农业企业区位嵌入条件logit模型分析

王志勇，叶祥松，李飞星

（1.广州大学 经济与统计学院，广州 510006；2.广东海洋大学 经济管理学院，广东 湛江 524088）

0 引言

农业对整个国民经济的重要性在学界和现实经济生活中都有一致的共识，加上我国人口众多，使得我国农业更具战略意义，其重要性自不待言。改革开放以来，我国GDP总量不断攀升，工业发展取得了举世瞩目的成就，第三产业也不断发展，相比之下，农业总体水平较低，国际竞争力不强。农业企业作为具有较高商品率的经济组织，能够对农业发展起到一定的示范和推动作用，而区位条件对农业企业的发展又显得尤为重要。本文正是在这一背景下对我国农业企业区位条件与传统农业区位条件和工业企业区位条件的区别和联系进行分析探讨。

从目前的研究现状来看，工业企业区位选择和农业区位选择的研究已经较多，而对于新出现的农业企业（既带有农业的特点也带有工业企业的特点）区位选择的研究则较为鲜见，尤其是结合我国农业发展实际，针对我国农业企业区位选择的研究则更为少见。本文结合农业区位和工业区位的特点，以农业企业的典型代表农业上市公司为例重点分析了我国农业企业的区位选择问题。本文可以丰富农业企业区位选择方面的文献，对我国农业企业的发展具有重要的现实参考价值。

1 模型、变量与数据说明

1.1 理论分析与模型的构建

安小宁等（1997）、罗其友等（2002）和刘喜波等（2011）都曾运用区域比较优势理论分析过农业布局问题。经典的区域比较优势理论有亚当·斯密的“绝对比较优势理论”，大卫·李嘉图的“相对比较优势理论”，赫克·俄林的“要素禀赋理论”，还有后来迈克·波特的“竞争优势理论”等。一个地区总是倾向于生产具有区域比较优势的农产品，或者说相应的农业企业总是倾向于选择具有区域比较优势的地区进行生产。农业区域比较优势受当地资源禀赋条件、成本和市场等因素的综合影响，如果用RAsi表示i地区生产s农产品的比较优势，则有：

其中，Xi表示影响当地农业区域比较优势的资源禀赋条件、成本和市场等因素。

农业企业总是倾向于选择具有区域比较优势的地区进行生产，因为在该地区能够给企业带来更大的效用，所以一个地区给农业企业带来的效用的大小总是与当地的区域比较优势密切相关，则有：

所以，一个地区的农业区域比较优势对于企业而言，总是体现为给企业带来的效用（如利润）的大小，农业企业出于利益最大化的考虑，必然尽可能选择最有利于自身发展的区位。不同的区位条件能给企业带来不同的效用，一个地区被农业企业选择，是因为该地区能给农业企业带来较高的效用。或者也可以换一个角度理解这个问题，由于该地区具有较好的区位条件，使得该地区的农业企业获得较高的效用，从而使该地区的农业企业更容易成长起来。邻近地区经济社会特征相对而言较为接近，但农业企业当初选择了这一地区而没有选择其邻近的地区，背后可能隐藏着特定的规律。条件logit模型被广泛用于研究类别选择问题（此处类别为地区），根据前面分析，农业企业s在i地区的效用函数可以写成：

Xi是与企业s相关的影响企业效用的一组变量，如农业资源、成本和市场等区位条件。β是要进行估计的参数，εi是一个随机变量，反映了Xi之外其他影响区位选择的变量。如果某一地区i可以给农业企业s带来比地区j更多的效用，则农业企业选取厂址的概率为：

根据McFadden（1984）的研究，如果εi符合独立的类型I极值分布（Type I Extreme Value），企业s选择i地区的概率可以用条件logit模型表示：

对于农业企业s=1,…,S，若企业s选择地区i①本文的地区主要是地级市，京、津、沪地区较为特殊，虽不是地级市，但也包括在样本中。本文以农业上市公司所在的地级市和1～2个与其相邻且到目前为止无农业上市公司的地级市作为搭配组。京、津、沪地区选择了与其相邻且到目前为止无农业上市公司的省份作为搭配组，山东威海相邻的地级市均有农业上市公司，因此选择了离其较近且到目前为止无农业上市公司的青岛作为搭配组。，那么此条件logit模型的对数似然函数是：

采用极大似然估计法（MLE）可以得到模型的参数估计量。

1.2 变量的选取

农业企业与农业和工业企业都有着密切联系。一方面，农业企业带有农业的特征，表现为生产农产品或者以农产品为原材料，受农业区位因素的影响较大；另一方面，农业企业也带有工业企业的特征，例如像工业企业那样对技术、资本的依赖程度更强，市场指向特征更为明显等。根据已有的研究成果和本文的研究需要，选取的影响区位选择的主要变量包括：

（1）劳动力市场因素。劳动力市场因素通过劳动力密度来反映，用当地从业人员数除于当地面积得到。劳动力密度高说明当地劳动力充足，在当地较容易获得劳动力。劳动力充足还有利于控制工资上涨的压力，有助于控制企业的劳动成本。

（2）劳动力成本因素。工资水平能够较好地反映当地的劳动力成本，职工平均工资往往是当地工资水平的一个参照物，所以职工平均工资能够较好地反映当地的工资水平。

（3）交通条件。交通条件是影响企业生产和销售活动的重要因素，良好的交通条件有利于降低企业运输成本，较容易获得原材料或将企业产品销往目的地。通过公路密度反映当地交通条件，用公路里程除于当地面积得到。

（4）农业资源要素。农业企业的发展有赖于较好的农业资源，而农业资源要素一般在短期内较难发生大的变化。张彩霞（2010）的研究发现农业资源要素与当地的农业总产值有较强的相关性，所以本文选取农业总产值作为农业资源要素的替代变量。

（5）市场规模及潜力。市场规模及潜力反映了当地的市场需求，能够直接影响企业的利润和潜在的发展。衡量市场规模一般有两种常用的做法：一是采用当地GDP总量反映，另一种方法是采用人均GDP反映。本文采用当地人均GDP反映市场规模及潜力。

1.3 数据说明

本文农业上市公司数据主要来自国泰安数据库，部分数据来自各上市公司公开的个股资料。地方特点数据主要来自《中国区域经济统计年鉴》和各省、地级市《统计年鉴》。目前农业上市公司中，ST和*ST股票由于财务状况或其他状况异常，不具有典型代表性，因此将其剔除，最后剩下80家农业上市公司。我们发现这些农业上市公司的地理分布是不平衡的，主要集中在经济社会较发达的东南沿海地区以及农业较发达的华中和西北地区，这一直观的事实背后可能隐藏了农业企业区位选择的特定规律。

在地区区位特征数据的选取上，统一选取农业企业上市年份前一年的区位特征数据。由于职工平均工资、农业总产值和人均GDP不同年份上受物价因素的影响可能产生纵向不可比性，因此本文全部采用1978年为基期的实际值。各主要变量描述性统计见表1。

表1 各主要变量描述性统计

2 实证结果分析

2.1 各自变量相关性分析

为了考察各自变量直接的相关程度，计算各自变量直接的相关系数。从表2自变量相关系数矩阵可以看出，ln-WAG与lnPCGDP之间的相关系数为0.8230，略高于一般标准，但仍在能接受的范围内，而其他自变量之间的相关系数均远低于0.7。说明不存在严重的多重共线性问题，自变量之间较为独立，各自变量能够较好地独立反映特定的区位特征，总的来看，自变量的选取较为合理。

2.2 估计结果分析

本文先利用全样本对模型进行基本估计，然后对不同特征子样本进行估计，条件logit模型采用极大似然估计法（MLE），估计结果的系数（相对机会比）见表3，机会比见表4。

表2 各自变量相关系数矩阵

表3 估计结果（相对机会比）

表3的基本估计结果为逐步增加自变量后的估计结果。从（4）列可以看出，lnRES和lnPCGDP符号均为正，均在1%的水平下显著，说明农业资源要素和市场规模及潜力对农业企业区位选择会产生显著的正的影响。ln-LAB符号为正，在10%的水平下显著，说明劳动力市场因素对农业企业区位选择会产生显著的正的影响。其对应的机会比见表4基本估计结果列，根据显著性和机会比从大到小依次为：实际人均GDP自然对数每增加一个单位，该地区出现农业上市公司的概率增加9.5775个百分点；实际农业总产值自然对数每增加一个单位，该地区出现农业上市公司的概率增加3.3788个百分点；劳动力密度的自然对数每增加一个单位，该地区出现农业上市公司的概率增加1.6358个百分点。从估计结果来看，反映劳动力成本的职工实际平均工资和反映交通条件的公路密度对当地产生农业上市公司并没有显著的影响。这可能是因为职工实际平均工资高一方面反映了当地的劳动力成本较高，另一方面也可能反映了当地的人力资源较优或经济社会发展条件较好，因此其对农业企业的影响是双向的，其具体影响尚不明确，是一个值得进一步研究的问题。公路密度对产生农业上市公司的影响不明显的其中一个可能原因是，伴随着我国交通建设的发展，主要地市基本交通需求基本得到满足，各地市的基本交通状况差异日益缩小，已经不是影响制约农业企业发展的主要因素。

表4 估计结果（机会比）

本文还根据农业上市公司的特征进行了分特征讨论，在表3和表4的分特征估计结果中，特征1是农业上市公司行业类别为种植业、林业和养殖业；特征2是农业上市公司行业类别为农产品加工和农业服务。从表3特征1估计结果看，lnRES和lnPCGDP符号均为正，lnRES在5%的水平下显著，lnPCGDP在1%的水平下显著，说明农业资源要素和市场规模及潜力对特征1的农业企业区位选择会产生显著的正的影响。从表4机会比可以看出，实际人均GDP自然对数每增加一个单位，该地区出现特征1农业上市公司的概率增加13.3520个百分点；实际农业总产值自然对数每增加一个单位，该地区出现特征1农业上市公司的概率增加3.1328个百分点。另外还发现，与传统农业不同的是，对农业资源要素依赖性较强的种植业、林业和养殖业受市场规模及潜力的影响同样很大。这可能是因为传统农业主要是自给自足的特征，因此受市场规模及潜力影响不大，而农业企业主要是为了满足市场的需求，因此受市场规模及潜力的影响尤其明显。

从表3特征2估计结果看，lnRES和lnPCGDP符号均为正，lnRES在5%的水平下显著，lnPCGDP在10%的水平下显著，说明农业资源要素和市场规模及潜力对特征2的农业企业区位选择会产生显著的正的影响。从表4机会比可以看出，实际农业总产值自然对数每增加一个单位，该地区出现特征2农业上市公司的概率增加3.2862个百分点；实际人均GDP自然对数每增加一个单位，该地区出现特征2农业上市公司的概率增加8.0044个百分点。还可以看出，农产品加工和农业服务受农业资源要素的影响更为显著，相对而言，受市场规模及潜力的影响显著性要小一些。这可能是因为在农业产业链中，农产品加工直接处在农产品初始生产的下游，而农业服务的直接对象是农业生产，因此受农业资源要素影响较大。

2.3 稳健性讨论

在前面的估计结果中，分特征估计属于子样本回归，可以看出，基本估计结果和分特征估计结果并未出现相互矛盾的现象，总体上基本保持一致，这在一定程度上反映了模型估计结果的稳健性。本文还将地级市中有农业上市公司的实际情况与模型预测出现上市公司的概率进行比较，结果见表5。实际上有农业上市公司（即AGR=1）且预测概率大于0.5或实际上无农业上市公司（AGR=0）且预测概率小于0.5为预测准确，反之，预测不准确。表5给出了四个模型部分实际情况和预测情况的数据。从全部数据计算的准确率可以看出，模型预测的准确率都比较高，这也说明模型是可靠的，得出的结论是稳健的。

表5 模型预测准确率

3 结论与启示

3.1 结论

本文以农业企业的典型代表农业上市公司为例，运用农业上市公司数据和地级市数据，通过建立条件logit模型分析区位条件对农业企业的影响。实证结果分析发现：

（1）市场规模及潜力、农业资源要素和劳动力市场因素对农业企业区位选择会产生显著的正的影响。实际人均GDP自然对数每增加一个单位，该地区出现农业上市公司的概率增加9.5775个百分点，实际农业总产值自然对数每增加一个单位，该地区出现农业上市公司的概率增加3.3788个百分点，劳动力密度的自然对数每增加一个单位，该地区出现农业上市公司的概率增加1.6358个百分点。

（2）与传统农业不同，对农业资源要素依赖性较强的种植业、林业和养殖业受市场规模及潜力的影响同样很大。

（3）直接处在农产品初始生产下游产业链的农产品加工和为农业生产直接服务的农业服务业受农业资源要素的影响更为显著，相对而言，受市场规模及潜力的影响显著性要小一些。值得一提的是，反映劳动力成本的职工实际平均工资和反映交通条件的公路密度这两个传统的区位条件对农业企业区位选择并没有显著的影响，是一个值得进一步深入研究的问题，也可能与本文的模型设定或变量处理有关，如果能将这些因素的内在联系加于考虑并将更多的地级市数据加以分析，本文的研究结论将得到进一步的改善。

3.2 政策启示

本文结论对我国制定农业发展政策，为农业企业发展创造有利条件具有重要的启示作用：

（1）在条件较适合的地区为农业企业的发展创造条件。在市场规模及潜力较大的地区，在农业资源要素较丰富的地区和劳动力市场因素有优势的地区，或这些地区附近，创造有利条件，积极鼓励农业企业的发展。在这些地方采取鼓励和支持农业企业发展的政策往往比其他地方更容易获得成功。

（2）扶持农业发展要注意农业发展的新特点。随着经济条件的变化，农业发展表现出很多与传统农业不同的特点，制定扶持农业发展政策要注意农业发展的新特点。只有结合新时期农业发展的特点制定相应的政策，才能收到更好的效果。

（3）制定农业政策需考虑到农业内不同部门的差异。尽管农业企业表现出很多有别于传统农业的产业特点，但这并不意味着传统因素就不重要。有一些农业部门可能与传统农业有较大差别，受传统因素影响较小，但有一些农业部门依然受传统因素的较大影响。因此，在制定农业政策时需考虑到农业部门内部的这些差异。