我国农业生产成本与农产品价格的内生性分析——基于PVAR 模型

孔维升，麻吉亮，薛桂霞

(中国农业科学院农业经济与发展研究所，北京 100081)

近年来，随着国民经济的快速发展，我国农产品市场价格长期上涨趋势明显，国内外农产品价格倒挂，受到社会各界普遍关注。从2003—2013年，我国多数农产品生产者价格均上涨超过1 倍，例如，与2003年相比，2013年玉米、小麦、生猪、豆类、等主要农产品生产者价格涨幅分别为127.0%、112.4%、105.1%和95.5%，10年间大多数农产品生产者价格均上涨超过1 倍。同时，生产资料价格也持续高涨，其中农药、种子、饲料、化肥等主要农业生产资料价格涨幅分别为89.1%、79.8%、64.4%和29.2%。由于农产品是居民最基本的生存必需品，其价格上涨与人们的生活成本息息相关，并且农产品价格是百价之基，其上涨会推动物价整体上涨进而引发通货膨胀，所以农产品价格和农业生产成本的加速上涨受到学术界及政府的高度关注。

关于农产品价格上涨的原因国内外学者做了大量研究，Trostle［1］认为，农产品价格的上涨原因十分复杂，往往是多种原因共同作用的结果，除了人口结构、消费偏好、成本变动等影响供求的传统因素外，也包含了投机和金融化等新兴因素。需求方面，Timmer［2］认为，随着中国和印度等发展中国家经济的快速增长与人均收入水平的提高，人们对食物的需求结构出现变化，对动物性蛋白需求的增加导致对饲料需求的增加，进而导致农产品价格出现上涨趋势。李国祥［3］根据Bennett 定律也提出，我国经济的发展和城乡居民收入的增长对食用油、猪肉和奶类产品价格存在明显拉动作用。供给方面，主流学者认为，劳动生产率和生产成本的变动是推动农产品价格上涨的中长期因素［4，5］。石敏俊［6］利用投入产出价格影响局部闭模型分析认为，能源价格、农业生产资料成本和劳动力成本的变动可以解释我国农产品市场价格的上涨。此外，研究者还从气候变化、国际农产品价格传导、货币供给、汇率变动［7-11］和农产品金融化等因素入手对我国农产品价格上涨进行研究［12-17］。

现有研究对我国农产品市场价格上涨和波动问题提供了较为全面的解释，但很少有学者从农产品市场价格和农业生产成本的内生关系角度研究我国农产品市场价格的变动问题。随着我国经济结构的转变，农产品价格的长期上涨很大程度上取决于劳动力成本和生产资料成本的上涨。已有的分析通常假定劳动力成本、生产资料价格和农产品价格之间并不存在内生关系，即在研究农产品价格决定问题时都假定劳动力成本和生产资料价格是外生给定的。另外，从数据角度看，研究通常使用的是全国层面的月度或季度价格数据，使用这类数据的局限性在于无法控制各地区间的个体效应，并且还可能因为存在季节效应导致模型估计和检验结果的严重偏误［18，19］。

本文基于前人的研究成果，借鉴新凯恩斯主义理论设计实证模型，利用面板向量自回归 (Panel VAR，PVAR)模型，主要利用2003—2013年省级层面的面板数据分析劳动力成本、生产资料成本和农产品价格三者之间的动态关系，PVAR 模型继承了传统VAR 模型的优良特点，又克服了VAR 模型对数据量的限制和空间个体的异质性影响。由于我国农产品市场化改革于2004年才基本完成，可供研究的数据时间长度较短，传统VAR 模型无法保证在稳态下准确估计滞后项的参数，而PVAR 模型则可以有效地避免时间序列长度带来的问题。另外，由于我国幅员辽阔，各地区农耕文化、自然资源禀赋、气候条件以及人们的消费习惯和偏好都不相同，通过PVAR 模型能够控制由于区域变动造成的不可观测的个体异质性，使模型估计结果更加准确和可靠［20］。

1 模型、方法与数据

1.1 模型构建

按照凯恩斯主义者的观点，生产成本、价格和劳动力报酬之间存在“螺旋式”推动关系，即生产成本上涨会推高价格水平和劳动者的生活成本，进而提高他们的劳动报酬，而劳动报酬的上涨会进一步推动价格水平的上涨，这些因素之间存在内生决定关系。具体到农业生产方面，生产成本、价格和劳动力报酬之间存在“螺旋式”推动关系同样存在:当农业生产资料价格上升推动了农产品价格上涨，则会导致农民生活成本提高，农民收入需求上升，而农民收入需求作为农业生产的劳动力成本，其升高会进一步推动农产品价格进一步提高。另外，根据理性预期理论，农户的生产决策除了受到当期生产资料价格和劳动力成本的影响，还受到过去期农产品价格、生产资料价格和劳动力成本的影响，因此农户在进行生产决策是一个动态的过程。基于此，本文在Love 和Zicchino［21］基础上构建PVAR 模型如(1)式:

(1)式中，i 代表不同省、t 表示时间、pit表示i 省第t年度的农产品价格、模型中的变量pcit表示i 省第t年度生产资料成本、inc_ pproit表示i 省第t年度劳动力成本。

使用PVAR 模型时，不必基于传统VAR 模型中每一单位截面结构相同的假定，可以在模型设定中加入固定效应来控制空间个体异质性。此外，由于固定效应和其余变量的滞后因变量之间可能存在相关性，采用传统固定效应模型组内均值差分的估计方法会带来估计偏误［22］。为了防止这种问题的出现，本文采用“Helmert变换”方法，即每个变量减去其未来样本均值的方法消除固定效应，以保持变换后变量与滞后解释变量之间的正交关系，以便于在GMM 估计中以滞后解释变量作为工具变量［21，23，24］。

1.2 数据来源及处理

本文使用的是从2003—2013年的省级年度面板数据，数据主要来源于国家统计局和《中国统计年鉴》。由于北京、上海、天津、重庆和西藏数据缺失未能包含在样本中进行分析。从具体指标来看，农产品价格(pit)主要以农产品生产价格指数衡量，该指数可以客观反映全国农产品生产价格水平和结构变动情况，一方面避免了农产品价格在垂直传递上市场势力带来的影响，另一方面可以防止流通过程中投机行为等短期因素对农产品价格的影响，客观反映农产品价格的长期变动趋势。农产品生产价格指数均以2003年为基期处理。生产资料成本pcit以农业生产资料价格指数衡量，反映一定时期内农业生产资料价格变动趋势和程度，也是以2003年为基期进行调整。劳动力成本inc_ pproit的衡量则参考张明［5］的研究，以农村居民家庭人均家庭经营纯收入作为衡量指标，并利用各省历年CPI 对名义值进行了冲减，以消除通货膨胀的影响。

2 实证结果与分析

2.1 数据平稳性检验

为了避免伪回归，在进行模型估计之前应该对数据进行平稳性检验，分别使用Levin-Lin-Chu 检验和Harris-Tzavalis 检验对数据进行了单位根检验，。从Levin-Lin-Chu 检验的t 值和Harris-Tzavalis 检验的Z 值可知，零阶的农产品价格、生产资料成本、劳动力成本显著地拒绝了存在单位根的原假设，说明本文使用的数据是零阶平稳的，可以进一步进行面板VAR 模型的估计(表1)。

表1 变量平稳性检验

2.2 PVAR 模型的估计

在进行面板VAR 估计时，需对因变量和自变量的滞后期进行选择。在计量经济学中，PVAR 模型滞后项选择主要有AIC、BIC 和HQIC 三种，本文主要采用Love［21］提供的STATA 软件程序PVAR，反复比较后选择了滞后二阶的PVAR 模型。参数估计时先通过Helmert变换消除固定效应，然后以滞后项作为工具变量，通过广义矩估计(GMM)进行参数估计。滞后二阶的PVAR模型参数估计结果如表2。

表2 PVAR 估计结果

由表2 回归结果可以看出，当农产品生产价格作为依赖变量时，农业生产资料成本和农业劳动力成本的上升对农产品生产价格存在显著影响，其中滞后一期的劳动力成本对价格的冲击作用显著为正，并且作用较为明显估计系数为3.253 7。生产资料价格滞后两期时会对当期农产品生产价格存在显著正向冲击。值得注意的是，滞后两期的劳动力成本上升对当期农产品生产者价格估计结果显著为负(－2.795 3)，这一估计结果与罗超平［25］结果一致，其原因主要是农产品价格具有典型的发散型蛛网运动特征。以生产资料价格为依赖变量时可以看出，劳动力成本的上升并不会显著影响生产资料价格。相应地，以劳动力成本作为依赖变量时生产资料价格滞后一期和二期的变动却对当期劳动力成本存在显著正向推动作用。原因可能是，当生产资料价格上涨时，我国政府不断加强调控，并对生产者采取生产资料补贴，以至于使得生产资料价格的上涨并不会显著推动劳动力成本的上涨。

2.3 正交化脉冲反应函数估计

PVAR 模型的参数估计仅反映变量之间的局部关系，通过脉冲反应函数可以更加直观得考察一个变量一标准差的变化对其他变量当期和未来期的影响轨迹。本文通过蒙特卡罗(Monte Carlo)模拟1 000 次得到5%～95%的置信区间。附图中的中间线条为IRF 点估计值序列，上下两条线分别表示5%和95%置信区间的上下界。

附图 滞后二阶冲反应函数

通过脉冲响应图分析发现，面对于生产资料价格的一个正交化冲击，农产品价格在同期和滞后期会表现出正向的响应，但是这种影响趋势逐渐减弱，其滞后6 期的累积响应显著为正，这也表明生产资料成本是农产品价格形成因素中的重要组成部分，并且由生产资料成本带来的价格冲击影响时间较长。根据劳动力成变动一个标准差时对价格的影响冲击反应图来看，与生产资料成本类似，劳动力成本的一个正向冲击也会给农产品价格带来正的冲击，并且其影响程度也会随着时间的延续而减弱。另外，农产品价格水平正向冲击一个标准差时对生产资料价格和劳动力成本也存在正向冲击效应，不同之处在于，农产品价格水平对于当期生产成本价格的冲击作用并不显著，其作用在滞后2 期以后才开始存在显著冲击。而农产品价格水平对于生产者收入的冲击则主要出现在当期和滞后一期，而随后的冲击作用并不显著异于零。通过脉冲反应函数的分析基本可以发现，成本上升是农产品价格上涨的重要因素，而农产品价格的上涨也会在一定程度上推动生产成本的正向变动。

3 结论和政策建议

本文利用2003—2013年省际面板数据的面板向量自回归模型，对我国农产品市场价格及农业生产资料成本和劳动力成本之间的内生关系进行实证分析，结果表明，农产品市场价格的上涨的确与农业生产成本的上升之间存在相关性，同时农产品价格变动也会反过来影响农业生产的成本，并且农产品市场价格、劳动力成本和生产资料成本三个变量之间的影响存在显著的滞后效应。这三个变量之间相互影响、相互作用，既可以互为自变量，也可以互为因变量，具有明显的内生关系。同时，PVAR 模型估计结果以及脉冲响应函数分析也表明我国农产品价格呈现发散型蛛网的特征。

根据以上分析，本文认为对于当前农产品价格上涨问题，政府应当重点关注农业生产成本的变动，充分发挥成本变动对价格变动的预警信号作用，加强农业信息监测。同时，政府还应当关注价格上涨对农业生产成本的推动作用，适当对生产者进行补贴以保证农民的利益不受损害。

［1］Trostle R.Global Agricultural Supply and Demand:Factors Contributing to the Recent Increase in Food Commodity Prices rev.DIANE Publishing，2010.

［2］Timmer P.Rice Price Formation in the Short Run and the Long Run:The Role of Market Structure in Explaining Volatility.Social Science Electronic Publishing，2009.

［3］李国祥.2003年以来中国农产品价格上涨分析［J］.中国农村经济，2011，2:11-21.

［4］程国强，胡冰川，徐雪高.新一轮农产品价格上涨的影响分析［J］.管理世界，2008，1:57-62.

［5］张明，谢家智.成本驱动、外部输入与中国农产品价格上涨［J］.农业技术经济，2012，5:13-19.

［6］石敏俊，王妍，朱杏珍.能源价格波动与粮食价格波动对城乡经济关系的影响——基于城乡投入产出模型［J］.中国农村经济，2009，5:4-13.

［7］秦臻，倪艳.人民币汇率对农产品价格传递机制的不对称性研究［J］.农业技术经济，2013，1:58-67.

［8］苏应蓉.全球农产品价格波动中金融化因素探析［J］.农业经济问题，2011，6:89-95.

［9］翟雪玲，等.农产品金融化概念、形成机理及对农产品价格的影响［J］.中国农村经济，2013，2:83-95.

［10］肖皓，等.农产品价格上涨的供给因素分析:基于成本传导能力的视角［J］.农业技术经济，2014，6:80-91.

［11］刘艺卓.汇率变动对中国农产品价格的传递效应［J］.中国农村经济，2010，1:19-27.

［12］顾国达，方晨靓.中国农产品价格波动特征分析——基于国际市场因素影响下的局面转移模型［J］.中国农村经济，2010，6:67-76.

［13］张利庠，等.外部冲击对我国农产品价格波动的影响研究——基于农业产业链视角［J］.管理世界，2011:71-81.

［14］方湖柳.人民币升值对农产品价格的影响［J］.农业经济问题，2009，7:84-90.

［15］方松海，马晓河，黄汉权.当前农产品价格上涨的原因分析［J］.农业经济问题，2008，6:20-26.

［16］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?［J］.经济研究，2012，3:141-153.

［17］王川，黄敏.完善我国农产品价格形成机制的思考［J］.中国食物与营养，2014，20(11):37-41.

［18］Perron P.Test consistency with varying sampling frequency［J］.Econometric Theory，1991，7(3):341-368.

［19］Pierse R G，Snell A J.Temporal aggregation and the power of tests for a unit root ［J］.Journal of Econometrics，1995，65(2):333-345.

［20］沈悦，等.VAR 宏观计量经济模型的演变与最新发展——基于2011年诺贝尔经济学奖得主Smis 研究成果的拓展脉络［J］.数量经济技术经济研究，2012，10:12.

［21］Love I，et al.Financial development and dynamic investment behavior:Evidence from panel VAR ［J］.The Quarterly Review of Economics and Finance，2006，46(2):190-210.

［22］Hayashi F.Econometrics.2000.Princeton University Press，Section，2000，1:60-69.

［23］Roodman D.xtabond2:Stata module to extend xtabond dynamic panel data estimator.Statistical Software Components，2014.

［24］Arellano M，Bover O.Another look at the instrumental variableestimation of error-components models ［J］.Journal of Econometrics，1995，68(1):29-51.

［25］罗超平，等.蔬菜价格波动及其内生因素——基于PVAR 模型的实证分析［J］.农业技术经济，2013，2:22-30.