饲料粮是支撑畜牧业可持续发展的关键物质基础[1]，具有广义与狭义之分。广义饲料粮指制作动物养殖饲料所需的未经加工且带有皮壳的粮食[2]；狭义饲料粮指用于饲喂的稻谷、玉米及小麦制成的粮食加工副产品[3]。随着我国畜牧养殖规模不断扩张，提升饲料粮供给水平可以满足饲料用粮的市场需求和加快布局全球饲料产业[4]。2022年9月，农业农村部召开豆粕减量替代行动工作推进视频会，并明确指出，“供需紧平衡是我国粮食安全的长期态势，饲料粮需求持续增长，粮食安全的主要矛盾在饲料粮”“豆粕减量替代既是应对外部供应不确定性的被动选择……对于养殖者节本、饲料生产者节料、全行业增效和国家粮食安全具有重要意义”[5]，进一步阐释提升饲料粮供给水平的必要性。目前，多数学者围绕饲料粮供给与生产进行探究。具体而言，有学者从理论层面探究了粮饲结构变化对于农业结构变革、食物供给安全保障的影响[6]。同时，有研究提出，在高对外开放水平背景下推广大豆玉米带状复合种植、促进豆粕玉米减量替代，以保障饲料粮高质量供给的政策建议[7]。作为饲料粮供给的关键决定力量，我国饲料粮生产布局备受关注。研究显示，我国饲料粮生产水平受生产设备投资、财政支农等因素影响，且其生产重心有向东北方向迁移的趋势[8]。种植结构调整对饲料粮供给存在抑制作用，即“饲改粮”种植结构调整政策会降低饲料粮产量，促进饲料粮价格上涨[9]。综合上述研究成果可知，多数文献针对饲料粮生产与供给展开深入探讨，但对于饲料粮供给区域差异及其影响因素的关注不足。因此，本文构建动态空间面板模型，探究饲料粮供给时空变迁特征以及影响因素，为饲料粮的生产及合理配置提供参考。1试验数据与试验方法1.1变量选取与数据说明将饲料粮供给水平（supply）作为因变量，使用原粮种植面积对数、农田生产效率、作物产量系数的乘积衡量。与此同时，结合既有研究[10-15]，选取原粮价格、气候条件、土地生产率、交通运输水平、粮食生产机械投入、饲料粮加工水平作为自变量。其中，原粮价格（price）是影响饲料粮供给的成本因素[16]，运用研究期内国内市场原粮收购价格均值衡量。气候条件（climate）中的气温变化、光照时间、降水条件均对饲料粮原料生产起到决定性作用，也对饲料粮供给水平产生深远影响[17]，研究使用气候指数表征。土地生产率（productivity）提升可为粮食供给提供基层保障，增加饲料粮原料供给总量[18]，采用原粮总产量与原粮播种面积之比表示。交通运输水平（transport）提升能够避免玉米、豆粕与大豆等高水分含量原料加工制成的饲料粮在运输途中产生饲料粮变质、营养物质流失等问题，保障饲料粮供给质量[19]。此处运用农产品冷链运输物流平台数量衡量交通运输水平。粮食生产机械投入（produce）提升能够有效提高饲料粮原料生产效能，为饲料粮供给“量质齐升”注入持久动能[20]，采用农业机械投资金额占单位原粮产值比重表征。饲料粮加工水平（process）对饲料粮营养价值保留、配料精度以及稳定性至关重要[21]，可通过饲料转化率表示。1.2数据来源基于数据可得性原则，选取2005—2021年我国31个省份、自治区及直辖市（包括北京、河北、上海、天津、浙江、山东、江苏、福建、广东、海南、山西、河南、安徽、江西、湖北、湖南、内蒙古、广西、重庆、四川、贵州、西藏、云南、青海、甘肃、陕西、宁夏、新疆、吉林、辽宁和黑龙江）月度数据作为研究样本。数据主要来源为《中国农村统计年鉴》《中国统计年鉴》、国家气象科学数据中心官网、国家粮食和物资储备局官网。为规避通货膨胀导致的结果偏误，使用CPI定基指数对各月度研究数据进行处理，并将各变量数据取自然对数展开进一步分析。1.3试验方法1.3.1全局空间自相关全局空间自相关能够反映要素全局空间分布模式，以莫兰指数（Mroran's I）作为关联指标[22]。Mroran散点图中，可分为“高-高”“高-低”“低-低”“低-高”4种区域空间差异，并借此反映研究地区是否存在显著空间集聚特征。莫兰指数计算公式为：Mroran's I=n∑i∑jWij∑i∑jWij(xi-x¯)(xj-x¯)∑i(xi-x¯)2 (1)式中：Wij为研究地区空间单元i与j之间的空间相邻权重矩阵，当两个单元具备空间相邻关系时，Wij赋值为1，反之则为0；xi为第i个空间单元观测值，x¯为观测数量均值。在达到一定置信水平时，若莫兰指数大于0，代表空间单元间呈正相关；若莫兰指数小于0，则为负相关。莫兰指数越大表示二者间相关程度越高，莫兰指数为0代表空间分布呈随机状态。1.3.2局部空间自相关为深入探究局部空间区域上的非典型特征，参照徐小华等[23]的研究，展开局域空间自相关分析。使用OpenGenDa1.2.0软件计算局部空间自相关水平，并对局部莫兰指数进行95%显著性水平检验，并使用LISA集聚图反映其空间集聚特征，具体公式为：Ii=(Yi-Y¯)Wij(Yi-Y¯)S2=Zi⋅WZi (2)式中：S2指代观测值标准差；其余变量含义设定同式（1）。1.3.3空间杜宾模型为考量样本间空间距离对研究样本间关系的影响[24]，构建空间杜宾模型如下：yit=c+ρ∑j=1nWijyit+βk∑k=1mXit,k+λk∑k=1m∑j=1nWijXit,k+εit (3)式中：yit为饲料粮供给水平；i与t分别为省份、时间；ρ为因变量空间滞后项系数；Wij为空间权重矩阵；βk为第k个自变量估计系数；Xit,k为i省份于t年的第k个自变量；λk为第k个自变量空间滞后项系数；εit为随机误差项。鉴于传统空间邻近权重矩阵仅考虑地理因素，未引入其他经济因素，为保障研究结论具备稳健性，将经济距离权重矩阵（We）与空间邻近权重矩阵（Wς）同时纳入研究体系。其中，空间邻近权重矩阵Wς将地理位置相邻作为标准，若i省与j省具有空间邻近特征，那么Wij为1，反之则Wij为0；经济距离权重矩阵We将i省与j省人均生产总值定义为Yi与Yj，若Wij=1/|Yi-Yj|，经济距离与两省份之间空间权重系数成反比。一般而言，空间杜宾模型会考虑邻近地区影响因素。这将导致回归系数偏导数不为0，难以准确表明自变量、因变量之间的关系。因此，参考既有研究思路[25-26]，将自变量对因变量的作用划分为直接效应和间接效应。2结果与分析2.1我国饲料粮供给区域差异的时空演化特征2.1.1空间趋势为明确我国饲料粮供给空间结构变化特征，分别绘制2005年、2009年以及2021年饲料粮供给空间趋势图，见图1。由图1可知，2005年与2009年饲料粮供给空间结构在东西水平方向呈现“东西低、中部高”的“倒U型”特征。伴随时间推进，该特征会逐步弱化，意味着东西部地区与中部地区三者间饲料粮供给水平差距逐年缩小。饲料粮供给水平空间结构在南北方向呈“南高北低”特征。在时间推移的作用下，该特征会逐步演化为“U型”，即与北方地区相比，南方地区饲料粮供给水平较高，其原因可能是南方具有气温稳定、雨水充沛、农作物生产周期短、交通运输条件便利等优势，且经济发展水平相对较高，有助于推动饲料粮供应“量质齐升”。10.13557/j.cnki.issn1002-2813.2024.02.033.F001图12005年、2009年、2021年饲料粮供给空间趋势注：X轴方向曲线代表东西方向饲料粮供给水平趋势线的投影，Y轴方向曲线代表南北方向饲料粮供给水平趋势线的投影。2.1.2冷热点分析为深层次探究我国饲料粮供给水平高低值集聚的空间布局特征，使用冷热点分析法探究样本高值与低值产生空间聚类的位置[27-28]，并运用ArcGIS10.5软件分别绘制2005年、2011年、2016年和2021年饲料粮供给水平冷热点图，依据冷热点分析结果将31个省份饲料粮供给水平划分为7个区域：随机分布区域、低冷点区域、高冷点区域、超冷点区域、低热点区域、高热点区域、超热点区域。其中，冷、热点区域呈集中特征，局部空间关联性较为显著，其中南热北冷分化态势凸显；低热点、高热点、超热点区域主要集中于辽宁、吉林、两广地区、福建与海南等地，而冷点区域主要集中于内蒙古、宁夏等地；在2016—2021年间，高热点、超热点区域布局并未产生明显变化，但与2005年相较，超热点区域数量大幅度下降，其中云南、广东与贵州呈超热点→高热点区域变化趋势；四川呈高热点→随机分布区域变化趋势；重庆呈低热点→随机分布区域变化趋势；内蒙古呈超冷点→高冷点区域变化趋势；安徽与江苏呈随机分布→低冷点区域变化趋势。整体而言，研究期内冷点区域极化现象弱化，而热点区域呈圈层式收缩态势。2.1.3空间自相关对我国饲料粮供给水平的空间相关性进行检验，饲料粮供给水平的全局莫兰指数见图2。10.13557/j.cnki.issn1002-2813.2024.02.033.F002图2饲料粮供给的全局的莫兰指数由图2可知，一方面，研究期间莫兰指数均通过1%置信水平检验，即研究期间饲料粮供给水平具有明显空间自相关性。另一方面，研究期间莫兰指数取值范围均在0~1，意味着各省份之间饲料粮供给水平存在正相关关系，即饲料粮供给水平存在聚类分布与空间溢出效应。整体而言，莫兰指数变化呈逐年波动降低态势，其中2010—2016年莫兰指数为正值，表明本地区饲料粮供给水平提升可对邻近地区产生正向空间溢出效应，但该效应呈波动下降态势。由此可知，地区间空间溢出效应明显下降；空间依赖性与集聚性显著降低，即区际经济带动作用逐步削弱。2016—2020年莫兰指数稳步提升，说明我国饲料粮供给水平的空间相关性不断增强，即饲料粮供给水平正向空间溢出效应显著。鉴于全局空间分析会掩盖局部空间异质性特征[29]，研究运用OpenGeoDa1.2.0软件，选取2005年、2011年、2016年及2021年各省份饲料粮供给数据，绘制Mroran散点图（见图3）探究局部变化态势。图3Mroran散点图10.13557/j.cnki.issn1002-2813.2024.02.033.F3a110.13557/j.cnki.issn1002-2813.2024.02.033.F3a2由图3可知，观测样本大多在第一、第三象限形成高密度集聚，“高-高”“低-低”型省份占多数。根据观测时间分析，饲料粮供给水平的“高-高”区域在2005—2021年并未明显变化，而“低-低”区域从2005年的14个减至8个。结合标准化变量z的取值与局部莫兰指数，分析各省份间饲料粮供给水平的空间关联特征。综合分析，2005年与2021年饲料粮供给水平呈现显著纵向分层集聚特征。第一，2005年与2021年饲料粮供给水平处于“高-高”型的省份有江苏、广西、江西、贵州、湖南、四川及河北，说明饲料粮供给水平较高地区主要分布于我国西南地区以及东南沿海地区。第二，饲料粮供给水平处于“低-低”型的省份有海南、云南、天津、河南、福建、山东、西藏及山西。第三，2005年饲料粮供给水平处于“高-低”型的省份有吉林、辽宁、黑龙江、安徽及青海；2021年则为宁夏、青海、新疆、黑龙江及辽宁，上述地区自身饲料粮供给水平较高，但受周边地区空间制约因素影响，该区域饲料粮供给水平未能带动周边地区饲料粮供给水平增长，出现一定程度上的极化效应。第四，饲料粮供给水平处于“低-高”型的省份有上海、北京、广东、湖北、浙江、甘肃及陕西，上述地区自身饲料粮供给水平不足，但邻接地区饲料粮供给水平较高，说明区际空间溢出效应对其影响较弱。2.2饲料粮供给区域差异影响因素2.2.1泰尔指数分解考虑泰尔指数及其分解能够全面反映研究样本内部、研究样本之间的差距对于饲料粮供给水平区域差异的影响[30]，本文按照国家统计局划分标准，将样本分为东、中、西和东北地区（东部地区包括北京、河北、上海、天津、浙江、山东、江苏、福建、广东及海南；中部地区包括山西、河南、安徽、江西、湖北及湖南；西部地区包括内蒙古、广西、重庆、四川、贵州、西藏、云南、青海、甘肃、陕西、宁夏及新疆；东北地区包括吉林、辽宁及黑龙江）。2005—2021年样本内部与样本之间泰尔指数变化情况见表1。10.13557/j.cnki.issn1002-2813.2024.02.033.T001表12005—2021年饲料量供给水平泰尔指数与结构性原因分析年份/年绝对值贡献度/%整体组间组内组内组间组内组内东部中部西部东北东部中部西部东北20050.7940.0360.7690.1620.0430.5460.0493.27896.84119.4914.18468.2984.88520060.7120.1780.5440.2510.0450.2410.02023.91176.15235.6934.91232.9562.77920070.6720.1630.5280.2640.0420.2160.03222.72077.32538.9754.92030.6463.08920080.6850.1410.5450.2950.0440.2130.01720.78479.43143.4604.98130.0310.92020090.6970.1920.4890.2250.0590.2360.01027.67072.53031.3386.98332.8961.32520100.6980.1890.5160.2320.0520.2490.01827.44672.78931.7625.89234.2010.84520110.7530.1450.6180.2230.0640.3310.03218.27181.94328.5577.20443.0512.93620120.6770.0910.5880.2460.0470.2740.05413.47186.74235.4305.43439.4646.41120130.6630.0920.5740.2220.0560.2780.05213.81586.41632.4206.87740.8856.21820140.6740.0990.5860.2110.0550.2930.05113.36486.86131.5346.67642.5925.98020150.6330.0970.5360.2130.0560.2590.04215.47184.65232.6377.18439.9854.96120160.6480.1140.5450.2150.0560.2690.03816.21383.91632.1446.98940.6824.29020170.6660.1240.5520.2270.0420.2690.03817.38482.83133.1626.13139.4964.16720180.6620.1190.5540.2370.0510.2620.03616.68483.53334.8876.17338.5183.82220190.6890.1150.5840.2640.0540.2630.03715.49184.72537.4656.32737.1333.83320200.6960.1180.5890.2710.0520.2500.03815.63384.49838.1236.02536.3853.96720210.7460.1250.6320.2910.0530.2710.04115.66384.55938.1925.72136.6684.119由表1可知，四大区域之间内部差异占区域间外部差异的比重基本保持不变。对比各区域内部差异可以发现，2005—2021年，东部地区内部差异占整体差异的比重由20.403%提升至39.008%，其在整体差异中占比最大。而西部地区内部差异呈逐年波动下降特征。西部与东部地区内部差异占比始终在70%以上，对于饲料粮供给水平整体差异影响最大，说明组内差距对饲料粮供给水平的空间差异发挥重要作用。从贡献度分析，组内差距对于饲料粮供给水平的贡献度始终保持在70%以上，说明区域内部饲料粮供给水平差异是造成整体水平差异的主要原因。2.2.2空间计量模型依据前文分析结果可知，我国饲料粮供给水平存在显著空间依赖性与集聚性特征，饲料粮供给水平变化除自身因素影响外，还与邻接地区存在密切关联。因此，采用空间杜宾模型（SDM模型）分析我国饲料粮供给水平的空间效应。为保证研究结论真实可靠，引入空间邻近权重矩阵（Wς）和经济距离权重矩阵（We）。豪斯曼检验结果显示，卡方差值较大，且在1%置信水平上为正；对数似然值表明，相比随机效应的空间杜宾模型，固定效应空间杜宾模型效果更佳。因此使用固定效应空间杜宾模型展开检验，结果见表2。10.13557/j.cnki.issn1002-2813.2024.02.033.T002表2空间杜宾模型回归结果解释变量距离邻近空间权重经济邻近空间权重系数T值系数T值lnPrice0.0010.4260.002***0.163lnClimate0.0270.7710.0341.225lnProductivity0.061***5.8920.081***8.472lnTransport0.119***9.5830.088***6.895lnProduce0.189***7.9920.061**2.315lnProcess0.083**2.6330.096***3.894W·lnPrice0.0010.4420.0020.985W⋅lnClimate0.196***6.8540.171***6.741W⋅lnProductivity0.034*1.8120.044**2.346W⋅lnTransport0.045*0.6950.125***4.752W⋅lnProduce0.0211.8460.284***8.445W⋅lnProcess0.125***3.8160.052*1.827W⋅dep⋅var0.025***53.3570.025***53.331R20.6160.892Log-likelihood3 975.7881 524.159Huausman固定固定注：“***”“**”“*”分别表示在1%、5%和10%置信水平上显著；下表同。由表2可知，在两种矩阵下，土地生产率、交通运输水平、粮食生产机械投入、饲料粮加工水平均对饲料粮供给具有明显赋能效应。但由于SDM模型将邻接地区相关变量对本地区的影响纳入分析过程，未能够直接显示各解释变量对饲料粮供给水平的作用，需进一步分析SDM模型的直接效应、间接效应与总效应。因此，分别引入空间邻近权重矩阵与经济距离权重矩阵，探究SDM模型在各矩阵下的直接效应、间接效应与总效应，结果见表3、表4。10.13557/j.cnki.issn1002-2813.2024.02.033.T003表3空间邻近权重矩阵下的空间杜宾模型影响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lnprice0.081***2.9150.162***4.8910.243***14.233lnclimae0.0351.1930.236***8.4170.271***16.194lnproductivity0.064***6.6120.052***2.7250.116***6.182lntransport0.122***10.1210.076***2.8330.198***6.653lnproduce0.0110.4760.0110.7910.0220.931lnprocess0.213***8.7740.061*1.9240.274***9.89610.13557/j.cnki.issn1002-2813.2024.02.033.T004表4经济邻近权重矩阵下的空间杜宾模型影响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lnprice0.097***3.8950.085***2.7630.182***10.582lnclimae0.0391.5220.194***8.1320.233***14.271lnproductivity0.074***9.2560.064***3.1670.138***7.273lntransport0.092***7.4870.158***5.2940.253***0.985lnproduce0.0010.1210.0121.1680.01312.653lnprocess0.082***2.8930.339***9.7950.421***7.351由表3、表4可知，从直接效应来看，土地生产率、交通运输水平、粮食生产机械投入、饲料粮加工水平估计系数均在1%置信水平上显著为正，说明上述变量可对饲料粮供给水平产生正向影响。从间接效应来看，土地生产率、气候条件、交通运输水平、粮食生产机械投入以及饲料粮加工水平影响系数均通过1%置信水平检验，说明上述变量能够带动邻接地区饲料粮供给水平提升，具备正向空间溢出效应。3结论选取我国2005—2021年31个省份的月度面板数据，运用空间自相关、冷热点分析等方式实证研究我国省际饲料粮供给水平差异的时空演化特征，并利用SDM模型深入探究区域饲料粮供给水平差异的影响因素。结果显示，我国饲料粮供给水平冷点和热点区域均呈显著集中特征，且局部空间关联性较强，“南热北冷”的分化现象明显。其中，热点区域在2005—2021年具备圈层式收缩特征，冷点区域的空间极化情况逐步弱化。我国饲料粮供给水平区域差异呈现二元分化格局。就饲料粮供给空间分布格局而言，北部沿海地区多为“低-低”型区域聚集区，东北、东南沿海与西南地区多为“高-高”型区域聚集区。泰尔指数与结构性原因分析表明，各区域内部差异是造成饲料粮供给整体差异的决定性因素。空间杜宾模型分析显示，土地生产率、交通运输水平、粮食生产机械投入和饲料粮加工水平均对本地与邻地饲料粮供给具有明显的赋能效应。