粮食价格分析

粮食价格分析

一、问题的提出

改革开放以来，我国粮食价格经过多次改革，逐步过渡到市场订价的机制。本文通过对我国粮食价格有关成本和供给因素，以及粮食价格政策的分析，表明我国粮食价格在粮食价格政策回归市场机制的基础上正趋向于其生产成本，并且受到供求关系的影响。稳定粮食价格对我国具有重大意义。一方面，谷贱伤农，粮食价格过低会影响农民种粮积极性，进而影响我国粮食安全；另一方面，粮食价格过高，不仅会严重影响人民生活水平，也会给社会带来不稳定因素。因此，分析粮食价格影响因素有利于稳定粮食价格，保障我国粮食安全。

二、理论综述

按照马克思的价值理论，商品的价格由其价值决定，因此粮食价格从根本上来说是由粮食的生产成本决定的。从表1可以了解到1978年以来历年粮食生产成本、农业综合产出、粮食物价指数的具体情况。在这里，粮食物价指数代表粮食价格，粮食生产成本指数代表粮食生产成本，农业综合产出指数代表农业综合生产能力，也就是粮食供给能力。

表1 粮食生产成本指数、农业综合产出指数、粮食物价指数统计表 年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

粮食生产成本指数农业综合产出指数 （1978=100） (1978=100) 168.1 157.7 186.4 156.6 195.5 160.3 205.9 165.2 288.7 163.9 386.5 173.9 450.4 184.9 446.2 184.3 448.8 192.1 433.0 191.5 425.8 177.9 403.9 175.8 424.1 183.0 452.4 175.5 412.3 189.1 粮食物价指数(1978=100) 189.0 205.2 255.1 325.7 484.4 651.0 699.8 644.5 624.5 602.0 542.4 550.6 542.9 554.8 701.8

2005 2006 2007 2008 2009 456.1 465.9 507.6 794.8 813.8 194.7 199.9 202.3 817.9 861.9 711.7 729.5 776.1 853.8 814.9 数据说明：①粮食生产成本指数是以1978年数据为100，利用各年粮食生产成本数据计算得到，各年粮食生产成本（三种作物平均）来自《全国农产品成本收益资料汇编》，其中2007年的数据为估计值。②粮食物价指数是以1978年数据为100，利用各年粮食物价指数计算得到，各年粮食物价指数来自《中国统计年鉴数据》。③农业综合产出指数是以1978年数据为100，利用各年农业综合产出计算得到。各年农业综合产出是将各年粮食产量、油料产量、水果产量、甜菜产量、甘蔗产量、猪肉产量、奶类产量、禽蛋产量分别乘以食物当量系数计算得到。各年粮食产量、油料产量、水果产量、甜菜产量、甘蔗产量、猪肉产量、奶类产量、禽蛋产量来自《中国统计年鉴》。

三、模型设定

为了反映粮食价格，选择“粮食物价指数Y”作为被解释变量，以反粮食生产成本的变化因素，选择粮食生产成本作为解释变量X1，农业综合生产能力作为解释变量X2。

可探索将模型设定为以下模型： Y=C+C1X1+C2X2

然后把“国家对农业的补助B”“粮食单位面积产量G”粮食种植面积E”

四、估计参数

采用EViews 生成对数变量的数据，用最小二乘法（OLS）进行估计，得到以下结果：

表二：回归结果

Dependent Variable: Y Method: Least Squares Date: 12/19/11 Time: 20:05 Sample: 1990 2009 Included observations: 20 Variable X1 X2 C

Coefficient 1.611614 -0.603825 47.02137

Std. Error 0.147744 0.122529 43.43470

t-Statistic 10.90813 -4.928022 1.082576

Prob. 0.0000 0.0001 0.2941

2

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.907345 Mean dependent var 572.9850 0.896444 S.D. dependent var 62.86845 Akaike info criterion 67191.51 Schwarz criterion -109.5745 F-statistic 1.077692 Prob(F-statistic) 195.3643 11.25745 11.40681 83.23783 0.000000

根据表二中的数据，模型估计的结果为： Y= 47.02137+ 1.611614X1-0.603825X2 （43.43470）（0.147744） （0.122529） t= （1.082576）（10.90813）（-4.928022）

22R=0.907345 R=0.896444 F=83.23783 n=20

四、检验模型

1. 经济意义检验

模型估计结果说明，在假定其他条件不变的情况下，粮食生产成本每增加一个单位，粮食价格增加1.611614。农业综合生产能力每增加一个单位，粮食价格减少0.603825。 2．统计检验

(1) 拟合优度检验：由表二中数据可以得到R2=0.907345，修正的可决系数为

2R=0.896444，这说明模型对样本的拟合较好。

（2）F检验：针对H。：C1=0、C2=0，给定显著性水平=0.01，在F分布表中查出自由度为k-1=2和n-k=17的临界值F（2，17）=6.11，由表二中得到F=83.23783＞F (2,17)= 6.11,应拒绝原假设，说明回归方程显著，即“粮食生产成本”，“农业综合生产能力”，变量联合起来确实对“粮食生产成本”有显著影响。

（3）t检验：分别针对H。：C=0、C1=0、C2=0，给定显著性水平=0.01，查t分布表得自由度为n-k=17的临界值t/2（n-k）=2.898。由表二中数据可得，与C、C1、C2对应的t统计量分别为-1.082576、10.90813、-4.928022，说明在显著性水平=0.01下，分别拒绝H。：C1=0、C2=0，也就是说，在其他解释变量不变的情况下，解释变量“粮食生产成本C1”“农业综合生产能力C2”对被解释变量“粮食物价指数Y”都有显著的影响。

五、计量经济学检验

3

（一）多重共线性检验

由上一步统计意义检验可知，该模型可决系数很高，F检验值很大，明显显著。但当显著性水平=0.01时， t/2（n-k）=2.898，不仅X2的系数t检验不显著，而且X2系数的符号与预期相反，说明很可能存在严重的多重共线性。

1.简单相关系数检验

计算各变量的相关系数，得到相关数据矩阵

X1

X1

X2

1.000000 0.816506

X2 0.816506 1.000000

由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。 2.修正多重共线性

采用逐步回归的办法，分别作Y对X1、X2的一元回归，结果如表三所示。

表三 一元回归估计结果 变量 参数估计量 t统计量 2R 2R X1 X2 1.017127 7.873592 0.774982 0.487485 2.507150 0.258826 0.762481 0.217650 经比较，X1的加可决系数明显大于X2的可决系数，且X2的t检验不显著因此X2予以剔除。

表四 最后修正严重多重共线性影响后的回归结果

Dependent Variable: Y Method: Least Squares Date: 12/20/11 Time: 19:31 Sample: 1990 2009 Included observations: 20

Variable C X1 R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

Coefficient 147.5106 1.017127 Std. Error 58.08094 0.129182 t-Statistic 2.539742 7.873592 Prob. 0.0205 0.0000 195.3643 12.04474 12.14432 61.99345

0.774982 Mean dependent var 572.9850 0.762481 S.D. dependent var 95.21267 Akaike info criterion 163178.1 Schwarz criterion -118.4474 F-statistic

4

Durbin-Watson stat 0.670356 Prob(F-statistic) 0.000000

最后修正严重多重共线性影响后的回归结果为 Y=147.5106 + 1.017127X1 （58.08094） （0.129182） t=（2.539742） （7.873592）

22R=0.774982 R=0.762481 F=361.99345 d w =0.670356

这说明，在其他因素不变的情况下，当粮食生产成本增加一个单位，平均来说粮食物价指数增加1.017127。

（二）异方差性

White检验

表五 White检验结果

White Heteroskedasticity Test: F-statistic Obs*R-squared Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/20/11 Time: 20:27 Sample: 1990 2009 Included observations: 20 Variable C X1 X1^2

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient 21750.33 -76.15696 0.090360

Std. Error 8152.262 35.42806 0.035839

t-Statistic 2.668012 -2.149623 2.521269

Prob. 0.0162 0.0463 0.0220 7492.778 20.55686 20.70622 3.844068 0.041944

3.844068 Probability 6.228203 Probability 0.041944 0.044418 0.311410 Mean dependent var 8158.907 0.230400 S.D. dependent var 6573.180 Akaike info criterion 7.35E+08 Schwarz criterion -202.5686 F-statistic 1.430608 Prob(F-statistic)

表六 White检验结果

从表六中可以看出，nR2=6.228203,由White检验知，在=0.01下，查X22分布表，得临界值X0.05(2)=9.21034,比较计算的X2统计量与临界值，因为

nR22=6.228203＜X0.05(2)= 9.21034,所以不拒绝原假设，表示模型不存在异方

差。

5

（三）自相关检验

1.自相关的参数估计

根据上述回归方程，可决系数较高，回归系数均显著。对样本量为20，；两个解释变量的模型、5%的显著性水平，查DW统计表可知，DW=0.670356dL=1.100, du=1.537，模型中DW图一的残差图

10008006001504001002005000-50-100-15090929496980002040608ResidualActualFitted

在EViews命令栏中得到回归方程

eˆt=0.634662 et1 从而可知ˆ=0.634662，对原模型进行广义差分，得到广义差分方程：

Yt-0.634662Yt-1=β1(1-0.634662)+ β2(X1-0.634662)+Ut 表七 广义差分方程输出结果

Dependent Variable: Y-0.634662*Y(-1) Method: Least Squares Date: 12/20/11 Time: 21:32 Sample(adjusted): 1991 2009

Included observations: 19 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob. C

137.0206 31.57478 4.339559 0.0004 X1-0.634662*X1(-1) 0.561388 0.158558 3.540580 0.0025 R-squared

0.424426 Mean dependent var 237.6237 Adjusted R-squared 0.390568 S.D. dependent var 76.88246 S.E. of regression 60.01915 Akaike info criterion 11.12650 Sum squared resid 61239.07 Schwarz criterion 11.22592 Log likelihood -103.7018 F-statistic 12.53571 Durbin-Watson stat

1.278015 Prob(F-statistic)

0.002513

由表七可得回归方程为:

Y=137.0206+0.561388X1 Se= (31.57478) (0.158558)

6

t= (4.339559) (3.540580)

2R=0.424426 F=12.53571 DW=1.278015其中， Yt*=Yt-0.634662Yt-1、

Xt*=X1-0.634662

由于使用了广义分差数据，样本容量减少了1个，为19个。查1%显著水平的DW统计表可知dL=1.132, du=0.928，模型中DW=1.278015>du,说明在1%显著性水平下广义分差模型中已无自相关，不必再进行迭代。同时可见，可决系数R2、t、F统计量也均达到理想水平。

由差分方程式可知β1=137.0206/（1-0.634662）=375.05 由此，我们得到最终的粮食价格模型为 Y=375.05+0.561388Xt

根据上述方程，由粮食物件模型可知，当粮食生产成本美增加一个单位粮食物价指数增加0.561388。

六、结论分析

根据以上模型结果表明我国粮食价格有其生产成本决定，粮食价格与生产成本成正比从1990-2009年粮食价格一直在攀登，农业综合产出也对粮食价格有所影响，确保粮食价格平稳，需要控制好粮食的生产成本，当中需要政府的介入，要从科技、基础设施、制度各个方面来提高我国农业综合生产能力，保障粮食供给。国家要逐步提高对粮食种植的扶持和补贴的重视，确保农民种植粮食获取收益，这样才能鼓励农民种植粮食，才能在市场机制发挥作用的前提更好地起到宏观调控的作用。

7