程长林，任爱胜，陈林,2，修文彦

（1.中国农业科学院农业经济与发展研究所北京100081；2.农业部规划设计研究院北京100081；3.中国绿色食品发展中心北京100081）

我国乳制品供给市场地理集聚与驱动因素研究

程长林1，任爱胜1，陈林1,2，修文彦3

（1.中国农业科学院农业经济与发展研究所北京100081；2.农业部规划设计研究院北京100081；3.中国绿色食品发展中心北京100081）

通过空间探索分析法，从全域和局域两个尺度分析2000-2014年我国乳制品供给市场地理相关性特征。结果表明，我国乳制品供给市场呈现明显的空间依赖性和空间集聚现象。从全域尺度看，2000-2014年间我国乳制品供给市场地理相关性呈现先下降后上升的趋势；局域尺度看，大部分地区的空间关系不显著，显著区域中呈现空间同质性的省域占比较大。LISA集聚显示，2014年高集聚区分布在黑龙江和内蒙古地区，低集聚区主要分布在贵州、浙江等地区。集聚驱动因素方面，需求拉动、政策引导以及流通保障是乳制品市场集聚形成的重要推动力。

乳制品供给市场；空间相关性；Moran's I；LISA

0 引言

随着我国经济不断增长，工业化和城镇化步伐加快，居民营养需求水平不断提升，乳制品逐渐成为不可或缺的生活摄入品之一[1-3]。近年来，我国乳制品产业发展迅猛，2014年总产量达3 986万t，比2000年增长331.81%，2014年全国奶牛存栏达到1 260万头，比2000年增加421%，乳品加工业年生产总值由2000年的83.33亿元上升到2014年的1 668.11亿元[4-7]。随着我国经济区域化格局日趋明显，我国乳制品供给市场区域差距长期存在，乳制品产业链卡位点边界更加清晰，市场分布呈现一定的集聚-松散分布特征。牧草、奶牛养殖、加工、乳制品冷鲜物流等加速了乳制品供给市场要素的互相融合，乳制品供给市场不再是孤立的产业单元，在空间层面呈现一定的相关性和依赖性[8-10]。

1 研究方法

1.1 乳制品供给市场全域自相关

全域空间自相关作为空间特征分析的工具，主要用于描述研究区与邻近空间单元的相似程度。通过测算邻近单元内空间相关系数，全域空间自相关系数可解释某变量在研究区与邻近空间单元内的集聚现象，具体公式（1）所示：

xi表示为i地区乳制品供给市场供给能力；n为研究对象数量；x-为观测区乳制品供给能力均值；S2为观测区乳制品供给市场供给能力方差；Wij为空间权重矩阵，反映空间邻近距离或空间距离。

1.2 乳制品供给市场局域自相关

局域空间自相关是建立在全域自相关分析的基础上，以局域尺度分析具有空间依赖关系的变量，从而弥补了全域空间相关性分析中出现的局部不显著的情况。局域空间自相关要求空间单元与周围单元空间具有显著的空间相关性，且与全域尺度下的空间相关性与局域空间相关性总和成正比。

1.2.1 Moran散点图

Moran散点图以直观散点图的形式衡量变量X及其空间滞后变量WI之间的关系。空间滞后变量WI指的是该变量邻近空间观测值的加权平均序列，经空间权重矩阵加权计算后实现。Moran散点图中第一、三象限为Moran's I＞0的区域，第二、四象限为Mo⁃ran's I＜0区域，分别代表了空间集聚区与空间分散区。

1.2.2 LISA集聚

LISA集聚主要用于衡量研究区邻近空间单元之间的空间集聚程度，可将空间单元与邻近单元之间集聚类型进行细分，在局域尺度下分析变量的空间相关关系及空间异质性。因此，LISA集聚是Moran's I在地理空间上分解，进一步测算i地区与邻近地区差异程度显著性，具体如公式（2）所示：

式中，Sx为xi对应标准差，为xi经均值法处理后的新变量。当Ii、Zi＞0时，则表明i地区与邻近空间单元呈现高高集聚；当Zi＜0、Ii＞0时，则表明i地区属于低低集聚；当Zi＜0、Ii＜0时，则表明i地区呈低高集聚；当Zi＞0、Ii＜0时，则表明i地区表现为高低集聚。

2.3 空间计量经济分析

空间计量经济模型将空间效应（空间相关性和空间异质性）纳入到空间回归模型中，主要包括空间滞后模型、空间误差模型等。

2.3.1 空间滞后模型

空间滞后模型的空间相互作用，是通过被解释变量的空间滞后项来体现，即本地区乳制品市场集聚程度受到邻近地区乳制品市场集聚程度的影响。其模型的一般表述为：

公式3中，Y为被解释变量，X为解释变量集，β为被解释变量空间滞后性参数，WY为被解释变量的空间权重矩阵，WYY为被解释变量的空间滞后项，α为解释变量参数，ε为随机误差项。

2.3.2 空间误差模型

空间误差模型通过分析模型所忽略到的一些重要变量（误差项）的影响，衡量邻近地区由于被解释变量的误差引起的空间溢出，对本地区所产生的影响。其模型的一般表述为：

式中：Y为被解释变量；X为解释变量；α为解释变量参数，ε为随机误差项，γ为空间误差项的回归系数，Wε为误差项的空间权重矩阵，Wεε为空间误差项，μ为正态分布的随机误差向量。

2.4 数据来源

文中的地理空间数据采用Shape file格式的全国省级行政区划图，所有属性数据的原始数据来源于《中国奶业年鉴》（2001-2015）。文中选取我国31个省乳制品产量作为源数据，其中，乳制品加工产量均按原液奶等值折算。

3 乳制品市场地理相关性

3.1 全域空间自相关分析

3.1.1 不同权重矩阵的全域空间自相关分析

Moran's I值对邻近关系的选择存在一定的敏感性，而邻近关系的选择不受系统约束，属于外生变量。因此，通过建立多种空间邻接矩阵和空间距离矩阵，测算2014年乳制品供给市场空间自相关关系及分布规律，比较不同权重矩阵条件下Moran's I的大小，分析乳制品供给市场空间集聚效应。

具体而言，本文选取R相邻、D相邻和K相邻三种邻近矩阵，其中R1、R2、R3分别为一阶、二阶、三阶R相邻，表示相邻、相邻的相邻……；D邻近关系表示为至少存在邻近关系省域的距离阈值；K相邻选取的K4、K6以及K8三种邻近关系，分别表示每个省域有4、6、8个最邻近关系。按照不同邻近关系约束，生成不同的权重，测算不同邻近条件下2014年我国乳制品供给市场Moran's I值（见表1）。

表1 不同权重规则下邻接区域Moran指数

由表1可知，2014年我国乳制品供给市场在供给上具有一定的空间正向自相关性，从Z值判断，每个邻近约束条件下的Moran's I值均在99%置信区间上显著。Moran's I在D邻近矩阵下最大，R2和k8邻近矩阵条件下最小，表明不同邻近水平下乳制品供给市场空间相似程度各有不同，也体现了乳制品供给市场在供给侧易产生区域波及效应。其次，从邻近区域数量来看，随着邻近区域的增加，我国乳制品供给市场空间自相关性不断下降，如K邻近约束下，K4、K6以及K8条件下的Moran's I值分别为0.32、0.28、0.24，R邻近权重条件下，尽管R3对应的Moran's I值略有上升，但总体呈下降趋势，表明我国乳制品供给市场面临着邻近区域增多而空间相关性下降的困境，解释了当前乳制品供给市场中部分邻近交叉区域存在的生产不连续、跨域难相融的分布现象。

3.1.2 不同时间维度的全域自相关分析

为进一步研究我国乳制品供给市场空间集聚程度的动态变化，分别对2000，2008，2012，2014年的数据进行分析，结果如表2所示。

表2 不同年份我国乳制品供给市场的Moran指数

由表2结果可知，2000-2014年中选取的四个重要节点上的乳制品供给市场Moran's I值均为正值，而且从Z值判断可知Moran's I对空间相关性的解释程度极为显著，表明我国乳制品供给市场具有较显著的空间自相关关系，乳制品供给受邻近空间单元供给策略调整的影响较大，可能存在高高集聚和低低集聚，说明我国乳制品供给市场具有一定的空间集聚效应。具体而言，2008年空间自相关性较2000年有所下降，说明空间的影响作用减弱；2008年以后呈现小幅增强趋势，由2008年的0.278小幅增加到2014年的0.295，表明2000、2008、2012、2014年乳制品供给市场的地理集聚现象由减弱到逐步增强态势。

3.2 局域自相关分析

从全域尺度看，我国乳制品供给市场自相关关系通过Moran's I反映乳制品供给市场是否具备集聚效应，然而从局域尺度看，为反映我国乳制品供给市场在局域空间上出现的异值，细分Moran's I数值，进一步分析乳制品供给市场的集聚特征与类型。本文通过Moran散点图和LISA集聚反映我国乳制品供给市场在局域范围内的空间相关特征与集聚类型等。

3.2.1 Moran散点图

从2000年和2014年乳制品供给市场的空间Mo⁃ran散点分布图（如图1所示）来看，落在第一象限和第三象限的区域总数，由2000年的19个增加到2014年的21个，占研究区总数的62%，说明我国乳制品供给市场不仅存在显著的空间正相关关系，而且占比较大。同时，Moran散点图显示落在高低集聚和低高集聚的区域数量占比较小，表明我国乳制品供给市场空间相关性也存在负相关分布，即存在部分地区乳制品供给呈分散分布特征。因此，从我国省域层面来看，乳制品供给空间特征处于集聚与分散分布共存的局面。

2000年散点图表明，第一象限的地区大部分位于我国东北地区，第三象限地区则主要位于我国南部地区，即出现明显的南北差异，较多的地区主要分布在北方地区，较少的地区主要集中在南方地区。2014年Moran散点图可知，当年我国乳制品供给市场总体格局并没有发生显著变化，南北差异仍明显存在。此外，2000年与2014年的Moran散点图表明，第一象限中乳制品供给市场集聚分布呈零星分布，不断向外围空间单元扩散，相反第三象限中乳制品省域供给分布在较为集中的空间单元内，表明低低集聚尤其在2014年乳制品供给市场Moran散点图中乳制品供给市场空间相关性省域差异更为显著。

图12000 年和2014年Moran散点图

3.2.2 LISA集聚

Moran散点图可知，我国乳制品供给市场空间分布差异明显，南北集聚矛盾突出。从LISA集聚显著水平来看，第一象限（高高集聚）与第三象限（低低集聚）所覆盖的地区空间相关性较为显著，但相比LISA集聚无法度量其集聚程度与空间分异特征。通过Geoda软件测算表明，对比2000年与2014年我国乳制品供给市场LISA集聚集聚特征，分析我国乳制品供给市场在邻近单元之间空间相关性差异。

首先，我国乳制品供给在局域尺度下存在明显的空间集聚特征，对邻近地区乳制品供给具有积极的引领作用。其次，从数量上看，大部分地区的空间关系不显著，显著区域中呈现空间同质性的省域占比较大。对于空间正相关的区域（如表3所示），2000年仅内蒙古处于高高集聚区，贵州、浙江等7个省份处于低低集聚区，空间正相关的地区占比达占到总数的23.5%；2014年，高高集聚区数量增加了黑龙江省，低低集聚区数量保持不变，呈现正相关的省域数量占比上升到26.5%；空间异质性的省域占比较小，呈零星分布。乳制品供给市场空间分布上突显出的“热点”和“冷点”现象可作为深入研究的典型案例，对促进乳制品供给市场发展具有参考价值。最后，从空间角度看，存在正相关关系的区域集聚形势明显，北高南低，低低集聚区范围基本保持不变；2000年高高集聚区仅有内蒙古地区，2014年黑龙江省也呈现出正相关特征，高高集聚区不断向黑龙江地区集中。

表3 局域空间自相关显著性区统计

4 乳制品供给市场空间集聚效应驱动因素分析

乳制品供给市场集聚效应的形成与发展受地理、社会、经济等多方因素影响，在分析集聚效应时应考虑多因素变量。为此，将乳制品市场规模作为被解释变量，解释变量考虑从乳制品供给与流通成本、市场价格、乳制品需求、国际贸易、乳制品政策等方面，对我国乳制品市场空间集聚效应影响因素进行空间计量分析。选取苜蓿价格为乳制品生产成本变量，省域公路里程数为乳制品市场流通成本变量，原液奶价格为乳制品市场价格变量，城乡居民乳制品消费总量为市场需求变量（此处所用消费量数据均奶粉1∶7，鲜奶、酸奶1∶1折算为原奶等值），原奶进口量为国际贸易变量，乳制品政策变量为虚拟变量。

4.1 模型选择与估计

通过比较普通最小二乘法、空间滞后模型、空间误差模型三种参数估计方法的精度，提高变量间拟合程度，以便更好地解释变量关系。表4结果表明OLS估计的拟合优度为0.743159，拟合优度为0.7115，布伦斯-帕甘检验表明不存在异方差。各变量均通过了10%的显著性水平检验，此外，Moran’s I指数残差检验表明，经典回归误差的空间依赖性明显，因此，忽视空间自相关直接采用经典线性回归模型的普通最小二乘法估计可能存在模型设计偏误。表5结果表明，空间滞后模型和空间误差模型的拟合优度均高于普通最小二乘法，但由于采用最大似然法法估计参数，基于残差平方和分解的拟合优度检验的意义不大。空间误差模型中的残差值进行空间自相关检验可知，Moran's I值为2.2125，P值为0.02693，表明残差的空间自相关依然存在，但空间误差模型模型的拟合优度、似然函数值值较大，赤池信息准则、贝叶斯信息准则值较小，说明空间计量方法中空间误差模型效果更佳，因此，本文通过空间误差模型分析我国乳制品供给市场集聚形成的驱动力进行分析。

4.2 结果与分析

苜蓿价格通过了1%水平下的显著性检验，与乳制品市场集聚的回归系数为负，即苜蓿价格对乳制品市场集聚的作用显著为负。表明随着苜蓿价格的上涨，直接推动了奶牛养殖成本，增加了乳制品产业集聚门槛，从而不利于集聚的形成。

公路里程回归系数为正，通过了5%水平的显著性检验，即公路里程与乳制品市场集聚呈显著正相关。说明在公路里程数较发达地区，交通物流变量，乳制品市场集聚水平较高，在其他条件相同时，公路里程高的地区，信息容易集中和传播，运输和交易的成本降低，从而容易形成集聚市场，使得市场规模增大，表明成熟的流通体系，有利于乳制品市场的集聚。

原液奶价格与乳制品市场集聚的回归系数都为负，说明原液奶价格对当乳制品市场集聚有一定的消极影响。事实上，原液奶价格与乳制品市场集聚存在一定的矛盾关系，原因在于乳制品市场集聚区多为奶牛主要养殖区，奶源价格上升直接提升奶牛养殖收益，但增加了奶企成本，降低奶企收益；对奶企下阶段生产决策以及同行是否选择跟随、推出或降价等有较大抑制作用，不利于集聚的形成。然而，集聚的价格效应对奶牛养殖而言，不断挤压奶牛养殖收益，从长期而言将是我国面临的重大挑战。

消费与乳制品市场集聚的回归系数为正，且回归

表4 普通最小二乘法估计结果

表5 空间误差模型与空间滞后模型回归结果

系数较大，说明乳制品市场集聚属于需求驱动型形成机制。根据各地区乳制品需求量与需求结构的差异，乳制品市场集聚形成与发育阶段呈现不同的特征，是推动行业发展的重要因素。

乳制品进口与乳制品市场集聚的回归系数都为负，说明乳制品进口对乳制品集聚的抑制作用。乳制品国际贸易中，我国乳制品大量依赖进口，从而对我国乳制品产业带来一定冲击，尤其是国内乳制品加工业，而加工业是产业集聚的一个中间环节，切断了上下游的联系。

虚拟变量，即政策变量的回归系数都为正，说明乳制品支持政策对区域乳制品集聚具有明显的正面影响。我国乳制品支持政策，如行业标准、奶牛养殖补贴等，是引导市场薄弱区培育集聚内核的原始推动力。

5 结论

本文基于2000年和2014年我国乳制品供给市场发展状况，通过空间探索分析方法与空间计量模型对乳制品供给市场空间布局的变化与成因进行了分析，得出以下结论：

第一，2000-2014年我国乳制品供给市场整体布局由“西高东低”逐渐转变为“北高南低”，并出现集聚现象。我国乳制品供给市场呈现显著的正向空间依赖性，且地理集聚现象呈现由减弱到逐步增强态势。在四种邻接关系下，我国乳制品邻近市场间呈互为正向相关关系，相似值之间存在地理集聚现象。

第二，Moran散点图表明大部分地区的空间关系不显著，显著区域中呈现空间同质性的省域占比较大。LISA集聚表明，2000年仅内蒙古处于高高集聚区，贵州、浙江等7个省份处于低低集聚区，空间正相关的地区占比达占到总数的23.5%；2014年，高高集聚区数量增加了黑龙江省，低低集聚区数量保持不变。第三，我国乳制品市场集聚驱动因素方面，苜蓿价格与原液奶价格因成本导向，对我国乳制品市场集聚产生一定的抑制作用。而乳制品消费、公路里程数与乳制品支持政策分别通过需求引导、流通支持与政策靶向支持直接推动了我国乳制品集聚的形成，是发挥乳制品市场集聚效应的重要驱动力。此外，乳制品进口对国内乳制品行业的冲击较大，国内乳制品企业多以跟随策略为主，阻碍了乳制品上下游产业的有效连接，从而不利于集聚效应的形成与辐射。

[1]赵婧洁，王明利.居民奶产品消费现状及影响因素分析[J].中国畜牧杂志，2014，50(20)：3-7.

[2]蒋乃华，辛贤，尹坚.我国城乡居民畜产品消费的影响因素分析[J].中国农村经济，2002.12：48-54.

[3]施海波，栾敬东.中国城镇居民乳品消费影响因素区域差异分析——基于东中西部地区2002-2011年的面板数据[J].湖南农业大学学报(社会科学版)，2014.12：61-65.

[4]刘天睿.我国农村乳制品消费需求影响因素研究[J].中国乳业，2012.07：17-19.

[5]刘锐，王莉.中国乳品消费及影响因素研究[J].农业展望.2014(3)：71-75.

[6]杨溢.我国城镇居民乳制品消费情况分析—基于虚拟变量的回归分析[J].内蒙古统计，2014.02：23-24.

[7]于海龙，李秉龙.我国乳制品的国际竞争力及影响因素分析[J].国际贸易问题，2011(10)：14-24.

[8]张亚伟，任爱胜，何洋，赵婧洁.奶粉进口激增对我国奶业发展的影响分析[J].中国畜牧杂志，2014(02)：35-39.

[9]陆文聪，祁慧博，李元龙.全球化背景下的中国粮食供求变化趋势[J].浙江大学学报(人文社会科学版)，2011，4(1)：5-18.

[10]马恒运，黄季焜，胡定寰.我国农村居民在外饮食的实证研究[J].中国农村经济，2001(3)：25-32.

Analysis on the geographic aggregation and innovation of China dairy supply market

CHENG Changlin1,REN Aisheng1,CHEN Lin1,2,XIU Wenyan3
(1.Institute of Agriculture and Economic Development,Chinese Academy of Agriculture Science,Beijing 100081,China; 2.Chinese Academy of Agricultural Engineering,Beijing,100081,China;3.China Green Food Development Center Beijing,100081,China)

Through the method of space exploration,from two dimensions of global and local analysis geographical correlation between dairy products supply market in China in 2000-2014.The results show that the supply of dairy products market in China presents obvious spatial dependence and spatial agglomeration phenomenon.From the global scale,geographical correlation between dairy products supply market in China between 2000 and 2014 showed a trend of decline after rising first;Local scale look,most of the region's spatial relationship is not sig⁃nificant,significant area presents the spatial homogeneity of provincial is larger.LISA agglomeration maps show that high concentration zone distribution in 2014 in Heilongjiang and Inner Mongolia region,low concentrated area are mainly distributed in Guizhou,Zhejiang and oth⁃er regions.Agglomeration drive factors,demand and policy guidance,and circulation of security are very important on formation of dairy market concentration

Dairy market;spatial correlation;Moran's I;LISA

F326.3

B

1001-2230（2017）05-0043-04

2016-08-31

中国农业科学院农业经济与发展研究所科技创新工程项目（CAAS-ASTIP-IAED01-2016）；农业部农业农村资源统计经费项目（201514.3.）；中央级公益性科研院所基本科研业务费专项（005201500122）；国家公益性行业（农业）科研专项（201203006～201203010）。

程长林（1987-），男，博士研究生，研究方向为畜牧业产业经济。

任爱胜