中国人口·资源与环境, 2012, 22(2):159-163.

[24]
金书秦, 韩冬梅, 吴娜伟. 中国畜禽养殖污染防治政策评估[J]. 农业经济问题, 2018(3):119-126.

[25]
赵俊伟, 尹昌斌. 青岛市畜禽粪便排放量与肥料化利用潜力分析[J]. 中国农业资源与区划, 2016, 37(7):108-115.

[26]
伍山林. 农业劳动力流动对中国经济增长的贡献[J]. 经济研究, 2016, 51(2):97-110.

[27]
周晶, 陈玉萍, 丁士军. 中国生猪养殖业规模化影响因素研究[J]. 统计与信息论坛, 2014, 29(1):63-69.

Options
Outlines

/

〈 〉