中國生豬市場整合時空演變研究＊

柏繼云，孟 軍，徐 飛，趙紅杰

（東北農業大學 理學院，黑龍江 哈爾濱 150030）

隨著經濟體制改革的深入以及信息和商品流通成本降低，中國生豬市場整合水平在不斷提升。但是由于省區地理距離、生豬運輸成本以及資源環境約束及地方政策干預等因素，仍然存在區域生豬市場分割、生豬產品難以自由流動、資源配置效率低下的問題。

區域生豬市場整合可以促進生豬資源在省際空間范圍內重新流動配置，打破市場空間的分割格局，扭轉區域生豬市場分割造成的資源錯配，進一步優化生豬資源配置效率，促進地區間生豬資源合理流動，有利于不同地區按照自身的資源稟賦進行生豬生產布局，促進技術進步和效率提升，也能擴大企業的發展空間。

現有關于市場整合測度的方法一般分為貿易法和價格法。但利用貿易法測度市場整合有如下問題：測度結果存在偏誤，未考慮各類商品的替代彈性從而對市場整合造成誤判，缺乏相應的理論基礎支撐。

基于貿易法的諸多缺陷，一些學者開始關注價格法在市場整合測度方面的應用。MEYER 應用門檻誤差修正模型研究發現德國和荷蘭生豬市場之間存在并非完全整合。EMMANOUILIDES 和FOUSEKIS 應用平滑遷移自回歸模型研究表明德國、法國、西班牙和丹麥的生豬市場整合水平滿足“一價定律”要求。然而，有學者認為該方法對貿易流量和交易成本的持續性前提假定過于依賴，洪勇認為，價格指數和價格法中所提到的價格水平存在較大差異。

鑒于上述方法及研究角度存在的不足，本文在價格法的基礎上引用關聯規則算法，測度生豬市場整合特征，利用眾多數據自身的演變特征獲取因素間支持度的高低，從而判斷市場整合程度，為確定和推動中國生豬市場穩定發展提出更有針對性的建議。

1 中國生豬區域市場整合測度方法

1.1 測度方法選擇

與現有文獻相比，利用關聯規則算法測度中國市場整合具有以下優勢：放寬了利用價格法測度市場整合時對貿易量和交易成本的假定，放寬了對樣本數據的要求。

在具體測度方面，本文選用數據間支持度進行空間相關性的分析。支持度表示規則的頻度，是項集{A，B}同時出現的概率，這個數值的大小可以表達二者同期出現的頻率，計算結果在[0，1]之間，越接近1，說明二值數據變化越接近，二者的相似度越高；反之，二者的相似度越低。

1.2 數據選取及處理

本文選取2009—2019 年30 個省市（基于特殊性排除臺灣省、西藏自治區）外三元日生豬價格，單位為元/公斤，從統計年鑒、互聯網絡、政府部門以及相關企業等多個渠道收集數據，采取數據挖掘預處理技術對數據進行清理、集成，構建 30×365×10 數據庫。

1.3 應用 Apriori 算法獲取關聯規則支持度步驟實現

為了考察生豬價格取值及走勢的關聯支持度，將數據庫中的生豬日價格進行處理，計算各省市每日的生豬價格增長方向及增長量，并根據增長量的數據范圍主要集中于-0.3～0.3 之間，將其分為正增長、負增長及無增長三種狀態。考察生豬價格的增長方向及增長量的關聯規則。

在數據庫中應用Apriori 算法的步驟如下：計算生豬價格的日增量；對每條樣本進行三種等級標記，例如0 黑、1 贛、-1 皖等；設定最小支持度minsup 和最小置信度minconf；獲取三種等級下各省市各級別之間的關聯規則支持度；將三種等級下各省市之間關聯規則的支持度進行累加匯總，獲取生豬價格支持度的最終數據。

按照以上方法，由兩個省市的組合逐步擴展到所有省市的組合，并由此獲得區域之間以及不同年度之間支持度的結果。

2 基于關聯規則算法的中國生豬市場整合測度結果分析

2.1 各年度生豬市場整合測度結果分析

為了考察中國生豬市場整合隨時間的演變過程，本文運用關聯規則算法對中國2009—2019 年生豬價格年度日均價格波動進行支持度測度，計算相鄰兩年年度日數據的支持度，考察隨時間變化生豬價格的年度相關性，其演變的最終結果如圖1 所示。

圖1 中國生豬價格年度支持度走勢

由圖1 可知，2009—2019 年國內生豬價格波動的年度支持度呈現出明顯的上升趨勢，數據從0.45 變化到0.80 附近，表明生豬價格波動的時間相關性在逐年波動性增強，生豬價格的年度變化相似度越來越大。可知，支持度的變化是呈現震蕩性增強，在2011 年附近及2016 年附近，支持度都呈現出了下降的動蕩形勢，在2011 年和2016 年，生豬價格出現了大幅周期變化。這是因為2015-03 生豬價格開始上升，到2016-06 最高漲至20.6 元/公斤，之后逐步下降，2016 年下半年全國生豬供給能力逐步恢復，價格也進入下行通道。中國生豬價格整合的年度支持度變化趨勢，表明了生豬價格年度走勢的特征，因此，可以根據往年當期生豬價格的變動形勢，提前進入預警狀態，對可能到來的豬價波動提前防范。

2.2 各省域生豬市場整合測度結果分析

為了考察中國生豬市場的空間整合特征，本文運用關聯規則算法對中國30 個省域的生豬價格波動的支持度進行測度。可知山東和安徽、四川和貴州、廣東和廣西、湖南和湖北、河北和北京、重慶與四川等地生豬價格支持度最大，二者的波動頻率最接近，即在確定其中一省生豬價格波動方向的情況下，能夠以大概率確定另一個省份生豬價格波動方向。

利用聚類算法，以相互之間支持度設定為距離矩陣，對上述結果進行聚類，從而確定中國生豬市場的整合特征，結果如圖2 所示。

圖2 生豬價格區域劃分圖

依照地理行政區劃特征，將所分區域命名為華東地區、華南地區、華中華北地區、西北地區、西南地區、東北地區，六大分區與地理及經濟分區基本一致，表現出較高的地理地區聚集效應，說明地理位置及生態環境對生豬價格影響的重要性，也說明不在同區域內省區生豬價格的差異性。

對聚類內部的支持度進行排序，可以觀察到不同區域整合的緊密程度。結果如表1 所示。

表1 各區域內部支持度排名

3 結論與建議

本文基于國內30 個省、市和自治區的2009—2019 年外三元生豬價格數據，引入關聯規則算法測算了中國生豬市場整合的時空演變情況。結果表明：從時間整合的角度分析，中國生豬市場在2009—2019 年間市場整合程度呈現震蕩性越來越緊密的狀態；從空間整合的角度分析，中國生豬市場整合分區與地理及經濟分區基本一致，區域之間也存在一定的整合程度。

根據中國生豬市場時空整合特征獲得如下結論：①地理距離是影響地區內部和地區之間生豬市場整合的重要因素。中國生豬市場受資源環境、地方政策等的制約表現出較高的地理地區聚集效應。西南地區、東北和華東地區內部都有較好的聚集效應，東北地區與華中華北地區以及華東地區相對較為緊密，西南市場與西北地區較為緊密，華南地區與華東地區緊密性更強，表明目前生豬市場具有一定的整合度。②全國生豬市場整合程度在動蕩中不斷提升，2009—2019年是中國生豬市場整合水平的相對穩定發展時期，除了幾次周期性的震蕩，生豬市場整合方向明確，整合前景良好。