开放环境下的农产品价格波动
摘要：如果市场是有效的，那市场上相同商品的价格应当是处处相等的。因而开放可能会导致国内外农产品价格趋同，使得国外农产品价格影响到国内。虽然这一论断早就为很多学者所赞同，但迄今却从未有人给出过具体的证据。本文通过对不同开放程度的农产品在国内外市场价格联系上的差异的观察，为这一命题找到了有力的证据。
关键词：开放；中国；农产品；价格波动
1 问题的提出
自改革开放以来，与整体经济一道地，中国农业经历了一段相当长时期的持续、快速增长，在农产品价格存在显著下跌的情况下（Huang et al., 2007），1978年到2008年间，按不变价格计算的中国农业总产值增长幅度仍然高达486%[1]。与此同时，中国农业的开放程度也大大增强，尤其是在加入WTO之后，从2002年到2008年的短短几年间，农产品贸易总额就从304.3亿美元增加到985.6亿美元，年均增速高达18.3%[2]。
而开放程度的递增，在给中国农业带来新的发展机遇的同时，也带来了新的挑战。来自世界市场的价格波动，就是其中之一。
如果市场是足够有效的，那在开放环境下国际和国内市场上的农产品价格将会是一致的，这种一致不仅会体现在价格水平上，也会体现在价格水平的波动上。
2006年之后，国际市场上的农产品价格出现了显著的上涨趋势，从2006年1月到2010年11月，国际市场食品价格指数从106.06上升到了173.35，小麦、大米、玉米、大豆等主要粮食作物的价格都出现了大幅度的上涨。在国际市场价格推动下，国内主要农产品价格同样出现了显著的上涨，从2006年初到2010年末，小麦的集贸市场价从1.46元每公斤一步步地上涨到2.14元每公斤，大米、玉米和大豆的价格也分别从2.93元每公斤、1.27元每公斤和3.48元每公斤上涨到4.41元每公斤、2.12元每公斤和5.48元每公斤，涨幅分别高达47%、50%、67%和68%（王孝松和谢申祥，2012）。农产品和食品在国内外两个市场上的价格运行，正在走向同步。
图1中是自中国加入WTO以来国内和国际两个市场上食品价格指数的变化情况，显然，两者波动之间的同步率相当之高。
资料来源：王孝松和谢申祥（2012）。
食品是生活必需品，在日常消费中占据相当地位，因而食品价格的上涨对消费者影响巨大，程国强等（2008）的研究表明，猪肉价格每上涨10%，就会推动CPI上涨0.5%。而近年来的农产品价格上涨甚至使得食品价格成为中国消费者价格指数（CPI）的重要推动力量。2010年中国CPI的上涨中，70%源自食品价格的上涨（王孝松和谢申祥，2012）。这使得农产品价格日渐成为全社会关心的话题，而国际与国内市场上农产品价格波动之间的联系，也日渐为学界所关注。
当前已经有不少学者在这方面进行了研究。这些研究中的大部分，使用的是协整检验（Co-integration Test）、格兰杰因果检验（Granger Causality Test）、误差修正模型（Error Correction Model, ECM）、向量误差纠正模型（Vector
Error Correction Model, VEC）等针对时间序列数据的方法。对比这些研究的结果，我们也能很清楚地看到，近年来，尤其是加入WTO之后，国内外市场上农产品价格波动之间的联系大大加强。较早期的张巨勇等（1999）和武拉平（2000）认为国内外农产品市场整合程度不高，而较近期的研究则普遍得到了截然不同的结果，比如丁守海（2009）以及罗锋和牛保俊（2009）均发现国内外两个市场上的农产品价格存在长期的协整关系，国际农产品价格变动对国内农产品价格具有显著影响，国际粮价波动无论在长期、还是短期内，都会在相当程度上对国内市场粮价造成影响。
在现代经济中，期货市场在价格的发现和形成中起到十分重要的作用，而各国期货市场价格也存在十分密切的联系。比如Booth & Ciner(1997)发现美国和日本市场上的玉米期货无论在价格还是波动性上，都存在密切的联系，Booth et al.(1998)也发现美国和加拿大市场上的小麦期货价格也存在长期的协整关系。而Holder et al.(2002)还发现日本和美国市场上交易的玉米和大豆期货不仅在价格，也在交易量上存在密切联系。国内的农产品期货市场虽然相比国外成熟市场仍显稚嫩，但国内外农产品期货价格之间的长期协整关系也已出现。Fung et al.(2003)就发现美国农产品期货价格的波动会对中国市场产生显著的影响。周应恒和邹林刚（2007）、赵荣和乔娟（2008）也分别发现中国大豆和棉花期货价格存在长期均衡关系，他们同时也发现，更成熟的美国期货市场在定价当中占据主导地位。罗锋和牛保俊（2009）将研究对象由具体农产品扩展到农产品价格指数，同样发现了类似的证据。
总而言之，现有从各个方面出发的研究都表明，随着开放程度的递增，中国国内农产品市场与国际市场间的联系越发紧密，国际市场上的价格波动对国内市场价格的影响也越来越显著。不过已有研究在很大程度上都只是定性的研究，它们可以确认国内外市场上农产品价格之间联系的存在性，却无法告诉我们这种联系究竟有多紧密。王孝松和谢申祥（2012）的研究可能是一个例外，他们以回归的方式定量地计算了不同农产品的价格弹性，发现各种农产品的国外价格波动都对国内价格具有显著的影响。不过，他们并没有关注开放环境对国内外市场农产品价格之间关系的影响，从他们的研究结果当中，我们无从得知国内外市场上农产品价格联系的来源，更无从得知开放在其中扮演的角色。
而本文的研究，就是旨在弥补现有文献在这方面的缺陷，分析开放在国内外市场上农产品价格联系发展当中的作用。
2 数据与方法描述
为了对开放环境下中国市场上的农产品价格波动有一个全面的认识，我们的实证研究分成两部分。首先，我们将引入常见于时间序列数据整合关系分析的误差修正模型，对比已有研究，分析国内国外两个市场上各种农产品价格在长期内的整合关系；然后，与王晓松和谢申祥（2012）的做法类似地，我们以国内农产品价格变化为被解释变量，以相应农产品的世界市场价格变化为解释变量，在控制其他变量的情况下，以回归分析的方法来研究两者之间的关系，以此来获得更精确的定量数据；最后，我们再将所有农产品价格的时间序列数据合并为一个面板数据，通过面板数据的计量方法，在更有效地控制其他变量的同时，直接地观察开放对国内外农产品价格之间联系的影响。
在第二部分的回归当中，除了作为主要解释变量的农产品世界价格，我们引入的控制变量还包含相应农作物的生产成本、受灾面积、用于控制宏观经济环境的人均GDP和人均工业增加值变量、用于控制货币环境的货币供应量M2/GDP和外汇储备变量、用于控制能源价格的世界市场煤炭和石油价格变量。
我们研究针对的时间范围是中国加入WTO之后的2002年到2010年，这么短的时间内，使用年份数据会导致样本量严重不足，因而我们使用的是月度数据。不过受灾面积、人均GDP变量均无月度数据，因而我们以相应的年份或季度数据作为替代。由于月度数据会存在季节性波动，因而在进行协整检验和误差修正模型估计时，我们仿照卢锋和彭凯翔（2002）以及王晓松和谢申祥（2012）的做法，取滞后阶数为12；而在进行回归时，控制月份虚拟变量以滤去因季节变化产生的波动。
本文使用的数据当中，国内市场上的农产品价格和生产成本数据来自历年《中国农产品价格调查年鉴》、货币供应量M2和外汇储备数据来自中国人民银行网站
。国际市场上的农产品价格、食品价格指数和能源价格数据来自国际货币基金组织（International Monetary Fund, IMF）网站 。历年中国人口、GDP、工业增加值和农业受灾面积数据来自国家统计局网站 。除了文献中常见的水稻、小麦、大豆、玉米四种农作物价格外，我们还在研究中引入了肉鸡价格，同时分析这五种农产品国内外价格之间的联系。
3 农产品价格整合关系研究
这部分研究中使用了时间序列数据，因而在一切实证研究之前，首先需要做的便是平稳性检验。
表1中是各价格变量及其一阶差分的单位根ADF（Adjust Dickey-Fuller Test）检验结果。显然，所有价格变量本身都是非平稳的，但在差分之后，所有变量都变得平稳了，换言之，它们都是一阶单整的，因而接下来的实证研究可以继续。表 3.2中是Johanson协整检验结果，所有五种农产品的国内外价格在检验中都在5%的置信程度上拒绝了不存在协整关系的原假设，换句话说，至少对这些农产品而言，国内外市场上的价格已经在长期内存在整合关系。协整关系的存在能够说明国内外农产品价格存在长期整合关系，却不能说明这种关系是如何形成的，更无法说明在长期整合关系的形成当中，国内和国际市场价格何者占据主导地位。不过我们可以进一步地通过误差修正模型（Error Correct Model）来对此做出观察。
|
|
|
水平值
|
一阶差分
|
||
|
|
|
检验形式
|
ADF统计量
|
检验形式
|
ADF统计量
|
|
水稻
|
国内价格
|
(C,t,2)
|
-2.134
|
(C,t,0)
|
-8.061****
|
|
世界价格
|
(C,t,1)
|
-3.878
|
(C,t,1)
|
-7.454***
|
|
|
玉米
|
国内价格
|
(C,t,1)
|
-2.687
|
(C,t,0)
|
-6.343***
|
|
世界价格
|
(C,t,1)
|
-2.388
|
(C,t,0)
|
-8.156***
|
|
|
小麦
|
国内价格
|
(C,t,0)
|
-1.392
|
(C,t,0)
|
-7.114***
|
|
世界价格
|
(C,t,1)
|
-2.347
|
(C,t,0)
|
-7.945***
|
|
|
大豆
|
国内价格
|
(C,t,12)
|
-2.725
|
(C,t,0)
|
-5.379***
|
|
世界价格
|
(C,t,1)
|
-2.688
|
(C,t,0)
|
-6.223***
|
|
|
肉鸡
|
国内价格
|
(C,t,1)
|
-2.170
|
(C,t,0)
|
-9.647***
|
|
世界价格
|
(C,t,1)
|
-3.653
|
(C,t,1)
|
-5.602***
|
|
注： 检验形式（C，t，P）中三个参数分别代表有无常数项、有无时间趋势和滞后阶数。*代表在10%程度上显著，**代表在5%程度上显著，***代表在1%程度上显著。
|
|
水稻
|
玉米
|
小麦
|
大豆
|
肉鸡
|
|
特征值
|
0.117
|
0.144
|
0.139
|
0.137
|
0.243
|
|
迹统计量
|
4.632
|
4.952
|
6.605
|
7.804
|
9.049
|
|
5%临界值
|
3.74
|
3.74
|
3.74
|
3.74
|
3.74
|
|
最大特征值
|
4.632
|
4.952
|
6.605
|
7.804
|
9.049
|
|
5%临界值
|
3.74
|
3.74
|
3．74
|
3.74
|
3.74
|
表
3中给出了误差修正模型估计的结果。在误差修正模型当中，所有五个国内市场价格方程的误差修正项均在1%程度上显著，而所有国外市场价格方程的误差修正项均不显著。也就是说，国内外农产品价格之间的长期整合关系基本上是通过对国内市场价格的调整来实现的，而国内市场价格的变动却无法导致国外市场价格发生相应变化。
|
|
|
误差修正项
|
t统计量
|
|
水稻
|
国内价格
|
-0.114***
|
-2.64
|
|
世界价格
|
-508.97
|
-1.37
|
|
|
玉米
|
国内价格
|
-0.147***
|
-3.38
|
|
世界价格
|
-69.342
|
-0.48
|
|
|
小麦
|
国内价格
|
-0.129***
|
-3.06
|
|
世界价格
|
-298.41
|
-1.45
|
|
|
大豆
|
国内价格
|
-0.412***
|
-3.33
|
|
世界价格
|
-358.88
|
-1.01
|
|
|
肉鸡
|
国内价格
|
-0.172***
|
-4.22
|
|
世界价格
|
-1.164
|
-1.42
|
注： *代表在10%程度上显著，**代表在5%程度上显著，***代表在1%程度上显著。
这部分的结果是对已有研究的一个重复，它证明了当前环境下国际市场上的农产品价格对国内价格的影响力，但正如我们之前所述的，它并不能给出这种影响力的来源。我们从中也无法获知这种影响力将会如何变化。
4 开放环境下的国内市场农产品价格决定
表4中是以各农产品国内市场价格为被解释变量的时间序列回归结果。由于不少变量
都是非平稳序列，因而我们先对这些变量进行了一阶差分处理，平稳后再纳入到回归当中。换言之，我们实际上是以各变量的变化，来解释国内市场上农产品价格的变化情况。
表4所有回归的调整R平方和F统计量均表现良好。考虑到时间序列数据伪回归的可能性，我们还对各回归的残差序列进行了平稳性检验，结果各个序列残差均在1%程度上拒绝了存在单位根的原假设，基本排除了伪回归的可能性。也就是说，表4的回归结果是可靠的。
|
|
水稻
|
玉米
|
小麦
|
大豆
|
肉鸡
|
|
世界价格
|
0.125**
(0.054)
|
0.863**
(0.414)
|
0.014**
(0.007)
|
1.497***
(0.548)
|
67.447**
(34.566)
|
|
生产成本
|
0.140**
(0．069)
|
0.020
(0.086)
|
0.247**
(0.102)
|
0.096
(0.192)
|
-2.730
(2.550)
|
|
石油价格
|
-0.925
(0.865)
|
0.301
(0.619)
|
-0.544
(0.558)
|
4.093
(2.624)
|
7.087
(5.611)
|
|
煤炭价格
|
0.149*
(0.079)
|
0.005
(0.005)
|
0.063
(0.050)
|
0.132
(0.242)
|
0.158
(0.438)
|
|
人均GDP
|
0.415**
(0.198)
|
-0.013
(0.267)
|
0.274
(0.238)
|
-0.829
(0.936)
|
0.720
(2.345)
|
|
人均工业增加值
|
0.077
(0.221)
|
-0.157
(0.241)
|
0.228
(0.215)
|
1.650**
(0.768)
|
-1.862
(3.237)
|
|
外汇储备
|
0.011
(0.383)
|
0.875**
(0.427)
|
0.109
(0.358)
|
5.21***
(1.59)
|
2.840
(3.461)
|
|
M2/GDP
|
0.548*
(0.283)
|
-3.88
(3.83)
|
0.279
(0.356)
|
-1.94
(1.40)
|
-3.933
3.569
|
|
受灾面积
|
-0.041
(0.069)
|
0.105**
(0.053)
|
0.034
(0.058)
|
0.160
(0.172)
|
0.007
(0.533)
|
|
月份虚拟变量
|
控制
|
控制
|
控制
|
控制
|
控制
|
|
调整R2
|
0.1128
|
0.3919
|
0.3072
|
0.5098
|
0.2801
|
|
F统计量
|
3.62
|
5.12
|
7.52
|
8.29
|
6.95
|
|
ADF统计量
|
-8.126***
|
-7.325***
|
-6.824***
|
-7.755***
|
-9.572***
|
|
样本容量
|
107
|
107
|
107
|
107
|
107
|
注：1. 回归中包含常数项，虽然并没报告在表格当中。2、括号中的数字是异方差稳健标准误。3、*代表在10%程度上显著，**代表在5%程度上显著，***代表在1%程度上显著，ADF统计量的显著程度指的是原假设回归残差存在单位根的置信系数4、被解释变量为各农产品价格的一阶差分，除受灾面积变量，其余变量也做了一阶差分处理。5、回归使用数据为月度数据，不过我们未能获得人均GDP、受灾面积变量的月度数据，因而分别以季度和年度数据代替之。
在表 4给出的所有估计结果当中，农产品世界价格变量均显著为正，这一方面在进一步证明了它对农产品国内价格的显著影响，而在另一方面，它也表明，不同农产品在国内外价格弹性上存在着显著的差异。
正是这种差异给了我们进一步研究的可能性：如果以贸易/总产量表示的话，不同农产品之间在开放程度上也存在显著的差异，因而通过将将上一部分所有的数据合并为一个数据面板来对比这两种差异，我们就可以从中获知开放对国内外农产品价格联系的影响。
|
|
进口
|
出口
|
进出口
|
|
世界价格
|
0.190*
(0.080)
|
0.154*
(0.073)
|
0.104*
(0.043)
|
|
世界价格×进口比重
|
2.141***
(0.223)
|
|
|
|
世界价格×出口比重
|
|
1.776***
(0.388)
|
|
|
世界价格×进出口比重
|
|
|
1.974***
(0.167)
|
|
生产成本
|
2.311***
(0.197)
|
2.303***
(0.899)
|
2.310***
(0.197)
|
|
M2/GDP
|
3.927
(2.31)
|
4.044
(2.727)
|
4.951
(2.307)
|
|
外汇储备
|
-1.931*
(0.755)
|
-1.930
(1.041)
|
-1.933*
(0.7541)
|
|
人均工业增加值
|
0.002
(0.004)
|
0.001
(0.003)
|
0.002
(0.004)
|
|
月份虚拟变量
|
控制
|
控制
|
控制
|
|
年份虚拟变量
|
控制
|
控制
|
控制
|
|
Within R2
|
0.6751
|
0.6748
|
0.6756
|
|
F统计量
|
41.98
|
41.91
|
42.06
|
|
LLC统计量
|
-39.967***
|
-33.781***
|
-39.434***
|
|
样本容量
|
535
|
535
|
535
|
注：1、各列回归仅在开放程度表征变量上存在差异，分别为进口、出口和进出口总额占国内相应农产品产量的百分比。2、回归使用方法为固定效应模型，回归中包含常数项，虽然并没报告在表格当中。3、括号中的数字是异方差稳健标准误。4、*代表在10%程度上显著，**代表在5%程度上显著，***代表在1%程度上显著，LLC统计量的显著程度指的是原假设回归残差存在单位根的置信系数5、被解释变量为各农产品价格的一阶差分，其余变量也做了一阶差分处理。5、回归使用数据为月度数据。
表5中是面板数据回归的结果。某一具体年份的贸易总额可能会受各种因素影响因而无法有效地代表开放程度。因而我们分别以某种作物在整个样本时期内平均的进口量/总产量、出口量/总产量和进出口总额/总产量代表开放程度，这一变量随时间无变化，因而不能被纳入到面板数据的固定效应回归当中。不过我们关注的重点并非是开放对国内农产品价格的直接作用，而是开放对国内外市场上农产品价格之间联系的作用，要观察后者，我们只需要在回归中纳入开放与相应农产品世界市场价格的交叉项即可，而后者在时间维度上是存在变化，因而是可以出现在回归当中的。理论上说，开放程度的提高应当使得各农产品国内外市场价格之间的联系加深，因而我们预期这一交叉项的系数显著为正。
相比之前的时间序列回归，面板数据提供的额外自由度使得我们可以将年份和月份虚拟变量同时纳入到回归当中，这有助于我们更好地控制那些不可观测变量。由于年份虚拟变量的纳入，人均GDP和受灾面积等在相同年份内不变的变量被排除出回归。
与时间序列回归类似地，我们对大部分变量做了差分处理，使得纳入回归的变量均为平稳变量。同样，为了排除伪回归存在的可能性，我们也对回归的残差进行了单位根检验。因为残差同样是面板数据，因而我们使用了Levin, Lin & Chu(2002)提出的LLC检验，以赤池准则（Akaike
Information Criterion, AIC）确定滞后阶数，并将得到的统计量报告在了表 3.6倒数第二行当中，无论是哪个回归残差的LLC检验结果都显著地拒绝了存在单位根的原假设，换言之，伪回归没有出现。
与预期一致地，无论我们以什么变量表征开放程度，它与相应农产品世界市场价格之间交叉项的系数都在回归中显著为正。这意味着市场开放程度较高的农产品，其世界市场价格对国内市场价格的影响也显著更强。这一方面意味着开放是当前国内外市场上农产品价格密切联系的背后原因之一；另一方面也说明，随着未来WTO农业谈判的深入，随着中国开放进程的逐步推进，国内外市场上农产品价格之间的联系还将会变得更为紧密，国内市场上的农产品价格受国外市场影响的程度也将会越来越深。
这也意味着国内农产品生产者所面临的竞争环境将大大加剧，它们必须设法提高自身的竞争力，才有可能在这新的环境中生存下去。而要在长期内提高竞争力，生产效率上的进步是必由之路。
5 结论与政策建议
与现有研究一致地，本文的研究表明，在开放环境下，农产品的国际市场价格与国内市场价格已经存在长期整合关系，并且国际市场价格在这种整合关系中占据显著的主导地位，它是国内市场农产品价格变化的格兰杰原因，而两者之间的长期整合主要是通过国内市场价格的变化实现的。进一步的回归分析还发现，各种农产品的国际市场价格已经成为国内市场价格的主要决定因素之一。这意味着国内市场上的农产品价格和国内的农业生产者一起，已经被暴露在了国际市场波动面前。
比以往研究更进一步的是，我们还分析了开放程度的变化对农产品国内外价格之间联系的影响，发现随着开放程度的递增，农产品国际市场价格对国内市场价格的影响还在显著增强。这意味着随着农业开放进程的日渐推进，我们必须及时为国内的农产品生产者寻找到一条抵御国际市场风险的可行之道。
我们还看到，对很多农产品而言，其生产成本在决定国内市场价格上的作用正在削弱，国际市场上的价格波动正带动着国内价格向着与生产成本脱节的方向变化。对国内的农业生产者而言，这意味着巨大的风险。要消除这种风险，就只能从两个方向着手：要么增强国内农产品生产者在国际市场定价中的话语权，要么提高国内农产品生产者的生产效率，使其在生产成本上相对于国外同行至少不处劣势。但根据本章的研究结果，给定开放程度提高的不可逆转性，国内外农产品价格之间的联系只会日益增强，如果市场是有效的，那全世界范围内的市场信息都最终会反映在价格之上，从这个角度看，单纯讨论定价权并试图借此抵御国际市场风险的做法如果不是不可行的，也至少是不完整的。
因而从长期来看的话，提高国内农产品生产者的生产效率，增强其竞争力和抵御市场风险的能力才是根本的解决之道：如果不能在生产效率的竞争中占据有利地位，农产品国际市场定价权只能是空中楼阁；相反，如果国内农产品生产者能够在生产效率上占据优势，那国内外农产品价格上的同步就并不可怕。
参考文献
[1]
Booth,
G. and C. Ciner, 1997, International Transmission of Information in Corn Future
Markets. Pacific Basin Journal, 4:59-76.
[2]
Booth,
G., P. Brockman and Y. Tse, 1998, the Relationship between U.S. and Canadian
Wheat Futures. Applied Financial
Economics, 8: 73-80.
[3]
Fung, H., W. Leung and X. Xu, 2003,
Information Flows between the US and China Commodity Futures Trading. Review of Quantitative Finance and
Accouting, 21(3): 267-285.
[4]
Holder,
M., R. Pace and M. Tomas III, 2002, Complements or Substitutes? Equivalent
Futures Contract Markets—the Case of Corn and Soybean Futures on U.S. and
Japanese Exchanges. Journal of Futures
Markets, 22(4): 355-370.
[5]
Huang, J., Y. Jun, Z. Xu, S. Rozelle and N.
Li, 2007, Agricultural Trade Liberalization and Poverty in China. China Economic Review, 18(3): 244-265.
[6]
Levin,
A., C. Lin and C. Chu, 2002, Unit Root Tests in Panel Data: Asymptotic and
Finite-Sample Properties. Journal of
Econometrics, 108(1): 1-24.
[7]
程国强、胡冰川、徐雪高，新一轮农产品价格上涨的影响分析，《管理世界》，2008年第1期，57-65页。
[8]
丁守海，国际粮价波动对我国粮价的影响分析，《经济科学》，2009年第2期，60-71页。
[9]
罗锋、牛保俊，国际农产品价格波动对国内农产品价格的传递效应——基于VAR模型的实证研究，《国际贸易问题》，2009年第6期，16-22页。
[10] 王孝松、谢申祥，国际农产品价格如何影响了中国农产品价格，《经济研究》，2012年第3期，141-153页。
[11] 武拉平，农产品市场一体化研究，2000，北京：中国农业出版社。
[12] 张巨勇、于秉圭、方天，我国农产品国内市场与国际市场价格整合研究，《中国农村经济》，1999年第9期，27-29页。
[13] 赵荣、乔娟，中美棉花期货与现货价格传导关系比较分析，《中国农业大学学报》，2008年第13期，87-93页。
[14] 周应恒、邹林刚，中国大豆期货市场与国际大豆期货市场价格关系研究——基于VAR模型的实证分析，《农业技术经济》，2007年第1期，55-62页。
