中国生猪市场整合时空演变研究＊

柏继云，孟 军，徐 飞，赵红杰

（东北农业大学 理学院，黑龙江 哈尔滨 150030）

随着经济体制改革的深入以及信息和商品流通成本降低，中国生猪市场整合水平在不断提升。但是由于省区地理距离、生猪运输成本以及资源环境约束及地方政策干预等因素，仍然存在区域生猪市场分割、生猪产品难以自由流动、资源配置效率低下的问题。

区域生猪市场整合可以促进生猪资源在省际空间范围内重新流动配置，打破市场空间的分割格局，扭转区域生猪市场分割造成的资源错配，进一步优化生猪资源配置效率，促进地区间生猪资源合理流动，有利于不同地区按照自身的资源禀赋进行生猪生产布局，促进技术进步和效率提升，也能扩大企业的发展空间。

现有关于市场整合测度的方法一般分为贸易法和价格法。但利用贸易法测度市场整合有如下问题：测度结果存在偏误，未考虑各类商品的替代弹性从而对市场整合造成误判，缺乏相应的理论基础支撑。

基于贸易法的诸多缺陷，一些学者开始关注价格法在市场整合测度方面的应用。MEYER 应用门槛误差修正模型研究发现德国和荷兰生猪市场之间存在并非完全整合。EMMANOUILIDES 和FOUSEKIS 应用平滑迁移自回归模型研究表明德国、法国、西班牙和丹麦的生猪市场整合水平满足“一价定律”要求。然而，有学者认为该方法对贸易流量和交易成本的持续性前提假定过于依赖，洪勇认为，价格指数和价格法中所提到的价格水平存在较大差异。

鉴于上述方法及研究角度存在的不足，本文在价格法的基础上引用关联规则算法，测度生猪市场整合特征，利用众多数据自身的演变特征获取因素间支持度的高低，从而判断市场整合程度，为确定和推动中国生猪市场稳定发展提出更有针对性的建议。

1 中国生猪区域市场整合测度方法

1.1 测度方法选择

与现有文献相比，利用关联规则算法测度中国市场整合具有以下优势：放宽了利用价格法测度市场整合时对贸易量和交易成本的假定，放宽了对样本数据的要求。

在具体测度方面，本文选用数据间支持度进行空间相关性的分析。支持度表示规则的频度，是项集{A，B}同时出现的概率，这个数值的大小可以表达二者同期出现的频率，计算结果在[0，1]之间，越接近1，说明二值数据变化越接近，二者的相似度越高；反之，二者的相似度越低。

1.2 数据选取及处理

本文选取2009—2019 年30 个省市（基于特殊性排除台湾省、西藏自治区）外三元日生猪价格，单位为元/公斤，从统计年鉴、互联网络、政府部门以及相关企业等多个渠道收集数据，采取数据挖掘预处理技术对数据进行清理、集成，构建 30×365×10 数据库。

1.3 应用 Apriori 算法获取关联规则支持度步骤实现

为了考察生猪价格取值及走势的关联支持度，将数据库中的生猪日价格进行处理，计算各省市每日的生猪价格增长方向及增长量，并根据增长量的数据范围主要集中于-0.3～0.3 之间，将其分为正增长、负增长及无增长三种状态。考察生猪价格的增长方向及增长量的关联规则。

在数据库中应用Apriori 算法的步骤如下：计算生猪价格的日增量；对每条样本进行三种等级标记，例如0 黑、1 赣、-1 皖等；设定最小支持度minsup 和最小置信度minconf；获取三种等级下各省市各级别之间的关联规则支持度；将三种等级下各省市之间关联规则的支持度进行累加汇总，获取生猪价格支持度的最终数据。

按照以上方法，由两个省市的组合逐步扩展到所有省市的组合，并由此获得区域之间以及不同年度之间支持度的结果。

2 基于关联规则算法的中国生猪市场整合测度结果分析

2.1 各年度生猪市场整合测度结果分析

为了考察中国生猪市场整合随时间的演变过程，本文运用关联规则算法对中国2009—2019 年生猪价格年度日均价格波动进行支持度测度，计算相邻两年年度日数据的支持度，考察随时间变化生猪价格的年度相关性，其演变的最终结果如图1 所示。

图1 中国生猪价格年度支持度走势

由图1 可知，2009—2019 年国内生猪价格波动的年度支持度呈现出明显的上升趋势，数据从0.45 变化到0.80 附近，表明生猪价格波动的时间相关性在逐年波动性增强，生猪价格的年度变化相似度越来越大。可知，支持度的变化是呈现震荡性增强，在2011 年附近及2016 年附近，支持度都呈现出了下降的动荡形势，在2011 年和2016 年，生猪价格出现了大幅周期变化。这是因为2015-03 生猪价格开始上升，到2016-06 最高涨至20.6 元/公斤，之后逐步下降，2016 年下半年全国生猪供给能力逐步恢复，价格也进入下行通道。中国生猪价格整合的年度支持度变化趋势，表明了生猪价格年度走势的特征，因此，可以根据往年当期生猪价格的变动形势，提前进入预警状态，对可能到来的猪价波动提前防范。

2.2 各省域生猪市场整合测度结果分析

为了考察中国生猪市场的空间整合特征，本文运用关联规则算法对中国30 个省域的生猪价格波动的支持度进行测度。可知山东和安徽、四川和贵州、广东和广西、湖南和湖北、河北和北京、重庆与四川等地生猪价格支持度最大，二者的波动频率最接近，即在确定其中一省生猪价格波动方向的情况下，能够以大概率确定另一个省份生猪价格波动方向。

利用聚类算法，以相互之间支持度设定为距离矩阵，对上述结果进行聚类，从而确定中国生猪市场的整合特征，结果如图2 所示。

图2 生猪价格区域划分图

依照地理行政区划特征，将所分区域命名为华东地区、华南地区、华中华北地区、西北地区、西南地区、东北地区，六大分区与地理及经济分区基本一致，表现出较高的地理地区聚集效应，说明地理位置及生态环境对生猪价格影响的重要性，也说明不在同区域内省区生猪价格的差异性。

对聚类内部的支持度进行排序，可以观察到不同区域整合的紧密程度。结果如表1 所示。

表1 各区域内部支持度排名

3 结论与建议

本文基于国内30 个省、市和自治区的2009—2019 年外三元生猪价格数据，引入关联规则算法测算了中国生猪市场整合的时空演变情况。结果表明：从时间整合的角度分析，中国生猪市场在2009—2019 年间市场整合程度呈现震荡性越来越紧密的状态；从空间整合的角度分析，中国生猪市场整合分区与地理及经济分区基本一致，区域之间也存在一定的整合程度。

根据中国生猪市场时空整合特征获得如下结论：①地理距离是影响地区内部和地区之间生猪市场整合的重要因素。中国生猪市场受资源环境、地方政策等的制约表现出较高的地理地区聚集效应。西南地区、东北和华东地区内部都有较好的聚集效应，东北地区与华中华北地区以及华东地区相对较为紧密，西南市场与西北地区较为紧密，华南地区与华东地区紧密性更强，表明目前生猪市场具有一定的整合度。②全国生猪市场整合程度在动荡中不断提升，2009—2019年是中国生猪市场整合水平的相对稳定发展时期，除了几次周期性的震荡，生猪市场整合方向明确，整合前景良好。