中国荔枝价格空间传导效应分析

2018-06-15欧阳曦齐文娥左欣婷

广东农业科学 2018年4期

欧阳曦，齐文娥，左欣婷

（1.华南农业大学经济管理学院，广东广州 510642；2.湖南大学工商管理学院，湖南长沙 410282）

经济全球化的发展以及产业结构的转移和升级使各省域之间交流互动更为频繁。目前，关于我国各省域间的市场联动性问题已引起越来越多关注。一部分人认为各省经济依然处于一种相对封闭的状态；而另一部分人则持相反态度，他们认为在如今全球产业分工的社会，各省经济（尤其在我国东部地区）总体上表现出区域相关性。而农产品由于受气候温度等条件的影响有明显的地域特征，致使其价格在不同的地区也存在较大差异，尤其是对于荔枝这种易腐性生鲜农产品，因其保鲜期比较短且不易存储的特点，相比于其它农产品而言更容易受到价格冲击的影响使其价格发生较大波动。因此研究荔枝价格在不同地区之间是否具有相关性；面对一个地区的农产品价格冲击，另一地区农产品价格会如何反应以及传导效率如何等问题有利于把握荔枝行业价格波动规律，为荔枝产业利益相关者提供信息支持从而更好地促进各地区荔枝产业的发展。

就研究视角而言，现有农产品价格传导的研究焦点主要集中在以下两方面：一是基于产业链的纵向价格传导，即同一产品在不同产业链之间的价格传导方面做了相关的研究［1］。一部分学者通过实证研究发现农产品价格传导表现为需求拉动型的逆产业链传导［2-3］，也有部分学者基于不同农产品的研究成果表明农产品市场存在明显的顺产业链价格传导现象［4-5］。二是同一产业链上的农产品在不同区域间的空间价格传导［6］。相比于农产品的纵向价格传导，学者们在空间价格传导的关注相对较少。一些学者将焦点主要集中于农产品国际之间的价格传导效应［7-10］。宋长鸣等［11］以大豆市场为例研究中美农产品价格传导机制。也有一些学者基于某一农产品分析其在我国不同地区间的价格传导关系。如栾淑梅等［12］基于VAR模型研究了猪肉价格在不同省份间的价格传导效应；石自忠等［13］也利用VAR模型分析了东北、西南、京津、中原、华东、西北和华南地区牛肉价格之间的价格效应；贾伟等［14］利用VAR模型研究主要省份之间玉米价格的价格传导现象。这些研究大大丰富了农产品在空间维度的价格传导领域，但现有研究对价格波动更为频繁的易腐性生鲜农产品的空间传导效应关注较少。荔枝是我国最重要的五大经济类农作物之一且产量及面积均位于全球第一，在全球荔枝产业中的地位举足轻重。然而荔枝由于易腐性而使其价格波动更为频繁的特征严重影响到了荔枝生产者及相关部门的福利。基于此，本研究利用我国荔枝主产地广东省、海南省以及广西壮族自治区2012—2016年荔枝收购价的日度数据，采用VAR模型深度剖析中国荔枝市场之间的空间价格传导关系、传导路径及传导效率，以期为我国荔枝产业价格风险防控机制提供参考并促进我国荔枝产业更好地发展。

1 数据来源及VAR模型

1.1 数据来源

本研究使用的数据来源于《国家荔枝龙眼产业技术体系基础数据库》，国家荔枝龙眼产业技术体系在荔枝主产地海南省、广东省以及广西壮族自治区三省区分别设有海口、儋州；茂名、湛江、深圳；钦州、北海和玉林综合试验站。在荔枝上市期间，各试验站设专人负责收集当地当天荔枝交易价格信息。选取海南、广东、广西三省区所辖2012年5月1日至2016年10月30日荔枝收购价的日度数据，以探究我国荔枝空间价格传导效应。海南、广东和广西是我国荔枝生产大省，三省区荔枝种植面积及产量总和占全国荔枝种植面积及产量的60%以上。因此，选取以上地区的荔枝收购价可以比较全面地考察各地区之间的荔枝价格传导关系。

1.2 VAR模型

本研究运用VAR 模型分析我国荔枝主产区之间价格传导机制。VAR（p）模型的数学表达式为：

式中，Yt为本期内生变量列向量，xt为本期外生变量列向量，Yt-p为滞后阶数为p的内生变量列向量，T为样本个数，εt为随机扰动项。

2 实证分析

借助stata 14.0软件，建立荔枝主产区（海南、广东、广西）荔枝收购价对数序列（以减少异方差性）的向量自回归模型。

2.1 变量的平稳性检验

使用ADF检验法对海南、广东及广西荔枝收购价对数序列（以减少异方差性）的平稳性进行检验，结果均为平稳序列，故可建立海南、广东及广西荔枝收购价对数序列的VAR模型。

表1 平稳性检验结果

2.2 模型最优滞后阶数的确定

通过对数似然函数准则（LL）、似然比检验准则（LR）、最小最终预报误差准则（FPE）、最小信息准则（AIC）、汉南-昆信息准则（HQIC）、施瓦茨信息准则（SBIC）等信息准则确定VAR模型的最优滞后阶数，由表2可知各信息准则均支持阶数为1阶的VAR模型。

表2 滞后阶数判定结果

经检验（图1），阶数为1的VAR模型所有根的模的倒数均位于单位圆内，表明VAR（1）是稳定的，故确定阶数为1阶的VAR模型。

2.3 格兰杰因果检验

图1 VAR模型的单位根检验

格兰杰因果检验主要用于解释变量x的变动能否导致变量y的变动问题，如果变量x有助于解释变量y将来的变化趋势，则称变量x是变量y的格兰杰成因。采用格兰杰因果检验对各地荔枝收购价对数序列之间的影响关系进行分析，结果见表3。由表3可知：（1）荔枝主产地海南省与广西省的荔枝收购价格互为格兰杰原因，说明海南的荔枝收购价波动有助于预测广西的荔枝收购价，同时广西的荔枝收购价变动也会对海南省的荔枝收购价产生影响。（2）广东荔枝收购价与海南、广西荔枝收购价之间无明显的价格传导关系，主要受自身价格波动的影响。

2.4 脉冲响应函数

脉冲响应函数主要用于分析VAR模型中的一个变量受到冲击时，其对整个VAR系统的动态影响。基于之前建立的VAR（1）模型得到脉冲响应函数如图2所示。由图2可知：（1）各地区荔枝价格受自身新息的影响。海南省、广东省及广西壮族自治区荔枝收购价都会立即对其自身产生正向影响，随后该正向影响迅速回调直到第15期基本消失。（2）荔枝主产地之间的短期传导效应。在海南、广东及广西三大荔枝主产区中，海南荔枝收购价与广西荔枝收购价之间存在正向的价格传导现象，具体表现为：当海南荔枝收购价上涨时，该价格变动冲击将导致广西荔枝收购价立即上涨，到第2期影响效果最大，随后该正向冲击逐渐减弱直至第10期趋于零。广西荔枝收购价也会给当期海南荔枝收购价产生正向冲击，到第3期时该正向影响达到峰值，随后正向影响又逐渐衰减直至第15期基本趋近于0。

表3 海南、广东、广西荔枝收购价的格兰杰检验结果

图2 脉冲响应函数结果

2.5 方差分解

方差分解用来分析每一个冲击在不同预测期对VAR系统内生变量影响的具体比例。因此为更精确地分析各种因素对海南、广东、广西荔枝收购价波动的影响情况，本研究选取20期作为预测期分别对海南、广东及广西的荔枝价格波动情况进行方差分解，结果见表4、表5、表6。

表4 海南荔枝收购价波动的方差分解

由表4可知：当作一期预测时，海南的荔枝收购价波动完全来自于自身新息的变动，而与广东及广西的荔枝收购价无多大关联；到第2期时，海南荔枝收购价波动还受到来自广东荔枝收购价的冲击（贡献率达0.3%），以及广西荔枝收购价的冲击（贡献率达1.3%）；随着预测期的增加，海南荔枝收购价对其自身的影响逐渐减小，而广东及广西的荔枝收购价对海南荔枝收购价格的波动贡献率逐渐增大，分别从第2期的0.3%及3.1%增长到第20期的2.8%及8.2%。总体来看，海南荔枝收购价波动主要来自自身价格新息。此外，广西荔枝价格的变动也会对海南荔枝价格产生较大的冲击，而广东的荔枝价格波动则对海南荔枝价格的影响较小。

由表5可知：广东荔枝收购价的波动主要受自身新息的影响（贡献率从第1期预测期的98.6%到第20期的91.5%）；而海南、广西的荔枝收购价对广东荔枝收购价的影响不大，即使到第20期，海南、广西荔枝收购价对广东荔枝收购价波动的贡献率也分别只有7.9%、0.6%。

表5 广东荔枝收购价波动的方差分解

表6 广西荔枝收购价波动的方差分解

由表6可知：当作一期预测时，广西的荔枝收购价波动有95.3%来自于自身新息的变动，4.5%来自于海南荔枝收购价的冲击作用而只有0.1%来自于广东荔枝收购价的冲击作用。随后，广西荔枝收购价受其自身新息的影响逐渐减小，而广东及海南的荔枝收购价对广西荔枝收购价的波动贡献率逐渐增大，分别从第2期的10.3%及0.2%增长到第20期的24.9%及2.0%。总体来看，广西荔枝收购价波动除受自身新息外，还受海南荔枝收购价的冲击影响比较大，而广东荔枝收购价则对广西荔枝收购价的波动贡献率不高。

3 结论与建议

3.1 结论

（1）荔枝主产地海南与广西的荔枝收购价之间存在双向价格传导关系，海南的荔枝收购价有助于预测广西的荔枝收购价，同时广西的荔枝收购价也会影响到海南的荔枝收购价。具体均表现为正向冲击，海南的荔枝收购价上升会引起广西的荔枝收购价立即上涨至第2期随后逐渐减小为零，广西的荔枝收购价上涨同样也会引起海南荔枝收购价逐渐上涨，到第3期达到最高峰后逐渐减小至零。

（2）广东荔枝收购价表现出较强的独立性。其价格波动大部分可以由自身的新息解释，受海南及广西荔枝批发价变动的影响较小，且广东荔枝收购价对海南及广西荔枝收购价的影响也不大。

（3）荔枝收购价在本地区的急剧波动与自身前期的荔枝收购价有很大的关系，很大程度上会受到前期荔枝价格波动的影响。

3.2 对策建议

针对以上结论，现就荔枝价格传导的畅通性方面对荔枝主产地广东、广西、海南的荔枝市场提出几点建议，以避免荔枝价格出现大幅波动。

（1）真实、准确以及及时的荔枝市场价格信息对于荔枝消费者、生产者及相应的荔枝产业从业人员都具有指导意义，应建立并完善荔枝市场价格信息发布平台并加强荔枝产业信息化建设，实现荔枝生产者、消费者及荔枝产业相关从业人员信息共享，从而增强通过往期荔枝市场价格信息预测后期荔枝市场价格的预测能力，尽量减少并避免因不了解市场行情盲从而引起的荔枝市场价格大幅度波动的情况。

（2）荔枝主产地海南与广西存在价格传导效应明显，因此海南及广西的荔枝生产经营者在荔枝市场营销方面要考虑到相邻两省荔枝价格之间的相互影响关系，加强有利于两省荔枝产业经济贸易的基础设施建设，以及集流通与营销的流通体系建设，以便于荔枝市场价格更好地在海南及广西两省之间进行传递。此外，还应密切关注海南、广西的荔枝价格走势并基于科学的价格预警指标在两省建立荔枝价格联合预警机制，提高荔枝市场价格的预警水平并构建荔枝市场价格的监测体系。

（3）鉴于海南、广东及广西三省当地的荔枝价格与自身前期的荔枝收购价有很大的关系（尤其是广东的荔枝收购价受到自身前期荔枝收购价的显著影响），因此有必要采取农超对接以及与较大规模的消费单位进行产销对接等措施以提高荔枝在本地区的流通效率，提高对当地荔枝市场价格进行预测的技术水平，尽量有效地减少销售终端因环节繁多而造成的荔枝价格大幅度波动。

［1］Drabik D，Ciaian P，Pokrivčák J.The effect of ethanol policies on the vertical price transmission in corn and food markets［J］.Energy Economics，2016，55：189-199.

［2］张益，郝晓燕，韩一军.我国小麦产业链纵向价格传导及市场整合分析［J］.经济问题，2018（1）：65-70.

［3］崔姹，王明利，石自忠.我国肉羊产业链价格传导研究——基于PVAR模型的分析［J］.价格理论与实践，2016（4）：73-76.

［4］钱海洋.中国大豆产业链价格传导机制研究［D］.北京：北京林业大学，2016.

［5］袁静.赣南脐橙产销价格传导关系研究［J］.安徽农业科学，2016，44（4）：284-286.

［6］Ganneval S.Spatial price transmission on agricultural commodity markets under different volatility regimes［J］.Economic Modelling，2016，52：173-185.

［7］温凤荣，史建民.主产区玉米价格波动分析——以山东省为例［J］.农业技术经济，2014（7）：89-95.

［8］吴崇宇，周建涛.国际大宗商品价格传导机制的结构特征与路径特征［J］.经济学动态，2014（4）：87-96.

［9］王淑漪.国内外农产品价格传导及贸易关系研究［D］.北京：中国农业科学院，2015.

［10］黄春全，司伟.国际甘蔗燃料乙醇与食糖市场间的非对称价格传导效应［J］.经济问题探索，2014（2）：123-130.

［11］宋长鸣，李崇光，徐娟.中美农产品市场整合及其价格传导机制研究——以大豆市场为例［J］.世界经济研究，2013（3）：35-40.

［12］栾淑梅，寿金吕，杰王娟.省际间猪肉价格波动的动态关系研究——基于VAR模型分析［J］.农业经济，2011（8）：87-88.

［13］石自忠，胡向东.中国牛肉市场区域动态关联分析［J］.中国畜牧杂志，2016（24）：59-65.