我国稻谷市场整合测度及非对称价格传导机制研究

陈 飞，王 娟

（东北财经大学 数学与数量经济学院；经济计量与预测研究中心，大连 116025）

0 引言

改革开放以来，在农业几次大规模战略性结构调整背景下，我国粮食生产的空间布局发生了根本性变化，主要粮食作物的生产开始由劣势产区向优势产区转移，并由分散生产模式向区域集中生产模式转变。一方面，粮食生产的区域集中有利于发挥区域资源整合优势、自然地理条件优势和技术进步优势，并提高国家整体粮食生产能力。另一方面，主产区和主销区间粮食供需不平衡容易引发区域粮食价格的高频率、大幅度波动，进而导致整体经济效率和农民收入损失。逐步消除粮食市场的地方割据、建立全国统一的粮食市场体系，是解决这一矛盾的基础和前提。因此，现阶段测度我国粮食市场整合程度、市场间价格传导机制，并分析市场整合的影响因素，能够为政府制定政策完善粮食市场体系提供经验和理论支持，具有重要现实意义。

随着我国粮食生产的区域集中不断加强，以及粮食市场体系的快速发展，区域粮食市场间的价格传导过程更为复杂多变。因此，有必要对现阶段我国粮食市场的空间整合程度，以及整合市场间的价格传导机制进行更为细致的检验和描述。

1 市场整合与非对称价格响应机制研究的理论框架

市场整合测定主要是通过考察市场价格变动关系来进行的，其研究方法大致分为四种：相关分析法、Ravallion模型法、协整分析法和对等边界模型法。本文以协整分析方法为基础，并考虑到市场价格对冲击响应的非对称特征，利用Enders and Siklos（2001）提出的门限自回归模型，构建稻谷市场整合测度以及非对称价格传导机制研究的理论框架[1]。

1.1 测度市场整合的协整分析方法

协整分析方法建立在一价定律基础之上。该理论假设如果市场是整合的，那么两个市场间的价格差就等于两市场间的交易成本。一个市场的价格变化将在一对一的基础上向另一个市场传播，经过一段调整过程后，两个市场价格序列会趋于长期均衡关系。利用方程（1）描述两市场价格序列间的影响关系：

其中，Pt为进口地区商品价格，为出口地区商品价格，系数π0为交易成本，π1用来衡量价格传递效应，且0＜π1＜1，ut为扰动项。如果方程（1）满足下列条件：①序列Pt和同阶单整；②基于方程（1）估计的残差序列平稳。则该模型描述了两变量之间的一种“长期均衡”关系，即两市场是整合的。上述检验方法称为扩展的Engle和Granger检验（简记为AEG检验）。

但实际经济数据一般是由“非均衡过程”组成，需要利用数据的动态非均衡过程来逼近长期均衡关系。建立误差修正模型（ECM），描述价格偏离向长期均衡关系的趋同过程。

其中，ΔPt和分别是Pt和的一阶差分，m和n为滞后阶数，εt-1为方程（1）的残差序列滞后值，称为误差修正项。如果两市场间价格序列是协整的，那么εt-1的系数（称为调整系数）为负且统计显著。调整系数α1的绝对值越大，价格偏差向长期均衡的调整速度越快。然而，这种调整过程是建立在价格调整机制为线性与对称性假设基础之上的，存在很多因素会造成市场价格调整过程的非对称性。

1.2 基于价格非对称响应的协整分析模型

本文采用Balke and Fomby（1997）提出的两阶段方法来描述两市场间价格序列的影响机制[2]。首先，基于市场价格传导机制的线性和对称性假设，利用Engle and Granger（1987）协整分析方法构建市场间价格序列的长期协整关系，给出两市场间是否具有整合关系的检验结果[3]。然后，再假定价格之间存在非对称冲击响应，并利用Enders and Siklos（2001）方法进一步验证两市场间价格的非对称冲击响应机制。

与对称协整检验模型不同，Enders and Siklos（2001）提出的门限自回归（TAR）模型可用于非对称调整过程检验。TAR模型根据变量值大于或小于门限值（s），允许该变量显示出不同情况的变化。模型的规范形式由式（3）和式（4）共同给出：

其中，εt为式（1）中的残差序列，It为如下形式的示性函数：

其中，s为门限值，ηt为独立同分布的扰动项。式（3）和（4）的设定是假设价格调整速度取决于上期价格偏差与门限值的大小关系。若εt-1≥s，称为正价格偏差，表示进口地区价格高于由门限值所确定的长期均衡值，价格调整速度为ρ1。若εt-1＜s，称为正价格偏差，表示进口地区价格低于长期均衡值，价格调整速度为ρ2。

另外，方程（3）中的扰动项ηt可能不是白噪声，为保证其近似于白噪声，Enders和Siklos在该方程中加入了Δεt的滞后项，方程（3）可改写为：

其中，p为自回归模型的滞后阶数。方程（5）能够保证扰动项ηt不存在序列相关。

加入非对称价格调整机制，则式（2）所示的误差修正模型可改写为：

根据门限值的取值不同，本文分两种情况讨论TAR模型的估计问题。情况1：门限值等于零；情况2：门限值未知，其值由模型内生确定。

情况1：s=0

非对称协整检验的基本步骤可表述为：第一，估计方程（1），并获得残差序列εt。第二，设定示性函数（4）中的s=0，并估计方程（3）。第三，构造检验统计量，分别为零假设：ρ1=0以及零假设：ρ2=0所对应的t-统计量，记两者中较大的为t-Max，较小的为t-Min1；联合检验：ρ1=ρ2=0所对应的F-统计量。第四，将t-Max和F值分别与各自的临界值进行比较，如果t-Max统计量值小于其临界值，或者F值大于其临界值，表明存在非对称协整关系。需要注意的是，只有当ρ1和ρ2的系数均为负时，模型才是收敛的。根据Enders和Siklos的研究，当模型收敛时F-统计量的检验效果要优于t-Max统计量。最后，对残差进行自相关诊断检验，以确定εt的设定是否合理，如果残差是自相关的，需要进一步估计方程（5）。

情况2：s未知

在实际应用中，直接设定门限值s=0可能会导致模型设定误差，因此需要连同ρ1和ρ2一起估计门限值s。Chan（1993）给出了一种门限值估计方法，简单来说，就是利用使得模型（3）的误差平方和最小的那个特定残差值εt作为门限值[4]。其具体过程可表述为，首先估计方程（1），将得到的残差序列{εt}从小到大排列，并去掉最低和最高的15%个残差。其次，假设剩余的70%个残差都是可能的门限值s，针对每一个残差分别估计方程（3），并获得其误差平方和，共获得70%样本数量的误差平方和。然后取使得误差平方和最小的残差值εt为门限值。在得到门限值后，分析t-Max和F-统计量的过程与情况1相同。

2 我国稻谷市场整合程度及变动特征分析

2.1 基于变异系数测度稻谷市场整合

描述市场整合程度的一种直观方法是计算市场价格变异系数，该系数可用来衡量市场间价格的分散程度。变异系数的值越大表明市场整合程度越弱，反之，变异系数值的越小表明市场整合程度越强。其计算方法是用不同市场价格的标准差除以各个市场的平均价格，如果所有市场上的稻谷价格相同，标准差为零，那么变异系数值也为零，此时市场是完全整合的。考虑到数据的可获得性及研究结果的代表性，本文选取20个省份市场作为研究对象，其中包括12个粮食主产区：河南、江苏、江西、湖北、四川、安徽、黑龙江、吉林、辽宁、河南、山东和河北；4个粮食的主销区：广东、浙江、福建和海南；以及4个与粮食主产区地理位置临近省份：广西、云南、贵州和陕西。我国稻谷市场价格变异系数的变动特征由图1给出。

图1 我国稻谷市场价格变异系数

总的来看，稻谷市场价格变异系数值呈现出持续下降的变动趋势，表明随着经济体制改革和粮食市场体系的不断完善，我国稻谷市场整合程度在逐渐增强。全部变动过程大致可以划分为三个阶段：第一阶段（1987～1991年）稻谷市场整合程度弱，价格变异系数均值约为0.228。在此阶段，粮食经营多数由国营部门所垄断，多渠道经营部分刚刚开始起步，再加上地区封锁和不利的交通运输环境，导致稻谷的区域流动性差，各地区市场间稻谷价格的差异较大。第二阶段（1992～2003年）稻谷市场整合程度有所增强，价格变异系数的平均值约为0.127。上世纪90年代初，在郑州开办第一个中央粮食批发市场以来，安徽、江西、湖北、吉林和黑龙江等粮食主产省的地方政府，也大体按照郑州粮食批发市场的模式结合本地情况建立大米或粮油批发市场。这对打破地区间封锁，完善市场运行机制，搞活粮食流通，发挥宏观调控职能，稳定粮食市场价格起到了积极推动作用。第三阶段（2004～2012年）稻谷市场整合程度明显增强，价格变异系数均值进一步下降到0.085。这一方面归因于我国粮食市场体系的完善和政府调控，另一方面也归因于我国粮食物流设施建设取得了较大成绩，主要包括粮食物流网络建设、粮食运输方式改进及粮食物流信息技术发展。

随着各地区市场间稻谷价格波动趋于稳定，价格变异系数将逐渐降低，这作为市场整合程度提高的一个标志是极具吸引力的一种解释。然而Ravallion（1986）指出，如果不同市场价格是由独立同分布的过程生成，那么仅从这种结果中无法推断出各市场间是否真正具有内在联系[5]。因此，价格变异系数仅为我们提供了稻谷市场整合的概略性描述，为有效验证我国稻谷市场的整合程度，还需要单独分析两两市场间的价格变动规律。

2.2 基于协整分析法测度稻谷市场整合

为保证结果的稳健性，本文进一步利用式（1）给出的AEG协整检验方法，对我国20个省份稻谷市场的整合情况及变动特征进行研究。结合3.1节的分析结果，将整个样本期间划分为三个不同阶段：1987～1991年、1992～2003年、2004～2012年。针对每一个样本期间，分别以我国12个粮食主产省份为中心市场，通过考察中心市场稻谷价格变动对其他市场价格的影响，进而给出两市场是否存在长期协整关系（市场整合）的检验结果，共进行12×19=228组市场间的协整关系检验。三个样本期间，则需要进行228×3=684组协整关系检验。

表1 不同样本期内与中心市场整合的市场个数（显著性水平为5%）

表1中协整检验的汇总结果显示，我国稻谷市场的整合程度在稳步上升。其中，1987～1991年期间，整合的市场组数为56，约占市场组总数的24.6%；到1992～2003年期间，整合市场组的个数上升到88，约占总数的38.6%；2004～2012年期间，我国稻谷市场整合程度快速上升，整合市场组的个数增加到171，占市场组总数的3/4左右。上述结果与基于变异系数方法测度的稻谷市场整合情况相符。观察每个中心市场和其他市场的整合情况，发现其变动特征与全国总的变动趋势基本一致（除江苏在1992～2003年间，与其他市场的整合程度变弱）。另外，辽宁、山东、河北三省与其他市场间的整合程度提高较快，这可能与三省为沿海省份有关，海上运输在一定程度上增强其运输能力，从而加强了辽宁、山东、河北三省与其他省份间的贸易联系。

3 整合市场间的非对称价格响应机制研究

为更为细致地分析整合市场的非对称价格响应机制，本文选取稻谷产量最高省份（湖南）1作为中心市场。地方市场的选择依据三条标准：一是粮食主销区，二是经济发达省份，三是距离湖南省地理位置较近。符合条件的地方市场包括广东、福建、浙江和海南四省份。因此，本节的主要工作是考察湖南省稻谷市场价格波动对广东、福建、浙江和海南稻谷价格变动的影响机制。

3.1 长期协整关系检验

为研究中心市场（湖南）对地方市场（广东、福建、浙江和海南）的价格影响机制，需要先考察两市场间稻谷价格序列是否具有协整关系。ADF单位根检验结果显示湖南、广东、福建、浙江和海南稻谷价格序列均为一阶单整序列。进一步基于AEG协整检验和Johansen协整检验，考察四对市场之间稻谷价格序列的长期协整关系。协整检验结果由表2给出。

表2 四对市场稻谷价格关系的协整检验结果（1987～2012年）

表2中的协整检验结果显示，在四对市场之中有三对市场（湖南和广东、湖南和福建、湖南和浙江）的稻谷价格序列间存在长期稳定的协整关系，而湖南和海南两市场间价格序列的长期协整关系并不稳定（虽然λ-max统计量是统计显著的，但迹统计量和AEG协整统计量并不显著）。总的来看，我国区域稻谷市场整合程度较高，尤其对于地理位置邻近区域的情况更是如此，当中心市场价格变动时会导致地方市场价格基本同步变动。湖南和海南两市场间价格序列协整关系不稳定的原因可能是，湖南向海南跨省出口稻谷，需要使用铁路和海路联运方式，而我国海上运输发展较慢，海运比例偏低且运输成本高，是制约两省运输数量的主要“瓶颈”。

3.2 对称价格响应机制

对于具有长期协整关系的三对市场（湖南和广东、湖南和福建、湖南和浙江），本文进一步建立对称形式的误差修正模型，分析中心市场价格波动对地方市场价格变动的长期影响和短期冲击。基于式（1）和式（2），三对市场间价格序列影响的长期方程和短期方程由表3给出。

表3 三对市场稻谷价格影响关系的长期方程和短期方程

在表3中，模型（1）用来描述湖南稻谷市场价格变动对广东稻谷市场价格变动的长期和短期影响，模型（2）用来描述湖南和福建市场间的价格影响关系，模型（3）用来描述湖南和浙江市场间的价格影响关系。比较三个长期方程，我们发现湖南和浙江市场间的交易成本（π0对应的系数）明显偏高5.050；两市场整合程度相对较弱，价格传递系数为0.582，表示湖南稻谷市场价格增加1个单位会引起浙江稻谷价格增加0.582个单位。观察三个短期方程，发现各方程的调整系数（εt-1的系数）均为负且统计显著，表明当外部冲击引起价格偏离长期均衡水平时，交易商会做出响应，以使得价格回归长期均衡值。另外，中心市场同期价格波动（）对地方市场价格波动具有显著正向影响，但滞后项系数多数统计不显著，说明价格波动不存在滞后传递效应。

3.3 非对称价格响应机制

表3中的结果显示湖南与广东、福建及浙江三地方市场间价格序列存在长期协整关系，但上述结论建立在假设价格调整机制是对称线性的。而最近的研究发现（Issa and Mahamane，2010），经典对称协整模型在很多情况下并不适用。由于价格变化对需求和供给的反应可能是不对称的，价格接受地区的价格变动也可能会与价格来源地区有所不同，尤其是存在外部干扰因素的情况下，比如不完全竞争、库存积累和菜单成本等。因此，本文进一步假设价格调整机制是非对称的，利用门限自回归模型（TAR）分为两种情况讨论：门限值为零与门限值未知。考虑到非对称检验模型（3）中可能存在残差自相关问题，估计由式（5）给出的门限自回归模型，结果由表4给出。

表4中的结果显示，当设定门限值s=0时，三个模型的正负价格调整系数ρ1和ρ2均为负且统计显著，表明三个模型均收敛。此时，利用原假设H0:ρ1=ρ2=0对应的F统计量检验两市场间是否存在协整关系。模型（a）对应的F统计量值为9.128，在1%显著水平下大于临界值，模型（b）的F统计量值为5.382，在1%水平下大于临界值，模型（c）的F统计量值为4.525，在5%水平下大于临界值，表明三对市场价格序列间均存在长期协整关系。原假设H0:ρ1=ρ2用来检验正负价格调整系数ρ1和ρ2是否相同，其检验统计量用Φ来表示。模型（a）的Φ统计量值为3.730，在10%水平下拒绝原假设，表明广东市场对正负价格冲击的调整速度显著不同，其中，正负价格偏差调整系数分别为ρ1=-0.284和ρ2=-0.561。由于ρ1的绝对值要小于ρ2的绝对值，表明当广东稻谷市场价格高于均衡价格时（即存在正的价格偏差），价格向均衡价格调整的速度较慢；而但市场价格低于均衡价格时，价格向均衡价格调整的速度较快。模型（b）的Φ统计量为0.224，不能拒绝原假设，表明福建市场对正负价格冲击的调整速度无显著差异。同样，模型（c）的Φ统计量值为0.115，无法拒绝原假设，表明浙江市场对正负价格冲击的调整速度亦无差异。

表4 三对市场稻谷价格关系的Siklos&Enders非对称协整检验结果

当设定门限值s未知时，首先需要利用AIC值确定合理门限值，三个模型所对应的门限值分别为6.127、3.258和12.263，然后在此门限值下重新估计方程（5）。对于模型（a）而言，正负价格调整系数均为负且统计显著，且原假设H0:ρ1=ρ2=0对应的F统计量值为14.640，在1%显著水平下大于临界值，表明这湖南与广东市场价格序列间存在长期协整关系。Φ统计量值为13.303，在1%水平下拒绝原假设，即正负价格偏差调整速度显著不同。虽然对于s=0和s未知两种情况均显示广东对湖南市场价格冲击存在非对称价格调整机制，但根据AIC信息量最小原则，更倾向于选择s=6.127门限值情况下的非对称协整模型。并且，s=6.127时的正价格调整系数（ρ1=-0.050）绝对值要低于s=0时的正价格调整系数绝对值，而负价格调整系数（ρ2=-0.607）绝对值要高于s=0时的负价格调整系数绝对值。对于模型（b），正负价格调整系数均为负且统计显著，原假设H0:ρ1=ρ2=0对应的F统计量值为7.634，在1%水平下大于临界值，Φ统计量值为4.302，在5%水平下拒绝原假设，表明当设定s=3.258时正负价格偏差调整速度显著不同，即福建市场存在非对称价格调整机制。对于模型（c），由于Φ统计量为0.606，无法拒绝正负价格调整速度相同的原假设。因此，即使当设定门限值未知时，浙江市场仍显示出对称价格调整机制。

综合考虑本文的实证结果，发现我国东南部地区稻谷市场（中心市场为湖南，地方市场包括广东、福建、浙江和海南）的价格影响机制呈现多种模式：①湖南与海南市场稻谷价格序列不存在长期协整关系，而湖南与广东、福建、浙江市场价格序列存在长期协整关系；②浙江对湖南市场价格冲击呈现出对称价格调整机制；③广东对湖南市场价格冲击呈现明显的非对称价格调整机制；④福建对湖南市场价格冲击也呈现出非对称价格调整机制，但只有当地方市场价格高于均衡价格一定水平时（s=3.258），这种非对称影响机制才能够显现出来。⑤对于存在非对称价格调整机制市场，正价格偏差调整速度要明显慢于负价格偏差调整速度，说明地方市场力量更倾向于保持粮价在高位运行。总的来说，我国区域稻谷市场整合程度在快速提高，但仍然存在许多因素导致地方市场价格波动与中心市场并不一致。这对于稳定粮食价格、正确形成粮价预期、促进粮食市场发育、提高市场运行效率乃至保障国家粮食安全均具有显著的不利影响。

4 结论

本文基于协整检验理论和门限自回归模型，利用1987～2012年省份稻谷价格季度数据研究我国稻谷市场的空间整合模式。实证结果表明，在整个样本期内我国稻谷市场的空间整合程度正在不断增强，2004～2012年间整合市场组数达到全部市场组的3/4左右。但由于受市场力量、运输能力等因素影响，中心市场价格波动对地方市场价格变动的影响呈现多种模式：第一，市场整合程度弱，两市场价格序列间的协整关系不稳定（如湖南与海南市场）；第二，市场整合程度较强，两市场价格序列间存在协整关系以及非对称价格传导机制（如湖南与广东市场）；第三，市场整合程度强，两市场价格序列间存在协整关系与对称价格传导机制（如湖南与浙江市场）。另外，非对称协整检验结果显示，市场对负价格偏差调整速度要明显快于正价格偏差调整速度。即当稻谷价格较低时，进口地区市场力量会尽快地提高价格；而当价格较高时，市场力量会保持稻谷价格在高位运行一段时期，以追求更多的利润，然后再缓慢向均衡价格调整。

[1]Enders W，Siklos P L.Cointegration and Threshold Adjustment[J].Journal of Business and Economic Statistics,2001,19(2).

[2]Balke N S,Fomby T B.Threshold Cointegration[J].International Economic Review,1997,(38).

[3]Engle R F,Granger C W J.Cointegration and Error Correction:Representation,Estimation,and Testing[J].Econometrica,1987,(55).

[4]Chan K S.Consistency and Limiting Distribution of the Least Squares Estimator of a Threshold Autoregressive Model[J].The Annals of Statistics,1993,（21）.

[5]Ravallion M.Testing Market Integration[J].American Journal of Agricultural Economics,1986,（68）.