陈飞农业政策粮食产量与粮食生产调整能力.docx
- 文档编号:27121201
- 上传时间:2023-06-27
- 格式:DOCX
- 页数:27
- 大小:161.77KB
陈飞农业政策粮食产量与粮食生产调整能力.docx
《陈飞农业政策粮食产量与粮食生产调整能力.docx》由会员分享,可在线阅读,更多相关《陈飞农业政策粮食产量与粮食生产调整能力.docx(27页珍藏版)》请在冰豆网上搜索。
陈飞农业政策粮食产量与粮食生产调整能力
第8组区域经济协调发展
农业政策、粮食产量与粮食生产调整能力*
——基于中国省际动态面板模型的实证分析
陈飞范庆泉高铁梅
(东北财经大学经济计量分析与预测研究中心116025)
内容提要:
农业政策成功与否不仅取决于政策的实施环境,更主要取决于农民对政策刺激反应的强烈程度。
为分析我国农业政策的实施效果,本文利用Nerlove提出的适应性预期模型对我国粮食生产调整能力及农业政策的影响效果进行了实证研究。
基于1995~2008年中国省际农业面板数据,利用动态面板的GMM方法分别估计了农业政策对小麦、稻谷、玉米作物播种面积、单位产量及总产量的影响,并对我国粮食生产调整能力及农业政策影响的长期效应进行了定量分析。
实证结果表明,随着政府对农业投入的增加,我国粮食生产的调整能力逐渐增强,各项农业政策对粮食生产均具有显著正向影响,其中,农业支出政策和农村固定资产投资是拉动我国粮食产量增长的最重要因素。
但预期价格水平对粮食产量的影响相对偏弱,市场经济的价格杠杆作用并不明显。
关键词:
粮食生产调整能力、农业政策、适应性预期模型、动态面板GMM方法
一、引言
1999~2003年期间,受政府退耕还林工程、城市扩张和开发区建设、乡镇企业和农民建房占用耕地等诸多因素影响,我国农业耕地面积共计减少2.06亿亩,粮食总产量也随之从1999年5.1亿吨下降到2003年的4.3亿吨①,国内粮食供求关系一度紧张,粮食生产安全问题引起了全社会的高度重视。
2005年1月30日,《中共中央国务院关于进一步加强农村工作提高农业综合生产能力若干政策的意见》强调,坚持“多予少取放活”的方针,稳定、完善和强化各项支农政策,把加强农业基础设施建设、加快农业科技进步、提高农业综合生产能力,作为一项重大而紧迫的战略任务,切实抓紧抓好。
在2006~2010年间,中国政府又连续5年发布以“三农”为主题的中央一号文件,着重强调农业问题的战略地位,并陆续出台了粮食直补、取消农业税、增加农业财政支出等各项惠农政策,放开粮食购销市场,加强和改善粮食宏观调控,取得了显著成效。
自2004年以来,我国粮食产量实现了连续6年的快速增长,并于2009年达到历史最高水平5.3亿吨。
粮食产量的大幅度提高,是否表明我国当前的粮食综合生产能力②已经能够保证国家的粮食安全?
从国际环境来看,世界粮食产量增长正在逐渐放缓,需求不断增长,库存持续下降,粮食价格上涨,部分国家粮荒引发社会动荡,保证我国粮食安全的外部环境并不稳定。
从国内环境来看,由于人口增长、农产品加工业的发展以及工业用粮的增加,我国的粮食需求在不断增长。
图1描述了我国粮食净出口曲线的变动情况,自2003年以来,我国粮食净出口量开始为负并逐年下降,2009年达到近年来最低水平-4894万吨,表明我国粮食需求的增长速度要高于粮食产量的增长速度,粮食供需缺口逐年增大。
从2010~2020年的中长期来看,中国粮食综合生产能力依然偏弱,确保粮食安全的基础并不牢固(马晓河等,2008)。
因此,研究农业政策工具对粮食生产的影响效果和影响方式,对于确保国家粮食安全具有重要意义,同时又可以避免粮食价格冲击对农业生产和宏观稳定所带来的不利影响,现已成为我国政府和学术界普遍关心的重要问题之一。
近年来,国内外学者对粮食生产的研究非常广泛和深入,主要包括粮食生产的风险分析、粮食价格的波动分析、粮食产量的波动分析、粮食生产函数的构建、粮食生产发展战略与政策支持等方面内容。
较具代表性的研究有,Johnson,L.G.(1956)提出了研究粮食生产的分布滞后模型,他在文献中指出,由于投入的“固定性”、生产调整成本、信息不完全、技术条件限制等因素的制约,使得粮食的供给反应具有粘滞性,因此,解释变量单位变化的影响分布到多个时期。
MarkW.Rosegrantetal.(1998)研究了印度尼西亚粮食作物的动态供给反应函数,估计了技术进步、价格与投资等因素对稻谷、玉米、大豆与薯类四种主要粮食作物的影响,利用1969~1990年的国家数据,分别对总产出模型、播种面积模型和单位产出模型进行估计,结果表明农业投资政策和价格支持政策对印度尼西亚的粮食产量具有重要影响。
SunilKanwar(2006)使用面板数据随机效应方法分别建立了印度的六种粮食作物的计量模型,得出印度粮食作物调整的周期约为2~3年,而影响印度粮食作物的主要因素是水资源等,提出采取更加科学的灌溉技术(例如通过私人投资的喷洒式灌溉技术)、提供肥料和优质种子补贴等可使印度所有农民受益。
张雪梅(1999)采用随机边界生产函数对我国1991~1996年玉米生产增长因素进行了实证分析,得出技术进步和化肥是玉米生产增长的主要动力,扩大有效灌溉面积和挖掘玉米生产的技术效率对玉米生产也具有重要作用。
宋学明、赵建华(1997)将我国2357个县划分为九个大农业区并对县级粮食单位产量进行实证分析,着重指出目前中国区域粮食生产的差距,影响粮食产量的主要因子及其在区域间作用的差异。
杨友孝、罗安军(2006)通过对粮食直补政策的理论分析得出粮食生产直补政策的短期和长期影响不同,直补政策和间接补贴对农业风险的抵御能力不同,其结论指出我国现阶段直接补贴与间接补贴应相互补充,不可分割。
上述研究对于分析粮食生产问题极具理论和现实意义。
但多数研究倾向于解释价格支持、优越的自然条件和技术进步等对粮食产量的影响,而对于农业政策影响效果的研究相对较少。
目前,我国粮食产量的增长主要是由各项惠农政策以及较大规模的农村基础设施投资拉动的,因此,分析农业政策对我国粮食生产能力的影响效果更具有现实意义。
本文在借鉴前人研究成果的基础之上,利用Nerlove(1958,1979,2001)提出的适应性预期模型,分析农业支持政策以及其他各类因素对小麦、稻谷、玉米作物播种面积、单位产量及总产量的影响。
本文的第二部分建立了研究粮食生产问题的理论框架;第三部分结合我国农业生产的区域差异和农业政策实施情况,给出了实证研究模型中区域、指标的选取方法及依据;第四部分利用1995~2008年中国省际农业面板数据估计了农业政策对各种粮食作物播种面积与单位产量的影响,并对我国粮食生产的调整能力以及农业政策影响的长期效应进行了定量分析;本文的最后给出结论。
二、粮食生产研究的理论框架
提高粮食作物的总产量,可以从两方面入手:
一是扩大粮食播种面积,二是增加粮食作物的单位产量。
因此,本文首先分别对影响粮食播种面积与单位产量变动的各类因素进行分析,然后再利用所得到的结果,建立一个影响粮食总产量变动的动态计量模型。
上述过程使得对粮食生产问题的研究更为细化,例如,施肥量主要是通过影响粮食单产进而影响总产量,使用单位产量对施肥量进行回归分析,可以剔除播种面积变动所引起的估计偏误。
另外,粮食单位产量是衡量一国粮食综合生产能力的重要指标,在我国土地资源极度紧张的前提下,研究影响单位产量变动的各类因素本身就具有非常重要的现实经济意义。
2.1播种面积的动态分析模型
本文首先利用Nerlove(1958)提出的适应性预期模型(adaptiveexpectationmodel)研究我国粮食播种面积的调整问题,假设最优播种面积①(
)受预期价格水平(
)、价格风险、以及其他各类因素影响。
模型表示如下:
,
(1)
其中,
表示不同种类的粮食作物,式
(1)中共包含M个方程;
表示第m种农作物在第t时期的最优播种面积;
表示第m种农作物在第t期的预期价格水平;
是包括价格风险在内的其他解释变量向量;
是服从于
的扰动项。
在农业生产水平不发达的发展中国家,农民不可能及时地将其实际播种面积调整到最优播种面积,这是由于受到许多农业生产条件的实际约束,例如缺乏农业生产的可获得性投入、播种各种不同的农作物以抵御价格风险等。
在Nerlove(2001)的模型中假设,本期的最优播种面积与上期实际播种面积差距的一定比例是相邻两期实际播种面积的变动量,模型形式表示如下:
(2)
其中,
表示第m种农作物在第t期的实际播种面积;
表示第m种农作物在第t-1期的实际播种面积;
是服从于
的扰动项。
称为调整参数,代表农民根据市场需求,调整其粮食播种面积的能力。
从AR模型的平稳性角度出发,参数
的值处于(0,2)之间②。
将式
(1)带入式
(2),并整理可得:
(3)
其中,
,
,
,
,
(4)
将式(3)中的参数称为各影响因素对播种面积的短期影响,相对应地,式
(1)中的参数称为各因素对播种面积的长期影响(SunilKanwar,2006)。
长期影响系数反应了价格、风险及其他因素对播种面积的净影响,而短期影响则代表了长期影响和农民调整能力的综合效果。
2.2单位产量的动态分析模型
受土地资源有限性、保护生态环境以及土地价值不断提高等客观条件的制约,通过增加播种面积进而提高粮食总产量方式的影响效果在逐年减弱,更多地是通过提高粮食单位产量来实现这一目标。
1965年以来,印度农业的发展体现了这一转变过程(Vaidyanathan,1994)。
因此,本文同时建立了影响单位产出的动态模型,其建立方法类似于播种面积模型,将式
(1)~(3)中的播种面积变量
用单位产出变量
替代,可得单位产量模型,其形式如下:
(5)
(6)
(7)
其中,
,
,
,
,
(8)
类似地,从模型平稳性角度出发,调整参数
的取值范围在(0,2)之间。
2.3预期价格的ARIMA模型
在播种面积和单位产量动态分析模型中,由于农作物m的预期价格
是不可观测变量,因此不能直接对式(3)和式(7)进行估计。
基于适应性预期假说理论,本文利用ARIMA(p,d,q)过程来描述预期价格
的变动情况,模型形式如下:
(9)
其中,
为差分算子,
为农作物m的预期价格,
为农作物m的实际价格,d为
序列的单整阶数。
为构造预期价格序列,首先需要在全样本区间[1,T]中预留初始的子样本区间[1,τ],其中τ为区间[1,T]中的某一固定点,并在子样本区间[1,τ]上估计式(9)所示的基于
序列的ARIMA过程,以此为基础进行一步向前预测,得到τ+1时刻的预期价格,记为
;再追加一个样本点,此时子样本区间扩展为[1,τ+1],重复上述ARIMA模型的估计和预测过程,从而得到τ+2时刻的预期价格,记为
;在不断向外拓展的子样本区间上如此反复建模及预测,直到子样本区间扩展到[1,T-1]时结束,得到T时刻的预期价格
。
三、区域选取与指标构造
本文基于上述理论模型,研究预期价格、政策因素以及其他影响因素对小麦、稻谷、玉米三种主要粮食作物的播种面积和单位产量的影响①。
考虑到我国农业区域发展不均衡及各地区农业政策差异较大等特点,本文使用我国1995~2008年的29个省份自治区(其中港澳台地区、西藏自治区除外,重庆市数据合并到四川省数据内)的面板数据①对模型进行估计。
另外,由于我国农业市场化时间较短,全国数据的样本区间长度不足,使用区域面板数据可以有效地扩大样本容量,从而得出较好的估计结果。
3.1区域个体选取
由于我国各地区的土地、温度、降雨等自然条件差异较大,小麦、稻谷、玉米三种农作物在我国的生长分布情况并不相同,因此本文对于每种粮食作物选取不同的区域个体进行分析。
针对每种粮食作物,使用1995~2008年各个省份粮食平均产量占全国平均产量的比重进行排序,选取比重高于或接近于1%的省份作为样本个体。
表1中给出了三种粮食作物的区域个体选取情况:
表1小麦、稻谷、玉米作物研究的区域个体选取
粮食作物
区域个体选取
小麦作物
河南、山东、河北、江苏、安徽、四川、陕西、新疆、甘肃、湖北、山西、内蒙、黑龙江、云南,共14个省份
稻谷作物
湖南、江苏、湖北、江西、四川、广东、安徽、广西、浙江、黑龙江、福建、云南、贵州、吉林、辽宁、河南、山东、河北,共18个省份
玉米作物
吉林、山东、河北、黑龙江、河南、辽宁、内蒙、四川、山西、云南、陕西、贵州、新疆、安徽、江苏、甘肃、湖北、广西、湖南、宁夏,共20个省份
[注]:
区域选取按着比重大小的排列顺序给出。
3.2农业政策变量选取
为保证国家粮食安全,提高粮食综合生产能力,我国政府依据国内经济发展所处的不同历史阶段,提出了一系列支持粮食生产的农业政策。
主要有:
对农民种粮进行间接或直接补贴的农业财政支出政策、农村固定资产投资政策以及取消农业税政策等。
(1)农业支出政策变量(EP)
我国农业财政支出的主要内容包括间接补贴和直接补贴,在2004年以前,我国农业政策主要实施间接补贴,2004年之后,主要实施直接补贴。
间接补贴主要是通过对生产农用机械或生产资料的企业进行减税,或通过政府财政的粮食风险基金支付给购销企业,再由购销企业采用粮食保护价格收购等方式来实现对农民的补贴。
间接补贴容易扭曲市场价格信号,造成市场供求不平衡,贸易和市场竞争的不公平,以及对自然资源的不合理使用和浪费使用。
在2004年以后,我国工业已经得到了长足发展,而广大农村地区还十分落后,粮食播种面积逐年减少已经危及到国家粮食安全。
政府从粮食风险基金中拿出部分资金,用于主产区种粮农民的直接补贴,各省份也从财政资金中拿出部分资金对其粮食主产县(市)的种粮农民实行直接补贴。
农业支出政策可以有效地提高农民的生产积极性,尤其是2003年以来在各地区陆续实施的粮食直补、粮种直补、农机补贴和生产资料增支补贴政策效果更为明显,对近6年来粮食持续增收起到了重要作用。
本文使用各省份农业财政支出占总财政支出的比率表示农业支出变量(记为EP)。
需要注意的是,粮食直补政策是根据当年种植的粮食播种面积进行专向补贴政策,影响具有滞后性,因此,本文在模型中使用该变量的滞后值。
(2)农村固定资产投资变量(FA)
农村固定资产投资是农村经济发展的初始环节,它是农业经济增长、农村社会进步、农民收入增加的重要物质基础,是衡量改善农村生产条件的一个重要指标(黄卫红,2006)。
农村固定资产投资包括在农业、电力燃气及水的生产供应业、农村交通运输业、科学研究和技术服务业等方面的投资,其作用主要是改善农村生产的基本条件,可以在以下几个方面提高农业生产能力:
包括农业产业化、科技兴农、农村基础设施和生态建设、乡镇企业建设和发展①,农业生产技术的提高会对粮食生产具有重要的促进作用。
2008年10月9日,在十七届三中全会上,首次提出城乡经济社会发展一体化的概念,标志着我国政府的农村建设目标由过去的农村城镇化逐步走向城乡一体化,同时也标志着各级政府会进一步加大农村固定资产投资力度。
本文使用各省份农村固定资产投资额占GDP的比重表示农村固定资产投资变量②(记为FA)。
(3)农业税变量(TP)
2004年以来,国家加大了粮食主产区减免农业税的力度,在黑龙江、吉林两省实行免征农业税试点改革,对内蒙、辽宁、山东、河南、湖南、江苏、河北、安徽、江西、湖北、四川等11个粮食主产区降低农业税率3个百分点,其他地区降低农业税税率1个百分点,用于鼓励农民进行粮食生产。
2005年国家进一步扩大农业税免征范围,加大农业税减征力度,将主要粮食生产区农业税再降低2个百分点,其他地区再降低4个百分点。
因减免农业税而减少的地方财政收入,中央财政安排专项转移支付予以适当补助。
并于2006年宣布全面取消农业税。
由于农业税变量数据的变动幅度过大,导致模型的估计效果较差。
为了正确衡量减免农业税政策对我国粮食生产的影响,本文利用虚拟变量来表示农业税政策变量(记为TP),将各省份存在农业税的时期用1来表示,将农业税出现了大幅降低及取消的时期用0来表示③。
3.3预期价格指标与价格风险指标的建立
在1984~2008年期间,我国粮食价格指数的统计口径共发生了两次调整,其中,在1984~1993年间,仅统计了粮食零售价格指数;1994~2001年间,统计了粗粮和细粮的零售价格指数;2002~2008年间,分别统计了小麦、稻谷、玉米的零售价格指数。
基于可获得的数据,本文构造了1984~2008年间小麦、稻谷、玉米三种粮食作物的零售价格指数④。
进一步将构造的环比价格指数转化为以2004年为基期的价格指数,并使用2004年小麦、稻谷、玉米的价格水平值分别乘以相应的三种粮食作物基比价格指数,得到了三种粮食作物的实际价格水平值。
在本文中,并不直接使用实际价格变量,而是利用该变量构建预期价格指标和价格风险指标。
(1)预期价格指标(
)
根据理性预期理论,农民对粮食价格预期的形成来自于对过去粮食价格的观察,根据以往的粮食价格预测下一期的粮食价格。
本文利用式(9)分别对每个区域个体的小麦、稻谷、玉米三种粮食作物的实际价格序列进行时间序列建模,对应地,全样本区间[1,T]为1984~2008年,预留的子样本区间[1,τ]为1984~1994年,依照(2.3)节给出的构造预期价格指标步骤建立ARIMA模型,共需要建立728个ARIMA模型①。
利用所得到的ARIMA模型进行一步向前预测,并将得到的预测值作为1995~2008年的预期价格指标序列,记为
。
(2)价格风险指标(CP)
粮食价格稳定不仅对粮食生产具有积极影响,对经济、社会发展也有着举足轻重的作用。
近年来,我国粮食虽然连续增收,但是市场粮食价格却异常波动,不利于农民对粮食价格形成合理预期,进而影响到粮食生产的稳定性。
通常采用价格波动来表示价格风险指标,价格波动的测度方法有很多,本文使用变异系数来测度价格波动②。
根据SunilKanwar(2006)的建模思想,本文把价格指标的当期值与其滞后一期、滞后两期值看做一个子序列,求其标准差,作为当期的价格风险值,进而计算出价格风险指标的时间序列,记为CP。
3.4其他解释变量选取
(1)产业结构变量(AS)
近年来,伴随着我国经济迅猛发展,工业化和城镇化进程不断加快,土地占用量增加,使得我国本来稀缺的土地资源更加紧张。
大规模地占用农业用地特别是占用基本农田,必然会导致粮食产量的大幅下降。
同时,产业结构的不断提升使得玉米作物的加工产品越来越多,导致玉米作物的需求量居高不下,从而影响玉米及其他粮食作物的相对产量。
本文使用各省份第二、三产业增加值占GDP的比重构造产业结构指标(记为AS),显然,该变量对小麦、谷物产量应具有负向影响,对玉米产量的影响方向无法确定。
(2)施肥量变量(F)
施肥不仅能提高土壤肥力,而且也是提高粮食作物单位产量的重要措施,是农业生产最基础而且是最重要的物质投入。
但由于施肥的成本较高,约占农业生产总成本(物资成本加人工成本)的25%以上,占全部物资费用(种子、肥料、农药、机械作业、排灌等费用)的50%左右,导致我国的化肥利用率不高。
随着农业科技的普及以及农民种粮科学认识的提高,施肥量指标呈现逐年增加的变动趋势。
本文使用化肥折纯量除以总的农作物播种面积得到农作物单位面积施肥量指标③(记为F)。
显然,化肥在提高粮食单产方面起到了促进作用。
(3)抗灾能力变量(DP)
我国是一个自然灾害频发的国家,主要易发生洪涝、干旱、冰雹等自然灾害。
2008年1月,我国南方的特大低温雨雪灾害给农业生产造成巨大损失:
大批农作物和家畜被冻死,大棚和果树被压垮,受灾面积达1.78亿亩,直接农业经济损失达250亿~500亿元。
2009年上半年,我国北方遭遇了近50年以来的严重干旱,以安徽省为例,小麦受灾面积达2905.5万亩,占播种面积的82%,其中严重受灾面积达35%①。
“北旱南涝”的情况几乎是年年发生,这对我国粮食生产具有重大不利影响。
农业保险政策是农户提高抗灾能力的一个重要因素,另外,加强农业基础设施建设,增强对农民的技术培训,提高农业生产管理水平,可以有效地提高农业抗风险能力。
本文使用各省份农业受灾面积减去成灾面积的差值与受灾面积的比例构造抗灾能力变量(记为DP)。
显然,提高我国政府和农民的抗灾能力,有利于粮食作物产量的提高。
四、农业政策对我国粮食生产影响的实证研究
4.1粮食生产的实证模型
本文使用i=1,2,…,N表示区域个体;t=1,2,…,T表示时间;m=1,2,3分别表示小麦、稻谷和玉米三种不同的粮食作物。
根据式(3)和式(7)可以分别得到三种粮食作物的播种面积与单位产量的实证模型,其中,
播种面积实证模型:
(10)
其中,i代表个体,t代表时间,m=1,2,3代表三个方程,
为个体效应,
。
单位产量实证模型:
(11)
其中,i代表个体,t代表时间,m=1,2,3代表三个方程,
为个体效应,
。
在上述模型中,播种面积、单位产量、预期价格、单位有效施肥量取对数形式,将各种粮食作物的播种面积和单位产量模型分为1995~2001年、2001~2008年两个区间进行估计②。
由于模型中存在因变量的滞后项,称为动态面板模型(DynamicPanelModel)。
该模型的OLS估计量是有偏的和非一致的,而极大似然估计(MLS)方法虽然能够得到模型的一致估计量,但估计量的一致性取决于模型初值的不同设定,错误选择初值条件会使参数估计有误(Hsiao,1986)。
相比较而言,ArellanoandBond(1991)提出的动态面板模型的差分广义矩估计方法(GMM-DIFFofDynamicPanelModel)可以有效地解决了这一问题。
该方法的基本思想为:
对式(10)作一阶差分:
(12)
其中,
,
,
,
为差分算子。
由于
与
存在相关性,故不能直接使用OLS方法估计(12)式,需要引入有效的矩条件。
又由于式(13)显然成立的:
,
(13)
因此
可以作为差分方程的工具变量,类似地,
(
),均可以作为差分方程的工具变量。
另外,模型(10)中的外生解释变量也可以作为差分方程(12)的工具变量对模型进行估计,具体步骤参见ArellanoandBond(1991)给出的估计方法。
利用工具变量与差分扰动项正交的矩条件,使用GMM方法可以得到模型(10)中参数的一致估计量。
4.2农业政策对我国粮食生产的短期影响
表2中给出了由式(10)和式(11)所示的动态面板模型的GMM-DIFF估计结果。
通过F检验和Hausman检验接受个体固定效应模型,Sargan检验①表明本文所使用的矩约束条件是有效的。
表2小麦、稻谷、玉米作物动态面板模型的GMM-DIFF估计结果
变量
1995~2001
2001~2008
1995~2001
2001~2008
1995~2001
2001~2008
小麦播种面积(lnA1,it)
稻谷播种面积(lnA2,it)
玉米播种面积(lnA3,it)
lnAit-1
0.753***
0.629***
0.550***
0.466***
0.096***
0.120***
lnPeit
-0.020***
0.044*
0.015**
0.081***
-0.018**
0.042***
ASit
-1.647***
-0.677*
-0.388**
-1.864***
——
1.356***
EPit-1
2.223***
2.770***
——
3.241**
1.026*
1.366***
FAit
——
——
1.643***
——
1.349***
1.257***
TPit
——
-0.037**
——
-0.012*
——
-0.023**
DPit
0.268***
0.100*
0.065**
——
0.191***
0.128***
CPit
-0.327***
-0.294**
-0.1
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 农业政策 粮食产量 粮食生产 调整 能力