粮食价格分析

1、 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

2、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粮食生产成本指数（1978=100）农业综合产出指数 (1978=100)粮食物价指数(1978=100)1990168.1157.7189.01991186.4156.6205.21992195.5160.3255.11993205.9165.2325.71994288.7163.94

3、84.41995386.5173.9651.01996450.4184.9699.81997446.2184.3644.51998448.8192.1624.51999433.0191.5602.02000425.8177.9542.42001403.9175.8550.62002424.1183.0542.92003452.4175.5554.82004412.3189.1701.82005456.1194.7711.72006465.9199.9729.52007507.6202.3776.12008794.8817.9853.82009813.8861.9814.9数据说明：粮食生产成本

4、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。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。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

5、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: YMethod: Least SquaresDate: 12/19/11 Time: 20:05Sample: 1990 2009Included observations: 20Variab

6、leCoefficientStd. Errort-StatisticProb. X11.6116140.14774410.908130.0000X2-0.6038250.122529-4.9280220.0001C47.0213743.434701.0825760.2941R-squared0.907345 Mean dependent var572.9850Adjusted R-squared0.896444 S.D. dependent var195.3643S.E. of regression62.86845 Akaike info criterion11.25745Sum square

7、d resid67191.51 Schwarz criterion11.40681Log likelihood-109.5745 F-statistic83.23783Durbin-Watson stat1.077692 Prob(F-statistic)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） =0.907345 =0.896444 F=83.23783 n=20四、检验模型1.

8、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=0.907345，修正的可决系数为=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（2，17）=6.11，由表二中得到F=83.23783 (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”，

9、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（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（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

10、，明显显著。但当显著性水平=0.01时， （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X1X2X1 1.000000 0.816506X2 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X1X2参数估计量1.0171270.487485t统计量7.8735922.507150 0.7

11、749820.2588260.7624810.217650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: YMethod: Least SquaresDate: 12/20/11 Time: 19:31Sample: 1990 2009Included observations: 20VariableCoefficientStd. Errort-StatisticProb. C147.510658.080942.5397420.0205X11.0171270.1291827

12、.8735920.0000R-squared0.774982 Mean dependent var572.9850Adjusted R-squared0.762481 S.D. dependent var195.3643S.E. of regression95.21267 Akaike info criterion12.04474Sum squared resid163178.1 Schwarz criterion12.14432Log likelihood-118.4474 F-statistic61.99345Durbin-Watson stat0.670356 Prob(F-statis

13、tic)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）=0.774982 =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-statistic3.844068 Probability0.041944Obs*R-s

14、quared6.228203 Probability0.044418Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/20/11 Time: 20:27Sample: 1990 2009Included observations: 20VariableCoefficientStd. Errort-StatisticProb. C21750.338152.2622.6680120.0162X1-76.1569635.42806-2.1496230.0463X120.0903600.0358392.52126

15、90.0220R-squared0.311410 Mean dependent var8158.907Adjusted R-squared0.230400 S.D. dependent var7492.778S.E. of regression6573.180 Akaike info criterion20.55686Sum squared resid7.35E+08 Schwarz criterion20.70622Log likelihood-202.5686 F-statistic3.844068Durbin-Watson stat1.430608 Prob(F-statistic)0.

16、041944 表六 White检验结果从表六中可以看出，=6.228203,由White检验知，在=0.01下，查分布表，得临界值(2)=9.21034,比较计算的统计量与临界值，因为=6.228203(2)= 9.21034,所以不拒绝原假设，表示模型不存在异方差。（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=0.670356=1.100, =1.537，模型中DW<,模型中存在自相关。2. 自相关问题的处理图一的残差图在EViews命令栏中得到回归方程=0.63466

17、2 从而可知=0.634662，对原模型进行广义差分，得到广义差分方程：Yt-0.634662Yt-1=1(1-0.634662)+ 2(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 SquaresDate: 12/20/11 Time: 21:32Sample(adjusted): 1991 2009Included observations: 19 after adjusting endpointsVariableCoefficientStd. Errort-StatisticPr

18、ob. C137.020631.574784.3395590.0004X1-0.634662*X1(-1)0.5613880.1585583.5405800.0025R-squared0.424426 Mean dependent var237.6237Adjusted R-squared0.390568 S.D. dependent var76.88246S.E. of regression60.01915 Akaike info criterion11.12650Sum squared resid61239.07 Schwarz criterion11.22592Log likelihood-103.7018 F-statistic12.53571Durbin-Watson stat1.278015 Prob(F-statistic)0.002513由表七可得回归方程为:Y=137.0206+0.