猪肉作为我国重要的畜禽消费品，可为居民提供日常生活所需的动物性蛋白质[1]，其价格与交易量是长久以来国民经济发展的重要参考指标[2]。近年来，受到生猪疫病[3]、水产品价格[4]、城镇化水平[5]、非洲猪瘟[6]等因素影响，猪肉价格存在较大波动，不仅直接影响居民猪肉购买量以及需求量[7]，对养殖业利益也产生较大影响[8]。生猪价格浮动对我国居民消费具有显著影响[9]，甚至会导致部分生猪养殖企业与养猪户退出生猪养殖行业[10]。因此，探究生猪价格区域差异的时空特征及其驱动因素，对养殖业高质量发展具有重要现实意义。现阶段，部分学者立足产业链视角研判生猪价格波动的影响因素[11]，指出引起生猪价格波动的因素主要包含需求供给量[12]与成本变动[13]。同时，部分学者借助协整方法[14]、空间计量模型[15]以及同步系数法[16]对生猪价格波动的影响因素进行检验。通过梳理现有文献，学术界大多侧重探究生猪价格影响因素，且部分学者开始检验生猪价格的空间效应。然而，鲜有学者对区域间生猪价格传导效应展开研究，尤其是关于引起区域生猪价格差异的驱动因素研究较少。基于此，本文借助空间自相关与冷热点分析法检验生猪价格波动的时空特点，利用泰尔指数与空间面板模型对生猪价格区域差异因素展开实证分析，为稳定生猪价格提供参考。1研究方法与数据来源1.1变量选择与数据来源1.1.1变量选择本文被解释变量为生猪价格，解释变量为仔猪价格、玉米价格、猪肉替代品价格、通货膨胀水平、居民可支配收入。仔猪价格：仔猪价格作为生猪养殖成本投入之一，是影响生猪价格波动的重要因素[17]。当仔猪价格受到外部环境影响升高时，市场对猪肉需求量呈明显提升态势，生猪价格相应提高；仔猪价格下跌时，生猪价格同步呈现下跌趋势。因此，选取仔猪价格（LP）作为影响生猪价格的成本因素。玉米价格：生猪产业链上游主要是以玉米、大豆等为代表的粮食种植业[18]。作为饲料中主要蛋白质与能量来源，玉米、豆粕等价格变动将直接影响饲料产品成本，进一步向生猪产业链下游传导。因此选取玉米价格（CP）度量饲料价格，作为影响生猪价格的供给因素。猪肉替代品价格：当某类商品价格受到外界影响而提升时，与之属性相似的另一商品市场需求将逐步扩大，此时这两类商品互为替代品[19]。当猪肉价格提升时，人们会选择羊肉与牛肉作为替代品，引起猪肉市场需求逐步降低，导致猪肉价格下降。因此，选取牛肉价格（BP）和羊肉价格（MP）作为影响LP变动的替代品价格。通货膨胀水平：通货膨胀主要指当供给量高于实际货币需求量、居民消费能力超过商品生产供给量时，货币价值有所贬值的情况[20]。通货膨胀将影响生产原材料、相关商品价格波动，导致市场生猪价格变动。因此，通货膨胀水平以CPI指数表示。居民可支配收入：作为人口大国，我国居民可支配收入对于商品价格变动具有直接影响。猪肉作为我国居民生活所需主要食材同样会受到居民可支配收入影响[21]。当居民可支配收入逐步提升时，猪肉市场存在供不应求现象，LP有所提升；当居民可支配收入逐步降低时，民众对猪肉购买欲望有所降低，猪肉需求量相应减少，导致LP呈下滑趋势。因此，选取居民可支配收入（DIR）作为影响生猪价格的需求变量。1.1.2数据来源本文以中国30个省（市、自治区）为研究样本，时间跨度为2011—2021年。实证变量数据主要来源《中国统计年鉴》《中国畜牧业年鉴》、中国畜牧业信息网、各地区统计年鉴。1.2研究方法1.2.1全局空间自相关为判断生猪价格的空间集聚特征，参考金一等[22]研究方法，运用全局空间自相关检验生猪价格是否存在空间自相关性。全局莫兰指数（Moran's I）计算公式为：Moran's I=n∑i∑jWij∑i∑jWijxi-x¯xj-x¯∑ixi-x¯2 (1)式中：x¯为观测量均值；xi为单元的观测值；Wij为研究空间单元i与j的空间相邻权重矩阵，两地相邻时Wij为1，反之Wij为0；Moran's I0时表示生猪价格存在空间正相关；Moran's I0表示生猪价格存在空间负相关；Moran's I=0表示生猪价格空间分布为随机状态；Moran's I值愈大，表明生猪价格空间相关性愈高，反之愈小。1.2.2局部空间自相关参考李保杰等[23]研究，借助OpenGeoDa1.2.0软件检验生猪价格的局部空间自相关性，并在95%置信水平上展开检验。通过显著性检验后，以LISA集聚图刻画生猪价格的发展特征。计算公式为：Ii=Yi-Y¯WijYi-Y¯S2=ZiWZi (2)式中：Ii为局部莫兰指数；Yi为空间单元i的属性值；Y为平均值；Wij为空间权重矩阵；S2为方差；Zi为（Yi-Y)。1.2.3空间杜宾模型为探究影响生猪价格的驱动因素，参考刘贵文等[24]研究搭建空间杜宾模型进行实证检验，计算公式为：zit=α+ρ∑j=1nWijzit+λk∑k=1mxit,k+γk∑k=1m∑j=1nWijxit,k+εit (3)式中：Wij为空间权重矩阵；i为地区；zit为生猪价格；εit为随机误差项；t为年份；ρ为因变量的空间滞后项系数；λk为第k个自变量回归系数；γk为第k个自变量的空间滞后项系数；xit,k为i地区t年第k个自变量。为确保研究结论具有较好稳健性，参考吕民乐等[25]研究引入经济距离权重矩阵We与空间邻近权重矩阵Wν检验生猪价格的区域差异与驱动因素。经济距离权重矩阵We空间权重矩阵元素Wij=1/Yi-Yj。其中，Yi与Yj分别为地区i、j的人均GDP，当经济距离愈近说明二者空间权重系数愈高。空间邻近权重矩阵Wν以空间邻近作为标准，若地区i与地区j在空间上相邻，说明Wij=1，反之Wij=0。空间杜宾模型能够将空间因素纳入研究框架，其系数偏导数不为0，表示回归系数难以精准阐述解释变量对被解释变量的影响[26]。本文参考徐小华等[27]研究将解释变量对生猪价格的影响划分为直接作用与间接作用。2实证研究2.1中国生猪价格区域差异的时空演变特征2.1.1空间趋势面分析为直观刻画中国生猪价格在空间层面的变动特征，选取2011、2014、2018、2021年绘制生猪价格空间趋势图（见图1）。X轴方向曲线表示东西方向上生猪价格趋势线的投影，Y轴方向曲线表示南北方向上生猪价格趋势线的投影。X轴为时间；Y轴为空间；Z轴为价格。图12011、2014、2018、2021年生猪价格空间趋势10.13557/j.cnki.issn1002-2813.2023.15.035.F1a110.13557/j.cnki.issn1002-2813.2023.15.035.F1a2由图1可知，2011、2014年生猪价格在东西方向表现出“倒U型”的空间结构特征。随着时间逐步推移，生猪价格“倒U型”的空间结构特征逐步削弱，表明生猪价格在东西方向上区域差异呈现降低趋势。生猪价格在南北方向呈南方高、北方低的空间分布特征，并在后期逐步转变为“倒U型”空间结构特征，说明地理位置愈偏南生猪价格愈高。2.1.2冷热点分析在空间趋势面分析基础上，借助ArcGIS10.5软件对2011、2021年生猪价格的冷热点分析，深度剖析生猪价格高低值集聚特点。同时将研究样本生猪价格划分为7个类别，分别为随机分布区、低冷点区、高冷点区、超冷点区、低热点区、高热点区以及超热点区。考察期内生猪价格在热点区与冷点区较为集中，具有明显局部空间关联特征，且存在较为严重两极分化现象。生猪价格的低热点区、高热点区、超热点区主要分布于我国中部地区、东南部沿海地区以及西南地区；冷点区主要分布于西北地区。2021年，生猪价格的高热点区与超热点区变动幅度较小，较2011年生猪价格超热点区数量有所降低。综上可知，考察期内生猪价格热点区具有圈层收缩特征，生猪价格冷点区存在空间极化特征。2.1.3空间自相关分析为探究生猪价格空间集聚特征，借助式（1）对全国生猪价格进行检验，结果见图2。10.13557/j.cnki.issn1002-2813.2023.15.035.F002图2生猪价格的全局Moran's I指数由图2可知，2011—2021年生猪价格Moran's I指数显著为正，表示生猪价格具有显著空间相关性。并且考察期Moran's I指数均介于0~1之间，表示生猪价格具有空间相关性，即生猪价格对周边地区具有正向驱动效应。就系数而言，Moran's I值呈波动降低走势，但在2011—2021年间Moran's I均不小于0，表明本地生猪价格提升对邻近地区生猪价格具有正向影响，这一影响呈逐年降低趋势。上述结果显示，生猪价格空间溢出效应呈现逐年降低趋势，且空间依赖性以及空间集聚性均呈现下降走势。2018—2020年Moran's I值表现为小幅提升走势，说明近年来生猪价格的空间相关性逐步提升，即生猪价格较高地区能够发挥自身辐射带动效应驱动周边地区生猪价格提升。考虑地区间生猪价格差异可能引起局部空间自相关，且散点图可直观呈现区域生猪价格波动特征[28]，截取2011、2014、2018、2021年生猪价格年度平均值，并借助OpenGeoDa1.2.0刻画Moran's I散点图（见图3）。图32011、2014、2018和2021年局部莫兰指数散点图10.13557/j.cnki.issn1002-2813.2023.15.035.F3a1（a）2011年 （b） 2014年10.13557/j.cnki.issn1002-2813.2023.15.035.F3a2（c）2018年 （d） 2021年由图3可知，生猪价格处于第一象限与第三象限地区数量较多，且具有高度密集特点，即处于生猪价格“高-高”型、“低-低”型地区较多。从时间演变趋势来看，处于生猪价格“高-高”型地区数量变动较小，而处于生猪价格“低-低”型地区数量由2011年的12个降低为2021年的8个，降低幅度高达33.3%。结合标准化变量以及局部Moran's I指数变动趋势可知，2011年与2021年生猪价格空间分布表现为纵向分层趋势，且具有连片集聚特征。从空间分布趋势分析，2011、2021年处于生猪价格“高-高”型地区主要分布于西南地区与东南沿海地区，说明上述地区与相邻地区生猪价格均处于较高发展水平。处于生猪价格“低-低”型集聚地区多位于东北部地区与北部沿海地区，生猪价格与周边地区生猪价格均不高。处于生猪价格“高-低”型地区在2011年为上海、青海、安徽，2021年为辽宁、新疆、上海、宁夏。处于生猪价格“低-高”型地区主要分布于浙江、湖北、甘肃、陕西等，这类地区生猪价格较低，而周边地区生猪价格均较高，表明区域间溢出传导效应对其影响程度较小。2.2生猪价格区域差异的驱动因素分析2.2.1泰尔指数分解以国家统计局划分依据为基础，将研究所选地区划分为东、中、东北、西四大区域，并参考李汝资等[29]研究，运用泰尔指数展开检验。我国2011—2021年生猪价格泰尔指数组内与组间差距的变动状况结果见表1。10.13557/j.cnki.issn1002-2813.2023.15.035.T001表1我国生猪2011—2021年泰尔指数及分解年份/年绝对值贡献度/%总体组内组间东部西部中部东北组间组内东部中部东北西部20110.7490.1360.6090.2110.3260.0520.02218.1681.2928.1557.1522.92543.55120120.6150.0820.5710.2360.2690.0360.04913.2686.5535.2955.4626.42139.25220130.6490.0810.5620.2190.2450.0490.04213.7586.5432.5656.8546.22040.85620140.6910.0950.5780.2090.2580.0440.03613.2986.7831.5516.6555.92542.36920150.6320.0990.5220.2050.2950.0460.02915.2684.2632.6547.1584.95139.15520160.6410.1090.5390.2060.2580.0480.02816.2983.3632.0626.9224.26440.56220170.6590.1170.5490.2110.2510.0360.02617.5682.2633.0566.0564.15939.56520180.6630.1050.5550.2540.2560.0420.02416.2582.5934.2656.1553.85638.55520190.6480.1060.5910.2250.2560.0490.02615.5683.3437.2366.3553.86237.12920200.6950.1070.5860.2690.2510.0410.02315.5984.2938.0696.0153.91136.25520210.7490.1160.6290.2840.2430.0430.02915.5384.4238.0655.6914.10936.562由表1可知，东部、中部、西部、东北地区间差异与各地区内部差异比重格局基本保持稳定。从各区域内部差异比重格局分析，东部地区组内差异占总体差异比重由2011年的28.155%波动提高至2021年38.065%。其中，组内差异占总体差异比重由第二名提升至第一名，西部地区组内差异表现为逐年波动降低趋势。东部地区与西部地区组内差异占比之和高于70%，表明东部与西部地区是对生猪价格总体差异造成较大影响的地区。从贡献度分析，组内差异贡献度高于70%，表明组内差异是引起生猪价格区域差异的主要原因。2.2.2空间计量模型检验结果表明，我国生猪价格波动在受到自身因素影响基础上，还会受到邻近地区相关变量影响。基于这一结果，借助空间杜宾模型对生猪价格的空间效应展开实证检验，并引入经济距离矩阵与空间邻近矩阵增强检验结果稳健性。运用空间杜宾模型前，需通过Hausman检验与对数似然值检验确定最优模型。Hausman检验结果表明，卡方差值均显著且具有较高系数值；对数似然值检验表明，固定效应空间杜宾模型与本研究更为适配。为此，运用固定效应空间杜宾模型对生猪价格展开实证检验，结果见表2。由表2可知，在经济距离权重矩阵与空间邻近矩阵中，LP、BP、MP、CPI均通过显著性检验，且影响系数均为正。10.13557/j.cnki.issn1002-2813.2023.15.035.T002表2空间杜宾模型检验结果解释变量空间邻近矩阵经济距离权重矩阵系数T值系数T值lnLP0.075 0**2.530.095 4***3.85lnCP0.016 90.670.023 61.12lnBP0.051 1***5.490.072 5***8.69lnMP0.108 1***9.590.075 6***6.48lnDIR0.000 30.320.000 3***0.06lnCPI0.198 5***7.820.051 5**2.26W⋅lnLP0.114 6***3.490.048 1*1.91W⋅lnCP0.185 9***6.750.162 9***6.91W⋅lnBP0.024 6*1.720.036 4**2.23W⋅lnMP0.034 6*0.530.116 9***6.59W⋅lnDIR0.000 80.310.001 60.94W⋅lnCPI0.010 81.680.275 6***8.26W⋅dep.var0.015 2***54.850.017 5***53.91R20.602 80.894 5Log-likelihood3 982.492 61 524.361 4Huausman固定固定注：“*”“**”“***”分别表示在10%、5%和1%的显著性水平上显著；下表同。鉴于SDM模型在实证检验过程还综合考量邻近地区相关变量对生猪价格的影响，参考盖美等[30]研究，进一步基于经济距离权重矩阵与空间邻近矩阵的空间杜宾模型进行回归检验，结果见表3、表4。由表3、表4可知，BP、CPI、LP、MP回归系数均为正，且在1%水平上显著，表示BP、CPI、LP、MP与生猪价格间存在正相关关系。10.13557/j.cnki.issn1002-2813.2023.15.035.T003表3基于空间邻近矩阵的空间杜宾模型直接效应、间接效应与总效应解释变量直接效应间接效应总效应系数T值系数T值系数T值lnLP0.079 2***2.810.151 6***4.910.231 5***14.19lnCP0.026 51.060.225 6***8.420.249 8***16.12lnBP0.053 6***6.520.041 5***2.690.092 5***6.11lnMP0.112 3***10.060.065 9***2.810.174 6***6.59lnDIR0.000 30.390.000 90.690.000 30.98lnCPI0.201 6***8.610.051 9*1.880.261 89.8810.13557/j.cnki.issn1002-2813.2023.15.035.T004表4基于经济距离权重矩阵的空间杜宾模型直接效应、间接效应与总效应解释变量直接效应间接效应总效应系数T值系数T值系数T值lnLP0.099 1***3.950.075 8***2.690.175 8***10.49lnCP0.029 41.460.191 1***8.010.218 5***14.26lnBP0.073 6***9.520.053 6***3.160.125 9***7.22lnMP0.082 6***7.430.148 5***5.210.228 9***0.95lnDIR0.000 90.120.001 61.060.001 512.59lnCPI0.081 92.810.328 5***9.680.385 6***7.32间接效应检验结果表明，CP、MP、CPI、BP、LP回归系数均显著为正，表示CP、MP、CPI、BP、LP存在空间溢出效应。上述结果表明，邻近地区LP、CP、BP、MP和CPI提升将会导致本地区生猪价格上升。由此可见，BP、CPI、LP、MP是引起生猪价格变动的主要驱动因素。3结论基于2011—2021年我国30个省（市、自治区）面板数据，运用冷热点分析与空间自相关法探究中国生猪价格变动时空演变趋势，并以空间杜宾模型验证引起生猪价格变动的驱动因素。结果表明，2011—2021年生猪价格热点区与冷点区呈集中趋势，具有明显局部空间关联特征，且存在较为严重两极分化现象。生猪价格存在显著区域差异性，处于生猪价格“低-低”型地区大多位于东北地区与北部沿海地区，生猪价格处于“高-高”区域地区大多集中于西南地区与东南沿海地区。泰尔指数分解结果显示，地区组内差异是引起生猪价格总体差异的重要来源。空间杜宾模型分析结果表明，我国生猪价格的集聚效应已破除原有地理集聚特点，存在跨区域空间效应。就直接效应分析而言，LP、BP、MP、CPI提升将会带动本地生猪价格提升；间接效应分析发现，邻近地区LP、CP、BP、MP、CPI提升均会带动本地生猪价格提高。