北京市农产品流通效率及其空间相关性分析

部分年份存在小幅下降外，总体上呈收敛性增长趋势，且与农产品流通效率呈正相关关系。最后，文章从优化投
入方向、投入结构、空间规划等方面提出加快北京市农产品流通效率的对策建议。
关键词：SFA 模型；农产品流通效率；空间相关性；北京；投入 - 产出体系
中图分类号：F125
文献标识码：A
文章编号：2095-9397（2020）14-0148-05
文章著录格式：张斌，姜鹏，程长林 . 北京市农产品流通效率及其空间相关性分析 [J]. 商业经济研究，2020（14）：
148-152
引言
农产品流通是联结农业生产部门与消费者的桥梁， 是支撑农产品供给与需求的重中之重。因此，农产品流 通效率的高低直接决定了农产品的稳定供给、农民增收、 企业生产经营决策以及消费者需求等社会资源的分配。 农产品流通效率是整个农产品流通体系建设的重要目标， 是进一步深化农产品市场改革，促进关联产业整体升级 的热点话题。近年来，中央一号文件多次强调发挥农产 品市场的配置作用，加快创建农产品流通设施，大力推 进农产品流通现代化建设。然而，长期以来农产品流通 的高成本、低效率带来了许多社会问题，其是造成农产 品“价格倒挂”、质量安全问题的重要原因。王利国等 （2019）在研究中国农产品流通效率中进一步证实了农 产品效率并未随着农业现代化步伐的加快而改善，相反 流通体系建设滞后，并未释放居民消费需求升级带来的 技术改进。在比较中国农产品流通效率及其演变规律中， 吕建兴等（2019）通过改进的 DEA 模型，按照农产品流 通的整体、批发零售的环节差异，分别测算各地区农产 品流通环节的技术效率，指出了农产品产销两难、大市 场与小生产的矛盾，以及生产环节结构性过剩与消费者 需求的冲突。宋路平（2019）通过 SFA 模型对农产品流 通效率进行实证分析，认为流通资本、劳动力的提升并 不能带来流通效率的提升。
研究方法
（一）ESDA-SFA 模型 随机前沿函数是典型的参数法估计技术效率的模型， 其能够分解出效率值中随机误差项的影响。因此，采用
基金课题：北京市农林科学院协同创新平台建设专项（KJCX201913）
148 商业经济研究 2020 年 14 期
Region Economic
SFA 模型既能较好的测算北京市农产品流通效率，同时还 能将北京市农产品流通的空间相关指数作为影响变量加 入 SFA 模型中，从而形成 ESDA-SFA 组合模型，以更加 深入分析农产品流通的空间集聚水平与效率之间的相互 影响。采用 SFA 模型的优点在于模型通过拟合效果检验 后，其运算结果与统计量能充分地反农产品流通的内在 规律，有助于深入分析农产品流通要素的空间配置与空 间相关关系对效率影响的机理。首先，应用 GIS 分析工 具，从全域尺度测算北京市农产品流通的空间相关指数， 即 Moran’I 值，作为农产品流通空间集聚变量。然后， 构建 SFA 模型，测算北京市农产品流通效率，并分析农 产品流通的空间相关性对效率的影响。ESDA-SFA 模型的 建模流程如下：
然而，北京市农产品流通体系从业态上已然形成了 传统的批发、仓储、零售与现代新零售相结合的多元
化体系，尤其在京津冀协同战略实施以来，对提高流通 现代化水平，加快传统农产品流通设施改造与优化升级 提出了新的要求。对此，李丽等（2019）从农产品流通 规模、速度与效益等层面对生产、物流与市场三个重要 环节进行效率测算，并对其进行 Malmquist 分解，从加 快体系重构、专业人才培养、品牌塑造等方面提出了对 策建议。张喜才（2019）则针对蔬菜流通中供应链主要 环节的利益分配问题，指出了京津冀在生产、批发、零 售等环节存在的不协调区间，以及利益分配失调对京津 冀农产品流通的负面影响。李道勇等（2018）针对北京 农批市场，深入分析了功能区疏解背景下北京市农产品 流通创新发展方向，对农产品流通的布局优化提出了多 种模式借鉴。由此可知，北京市农产品流通存在一定的 空间配置的改进余地，空间布局优化对提高北京市农产 品流通效率具有一定的影响。基于以上成果，为系统分 析两者之间的联系，本文从流通结构、流通效益、资本 与劳动力投入等方面构建了投入 - 产出分析框架，并将 农产品流通作为内生变量分析流通效率与空间相关性的 内在联系，以期为实现北京市农产品流通体系的提质增 效提供对策建议。
区域经济
北京市农产品流通效率及其空间相关性分析
张 斌 1 博士 姜 鹏 1 博士 通讯作者 程长林 2 博士 （1. 北京市农林科学院农业信息与经济研究所 北京 100097；
2. 北京物资学院经济学院 北京 101149）
内容摘要：农产品流通效率是影响农产品供需关系的重点，流通要素的空间格局与配置有效性是流通效率性的重
由随机前沿函数的基础模型（Battese，1977）可知： Y=f（L,k,…） （1） 其中，Y 为总产出，f(x) 为生产可能性曲线的前沿产 出函数，L，K……为生产函数中的要素投入。将式（1） 两边同时取对数，可实现生产函数的线形估计，即为： LnY=C+αL+βK+…+(δ-μ) （2） 其中，经对数运算后，式（2）中误差项 （δ-μ）亦可 实现线性估计，且均为独立向量，符合正态分布，δ 为随 机扰动项，μ 反映的是效率测算中的非效率项。因此，随 机前沿效率是生产函数曲线上，实际产出点与生产前沿面 的垂直距离，可表示为：
要体现。文章基于北京市 2002 ～ 2018 年农产品流通的投入 - 产出指标体系，构建 ESDA-SFA素的空间相关性为切入点，引入影响因素变量，系统分析了农产品流通效率
及其空间相关性。研究结果表明，2002 ～ 2018 年间北京市农产品流通效率总体呈现波动增长趋势；空间相关性除