【《小麦最低收购价政策效果的实证分析案例》5600字】

I小麦最低收购价政策效果的实证分析案例目录TOC\o"1-3"\h\u31819小麦最低收购价政策效果的实证分析案例 1311451.1变量选取和数据来源 16258表4-1描述性统计 165581.2双重差分模型介绍 2222591.3政策实施效果实证分析 3我们国家于2006年出台了小麦最低收购价政策，但是该政策是否能够真正达到原定目标还存在一定质疑，前面文献综述已有阐述，因此本文将重点研究政策的实施效果。国家实施小麦最低收购价政策最直接、最根本的目的就是希望提高作物产量，保证并扩大粮食供应，进而保证国家粮食安全。因此评价该政策效果首先要研究实施之后是否会产生提高小麦产量的效果。根据文献综述第二部分的内容，第一个模型内选择小麦产量作为被解释变量，以政策因素，小麦播种面积，化肥使用量，农业机械总动力，受灾面积为解释变量。都说“小康不小康，关键看老乡”，政策施行的另一个主要目的便是保护农民利益，所以本小节也将从政策实施促进种粮农民增收的角度来评估效果。第二个模型将农民收入作为被解释变量，以政策因素，农业生产资料价格指数，每50公斤小麦平均出售价格，农村居民家庭人均生活消费支出，农村个体就业人数为解释变量。综上，本节将从产量和收入两个角度出发，选取小麦种植规模较大的13个省份数据作为研究对象分析小麦最低收购价政策实施效果；由于产量、收入可能受时间趋势等因素影响，拟采用双重差分模型的方法进行政策效果评估以剔除相关影响。1.1变量选取和数据来源表4-1描述性统计变量变量含义均值标准差最小值最大值y1小麦产量（万吨）819.939823.89621.803705.20y2农民人均可支配收入（元）5851.0454101.3391357.2820845.10didtime和treated交互项0.2860.45301time小麦最低收购价政策实施前后0.6190.48701treated是否实施小麦最低收购价政策0.4620.49901bozhong小麦播种面积（千公顷）1731.2481351.83171.105739.90huafei化肥使用量（万吨）259.133145.13263.20716.10jixie农业机械总动力（万千瓦）4215.0453100.626770.4013353.02shouzai受灾面积（千公顷）1902.5751180.06690.707391.00jiuye农村个体就业人数（万人）138.692129.65917.90891.80shengchanziliao农业生产资料价格指数（元）上一年=100103.0055.76991.90127.20zhichu农民家庭人均生活消费支出（元）4590.6663443.098880.6516567.00price每50公斤小麦平均出售价格（元）86.44527.62836.54161.70表4-1将本节使用的数据做出简要展示：小麦产量y1，单位万吨；农民人均可支配收入y2，单位元，需要注意的是2013年我国开始调查城乡一体化住户收支与生活状况，在此之前是以农民人均纯收入反映表示此项；小麦播种面积bozhong，单位千公顷；化肥使用量huafei，单位万吨；农业机械总动力jixie，单位万千瓦；受灾面积shouzai，单位千公顷；农村个体就业人数jiuye，单位万人；农业生产资料价格指数shengchanziliao，以上一年为100，单位元；农村居民家庭人均生活消费支出zhichu，单位元；每50公斤小麦平均出售价格price，单位元。以上1.2双重差分模型介绍任何一项新制度或政策的执行都会给经济社会带来一些列变化，这种变化可能有益，也可能存在潜在的风险或弊端。但是这些变化也并不能排除时间趋势、社会进步等内在因素的影响，判断这些变化源于新制度政策，还是自身原有变化趋势，是经济社会学界研究的问题之一。双重差分模型（DifferenceinDifference，DID）是一种可以被广泛地应用于评估政策效果的计量经济模型，将样本分为政策执行组（处理组）和非政策执行组（对照组），通过同一段时期内两者之间的对比来研究政策效果，比较同一时期实验组和对照组的差异是否随着时间的推移（即政策的实施）发生显著变化。双重差分模型引入两个虚拟变量d1，d2来更好的说明政策效果，d1代表时间上的虚拟变量，政策实施之前取d1=0，政策实施之后取d1=y=该模型对于处理组，政策实施前后的差分估计结果如下：E(Y|X,d该模型对于对照组，政策实施前后的差分估计结果如下：E(Y|X,dβ1是时间因素，对处理组和对照组作用效果相同，有相同的时间趋势，所以差分后无法剔除该项因素的干扰。而公式5-2与公式5-3作差后的结果γ，正好是剔除对两组产生相同影响的因素后得到的政策实施净效应，是差分后再差分的结果。因此，判断政策效果主要关注系数γ，如果变量系数γ1.3政策实施效果实证分析本小节应用双重差分模型围绕13个省份1998年-2018年的相关面板数据进行小麦最低收购价政策效果分析，以执行省份山东、江苏、安徽、河北、河南、湖北作为处理组，山西、内蒙古、黑龙江、四川、陕西、甘肃、新疆7个省份作为对照组。设定模型如下：模型一：研究小麦最低收购价政策对小麦产量的影响，根据科布—道格拉斯生产函数构建模型，两边同时取对数并引入虚拟变量：lnβ3公式5-4中i表示省份，t表示年份；时间的虚拟变量dit1当t<2006时选择取0值，当t≥2006时选择取1值；政策的虚拟变量dit2对不属于小麦最低收购价执行地区的七个省（对照组）选择取0值，对实施小麦最低收购价的六个省（处理组）选择取1值；dit1∗dit模型二：研究小麦最低收购价政策对农民收入的影响，根据科布—道格拉斯生产函数构建模型，两边同时取对数并引入虚拟变量：lnβ3公式5-5中i表示省份，t表示年份；时间的虚拟变量dit1当t<2006时选择取0值，当t≥2006时选择取1值；政策的虚拟变量dit2对不属于小麦最低收购价执行地区的七个省（对照组）选择取0值，对实施小麦最低收购价的六个省（处理组）选择取1值；dit1∗dit1.3.1共同趋势检验双重差分法虽然适用于政策评价，但其使用时必须以满足共同趋势假定为基本前提：政策实施前对照组和处理组需保持基本相同的变化趋势。只要两组之间指标的实际增长率差值相对稳定，就可以认定两者在政策实施前具有一致的发展趋势[5]。对本小节研究而言，就是要看小麦最低收购价政策实施前处理组和对照组产量和农民收入的变化发展是否具有相同趋势。表4-21999-2005年处理组与对照组历年实际增长率（%）年份小麦产量年实际增长率%农民收入年实际增长率%执行区非执行区执行区非执行区19990.112-0.1190.033-0.0172000-0.111-0.1640.0220.0342001-0.043-0.0660.0500.0342002-0.0540.0220.0460.0692003-0.013-0.0990.0480.07020040.0760.0380.1280.13020050.0740.0250.0990.104数据来源：国家统计局统计年鉴政策执行区和非执行区在小麦最低收购价政策实施前，即1999年至2005年，小麦产量和农民收入实际增长率如表4-2所示，其对应的年实际增长率趋势如图4-1和4-2所示，处理组与对照组之间差异并不太明显，大体上具有一致的变动趋势。在此基础上选取“是否为政策执行区”作解释变量，被解释变则分别由小麦产量年实际增长率和农民收入年实际增长率来表示，进一步分析在小麦最低收购价政策实施前对照组和处理组的年实际增长率趋势差异。表4-3和表4-4所示回归结果并不显著，这表示在小麦最低收购价政策实施前对照组与处理组的小麦产量年实际增长率和农民收入年实际增长率的趋势差异并不明显，再次对共同趋势假设进行了验证。数据来源：国家统计局统计年鉴图4-1处理组与对照组小麦产量增长率走势图数据来源：国家统计局统计年鉴图4-2处理组与对照组农民收入增长率走势图表4-3：实际小麦产量增长率趋势回归rate1Coef.St.Err.t-valuep-value[95%ConfInterval]Sigd20.0580.0441.320.210-0.0370.153Constant-0.0520.031-1.680.118-0.1190.015Meandependentvar-0.023SDdependentvar0.084R-squared0.128Numberofobs11.000F-test1.754Prob>F0.210Akaikecrit.(AIC)-28.620Bayesiancrit.(BIC)-27.342注：***、**、*分别表示在1%、5%、10%的统计水平上显著。表4-4：实际农民收入增长率趋势回归rate2Coef.St.Err.t-valuep-value[95%ConfInterval]Sigd20.0000.0230.010.990-0.0510.051Constant0.0610.0173.660.0030.0240.097***Meandependentvar0.061SDdependentvar0.042R-squared0.000Numberofobs11.000F-test0.000Prob>F0.990Akaikecrit.(AIC)-45.999Bayesiancrit.(BIC)-41.721注：***、**、*分别表示在1%、5%、10%的统计水平上显著。1.3.2数据平稳性检验从表4-5单位根检验结果来看，原假设被lny1、lny2、lnbozhong、lnshouzai、lnshengchanziliao、lnprice、lnzhichu和lnjiuye的检测指标在0.01显著性水平上拒绝，lnjixie的检验指标在0.05显著性水平上拒绝原假设；这些变量都达到了一阶平稳，不存在单位根。lnhuafei变量非平稳，对lnhuafei进行一阶差分后能够在0.01显著性水平上拒绝原假设，不存在单位根。对于模型一而言，因为变量个数有5个，明显超过2个，且小麦产量lny1作为被解释变量其单整阶数不高于任何一个解释变量的单整阶数，可以进行协整检验。表4-6的kao协整检验汇报了5种不同的检验统计量，其对应的P值有三项小于0.01，“不存在协整关系”的原假设可在1%检验水平上被拒绝，有两项的P值大于0.1。为了加强证明，进一步用pedroni协整检验方法，表4-7中ADF统计数据对应的P值0.0000，能够通过1%显著水平上的检验。综合以上两种方法的结果，可以表明模型一各个变量间存在协整关系。表4-5：单位根检验结果variateStatisticp-valuelny1Unadjustedt-11.5655Adjustedt*-2.94020.0016lny2Unadjustedt-8.7629Adjustedt*-2.79190.0026lnbozhongUnadjustedt-11.8164Adjustedt*-1.11050.0000lnhuafeiUnadjustedt-8.6196Adjustedt*-0.05980.4761D.lnhuafeiUnadjustedt-10.1300Adjustedt*-3.85040.0001lnjixieUnadjustedt-7.2068Adjustedt*-2.05680.0199lnshouzaiUnadjustedt-12.6252Adjustedt*-3.91730.0000lnshengchanziliaoUnadjustedt-11.8153Adjustedt*-6.86830.0000lnpriceUnadjustedt-12.5671Adjustedt*-3.77550.0001lnzhichuUnadjustedt-8.5104Adjustedt*-2.61760.0044lnjiuyeUnadjustedt-10.0642Adjustedt*-1.03010.0000表4-6模型一kao协整检验variateStatisticp-valueModifiedDickey-Fullert-0.94420.1725Dickey-Fullert-2.43700.0074AugmentedDickey-Fullert0.03180.4873UnadjustedmodifiedDickey-Fullert-9.60310.0000UnadjustedDickey-Fullert-6.59310.0000表4-7模型一pedroni协整检验variateStatisticp-valueModifiedPhillips-Perront1.01620.1548Phillips-Perront-6.34490.0000AugmentedDickey-Fullert-5.63650.0000模型二中5个变量都是同阶单整，可以进行协整检验。表4-8kao协整检验汇报了5种不同的检验统计量，其对应的P值均小于0.01，“不存在协整关系”的原假设可在1%检验水平上被强烈拒绝。为了加强证明进一步用pedroni协整检验方法，表4-9中ADF统计量对应的P值0.0012，在1%显著水平上能够通过检验。综合以上两种方法的结果可以表明模型二的各个变量间也有着协整关系。经由单位根和协整检验，可以判定两个模型的数据具备平稳性，可以构建面板数据模型进行后续的实证分析。表4-8模型二kao协整检验variateStatisticp-valueModifiedDickey-Fullert-6.71980.0000Dickey-Fullert-5.20070.0000AugmentedDickey-Fullert-2.13020.0166UnadjustedmodifiedDickey-Fullert-6.96650.0000UnadjustedDickey-Fullert-5.25660.0000表4-9模型二pedroni协整检验variateStatisticp-valueModifiedPhillips-Perront1.76330.0389Phillips-Perront-3.66910.0001AugmentedDickey-Fullert-3.03120.00121.3.3实证结果及分析模型一：豪斯曼检验中的卡方统计量为8.05，P值0.1538，不能够拒绝原本的假设，应选择随机效应，对模型一回归后结果如表4-10。虚拟变量交叉项dit1∗dit2的系数γ在模型一的双重差分回归结果中显示为正，P值0.009能够拒绝γ=双重差分回归后R2表4-10模型一回归结果lny1Coef.St.Err.t-valuep-value[95%ConfInterval]Sigtime0.0580.0292.000.0460.0010.115**did0.0920.0352.630.0090.0230.160***lnbozhong0.9980.03033.840.0000.9401.056***lnhuafei0.0710.0780.910.363-0.0820.224lnjixie0.0670.0621.090.277-0.0540.189lnshouzai-0.0740.017-1.210.000-0.108-0.039***Constant-1.3620.576-2.360.018-2.490-0.233**Meandependentvar6.226SDdependentvar1.032Overallr-squared0.973Numberofobs273.000Chi-square5123.491Prob>chi20.000R-squaredwithin0.877R-squaredbetween0.981注：***p<0.01,**p<0.05,*p<0.1。模型二：豪斯曼检验得到的卡方统计量为7.47，P值0.1880大于0.1，无法拒绝原本的假设，应选择随机效应，对模型二回归后结果如表4-11。虚拟变量交叉项dit1∗dit2的系数γ在模型二的双重差分回归结果中显示为正，P值0.914无法拒绝γ=双重差分回归后R2为0.970，卡方统计量为4381.614，P值为0.0000，模型二是具有较好拟合效果的多元回归分析模型。其中，农村居民家庭人均生活消费支出和每50公斤小麦平均出售价格给农民收入带来显著正向影响，农村居民家庭人均生活消费支出每增加1%，农民收入增长0