中國啤酒釀造業的空間相關性及空間誤差模型分析
——基于31個省（區、市）的截面數據

夏東保，戴 澍，羅時龍

（1.江蘇今世緣酒業股份有限公司，江蘇 漣水，320826；2.炎黃職業技術學院經濟管理系，江蘇 漣水，320826）

一、引言

我國的啤酒釀造業起源于19世紀末，至今已逾百年。百年來，啤酒工業浮浮沉沉，終在21世紀初迎來了加速發展的新局面，并在2013年達到頂峰，但彼時存在較嚴重的產能過?，F象。隨著供給側改革的實施，國內啤酒產量回落。經過幾年的發展，當前啤酒釀造業發展狀況如何，空間布局如何，成為備受關注的問題。

有關啤酒釀造業的相關研究較為豐富，研究年限主要集中在2015年之前。王宇[1]（2006）認為相對于城市，農村啤酒市場是啤酒行業發展的方向。程燕[2]（2014）依托2000—2011年數據判斷國內啤酒消費存在極大的增長空間，但這種增長并未呈現均勻分布。宗剛[3]（2013）指出中國高啤酒產量和低人均消費水平不匹配，消費水平亦未被充分開發，據此判斷啤酒行業仍有發展空間。本文認為程燕和宗剛等人的觀點稍有局限，長期來看，高消費潛力和產量確會帶來行業的高速發展，但短期內由于受產業黏性等因素影響，可能存在產能過?，F象。相較而言有關啤酒業空間布局的研究幾乎沒有，本文通過比較國內啤酒產量的空間相關性，并建立空間誤差模型，考察啤酒產業布局情況。

二、理論基礎

（一）莫蘭指數

莫蘭指數是空間自相關分析常用的統計方法，其通過考察某區域觀察值與地理相鄰區域觀測值的相關性，明確區域間的相關關系。莫蘭指數分全局莫蘭指數和局部莫蘭指數。公式見式（1）、式（2）。值域為[－1,1]，若取值∈[－1,0）說明區域間存在空間負相關；取值∈(0,1]說明存在空間正相關；取值為0，表明不存在空間相關性。[4]

式（1）、式（2）中，yi和yj為不同區域的觀察值為觀察均值，n為區域個數，Wij為權重矩陣。本文的權重矩陣定義為:

式（3）中dij為目標區域與觀測區域的實際空間距離，d為固定值，一般采用系統默認值。

（二）空間滯后模型與空間誤差模型

若經過莫蘭指數測算，系統內存在空間相關性。不宜采用經典模式進行回歸分析，而應考慮使用空間計量模型?？臻g模型分空間滯后模型和空間誤差模型?？臻g滯后模型的表達式為式（4），空間誤差模型的表達式為式（5）。

式（4）中A為被解釋變量，B為解釋變量，W為空間權重矩陣，α為常數項，β是解釋變量系數，ρ是空間自回歸系數，ε表示隨機誤差。

式（5）中，λ為空間自相關系數，μ為誤差項，其余參數解釋同式（4）。

關于空間滯后模型和空間誤差模型的選擇，一般認為應從經典回歸模型開始，用經典回歸后的殘差進行拉格朗日乘子檢驗，即進行LM(lag)檢驗和LM(error)檢驗。若LM(lag)檢驗顯著，LM(error)檢驗不顯著應選擇空間滯后模型，反之選擇空間誤差模型；兩個檢驗都不顯著則應選擇經典回歸模型；兩個檢驗都顯著，則比較Robust LM(lag)和Robust LM(error)的顯著性，lag顯著選擇空間滯后模型，反之選擇空間誤差模型。[5]

三、實證分析

（一）數據說明

本文以2019年中國31個省（區、市）的啤酒產量、人口數、工業產值和生產效率的截面數據作為研究的對象。其中生產效率用各?。▍^、市）的GDP與就業人數的比值表示。所有數據均來自《2020年中國統計年鑒》。實證分析借助Geoda空間計量軟件實現。

（二）啤酒產量分布情況

2019年中國31個?。▍^、市）累計生產啤酒376.529億升，同比下降0.94%，其中山東省產量最大為48.435億升，占全國總產量12.86%。青海省產量最低為0.203億升。從空間分布的角度來看，山東省、廣東省、河南省、四川省、浙江省、遼寧省、黑龍江省、江蘇省屬于啤酒產量較高區域，這些省份除四川、河南、黑龍江外都集中在東部沿海地區；河北省、福建省、湖北省、廣西壯族自治區、貴州省、北京市、吉林省、云南省屬于第二梯隊即啤酒產量偏高區域；第三梯隊即啤酒產量偏低區域大多集中在中部地區，主要涉及安徽省、江西省、陜西省、重慶市、內蒙古自治區、湖南省、新疆維吾爾自治區等省（區、市）；而啤酒產量最低的?。▍^、市）包括上海市、甘肅省、天津市、寧夏回族自治區、山西省、西藏自治區、海南省和青海省，這些?。▍^、市）除上海和海南外，主要集中在青藏高原和秦嶺以北的部分區域。整體來看，中國31個?。▍^、市）啤酒產量呈現明顯的東強西弱的特征。

（三）莫蘭指數測算

依托式（1），對31個?。▍^、市）的啤酒產量進行空間自相關分析。結果顯示：全局莫蘭指數為0.004，在0.1水平上通過顯著性檢驗。這表明我國啤酒產量呈現顯著的正向自相關關系，因此在后續進行回歸分析時須考慮空間因素。但全局莫蘭指數的值小于0.25，屬于弱正相關范疇，空間性對系統的影響作用有限。進一步對各?。▍^、市）的局部莫蘭指數進行測算。有7個省份的啤酒產量在0.05水平上通過局部莫蘭指數的顯著性檢驗，其中湖北省和浙江省屬于高—高集聚區，表明本省和周邊省份均有較高的啤酒產量，可能存在集聚效應或規模經濟現象；四川省屬于高—低集聚區，該省的啤酒產量對周邊有溢出作用；安徽省、江西省和上海市屬于低—高集聚區，上述省份啤酒產量不高，但周圍可能存在較高啤酒產量的省份，受輻射作用影響，這些省份的啤酒生產存在一定潛力；西藏自治區屬于低—低集聚區，自身和周邊區域的啤酒產量均低，這可能和當地的生產水平、消費能力及消費習慣相關。

（四）回歸分析

1.變量選擇

以啤酒產量為被解釋變量，消費能力、生產規模和生產效率為解釋變量，進行分析。對各解釋變量的說明見表1。

表1 解釋變量說明

對各解釋變量有幾點說明。第一，通常消費能力的表示首選人均GDP或人均可支配收入。本文選擇以人口數表示消費能力的原因在于：啤酒屬于快消品，價格低廉，收入水平對啤酒消費的影響不大，人口規模的大小更能體現啤酒消費情況。第二，生產效率的預期參數符號不定。啤酒行業附加值低，行業可能存在轉移趨勢，如此則預期符號為負，但綜合考慮各?。▍^、市）的經濟狀況和物流成本，這一現象并不一定發生。

2.模型回歸

首先采用經典線性回歸模型進行分析，發現LM(lag)和LM(error)均通過檢驗，因此再比較Robust LM(lag)和Robust LM(error)的值，Robust LM(error)的值略大，擬采用空間誤差模型進行分析?；貧w結果如下。

表2 回歸結果

本次回歸的R2=0.73，擬合效果屬可接受范疇。消費能力的系數為0.028，在0.01水平上通過顯著性檢驗，與預期相符，表明各區域的消費能力能有效刺激啤酒生產；生產規模的系數為0.002，與預期相符，表明國內啤酒生產存在一定的規模經濟，但此項并未通過顯著性檢驗，結論僅供參考；生產效率的系數為－5.362，在0.1水平上通過顯著性檢驗，如前文分析，高效率勞動力可能并不從事啤酒生產業，亦可理解為效率未成為促進啤酒生產的有效因素。

四、結論

本文考察中國31個省（區、市）啤酒產量的空間相關性，并進行空間誤差模型分析，得到以下結論：

第一，東部沿海地區的啤酒產量相對較高，青藏高原和秦嶺以北的部分區域啤酒產量較低。整體來看呈明顯的東強西弱特征。

第二，各省（區、市）的啤酒產量存在顯著的正向自相關關系，但空間性對系統的影響作用有限。湖北省和浙江省屬高—高集聚區，四川省屬高—低集聚區，安徽省、江西省和上海市屬低—高集聚區，西藏自治區屬低—低集聚區。

第三，消費能力能有效刺激啤酒生產；國內啤酒生產存在一定的規模經濟，規模經濟的形成降低了平均成本，使生產進入良性循環的狀態；國內高效率勞動力可能并不從事啤酒生產業，效率并未成為促進啤酒生產的有效因素。