中国农产品对外贸易的空间集聚效应研究

赵 恩, 李明权

（青岛农业大学管理学院, 山东 青岛 266109）

随着中国加入WTO, 广袤的国外市场骤然打开, 中国的农产品出口获得了突飞猛进的发展。据中华人民共和国商务部数据显示, 2010 年中国农产品贸易额为1 207.86亿美元, 到2019年达到2 284.27亿美元, 贸易额度在十年时间增长了近一倍。中国是世界第四大出口国, 同时也是世界最大的农业进口国, 自2004 年开始, 中国的农产品贸易就出现逆差, 且中国在世界农产品贸易逆差地位一直未变。造成中国农产品贸易逆差的原因除了进出口2 个方面的因素, 还有国内各省对外贸易发展程度不均衡[1］以及机械化程度低、基础设施建设不完备等因素。近年来, 碳排放问题也逐渐成为国际贸易市场的影响因素。因此, 探究中国农产品贸易的影响因素和面临的主要问题, 对于中国农产品产业结构的优化升级和进出口贸易的可持续发展具有重要的现实意义。

早期, 基于传统的贸易理论, 国内外的农产品贸易研究主要还是放在传统的经济因素上, 如赵雨霖等[2］以及Miao 等[3］的研究发现影响农产品贸易的主要影响因素有GDP 总量、人口、制度安排等。随着国内外农产品贸易不断发展, 各国学者对于农业贸易影响因素的研究, 在兼顾传统影响因素时, 重心逐渐转移到国内产业水平上来, 更多的考虑产业内专业化、机械化水平对农产品贸易的影响, 如牛若峰[4］、许经勇[5］以及Barry[6］对农产品贸易的影响因素进行进一步研究, 他们认为农业产业化经营是增加收入、带动当地GDP 最显著的方式, 高水平的农产品机械化程度, 提高产品生产率, 还能提高国家农产品在国际市场上的竞争力。在中国入世后, 绿色贸易壁垒日趋成为不可忽视的一项影响因素, 丁长琴[7］、庄丽娟等[8］认为, 一个国家的农产品贸易竞争力的增强, 仅靠加入国际组织是远不够的, 还要加强自身产业结构调整, 重视产品背后的价值, “绿色低碳” 的概念也在这个时期逐渐进入大众视野。除此之外, 王飞[9］认为农村金融的发展是严重不平衡的, 这样的 “经济土壤” 严重制约了中国农村经济、贸易等 “种子” 的成长、发展, 因此, 他提出了利用 “空间溢出” 效应推动农村经济格局的改变, 此时空间区域性的概念逐渐走进广大研究者的视线中来。近几年, 中国各地区农业贸易发展不均衡的状态愈发明显。杜黎明[10］认为, 地区间不平衡的农业发展已成事实, 要正视区域性, 根据不同的发展程度, 选择差异化发展。白晶等[11］也认为区域性是必然存在的, 要建设、发展 “农业高新区” , 以期将局部的经验推广到全局, 建立更多的农业高新区以点带面, 不断发展。随着国内外学者对农产品贸易研究的不断深入, 农产品贸易的 “空间聚集效应” 对于农产品贸易的重要性不断增强。魏浩等[12］认为, 中国对外贸易确实存在强强聚集或弱弱聚集的 “马太效应” , 而这种效应与当地经济、文化、人才等影响因素有密不可分的关系。Fan 等[13］指出, 中国的区域发展与其他东亚经济体的区域发展有很多共同之处, 尽管由于中国是社会主义国家, 但其经济发展还是趋向于经济自由化发展。通过各种统计调查, 他们证实了空间地理位置与中国各区域经济发展之间存在正相关关系。这种现象在自由化经济迅速推进的部门和地区尤为明显。

综上所述, 在农产品贸易研究中, 既要考虑到传统贸易理论的经典影响因素, 更要重视各省农产品贸易之间潜在的相互影响, 要将 “空间聚集效应” 放到中国农产品贸易的研究中来, 否则将会遗漏重要的 “交互作用” , 使得实证研究结果与实际情况存在偏差, 因此利用空间统计和计量分析方法研究中国农产品问题, 协调各省域、区域之间的农业贸易发展显得尤为必要。

1 中国农产品贸易概况

表1 为中国部分省份农产品贸易额, 2010—2019 年中国农产品对外贸易总额不断增涨。2010年, 中国农产品贸易总值约为102.7 亿美元, 排在前几位的省份, 山东贸易额占比20.75%, 广东贸易额占比12.80%, 江苏贸易额占比9.64%, 福建贸易额占比6.82%, 浙江贸易额占比6.49%, 贸易额排名靠后的几个省份, 贵州0.15%, 甘肃0.24%, 山西0.08%, 宁夏0.06%, 青海0.01%。2015 年, 中国的农产品贸易额约为186.1 亿美元, 相较于2010 年的贸易总额上升了54%, 此时, 排名前几位的省份, 山东贸易额占比16.83%, 广东贸易额占比14.22%, 江苏贸易额占比7.97%, 福建贸易额占比8.60%, 浙江贸易额占比5.58%, 排名后几位的省份, 贵州贸易额占比0.18%, 甘肃贸易额占比0.24%, 山西贸易额占比0.12%, 宁夏贸易额占比0.07%, 青海贸易额占比0.02%。虽然贸易额较高的省份, 其所占比重有所下降, 但是贸易额较低的省份所占比重变化不大。这就意味着中国农产品贸易经过几年的发展, 仍是重者恒重, 省域农产品贸易发展不平衡现象依旧存在。2019 年, 中国的整体贸易额上升至228.4 亿美元, 农产品贸易额在10 年时间里实现了成倍增长, 但是各省份所占比值较为稳定, 贸易额所占比重较大的几个省份仍占有近50%的比重。从省域角度研究发现, 中国的农产品贸易发展是不平衡的。根据中国商务部发布的数据发现, 农产品贸易额长期排在前五的省份是山东、广东、江苏、福建和浙江, 共占全国农产品贸易总额的50%以上；而排位靠后的省份, 贵州、甘肃、山西、宁夏、青海的贸易规模较小, 这5 个省份的贸易总额在全国农产品贸易总额的比重还不足1%。

表1 2010—2019 年中国部分省份农产品贸易额情况 （单位：亿美元）

根据研究发现, 中国农产品进出口贸易存在区域间的不平衡性, 优势地区的农产品贸易发展势头正盛, 但是劣势地区的农产品贸易却几乎未变。东部、西部农产品对外贸易存在明显差异, 从现实情况来看, 随着中国各地区之间的经济互动、信息交流、人员和资金流动, 各省份的农业进出口情况不可能自成一派, 与其他省份彻底区分开来。这就意味着在实证分析中, 无法忽略各省农产品进出口之间潜在影响, 各省农产品进出口之间的 “交互作用” 是不可或缺的影响因素。一旦忽略, 将使得实证研究结果与实际情况存在偏差, 因此采用空间统计和计量分析方法研究中国农产品贸易问题是非常有必要的。

本研究拟将空间因素引入到中国农产品国际贸易的分析框架中, 利用2010—2019 年31 个省（不包括港澳台地区）有关农产品国际贸易的面板数据, 采用空间自相关检验和空间计量模型, 对中国农产品国际贸易的空间集聚情况及影响因素进行实证分析, 以期更加全面客观地反映经济现实情况。与以往的研究相比, 本研究有以下创新：一是研究视角方面, 从省域层面研究中国农产品国际贸易, 能够全面深入地了解农产品国际贸易在各省间的差异；二是研究方法方面, 考虑到农产品贸易的空间相关性, 采用空间统计和计量分析方法进行研究, 避免由于忽略空间因素而导致的偏差, 做到对现有文献的补充与拓展。

2 研究方法与数据来源

2.1 研究方法

在进行空间计量分析之前, 需要检验空间依赖性是否存在于数据中。空间自相关性检验包括 “全局分析” 和 “局部分析” 。其中, “全局分析” 通过使用单一的值来测量区域整体的空间自相关程度, 目前最为常用的度量空间自相关的方法为Moran’s Ⅰ指数和Geary’s C 吉尔里指数。由于莫兰指数比吉尔里指数的稳定性更强, 因此本研究采用全局莫兰指数检验31 个省份在农产品出口方面是否具有空间相关性。通过局部分析计算出每一个空间单元与相邻近地区的相关程度, 测量某一局部地区附近的空间集聚情况。

2.1.1 全局空间自相关 选择rook 方式的空间邻接方法构建空间权重, 用Moran 指数 “I” 来表示全局空间的自相关性。

设xi为第i个省的观测值, 全局Moran 指数I计算公式为：

其中,I表示全局Moran 指数,I∈[-1,1]。若I＞0, 则表示存在正的空间自相关性, 即农产品贸易额较高的省份与农产品贸易额较高的省份相邻, 农产品贸易额较低的省份与农产品贸易额较低的省份相邻；若I＜0, 则表示存在负的空间自相关性, 即农产品高贸易额省份与低贸易额省份相邻；若I= 0 则表示不存在空间自相关性, 即表明其空间分布是随机的。其中为样本方差, 其中为中国省域个数。Wij为构建的空间权重矩阵, 采用rook 矩阵, 表示i、j地域之间的邻近关系, 若2 个省份相邻则是1, 若2 个省份之间不相邻则是0。

2.1.2 局部自相关分析 全局空间自相关性只分析整体聚集, 因此, 仅进行全局莫兰指数分析是不全面的, 要进一步分析区域内是否存在局部空间集聚, 还需进行局部空间自相关分析。

设Ii(i= 1,2,3…n)为局部莫兰指数, 公式为：

其中,S2与式（1）相同,Ii表示局部Moran 指数,Ii∈[-1,1]。若Ii＞0, 则表示存在正的局部空间自相关性, 若Ii＜0, 则表示存在负的局部空间自相关性, 若Ii= 0, 则表示不存在局部空间自相关性。Wij是构建的空间权重矩阵, 代表2 个空间单元i、j之间的影响程度。

2.1.3 空间计量模型 空间计量模型引入了空间效应, 而一般计量模型仅是对数据进行数理分析。 “空间效应” 分为 “空间自相关（或空间依赖性）” 和 “空间差异性” 2 个方面。 “空间自相关” 是指一个地区的样本观测值与其相邻地区的观测值显著相关, 而 “空间差异性” 则是说明某一地区的观测样本与其相邻地区的观测值无显著相关性。通常在进行计量模型分析时, 假设研究的因变量存在空间自相关性, 空间自相关性在空间回归模型中可以有2 种表现方式, 它既可以体现在 “误差项” 中, 又可以体现在因变量的 “滞后项” 里。在确定各省农产品贸易及其他变量是否具有空间自相关性之后, 就要构建空间效应模型, 计量模型主要有空间滞后模型（SLM）和空间误差模型（SEM）。

1）空间滞后模型（SLM）为：

该式是将普通的一阶回归模型加入了一些空间因素进行研究。滞后变量考虑的是时间序列, 空间滞后就是考虑周边区域对研究区的影响。Yit代表i省份在第t期的被解释变量向量,Xit代表i省份在第t期的解释变量向量,ρ、β分别为空间滞后回归系数和解释变量的系数, ɛit表示随机误差项,i代表省份,t代表年度。W为二进制空间邻接权重矩阵, 即当两地区相邻时,Wij=1, 否则为0。

2）空间误差模型（SEM）为：

空间依赖性还可能通过误差项来体现, 此时考虑空间误差模型（SEM）。式（4）的解释与式（3）相同, 式（4）中,λ为空间误差回归系数,μit为具有空间自相关的误差项。该模型显示, 扰动项μit存在空间依赖性, 这意味着除本研究所涉及的影响因素外, 还存在其他对被解释变量有影响的变量, 且该遗漏变量存在空间自相关性。

2.2 研究对象、各变量及数据来源

采用探索性空间数据分析方法进行空间自相关分析, 包括全局空间自相关分析和局部空间自相关分析。研究2010—2019 年中国31 个省份（不含港澳台）农产品贸易数据, 基于世界海关组织制定为HS编码标准分类, 其中采用的农产品范围为1～24 章。研究变量及变量定义如表2 所示。

表2 研究变量及变量定义

中国是农产品贸易大国, 但是中国的耕地却仅1.315 亿hm2, 占全球耕地面积的7%, 农业生产机械化水平（agm）是影响中国农产品产量、农产品贸易的重要影响因素之一[14］, 该变量可以直接反映出当地机械化水平及农作物产出水平, 产量不同, 贸易额也有所不同；农村人均可支配收入（earn）表示当地农村经济水平, 选取其变量用以反映当地经济发展程度对于农产品贸易的影响程度[15］；公路密度（road）, 完善的基础设施能够降低生产成本和交易成本, 基础设施包括交通、商业服务、供电、卫生事业等各种设施和服务, 选取公路密度作为影响因素之一, 通过对各省份公路密度的分析, 从而反映出基础设施对各省份农产品贸易的影响程度[16］；最近港口距离（port）, 通过分析各省到距离最近的外贸口岸的里程数, 进而测度地理位置对各省份木质林产品出口额的影响[17］。 “碳中和” 会在未来一段时间内成为影响国际贸易的重要影响因素, 且农业中畜牧业温室气体排放的贡献量尤为重要[18］, 本研究将牛类存栏量（stock）作为中国农业中碳排放的测算指标, 用来体现其对中国农产品贸易的影响程度。

本研究所选取的2010—2019 年中国各省份农产品进出口贸易金额数据来源于中华人民共和国商务部《中国进出口月度统计报告》, 中国各省份面积数据来源于《中国开发区年鉴》, 牛类牲畜年底存栏量、农村人口、收入、机械总动力、公路、铁路等其他数据来源于《国家统计年鉴》。

3 实证分析

3.1 全局莫兰指数分析

由表3 可知, 2010—2019 年中国农产品贸易额的全局Moran’Ⅰ指数都大于0, 且都通过了10%的显著性检验。这说明中国31 个省份的农产品对外贸易具有全局自相关性, 也就是说中国农产品贸易额较高的省份同贸易额较高的省份在空间上是聚集在一起的, 以及各低农产品贸易额的地区在空间分布上也是聚集在一起的, 即在研究中国农产品贸易影响因素时, 空间因素产生了一定的影响。

表3 2010—2019 年中国各省份农产品贸易额全局Moran’Ⅰ指数检验值

本研究利用各省份的农产品贸易额代表该省份的农产品贸易水平, 中国各省份的农产品贸易受到空间因素的影响, 这就表明中国各省之间的农产品贸易存在空间集聚效应。并且, 中国31 个省份农产品对外贸易的空间自相关经历了先降后升的发展过程：2010—2014 年空间自相关显著性为不断下降的状态, 全局Moran’Ⅰ从2010 年的0.240 下降到2014年的0.186；而从2015 年之后, 空间自相关性出现了较大幅度的上升, 最大的全局Moran’Ⅰ为2018 年的0.324。自2015 年后, 中国农产品对外贸易的空间自相关性显著性不断提高, 即近几年中国的农产品对外贸易的空间集聚程度在逐渐增强, 这说明在对农产品对外贸易的环境影响因素进行定量研究时, 必须充分考虑各省之间的空间相关性, 不能简单地采用相互独立的方法来研究。

3.2 局部莫兰指数分析

利用Geoda 绘制莫兰散点图, 该莫兰散点图在全局Moran’s Ⅰ检验的基础上进行局部Moran’s Ⅰ散点图的分析, 由于篇幅限制, 本研究仅作2009 年与2019 年的Moran’s Ⅰ散点图（图1）。在地域广袤的中国, 不同区域间的关联性往往具有不同的特征。由图1 可以看出, 具有非典型观察值的地区即位于第二象限和第四象限的地区在期初和期末有了较大的变化：2010 年, 有8 个地区属于非典型观测值的地区, 到2019 年, 这种非典型观测值的地区降到了4个。其变化趋势表明, 经过几年的变化, 中国农产品对外贸易的空间集聚特征越来越明显, 农产品进出口贸易较为发达的地区被更多的具有同样发展水平的地区所包围；同时, 农产品进出口贸易发展水平较低的地区被更多的低发展水平地区所包围, 而那些高贸易额与低贸易额相邻而聚的省份减少了。经过10 年的变化, 第一象限、第四象限距离中心点越来越远且更加分散, 这说明中国的农产品对外贸易确实存在一定的空间集聚性, 且空间自相关性的显著性在不断增强。

图1 2010 年和2019 年局部莫兰指数散点图

在农产品进出口方面, 中国不同地区间全域性的空间相关性与局域性的空间相关紧密相联, 农产品对外贸易发达地区的地理空间效应对该地区及周围地区都有重要的影响, 但是这种空间效应及其他影响因素对该省份农产品贸易的影响程度如何, 需要进一步的计量分析。

3.3 空间计量模型

3.3.1 空间计量模型选择 在确定中国31 个省份农产品对外贸易存在空间自相关性后, 接下来就是确定空间计量模型。计量模型主要有空间滞后模型（SLM）和空间误差模型（SEM）, 采用LM 和R-LM 的检验进行空间计量模型的估计识别（表4）。

表4 LM 检验、R-LM 的检验

从表4 可以看出, 拉格朗日乘子LM-error 和稳健LM-error 的检验结果显著, 虽然LM-error、稳健LM-error 同LM-lag、稳健LM-lag 的检验结果就显著性而言区别不大。但是, LM-error、稳健LM-error 的检验结果显著性较LM-lag、稳健LM-lag 更优, 因此应选择空间误差模型（SEM）进行分析。

因本研究考察对象是31 个省全样本范围, 每个省情况各有特色, 选取固定效应模型更为合适。但在实际操作中还是应当检验所有模型的结果, 进一步确定所选取的模型是否准确。利用Stata16.0 软件进行豪斯检验, 首先选择随机效应模型（re）, 即H0：选择随机效应模型（re）。所得结果为Prob＞chi2=0.000 0, 由于P为0.000 0, 故强烈拒绝原假设H0：选择随机效应（re）。因此, 本研究选择固定效应模型（fe）。

3.3.2 模型估计结果 由表5 可知, 利用空间计量模型对牛类家畜存栏量（stock）进行分析, 符号为正且通过了显著性水平检验, 这说明牛类家畜存栏量对中国农产品贸易存在正向影响。同时, 机械化水平（agm）、农村居民收入（earn）、道路网密度（road）等变量的符号也为正, 且通过了显著性检验, 这说明中国农产品贸易中, 机械化水平、经济发展程度、基础设施建设等都产生了正向影响。各省份与港口距离（port）为负, 说明中国各省份农产品贸易受到地理位置的影响, 距离港口越远则越不利于该省份农产品贸易发展, 反之, 越有利于该省份农产品贸易发展。

为了检验表5 统计结果的稳健性, 本研究按照Arbia 等[19］的方法, 采用地理距离衰减法, 即运用距离的倒数w（dij）=1/dij测算空间权重矩阵, 重新对模型进行估计, 估计结果如表6。由表6 可以看出, 各解释变量系数符号与表5 基本一致, 仅系数值大小和显著性有略微的差异。采用2 种空间权重的模型的对数似然值Log-L相差不大且拟合优度均较高, 表明本研究分析结果的稳健性较好。

表6 空间误差模型及OLS 固定模型估计结果的稳健性检验

以上是对中国31 个省份农产品对外贸易空间集聚效应进行科学分析, 得到空间误差模型（SEM）及传统的OLS 固定模型估计结果（表5）。引入空间效应的空间误差模型（SEM）与传统的OLS 固定模型相比, 能更好地解释各地区农产品对外贸易的差异化现象, 且时点固定的模型估计结果在各方面优于其他模型。因此, 本研究以时点固定模型对各影响因素进行分析。从估计结果看来, 一方面, 空间误差模型均比OLS 传统固定模型R2更大, 说明空间误差模型拟合优度更大, 拟合程度更好；另一方面, 空间自相关系数λ均通过了5%显著性水平的检验, 这说明引入了空间向量的空间误差模型中, 空间效应是影响模型变化的影响因素。由此可见, 在中国农产品进出口贸易各省份之间存在空间效应, 即一个省份的农产品对外贸易会受其他相邻省份的影响。

4 结论

1）从各省份空间统计分析结果中可以看出, 从全局分析, 中国各省份确实存在显著的空间聚集效应, 且空间聚集程度在逐年增强。从局部分析, 有超过80%的省份落在了莫兰散点图的第一、三象限, 说明中国农产品进出口贸易存在正向空间自相关的非均衡发展格局。落入高-高集聚（第一象限）的省份主要是山东、广东、江苏、福建和浙江, 落入低-低集聚区（第三象限）的省份则为贵州、甘肃、山西、宁夏、青海等省份。而其他省份所属象限从未变动过, 说明这些省份的农产品进出口贸易存在明显的 “路径依赖” 特征。

2）机械化水平（agm）、农村居民收入（earn）、道路网密度（road）符号为正, 这说明当地收入水平与当地机械化程度有序、稳定上升会促进当地农产品对外贸易发展, 并且当农产品对外贸易的良性发展也会反过来带动农村居民收入水平及当地机械化水平的提高, 形成一种互帮互助、螺旋上升的良好经济发展态势, 偏向技术型的机械化进步会在技术、信息共享等方面不断提高农民技能素质[20］, 不仅可以提高当地农民的收入水平, 还可以在农产品供应链生产阶段进行赋值产出[21］, 提高中国农产品在国际市场的竞争力。在空间区域进行农产品贸易分析时, 省份内部的道路铺设密度对该省份的农产品对外贸易产生正向影响, 加强各省份交通基础设施建设能够降低区域之间的贸易成本、提高区域之间的贸易效率[22］。地理位置（port）符号为负, 且通过了显著性检验。这一结论表明, 在利用空间区域模型进行农产品贸易分析时, 地理位置影响因素对于农产品贸易的影响, 同传统的引力模型所得出的结论是一致的：各省份距离海港距离越远, 交易成本越大, 对该省份农产品贸易越不利。

3）利用空间计量模型对牛类家畜存栏量（stock）进行分析, 符号为正且通过了显著性水平检验。这说明牛存栏量（stock）对中国农产品进出口贸易的影响是正向的, 即牛存栏量越大, 温室气体排放量越高, 中国农产品贸易量越高。这会对绿色低碳农业、实现中国 “碳中和” 目标产生消极影响。在中国畜牧业中, 牛类牲畜的反刍活动及排泄产生的CH4在农业碳排放中占有较大比重[23］, 并且中国是养殖业大国, 规模养殖所带来的污染已严重制约中国畜牧业的健康持续发展[24］。中国畜牧业产品结构问题及碳排放问题应是今后中国农产品贸易中应当重视的问题。

综上所述, 在今后的对外贸易研究中, 不仅要考虑传统的贸易影响因素, 还应加入空间因素综合考虑, 并且要将研究重心向区域之间的空间集聚性偏移, 这对于推动中国各区域的农产品对外贸易经济发展具有重要的现实意义。

5 对策建议

通过空间自相关分析, 得出中国各省份农产品对外贸易的空间集聚效应是客观存在的结论。针对这一特点, 高聚集省份应积极联动, 从互利共赢的角度出发, 推动跨省对外贸易、经济发展, 由中央牵头, 各省出力, 进一步推动发展地方企业网络。从具体地区来看, 高-高集聚型省份应发挥其作为核心地区的贸易溢出效应和辐射效应, 带动邻近省份的农产品贸易；低-高集聚型省份应通过学习周边地区的种植和生产技术等方面, 来承接产业转移；高-低集聚型省份应积极向邻近省份推广农业产业化、机械化和贸易经验, 带领邻近省份一同进入高-高集聚类型；而低-低集聚型省份的贸易潜力还有待开发, 通过提高农产品生产效率和产品质量, 打破故步自封式的局面。政府部门应正确看待各地之间的差距并利用各聚集性较高区域的空间集聚效应, 多省联动制定带动政策；各省学术界应当在研究差异的基础上, 为各省份制定经济政策提供理论支撑及风险预测, 为各省农产品贸易发展保驾护航。

在农业生产过程中, 不断提高中国农业机械化程度、提高资源利用率, 增加农产品附加值, 是加强中国农产品进出口贸易竞争力的主要途径之一。中国的农业机械化发展也是呈区域性且不平衡, 应当正视地貌、资源禀赋等客观因素的不利约束, 充分利用高-高聚集型省份的带动优势, 根据不同地域特征发展农业机械技术的创新性研究, 为区域农业机械化的平衡、有序发展给予技术支撑。对于现有的中小型农机局进行进一步改良, 不断提高其在丘陵地区的作业效率；对于较为复杂的大型农机具要注意创新改进, 最大限度地提高平原地区的生产效率。从相关的空间因素分析可知, 交通网密度等强基础设施, 空间直线距离利用率有利于推动农产品进出口贸易良性发展, 大幅降低交易成本。由此, 对于高-高聚集型省份和低-低聚集型省份而言应当加强相互之间的地理联系, 缩短空间距离, 依托现有的道路、铁路网建立区域直通专线、专列, 建立、开展联结性更强的经济区与区域经济圈。随着现代交通等基础设施的不断建设, 各区域交易成本将会不断降低, 各生产要素会在各区域间积极、有序、健康的流动, 从而形成稳定的经济区域及区域经济圈。

通过对牛类存栏量（stock）分析, 可以得出中国农产品对外贸易与其存在正相关关系, 但畜牧业一直是农业碳排放较为严重的部分。中国是畜牧业大国, 巨大的养殖规模不可否认的是为中国带来了巨大的经济利益, 但是碳排放较为严重的情况不容忽视, 因为中国已定下2030 年前碳达峰、2060 年前碳中和的目标。这就要求中国畜牧业发展既要保证经济增长, 也要重视环境保护。应当将低碳与循环相结合, 使得中国畜牧业得到健康持续的发展。作为资源型垃圾的畜禽污染废弃物, 在处理方面应当遵循 “减量化、资源化、无害化” 的原则, 可在一些高-高聚集的省份进行推广试验, 在取得一定的经验后进行跨省份推广。低碳农业的推广在未来的低碳经济中占有举足轻重的位置, 会使中国农产品在未来的国际贸易市场上占据先手, 使中国农业贸易的竞争力更上一层楼。