畜牧业产业集聚与门槛效应分析*——基于2010—2019年畜牧业产业省级面板
营 刚，海梅红
（内蒙古大学经济管理学院，呼和浩特 010021）
目前我国一直在推行乡村振兴战略，但要是想实施农村脱贫致富的计划，不光要靠农村的种植业还要依靠养殖业。畜牧业已成为实施乡村振兴战略的重要抓手、农村的重要支柱产业和农民增收的有效途径。畜牧业是农业的重要组成部分，与种植业并列为农业生产的两大支柱，经济发展的早期阶段，常常表现为农作物生产的副业，但随着经济发展，逐渐在某些部门成为相对独立的产业，例如：肉羊业、肉鸡业、奶牛业、养猪业、肉牛业等。2020年我国畜牧业产值4.026 67万亿元，相比于2019年，增长了21.78%，占全农业总产值的29.22%。产业集聚已成为产业经济发展的重要模式，产业集聚与经济增长之间的研究较广，但是还未达成一致见解。可以把现有的关于产业集聚与经济增长之间的研究结论分为4类，即产业集聚抑制经济增长、产业集聚促进经济增长、产业集聚与经济增长之间有“U”型关系、产业集聚与经济增长之间有倒“U”型的非线性关系。但是产业集聚与经济增长的研究多集中在制造业和服务业，而畜牧业产业集聚对经济增长有怎样的影响还尚未有过多的探讨。
文章利用2010—2019年全国31省（市、自治区，不含港澳台）的宏观面板数据，研究发现畜牧业产业集聚与经济增长之间存在“U”型非线性关系，表明畜牧业产业集聚对经济增长的带动具有门槛效应，只有超过门槛值之后，畜牧业产业集聚才能推动经济增长，低于门槛值，提升产业集聚反而会降低经济增长；
相较于要素禀赋少的地区，在畜牧业要素禀赋多的地区的畜牧业产业集聚对经济增长的影响更大，要素禀赋具有调节作用，畜牧业子产业具有中介效应。
在控制了资本、劳动力投入、信息化水平、消费水平、对外开放程度之后，对畜牧业产业集聚和经济增长进行实证分析，结果表明畜牧业产业集聚会抑制经济增长。在此基础上又检验了畜牧业产业集聚二次项和经济增长之间的关系，发现二次项的系数为正，通过分析发现，畜牧业产业集聚和经济增长之间存在“U”型关系。为了避免这种关系是由某个地区带来的，对地区进行了分组回归，发现大多数地区的畜牧业产业集聚对经济增长具有非线性影响。另外，利用调节模型和中介模型来考察畜牧业产业集聚对经济增长的影响路径，加入畜牧业产业集聚和要素禀赋的交互项后，系数显著为正，怀疑畜牧业产业集聚的作用因要素禀赋的多少而不同。因此把研究对象按要素禀赋的多少分成不同的人均存栏组和草原载畜量组，并进行分组回归，结果证实之前的猜测，即在要素禀赋多的地区畜牧业产业集聚更具影响力。利用中介模型用畜牧业子产业产量进一步分析产业集聚对经济增长的作用机制，发现畜牧业产业集聚通过羊绒产业、牛肉产业、羊肉产业、乳业来影响经济增长。考虑到内生性问题，选取草原总面积和1978年牲畜存栏量作为工具变量，进行了IV回归，结果表明在没有内生性问题的情况下，畜牧业产业集聚对经济增长的“U”型作用更加明显，证实了基准回归结果的稳健性。
该文的主要贡献包括从区域经济、空间经济和产业经济的角度，测算全国畜牧业产业集聚水平，并检验畜牧业产业集聚对经济增长的影响，填补畜牧业产业集聚方面研究的缺少；
将畜牧业产业集聚与要素禀赋联系起来，证实了要素禀赋在畜牧业产业集聚和经济增长之间存在调节作用，并证明畜牧业产业集聚对经济增长的影响路径是畜牧业子产业；
验证畜牧业产业集聚与经济增长之间存在“U”型非线性关系，证明适度加强畜牧业产业集聚的可行性；
测算各地的畜牧业产业门槛值，为制定相关政策提供可靠依据。
作为优化资源配置的一种重要产业组织形式，产业集聚已成为一种世界性的经济现象[1]。有关产业集聚的研究可以分成两大模块。
（1）按研究内容可以分为集聚水平的测度、集聚的空间效应、集聚的经济效应与集聚的影响因素等。目前国内不少学者[2-5]结合区位熵指数和空间基尼系数来测量产业集聚水平，区位熵是测度一个地区中某产业与全国水平的差异程度，衡量区域要素空间分布的专门化率；
空间基尼系数是比较某产业与全部产业的地理分布的差异，衡量产业空间分布的均衡性[6]。产业集聚在空间上具有明显的正向溢出效应[7-12]，但有时候在不同区域有所差异[13,14]。产业集聚对经济的影响不是线性的，呈 “U”型[15]或倒“U”型[16-18]的非线性关系。
（2）按研究对象可以分成一产产业集聚、二产产业集聚与三产产业集聚的研究，而且产业集聚研究多集中在第二产业和第三产业的制造业和服务业上。孙浦阳等[19]采用2003—2008年我国288个城市面板数据进行分析，发现服务业集聚有利于吸引FDI，而制造业集聚则不利于吸引FDI；
肖兴志等[20]基于中国制造业微观企业数据，研究表明中国制造业产业集聚和资源错配之间呈显著的倒"U"型关系；
余昀霞等[21]利用区位熵指标测算制造业集聚水平并通过面板回归分析，发现制造业整体集聚与环境污染存在倒"N"型曲线关系；
原毅军等[22]根据2008—2015年省级面板数据检验产业集聚影响制造业技术创新的作用机制，发现服务业集聚可显著促进技术创新，而制造业产业集聚与技术创新呈倒"U"型关系。相比于制造业与服务业产业集聚的研究，农业产业集聚的研究相对不足，畜牧业产业集聚研究相对缺乏。已有的关于农业集聚与农业经济增长之间的研究表明，农业集聚度与农业经济增长之间存在较显著的正相关关系[23-26]。畜牧业产业集聚有一个明显的特征，即集聚空间格局不平衡，集聚程度普遍较低，但有逐渐增强的趋势[27-31]；
许佳彬等[32]利用2008—2017年黑龙江省66个县（市、区）面板数据，采用区位熵指数法测度出黑龙江省畜牧业产业集聚情况，实证检验畜牧业产业集聚对县域经济增长的影响，结果表明:畜牧业产业集聚与县域经济增长之间存在明显的“U”型关系。
产业集聚与经济增长是现代经济增长理论的核心问题之一[33]，有关畜牧业产业集聚的研究目前主要集中在畜牧业区域布局、畜牧业现代化、可持续发展等相关领域[34]，科学评价畜牧业产业集聚水平和探究畜牧业产业集聚作用于经济增长的机制途径,对进一步提高畜牧业产业集聚水平和促进新常态下中高速经济增长具有重要意义。
2.1 测量方法
对产业集聚的测算有多种方法，比如区位熵、赫芬达尔指数、地理集中指数、空间基尼系数、EG指数、DO指数等，但由于各个指数分析问题的重点不同,并且受到数据可获得性的限制，该研究选取区位熵测算来度量全国31个省（市、自治区，不含港澳台）的畜牧业产业集聚水平。
区位熵指数是表明某地区某个产业发展的专门化程度，即集聚水平，它是与全国平均水平来比较的，若区位熵大于1，说明该地区该产业相对于全国具有比较优势，产生了集聚现象；
若区位熵小于1，说明该地区该产业与全国相比较不具有专门化发展优势。区位熵计算公式为:
式（1）中，Mit为区位熵指数，j是全国，i是31个省（市、自治区，不含港澳台），t是年份，e为畜牧业产值，E为生产总产值。
2.2 构建模型
研究经济增长的影响因素,往往需要借助一定形式的生产函数，常见的函数形式有线性函数、多项式函数、柯布-道格拉斯函数（C-D）、不变替代弹性函数（CES）等。其中，柯布-道格拉斯生产函数（CD生产函数）可以清晰地描述畜牧业产业集聚与经济增长之间的关系，且具有可线性化、计算方便等优点。
C-D生产函数的一般形式为：
式（2）中，A表示全要素生产率，L表示劳动投入，K表示资本投入，α与β分别表示劳动贡献率与资本贡献率。在此Y表示经济增长，用第一产业生产总值来衡量；
用第一产业从业人员表示劳动投入；
用2010年平减的固定资产投资总额的滞后一期表示资本投入。因重点关注畜牧业产业集聚对经济增长的影响，在C-D生产函数中加入畜牧业产业集聚的变量X与影响经济增长的其他变量C，表达式为：
式（3）中，控制变量集C包括邮电业务总量、居民消费水平、对外贸易水平，γ，δ均为待估参数，其他变量的设定与式（2）一致。
考虑到畜牧业产业集聚对经济增长并非只有线性影响，在模型（3）中加入畜牧业产业集聚的二次项X2。为了进一步探究畜牧业产业集聚对经济增长的机制作用，加入畜牧业产业集聚与畜牧业要素禀赋的交互项W，要素禀赋分别用人均存栏和草原载畜量来衡量，研究畜牧业产业集聚是否通过要素禀赋来影响经济增长。模型改进为：
计量分析时经常对原始序列对数化处理后再进行讨论，对变量取对数不仅可以做到无量纲化，减少异方差，而且具有明确的经济含义，即投入要素变化1个百分点，导致经济增长变化的百分点数，故采用柯布-道格拉斯生产函数的对数形式:
3.1 变量说明与数据来源
3.1.1 变量说明
该研究主要探究畜牧业产业集聚对经济增长的影响，其中变量主要包括全国31个省（市、自治区，不含港澳台）的第一产业生产总产值、畜牧业产业集聚度、畜牧业产业集聚度二次项、畜牧业产业集聚与要素禀赋的交互项、资本投入、劳动力投入、信息化水平、居民消费水平、对外贸易水平。第一产业生产总产值代表该地区经济发展水平，畜牧产业集聚度利用畜牧业产业区位熵指数衡量，加入畜牧业产业区位熵指数二次项，要素禀赋用人均存栏（年末牲畜存栏/农业从业人员）和草原载畜量（年末牲畜存栏/草原总面积）来表示，用畜牧产业集聚度和要素禀赋的交互项来探究畜牧业产业集聚作用于经济增长的途径。其他控制变量的选取见表1。
表1 变量说明及描述性统计
3.1.2 数据来源
该文以全国31个省（市、自治区，不含港澳台）为研究对象，利用2010—2019年的全国宏观数据来研究畜牧业产业集聚对经济增长的影响及作用机制。运用的数据均来自《中国统计年鉴》《中国畜牧业年鉴》（2011—2020）及ESP数据平台的分省区的农林经济统计等。
3.2 畜牧业产业集聚与经济增长的影响
3.2.1 畜牧业产业集聚度
运用区位熵测算中国各地的畜牧业产业集聚程度，区位熵指数大于1表示在该地区产生畜牧业集聚现象，拥有比较优势；
区位熵指数小于1则表示该地区没有畜牧业产业集聚。具体结果如表2所示:
根据表2的产业集聚程度，可以将中国的31个省（市、自治区，不含港澳台）划分成拥有不同特征的3个区域：第一个区域是区位熵值大于2的地区（包括内蒙古、吉林、黑龙江、云南、青海、新疆等6个省区），这些地区是我国天然草地资源最为丰富的地区，为发展草饲型畜牧业奠定基础，成为我国畜牧业产业集聚程度最高的地区，其畜牧业产业发展效应凸显，国内外主要的畜牧业企业都将其生产基地布局在这些地区；
第二个区域是区位熵值大于1小于2的地区，主要涵盖这些地区（如河北、辽宁、安徽、江西、山东、河南、湖南、广西、海南、四川、贵州、西藏、甘肃、宁夏等地区），这些地区拥有丰富的农业饲草料资源，为其进入畜牧业生产领域奠定基础；
第三个区域为区位熵值小于1的地区（包括北京、天津、上海、江苏、浙江、广东、重庆、福建），这些地区具有发展高端科技畜牧业所需的人才与科研基础，但总体而言，其畜牧业产业集聚程度有不断下降趋势；
虽然2019年陕西、山西的区位熵值还未达到1，但是有不断增加的趋势。
表2 2010—2019年全国31省（市、自治区，不含港澳台）畜牧业产业集聚区位熵值
3.2.2 畜牧业产业集聚对经济增长的影响
在探究畜牧业产业集聚对经济增长的影响时，考虑到研究样本是2010—2019年的面板数据，确保变量对数值大于0，将2010年畜牧业产业集聚程度就已经超过1的区域作为研究对象，即内蒙古、河北、辽宁、吉林、黑龙江、安徽、江西、河南、湖北、湖南、广西、海南、四川、贵州、云南、西藏、青海、新疆等18个省区。图1画出了第一产业生产总值与畜牧业产业集聚的拟合曲线，从图1中可以看出，畜牧业产业集聚对经济增长的影响并非是线性的，可能存在非线性关系，呈 “U”型，为了进一步研究畜牧业产业集聚的非线性作用，在模型中加入畜牧业产业集聚的二次项。
图1 散点图及非线性拟合
利用2010—2019年畜牧业产业集聚程度高于全国的上述18个省（市，自治区）的数据，固定效应模型回归结果如表3所示。
从表3列（1）可以看出，畜牧业产业集聚程度增加1%，则第一产业生产总值减少0.67%，且在5%的显著性水平下显著。从列（2）可以知道畜牧业产业集聚的一次方对经济增长有负作用，而产业集聚的二次方对经济增长有正作用，转折点0.33（TP=-0.5×（-0.44/0.67）= 0.33）在产业集聚区位熵指数的最大值与最小值之间，所以产业集聚对经济增长有“U”型作用是有经济意义的。0.33是畜牧业产业集聚水平的对数值，实际区位熵拐点在e0.33=1.4，也就是说存在最优的区位熵值，当畜牧业产业集聚水平超过1.4以后，才会对经济有促进作用。列（4）（5）分别报告了在没有达到最优区位熵和超过最优区位熵时，畜牧业产业集聚度对经济增长的影响。从列（4）可以看出，在没有达到最优区位熵的情况下，畜牧业产业集聚对经济增长有抑制作用；
列（5）表明，在超过最优区位熵的情况下，畜牧业产业集聚对经济增长有促进作用，再次印证了畜牧业产业集聚具有规模效应。
表3 畜牧业产业集聚对经济增长的影响
3.2.3 各地区位熵门槛值与实际值
表4汇报了各地畜牧业产业集聚的区位熵门槛值与实际值。从表4可以看出，内蒙古、吉林、湖北与新疆4省区位于产业集聚U型曲线右侧，这些地区畜牧业产业对经济增长的带动作用明显，畜牧业产业已成为这些地区的支柱产业。辽宁、湖南、海南、西藏、云南、贵州等6省区刚过畜牧业门槛，畜牧业产业集聚对经济增长的带动作用初步呈现，进一步推动畜牧业产业集聚将有助于经济更好更快发展。广西、四川、河南和安徽4省区处于U型曲线左半段，建议调整或改变产业结构。江西、河北、青海、黑龙江的畜牧业产业集聚对经济增长有倒U型作用，也就是说，这4个省的畜牧业区位熵指数达到拐点后对经济有抑制作用，由2019年的区位熵指数可知，该4省都处于倒“U”型曲线的右半段，说明畜牧业产业集聚度已超过最优点，故这4个省畜牧业规模和结构有待调整，以避免畜牧业产业过度集中带来的规模不经济问题。
表4 各地区位熵门槛值与实际值对比
3.2.4 机制检验
（1）调节效应模型检验：为了考察畜牧业产业集聚对经济增长的作用机制，在模型中加入畜牧业产业集聚与要素禀赋的交互项进行回归，要素禀赋起到调节变量的作用，畜牧业的要素禀赋用人均存栏和草原载畜量来表示。回归结果如表5所示，列（1）（2）分别是加入控制变量之前和之后，加入人均存栏与产业集聚水平的交互项的回归结果：畜牧业产业集聚的一次项系数为负，二次项系数为正，与基准回归结果一致，交互项的系数为0.156，且分别在1%的显著性水平下显著，说明畜牧业产业集聚度对经济增长的影响随着人均存栏的调节作用的增强而增强。列（3）（4）分别是加入控制变量之前和之后，加入草原载畜量与产业集聚水平的交互项的回归结果：畜牧业产业集聚的一二次方系数均与基准回归结果一致，且在1%的水平下显著，草原载畜量与产业集聚水平交互项的系数为显著的0.14，说明要素禀赋对畜牧业产业集聚与经济增长关系的调节效应显著。
表5 要素禀赋效应检验
为了更直观、准确地考察畜牧业要素禀赋的调节作用，进一步把存在畜牧业产业集聚现象的这18个省（区）分成4个小组，即以人均存栏均值3.8为分界，分为多存栏组和少存栏组，以草原载畜量均值1.3为界，分为多载畜组和少载畜组。分组回归结果如表6所示。
表6 要素禀赋效应检验
从表6列（1）（2）可以看出，人均存栏较少组的畜牧业集聚水平对经济增加没有显著影响；
而人均存栏较多组的畜牧业产业集聚对经济增长有负向作用，其二次项对经济增长有正向作用，且在1%的水平下显著，这符合上面得到的结论，即刚开始畜牧业产业集聚对经济增长有抑制作用，但随着集聚程度的加强变成促进作用，说明畜牧业产业集聚是通过人均存栏来调节对经济增长的影响。列（3）（4）表明，草原载畜量较少的时候畜牧业产业集聚对经济增长的作用不显著，且产业集聚的二次项为负，说明在缺乏要素禀赋地区，畜牧业产业集聚程度越大对经济增长的抑制作用就越大；
而草原载畜量较大组的回归结果与基准回归结果一致，且高度显著，说明畜牧业产业集聚水平对经济增长的影响是通过要素禀赋来实现的。
（2）中介效应模型检验：为了进一步探究畜牧业产业集聚水平对经济增长的“U”型作用路径，引入中介效应模型。首先用8个畜牧业子产业产量当做被解释变量，畜牧业产业集聚度作为解释变量，在控制其他协变量后进行面板回归，结果如表7。回归结果表明，牛肉、羊肉、乳业和禽蛋产业与畜牧业产业集聚之间有正向关系，畜牧业产业集聚水平的提升，可以进一步推动子产业增长。而猪肉、羊绒与羊毛等产业与畜牧业产业集聚之间有负向关系，表明其产业集聚水平的提升无法进一步推动产业发展。这些产业的规模和结构需要调整，以避免规模过大带来的规模不经济问题。畜牧业产业集聚对羊绒产业、牛肉产业、羊肉产业、乳业、猪肉产业以及山羊毛产业有显著的影响，故选取这6个畜牧业子产业当作中介变量。
表7 畜牧业产业集聚对子产业的影响
从表8可以看出，控制住其他产业发展，猪肉产业对经济增长具有倒U型曲线形态，猪肉产业已经成长为成熟产业，未来对经济增长的带动作用有限。而羊绒产业、牛肉产业、羊肉产业、乳业等畜牧业子产业对经济增长有“U”型非线性作用，这些产业有待于进一步提升集聚水平与产业规模，以实现对经济增长的更大贡献。
表8 畜牧业子产业对经济增长的影响
3.3 内生性与工具变量
3.3.1 内生性检验
Hausman（1978）检验也称为内生性检验，目的是判断解释变量是否与干扰项相关，即是否为内生变量。Hausman检验的原假设和备择假设为：H0：解释变量与干扰项不相关，H1：解释变量与干扰项相关。
Hausman检验建立在原假设成立条件下，差异（β*IV-β*OLS）分布的基础上。如果差异是显著的就拒绝原假设，说明解释变量是内生的，这时OLS估计是不一致的，应当使用IV估计（工具变量估计）；
如果接受原假设，那么解释变量就是外生的。用Hausman检验方法去检验畜牧业产业集聚是否为内生变量的结论是拒绝原假设，认为畜牧业产业集聚是内生变量。针对遗漏变量和反向因果关系等内生性问题，采取工具变量法进行稳健性检验。
3.3.2 工具变量法估计
地理特征与历史特征和产业集聚具有较强的相关性，但不会对当期经济增长产生影响，具有外生性，是较为有效的工具变量，故选择草原总面积、1978年年末牲畜存栏量为工具变量，该数据从《中国统计年鉴》获得。估计结果如表9所示。
在使用工具变量估计之前，需要对工具变量进行有效性检验，表9列（1）给出了工具变量对模型残差项的OLS回归结果，养畜规模和草原总面积的系数均不显著，说明这两个工具变量对模型来说是外生的，符合工具变量与干扰项不相关的假设。列（2）进一步把工具变量加入模型中，与核心变量和控制变量一起回归，其系数业不显著，证实了与模型的外生性。列（3）报告了工具变量对核心变量畜牧业产业集聚的回归结果，也就是两阶段最小二乘回归的第一阶段，结果表明1978年养畜规模与草原总面积对畜牧业产业集聚有明显的正向作用，这通过了工具变量与核心解释变量相关的假设。列（4）给出了没用加入产业集聚二次项和控制变量下的IV回归结果，即两阶段最小二乘法的第二阶段。列（5）是有控制变量与产业集聚二次项情况下，畜牧业产业集聚对经济增长的IV回归结果，结果显示当畜牧业产业集聚度较低的时候，畜牧业产业集聚对经济增长有明显的抑制作用，当产业集聚度提高之后畜牧业产业集聚对经济增长具有显著的促进作用，畜牧业产业集聚与经济增长之间存在“U”型非线性关系，其拐点为1.9，工具变量回归证实了基准回归结果的稳健。
表9 工具变量回归
4.1 结论
该文利用2010—2019年全国31个省（市、自治区，不含港澳台）的面板数据，测算其畜牧业产业集聚程度，再估计畜牧业产业集聚度对经济增长的影响，得出以下结论。
（1）通过区位熵指数测算全国各省畜牧业产业集聚水平发现，在2019年内蒙古、河北、辽宁、吉林、黑龙江、安徽、江西、河南、湖北、湖南、广西、海南、四川、贵州、云南、西藏、青海、新疆、山东、宁夏等20个省区的畜牧业产业集聚程度高于全国平均水平，存在畜牧业产业集聚现象。
（2）通过C-D生产函数构建畜牧业产业集聚对经济增长的影响模型，进行面板数据固定效应模型回归发现：畜牧业产业集聚对经济增长显著负向作用（弹性值为-0.67）；
在模型中加入畜牧业产业集聚的二次方发现，畜牧业产业集聚度的平方对经济增长的影响为正的1.37，并在1%的水平上显著，说明畜牧业产业集聚对经济增长有“U”型作用，且集聚度足够大的时候才能促进经济增长，拐点为1.4。这表明，畜牧业产业集聚具有门槛效应，只有超过门槛值之后，畜牧业产业集聚才能推动经济增长，低于门槛值，提升产业集聚反而会降低经济增长。使用工具变量法检验产业集聚的效果，选择草原总面积和1978年养畜规模作为工具变量进行回归，证实了基准回归结果的稳健性。
（3）通过分省分组回归，内蒙古、吉林、湖北与新疆4省区位于产业集聚“U”型曲线右侧，畜牧业产业对经济增长的带动作用明显，畜牧业产业已成为这些地区的支柱产业。辽宁、湖南、海南、西藏、云南、贵州6省区刚过畜牧业门槛，畜牧业产业集聚对经济增长的带动作用初步呈现，进一步推动畜牧业产业集聚将有助于经济更好更快发展。广西、四川、河南和安徽4省区处于U型曲线左半段，畜牧业产业集聚将阻碍经济增长。江西、河北、青海、黑龙江的畜牧业产业集聚对经济增长有倒“U”型作用，也就是说，这4个省的畜牧业区位熵指数达到拐点后对经济有抑制作用，由2019年的区位熵指数可知，该4省都处于倒“U”型曲线的右半段，这4个省畜牧业规模和结构有待调整，以避免畜牧业产业过度集中带来的规模不经济问题。
（4）为了考察畜牧业产业集聚对经济增长的作用途径，在模型中加入畜牧业产业集聚度与人均存栏、畜牧业产业集聚度与草原载畜量的交互项，发现其系数均显著为正，说明要素禀赋具有正向的调节作用。进一步把研究对象分成4组，分组回归发现：富有要素禀赋组的畜牧业产业集聚对经济增长的影响与基准回归结果一致；
而缺乏要素禀赋组的畜牧业产业集聚对经济增长的影响并不显著，说明在缺乏要素禀赋的地区发展畜牧业，会使经济更落后，证明了畜牧业产业集聚是通过要素禀赋来调节经济发展。该文运用中介模型，选取猪肉产业、乳业、山羊毛产业、羊绒产业、牛肉产业、羊肉产业等6个子产业作为中介变量，利用子产业的产量及其二次项进一步探究畜牧业产业集聚对经济增长的影响机制，发现猪肉产业对经济增长具有倒“U”型曲线形态，猪肉产业已经成长为成熟产业，未来对经济增长的带动作用有限。而羊绒产业、牛肉产业、羊肉产业、乳业等畜牧业子产业对经济增长有“U”型非线性作用，这些产业有待于进一步提升集聚水平与产业规模，以实现对经济增长的更大贡献。
4.2 政策启示
各地应根据本地畜牧业要素禀赋与产业集聚情况，采用对应的产业政策，推动畜牧业产业发展。
（1）具有畜牧业产业发展禀赋优势地区，根据本地畜牧业产业集聚情况，在未达到区位熵门槛值情况下，要通过工业反哺农业（畜牧业），夯实畜牧业产业基础，努力推动畜牧业产业突破区位熵门槛限制，以实现畜牧业产业聚集的真正带动作用。
（2）不具有畜牧产业发展要素禀赋地区，应考虑地区能否承受畜牧业产业集聚门槛之前对地区经济带来的负面影响，应及时调整畜牧业产业发展规模与结构，重点推动以精品和独特性为特征的小型分散性畜牧业养殖产业。或者视本地劳动力禀赋情况，转而发展畜牧业加工产业，以构建畜牧业下游产业发展优势，实现畜牧业产业弯道超车。
（3）参考如爱尔兰、澳大利亚、新西兰等发达畜牧业国家的畜牧业产业集聚的市场化与社会化手段，推广我国畜牧业产业政策得到有效实施地区（如广东、内蒙古等地），采用多种手段，在富有要素禀赋地区推进畜牧业产业的集聚。在缺乏畜牧业要素禀赋地区限制发展畜牧业产业，要因地适宜推进其他具有比较优势的产业。
猜你喜欢禀赋区位畜牧业映像畜牧业中国畜牧业(2022年4期)2022-04-02讲故事的禀赋——梅卓长、短篇小说合论阿来研究(2021年2期)2022-01-18袁奇峰：广州南CBD，优越区位截留全城商机房地产导刊(2021年8期)2021-10-13畜牧业也要打好“翻身仗”今日农业(2021年9期)2021-07-28郑州：紧抓区位优势 未来发展可期印刷工业(2020年5期)2020-03-29映像畜牧业中国畜牧业(2020年21期)2020-03-09映像畜牧业中国畜牧业(2019年18期)2019-10-17连锁餐饮企业区位选择智富时代(2019年4期)2019-06-01连锁餐饮企业区位选择智富时代(2019年4期)2019-06-01地理区位乡村地理(2016年2期)2016-06-15