我国原料奶供给反应的实证分析——基于GMM动态面板数据模型

郑 义， 林恩惠

(福建农林大学管理学院，福建 福州 350002)

我国原料奶供给反应的实证分析
——基于GMM动态面板数据模型

郑 义， 林恩惠

(福建农林大学管理学院，福建 福州 350002)

基于Nerlove模型和17个省(市、自治区)2003-2014年的动态面板数据，运用系统GMM法测算及比较了三聚氰胺事件前后原料奶收购价格对我国原料奶短期供给和长期供给的影响。结果显示，短期内原料奶收购价格变动对我国原料奶供给影响较小，但从长远看，价格变动对原料奶供给的影响深远，尤其是在三聚氰胺事件发生后，原料奶收购价格对我国原料奶供给的影响更明显。提出建立和完善奶粉储备制度、建立更为合理的原料奶定价机制、稳定奶农收益等对策建议。

原料奶；收购价格；供给反应；Nerlove模型；动态面板数据

2017年1月，《全国奶业发展规划(2016-2020年)》出台，明确指出2020年我国奶类产量要达到4100万t，奶源自给率高于70%[1]。然而，原料奶作为奶业发展的基本原料，近年来收购价格波动明显，导致原料奶供给与需求矛盾突出，制约了我国奶业的进一步发展[2]。围绕收购价格对原料奶生产的影响，周宪锋等基于1995-2006 年的时间序列数据，估计了我国原料奶生产的供给弹性[3]；钱贵霞等进一步采用2003-2007年28个省(市、自治区)的面板数据，估计我国原料奶生产的供给弹性[4]；考虑到面板数据的截面异方差和序列相关问题，刘威等基于1992-2008年8个主产区省份的面板数据，运用似然不相关回归进一步分析原料奶收购价格对我国原料奶生产的短期效应和长期效应[5]。以上学者的实证结果均表明在三聚氰胺事件发生前，我国原料奶的长期供给和短期供给均缺乏弹性，但三聚氰胺事件后，我国原料奶的供给反应是否发生变化，相应产业政策是否应进一步调整，仍有待进一步研究。

一、三聚氰胺事件后我国原料奶产量及价格的变动特征

(一)三聚氰胺事件后我国原料奶产量波动频繁

1998-2008年，我国原料奶产量从1998年的662.9万t快速增长到2008年的3555.8万t，年均增长率为18.29%[6]。2008年9月，三聚氰胺事件全面曝光后，原料奶产量持续增长趋势受到影响，之后长时间处于波动状态；2009年，受三聚氰胺事件影响，原料奶一时无人收购，奶农纷纷卖牛宰牛，原料奶产量不升反降，下降到3518.8万t[6]；2010-2012年，原料奶产量小幅增长；2013年下半年，奶牛存栏量大幅下降，国内再次出现严重的“奶荒”；2015年伊始，原料奶收购价格持续下跌，山东、广东、青海、河北等多地出现大面积杀牛和倒奶事件。可见，三聚氰胺事件后，我国原料奶年产量围绕3600万t波动频繁[7]，与《全国奶业发展规划(2016-2020年)》制定的产量目标仍有一定差距。

(二)三聚氰胺事件后我国原料奶收购价格波动幅度大

三聚氰胺事件后，我国原料奶收购价格从2009年1月的每千克1.31元下降到2009年8月的每千克1.155元。此后，随着中央财政对原料奶收购的贷款贴息延长等奶业扶持政策的出台，消费者信心逐步恢复，原料奶收购价格持续较快增长到2011年2月的每千克1.6元，在不到一年半的时间内每千克增长了0.5元。2011年3月至2013年5月，原料奶收购价格也保持缓慢增长。2013年下半年，“奶荒”出现，原料奶收购价格快速增长到2014年2月的每千克2.13元。然而，2014年1月开始，新西兰原奶价格的下跌带动了全球其他国家原料奶价格的下跌，我国原料奶收购价格也迎来了“拐点”，迅速下降到2015年2月的每千克1.72元，并导致了多地出现大面积杀牛和倒奶事件。至今，我国原料奶的收购价格仍围绕每千克1.75元波动。

二、模型设定与数据来源

Nerlove模型是用于估计农业供给反应最广泛和最成功的模型之一[8]。本文基于Nerlove模型构建收购价格对我国原料奶供给影响的计量模型[2-4]。Nerlove模型的核心是以下3个方程：

At=b0+b1Pt-1+b2At-1+b3At-2+vt

其中，b0=α0βγ;b1=α1βγ;b2=(1-β)+(1-γ);b3=-(1-β)(1-γ);vt=γ[ut-(1-β)ut-1]。

根据相关学者的模型设定，原料奶的供给不仅依赖于原料奶的收购价格[9-10]，还受竞争性农产品(资源利用上存在相互竞争关系的农产品)出厂价格和生产资料价格的影响，原料奶的供给反应模型中应加入这两者作为控制变量。牛、猪、羊都是我国最主要的活牲畜，养殖户的生产决策会同时受到牛、猪、羊出厂价格的影响，因此本文选取猪和羊的出厂价格作为竞争性农产品的出厂价格。饲料是奶牛养殖的主要生产资料，而谷类籽实是最主要的饲料之一，因此本文选取谷物的价格作为生产资料价格。为了分析我国原料奶收购价格影响供给的程度在三聚氰胺事件前后是否存在差异，加入了2008年前后的时间虚拟变量,以及该虚拟变量与当期原料奶收购价格的交互项的滞后一期作为自变量。最后，对原料奶的产量和各种价格作对数化处理，以便直接得到原料奶的供给价格弹性和减轻异方差性对参数估计的影响。最终的模型设定结果如下：

lnAt=λ0+λ1lnPt-1+λ2lnAt-1+λ3lnAt-2+λ4lnPts+λ5lnPtp+λ6lnPtc+λ7Dt+λ8lnPt-1Dt-1+vt

其中，Ptp、Pts和Ptc分别为猪、羊、谷物的出厂价格；Dt为三聚氰胺事件发生前后的时间虚拟变量；λ1为三聚氰胺事件发生前的短期供给价格弹性；λ1+λ8表示三聚氰胺事件后的短期供给价格弹性；λ1/(1-λ2-λ3)表示三聚氰胺事件发生前的长期供给价格弹性；(λ1+λ8)/(1-λ2-λ3)表示三聚氰胺事件后的长期供给价格弹性；λ4和λ5分别是猪的出厂价格和羊的出厂价格对原奶的供给交叉价格弹性。原料奶的产量数据来自《中国统计年鉴》，原料奶的收购价格、猪的出厂价格、羊的出厂价格及谷物的出厂价格分别用基期为2002年的生产价格指数表示，数据来自各年份的《中国农产品价格调查年鉴》。最后，得到17个省(市、自治区)(北京、福建、甘肃、河北、黑龙江、吉林、内蒙古、宁夏、青海、山东、山西、陕西、上海、四川、天津、新疆、云南)2003-2014年共12年的面板数据。2015年，17个样本省(市、自治区)的原料奶产量高达3061.1 万t，占全国原料奶总产量的81.53%，样本代表性强。

三、基于系统GMM的实证结果与讨论

(一)单位根检验

为了避免出现伪回归问题，在估计面板数据模型之前，需检验面板序列的平稳性，即进行单位根检验。LLC检验是最常用的面板单位根检验方法[11]，但LLC检验的共同根假设在实践中不容易满足，而IPS检验则基于每个个体的自回归系数不同的假设，克服了LLC检验共同根假设的不足，因而本文同时采用LLC法和IPS法进行单位根检验[12]，检验结果见表1。

表1 LLC和IPS单位根检验结果

注：括号中的数值为P值

由表1可知，原料奶产量对数、原料奶的生产价格指数对数、谷物的生产价格指数对数、羊的生产价格指数对数等4个序列在1%的显著性水平下拒绝了含有单位根的原假设，即为平稳序列。猪的生产价格指数的LLC检验结果在1%的显著性水平下拒绝原假设，即为平稳序列，但对猪的生产价格指数含有趋势项的IPS检验结果显示其在5%的显著性水平下含有单位根，而仅含截距项、不含趋势项的IPS检验结果为-2.7620(P=0.0057)，又拒绝了含有单位根的原假设。Breitung认为IPS 单位根检验对限定性趋势的设定极为敏感[13]，因而本文进一步运用Hadri and Maddala-wu法检验[14]，结果显示不存在单位根。综上所述，以上5个原序列均为平稳序列，可以进一步进行协整检验。

(二)协整检验

在单位根检验的基础上，本文进一步运用Pedroni法进行协整检验。Pedroni基于回归残差构造出7个统计量，以检验面板数据的协整关系(表2)。检验结果显示，7个统计量均在1%的水平下拒绝了“不存在协整关系”的原假设，这表明原料奶产量、原料奶的生产价格指数、谷物的生产价格指数、羊的生产价格指数、猪的生产价格指数等5个序列存在协整关系。

表2 Pedroni协整检验结果

(三)动态面板数据模型的估计

由于模型设定包含了因变量的滞后项，组内估计量会存在“动态面板偏差”，本文运用系统GMM进行参数估计(表3)。

表3 动态面板数据模型的估计结果

从表3可知，原料奶产量的滞后一期、原料奶产量的滞后二期、原料奶收购价格的滞后一期在1%的显著性水平下对我国原料奶供给有显著影响；羊的生产价格指数、谷物的生产价格指数、2008年前后的时间虚拟变量与当期原料奶收购价格的交互项的滞后一期在10%的显著性水平下对我国原料奶供给有显著影响，且影响方向符合理论预期。

进一步对系统GMM“扰动项不存在自相关”的前提和“工具变量是否过渡识别”进行检验。检验结果表明，扰动项差分存在一阶自相关(z统计量为-2.39，P值为0.017)，不存在二阶自相关(z统计量为0.002，P值为0.999)，即满足系统GMM关于“扰动项不存在自相关”的要求。过渡识别检验的结果在10%的显著性水平下无法拒绝“所有工具变量均有效”的原假设(P值为0.261)。综上，可计算得到三聚氰胺事件发生前，我国原料奶的短期价格弹性为0.1233，长期价格弹性为12.0161；在三聚氰胺事件后，我国原料奶的短期价格弹性为0.1335，长期价格弹性为13.002。可见，三聚氰胺事件发生前后，我国原料奶供给的短期价格缺乏弹性，但长期价格富有弹性；三聚氰胺事件后，我国原料奶供给的短期价格和长期价格都比三聚氰胺事件发生前更有弹性。

四、结论与启示

本文基于Nerlove模型和17个样本2002-2014年的动态面板数据，运用系统GMM法测算了原料奶收购价格对我国原料奶短期供给和长期供给的影响，得到如下结论与启示。

1.短期内原料奶收购价格变动对我国原料奶供给影响较小。由于奶业的生产周期较长，导致原料奶短期供给价格弹性较小，产量对价格的调整速度慢，所以为了在短期内缓解原料奶供给与需求矛盾，应通过建立和完善奶粉储备制度、鼓励奶源基地建设等手段，加强对原料奶供给的调控，以弥补价格机制滞后的不足。

2.从长远看，价格变动对原料奶供给的影响深远。因此，为了保障原料奶的长期有效供给，政府应理顺加工企业之间的竞争关系、加工企业和奶农之间的利益关系，避免加工企业在原料奶收购方面的恶性竞争，建立更为合理的原料奶定价机制，以平抑原料奶收购价格的大幅波动。

3.在三聚氰胺事件后，原料奶收购价格对我国原料奶的供给具有更显著的影响。三聚氰胺事件后，奶农养殖效益降低，原料奶收购价格的微小变化也会导致奶农选择养殖其他牲畜。因此，政府应采取税收优惠和加大财政补贴力度等手段稳定奶农的收益，以缓解收购价格波动对我国原料奶长期有效供给的影响。

[1]全国奶业发展规划(2016-2020年)[EB/OL]. (2016-12-27)[2017-07-05]. http://www.moa.gov.cn/govpublic/XMYS/201701/t20170109_5427126.htm.

[2]刘希,李彤,权聪娜,等.我国原料奶生产现状及影响因素分析[J].中国畜牧杂志,2015,51(16):3-7.

[3]周宪锋,朱香荣,花俊国.基于供求弹性角度的原料奶生产影响因素的实证分析[J].中国农村经济,2008(7):73-80.

[4]钱贵霞,解晶.中国原料奶供求矛盾关系的实证分析[J].农业现代化研究,2010,31(3):272-276.

[5]刘威,陈书章,马恒运.中国原料奶供给反应的实证研究——基于省际面板数据检验[J].华中农业大学学报(社会科学版),2011(2):50-54.

[6]中华人民共和国国家统计局.中国统计年鉴(2014)[M].北京:中国统计出版社,2014：386-387.

[7]中华人民共和国国家统计局.中国统计年鉴(2016)[M].北京:中国 统计出版社，2016：408-409.

[8]BRAULKE M. A note on the Nerlove model of agricultural supply response[J]. International Economic eview,1982,23(1):241-244.

[9]张明杨,陈超,谭涛,等.中国农户玉米播种面积决策的影响因素分析[J].南京农业大学学报(社会科学版),2014,14(3):37-43.

[10]刘俊杰,周应恒.我国小麦供给反应研究——基于小麦主产省的实证[J].农业技术经济,2011(12):40-45.

[11]LEVIN A, LIN C F, CHU C S J. Unit root tests in panel data: asymptotic and finite-sample properties[J]. Journal of econometrics,2002,108(1):1-24.

[12] IM K S, PESARAN M H, SHIN Y. Testing for unit roots in heterogeneous panels[J]. Journal of Econometrics,2003,115(1):53-74.

[13]BREITUNG J. The local power of some unit root tests for panel data[M]. West Yorkshire: Emerald Group Publishing Limited,2001:161-177.

[14] MADDALA G S, WU S W. A comparative study of unit root tests with panel data and a new simple test[J]. Oxford Bulletin of Economics and Statistics,1999,61(S1):631-652.

(责任编辑： 何晓丽)

StudyonthesupplyresponseofChina′sfreshmilk—BasedonGMMestimationofdynamicpaneldatamodel

ZHENG Yi, LIN En-hui

(CollegeofManagement,FujianAgricultureandForestryUniversity,Fuzhou,Fujian350002,China)

Based on Nerlove model and dynamic panel data of 17 provinces (municipalities, autonomous regions) in 2003-2014, the paper quantitatively analyzes the impact of procurement price on the short-term supply and long-term supply of fresh milk in China before and after the melamine incident. The results show that: in the short term, the procurement price of fresh milk has a little influence on supply. In the long run, the impact of the procurement price on fresh milk supply is far-reaching. Especially in the post melamine era, procurement price has a more obvious impact on fresh milk supply. The paper suggests that the government should establish and improve the milk reserve system, establish a more reasonable pricing mechanism and stabilize the income of dairy farmers.

fresh milk; procurement price; supply response; Nerlove model; dynamic panel data

F713

A

1671-6922(2017)05-0056-04

10.13322/j.cnki.fjsk.2017.05.009

2017-05-23

福建省自然科学基金青年项目(2016J05168)；福建省社会科学规划青年项目(FJ2016C018)；福建省中青年教师教育科研项目(JAS160187)；福建省教育科学“十三五”规划2016年度海峡两岸职业教育专项(FJJKHX16-012)。

郑义(1988-)，男，讲师，博士。研究方向：农产品市场与贸易。