EN中文

GEOGRAPHICAL RESEARCH >

2022 , Vol. 41 >Issue 2: 420 - 440

DOI: https://doi.org/10.11821/dlyj020201162

Articles

Spatial correlation and influencing factors of livestock and poultry products market in China

  • DING Cunzhen ,
  • XU Xuanguo
Expand
  • College of Economic and Management, Shandong Agricultural University, Tai'an 271018, Shandong, China

Received date: 2020-11-27

  Accepted date: 2021-02-04

  Online published: 2022-04-10

Copyright

Copyright reserved © 2022
Fold

Abstract

In order to explore the characteristics and reasons of spatial correlation of livestock and poultry products market in China, this paper selects pork and chicken as representatives of products, and measured the spatial correlation level and spatio-temporal characteristics situation of market based on the price data of pork and chicken in each province. Then, the social network analysis method was used to describe the characteristics of the spatial association network of livestock and poultry market, and the main factors affecting the spatial association of livestock and poultry products were investigated through QAP analysis. The results show that, (1) total spatial correlation level of livestock and poultry products market in China was high, with an increasing trend. The total spatial correlation level of pork market was higher, but the increment in total spatial correlation level of chicken market was higher. (2) The spatial relationship of pork market and chicken market presented a multi-threaded and complex network structure, characterized by relatively close, highly related and stable as a whole, while the spatial relationship network of pork market was closer. Different provinces had different roles and positions in the market of livestock and poultry products. Among them, the main sales areas and production areas of products in the eastern and central regions of China played a critical part in the spatial connection network, as a bridge and a transmission line, while the remote provinces in the western region had less influence in the network, and were in a subordinate and marginal position. (3) Geographical proximity, market distance, market power were the main factors that can determine and affect the spatial correlation of livestock and poultry products market. In addition, the degree of marketization also had a significant impact on the spatial correlation of pork market.

Key words： livestock and poultry products; spatial connectedness; social network; QAP analysis

Cite this article

DING Cunzhen , XU Xuanguo . Spatial correlation and influencing factors of livestock and poultry products market in China[J]. GEOGRAPHICAL RESEARCH, 2022 , 41(2) : 420 -440 . DOI: 10.11821/dlyj020201162

1 引言

畜禽产品作为居民生活必需品,是关系国计民生的重要产品,在人们的日常生活中占有十分重要的地位。近年来,中国畜禽产业发展迅速,畜禽产品产量稳步增加,为满足人们膳食结构的不断优化做出了巨大贡献,未来畜禽产业在国民经济中的地位和作用将进一步提升。随着畜禽产业市场化程度的提升、新型信息技术的应用以及物流技术的改善,不同地区畜禽产品市场之间关联性愈发紧密。畜禽产品市场空间关联与畜禽市场资源配置、社会福利分配以及市场风险应对等问题息息相关。一方面,畜禽产品市场空间关联是衡量畜禽产品市场效率和市场机制发挥程度的重要指标之一,市场空间关联程度越高,市场整合程度越高,市场机制的作用就发挥得越充分,资源分配效率也就越高[1]。而市场关联水平越低,市场分割程度越高,越不利于生产要素的有效流动并阻碍资源的有效配置[2];另一方面,由于市场空间联动效应,个别地区畜禽产品价格波动通过不同的途径或渠道将这种价格的波动传至不同地区市场的同种产品上,引起其他地区产品的价格变动[3],由此也加大了市场风险防控难度。那么,中国畜禽产品市场空间关联水平如何?各地区在畜禽产品市场中角色和地位如何?影响中国畜禽产品市场空间关联的关键因素有哪些?回答这些问题,有助于准确把握畜禽产品市场关联特征及内在机制,对提高市场要素流通、优化资源配置以及稳定畜禽产品市场有着重要意义。
最早开展空间市场关联研究的是Lele在1967年利用相关系数法分析了高粱市场的空间整合程度[4],随后有关此方面的研究层出不穷,但研究对象以粮食市场为主[5,6,7]。与此同时,研究方法也不断拓展,如VAR模型、协整检验法、Granger因果检验法、VECM模型、GETS模型以及市场联系指数法等方法被运用于分析市场关联及整合[8]。相比于畜禽产业链价格纵向关联的研究,国内关于畜禽产品市场空间市场关联及整合状况量化研究相对较少。武拉平较早通过共聚合法和市场联系指数法对生猪空间市场整合进行了研究[9],之后,部分学者通过Johansen协整检验、误差校正模型、Granger因果检验等方法对生猪市场空间价格传导关系进行了研究,发现中国生猪市场整合程度逐步提升[10,11]。随着研究的不断深入,部分学者还采用了非线性模型,如MSVAR模型、LSTAR模型、TAR或TVECM模型及TVP-VAR模型等方法分析空间关联市场[12,13,14,15,16,17]。除此之外,部分学者还采用探索性空间数据分析（ESDA）来分析畜禽产品价格空间相关性和集聚特征。研究发现,地理区位的邻近或接近对畜禽产品价格较大的影响,本地区的畜禽产品价格与地理相邻近地区的畜禽产品价格水平具有明显的空间依赖特性;中国生猪和猪肉价格具有空间上的趋同特征,呈现出显著的正空间关联特征,局域空间集聚特征显著,容易引起大范围价格齐涨齐跌的“联动效应”,而且存在跨区域的空间溢出效应[18,19]。
通过文献梳理发现,以往研究重点分析部分地区畜禽产品市场之间的关联关系,未把多个区域纳入统一系统进行研究。由于多个地区畜禽产品市场关联是复杂的、多线程的,具有复杂的网络结构,而通过普通的计量方法仅揭示出少量的关联关系,无法准确刻画畜禽产品市场整体网络结构特征以及各地区在市场中角色和地位。此外,以往研究多定性分析了影响市场空间关联的因素,缺乏相应的量化研究,不能明晰影响畜禽产品市场空间关联的关键因素。为此,本文以猪肉、鸡肉为例,将全国各省份纳入统一分析框架,对畜禽产品市场空间关联水平进行测度,并对其网络结构特征以及产生的原因进行分析。具体而言,首先利用Diebold和Yilmaz提出的关联测度新方法对畜禽产品市场空间关联水平及时变情况进行测度,然后利用社会网络分析方法（SNA）分析畜禽产品市场空间关联的整体网络特征、个体网络特征,以揭示畜禽产品市场空间关联的全局性和整体性特征以及不同地区在畜禽产品市场中的角色和地位,最后运用二次指派程序（QAP）分析畜禽产品市场空间关联的影响因素。

2 理论分析

空间市场关联的基本理论是“一价定律”[20]。所谓“一价定律”是指在有效的市场中,对于同质的商品在不同市场中的价格应该是相等的[12]。实现“一价定律”的途径主要为空间套利,如果两个市场商品价差超过交易成本,那么获利机会马上会被套利商利用,促使商品从价格较低地区转移至稀缺而价高的地区,直到套利收益为零[8]。因此,空间套利的结果是“一价定律”,即两地市场同质商品价格之差等于交易成本。值得注意的是,套利行为不仅存在于产区与销区之间,产区与产区之间、销区与销区之间当价差超过交易成本时,也会发生套利行为。由于空间套利,一个市场上的产品价格的上涨或者下跌将传导至其他市场,进而引起其他市场产品价格同等方向和同等幅度的变化,即存在“强一价定律”,这也意味着两市场间存在完全市场整合[2,21,22]。但这种状态是一种理论状态,任何市场都不可能做到完全整合,往往存在非完全市场整合[9]。理论和经验研究表明,影响市场空间关联的因素主要为交易成本[23],包括市场距离、运输条件、协商成本等均会通过交易成本对市场空间关联产生影响,除此之外,市场政策、市场力量、信息流动不完善和预期等因素也会干扰空间套利,从而影响市场空间联动性[24,25]。
交易成本的构成往往难以被观测,但运输成本被认为是交易成本中最主要的组成部分[15]。运输成本高低主要取决于市场距离、交通基础设施条件以及运输技术,市场距离越大,运输成本也越高,相反,则运输成本越低。中国畜禽产品产销区区分较为明显,如中国猪肉存在“南猪北养”“北肉南运”的格局,猪肉存在跨区域运输特点,同样鸡肉也存在明显的跨区域运输特点。在这种跨区域流通格局中,市场距离成为影响畜禽产品市场空间关联的重要因素。在市场距离固定的条件下,交通基础设施条件及运输条件是决定交易成本的主要因素,交通基础设施越完善,畜禽产品运输越便利,交易成本也就越低,运输技术水平越高,越有利于降低运输成本。
从产业链各环节来看,定点屠宰是影响畜禽产品流通的关键环节。畜禽产品流通错综复杂,流通渠道、流通方式及经营主体多种多样,在一定程度上提升了流通成本[26]。定点屠宰政策对屠宰企业资质及规模均有规定,尤其是跨区域畜禽产品流通对屠宰加工企业要求更高。该政策的实施导致屠宰企业数量下降,在提高流通要求的同时加大了跨区域流通的难度,影响畜禽产品流通,成为影响畜禽产品流通的关键环节。除此之外,市场化程度也会影响畜禽产品流通,市场化程度越高,产品在运输过程中所受的阻碍越少,越有利于产品的流动,交易成本也就越低,从而市场关联程度也就越高[16]。针对畜禽产品尤其是猪肉而言,作为重要的“菜篮子”产品,各地对其保护程度及干预程度相对较高,由此可能对其自由流通产生影响,阻碍地区间市场关联性。
市场势力也是影响市场空间关联的主要因素之一[27]。不同的地区由于自然禀赋、经济发展水平、历史条件以及技术条件等因素导致供需存在差异,而供需差异造成了市场势力的差异。部分地区由于畜禽产品产量大成为全国畜禽产品主产区和主要调出区域,在畜禽产品市场具有一定的产区优势。如山东、河南以及东北三省猪肉产量较大,是全国猪肉主产区;山东、广东及江苏等省份鸡肉产量较大,是全国鸡肉主产区。北京、上海、天津等省市由于人口密集,畜禽产品需求较大,是全国畜禽产品主销区和调入区,由于需求量大,在畜禽产品市场中具有一定的销区势力。产区势力和销区势力较强的地区对市场行情影响较大,往往在市场关联中起主导地位,其价格波动更易传导至其他地区,与其他地区市场关联性也更强。
市场间关联不仅可以通过流通途径实现,还可以通过信息传递实现关联,且信息传递的有效性对两市场间价格确定的作用越来越大[20]。依据行为经济学理论,市场主体心理和行为因素在市场上扮演着重要角色,而信息传递会通过影响市场参与者的心理预期来影响市场。由于市场主体往往无法准确判断未来畜禽产品市场价格走势,即使在没有实物交易的情况下,市场主体也可以通过使用互联网、智能手机及报纸等途径获取附近或偏远市场参考价格来确定其市场交易的价格。因此,即使在非贸易条件下,仍可以通过这种信息“锚定效应”实现区域间市场联动。有学者通过测算贸易条件和非贸易条件下市场关联,发现无论是在贸易时期,还是非贸易时期,市场间均存在关联关系,而且在没有实物贸易条件下,由于市场信息流动地区间价格调整更迅速,表明信息流对市场关联具有重要的作用[28];还有学者研究发现,移动电话服务的推出可将谷物价格差异降低10%~16%,对于运输成本较高的市场间,其影响更强[23]。因此,不同畜禽产品市场间不仅可以通过产品流通实现关联,而且可以通过信息流实现关联。随着互联网、智能手机的普及,产销主体快速获取其他地区市场信息,信息效应在促进地区间畜禽产品市场关联的作用可能愈发明显。
理论上,上述因素共同影响畜禽产品市场间关联性（图1）,但在市场一体化背景下,究竟何种因素对畜禽产品市场空间关联发挥着关键作用,还需要进一步实证检验。
图1 畜禽产品市场空间关联机制

Fig. 1 Spatial correlation mechanism of livestock and poultry products market

3 模型构建与数据来源

3.1 空间关联测度方法

采用Diebold等提出的基于广义预测误差方差分解的关联测度方法计算中国畜禽产品市场空间关联程度[29]。该方法可以更加直观地反映多个市场间的溢出效应,有效地从方向和大小两方面来衡量不同市场间或一个市场与整体市场间的关联关系。此外,该模型能够结合滚动回归分析,从动态角度分析畜禽产品市场空间关联变化,捕捉市场空间关联的时变特征。模型构建如下：
首先,构建N维向量自回归模型：
x t = ∑ i = 1 p Φ i x t - i + ε t
式中： x t为N维列向量; ε t ~ iid 0 , ∑, ∑为协方差矩阵; Φ i表示估计参数。
i市场价格的预期误差方差中由j市场价格解释的占比可以用 θ ij g ( Η )表示,即：
θ ij g Η = σ jj - 1 ∑ h = 0 Η - 1 ( e i ' Α h ∑ e j ) 2 ∑ h = 0 Η - 1 ( e i ' Α h ∑ Α h ' e i ) 2
式中： ∑、 σ jj、 e i分别为预测误差向量 ε的协方差矩阵,第j个方程预测误差的标准差以及第i个元素为1、其余元素为0的列向量。通过广义方差分解对冲击进行分解,其每行的元素之和不再等于1,即 ∑ i = 1 Ν θ ij g Η ≠ 1。对 θ ij g Η进行处理可以得到 θ ˜ ij g Η = θ ij g Η ∑ j = 1 Ν θ ij g Η。 θ ˜ ij g Η为j市场对i市场的关联系数。通过分解可以得到, ∑ j = 1 Ν θ ˜ ij g Η=1和 ∑ i , j = 1 Ν θ ˜ ij g Η= Ν。
畜禽产品市场的整体关联水平可以用 S g ( Η )表示,即：
S g Η = ∑ i , j = 1 i ≠ j Ν θ ˜ ij g Η ∑ i , j = 1 Ν θ ˜ ij g Η × 100 = ∑ i , j = 1 i ≠ j Ν θ ˜ ij g Η Ν × 100
同时,还可以测算出方向性关联系数,即：
S ∙ i g Η = ∑ j = 1 j ≠ i Ν θ ˜ ji g Η ∑ i , j = 1 Ν θ ˜ ji g Η × 100 = ∑ j = 1 j ≠ i Ν θ ˜ ji g Η Ν × 100
S i ∙ g Η = ∑ j = 1 j ≠ i Ν θ ˜ ij g Η ∑ i , j = 1 Ν θ ˜ ij g Η × 100 = ∑ j = 1 j ≠ i Ν θ ˜ ij g Η Ν × 100
公式（4）和公式（5）分别表示i市场对其他市场的影响以及i市场受其他市场的影响。两者之差为净有向关联系数,可用 S i g Η表示：
S i g Η = S ∙ i g Η - S i ∙ g Η

3.2 空间关联网络分析法

针对不同地区而言,两市场之间的关联为一种关联关系,从市场全局视角来看,当所有两两地区之间的关联关系交织在一起时,就构成了一个复杂的关联网络。在面对多个地区,多个市场复杂的网络关系时,以往的方法只能给出市场间少量的关联关系,而社会网络分析法（Social Network Analysis,SNA）可以准确地刻画出市场空间关联的整体网络结构,以及判别出各个市场在关系网络中的角色和定位。具体计算步骤为,先计算出各个省份之间的关联系数,以各省份为节点（Node）,构建空间关系网络,并测算各个指标值以揭示畜禽产品市场空间关联网络的结构特征。其中,通过网络密度、网络关联度、网络等级度以及网络效率考察畜禽产品市场空间关联网络的整体网络特征,反映畜禽产品市场空间关联网络的紧密程度、网络稳健性、等级结构及网络效率;通过度数中心度、中间中心度以及接近中心度测度畜禽产品市场空间关联网络的个体网络特征,反映各节点网络地位、不受其他节点控制的程度及中介作用程度。具体各指标计算公式及其含义请参阅Scott等[30,31]。

3.3 空间关联影响因素分析方法

由于畜禽产品市场间的关联关系为“关系数据”,而常规的检验仅适用于“属性数据”,针对“关系-关系”层面的检验,由于可能存在多重共线性问题,不再适用于常规的检验方法,所以本文采用二次指派程序法（Quadratic Assignment Procedure,QAP）进行分析。二次指派程序法是一种非参数方法,包括分析两两矩阵关系的相关分析以及分析多个矩阵和一个矩阵关系的回归分析两种,由于不需要自变量之间相互独立,因此比参数方法更加稳健[30,31]。相关分析和回归分析的估计步骤分两步,首先,通过将关系矩阵转换为“长”向量,计算相关系数（回归系数）;其次,对其中一个矩阵的行和相应的列进行随机置换,然后再次计算相关系数（回归系数）,估计多次之后,将得到相关系数（回归系数）的分布,进而对参数估计值的显著性作出判断。

3.4 数据来源及处理

为测算中国畜禽产品市场空间关联特征,本文选取猪肉和鸡肉为研究对象,采用2001—2018年的全国各省份（受数据所限,研究区域不包括西藏自治区、香港特别行政区、澳门特别行政区、台湾地区）的猪肉和鸡肉月度价格数据进行分析① (①由于广东省鸡肉统计数据年份较短,鸡肉市场分析不包括广东省。)。该数据来源于历年《中国畜牧兽医年鉴》。在获取数据后,以2001年1月为基期的居民消费价格指数对原始数据进行平减,然后对其进行季节性调整,以消除季节因素影响。时间序列数据分析要求变量均为平稳性变量,所以在模型分析之前,先对数据进行了ADF检验,检验结果显示,所有序列均为I(1) ② ( ② 受篇幅限制,具体检验结果在此不再一一展示,如有需要,可向作者索取。),可用于模型分析。

4 实证分析

4.1 畜禽产品市场空间关联测度

4.1.1 畜禽产品市场空间静态关联分析 本文采用广义误差方差分解方法测度畜禽产品市场空间关联关系,根据AIC准则确定VAR模型滞后阶数为1,预测误差方差分解的期数设定为10,计算畜禽产品市场空间关联系数矩阵。附表1和附表2分别为猪肉和鸡肉市场的空间关联系数矩阵,其中行、列数据分别代表该市场受到其他市场的影响以及该市场对其他市场的影响,最后一列（From）为该市场受到其他市场的总影响,而最后三行（To、Total和Net）分别代表一个市场对其他市场的有向关联、涵盖对自身关联效应的总有向关联和净有向关联,右下角数值代表整个市场的总关联水平。
从畜禽产品市场总关联上看,猪肉市场和鸡肉市场的总关联水平分别为93.82%和78.20%,表明两市场空间关联水平和一体化程度均较高,各省份畜禽产品市场之间联动效应较强。同时也表明,各地区畜禽产品市场价格波动传导较为顺畅,单一市场价格波动容易传导至其他市场。而从两者比较来看,猪肉市场空间关联水平高于鸡肉市场,表明,猪肉市场联动效应更强、一体化程度更高。从各省份畜禽产品市场受其他省份畜禽产品市场影响（From）上看,与各省份畜禽产品市场对其他省份畜禽产品市场的影响（To）相比,不同省份之间畜禽产品受到其他省份畜禽产品市场影响的差异相对较小。相比而言,各省份猪肉市场受到其他省份猪肉市场的影响相对较大,而鸡肉市场受到其他省份鸡肉市场的影响相对较小。
从各省份畜禽产品市场对其他地区畜禽产品市场影响（To）上看,通过与各地产量比较发现（表1）,无论是猪肉市场还是鸡肉市场,山东、河南、河北、辽宁等猪肉或鸡肉产量较大省份对其他地区的影响较大,西部偏远地区新疆、青海、宁夏、贵州等猪肉或鸡肉产量较小省份对其他地区的影响较小,由此表明猪肉或鸡肉产区市场对整体市场行情的影响较大,在中国畜禽产品市场中具有较高的定价权,而西部偏远产量较小省份市场对整体畜禽市场行情的影响相对较小。从各省份畜禽产品市场对其他地区畜禽产品市场净影响（Net）上看,针对猪肉市场而言,多数（18个）省份猪肉市场对外净影响为正,这些省份猪肉市场对其他省份猪肉市场价格波动的影响大于其他省份对其影响,其中,山东、河南、浙江等省份猪肉市场对其他省份猪肉市场的净影响较大,说明这些省份在猪肉市场行情中具有主导地位。而西部地区的新疆、青海、宁夏等省份猪肉市场对其他省份猪肉市场的影响小于其他省份对其影响,说明这些偏远省份在猪肉市场行情主要受其他省份主导,在猪肉整体市场行情中主要处于被动接受地位。与猪肉市场相反,只有11个省份鸡肉市场对外净影响为正,多数（18个）省份鸡肉市场对外净影响为负,说明鸡肉市场行情由少数省份主导,多数省份在鸡肉市场行情中处于被动接受地位。
表1 各省份畜禽产品产量及空间关联系数

Tab. 1 Output and spatial correlation coefficient of livestock and poultry products in each province of China

地区 猪肉 鸡肉
产量(万t) To Net 产量(万t) To Net
北京 45.84 115.11 22.96 17.83 47.95 -21.55
天津 39.98 108.92 16.68 10.34 57.00 -23.33
河北 415.28 121.79 27.64 85.27 115.61 34.71
山西 67.30 113.48 19.00 7.75 53.23 -27.24
内蒙古 181.65 63.48 -32.30 20.71 43.54 -38.49
辽宁 324.19 129.03 35.27 115.90 91.40 21.22
吉林 212.70 117.97 23.68 76.16 92.90 14.06
黑龙江 173.04 118.64 24.63 31.91 74.34 -7.97
上海 27.14 91.65 -2.05 9.26 66.48 -6.40
江苏 322.47 118.74 24.06 115.75 113.56 31.52
浙江 146.00 130.13 36.20 30.97 114.82 30.33
安徽 329.90 113.78 20.14 100.75 150.86 69.41
福建 161.31 116.31 22.70 46.71 95.01 15.40
江西 256.03 104.18 9.75 53.64 72.64 -7.84
山东 629.62 138.13 44.64 246.41 144.24 64.12
河南 589.24 125.54 30.97 100.32 127.75 44.29
湖北 342.79 110.93 16.74 58.26 69.46 -5.51
湖南 477.81 120.56 26.11 54.86 61.71 -16.89
广东 370.81 84.81 -9.95 134.52 - -
广西 312.49 90.80 -3.69 97.70 93.71 10.86
海南 57.23 45.21 -44.56 20.49 93.10 14.66
重庆 170.20 92.18 -1.37 27.90 44.93 -26.26
四川 594.84 117.03 22.92 81.89 56.35 -20.10
贵州 165.30 25.35 -71.36 13.78 51.45 -24.34
云南 299.27 35.56 -60.34 29.83 72.46 -9.65
陕西 97.36 99.45 4.97 8.57 67.23 -13.61
甘肃 73.99 70.20 -22.14 4.22 56.70 -27.13
青海 23.35 32.00 -57.28 0.57 40.27 -23.77
宁夏 20.46 43.83 -49.60 2.38 54.63 -18.38
新疆 103.64 19.90 -74.41 11.68 44.46 -32.12

注：产量为各省2001—2018年的产量平均值。To和Net分别表示各省份畜禽产品市场对其他地区畜禽产品市场总影响和净影响

从不同省份畜禽产品市场间关联来看（附表1和附表2中非对角线系数）,主要呈现以下几个特征：第一,相邻或相近省份畜禽产品市场间关联程度较高,如山东和河北、北京与山西等省份畜禽产品市场相互之间的关联程度相对较高,表明中国畜禽产品市场空间关联存在“相邻效应”及“相近效应”;第二,部分市场距离较远的省份畜禽产品市场之间关联程度也较高,如黑龙江与山东、江苏、浙江等距离较远省份畜禽产品市场关联程度较高,由此表明关联程度较高省份不仅局限于“相邻”或“相近”省份,即使距离较远的市场之间关联程度也有可能较高;第三,畜禽产品主产区与其他地区畜禽产品市场关联性较高,如山东省作为中国猪肉和鸡肉产量大省,其与其他省份畜禽产品市场关联性均较高。
4.1.2 畜禽产品市场空间动态关联分析 上文分析了样本期内中国畜禽产品市场空间关联的平均水平,接下来本文通过滚动回归方法计算中国畜禽产品市场空间的动态关联程度,分析中国畜禽产品市场空间关联的动态变化。以100个样本约8年作为滚动窗口,采用滚动的方式来度量畜禽产品市场空间关联的动态变化,考察其在样本期间内的时序特征。图2展示了猪肉和鸡肉市场总体空间关联的变化趋势。从图中可以看出,样本期内猪肉市场空间关联系数均高于90%,而鸡肉市场空间关联系数处于65%~85%之间,且两者均具有显著的时变特征,不同时期存在一定差异。从走势上看,猪肉市场和鸡肉市场总体空间关联水平整体均呈现波动上升趋势,且鸡肉市场关联水平的上升幅度更大,猪肉市场空间关联系数从91%左右逐渐上升至95%左右,上升了4%左右,而鸡肉市场空间关联系数从66%左右上升至81%左右,上升了14%左右,反映了两市场空间一体化程度的不断提高以及市场空间联动程度的上升。畜禽产品市场空间关联程度上升的主要原因可能是,一方面缘于交通基础设施的改善以及冷链运输技术的提高,使得畜禽产品运输愈发便利畅通;另一方面缘于信息与通信技术的高速发展,尤其是伴随着互联网技术的发展,微博、微信、社区论坛等信息传播方式得到广泛的使用,推动畜禽产品市场信息快速传播。除此之外,鸡肉市场空间关联系数在2012—2013年经历较大波动,其主要原因是2012年及2013年初中国发生了较大范围的高致病性禽流感疫情,疫情不仅影响鸡肉市场价格,而且影响区域之间市场关联。疫情发生后各地采取的流通限制措施导致区域之间鸡肉跨区域流通受阻,影响区域间空间套利及信息传递,导致区域之间市场分割,从而使得区域之间市场间关联程度下降。但随着疫情消除,区域之间鸡肉运输以及信息传导恢复正常,区域之间市场间关联程度又逐渐回升。
图2 畜禽产品市场总体空间关联变化趋势

Fig. 2 Trend of spatial correlation in livestock and poultry products

为进一步探讨不同地区畜禽产品市场空间关联变化趋势,本文重点选取部分畜禽产品调入和调出省份为代表,分析其各自空间关联变化趋势。针对猪肉市场而言,北京、上海人口较为集中,猪肉需求量较大,是中国传统的猪肉调入地区,而山东、河南生猪养殖量相对充足,猪肉人均占有量较高,是中国猪肉主要的供给来源地区,因此分别选取四省作为猪肉主要调入和调出地区代表。针对鸡肉市场而言,选取北京和上海两个鸡肉需求量高且调入较大的地区作为调入区代表,选取山东和福建作为调出区代表,其中,山东是中国鸡肉产量最大的省份,而福建同样是中国鸡肉产量大省,且近年来其人均鸡肉占有量居全国第一。从图3和图4可以得出3个特征：① 无论是猪肉市场还是鸡肉市场,各省份畜禽产品市场对其他省份畜禽产品市场影响（To）和各省份受到对其他省份畜禽产品市场影响（From）的波动幅度存在显著差异。其中,各省份对其他省份畜禽产品市场影响（To）的波动幅度相对较大,而受到对其他省份畜禽产品市场影响（From）的波动幅度相对较小。② 针对猪肉市场而言,山东和河南猪肉市场对其他地区猪肉市场的总影响（To）及净影响（Net）均呈波动下降趋势,而北京和上海猪肉市场对其他地区猪肉市场的总影响（To）及净影响（Net）均呈波动上升趋势。这表明猪肉调出区作为猪肉主要供给区域,其市场影响力虽较大,但近年来市场影响力呈下降趋势,而猪肉调入区市场影响力虽相对较小,但近年来市场影响力呈上升趋势。③ 针对鸡肉市场而言,与猪肉市场不同,鸡肉调出区山东和福建鸡肉市场对其他地区鸡肉市场的总影响（To）及净影响（Net）均呈波动上升趋势,而调入区北京和上海鸡肉市场对其他地区鸡肉市场的总影响（To）及净影响（Net）均呈波动下降趋势。这表明,鸡肉调出区市场影响力有所上升,而调入区市场影响力有所下降。
图3 不同地区猪肉市场关联变化趋势

Fig. 3 Trend of pork market correlation in different regions of China

图4 不同地区鸡肉市场关联变化趋势

Fig. 4 Trend of chicken market correlation in different regions

4.2 畜禽产品市场空间关联网络结构分析

4.2.1 整体网络结构特征分析 通过建立畜禽产品市场空间关联网络,分析其网络结构特征。基于算数平均法则,将附表1和附表2中关联系数平均值作为阈值水平,大于平均值则取值为1,小于平均值则取值为0,由此构建有向关联网络。通过Net Draw将畜禽关联网络进行可视化（图5、图6）,猪肉市场和鸡肉均呈现出较为典型的网络结构形态,均没有孤立点,但相比而言,猪肉市场关联网络更为紧密,市场一体化程度更高,而鸡肉市场关联网络相对较为稀疏,说明鸡肉市场关联及一体化程度不如猪肉市场。
图5 猪肉市场空间关联网络图

注：节点大小代表关联省份数量多少,箭头代表关联方向。

Fig. 5 Spatial correlation network of pork market

图6 鸡肉市场空间关联网络图

注：节点大小代表关联省份数量多少,箭头代表关联方向。

Fig. 6 Spatial correlation network of chicken market

表2为畜禽产品市场空间关联网络整体结构指标,① 从平均距离来看,两畜禽产品市场的平均距离均小于2,其中,猪肉市场平均距离为1.22,鸡肉市场平均距离为1.68,表明两畜禽产品市场内价格信息在两个省份之间通过2个以内的中间省份就可以建立联系,存在明显的“小世界特征”。② 从网络密度来看,猪肉市场和鸡肉市场网络密度分别为0.60和0.41,表明猪肉市场和鸡肉市场空间网络关联均较为紧密,相比而言,猪肉市场空间关联网络关系更为紧密。③ 从网络关联度来看,猪肉市场和鸡肉市场空间关联度均为1,表明两市场存在显著的空间关联效应,不存在孤立的省份。④ 从网络等级度来看,猪肉市场和鸡肉市场空间关联网络等级度分别为0.39和0.19,表明两市场存在一定的等级属性,但等级结构并不森严,尤其是鸡肉市场空间等级结构较低。⑤ 从网络效率来看,猪肉市场和鸡肉市场空间关联网络效率均相对较小,表明两市场空间关联网络关系均较为稳定,而猪肉市场空间关联网络更为稳定。⑥ 从平均集聚系数来看,猪肉市场和鸡肉市场空间关联网络的平均集聚系数均高于0.5,说明两市场空间关联水平较高;尤其是猪肉市场空间关联网络的平均集聚系数达到了0.73,表明其市场关联程度更高。
表2 畜禽产品市场空间关联网络整体结构指标

Tab. 2 Overall structure index of spatial correlation network of livestock and poultry products market

指标 猪肉市场 鸡肉市场
平均距离 1.2200 1.6800
网络密度 0.6023 0.4052
网络关联度 1.0000 1.0000
网络等级度 0.3889 0.1935
网络效率 0.1921 0.3862
平均集聚系数 0.7290 0.5220
4.2.2 个体网络特征分析 为揭示不同省份在畜禽产品市场空间关联中的角色和位置,计算网络中心性指标衡量个体网络结构特征（表3）。从度数中心度上看,猪肉市场和鸡肉市场的度数中心度均值分别为81.84和64.16,猪肉市场度数中心度的均值高于鸡肉市场,说明猪肉市场空间联动性更强,这与上文猪肉市场网络密度相对较高的结论一致。针对猪肉市场而言,有17个省份度数中心度超过平均值,其中北京、河北、辽宁、吉林、黑龙江、浙江、山东、安徽、河南、湖南、四川均超过95,这些地区也是全国猪肉主要的主产区和主销区,说明这些地方在猪肉市场空间关联网络中影响力较大,处于中心地位。而鸡肉市场仅有13个省份度数中心度超过平均值,其中河北、山东、河南、安徽等省份的度数中心度较高,说明这些省份与其他省份关联关系较多,在鸡肉市场空间关联网络中处于中心地位。西部地区的新疆、宁夏、青海等省份在猪肉市场和鸡肉市场空间关联网络中的度数中心度均较低,说明这些省份由于其地理位置较为偏远,导致其与其他省份空间关联性相对较弱,在畜禽产品市场空间关联网络中处于边缘地位。
表3 畜禽产品市场空间关联的个体网络特征

Tab. 3 Individual network characteristics of spatial correlation of livestock and poultry products market

地区 猪肉市场 鸡肉市场
关联
省份		 点出度 点入度 度数
中心度		 接近
中心度		 中间
中心度		 关联
省份		 点出度 点入度 度数
中心度		 接近
中心度		 中间
中心度
北京 29 29 18 100.00 100.00 2.06 9 2 8 32.14 59.57 0.07
天津 26 26 16 89.66 90.63 1.42 10 3 10 35.71 60.87 0.08
河北 28 28 17 96.55 96.67 0.82 27 27 9 96.43 96.55 4.44
山西 27 27 17 93.10 93.55 0.66 17 3 15 60.71 71.8 0.69
内蒙古 19 0 19 65.52 74.36 0.01 13 1 12 46.43 65.12 0.10
辽宁 28 28 18 96.55 96.67 0.82 20 18 7 71.43 77.78 1.29
吉林 28 28 17 96.55 96.67 0.82 22 17 10 78.57 82.35 1.64
黑龙江 28 28 19 96.55 96.67 0.82 19 13 12 67.86 75.68 1.00
上海 18 9 17 62.07 74.36 0.05 18 8 11 64.29 73.68 0.89
江苏 27 27 18 93.10 93.55 0.59 23 22 10 82.14 84.85 2.56
浙江 29 29 17 100.00 100.00 2.06 24 24 10 85.71 87.5 2.61
安徽 28 28 17 96.55 96.67 1.75 28 28 12 100.00 100.00 4.73
福建 27 27 19 93.10 93.55 0.68 23 19 11 82.14 84.85 2.82
江西 27 25 18 93.10 93.55 0.68 17 10 13 60.71 71.80 1.10
山东 28 28 18 96.55 96.67 0.82 25 25 9 89.29 90.32 2.54
河南 29 29 16 100.00 100.00 2.06 25 25 10 89.29 90.32 2.70
湖北 26 26 19 89.66 90.63 0.49 16 9 12 57.14 70.00 0.45
湖南 28 28 18 96.55 96.67 0.82 17 6 14 60.71 73.68 1.26
广东 20 8 17 68.97 76.32 0.08 - - - - - -
广西 23 15 18 79.31 82.86 0.33 22 19 14 78.57 77.78 1.53
海南 18 0 18 62.07 72.50 0.04 20 18 11 71.43 77.78 2.03
重庆 21 10 18 72.41 80.56 0.09 10 0 10 35.71 60.87 0.15
四川 28 28 18 96.55 96.67 0.82 18 5 14 64.29 73.68 1.16
贵州 20 0 20 68.97 76.32 0.04 12 2 12 42.86 63.64 0.11
云南 21 0 21 72.41 78.38 0.08 16 10 11 57.14 68.29 0.64
陕西 22 11 18 75.86 80.56 0.19 16 6 13 57.14 70.00 0.43
甘肃 19 2 18 65.52 74.36 0.01 19 5 16 67.86 77.78 0.94
青海 15 0 15 51.72 67.44 0.01 7 0 7 25.00 57.14 0.02
宁夏 20 0 20 68.97 76.32 0.05 15 4 13 53.57 68.29 0.51
新疆 5 0 5 17.24 54.72 0.00 13 0 13 46.43 65.12 0.14
平均值 23.73 17.47 17.47 81.84 86.59 0.64 17.97 11.34 11.34 64.16 75.07 1.33
从接近中心度上看,猪肉市场与鸡肉市场接近中心度均值分别为86.59和75.07,猪肉市场接近中心度高于鸡肉市场,两市场高于接近中心度均值的省份分别有17个和13个,这与度数中心度的结论一致。同样,猪肉市场中北京、浙江、河南以及鸡肉市场中河北、安徽、山东、河南的度数中心度较高的省份,接近中心度也较高,说明这些省份在各自市场空间关联网络中扮演着中心行动者的角色;而西部地区的新疆、宁夏、青海等省份的接近中心度也较低,说明这些省份在各自市场空间关联网络扮演着边缘行动者的角色。从中间中心度上看,猪肉市场和鸡肉市场中间中心度较高的省份同样是度数中心度和接近中心度较高的省份,说明这些省份在畜禽产品市场关联网络中不仅处于中心位置,在网络中扮演着中心行动者角色,而且起着重要的“桥梁”和“传导”作用;而西部地区偏远地区省份,在网络中影响力较小,处于从属地位。

4.3 畜禽产品市场空间关联的影响因素

4.3.1 变量选取及数据来源 上文对中国畜禽产品市场空间关联特征进行了分析,可以看出中国畜禽产业不同地区之间的关联性存在明显差异。本部分将利用QAP相关分析和QAP回归分析考察影响中国畜禽产品市场空间关联的关键因素。由上文理论分析可知,市场距离、市场势力、信息效应、市场化程度等因素可能是影响中国畜禽产品市场空间关联的主要因素。为量化这些因素对中国畜禽产品市场空间关联的影响,构建如下模型：
Y = F ( X i )
式中：Y代表畜禽产品市场空间关联关系; X i代表与市场距离、市场势力、信息效应、市场化程度等相关变量。
本文用市场地理位置是否相邻以及市场空间距离两个变量反映市场距离,用产量差异以及消费量差异分别代表产区市场势力和销区市场势力,用市场化指数代表畜禽产业市场化程度。信息效应较难量化,但不同地区的市场主体可以通过“锚定效应”实现地区价格的传递,即当一个地区畜禽产品价格发生变化后,其他地区将该区作为一个“锚”,然后对本地畜禽产品价格进行反复权衡估价,所以,本文用不同省份间的市场价格差来表示价格的“锚定效应”。数据来源于历年《中国统计年鉴》以及布瑞克数据库。
4.3.2 QAP相关分析 表4为5000次随机矩阵置换后得到的QAP相关分析结果。从表中可以看出,除销区市场势力和信息效应外,其他变量均通过检验,且均与畜禽产品市场空间关联有着显著相关性。其中,市场邻接、产区势力与畜禽产品市场空间关联有正相关,而市场距离、市场化程度与畜禽产品市场空间关联有负相关。从系数的绝对值来看,产区势力和市场距离与畜禽产品市场空间关联最大。销区市场势力和信息效应不显著,可能是因为针对畜禽产业来说,畜禽产品是人们日常消费的必需品,销区市场势力并没有那么明显,而信息效应可能受信息发布体系不完善及产销主体信息获取能力有限等影响未显著相关。
表4 QAP相关分析结果

Tab. 4 Correlation results of QAP

变量 相关系数 显著水平 系数均值 标准差 最小值 最大值 P≥0 P≤0
猪肉
市场		 市场邻接 0.118 0.001 0.000 0.037 -0.142 0.124 0.001 1.000
市场距离 -0.342 0.000 0.000 0.096 -0.330 0.246 1.000 0.000
市场化程度 -0.214 0.008 -0.001 0.085 -0.274 0.262 0.992 0.008
产区势力 0.270 0.004 -0.002 0.114 -0.404 0.349 0.004 0.996
销区势力 0.013 0.574 -0.002 0.124 -0.432 0.216 0.574 0.426
信息效应 -0.034 0.336 0.002 0.105 -0.418 0.241 0.664 0.336
鸡肉
市场		 市场邻接 0.165 0.000 0.000 0.042 -0.141 0.156 0.000 1.000
市场距离 -0.176 0.007 0.001 0.082 -0.230 0.277 0.993 0.007
市场化程度 -0.100 0.094 0.001 0.075 -0.250 0.237 0.906 0.094
产区势力 0.365 0.000 0.003 0.091 -0.240 0.329 0.000 1.000
销区势力 0.053 0.242 0.000 0.073 -0.287 0.234 0.242 0.758
信息效应 -0.043 0.304 0.000 0.076 -0.233 0.248 0.697 0.304
4.3.3 QAP回归分析 为进一步探究这些因素与畜禽产品市场空间关联的回归关系,本文在QAP相关分析的基础上,通过QAP回归分析考察各因素的影响。表5为5000次随机矩阵置换后得到的QAP回归分析结果。结果与上文基本吻合：① 市场邻接变量和市场距离变量均显著,表明猪肉和鸡肉市场均存在明显的市场“相邻”和“相近”效应,地理位置相邻或者较近的地区间畜禽产品市场关联程度较高,而空间距离较远的地区间畜禽产品空间关联程度较低。这主要是因为地理位置邻接或距离较近地区间运输成本更低,更有利于畜禽产品的流动,也更容易实现空间套利,因此,距离较近地区间畜禽产品空间关联程度也更高。② 在市场势力方面,产区势力对猪肉和鸡肉市场空间关联均存在显著的正向影响。从标准化系数的绝对值来看,无论猪肉还是鸡肉市场,其影响均较大,特别是鸡肉市场,产区势力对鸡肉市场空间关联的影响高达0.3650,但销区势力对两市场空间关联均不存在显著的影响。由此表明,畜禽产品市场存在产区势力效应,但并不存在销区势力效应,这在一定程度上解释了上文中山东、河南、河北等畜禽产量大省在与其他省份关联程度较高。这与中国畜禽产品区域生产和消费特点有关。随着畜禽养殖规模化程度的提高,中国畜禽产品生产集中化程度较高,2000年以来猪肉产量排名前五位省份猪肉产量占全国猪肉总产量的比重一直在40%左右,而鸡肉产量排名前五位省份鸡肉产量占全国鸡肉总产量的比重一直在43%以上,较高的生产集中化程度导致产区市场势力较大。③ 市场化程度变量对猪肉市场空间关联存在显著的负向影响,且标准化系数为-0.1697,而鸡肉市场空间关联并未受到市场化程度的显著影响。这表明,地区间市场化程度差异越大,猪肉市场间关联程度越低,而市场化程度差异并未对鸡肉市场关联产生显著影响。由于市场化程度越高,地方保护程度越低,越有利于产品的自由流通;相反,市场化程度越低,越容易产生市场交易摩擦,交易成本也越高,阻碍产品的跨地区流动,从而削弱市场间关联程度。猪肉在中国居民肉类消费中的比例最高,素有“猪粮安天下”之说,各地政府高度重视猪肉市场供应,对猪肉保护程度及干预程度也较高,由此也削弱了地区市场间关联程度。相比而言,鸡肉在居民肉类消费中的比例低于猪肉,地方政府对鸡肉市场的保护和干预程度较低,所以市场化程度的差异并未对鸡肉市场空间关联产生影响。④ 信息效应对畜禽产品市场关联的影响不显著。究其原因,一方面可能缘于各地市场信息发布体系不完善,导致相关主体信息获取渠道有限;另一方面可能缘于部分地区产销主体市场信息获取能力有限,不能及时了解到其他地区市场价格信息,由此导致市场信息效应不能得到有效发挥。
表5 QAP回归结果

Tab. 5 Regression results of QAP

变量 非标准化系数 标准化系数 显著性水平 概率1 概率2
猪肉市场 Intercept 4.3219 0.0000
市场邻接 0.3229 0.0849 0.0270 0.0270 0.9740
市场距离 -0.0007 -0.3586 0.0010 1.0000 0.0010
市场化程度 -0.1645 -0.1697 0.0170 0.9840 0.0170
产区势力 0.0020 0.2702 0.0040 0.0040 0.9970
销区势力 0.0213 0.0722 0.2860 0.2860 0.7150
信息效应 0.0813 0.0476 0.3290 0.3290 0.6710
鸡肉市场 Intercept 2.9978 0.0000
市场邻接 0.4452 0.1062 0.0200 0.0200 0.9810
市场距离 -0.0003 -0.1315 0.0900 0.9010 0.0900
市场化程度 -0.0524 -0.0487 0.2730 0.7270 0.2730
产区势力 0.0075 0.3650 0.0000 0.0000 1.0000
销区势力 0.0451 0.0709 0.1550 0.1550 0.8460
信息效应 0.0210 0.0324 0.3740 0.3740 0.6260

5 结论与讨论致谢附表

5.1 结论

准确识别和把握畜禽产品市场关联特征及内在机制,对提高市场要素流通、优化资源配置以及稳定畜禽产品市场有着重要意义。本文以猪肉和鸡肉市场为例,运用基于广义预测误差方差分解的关联测度方法、社会网络分析法、QAP分析等方法对中国畜禽产品市场空间关联特征、网络结构及其影响因素进行了分析。研究结果表明：
（1）中国畜禽产品市场总体空间关联水平均较高,且近年来整体均呈上升趋势。其中,猪肉市场总体空间关联水平更高,但鸡肉市场总体空间关联水平上升幅度更大。猪肉调出区对其他地区市场影响力呈下降趋势,而调入区对其他地区市场影响力呈上升趋势;相反,鸡肉调出区对其他地区市场影响力呈上升趋势,而调入区对其他地区市场影响力呈下降趋势。
（2）猪肉市场和鸡肉市场空间关联均呈现出较为典型的网络结构形态,网络关联均较为紧密。其中,猪肉市场网络结构更为紧密,市场一体化程度更高。不同省份在畜禽产品市场中角色和地位不同,中东部畜禽产品主销区和主产区在空间关联网络中处于中心地位,网络中扮演着中心行动者角色,而且起着重要的“桥梁”和“传导”作用;西部偏远地区,在网络中影响力较小,处于从属和边缘地位。
（3）市场邻接、市场距离以及产区势力是影响畜禽产品市场空间关联的主要因素。此外,市场化程度对猪肉市场空间关联同样有显著影响,而销区市场势力及信息传递效应对畜禽产品市场空间关联没有显著影响。

5.2 讨论

基于以上结论,本文认为：第一,“不谋全局者,不足谋一时”,应从全局视角审视畜禽产品市场空间关联,尤其是伴随着畜禽产品市场空间关联程度以及一体化程度的提高,市场联动效应愈发增强。因此,无论是市场监测还是政策制定,都应从全局角度通盘考虑。第二,重点关注在畜禽产品关联网络中处于中心地位省份的市场价格波动。如猪肉市场中河南、浙江、北京等省市猪肉价格变化,鸡肉市场中河北、山东、安徽等省份鸡肉价格变化。这些省市在畜禽产品市场中扮演着中心行动者角色,对市场行情影响较大,应予以重点关注,防止中心市场畜禽产品价格大幅波动因市场联动效应而导致整体市场价格的大幅波动。第三,提高部分偏远地区畜禽产品市场与其他地区畜禽产品市场关联程度,充分发挥市场机制的作用进而提升畜禽产品市场运行效率。一方面,通过疏通区域间畜禽产品运输通道,加强畜禽产品运输基础设施建设,提高畜禽产品冷链物流技术以降低畜禽产品运输成本;另一方面,通过推进偏远地区及农村地区信息技术及信息网络等新型基础设施建设、完善畜禽产品市场信息发布体系以及加强互联网、智能手机等新媒体在畜禽产品流通领域的运用等措施,提高畜禽产品市场信息化程度,充分发挥市场信息在畜禽产品市场空间关联中的作用。
真诚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对本文畜禽产品空间关联理论机制、实证结果分析、结论梳理方面的修改意见,使本文获益匪浅。
附表1 猪肉市场空间关联矩阵表

Appendix Tab. 1 Correlation matrix of pork market

北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南
北京 7.853 3.891 4.581 4.526 2.306 4.435 4.389 4.303 2.247 3.960 3.998 3.829 3.574 3.739 4.629 4.844
天津 4.081 7.763 4.516 4.142 2.923 4.448 4.178 4.319 2.752 4.429 4.256 4.062 3.688 3.025 4.377 4.438
河北 4.018 3.876 5.850 4.535 2.217 4.799 4.696 4.415 3.041 4.870 4.425 4.345 3.879 3.504 5.479 4.427
山西 4.299 3.801 4.839 5.512 2.275 4.832 4.568 4.447 3.084 4.338 4.426 4.213 3.807 3.658 5.206 4.596
内蒙古 3.81 4.287 4.156 3.981 4.230 4.260 4.067 4.135 3.061 3.969 4.543 4.112 3.875 3.748 4.423 4.386
辽宁 4.005 3.699 4.594 4.114 1.675 6.241 4.621 4.592 3.109 4.352 4.425 4.168 4.306 4.124 5.247 4.467
吉林 3.955 3.846 4.801 4.320 2.085 5.127 5.715 4.890 3.139 4.437 4.222 4.037 3.840 3.589 5.274 4.256
黑龙江 4.023 3.690 4.467 3.976 2.134 5.156 4.776 5.995 3.384 4.317 4.657 3.844 4.472 3.643 5.132 4.386
上海 3.607 3.928 4.241 3.756 2.787 3.941 3.944 4.405 6.311 4.132 4.831 3.868 4.032 3.247 4.795 4.786
江苏 3.864 3.642 4.723 3.955 1.938 4.693 4.228 4.425 3.495 5.317 4.824 4.369 4.348 3.658 5.148 4.435
浙江 3.705 3.850 4.336 3.930 2.114 4.397 3.734 4.198 3.368 4.484 6.063 4.356 4.216 3.807 4.861 4.732
安徽 3.824 3.707 4.577 3.934 1.886 4.499 4.010 3.957 3.241 4.620 4.779 6.365 4.193 3.787 4.983 4.306
福建 3.849 3.726 4.011 3.601 1.795 4.627 3.631 4.173 3.372 4.486 4.969 4.140 6.391 3.947 4.824 4.332
江西 4.316 3.801 4.234 4.063 1.854 4.864 4.031 4.043 2.903 4.002 4.851 3.853 4.279 5.572 4.742 4.391
山东 4.176 3.688 4.84 4.113 1.919 4.785 4.362 4.295 3.487 4.712 4.551 4.309 4.309 3.254 6.513 4.511
河南 4.034 3.878 4.557 4.159 2.218 4.583 4.034 4.167 3.271 4.444 4.914 4.431 4.001 3.456 5.172 5.431
湖北 4.199 3.717 4.154 4.264 2.194 4.203 4.280 3.916 3.403 4.176 4.368 3.681 3.756 3.431 4.612 4.381
湖南 4.085 3.806 4.175 3.987 1.928 4.753 4.180 3.978 3.216 4.077 4.682 3.784 4.172 3.978 4.858 4.288
广东 4.317 3.756 4.039 3.781 1.931 4.731 3.927 4.424 3.262 4.173 4.843 3.680 4.977 3.733 5.093 4.565
广西 3.999 3.171 4.060 3.630 1.797 4.753 3.798 4.201 3.416 4.041 4.758 3.804 4.610 3.824 5.007 4.273
海南 3.222 2.811 3.310 3.090 1.938 3.693 3.064 3.200 3.852 3.181 4.833 3.602 3.589 4.427 4.041 4.429
重庆 4.089 3.856 3.846 3.771 2.623 4.024 4.045 3.635 2.634 3.619 3.964 3.361 3.391 3.395 4.401 3.881
四川 4.049 3.868 4.135 3.977 2.478 4.079 4.294 4.051 3.213 3.807 4.411 3.735 3.709 3.449 4.637 4.082
贵州 3.873 3.570 4.003 3.554 2.226 4.277 4.025 3.666 3.229 3.749 4.062 3.684 4.075 3.608 4.649 3.958
云南 3.912 3.502 3.693 3.588 2.277 4.044 3.654 3.936 2.956 4.023 4.583 3.907 4.345 3.275 4.466 4.115
陕西 4.030 3.803 4.259 4.194 2.172 4.508 4.414 4.041 3.114 3.908 4.582 3.994 3.468 3.576 4.690 4.382
甘肃 4.100 5.19 3.642 3.862 3.079 3.927 3.963 3.307 2.427 3.611 3.879 4.061 3.055 3.238 4.003 4.045
青海 4.165 3.156 3.451 3.234 2.239 4.068 3.406 3.483 2.458 3.315 3.984 3.252 3.837 3.358 4.359 4.153
宁夏 3.609 3.431 3.738 3.896 2.039 4.342 3.917 4.047 4.204 3.850 4.274 3.670 4.402 3.503 4.495 4.033
新疆 3.889 3.972 3.816 3.547 2.429 4.176 3.731 3.992 3.308 3.660 4.237 3.629 4.103 3.194 4.524 3.660
To 115.105 108.918 121.792 113.484 63.475 129.025 117.968 118.639 91.645 118.741 130.133 113.779 116.310 104.176 138.128 125.538
Total 122.958 116.681 127.642 118.996 67.705 135.266 123.683 124.634 97.955 124.057 136.196 120.143 122.701 109.749 144.641 130.969
Net 22.958 16.681 27.642 18.996 -32.295 35.266 23.683 24.634 -2.045 24.057 36.196 20.143 22.701 9.749 44.641 30.969
湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 陕西 甘肃 青海 宁夏 新疆 FROM
北京 4.287 3.643 2.577 2.607 1.352 3.335 4.271 0.795 1.417 3.743 2.539 0.726 1.176 0.427 92.147
天津 3.701 4.066 2.374 2.304 1.042 3.128 3.768 0.726 1.457 3.028 3.996 0.897 1.435 0.680 92.237
河北 3.617 3.947 2.607 2.924 1.243 2.841 4.029 0.655 0.859 3.578 2.025 1.061 1.572 0.665 94.150
山西 3.657 3.977 2.864 2.790 1.163 2.868 3.992 0.775 0.973 3.709 2.204 0.841 1.672 0.616 94.488
内蒙古 3.657 4.217 2.793 2.783 1.492 3.356 4.253 1.007 1.612 3.409 3.063 0.976 1.544 0.797 95.770
辽宁 3.550 4.207 3.177 3.496 1.512 2.838 3.581 0.508 0.745 3.458 2.092 1.110 1.484 0.502 93.759
吉林 3.981 4.196 2.738 2.938 1.337 3.012 4.014 0.616 0.786 3.655 2.249 0.936 1.439 0.569 94.285
黑龙江 3.529 3.972 3.408 3.571 1.681 2.506 3.510 0.565 0.638 3.303 2.063 1.090 1.400 0.710 94.005
上海 3.830 3.871 2.981 3.123 2.162 2.389 3.463 0.694 0.813 3.226 2.405 1.189 2.163 1.083 93.689
江苏 3.722 4.238 2.930 3.287 1.620 2.942 3.981 0.666 1.002 3.338 1.942 1.055 1.519 0.695 94.683
浙江 3.751 4.427 3.007 3.282 1.705 3.113 4.077 0.728 1.059 3.380 2.246 0.929 1.519 0.624 93.937
安徽 3.480 4.288 2.748 3.066 1.533 3.058 4.077 0.845 1.125 3.517 2.507 0.974 1.439 0.673 93.635
福建 3.546 4.292 3.847 3.607 1.613 2.766 3.694 0.622 1.037 3.019 2.304 1.418 1.464 0.898 93.609
江西 3.861 4.607 3.089 3.257 1.726 3.350 4.116 0.647 1.027 3.380 2.402 0.858 1.441 0.440 94.428
山东 3.618 3.950 2.981 3.267 1.312 2.951 4.066 0.586 0.839 3.406 1.846 1.224 1.583 0.547 93.487
河南 3.759 4.105 2.853 2.934 1.707 3.080 3.911 0.809 1.091 3.504 2.404 0.935 1.592 0.562 94.569
湖北 5.811 4.255 2.572 2.706 1.602 3.726 4.327 1.120 1.366 3.567 2.768 0.812 1.861 0.772 94.189
湖南 4.150 5.549 3.006 3.471 1.705 3.580 4.252 0.669 1.097 3.356 2.361 1.054 1.344 0.460 94.451
广东 3.332 4.038 5.240 3.940 1.581 2.781 3.748 0.555 1.234 3.159 2.110 1.114 1.278 0.659 94.760
广西 3.554 4.405 3.686 5.505 2.310 3.026 3.834 0.622 0.990 3.170 2.087 1.597 1.455 0.618 94.495
海南 4.080 4.364 3.446 4.418 10.233 2.856 3.863 1.315 0.941 2.716 1.863 1.383 1.594 0.646 89.767
重庆 4.728 4.455 2.408 2.740 1.478 6.446 5.560 1.209 2.292 3.767 2.744 1.503 1.407 0.728 93.554
四川 4.228 4.373 2.900 3.038 1.702 4.186 5.890 0.721 1.527 3.696 2.472 1.215 1.463 0.615 94.110
贵州 4.172 4.447 2.926 3.172 1.676 3.807 4.613 3.287 1.856 3.512 2.717 1.269 1.538 0.802 96.713
云南 3.856 4.327 3.332 3.400 1.469 3.868 4.354 1.501 4.107 3.612 2.392 1.389 1.308 0.808 95.893
陕西 4.127 4.304 2.570 2.922 1.617 3.453 4.286 0.856 1.385 5.521 2.533 1.092 1.573 0.627 94.479
甘肃 4.612 4.326 1.912 1.944 0.886 4.394 4.147 1.794 2.216 3.616 7.658 0.993 1.290 0.827 92.342
青海 3.272 3.658 2.642 3.688 2.412 2.954 3.418 1.198 1.638 3.612 2.889 10.715 1.330 0.655 89.285
宁夏 3.807 3.701 3.210 3.162 1.401 2.765 3.859 1.283 1.123 3.344 2.165 0.965 6.566 1.198 93.434
新疆 3.463 3.909 3.224 2.962 1.173 3.254 3.961 1.265 1.411 3.668 2.816 1.398 1.947 5.684 94.316
To 110.927 120.564 84.807 90.801 45.210 92.182 117.027 25.351 35.556 99.449 70.201 32.004 43.831 19.902 2814.670
Total 116.739 126.113 90.047 96.306 55.443 98.628 122.917 28.638 39.663 104.97 77.859 42.719 50.397 25.586 TCI
Net 16.739 26.113 -9.953 -3.694 -44.557 -1.372 22.917 -71.362 -60.337 4.97 -22.141 -57.281 -49.603 -74.414 93.822
附表2 鸡肉市场空间关联矩阵表

Appendix Tab. 2 Correlation matrix of chicken market

北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南
北京 30.501 1.150 2.898 4.416 2.158 1.063 2.004 2.130 2.023 2.462 4.424 2.898 2.627 2.588 3.355 2.963
天津 1.659 19.666 4.584 1.705 1.010 2.174 2.082 2.044 1.072 5.956 2.689 6.066 4.169 4.356 6.612 6.748
河北 1.933 2.515 19.098 1.110 1.487 5.501 5.317 3.372 2.539 5.111 3.797 5.701 2.471 1.701 8.226 6.004
山西 2.741 1.903 4.140 19.531 1.599 2.996 4.057 3.948 3.749 3.320 3.455 4.572 2.971 2.347 4.380 2.692
内蒙古 1.277 0.961 3.290 2.229 17.970 4.846 7.004 3.952 3.397 3.925 3.412 5.229 2.728 1.526 5.242 4.474
辽宁 0.779 1.841 6.208 1.282 0.847 29.812 4.999 1.381 2.433 2.226 2.757 6.290 1.860 2.548 6.393 4.207
吉林 1.390 2.186 4.022 1.386 0.720 5.101 21.155 4.537 3.126 4.958 3.973 5.680 1.780 1.684 10.053 5.322
黑龙江 1.820 1.876 3.568 1.296 1.236 3.846 6.225 17.692 4.539 4.653 4.788 5.269 1.255 1.418 7.310 4.465
上海 1.303 1.976 4.131 2.375 2.273 3.409 1.707 1.352 27.117 2.284 3.515 3.610 3.282 6.273 4.352 3.500
江苏 1.446 1.542 6.197 1.037 2.409 3.059 2.774 3.360 1.719 17.967 4.907 5.593 3.014 1.158 7.951 7.062
浙江 2.640 1.957 4.670 1.323 1.013 2.776 1.910 2.192 1.509 5.544 15.506 8.867 4.698 2.866 6.476 4.995
安徽 0.760 2.467 4.687 2.652 1.626 3.114 2.661 1.660 2.327 4.054 7.429 18.557 4.344 2.211 5.522 5.887
福建 1.059 3.431 3.969 1.714 2.296 2.276 3.270 1.346 1.306 3.916 5.003 6.611 20.392 3.986 3.701 4.173
江西 1.558 4.607 3.634 1.449 0.863 3.199 2.004 1.909 2.268 2.551 3.598 5.482 4.297 19.526 3.890 7.606
山东 1.743 2.693 5.528 1.315 1.094 3.460 4.096 2.672 1.814 7.365 4.863 6.124 2.165 2.759 19.875 9.412
河南 1.179 2.286 6.856 1.037 1.581 3.897 2.128 2.491 1.067 7.053 4.775 6.238 3.151 3.045 10.024 16.548
湖北 2.081 1.417 4.263 1.507 0.600 4.786 4.177 3.346 1.809 2.748 5.051 5.342 3.022 4.308 3.872 2.986
湖南 1.165 1.601 3.988 1.245 1.895 2.681 3.079 1.898 2.793 4.396 4.115 6.699 5.083 2.416 3.494 3.868
广西 3.198 2.896 3.285 1.350 1.269 2.462 3.127 2.922 2.097 4.345 5.276 7.548 2.412 3.594 7.304 6.386
海南 1.853 2.343 2.963 3.054 1.135 2.521 1.858 2.065 1.684 3.431 4.901 5.607 5.951 2.571 3.257 4.602
重庆 2.429 1.556 3.543 2.176 1.424 2.823 4.018 2.198 3.070 2.562 3.876 2.909 3.516 1.906 1.791 1.919
四川 2.936 1.329 2.652 2.310 3.133 3.064 3.729 4.022 2.587 2.883 2.728 3.428 3.641 2.961 3.341 2.854
贵州 1.297 0.843 3.609 1.675 1.387 2.710 2.910 3.031 2.543 5.576 4.704 4.697 3.495 1.397 3.515 3.442
云南 0.662 2.058 4.480 2.724 1.653 3.935 2.555 3.217 1.714 5.246 4.169 6.639 2.726 1.524 7.422 5.383
陕西 2.079 1.773 5.531 1.736 1.694 4.527 3.644 1.625 3.337 4.009 4.193 4.419 3.989 2.082 4.672 3.340
甘肃 2.207 1.460 3.000 2.217 2.406 2.963 3.198 3.234 4.202 3.586 3.907 5.037 5.203 3.113 4.150 2.944
青海 2.345 2.276 3.769 1.153 1.821 2.244 2.219 2.382 1.266 3.219 1.756 2.932 2.852 3.527 2.054 2.552
宁夏 1.045 1.809 3.051 2.554 1.034 4.288 3.063 2.885 1.728 2.883 3.762 4.524 2.913 1.342 3.411 3.989
新疆 1.367 2.249 3.096 3.205 1.876 1.682 3.085 3.165 2.760 3.291 3.002 6.844 5.393 1.432 2.467 3.970
To 47.953 57.003 115.610 53.231 43.540 91.403 92.900 74.337 66.479 113.557 114.824 150.856 95.009 72.638 144.240 127.746
Total 78.454 76.669 134.708 72.762 61.510 121.215 114.055 92.029 93.596 131.524 130.330 169.413 115.401 92.164 164.115 144.294
Net -21.546 -23.331 34.708 -27.238 -38.490 21.215 14.055 -7.971 -6.404 31.524 30.330 69.413 15.401 -7.836 64.115 44.294
湖北 湖南 广西 海南 重庆 四川 贵州 云南 陕西 甘肃 青海 宁夏 新疆 FROM
北京 2.215 1.642 5.495 3.405 2.306 1.495 1.996 2.388 2.417 2.191 1.109 1.021 2.657 69.499
天津 1.650 2.931 2.847 2.701 1.329 1.114 1.638 3.696 2.657 1.292 1.477 2.157 1.920 80.334
河北 1.919 2.131 3.193 2.354 0.825 1.808 2.014 1.359 2.163 2.388 1.093 1.327 1.544 80.902
山西 2.415 1.928 3.374 3.777 0.982 3.472 1.245 2.317 3.090 3.157 1.747 2.011 2.082 80.469
内蒙古 2.779 1.640 3.732 2.570 2.117 2.533 1.499 2.647 2.770 2.972 0.911 1.252 1.114 82.030
辽宁 2.615 1.899 3.853 3.357 0.982 1.209 1.035 2.571 2.377 0.662 1.288 1.674 0.616 70.188
吉林 2.065 1.324 4.342 2.121 1.327 0.780 0.811 1.909 2.633 1.240 1.571 1.441 1.361 78.845
黑龙江 2.097 1.271 4.614 2.274 1.941 1.872 1.776 3.413 2.373 3.186 1.284 1.259 1.385 82.308
上海 3.567 1.918 1.554 2.356 1.690 3.629 1.995 2.676 3.543 0.982 1.316 1.002 1.315 72.883
江苏 1.712 1.939 2.250 3.146 1.585 1.703 3.313 2.652 1.992 2.716 1.791 2.122 1.884 82.033
浙江 3.059 2.693 3.526 4.532 1.802 1.029 2.492 2.368 2.398 2.116 0.851 2.312 1.882 84.494
安徽 3.183 2.275 4.539 4.054 0.924 1.667 1.270 2.860 2.810 1.747 0.857 2.186 1.672 81.443
福建 2.758 2.683 1.558 5.011 2.033 1.784 1.969 2.806 2.227 2.435 1.666 2.612 2.008 79.608
江西 3.854 3.148 3.961 4.479 1.442 2.254 1.347 1.690 1.350 1.933 1.681 2.964 1.454 80.474
山东 1.861 1.467 3.593 2.462 0.804 1.323 1.203 2.803 2.195 1.877 1.118 1.555 0.761 80.125
河南 1.646 2.376 4.020 3.459 1.028 1.203 1.690 2.689 2.228 1.291 1.570 2.033 1.409 83.452
湖北 25.030 2.379 3.694 3.813 2.349 0.739 2.179 2.086 1.790 1.239 1.001 1.254 1.133 74.970
湖南 2.807 21.408 3.052 3.347 1.891 1.129 2.455 2.109 2.995 1.880 1.622 2.914 1.975 78.592
广西 2.889 2.385 17.152 5.704 0.805 1.646 0.958 2.803 1.425 1.569 0.494 1.260 1.440 82.848
海南 3.438 2.201 6.662 21.557 1.246 1.973 1.392 3.063 1.770 1.754 1.008 1.928 2.212 78.443
重庆 2.573 1.649 1.989 2.954 28.804 2.756 2.651 2.842 2.658 1.954 2.707 2.798 1.949 71.196
四川 2.140 2.252 2.479 3.255 1.689 23.555 2.977 1.930 2.799 2.683 2.262 2.594 1.783 76.445
贵州 2.570 3.413 2.288 2.255 2.206 2.951 24.214 2.729 1.853 2.872 2.028 2.261 1.528 75.786
云南 1.721 1.171 4.076 3.838 1.517 1.048 1.728 17.888 2.326 1.814 2.653 3.193 0.919 82.112
陕西 3.792 3.155 1.607 2.792 2.323 2.453 1.828 3.609 19.162 1.803 1.284 2.184 1.358 80.838
甘肃 2.201 1.922 3.931 3.186 1.185 5.715 2.168 2.512 3.219 16.170 1.158 1.579 2.226 83.830
青海 1.448 3.377 1.972 3.144 2.098 1.942 1.901 1.665 2.404 2.021 35.960 2.272 1.429 64.04
宁夏 1.425 3.098 2.048 2.485 2.780 3.113 2.209 4.023 2.724 1.705 1.672 26.987 1.447 73.013
新疆 3.058 1.440 3.458 4.268 1.729 2.009 1.710 2.249 2.039 3.222 1.051 1.468 23.414 76.586
To 69.458 61.707 93.705 93.099 44.934 56.348 51.451 72.463 67.226 56.699 40.270 54.633 44.464 2267.780
Total 94.487 83.115 110.857 114.657 73.738 79.903 75.665 90.351 86.388 72.869 76.230 81.621 67.878 TCI
Net -5.513 -16.885 10.857 14.657 -26.262 -20.097 -24.335 -9.649 -13.612 -27.131 -23.770 -18.379 -32.122 78.199

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Kouyaté C, Von C S. Distance and border effects on price transmission: A Meta-analysis. Journal of Agricultural Economics, 2016, 67(2):255-271. DOI: 10.1111/1477-9552.12145.

DOI

[2]
Durborow S L, Kim S W. Spatial price dynamics in the US vegetable sector. Agribusiness, 2020, 36(1):59-78. DOI: 10.1002/agr.21603.

DOI

[3]
肖小勇, 李崇光, 李剑. 国际粮食价格对中国粮食价格的溢出效应分析. 中国农村经济, 2014, (2):42-55.

[ Xiao Xiaoyong, Li Chongguang, Li Jian. Analysis on the spillover effect of international grain price on China's grain price. Chinese Rural Economy, 2014, (2):42-55.]

[4]
Lele U J. Market integration: A study of sorghum prices in Western India. Journal of Farm Economics, 1967, 49(1):147-159.

DOI

[5]
Goodwin B K, Piggott N E. Spatial market integration in the presence of threshold effects. American Journal of Agricultural Economics, 2001, 83(2):302-317. DOI: 10.1111/0002-9092.00157.

DOI

[6]
Miljkovic D. US and Canadian livestock prices: Market integration and trade dependence. Applied Economics, 2009, 41(2):183-193. DOI: 10.1080/00036840600994260.

DOI

[7]
Esposti R, Listorti G. Agricultural price transmission across space and commodities during price bubbles. Agricultural Economics, 2013, 44(1):125-139. DOI: 10.1111/j.1574-0862.2012.00636.x.

DOI

[8]
Listorti G, Esposti R. Horizontal price transmission in agricultural markets: Fundamental concepts and open empirical issues. Bio-based and Applied Economics, 2012, 1(1):81-108. DOI: 10.13128/BAE-10769.

DOI

[9]
武拉平. 我国小麦、玉米和生猪收购市场整合程度研究. 中国农村观察, 1999, (4):25-31, 40.

[ Wu Laping. Research on the integration degree of wheat, corn and pig purchasing market in China. China Rural Survey, 1999, (4):25-31, 40.]

[10]
孙赫, 任金政. 我国生猪市场区域整合研究: 基于2008—2013年间15省市生猪旬度价格数据. 价格理论与实践, 2014, (5):67-69.

[ Sun he, Ren Jin Zheng. Research on regional integration of China's pig market: Based on ten-day pig price data of 15 provinces and cities from 2008 to 2013. Price: Theory & Practice, 2014, (5):67-69.] DOI: 10.19851/j.cnki.cn11-1010/f.2014.05.024.

DOI

[11]
潘方卉, 李翠霞. 生猪产销价格传导机制: 门限效应与市场势力. 中国农村经济, 2015, (5):19-35.

[ Pan Fanghui, Li Cuixia. Transmission mechanism of pig production and marketing price: Threshold effect and market power. Chinese Rural Economy, 2015, (5):19-35.]

[12]
Goodwin B K, Piggott N E. Cointegration tests and spatial price linkages in regional cattle markets. American Journal of Agricultural Economics, 1991, 73(2):452-464. DOI: 10.2307/1242730.

DOI

[13]
Kelvin B, Alastair B, Jonathan B. Threshold effects in price transmission: The case of Brazilian wheat, maize, and soya prices. American Journal of Agricultural Economics, 2007, 89(2):308-323. DOI: 10.1111/j.1467-8276.2007.01013.x.

DOI

[14]
Ganneval S. Spatial price transmission on agricultural commodity markets under different volatility regimes. Economic modelling, 2016, 52(Pt. A):173-185. DOI: 10.1016/j.econmod.2014.11.027.

DOI

[15]
全世文, 曾寅初, 毛学峰. 运输成本可以解释空间市场整合中的交易成本吗? 来自中国小麦和玉米市场的证据. 中国农村观察, 2015, (1):15-29, 93.

[ Quan Shiwen, Zeng Yinchu, Mao Xuefeng. Can transportation cost explain transaction cost in spatial integration? Evidences from China's local wheat and maize markets. China Rural Survey, 2015, (1):15-29, 93.]

[16]
马述忠, 屈艺. 市场整合与贸易成本: 基于中国粮食市场空间价格传导的新证据. 农业经济问题, 2017, 38(5):72-82, 112.

[ Ma Shuzhong, Qu Yi. Market integration and trade costs: New evidence from spatial price transmission on China's grain markets. Issues in Agricultural Economy, 2017, 38(5):72-82, 112.] DOI: 10.13246/j.cnki.iae.2017.05.008.

DOI

[17]
郑燕, 丁存振. 国际农产品价格对国内农产品价格动态传递效应研究. 国际贸易问题, 2019, (8):47-64.

[ Zheng Yan, Ding Cunzhen. Study on the dynamic transmission effect of international agricultural prices on domestic agricultural products prices. Journal of International Trade, 2019, (8):47-64.] DOI: 10.13510/j.cnki.jit.2019.08.004.

DOI

[18]
谭莹, 周建军, 何勤英. 基于区域层面猪肉价格波动的棘轮效应分析. 华中农业大学学报: 社会科学版, 2017, (5): 20-27, 144-145.

[ Tan Ying, Zhou Jianjun, He Qinying. Ratchet effect analysis based on regional pork price fluctuation. Journal of Huazhong Agricultural University: Social Sciences Edition, 2017, (5): 20-27, 144-145.] DOI: 10.13300/j.cnki.hnwkxb.2017.05.003.

DOI

[19]
张敏, 柳思维, 刘凤根. 中国猪肉价格变动的时空效应. 经济地理, 2018, 38(12):135-142.

[ Zhang Min, Liu Siwei, Liu Fenggen. Spatial temporal effects of pork price changes in China. Economic Geography, 2018, 38(12):135-142.] DOI: 10.15957/j.cnki.jjdl.2018.12.018.

DOI

[20]
Hamulczuk M, Makarchuk O, Sica E. Searching for market integration: Evidence from Ukrainian and European Union rapeseed markets. Land Use Policy, 2019, 87(9):1-11. DOI: 10.1016/j.landusepol.2019.104078.

DOI

[21]
Marshall A. Principles of Economics. London: Macmillan, 1890:316-326.

[22]
Fackler P L, Goodwin B K. Spatial price analysis. Handbook of Agricultural Economics, 2001, (1):971-1024.

[23]
Aker J C. Information from Markets Near and Far: Mobile phones and agricultural markets in Niger. American Economic Journal, 2010, 2(3):46-59. DOI: 10.1257/app.2.3.46.

DOI

[24]
Rezitis A N, Stavropoulos K S. Price volatility and rational expectations in a sectoral framework commodity model: A multivariate GARCH approach. Agricultural Economics, 2010, 42(3):419-435. DOI: 10.1111/j.1574-0862.2010.00521.x.

DOI

[25]
Santeramo F G, Cioffi A. The entry price threshold in EU agriculture: Deterrent or barrier?. Journal of Policy Modeling, 2012, 34(5):691-704. DOI: 10.1016/jpolmod.2012.02.001.

DOI

[26]
胡向东, 石自忠, 王祖力. 我国生猪和猪肉流通现状研究. 中国畜牧杂志, 2013, 49(12):17-20, 23.

[ Hu Xiangdong, Shi Zizhong, Wang Zuli. Research on the current situation of pig and pork circulation in China. Chinese Journal of Animal Science, 2013, 49(12):17-20, 23.] DOI: 10.3969/j.issn.0258-7033.2013.12.004.

DOI

[27]
Abdulai A. Spatial price transmission and asymmetry in the Ghanaian maize market. Journal of Development Economics, 2000, 63(2):327-349. DOI: 10.1016/S0304-3878(00)00115-2.

DOI

[28]
Stephens E C, Mabaya E, Stephan von, et al. Spatial price adjustment with and without trade. Oxford Bulletin of Economics Statistics, 2012, 74(3):453-469. DOI: 10.1111/j.1468-0084.2011.00651.x.

DOI

[29]
Diebold F X, Yilmaz K. On the network topology of variance decompositions: Measuring the connectedness of financial firms. Journal of Econometrics, 2014, 182(1):119-134. DOI: 10.1016/j.jeconom.2014.04.012.

DOI

[30]
Scott J P. Social Network Analysis: A Handbook. London: Sage Publication, 2017: 82-96.

[31]
刘华军, 彭莹, 贾文星, 等. 价格信息溢出、空间市场一体化与地区经济差距. 经济科学, 2018, (3):49-60.

[ Liu Huajun, Peng Ying, Jia Wenxing, et al. Price information overflow, spatial market integration and regional economic disparity. Economic Science, 2018, (3):49-60.]

Options
Outlines

/

〈 〉