中国生猪养殖的不平衡性及其时空演变

摘要：生豬养殖是农业生产的重要组成部分，选取2004—2018年中国31个省份（港澳台除外）的面板数据，定量测度了中国生猪养殖的不平衡性及其时空演变。结果表明，①中国生猪养殖呈现明显的区域不平衡性，主要生猪养殖省份集中在中部地区、西南地区和华南地区。②全国生猪养殖存在显著的空间正相关，且生猪养殖的集聚效应越来越明显。③明星类省份主要有河南、广东、广西、四川和云南，瘦狗类省份主要有北京、天津、上海和西藏。④全国生猪养殖的不平衡性发生了由缩小到扩大的演变，潜力区、重点区和适度区的生猪养殖相对较为均衡，而约束区生猪养殖的不平衡性较大且呈扩大化趋势，西部地区和东部地区生猪养殖的不平衡性较为接近且都高于中部地区。⑤生猪养殖重心的移动主要经历了东北偏移和西北偏移，“南猪北养”趋势明显，而人口流动“孔雀东南飞”现象较为突出。⑥2004—2017年，生猪养殖重心与人口重心的空间距离呈现先增后减的变动趋势，表明生猪养殖的供需矛盾发生了由加剧到缓解的演变。

关键词：生猪养殖;不平衡性;时空演变;泰尔指数;重心模型

中图分类号：F326.3         文献标识码：A

文章编号：0439-8114（2020）18-0085-11

DOI：10.14088/j.cnki.issn0439-8114.2020.18.017 开放科学（资源服务）标识码（OSID）：

The imbalance and spatial-temporal evolution of pig breeding in China

YE Wen-xian

（School of Management， International and Trade Institute of Shaanxi， Xianyang  712046，Shaanxi， China）

Abstract： Pig breeding was an important part of agricultural production. The panel data of 31 provinces from 2004 to 2018 were selected to measure quantitatively the imbalance degree and spatial-temporal evolution of pig breeding in China. The results showed that there was obvious regional imbalance in pig breeding in China， and the main pig breeding provinces were concentrated in the central region， southwestern region， and southern region. There was a significant positive spatial correlation in pig breeding in China， and the agglomeration effect of pig breeding was more and more obvious. Star provinces mainly included Henan， Guangdong， Guangxi， Sichuan and Yunnan， while skinny dog provinces mainly included Beijing， Tianjin， Shanghai and Tibet. The imbalance degree of pig breeding in the whole country has changed from shrinking first to expanding. The pig breeding in potential area， key area and moderate area was relatively balanced， while the imbalance degree of pig breeding in restricted area was relatively large and expanding. The imbalance degree of pig breeding in the West and East was relatively close and higher than that in the central area. During the research period， the movement of pig breeding center mainly experienced northeast and northwest migration， and the trend of “South pig breeding in North” was obvious， while the phenomenon of “Peacock flying Southeast” was more prominent. From 2004 to 2017， the spatial distance between the focus of pig breeding and the focus of population showed a trend of first increase and then decrease， indicating that the contradiction between supply and demand of pig breeding had evolved from intensification to easing.

Key words： pig breeding; imbalance; spatial-temporal evolution; Theil index; barycenter model

生猪养殖是农业生产的重要组成部分，素有“猪粮安天下”之说。中国作为最大的生猪养殖国与消费国，猪肉一直是中国居民餐桌上的主角。2018年全球猪肉产量为1.13亿t，而中国的猪肉产量和消费量分别为5 404万t和5 595万t，分别占全球的47.8%和49.5%，中国以不到全球1/5的人口消费了全球近一半的猪肉。2018年全球猪肉总出口量为845万t，仅占中国猪肉消费总量的15.1%。2018年中国猪肉进口量为119万t，不足中国猪肉消费总量的3.0%。中国的猪肉供应只能依靠国内生产，中国人的吃肉问题只能靠自己解决，国外进口只是辅助手段。然而，一方面受经济发展水平、技术进步与资源禀赋等因素的影响，中国生猪养殖呈现明显的空间不平衡性，2018年四川的生猪出栏数高达       6 490万头，而西藏仅有15万头;另一方面，各地区猪肉消费偏好差异明显，如四川、贵州、重庆、广西和广东等地居民对猪肉“情有独钟”，而宁夏、新疆、青海、甘肃等地居民由于风俗习惯对猪肉“避而远之”;此外，市场价格、环境规制与非洲猪瘟也对中国生猪养殖产生了重大影响，导致生猪养殖的区域不平衡性。在此背景下，系统地分析中国生猪养殖的不平衡性及其时空演变，对于促进经济社会发展稳定、增加农民收入与保障猪肉供需平稳具有重要的现实意义。

近年来，多种因素导致中国生猪市场的供需失衡以及猪肉价格“暴涨暴跌”与“冰火两重天”的周期性波动，引起中国政府与广大民众的高度关注，由此许多学者将研究目光投向了生猪养殖业，而生猪养殖的影响因素成为学者研究的热点话题之一。如周晶等[1]运用面板数据模型分析中国生猪养殖波动的影响因素，得出价格是导致生猪养殖波动的最重要因素;王欢等[2]运用空间计量模型分析中国生猪养殖布局变迁的影响因素，发现资源禀赋、交通状况和技术水平对生猪养殖有显著的直接效应;赵俊伟等[3]则对中国生猪养殖集聚效应的影响因素进行了深入分析，认为生猪养殖地理集聚的关键影响因素是技术水平、土地资源、地理位置和城镇化率。随着中国猪肉价格“过山车”式的频繁波动，一些学者开始关注猪肉价格的周期性波动。如张敏[4]运用 B-N分解法和脉冲响应函数对中国生猪价格的周期性波动进行分解与识别，发现产业政策与生猪疫病是“猪周期”形成的重要原因;而顾静秋等[5]研究结果表明，玉米与仔猪等成本类要素价格波动推动了“猪周期”的形成，即中国猪肉属于“成本推动型”的价格波动。由此，一些学者开始从生产效率与规模化程度等成本效率视角研究生猪养殖，如张园园等[6]运用空间杜宾模型对13个典型省份的生猪养殖规模进行了分析;Huynh等[7]对亚洲四国的生猪养殖方式与规模进行了分析;Pinto等[8]则对智利生猪集约化养殖的生物安全措施进行了深入分析。

随着生猪养殖规模的扩大，生态环境问题也日趋严重，部分学者开始研究环境规制对生猪养殖业的影响。如周建军等[9]运用动态面板模型分析环境规制对中国生猪养殖业的影响，发现生猪养殖与环境规制存在显著的倒N形关系。2018年，突如其来的非洲猪瘟疫情在中国多个省份蔓延开来，使得本就举步维艰的中国生猪养殖业雪上加霜，部分学者开始关注非洲猪瘟对中国生猪市场的影响。朱增勇等[10]通过系统分析，认为非洲猪瘟会促使中国生猪养殖业走向适度规模化，同时会导致中国猪价普遍性上涨。此外，部分学者关注了单个省份和特定区域的生猪养殖现状，并提出了促进生猪产业健康发展的合理性建议[11，12]。

已有文献多采用面板数据模型和空间计量模型分析生猪产量波动与价格波动的影响因素，部分学者采用DEA相关模型测度了生猪的养殖效率与环境全要素生产率，少数学者关注了生猪养殖的空间分布与集聚效应，但缺少对生猪养殖不平衡性的定量测度与时空演变分析。此外，地区总人数及其空间流动也是影响生猪供需平衡的重要因素，而已有文獻较少对其研究。鉴于此，本研究采用泰尔指数和莫兰指数对中国生猪养殖的不平衡性进行测度，运用高斯核密度函数和重心模型对中国生猪养殖的时空演变进行分析。此外，还测度了人口重心的时空演变以及与生猪养殖重心的耦合趋势，这些研究不仅丰富了生猪养殖的相关理论知识，也为政策制定者提供了参考。

1 研究区域与研究方法

1.1 研究区域

研究区域为除港澳台外的31个省（市、自治区），按照地理位置不同将所有省份划分为西、中、东三大地区，其中，西部地区包括新疆、青海、陕西、云南、四川、广西、宁夏、甘肃、西藏、贵州、重庆和内蒙古12个省份;中部地区包括湖南、河南、安徽、吉林、湖北、江西、黑龙江和山西8个省份;东部地区包括山东、海南、浙江、上海、河北、北京、广东、福建、江苏、辽宁和天津11个省份。本研究所用数据来源于2004—2018年的《中国统计年鉴》《中国畜牧兽医年鉴》和各省（市）统计年鉴。

1.2 研究方法

研究方法有泰尔指数及其分解、高斯核密度函数、莫兰指数和重心模型。

1.2.1 泰尔指数及其分解 泰尔指数是一个衡量区域收入不平等度的常用指标，与传统的基尼系数相比，泰尔指数具备明显的完全相加可分解性，故选用泰尔指数测度不同区域的生猪养殖不平衡性，其计算公式为[13]：

[T总=ijYijYlnYijYNijN=TW+Tb=iYiYjYijYi]

[lnYijYiNijNi+iYiYlnYiYNiN]  （1）

式（1）中，T总、Tw、Tb分别表示总差异、地区内差异和地区间差异，Yij、Yi和Y分别为i区域j省份的生猪出栏数、i区域的生猪出栏总数和所有区域的生猪出栏总数，Nij、Ni和N分别为i区域j省份的人口数、i区域的总人口数和所有区域的总人口数。

1.2.2 高斯核密度函数 核密度估计是一种常用的非参数估计方法，该方法既不需要假定数据间的函数关系，也不需要运用数据分布的先验知识，而是依据数据本身分析其分布特征，从而保证了测度结果的客观性[14]。假设生猪出栏数的核密度估计为       f（x），K（x）为核函数，t为带宽，n为样本数，hi和h分别为生猪出栏数及其均值，则核密度估计量可以表示为[15]：

[f（x）=1nti=1nK（h-hit）]  （2）

核密度估计量f （x）的大小跟样本量n、带宽t以及核函数K（x）有关，而常用的核函数有均匀函数、伽马函数、三角函数以及高斯函数，本研究使用高斯函数进行估计，其计算公式为：

[K（x）=（1/2Π）×exp（-0.5x2）]    （3）

1.2.3 莫兰指数 莫兰指数是一种衡量空间自相关的常用指标，包括局部莫兰指数与全局莫兰指数。假设存在某空间序列{Xi}ni=1，均值为X0，空间权重矩阵为Wij，样本量为n，则全局莫兰指数可以表示为：

[I=[ni=1nj=1nWij（Xi-X0）（Xj-X0）]/[i=1nj=1nWij]

[i=1n（Xi-X0）2]]    （4）

当全局莫兰指数I小于0时，表明存在空间负相关，即变量分布存在低值与高值相邻的空间集聚现象;I大于0时，表明存在空间正相关，即变量分布存在低值与低值相邻或高值与高值相邻的空间集聚现象;I为0则表明不存在空间相关性。全局莫兰指数测度的是整个空间的集聚情况，如果要测度某区域i的空间聚集情况则需要使用局部莫兰指数，计算公式为：

[I=[n（Xi-X0）j=1nWij（Xj-X0）]/i=1n（Xi-X0）2] （5）

1.2.4 重心模型 由于受到价格、环境规制、瘟疫、成本效率等因素影响，各省生猪养殖必然会发生一定的起伏波动，从而导致生猪养殖重心发生偏移，形成一定的空间变迁轨迹，借助重心模型对生猪养殖重心的空间变迁轨迹进行描述。假设（Ei，Ni）为i地区的地理坐标，Pit为i地区第t年的生猪出栏数，则生猪出栏重心坐标（Xt，Yt）可以表示为：

[Xt=i=1nPitEi/i=1nPit]，[Yt=i=1nPitNi/i=1nPit]  （6）

假设第b年和第j年的重心坐标分别为（Xb，Yb）和（Xj，Yj），则第b年到第j年的重心移动距离Dj和移动角度θj可分别表示为[16]：

[Dj=111.11×（Xb-Xj）2+（Yb-Yj）2] （7）

[θj=arctan[（Yj-Yb）/（Xj-Xb）]]    （8）

为评价生猪出栏重心与人口重心的耦合程度，引入变动一致性指数与空间重叠性指数，分别从动态和静态2个角度测量生猪出栏重心与人口重心的耦合度。空间重叠性指数可以用上述重心移动距离Dj表示，Dj数值越大则说明重心重叠性越低。假设（DXb，DYb）和（DXj，DYj）分别代表生猪出栏重心与人口重心第i年和第i-1年的重心坐标差值，则第i年2个重心的变动一致性指数Wi可表示为[17]：

[Wi=（ΔXbΔXj+ΔYbΔYj）/]

[（ΔX2b+ΔX2j）×（ΔY2b+ΔY2j）]  （9）

2 生猪养殖不平衡性及其动态演进

2.1 生猪养殖不平衡性的总体分析

生猪产业是畜牧业养殖的支柱性产业，中国的生猪养殖呈现明显的地区不平衡性。2004年，全国生猪出栏6.18亿头，31个省份平均生猪出栏数为   1 994万头（表1），人均生猪出栏数为0.409头;排名靠前的四川、湖南与河南的生猪出栏数分别为6 490万头、6 089万头和5 189万头，人均生猪出栏数分别为0.744、0.909和0.534头，而排名靠后的西藏、上海与青海的生猪出栏数仅为15万头、107万头和115万头，人均生猪出栏数仅为0.056、0.061和0.212头;东、中、西三大区域人均生猪出栏数分别为0.415、0.473和0.362头，生猪养殖呈现明显的空间差异性。2018年，全国生猪出栏6.94亿头，31個省份平均生猪出栏数为2 238万头，人均生猪出栏数为0.429头;排名靠前的四川、河南和湖南的生猪出栏数分别为6 638万头、6 402万头和5 994万头，人均生猪出栏数分别为0.796、0.667和0.869头，而排名靠后的西藏、宁夏和青海的生猪出栏数仅为18万头、113万头和117万头，人均生猪出栏数仅为0.052、0.163和0.193头;东、中、西三大区域人均生猪出栏数分别为0.334、0.589和0.410头，各地区生猪养殖依然呈现明显的空间差异性。2004—2018年，生猪出栏数最多省份与最少省份的比值由425减少到370，人均生猪出栏数比值由16.32增加到16.66;31个省份生猪出栏数变异系数由0.890减少到0.880，人均生猪出栏数变异系数由0.453增加到0.554。由此可知，整体上31个省份的生猪养殖和人均生猪养殖均存在明显的非均衡性和省际差异，且生猪养殖的非均衡性强于人均生猪养殖。

从4个生猪养殖规划区的生猪出栏情况来看（表2），2018年潜力增长区、约束发展区、重点发展区和适度发展区的生猪出栏数分别为8 796万头、25 687万头、27 618万头和3 430万头，分别占全国总出栏量的13.40%、39.20%、42.10%和5.20%，相对2017年的增长率分别为-3.90%、-2.90%、0.70%和1.30%。2018年潜力增长区和约束发展区的生猪出栏量均有大幅降低，两大生产区均未实现既定的生猪养殖目标，而重点发展区和适度发展区的生猪出栏增长率都为1.00%左右，均实现了既定的生猪养殖目标。从2018年各省份生猪养殖的增长率来看，潜力增长区中只有贵州和云南较好实现了增长目标，其他省份均存在较大降幅;约束发展区中仅有广东、安徽实现了增长目标，其他省份均存在较大降幅，尤其是北京、上海、福建和浙江，降幅均超过10.00%;重点发展区中河北、山东和重庆没有实现既定的生猪养殖目标，其他省份均较好实现了增长目标;适度发展区各省份的生猪养殖量均较小，增长幅度较大的省份是新疆和青海。

2.3 生猪养殖分布的动态演进

为了分析生猪养殖分布的演化过程，选取2004年、2009年、2014年和2018年作为典型年份，同时为了便于观察与对比，对生猪出栏数进行了对数化处理，由此绘制了生猪出栏数的高斯核密度分布（图1至图4）。图1表明，2004—2014年，核密度曲线出现小幅右移趋势，而2018年则出现小幅左移趋势，说明考察期内，全国生猪出栏数发生了由小幅上升到小幅下降的演变;4条核密度曲线的波峰高度随时间呈现先上升后下降趋势，而波峰宽度呈现先减小后增大趋势，且波动幅度都较小，说明考察期内，全国生猪出栏数的不平衡性发生了先缩小后扩大的演变;4条核密度曲线均仅有一个波峰且存在明显的左向拖尾，说明考察期内，全国生猪出栏数存在单级化现象，且存在少数生猪出栏数非常低的省份。图2显示，4条核密度曲线（尤其是2009年和2014年）均有2个波峰且存在一定的左向拖尾，说明考察期内，东部地区生猪出栏数存在双级化现象，且存在少数省份生猪出栏数明显低于东部地区平均水平;4条核密度曲线的波峰高度呈现先升后降趋势，东部地区生猪出栏数的不平衡性也发生了先缩小后扩大的演变。图3显示，2004—2014年核密度曲线出现向右偏移趋势，而2018年则出现小幅左移趋势，中部地区生猪出栏数发生了由小幅上升到小幅下降的演变;4条核密度曲线的波峰高度随时间也呈现先上升后下降趋势，而波峰宽度呈现先减小后增大趋势，中部地区生猪出栏数的不平衡性也发生了先缩小后扩大的演变。图4显示，4条核密度曲线呈现小幅右移趋势，西部地区生猪出栏数呈现小幅增长趋势;波峰高度随时间呈现先小幅下降后上升的变动趋势，西部地区生猪出栏数的不平衡性发生了由小幅扩大到缩小的演变;4条核密度曲线均存在明显的左向拖尾，说明存在少数省份的生猪出栏数明显低于西部地区平均水平。

2.4 生猪养殖不平衡性的区域分解及其演进

为了进一步分析中国生猪出栏不平衡性的产生原因，采用了泰尔指数对三大地区的生猪出栏差异进行分解，得到三大地区的内部差异值、组内差异值和组间差异值（表8）。东部地区的内部生猪出栏差异随时间呈现明显上升趋势，中部地区呈现先下降后平稳的变化趋势，西部地区呈现先上升后下降的变化趋势。2004—2011年，东部地区和西部地区的内部生猪出栏差异呈上升趋势，中部地区呈下降趋势，三大地区内部生猪出栏差异呈现“西部>中部>东部”的格局特征。2012—2018年，东部地区的内部差异继续保持上升趋势，中部地区趋于平稳，西部地区呈下降趋势，三大地区内部生猪出栏差异呈现“西部>东部>中部”的格局特征。从三大地区的组内与组间差异来看，三大地区的组间差异及其贡献率均呈明显上升趋势，组间差异值由2004年的0.001增加到2018年的0.011，其在总差异中的贡献率由2004年的2.7%增加到2018年的26.0%，而组内差异在2012年前呈上下波动趋势，2012年后呈小幅上升趋势，其在总差异中的贡献率由2004年的97.3%下降到2018年的74.0%。整个研究期间，组内差异始終大于组间差异，2018年组间差异为0.011，而组内差异为0.033，是组间差异的3倍。

3 生猪养殖重心的时空演变及其与人口重心的耦合趋势

3.1 生猪养殖重心的时空演变

2004—2018年全国生猪出栏重心的时空演变结果如表9所示。15年来，中国生猪出栏重心的空间位置较为稳定，重心经度集中在112.787°～113.052°E之间，纬度集中在31.502°～31.752°N，重心位置处于中国几何中心的东南方向，说明中国几何中心东南方向省份的生猪养殖在全国占有重要地位。2004—2018年，生猪出栏重心向西南方向移动了25.390 km，其重心坐标由（113.000°E， 31.752°N）调整到（112.787°E，31.670°N），重心位置由湖北省随州市随县所辖的环潭镇移动到洪山镇。重心移动距离较大的年份有2007年、2018年和2004年，其移动距离分别为27.542、20.385 km和15.456 km，重心移动角度较大的年份有2017年、2014年和2009年，其移动角度分别为41.709°、34.897°和30.510°。

从生猪出栏重心的时空演变图（图5）来看，经历2004—2007年的南移和2007—2013年的北移，之后重心几乎回到原点，2014—2017年生猪出栏重心继续北移，其中2017年重心几乎与2005年重合，2018年重心出现了南移，整个演变过程中重心始终处在湖北省随州市随县境内。2004—2018年，生猪出栏重心移动经历了“东北—西南—东南—东北—西北—东北—西南”的演变，其中持续较长时间的是2008—2011年的东北转移以及2012—2016年的西北转移，“南猪北养”趋势明显，2008—2011年重心向东北转移主要是因为湖北省随州市东北方向的省份，如黑龙江、吉林、江苏、河北、山东、河南和辽宁等养猪大省的生猪出栏数持续增长，考虑到同时期湖北以南省份如江西、贵州、云南、广西和重庆的生猪出栏数也出现持续增长，所以这一期间重心向东北转移的距离并不明显。2012—2016年重心向西北转移主要是因为猪价暴涨、暴跌而导致生猪产能极其不稳定，很多省份的生猪出栏数在2015年和2016年都出现了下降趋势，西北省份如陕西、内蒙古、甘肃、新疆和青海的生猪出栏数并未出现明显下降趋势（个别省份还出现上升趋势），而同时期的东南省份如浙江、福建、广东、上海和海南的生猪出栏数则呈现明显下降趋势，综合上述两方面的影响，生猪出栏重心呈现向西北转移的变动趋势。2018年生猪出栏重心出现西南转移趋势，这主要是因为2018年西南省份如四川、贵州、云南、重庆和广西的生猪出栏数都有所增长，而同时期东北方向省份如黑龙江、吉林、辽宁、内蒙古、北京、天津、河北、山西和山东的生猪出栏数均有所下降，由此导致生猪出栏重心向西南方向转移。

3.2 人口重心的时空演变

2004—2018年全国人口重心的时空演变结果如表10所示。15年来，中国人口重心的空间位置非常稳定，重心经度集中在113.244°～113.398°E，纬度集中在32.229°～32.311°N。2004—2018年，人口重心向东南方向移动了11.820 km，人口流动“孔雀东南飞”现象较为突出。研究期间，人口重心坐标由（113.244°E，32.311°N）调整到（113.312°E，32.229°N），重心位置均处于湖北省随州市随县万和镇境内，重心移动距离较大的年份有2005年、2009年和2010年，其移动距离分别为7.438、5.945和4.379 km，重心移动角度较大的年份有2016年、2007年和2017年，其移动角度分别为44.234°、43.136°和42.803°。从人口重心的时空演变图（图6）来看，其演变过程大致可以分为2个阶段：第一阶段是2004—2009年，人口重心始终向东南方向迁移，重心始终处于随州市随县万和镇境内;第二阶段是2010—2018年，人口重心始终向西南方向迁移，其中2010—2014年重心东迁到河南省南阳市桐柏县境内，2015年开始重心又西迁到随州市随县境内。人口重心南迁趋势明显，说明南方省份比北方省份具有更强的人才吸引优势。

3.3 生猪养殖重心与人口重心的耦合趋势

运用变动一致性指标和空间重叠性指标分别从动态视角与静态视角测度生猪养殖重心与人口重心的耦合趋势。

3.3.1 变动一致性分析 从变动一致性指数的测度结果来看（图7），人口重心与生猪出栏重心的变动方向呈现明显的起伏演进趋势，且波动幅度较大。在2004年、2005年、2008年和2017年，人口重心与生猪出栏重心的变动一致性指数均小于-0.970，说明这些年份两者重心的变动方向几乎完全相反;在2007年、2013年、2015年和2018年，人口重心与生猪出栏重心的变动一致性指数均大于0.800，说明这些年份两者重心的变动方向高度一致。研究期间，有9个年份的变动一致性指数为负数，6个年份的变动一致性指数为正数，即人口重心与生猪出栏重心在多数年份呈反向变动趋势，在少数年份呈同向变动趋势。

3.3.2 空间重叠性分析 从人口重心和生猪出栏重心的空间重叠情况来看（图8），2017年2个重心的空间距离达到最小（69.10 km），2007年则达到最大（97.69 km）。2004—2007年，人口重心与生猪出栏重心的空间距离呈上升趋势，表明生猪养殖的供需矛盾有所加剧，导致生猪养殖在某些省份的供不应求或供过于求;2008—2017年，人口重心与生猪出栏重心的空间距离呈明显下降趋势，说明生猪养殖的供需矛盾得到了一定程度的缓解。值得注意的是，2018年人口重心与生猪出栏重心的空间距离又呈现明显上升趋势，达到85.21 km，这势必会加剧生猪养殖的供需失衡，引起猪肉价格波动。从人口重心和生猪出栏重心的空间位置来看，2004—2009年以及2015—2018年2个重心均处于湖北省随州市随县境内，但在2010—2014年，人口重心东迁到河南省南阳市桐柏县境内，而生猪出栏重心仍处于随州市随县境内。

4 结论与建议

本研究选取了31个省份2004—2018年的面板数据，定量测度了中国生猪养殖的不平衡性及其时空演变，得到如下结论和建议。

主要结论：①长期以来，中国生猪养殖呈现明显的区域不平衡性。生猪养殖出栏量较大的省份主要集中在中部地区、西南地区、华南地区以及鲁冀两省，即胡焕庸线右侧区域;生猪调出省份主要集中在东北、华北和华中地区，而调入省份主要集中在华南、西南和华东地区;生猪养殖规模化程度较高的地区主要集中在河南、湖北、江苏、湖南、广东、山东、河北、江西、四川和福建等省份。2018年4个生猪养殖规划区中潜力增长区和约束发展区均未实现养殖目标，而重点发展区和适度发展区较好地实现了养殖目标。②全国生猪养殖存在显著的空间正相关，且生猪养殖的集聚效应越来越明显，大部分省份的生猪养殖属于H-H和L-L集聚区，H-H集聚区主要集中在中部和南部地区，L-L集聚区主要集中在西北、东北及华东地区。③各省份生猪养殖的空间差异性明显，3-3型（明星类）省份主要有河南、广东、广西、四川和云南，这些省份的生猪养殖处于出栏量大且增长强劲的成熟期;1-1型（瘦狗类）省份主要有北京、天津、上海和西藏，这些省份的生猪养殖处于出栏量小且增长乏力的困境期。④全国生猪出栏数呈现先小幅上升后小幅下降的变动趋势，其不平衡性则发生先缩小后扩大的演变。潜力增长区、重点发展区和适度发展区的生猪养殖相对较为均衡，而约束发展区生猪养殖的不平衡性较大且呈扩大化趋势。西部地区和东部地区生猪养殖的不平衡性较为接近且都高于中部，东、中、西三大地区生猪养殖的组内差异明显大于组间差异。⑤中国的生猪养殖重心移动主要经历了2008—2011年的东北转移以及2012—2016年的西北转移，“南猪北养”趋势明显，生猪养殖重心始终处在湖北省随州市随县境内。人口重心演变经历了2004—2009年的东南迁移和2010—2018年的西南迁移，人口流动“孔雀东南飞”现象较为突出。⑥人口重心与生猪养殖重心在多数年份呈反向变动趋势，2004—2007年以及2008—2017年，两者重心的空间距离分别呈上升和下降趋势，表明研究期间生猪养殖的供需矛盾发生了由加剧到缓解的演变。2018年人口重心与生猪养殖重心的空间距离又呈现明显上升趋势，表明生猪养殖的供需失衡又有所加重，由此引起猪肉价格的大幅波动。

政策建议：①各省份应根据自身环境承载能力及资源禀赋条件，做好该地区的生猪养殖规划。对于广东、浙江、上海、江苏等主要生猪调入省份而言，要努力提高该地区的生猪出栏量与生猪自给率;对于河南、山东、湖南和河北等主要生猪调出省份而言，要巩固提高该地區的生猪外调能力。②针对生猪养殖的空间相关性与空间差异性，要充分发挥高度规模化养殖省份、3-3型明星类省份以及H-H集聚区省份的辐射带动作用，加强各地区的养殖技术交流、疫情联防联控以及产销对接工作。要在保持重点发展区和适度发展区生猪养殖良好势头的同时，合理引导约束发展区的生猪养殖均衡化发展，大力扶持潜力增长区和约束发展区的生猪养殖，以实现其生猪增产目标。③针对“南猪北养”与人口流动“孔雀东南飞”的重心变动趋势，结合当前严重的非洲猪瘟疫情以及严格的“生猪跨省（地区）禁运令”，应加强猪瘟疫情的防控与监测，尽早恢复正常的生猪调运秩序，加强生猪调出省份对生猪调入省份（特别是东南沿海省份）的生猪供给，必要时调动中央储备肉以保证肉猪供需的基本平衡，避免出现猪肉价格的“过山车”与“冰火两重天”现象。

参考文献：

[1] 周 晶，丁士军，阮冬燕.中国生猪生产波动影响因素分析——基于2000—2012年省级面板数据的实证研究[J].农业现代化研究，2014，35（6）：750-756.

[2] 王 欢，乔 娟.中国生猪生产布局变迁的经济学分析[J].经济地理，2017，37（8）：129-136，215.

[3] 赵俊伟，陈永福，余 乐，等.中国生猪养殖业地理集聚时空特征及影响因素[J].经济地理，2019，39（2）：180-189.

[4] 张 敏.生猪价格的周期波动与成分结构[J].云南财经大学学报，2018，34（11）：101-112.

[5] 顾静秋，彭 程，吴华瑞，等.猪肉价格的时空分布格局和影响因素分析[J].浙江农业学报，2018，30（5）：872-879.

[6] 张园园，吴 强，孙世民.生猪养殖规模化程度的影响因素及其空间效应——基于13个生猪养殖优势省份的研究[J].中国农村经济，2019（1）：62-78.

[7] HUYNH T T T，AARNINK A J A，DRUCKER A， et al.Pig production in Cambodia， Laos， Philippines，and Vietnam：A review[J].Asian journal of agriculture and development， 2006， 3（1-2）：69-90.

[8] PINTO C J， URCELAY V S. Biosecurity practices on intensive pig production systems in Chile[J]. Preventive veterinary medicine， 2003， 59（3）： 139-145.

[9] 周建军，谭 莹，胡洪涛.环境规制对中国生猪养殖生产布局与产业转移的影响分析[J].农业现代化研究，2018，39（3）：440-450.

[10] 朱增勇，李梦希，张学彪.非洲猪瘟对中国生猪市场和产业发展影响分析[J].农业工程学报，2019，35（18）：205-210.

[11] 崔国庆，庞同现，岳草子.对河南省生猪产业发展的思考[J].中国畜牧杂志，2018， 54（2）：129-133.

[12] 张 娜，朱增勇，张利宇，等.东北地区生猪产业发展情况及对策建议[J].中国饲料，2018（9）：72-75.

[13] 万广华.城镇化与不均等：分析方法和中国案例[J].经济研究，2013，48（5）：73-86.

[14] 王 洋，方创琳，盛长元.扬州市住宅价格的空间分异与模式演变[J].地理学报，2013，68（8）：1082-1096.

[15] 谢五届，何建民.欧盟旅游资源空间格局及其动态演进：1992—2016[J].经济地理，2019，39（10）：193-203.

[16] 叶文显，刘勤燕.陕西省粮食生产的时空演变及绩效评价[J].河南农业大学学报，2016，50（3）：434-440.

[17] 彭树宏.中国地区人力资本不平等及其空间分布的动态演进[J].中央财经大学学報，2019（11）：115-128.

[18] FU Q， ZHU Y， KONG Y， et al. Spatial analysis and districting of the livestock and poultry breeding in China[J]. Journal of geographical sciences， 2012， 22（6）：1079-1100.