我国奶业生产的时空演化及影响因素分析

摘要：目的和方法：基于我国2009—2018年相关奶业的省级面板数据，结合生产布局指数模型以及空间计量模型，分析我国奶业生产布局变化及影响因素。结果与结论：我国奶业生产共分为三个阶段：1999—2005年是快速增长阶段，2006—2014年为波动阶段，2016年后受环境规制和国际贸易的影响，奶牛存栏数出现持续下降趋势，但我国奶业生产仍具有很强的空间集聚性和正向空间相关性。农村教育、玉米产量、畜牧技术机构、农业用水、城镇化率、消费水平、奶牛优势区对奶业生产布局集聚有显著的正向促进作用，而环境规制对奶业生产布局集聚的影响呈现负向抑制作用。要加强省际间沟通交流，实施差异化环境规制，加大畜牧技术研发投入，培养技术型农村人才，推动农村城镇化建设健康发展，加快促进奶业高质量发展。

关键词：奶业发展;生产布局;空间计量;影响因素

奶业是关乎食品安全与国民健康发展的重要产业，也是协调一二三产业发展的战略产业。促进奶业发展是增加农民收入、改善居民饮食结构、优化农业布局的重要保障。伴随着奶业规模化水平的不断提升，中国奶业区域格局也发生着深远变化。揭示中国奶业区域格局演化的核心驱动要素及其影响机制，不仅能够为我国奶业地理集聚提供经验指导，而且能够为奶业产业化发展提供切实的借鉴，从而带动整个区域经济、社会的快速发展[1]。中国一直高度重视奶业发展和乳品质量安全，强调提高奶业质量安全水平，实现奶业振兴。2018年，中央一号文件进一步强调“做大做强民族奶业”;2019年，中央一号文件再次提出实施奶业振兴行动，加强优质奶源基地建设。国内外关于奶业生产布局的研究文献很多，主要分为两类：一方面是研究现阶段我国奶业空间布局[2-3];另一方面，学者在分析奶业空间布局的同时，对影响其驱动的因素进行探究。另外，技术[4]、最终家庭消费支出和人口[5]、玉米的生产布局[6]、比较优势[7]、乳品加工企业的发展和布局[8]、自然资源[9]等也是影响奶业生产布局的主要因素。现有研究较少考虑奶业生产分布的空间相关性情况，忽略了空间效应对奶业生产布局产生的重要影响。本研究在生产布局指标模型基础上，结合空间计量模型分析2009—2018年奶业发展时空演化特征，并进一步分析我国奶业生产布局的影响因素，为振兴奶业发展提出建设性意见。

1我国奶业生产的时空演变特征

为更好地研究我国奶业分布及集聚情况，采用基尼系数和产业集中度指标进行衡量。基尼系数最先是用来衡量收入分配是否公平的重要指标，后来有学者将该指标改造为反映产业空间聚集程度[10]。基尼系数的计算公式为式（1）：

式（1）中，GINI为基尼系数;n表示全国省份均等分组的组数，本研究将海南、西藏以及湖南剔除，将剩下28个省的奶牛存栏数依照从小到大顺序均等分为7组，即n=7;Y_j表示第j组的奶牛存栏数在全国所占比重。基尼系数范围在0～1之间，基尼系数越高，表示我国奶业生产的空间集聚性越高。奶业的产业集中度反映奶牛存栏数排在前几位的省份产量之和占全国比重，其计算公式为式（2）：

式（2）中，m表示奶牛存栏数排在前几位的省份个数，丁存振[11]指出m一般为1、3、5，本研究选取m=5; Y_i表示省份i的奶牛存栏数在全国所占比重。

1.1奶牛存栏量变动趋势

由图1可以看出，1999—2015年，我国奶牛存栏数虽有波动，但总体呈现上升趋势，从1999年的442.8万头迅速增长到2015年的1 453.9万头，增长幅度达到197.38%，年平均增长额为64.3万头。到2016年再次下降一直持续到2018年。总体来看，奶牛存栏数变化可以分为3个阶段，1999—2005年是快速增长阶段，我国在这一阶段注重农业、畜牧业的高速发展，奶业的发展是这一过程中畜牧业发展的重中之重，《牛奶质量安全推进计划（2003—2007年）》等相关扶持奶业发展的文件陆续出台[12]，我国奶业生产得到蓬勃发展。2006—2014年为波动阶段，奶业的迅速发展导致原料供应不足。2008年，我国奶粉行业遭受 “三聚氰胺” 事件的重创，消费者对国产奶粉的质量安全信任度降到低点[13]。在这一阶段奶牛存栏数增长缓慢，失去前期强劲的发展动力，消费者丧失信心，养殖户放弃养殖奶牛，奶业生产发展开始滞缓。2015—2018年为下降阶段，奶业开始整顿，环境管控越来越严格，加之中美贸易对于奶业影响巨大，奶业发展缺乏动力。

1.2奶业生产空间聚集特征

从图2可以看出，2009—2018年奶牛存栏数的基尼系数呈现小幅波动且有下降趋势，但这一阶段的基尼系数均在0.71以上，集聚程度显著，而奶牛存栏数的产业集中度波动性较大，在2015年之后出现大幅下降趋势。2009年奶牛存栏数排在前5位的省份之和占全国比重的69.4%，在2013年出现波谷，下降到63.5%，在之后1年内迅速回升。从2015年的67%开始持续下降到2018年的58.7%。我国奶业生产集中度较高，虽然近几年呈现下降趋势，但整体仍具有空间集聚性。

2材料与方法

2.1变量选择及数据说明

本研究为考虑空间效应对我国奶业生产布局的影响作用采用省级面板数据，选取我国28个省份（西藏、海南以及湖南地区数据缺失严重）作为调查对象，选取调查年份为2009—2018年。本研究以奶牛存栏数（Y）作为奶业生产布局的衡量指标，以此为被解释变量，将其影响因素分为经济因素、科技因素、饲料因素以及资本因素，变量设置及选择依据如下。

2.1.1经济因素本研究采用城镇居民消费水平（X₁）、城镇化率（X₂）、环境规制水平（X₃）作为解释变量。借鉴周建军[12]环境规制的计算方法，环境规制的公式为式（3）：

2.1.2科技因素从长远角度看，农业科技进步是支持农业生产发展的持久推动力[14]，将会直接影响农业科技成果转换率，对农户养殖奶牛的技术需求具有重大影响。畜牧技术机构（X₄）能够反映当地农户对养殖畜牧的技术掌握程度。饲料因素对于畜牧业而言，其质量直接关系到奶制品的优劣，而生产成本也会对农户养殖的积极性造成影响。本研究选择玉米产量（X₅）衡量饲料产量情况、用豆粕价格（X₆）作为饲料价格，用农业用水（X₇）表示养殖奶牛所需用水情况。

2.1.3资本因素政府对畜牧业的投入对于带动当地畜牧业的生产发展有重要意义。本研究用运输线路（X₈）表示物流水平，反映牛奶在流通环节的具体情况，物流水平的发达会促进牛奶在加工、消费领域的效率，为农户带来巨大收益，调动农户养殖奶牛的积极性。用农村中拥有初中学历的人口比重作为农村教育水平（X₉）的指标，反映对农村教育的投入程度。将是否为奶牛优势区（X₁₀）作为虚拟变量，衡量政策优势对养殖奶牛布局的影响程度。

本研究所选数据均来自《中国畜牧兽医年鉴》《中国农村统计年鉴》《中国统计年鉴》《中国人口与就业统计年鉴》，个别缺失数据通过线性插值法进行补全。表1为样本初始变量的描述性统计结果及影响效应假定。

2.2模型选择及估计

本研究为全面了解奶业生产的空间分布以及各因素在空间效应下的影响作用，采用空间计量模型通过特定矩阵反映不同研究对象间的空间关系。根据上文中影响机制及研究假说，建立模型如式（4）：

式（4）中，W为空间权重矩阵、ρ为空间自回归系数、μ为随机扰动项、β为对应影响因素的影响系数、i为本研究中的省份，t为年份。

2.2.1空间相关性检验本研究分别选取三种空间权重矩阵对奶牛存栏数进行莫兰指数（Mroan's I）计算。由表2可知，经济空间权重矩阵的莫兰指数多数大于0.3，个别年份小于但接近0.3，且多数都在1%的水平下显著。邻接空间矩阵和经济地理矩阵虽然也在5%水平下显著，但莫兰指数值相对较低，相比经济空间权重矩阵显著性不佳。而在地理距离空间权重矩阵下我国奶牛存栏数的空间关系显著性最弱，说明地区是否邻近对奶牛生产布局聚集性影响不大。因此，本研究选取以各地区生产总值为经济指标体系的空间权重矩阵进行分析。

为了更好地呈现奶牛存栏数的空间相关性变化，选择2009年、2012年、2015年、2018年作为观察点，通过时间变化探索空间相关性的演变情况（图3～6）。整体来看，内蒙古、山东、陕西、青海、宁夏、新疆、黑龙江、山西、吉林、河北、甘肃、辽宁这12个省份一直处于第一象限，形成以东北和西北地区为中心的高—高型（H-H）集聚。位于第二象限低—高（L-H）型的省市共有4个，分别为北京、天津、安徽、湖北，奶牛存栏数低的省份周围多为奶牛存栏数低的省份。浙江、上海、重庆、广东、江西、广西、贵州、福建、云南、四川、江苏这11个省份主要聚集在低—低型（L-L）区域，这些地区多数为南方及沿海地区，奶牛存栏数较少，奶业发展水平较为落后。河南省从2009—2018年一直处在第四象限，表明该地区奶牛存栏数较高，奶业发展水平良好，但周围地区奶业发展水平低下。2018年，河北省和四川省转移到第四象限成为高—低型（H-L）聚集。所以就奶业生产而言，我国有23个省份存在空间相似性，进一步可得我国各省份之间存在空间相关性。

2.2.2空间模型估计本研究采用空间计量模型来进行实证分析，空间计量模型分为空间滞后模型（SLM）、空间误差模型（SEM）、空间杜宾模型（SDM）。为进一步确认空间计量模型的类别，本研究通过LM检验来判断空间滞后项和空间误差项。由表3检验结果可得，LM检验中Spatial error中的Lagrange multiplier和Robust Lagrange multiplier检验值均不显著，未拒绝无空间误差项的原假设，而Spatial lag的检验中Lagrange multiplier和Robust Lagrange multiplier检验值都在1%和5%的水平上显著，拒绝了无空间滞后项的假设。因此在本研究中，空间滞后模型（SLM）为最佳模型。经过Hausman检验得出检验值为22.01，P值为0.015，在5%的水平下显著，因此拒绝原随机效应的假设，选用固定效应的空间滞后模型。

3结果与分析

基于上述分析，利用Stata16.0统计软件分别对奶牛存栏数的相关影响因素进行实证分析。为了保证研究的科学性，同时采用固定效应的空间滞后模型回归以及传统多元回归进行分析。由表4可以看出，传统多元回归模型会因为无法考虑到空间相关性和空间差异性导致得出的回归结果与考虑空间效应的模型结果有所偏差。空间自回归系数为0.135，在5%的水平下显著，表明当地奶牛存栏数每增加1个百分比，会促进经济邻近地区的奶牛存栏数增加0.135个百分比，奶牛存栏数存在正向空间溢出效应。从经济方面分析，环境规制和城镇居民消费水平的显著性良好。环境规制的影响作用为显著负向，主要原因是随着当地政府政策不断规范，对环境保护的意识愈加强烈，奶牛养殖所应对的环境管制越来越严格，环境成本较重超过养殖奶牛带来的利益，因此养殖户通过减小规模或者迁往环境规制水平较弱的地区来降低成本，从而导致本地区的奶牛存栏数会有所下降，造成奶牛生产的空间聚集性减弱。牛奶产出经过加工大多会流向城镇，城镇居民消费水平是影响奶牛存栏数的主要因素，其影响呈现正向促进作用，在所有变量中作用效应最明显。说明消费水平对农户养殖奶牛的积极性影响最大，城镇居民消费水平越高，表明居民能接受的牛奶价格波动区间越大，且对于牛奶的营养需求稳定上升，价格与需求的双重刺激会一定程度提高农户养殖奶牛的积极性，也会吸引外来养殖户的投入，进而促进奶牛存栏数的增加，加强该地区的奶业生产的空间集聚程度。城镇化率的快速发展对当地及经济邻近地区的奶业发展存在显著促进作用，城镇化的发展为农村带来规模化养殖与先进的科学技术，更加促进当地奶业的发展。