饲料加工业集聚与玉米产业带的空间布局协调分析

2016-12-15韩绍凤钟世虎李姿

江淮论坛 2016年6期

韩绍凤+钟世虎+李姿

摘要：本文以新兴古典经济学为基础，在玉米产地和饲料需求市场既定的情况下，构建超边际分析模型，分析饲料加工业在一般均衡状态下的区位选择，发现饲料加工业布局的最优选址由交易成本、需求市场规模和劳动力成本共同决定。利用柯布-道格拉斯生产函数的扩展模型实证分析了饲料加工业集聚选址的影响因素，得出劳动力成本、运输效率、市场需求和原材料产量是影响饲料加工业集聚布局的显著因素。研究结果为改善中西部饲料加工区域经济环境，促进中西部地区农产品加工业集聚形成提供了依据，这对我国区域经济的均衡发展具有现实意义。

关键词：饲料加工业集聚；空间布局；协调分析；交易效率

中图分类号：F307.3 文献标志码：A 文章编号：1001-862X（2016）06-0041-005

《全国优势农产品区域布局规划2008—2015》明确提出要建设一批著名的优势农产品产业带，优化农产品加工业的区域布局，形成规模化、标准化、品牌化的现代农业示范基地。[1]因此，进一步优化农产品加工业集聚的区域布局是当前的政策走向和未来发展的趋势。基于比较优势理论，许多学者从不同的角度研究了农产品产业带分布和加工业集聚的建设问题。[2][3][4]唐华俊、罗其友（2004）构建了农产品产业带六要素分析模型，分析了资源、市场、区位、技术、环境和政策对农产品产业带的作用机制，并指出这六个要素通过不同方式、不同程度作用于产业带的形成演变过程。[5]邓宗兵（2013）对我国农产品加工业总产值和各个行业产值的数据进行实证分析，其研究结果表明我国农产品加工业集聚在小幅上升之后又出现减缓趋势，东部地区依旧是集聚中心，这不符合我国的政策导向，需要进一步引导农产品加工业向中西部转移集聚。[6]张庆（2008）指出，土地租金、运输成本和市场条件是影响农业区位分布和农产品加工业布局的主要因素。[7]许崴、魏攀（2011）和鲍琳（2016）等认为影响农产品区位选择因素可分为经济和非经济因素，生产要素、经济规模和产业结构等是制约区位选择的经济因素，政策、地方行为、环境政策和金融制度是非经济因素。[8][9]

已有研究有利于分析我国的饲料加工业集聚与玉米产业带的空间布局形成问题，但缺乏针对这两者的具体分析。基于此，本文构建超边际分析模型，从理论上对饲料加工业集聚与玉米产业带的空间布局进行协调分析，并使用面板数据模型对其进行检验。

一、饲料加工业集聚与玉米产业带的

空间布局现状分析

（一）玉米产业带与饲料加工业关联度分析

玉米是我国主要粮食作物之一，玉米年产量约占我国粮食总产量的四分之一，是仅次于稻谷产量的第二优势农产品。由于产业结构的调整，粮油加工业的低迷使得我国饲料加工业的产值在2013和2014年有所下滑，2013年相对2012年下滑2个百分点，2014年相对2013年又下滑4个百分点。这就使我国出现了一对矛盾，玉米产量高居世界第二，而饲料加工业产值却与西方发达国家相距甚大。就饲料加工业集聚与玉米产业带的关联度而言，其紧密联系主要体现在以下两点：1.饲料加工业既是玉米的下游产业又是畜牧饲养的上游行业，是农业发展过程中承上启下的行业，对我国农村经济发展和居民生活水平的提升具有不可或缺的作用。2.玉米的供给直接决定饲料加工业的发展，而饲料加工业的发展水平又决定了畜牧业的发展水平。所以本节对玉米主产区和饲料加工业的布局进行研究，旨在通过分析饲料加工业集聚与玉米产业带的空间布局现状，指出玉米产业带与饲料加工业集聚出现空间分离的现状，为进一步讨论饲料加工业最优空间布局的影响因素打下基础。

（二）玉米产业带的空间分布现状

根据统计数据显示，我国玉米产量最大的七个省份是黑龙江、吉林、山东、内蒙古、河南、河北和辽宁，它们占了全国将近70%的玉米产量。其中，东三省是我国主要的玉米产业带，其次是内蒙古、河南、河北和山东地区，其他地区产量较少。

（三）饲料加工业集聚的空间布局现状

统计数据表明，广东作为我国第一饲料大省一直处于领先位置，2014年产量为2423万吨，从2003年至今每年的饲料产量约占全国总产量的12%。历年来，我国饲料工业总产值排名靠前的九个省份分别是：广东省、山东省、河南省、辽宁省、河北省、江苏省、浙江省、湖南省和四川省。

（四）玉米产业带与饲料加工业集聚的空间分离

在空间地域上，辽宁、山东、河南和河北既是玉米的主要原产地，又是饲料加工业集聚区；四川、湖南不是玉米的主要原产地，却是饲料加工业集聚地；广东、江苏和浙江不是玉米产地，却是饲料加工业集聚地。由此，可以看出我国的玉米原产地和饲料加工业集聚既有重叠又有分离。从整体来看，饲料加工业布局主要分布在东部沿海而不是地域辽阔的内陆，这在一定程度上偏离了原材料产地，饲料加工需要大量运输玉米到东部沿海和南方，大大提高了饲料加工业的成本。从直观上看，这种布局不尽合理，但又是客观存在的现实，那么，决定这种空间布局的经济机理和影响因素是什么？

二、超边际分析模型

（一）基本假设

农产品加工业集聚的区位选择实际上是两难冲突折衷问题：加工业处于原产地附近，会减少原材料交易成本，但会增加最终产品交易成本；而加工业靠近最终产品消费地，会减少最终产品交易成本，但会增加原材料交易成本。[10][11]在已知玉米原产地和饲料需求市场的情况下，怎样选址饲料加工业？这种选址大致分为三种情况：加工业靠近玉米原产地、加工业靠近饲料需求地、在玉米原产地与饲料需求地之间选址。

现在有三个区域，用A、B、C三个字母分别表示不同的区域。假定A地生产玉米，B地生产加工饲料，C地饲养生猪；A地使用劳动力要素，B地使用劳动力要素和A地生产的玉米，C地使用劳动力要素和B地生产的饲料；A地生产玉米，且向B区域买进猪肉；B区域以A区域生产的玉米为原料生产饲料供给C区域，并向C区域买进猪肉；C区域的生产者生产猪肉满足三区域的消费，并向B区域买进饲料；每个区域的居民都是生产者也是消费者；只有一种最终产品——猪肉。

（二）模型构建

假设全国总人口为M，三个区域A、B、C的人口数量依次为M1、M2、M3，决策者集是个连续统，并且存在专业化经济。自给的玉米、猪肉、饲料的数量分别用y、z、w表示，玉米的售卖和购买量分别用ys和yd表示，猪肉的售卖和购买量分别用zs和zd表示，饲料的售卖和购买量分别用ws和wd表示。y、z、w的交易效率系数分别为k1、k2、k3（都大于0小于1）。基本模型构建如下：

其中，（1）是效用函数，（2）、（3）、（4）分别是产品y、z和w的生产函数，（5）是劳动禀赋约束，（6）是预算约束。为使问题简化，假定：1.指数a、b、c均大于1，即在每种商品和服务的生产上都存在专业化经济。2.猪肉对饲料的产出弹性是β，饲料对玉米的产出弹性是γ，则乘积βc、γa分别是随w和y数量增加的迂回经济程度，为了计算的方便，并且区分农业和现代化工业迂回度的不同，设β=1，γ=2。本文借鉴韩绍凤、刘静（2015）的模型中关于交易系数的假设[11]，那么，玉米、饲料的交易效率系数与距离相关，A、B两区域的距离用SAB表示，B、C两区域的距离用SBC表示，玉米的交易效率系数为：

其中，玉米从A区域到B区域的交易效率损失为t，饲料从B区域到C区域的交易效率损失为h。为使问题简化，假设猪肉的交易效率与距离无关，仍用k2表示。

（三）消费者-生产者的超边际分析决策

利用U对g求导可知：

（1）当t<时，有>0，那么g取最大值1，即饲料加工业集聚布局在饲料需求地；

（2）当t>时，<0，那么g取最小值0，饲料加工业集聚布局在玉米原产地。

进一步讨论可知：①当g值为0时有SAB /S=0，即A、B两地重合，玉米原产地和饲料加工业集聚位于同一个地方，也表明相对于饲料需求地而言，加工地到玉米原产地的运输距离长短对交易效率影响更大；②当g值为1时有SAB /S=1，即A、B两地相隔最远，饲料需求地和饲料加工地位于同一位置，这意味着相对于玉米原产地而言，加工地到饲料需求地的运输距离长短对交易效率影响更大；③当0

三、我国饲料加工业集聚分布影响因素的实证分析

（一）数据来源与模型构建

本文选取饲料加工业总产值靠前的九个省份广东省、山东省、辽宁省、四川省、江苏省、河南省、湖南省、河北省和浙江省的2005—2014年的数据进行实证研究，数据均来源于《中国饲料加工业统计年鉴》和《中国统计年鉴》。本文在柯布-道格拉斯生产函数的基础上，借鉴辛翔飞（2006）、吴玉鸣（2010）等人的模型扩展形式，构建函数形式如下：

其中，Yi为各地区饲料加工业总产值，Ai为各地区农业科学技术水平，Li为劳动力成本，Si是各个区域原材料供给数量，Ti为各省份运输效率，Di是各区域的饲料需求数量，[e][εi]是表示其他因素对其的影响，并且这些因素没有包含在假设中。

（二）变量选取

本文选取各个地区饲料加工业总产值、农产品加工业工人平均工资、各省份内运输长度、各省份地理面积、各个地区玉米年产量、各个省份牲畜出栏头数等数据进行实证分析。其中，被解释变量Y为各地区饲料加工业总产值，表示各个地区饲料加工业的集聚发展程度。解释变量包括：1.劳动力成本（L），用各省份农产品加工业工人平均工资来进行计量。2.各地区原料供给数量（S），以各地区玉米产量表示。3.各省份对于饲料的需求数量（D），用饲养牲畜的出栏头数来衡量。4.运输效率（T），以营运总长度除以省份地理面积来计量，交通密度越大表示交通越便利，运输成本也越低。营运总长度则由各个省份内河航道里程、铁路营运里程、公路里程三部分加总除以各个对应省份的区域面积得出。

（三）ADF检验与协整分析

面板数据的不平稳性会导致伪回归或者虚假回归，为保证回归的有效性，本文分别利用LLC、IPS、Fisher-ADF和Fisher-PP方法对各变量进行单位根检验，结果如表1所示。

根据单位根检验结果，LnT、LnD和LnS的水平值都拒绝原假设，而LnY和LnL的水平值不能拒绝原假设，因此不能判定各变量水平值是平稳的。然而，各变量的一阶差分序列都通过了LLC、IPS、Fisher-ADF、Fisher-PP检验，因此可以判定各变量是一阶单整序列。接下来做协整检验，PADF=0.0144<0.05，检验结果表明LnT、LnD、LnS、LnY和LnL之间存在协整关系。

（四）回归结果分析

由协方差分析可知，本文适用混合面板数据模型进行回归分析，由Hausman检验结果可知，应该采用固定效应模型，回归结果如表2所示。

模型的P值（Prob>F）=0.0000，说明模型整体显著，可决系数R2为0.6301，修正后的可决系数为0.6148，说明模型的解释力较强，模型拟合程度较好。并且，所有的解释变量在10%的显著性水平下都很显著。劳动力成本降低1%可以使得饲料加工业总产值增加约0.36%，运输效率增加1%可以使得饲料加工业总产值增加约0.15%，市场需求增加1%使得饲料加工业总产值增加约0.38%，原材料产量增加1%可以使饲料加工业总产值增加约0.2%。

四、结论及政策启示

（一）从饲料加工业和玉米产业带的空间分布来看，两者存在较大程度的分离。这种分离是由交易效率（包括运输效率）、市场需求规模区域差异、原材料产量、生产成本等因素共同决定的。饲料加工业布局与交易效率（包括运输效率）、区域市场需求规模、区域玉米产量成正比，与劳动力成本成反比。

（二）东北部是我国重要的玉米产业带和示范基地，在东北经济增长下行和东部沿海地区发展负荷过高的现实背景下，为充分利用东北原材料的自然禀赋优势，应推动东部沿海饲料加工业向东北部转移，既可以缓解东部沿海土地资源匮乏、环境污染等方面的压力，又可以在一定程度上发挥农业现代化稳定东北经济增长的作用。

（三）河南、四川、湖南等省份是我国人口大省，对肉制品的市场需求规模较大，但饲料加工业规模与沿海省份（如广东、山东）比较还相对较小。从饲料加工业地区集中度来看，饲料加工业布局在一定程度上存在偏离原材料产地或市场需求地的情况。因此，在产业转移中也应推动东部沿海饲料加工业向中西部转移。

（四）加强东北和中西部高速交通、高速信息网络等基础设施建设，加快发展现代物流业和电子商务，从硬件上进一步提高东北和中西部运输效率；深化体制改革，加强诚信体系建设，规范市场秩序，建立饲料产品质量追索体系，提高管理效率，从软件上进一步提高东北和中西部交易效率。只有交易效率提高了，才能充分发挥东北和中西部地区人工成本、土地成本和原材料成本相对较低的优势，推动东北部和中西部饲料加工业的集聚发展。

参考文献：

[1]农业部发展计划司.新一轮优势农产品区域布局规划汇编[M].北京：中国农业出版社，2009.

[2]杨小凯，张永生.新兴古典经济学与超边际分析[M].北京：社会科学文献出版社，2003：225-234.

[3]Dixit AK，Stiglitz JE . Monopolistic Competition and Optimun Product Diversity[J] . American Economic Review .1977，（67）： 533-559.

[4]Krugman P.First Nature， Second Nature and Metropolitan Location[J] . Journal of Regional Science， 1991， 33（3740）： 129-144.

[5]唐华俊，罗其友. 农产品产业带形成机制与建设战略[J]. 中国农业资源与区划. 2004， 25（1）： 1-6.

[6]邓宗兵，封永刚，张俊亮，王炬. 中国粮食生产空间布局变迁的特征分析[J]. 经济地理， 2013，33（5）：117-123.

[7]张庆，张倩，杜肯堂. 论优势农产品产业带建设[J]. 农村经济， 2008，（6）： 37-41.

[8]许崴，魏攀. 珠三角制造业产业转移与区位选择的影响因素分析[J].广州大学学报（社会科学版）， 2011，10（8）：56-59.

[9]鲍琳，张贵炜，郭彩云. 区域经济协调发展背景下政府职能的缺陷及改进路径[J].企业经济，2016，（5）：168-171.

[10]YANG Xiaokai. Economics ： New Classical versus Neoclassical Frameworks[M] . Social Sciences Academic Press，2013.

[11]韩绍凤，刘静，向国成.纺织服装工业与棉花产业带的空间布局及协调[J].湖南科技大学学报（自然科学版），2015，30（2）：116-123.