中国活鸡价格区域差异时空特征及其驱动因素研究

徐小华，王 琪，吴恩平

（1.浙江工业大学之江学院，浙江绍兴 312000；2.浙江工业大学管理学院，浙江杭州 310000；3.浙江工业大学经济学院，浙江杭州 310000）

鸡肉是我国仅次于猪肉的第二大畜禽消费品[1]，也是居民动物性蛋白质摄入的主要来源[2]。近年来受饲料成本[3]、疫情[4]、城镇化水平[5-6]、猪肉价格[7]等因素影响，活鸡价格频繁波动，这不仅影响到居民对鸡肉的需求量，也对家禽养殖户的利益产生直接影响。因此，如何稳定活鸡价格，有效发挥鸡肉的替代效应，成为学术界广泛关注的重要命题。

目前学者们大多从活鸡产业链视角分析活鸡价格波动的原因，发现价格上涨的根本原因是成本上升和产后各环节加价[8]。随着我国各个区域一体化进程的推进以及交通运输业的发展，区域之间关系越来越紧密，其他区域影响因素的波动也有可能引起本区域活鸡价格变化。我国学者已经注意到了空间效应对生猪价格的影响，运用传统的空间滞后模型和空间误差模型、空间杜宾模型[9]的研究结果发现，中国猪肉价格波动存在显著的空间趋同性和空间溢出效应。但是很少有学者关注区域间活鸡价格的传导问题，对区域间价格差异的驱动因素也较少研究。鉴于此，考虑到数据可得性和鸡肉价格与活鸡价格有高度的关联性[10]，本文尝试研究我国活鸡价格时空分布演变特征，通过建立动态空间面板模型，分析活鸡价格区域差异的驱动因素，以期为政府稳定鸡肉价格提供政策依据。

1 数据与方法

1.1 变量选取与数据来源

1.1.1 变量选取 本文选取活鸡价格作为被解释变量。通过对现有文献的梳理，选取玉米价格、商品代蛋雏鸡价格、城镇化率、商品代肉雏鸡价格、猪肉价格、人均地区生产总值6 个变量作为解释变量。

雏鸡价格：活鸡产品价格上涨的主要原因是成本推动[11]。雏鸡价格是影响供给的一个重要因素。因此选取商品代蛋雏鸡DCP）和商品代肉雏鸡RCP）作为影响活鸡价格波动的成本因素。

玉米价格：根据2018 年《全国农产品成本与收益资料汇编》，精饲料费用为主要投入成本，精饲料主要由玉米、豆粕等构成。因此本文以玉米价格（CP）作为代替变量来衡量饲料价格。

猪肉价格：猪肉及牛羊肉均为鸡肉的替代品，但牛羊肉的替代效应不明显[12]，当猪肉价格上涨时，消费者会倾向于增加鸡肉的消费。因此本文选取猪肉价格（PP）作为替代品价格。

城镇化率：城镇化水平提高通过增加区域城镇人口数量、促进区域经济发展、提高城乡居民收入并缩小城乡居民收入差距，直接或间接的影响居民消费结构与居民消费水平[13]，进而促进鸡肉价格的上涨。本文选取城镇化率（UR）刻画城镇化水平。

人均地区生产总值：国民经济水平提高必然会拉动内需，推动物价持续上涨[14]。本文选取人均地区生产总值（Pgdp）作为替代变量来衡量区域经济增长水平。

1.1.2 数据来源 考虑到数据的可得性，本文选取中国大陆（西藏、北京、河南地区相关数据缺失，不予考虑）28 个省（区、市）月度数据作为分析样本，样本区间为2001—2017 年。数据来源于历年的《中国统计年鉴》《全国农产品成本收益资料汇编》《中国畜牧业年鉴》《中国人口和就业统计年鉴》《中国畜牧兽医年鉴》。利用CPI 定基指数处理各省的相关月度数据以消除通货膨胀的影响，所有的变量数据均取其自然对数进行分析。

1.2 研究方法

1.2.1 全局空间自相关 全局空间自相关反映了在一个总的空间范围内空间依赖的程度。其最常用的关联指标是Moran' s I，在构成的Moran 散点图中，可以划分为4 个象限，对应4 种不同的区域空间差异类型：“高-高”（区域自身和周边地区的属性水平均较高，二者空间差异程度小）、“高-低”（区域自身属性水平高，周边地区属性水平低，二者空间差异程度较大）、“低-低”、“低-高”。根据“高-高”、“低-低”类型是否占最多，判断某一地区是否存在显著的空间自相关性，即具有明显的空间集聚特征。Moran' s I的计算公式为：

式中，Wij为研究区域每个空间单元i 与j 的空间相邻权重矩阵，当二者相邻时，Wij取1，反之则取0；xi为第i 个单元的观测值；为观测量均值。在给定显著性水平时，Moran's I＞0，表示正相关；Moran's I＜0 表示负相关，值越大则相关的程度越高。反之，则空间上相关的程度越小。Moran's I=0 表示空间分布呈现随机的状态。

1.2.2 局部空间自相关 全局自相关性测度了研究对象的整体空间分布状况，但可能会忽略空间局域上的非典型特征。因此有必要进行局域空间自相关分析作为补充。本研究利用OpenGeoDa1.2.0 软件对局部空间自相关进行计算，对局部Moran's I采用95%置信水平的检测，通过显著性检测以LISA 集聚图反映其特征[15]。其计算公式为：

1.2.3 空间杜宾模型 本文通过构建空间杜宾模型进行实证分析，具体模型设定如下：

式中，yit为活鸡价格；i 和t 分别为省份和时期；ρ为因变量的空间滞后项系数；wij为空间权重矩阵；βk是第k 个自变量回归系数；xit,k为i 省份t 时期第k 个自变量；λk为第k 个自变量的空间滞后项系数；εit为随机误差项。

由于传统空间邻近权重矩阵仅仅以地理因素为标准，但现实中各省份的经济联系错综复杂，为确保研究结论的稳健性，本文同时把空间分析中的空间邻近权重矩阵Wδ和经济距离权重矩阵We纳入研究框架。其中空间邻近权重矩阵Wδ以空间邻近作为标准，若i 省与j 省空间相邻，则Wij=1，否则Wij=0；经济距离权重矩阵We则令i 省份与j 省份的人均GDP 分别为Yi和Yj，定义空间权重矩阵中的元素wij=1/|Yi-Yj|,经济距离越近，则两者之间的空间权重系数越大。

空间杜宾模型将邻近省份影响因素考虑在内，导致系数的偏导数不再等于0，这表明回归系数不能准确解释自变量对因变量的影响。因此本文根据LeSage 等[16]的研究成果,将自变量对因变量的影响分为直接效应和间接效应。

2 结果与分析

2.1 中国活鸡价格区域差异的时空特征演变

2.2.1 空间趋势面分析 为了清晰地展现中国活鸡价格的空间结构变化，本文分别绘制出2001、2009、2017年活鸡价格的空间趋势图，由图1 可知，2001 年和2009 年活鸡价格在东西方向上均呈现“两端低中间高”的空间结构特征，随着时间的演变，“倒U 型”特征的空间结构逐渐弱化，说明东西两边和中部地区三者之间的活鸡价格差异在逐年缩小。活鸡价格在南北方向呈现较稳定的“南高北低”的空间结构特征，随着时间的推进，逐渐演变为“U 型”的空间结构特征，说明越往南活鸡价格越高，可能原因在于饮食习惯不同，中国南部省份的居民较北方更喜鸡肉，其次南部省份经济较北方更为发达。

图1 2001、2009、2017 年的趋势面分析

2.1.2 冷热点分析 为探究活鸡价格高低值集聚的空间分布特征，本文使用ArcGIS 10.5 绘制出2001 年、2007 年、2012 年、2017 年活鸡价格的冷热点图，将29 个省份活鸡价格的Getis-Ord Gi 分成7 个等级，分别命名为超热点区、高热点区、低热点区、超冷点区、高冷点区、低冷点区、和随机分布区。由结果可知：①样本期内热点区域和冷点区域均呈现明显的集中态势，局部空间关联特征尤为明显，“北冷南热”两极分化较为严重；②超热点区、高热点区和低热点区集中在中国东南部沿海地区（广东、福建、广西、海南）、中部地区（湖南）以及西南地区部分省区（贵州、云南、四川、重庆），而冷点区主要集中在我国天津、河北、吉林、辽宁、山西、宁夏和内蒙古等地；③2012—2017 年，超热点区和高热点区省份在五年内并无变化，与2001年相比，超热点区大幅减少，其中广东、云南、贵州都由超热点区域转变为高热点区，而四川则由高热点区转变为随机分布区，重庆由低热点区转变为随机分布区，内蒙古、吉林由超冷点区转变为高冷点区，江苏、安徽由随机分布区转变为高冷点区，陕西由随机分布区转变为低冷点区。总体来看，热点区在2001—2017 年呈现出圈层式收缩的特征，而冷点区的空间极化现象减弱。

2.1.3 空间自相关分析 全国省域活鸡价格空间相关性的检验结果如图2 所示，样本期内各年的Moran's I都在1% 水平上显著，即活鸡价格存在显著的空间自相关性，样本期内各年的Moran's I都在0～1，这表明各个省份的活鸡价格在全域空间上存在正相关关系，即活鸡价格存在集群分布和空间溢出现象。总体来看，Moran's I呈现波动中下降的变化趋势，其中，2006—2012 年Moran's I值均为正，说明本省活鸡价格的提高对于临近省域具有带动作用，但这种带动作用呈现逐年波动下降的趋势，表明省域间空间正溢出效应趋于下降，空间集聚性和依赖性的明显下降反映出省域之间的经济带动作用在减弱；2012—2016 年Moran's I呈小幅上升状态，表明近年来活鸡价格的空间相关性在增强，活鸡价格较高省份的辐射效应带动临近省份活鸡价格的提高。

由于全局空间分析只能反映各个省份整体的价格空间依赖程度，忽略了空间过程的不稳定性，会掩盖其局部的空间异质特征[17]，省份之间价格差异也很可能存在空间集聚或分散的局部空间自相关现象，而Moran's I散点图可以揭示出局部区域价格波动的差异，因此，本文截取了2001、2007、2012 年和2017 年不同省份活鸡年度平均价格，运用OpenGeoDa1.2.0 实现Moran 散点图以探讨其局部变化趋势，图中横坐标为省区单元活鸡价格水平的标准化值，纵坐标表示邻近省区活鸡价格水平的空间加权平均值，又称空间滞后变量。

图2 活鸡价格的全局Moran's I

Moran 散点图（图3）反映了被观测省市及地区的分布特征和邻近区域的相互关系，可以看出，分布于一、三象限的省份数量在4 个时间断面上始终处于高度密集的状态，即“高-高”、“低-低”型在数量上占据明显优势。从时间尺度的演变来看，活鸡价格的“高-高”型区域17年来并没有增减，而“低-低”型区域却由2001 年的13个减少到了2017 年的9 个，降幅达30.8%。

图3 2001、2007、2012 年和2017 年局部莫兰指数散点图

综合局部Moran's I指数值和标准化变量Zi的取值，绘制LISA 集聚图分析空间关联特征。总体来看，2001年与2017 年活鸡价格的空间分布呈现出比较明显的纵向分层连片集聚特征。从空间分布格局来看：①2001与2017 年活鸡价格呈现出“高-高”型集聚的省份主要集中在广西、贵州、福建、江西、广东、湖南、四川7 省，表明本地与相邻地区活鸡价格都处于较高水平的省份主要集中在我国东南沿海地区与西南部地区；②活鸡价格“低-低”型集聚的省份集中分布在黑龙江、内蒙古、辽宁、山东、河北、山西、河南、吉林8 省，说明本地与相邻地区活鸡价格都较低的省份主要集中北部沿海和东北部地区，这与前文冷热点分析结果基本一致；③“高-低”型集聚的省份2001 年为安徽、上海、青海，2017 年为新疆、宁夏、上海、青海、辽宁，此类省份活鸡价格较高，但受周边省份较弱的空间制约，本省较快增长的活鸡价格并没有带动周围省份活鸡价格的整体增长，而是呈现出一定的极化效应；④“低-高”型集聚的省份主要分布在浙江、陕西、湖北、甘肃，此类省份本身活鸡价格较低，而周围省份的活鸡价格均较高，说明区域间的溢出传导效应对其影响程度较小。

究其原因，一方面可能在于我国活鸡产业具有生产与消费高度一致性的特点，肉鸡传统生产区也是鸡肉的主要消费区，广东和广西作为我国黄羽肉鸡生产排名第一、第二的主产省份，也是主要的消费地区，这种优势为当地居民提供了消费的便利条件，而居民也因此养成了鸡肉消费的习惯，从而促进了当地鸡肉价格的上涨；最后，活鸡价格在区域之间存在差异与各地区的经济发展水平密不可分，例如我国西部地区活鸡产业发展水平远落后于东、中部地区，人口稀少，经济发展动力不足致使其生产成本高于全国平均水平。

2.2 活鸡价格区域价格差异的驱动因素分析

2.2.1 泰尔指数分解 泰尔指数及其分解的组内和组间差距可以很好反映组内、组间差距对于活鸡价格区域差异的贡献度，因此本文将中国划分为东部、西部、中部和东北部4 个区域。东部地区包括天津、江苏、河北、上海、浙江、山东、广东、福建、海南；中部地区包括河南、湖北、江西、山西、安徽、湖南；西部地区包括重庆、内蒙古、四川、云南、甘肃、青海、广西、贵州、陕西、宁夏、新疆；东北地区包括黑龙江、吉林、辽宁。

表1 为2001—2017 年泰尔指数组内和组间差距的变动状况。研究发现：①东部、中部、西部与东北部区域之间的差异与各区域内部省域之间的差异比重格局基本保持稳定；②在各区域内部省域之间的差异比重格局上，东部区域内各省域的差异在总体差异中的占比从2001 年的19.3849%波动上升至2017 年的38.084%，其在总体差异中的占比排名由第二上升至第一，与此同时，西部区域内各省域的差异贡献度则呈现出逐年波动下降的趋势；③西部区域与东部区域内各省域的差异占比和始终在70%以上，是对总体差异影响最大的两个区域。总体而言，组内差距对活鸡价格的空间差异一直起决定性作用，从贡献度上来看，组内差距的贡献度始终保持在70%以上，显然各区域内部差异是造成总体差异的主要影响因素，而各区域间差异对总体差异的影响较小。

2.2.2 空间计量模型分析 通过前文空间自相关的分析，表明中国活鸡价格存在明显的空间集聚性和空间依赖性，活鸡价格的波动水平不但与自身因素有关，亦与周围地区存在相关性。本研究采用空间杜宾模型分析中国活鸡价格的空间效应，为确保研究的稳健性，本研究同时把空间邻近权重矩阵Wδ和经济距离权重矩阵We纳入研究。Hausman 检验结果显示卡方差值较大并通过1%显著性检验，对数似然值显示固定效应空间杜宾模型明显优于随机效应的空间杜宾模型，因此，本文最终选择固定效应空间杜宾模型作为最优模型进行模拟分析。估计的结果见表2，基于空间地理距离权重矩阵和经济距离权重矩阵的空间杜宾模型的直接效应、间接效应、总效应的回归结果见表3 和表4。

如表2 所示，在空间地理距离权重矩阵和经济距离权重矩阵两种矩阵下，猪肉价格、商品代肉雏鸡商品代蛋雏鸡、城镇化率均表现出显著正向影响。但由于SDM 模型同时考虑了临近省份相关变量的影响，回归系数不能直接解释变量的实际影响，因此需要进一步根据直接效应、间接效应和总效应的结果分析得出研究结论，结果见表3、表4。

由表3、表4 回归结果的直接效应部分可以看出，商品代肉雏鸡价格、商品代蛋雏鸡价格、猪肉价格、城镇化率的系数均为正，且都通过了1%的显著性检验，说明猪肉价格、商品代肉雏鸡价格、商品代蛋雏鸡价格增长与城镇化率提高都会对活鸡价格产生推动作用，原因在于商品代肉雏鸡价格、商品代蛋雏鸡价格为活鸡的生产成本，生产成本的提高将会导致活鸡价格上涨。而猪肉属于鸡肉的替代品，当猪肉价格上涨时，居民会增加鸡肉消费，从而导致鸡肉价格上涨。区域城镇化率的提高则通过增加区域城镇人口数量、促进区域经济发展、提高城乡居民收入并缩小城乡居民收入差距，直接或间接地影响居民消费结构与居民消费水平，进而促进活鸡价格的上涨。从间接效应的部分可以看出，商品代肉雏鸡价格、商品代蛋雏鸡价格、玉米价格、猪肉价格和城镇化率的系数均为正，且在1%显著性水平下显著，说明商品代肉雏鸡价格、商品代蛋雏鸡价格、玉米价格、猪肉价格和城镇化率均具有正向的空间溢出效应，临近省份商品代肉雏鸡价格、商品代蛋雏鸡价格、玉米价格与猪肉价格的增长将会导致本省份活鸡价格的上升。由此可见生产成本的变化、替代品价格的变化及城镇化率的变化是活鸡价格波动的主要因素。

表2 空间杜宾模型回归结果

表3 基于联接邻近的空间杜宾模型的直接效应、间接效应和总效应

表4 基于经济邻近的空间杜宾模型的直接效应、间接效应和总效应

3 结论与建议

本文基于中国28 个省2001—2017 年月度面板数据，采用空间自相关和冷热点分析等技术手段对中国省域活鸡价格差异时空演变特征进行研究，并利用空间杜宾模型进一步从空间视角深入剖析区域价格差异的驱动成因。结论如下：①中国活鸡价格热点区域和冷点区域均呈现明显的集中态势，局部空间关联特征尤为鲜明，“北冷南热”两极分化较为严重，热点区在2001—2017 年呈现出圈层式收缩的特征，冷点区的空间极化现象减弱。②中国活鸡价格区域差异二元分化明显。从活鸡价格的空间分布格局来看，价格“低-低”型区域主要集中在北部沿海和东北部地区，“高-高”型区域主要集中在东南沿海地区与西南地区。③泰尔指数的分解表明，组内差距的贡献度始终保持在70% 以上，各区域内部差异是造成总体差异的主要影响因素，从2011—2017 年的时间演变来看，组内差距呈现出阶梯式增长的趋势，2017 年东部地区组内差异的贡献度超越西部地区，成为贡献度占比最高的地区。④空间杜宾模型分析结果显示，中国活鸡价格的集聚效应已经打破了原有的地理集聚，而存在跨区域的空间效应。猪肉价格、商品代肉雏鸡价格、商品代蛋雏鸡价格、城镇化率均表现出显著正向影响，从直接效应分析来看，商品代肉雏鸡价格、商品代蛋雏鸡价格、猪肉价格和城镇化率的提高会带动本地活鸡价格的提高。从间接效应分析来看，临近省份商品代肉雏鸡价格、商品代蛋雏鸡价格、玉米价格、猪肉价格和城镇化率的提高都会带动本地活鸡价格的提高。

根据以上结论，本研究提出如下政策建议：①政府职能部门在鸡肉价格政策调控过程中应充分考虑“集聚效应”和“时空效应”，因地制宜、因时制宜的制定调控政策；②对”高-高”型集聚的东南沿海地区与西南地区要进行重点监控，加强不同地区间的信息共享机制，以防止活鸡价格高位运行的省份对临近省份活鸡价格的提升产生的推波助澜的作用。加大对落后地区活鸡产业的交通、运输、仓储等基础设施建设和改造，以加强各地区市场间的流通与技术合作；③要继续推进活鸡养殖标准化、规模化为核心的产业转型升级和结构性改革，提高基础设施、生产设施设备及人力投入的利用率，进一步降低活鸡养殖成本，并预防猪肉等替代品价格的大幅波动，是建立活鸡市场价格稳定长效机制的关键。