京津冀区域农产品流通市场的空间集聚及外部作用力研究

李 娜 副教授 宋志燕

（秦皇岛职业技术学院 河北秦皇岛 066100 ）

随着农产品滞销伤农现象的不断发生，如何扎实搞好农产品流通建设，提升农产品流通效率，成为社会各界关心的重要问题。可以说，农产品流通市场的兴旺是判断乡村振兴战略实施成效的重要依据。而农产品流通市场的兴旺必然要联系到市场的集聚式发展，因此，研究区域农产品流通市场的空间集聚具有十分重要的现实意义。而京津冀区域作为我国重要的战略协同区域，同时也是我国的农产品市场先行区域，故以京津冀区域为样本，研究农产品流通市场的空间集聚特征具有较强的代表性。

京津冀区域农产品流通市场的空间集聚特征

（一）模型方法

1.空间集聚的全局性分析。为定量研究京津冀区域农产品流通市场的空间集聚性特征，本文采用目前比较公认的方法Moran’s I指数计算京津冀区域内各地农产品流通市场的空间自相关性。根据Anselin L的Moran’s I指数方法，满足Moran’s I ∈ [-1，1]，若该指数大于0，则说明农产品流通市场的空间分布存在正自相关，即区域之间农产品流通市场存在空间集聚；若该指数小于0，则说明农产品流通市场的空间分布存在负自相关，即区域之间农产品流通市场存在空间“排斥”性；若等于0，则说明农产品流通市场的空间分布是相互独立的。全局Moran’s I指数的模型可表示如下：

其中，n为量测单位的总个数，这里用京津冀区域包含的城市数量表示；Yi表示第i个量测单位的农产品流通市场指标；Y-表示所有量测单位关于Yi的均值；S2是关于Yi的方差，wij表示量测单位i和j之间的空间权重，其是空间权重矩阵W中的第i行j列的元素。在空间权重矩阵W的设定上，国内许多研究是定义为若量测单位i和j相邻，那么wij取值为1，否则取值为0。但是对于农产品流通市场而言，这样设置容易忽略流通市场之间相互关系对于距离的敏感性。事实上，农产品流通市场之间的相关性程度，容易受两者相互距离的增加而减弱。基于此，本文考虑量测单位之间的地理距离来构建空间权重矩阵，对于i和j的空间权重wij，可定义为wij= 1/dij2，其中i ≠ j，dij为量测单位i和j的城市政府所在地之间的地理距离；此外，定义wii= 0。计算Moran’s I指数后，可以通过正态统计检验方法，验证该指数值是否显著。正态统计检验公式如下：

其中E和Var分别是Moran’s I指数的平均值和方差。

2.空间集聚的局部分析。本文通过局部空间自相关方法，分析京津冀区域农产品流通市场空间集聚的局部特征。测算指标为局部Moran指数，公式如下：

同样地，本文可以根据式（3）判断局部Moran指数的显著性。

（二）数据选取及结果测算

为测算京津冀区域农产品流通市场的空间自相关性，本文选择京津冀区域所辖城市作为样本，具体包括北京市、天津市以及河北省的石家庄、保定、唐山、廊坊、邯郸、秦皇岛、张家口、承德、沧州、邢台、衡水共13个城市。由于城市农产品流通市场的数据不易获取，本文从数据易获取性的角度考虑，选择了各城市规模以上农产品批发市场的数量作为量测指标。在样本期限上，本文选取了2004～2018年共15年。由于农产品流通市场的数据来源于各城市的统计年鉴，部分城市统计年鉴不含农批市场数量的指标，因此本文通过查找所在省份统计年鉴、农村统计年鉴等进行补全。

1.空间集聚的全局性分析。利用Arcgis软件，计算京津冀区域农产品流通的空间自相关全局Moran’s I指数，结果及相关检验值如表1所示。

根据计算结果可以发现，在2004～2018年期间，京津冀区域农产品流通市场的全局空间自相关Moran’s I指数都是显著的，其中2004、2005、2006、2011和2012年通过5%水平的显著性检验，其余年份都通过1%水平的显著性检验。由此可以看出，总体上京津冀区域农产品流通市场在空间上存在较为显著的集聚性特征，即13个直辖市或地级市之间农产品流通市场的分布存在着较为显著的空间相互作用，其促进了该区域内部分区域农产品流通市场的相对集中。根据趋势性特征可以看出，Moran’s I指数有随时间递进而不断提高的特征。2004年Moran’s I指数值为0.21621，到2010年Moran’s I指数提高至0.26180，到2018年又提高至0.32920。据此可知，京津冀区域农产品流通市场的空间集聚性程度随时序递进而有增强趋势。根据该结果可以看到，随着京津冀区域协同一体化的不断推进，该区域内农产品流通市场之间的地域分割性也逐步弱化，相互作用关系不断增强，于是促使了部分区域农产品流通市场的相对集中态势也越来越明显。

2.空间集聚的局部分析。根据LISA检验方法，计算局部Moran指数，并据此得到京津冀区域农产品流通市场空间集聚的异质性特征。表2根据结果，列出了2004年、2010年和2018年的LISA局部空间相关性情况。

根据LISA判定，H-H型表示“高高集聚”，即农产品流通市场数量多的区域被同是市场较为集中的区域单元包围；L-L型表示“低低集聚”，即农产品流通市场数量少的区域被同是市场较为稀少的区域单元包围；H-L型表示“高低集聚”，即高农产品流通市场集中区域被低密度区域包围；L-H型表示“低高集聚”，即低农产品流通市场集中区域被高密度区域包围。由LISA结果可知，京津冀区域农产品流通市场的空间集聚特征表现出较强的异质性。以2018年为例，北京、保定、承德三个城市都属于H-H型，这3个城市本身属于农产品流通市场分布较为密集的城市，同时周边城市的农产品流通市场分布也较为密集；L-L型的城市有沧州和邯郸两个，其农产品流通市场布局本身就比较少，同时周边城市农产品流通市场分布也普遍零散，辐射带动作用有限；H-L型的城市仅唐山一个；L-H型的城市包括廊坊和衡水两个。而从2004、2010和2018年三年的变化特征来看，基本上H-H型的城市数量在增加，L-L、H-L和L-H型的城市也发生了一定变化，不显著的城市数量逐年减少，由此进一步表明了京津冀区域城市之间农产品流通市场之间存在着一定的“引力”，其会促使农产品流通市场的空间集聚性发生动态变化。从目前来看，虽然H-H型的城市最多，但L-L型、L-H型的城市也各占两个，H-L型城市有1个，其表明了整体上农产品流通市场的空间集聚仍存在较为明显的异质性。

京津冀区域农产品流通市场空间集聚的外部作用力分析

（一）外部作用因素遴选

1.产地效应。市场的分布习惯于接近生产地，特别是流通活动的开展很大程度上受当地生产源分布的影响。若产品市场离产地越近，那么从产地到市场的流通成本就越低，这就降低了流通费用，提高了流通效率。因此，对农产品流通市场而言，其空间集聚可能受到产地规模的影响，即存在产地效应。

2.消费效应。消费引导生产，同时也影响市场的布局。若一个区域农产品市场消费量较大，那么其就会引导该地农产品向市场集中，这有助于扩大农产品流通市场规模，并促进更多的农产品经营主体向此集聚。因此，农产品流通市场的空间集聚也容易受到消费的影响。

表1 京津冀区域农产品流通市场的全局空间自相关结果

表2 局部空间相关性LISA分布情况

3.人口集聚效应。一个地方的流通市场是否可以不断得到集聚，在一定程度上也受制于当地人口集聚规模的影响。作为最贴近居民的市场之一，农产品流通市场一般在城镇以及城乡结合部都有不同程度集聚，为当地居民的消费以及批发等带来较大的便利。

4.物流效应。物流是农产品流通中的重要环节，农产品流通市场一方面上游对接产地，其会产生大量的物流需求，另一方面对接下游，特别是在批量运输到终端零售地以及直接送至消费者手中都会产生相应的物流活动。因此，物流基础是否完善，对农产品流通市场的空间集聚也会带来一定的影响。

5.空间关联效应。从空间关联的角度出发，本地农产品流通市场集聚，可能会通过空间辐射溢出或者是虹吸效应对周边区域农产品流通市场的集聚产生影响。那么究竟是溢出还是虹吸，下面将基于京津冀区域进行考察。

（二）检验方法及模型

由于本文是在空间集聚的视角下检验京津冀区域农产品流通市场的外部作用力，且前面空间集聚特征也表明了空间关联性是非常显著的。因此，下面将通过空间计量模型来检验以上五大效应是否显著。目前空间计量模型较为常用的有空间误差模型（SEM）和空间滞后模型（SLM）两种。空间误差模型的基本框架为：

空间滞后模型的基本框架为：

表3 回归估计结果

模型中，y表示被解释变量，这里用城市规模以上农产品批发市场的数量表示。X为解释变量，指代五大效应的作用因素。其中，产地效应的作用指标采用所在城市的农林牧渔业总产值表示；消费效应的作用指标采用当地的城乡居民人均消费支出表示；人口集聚效应的作用指标采用当地的人口密度表示，即所在城市单位国土面积的人口量；物流效应的作用指标采用当地的货运周转量表示；空间关联效应通过空间权重矩阵的系数符号及数值判断，空间权重矩阵在前面计算Moran指数时已设定。式（5）中，β为X的系数，ε表示含有空间作用效应的误差项，λ为相应的空间误差系数，μ是剔除空间效应不可观测项后的随机误差项。式（6）中，β为X的系数，ρ为空间自相关系数，衡量被解释变量观测值之间是否存在空间相互作用效应，μ是剔除空间效应不可观测项后的随机误差项。

（三）实证结果分析

空间计量模型中有关变量指标的原始数据主要来源于各城市的统计年鉴，及国研网统计数据库。分别对空间误差模型和空间滞后模型进行回归估计，统计结果如表3所示。

比较空间误差模型和空间滞后模型的估计优劣，首先空间相关性（依赖性）检验的Moran指数是显著为正的，可以说明空间相关性的存在；其次可以看到空间滞后模型的LM值和R-LM值都分别显著高于空间误差模型的结果，而且空间滞后模型中的变量回归系数和拟合优度都要相对优于空间误差模型，由此可见空间滞后模型要优于空间误差模型。

产地效应。根据表3右侧两列，产地效应的系数为1.5027，并且在1%的水平通过显著性检验。由此可以说明，京津冀区域农产品产地供给水平地提高，能有效提升当地农产品流通市场的空间集聚水平，该结果也符合了农产品的产地-市场的促进作用。据此可以得知，有效的农产品供给是带动当地农产品流通市场有效集聚的重要前提。

消费效应。消费效应的系数值为0.6723，并且在1%的水平通过显著性检验。据此可以看出，京津冀区域城乡居民消费水平的提高，能够显著地促进当地农产品流通市场在空间上不断集聚。消费是市场绩效的一个最直观的判定指标，一个地区消费水平的

结论及建议

本文从空间分析的角度，实证研究了京津冀区域农产品流通市场的空间集聚特征，并检验了农产品流通市场空间集聚的外部作用力。根据研究可知：京津冀区域农产品流通市场的分布存在着较为显著的空间相互作用，并且空间相关性总体上逐年增强。与此同时，农产品流通市场的空间集聚仍存在较为明显的异质性，“高高集聚”“低低集聚”“高低集聚”“低高集聚”的城市在京津冀都有分布。农产品流通市场的空间集聚，主要受到产地效应、消费效应和物流效应等外部作用力的驱动影响，同时也受到空间溢出效应的助推作用，即区域范围内某个城市农产品流通市场的集聚，对周边城市这类市场的集聚带来辐射溢出效应。

综上所述，本文提出以下建议：第一，要进一步重视京津冀区域农产品流通市场的协同发展。要坚持走京津冀协同发展战略之路，围绕农产品流通做好协同发展工作。对此可通过探索区域共建机制，尤其是对于新设立的雄安新区进行创新探索，从而寻找农产品流通市场协同发展的创新之路；第二，要进一步加强本地农产品经济建设。要切实发挥好北京、保定等特色农产品优势区域的引领作用，辐射带动京津冀区域整体农产品供给水平提升，从而通过产地效应更加有效地保障农产品流通市场供应，进而促进产销紧密对接；第三，要进一步提升农产品流通效率。面对消费者日益增长的农产品消费需求，政府要从畅通农产品供应渠道的角度提升市场效率，从而刺激更多的主体集中集聚。对此，一方面要继续加大物流基础设施建设，完善农产品流通市场硬件设施，另一方面要积极创新物流模式，推动直采直供模式的普及应用。