中国粮食市场垂直整合与非对称价格调整

刘玲 李愚泰

摘 要：基于中国主要粮食品种的收购价格、批发价格和零售价格数据，采用一种新的正则化贝叶斯门限估计法估计的三区制门限向量修正模型（TVECM），从交易成本视角探讨粮食市场垂直整合程度和非对称价格调整。结果表明：粮食收购市场与批发市场整合程度高于批发市场与零售市场整合程度;大豆和玉米市场垂直整合程度低于大米和小麦市场垂直整合程度;粮食市场垂直价格调整在不同区制具有非对称性;当价格偏离均衡程度低于交易成本时，也可能存在价格调整。

关键词： 正则化贝叶斯估计;粮食市场;垂直整合;非对称价格调整;三区制TVECM

中图分类号：F323.7 文献标识码： A文章编号：1003-7217（2020）01-0100-09

一、引 言

垂直整合（vertical integration）是农产品市场最重要的结构特征之一，对保障国家粮食安全具有重要的政策含义。粮食市场垂直整合描述了粮食价格在纵向供应链不同层次的各市场间的调整情况，整合程度越高，价格调整就越完全，调整速度也越快，是衡量粮食市场运行效率的重要指标，也是检验和评价粮食安全和价格调控政策的有效工具。近年来，随粮食托市收购价格上行，中国粮食市场出现了国内外粮食价格倒挂、“稻强米弱”和“麦强粉弱”等反常现象，粮食高库存、粮食加工行业低迷和粮食进口激增等问题也同时显现，成为粮食安全可持续发展的新隐患。这些现象均表明中国粮食市场垂直整合受阻，粮食价格垂直调整呈现非对称性。因此，探讨中国粮食市场垂直整合和非对称价格调整有助于理解当前中国粮食市场运行机制及其存在的问题，为解决粮食安全问题提供一个新的视角。

关于市场整合的测度，现有文献中一种比较有代表性的方法是通过分析线性的价格调整关系或者对价格序列进行线性协整检验，例如，有学者运用协整检验方法考察泰国、越南和美国两两之间大米价格的协整关系，来判定它们之间粮食市场的整合程度[1];运用协整检验方法考察中国生猪产销市场的整合程度[2];运用线性Grange因果检验方法考察中国农产品生产价格、批发价格和零售价格之间的传导关系[3]。然而，这种方法存在一定的缺陷，它认为价格间的传导是线性的，是对称的，忽视了市场整合过程中可能存在的非对称调整关系。从理论上讲，市场势力、政府干预与调整成本等因素均会导致非对称价格调整[4]。Peltzman（2000）对美国282种商品（包括120种农产品和食品）的价格传导进行研究，其结论也证实非对称价格调整不是一种偶然现象，而是一种普遍存在的规律[5]。因此，近年来国内一些学者也开始重视这一现象：运用非对称误差修正模型（A-ECM）研究中国农产品市场垂直价格调整的非对称特征[6];运用A-ECM分析中国奶产业链中生产者价格与零售价格之间调整的非对称特征[7];运用两区制门限误差修正模型（TECM）考察中国生猪产业链价格调整的非对称特征[8， 9];基于平滑转换误差修正模型（STECM）检验中国生猪产销价格调整的非对称特征[10]。这些研究虽然考察了价格调整的非对称，但是忽视了市场中交易

成本所带来的影响。从理论上讲，交易成本会使价格间的调整存在一个“非反应”区间，即只有价格调整带来的收益超过交易成本时才会引发价格传导，如果收益小于交易成本，则不会发生价格传导。Goodwin和Holt（1999）、Goodwin和Harper（2000）认为，当价格偏离均衡程度较低时，价格可能不调整;当价格偏离均衡程度较高时，价格才会调整，因而运用三区制门限向量误差修正模型（TVECM）来分析垂直价格调整的门限行为和非对称性[11， 12]。后来，Ben-kaabia等（2010）指出，当价格偏离均衡程度低于交易成本时，价格不调整，则在TVECM的中间区制，价格不是协整的，并构建Band-TVECM对西班牙家禽市场垂直整合和非对称价格调整进行分析[13]。在三区制TVECM中，交易成本能够通过门限估计值来刻画，门限绝对值越大，表示交易成本越高。而交易成本大小反映了市场整合程度，交易成本越高，市场整合程度越低，在高效运行的整合市场体系中，交易成本应该尽可能保持在较低水平[14]。因而引入交易成本后，对市场整合的分析结果会更加有效[15，14]。因此，考虑到交易成本对价格调整的影响，三区制TVECM是目前比较认可，也是应用较为广泛的一种分析市场整合的方法。

关于TVECM的估计，现有研究中最常用的方法是Hansen和Seo（2002）的轮廓似然估计法（profile likelihood estimator）[16]，一些学者基于轮廓似然估计的TVECM门限值测度了农产品空间市场整合程度[17， 15， 18， 14]，并基于轮廓似然估计的TVECM调整参数分析了农产品价格垂直非对称调整[19，20]。然而，轮廓似然估计法存在一些缺点，其中最主要的问题是估计结果依赖于一个主观设置的修边参数（trimming parameter），通过这个參数限制网格搜索中门限值的范围，来保证每一个区制都有足够的观察值，从而给参数估计提供充足的自由度，例如，Goodwin和Piggott（2001）设置每个区制必须至少包含25个观察值[17]。但是，在这种情况下，一方面，可能会将门限真实值排除在搜索范围之外，导致估计结果有偏;另一方面，估计结果会随着修边参数设置的变化而变化。Greb等（2013）对上述问题作了详细阐述，并针对轮廓似然估计的不足提出了一种新的正则化贝叶斯门限估计法（regularized Bayesian threshold estimator）[21]。这种方法不需要主观设置一个修边参数，对小样本估计也更无偏，而且实证应用表明TVECM调整参数的正则化贝叶斯估计结果比轮廓似然估计结果更符合理论预期。

目前，已经有学者开始采用正则化贝叶斯门限估计法进行研究，测度国际大米市场与发展中国家国内大米市场的交易成本[22];分析美国尿素市场的空间价格传导和市场效率[23]。国内鲜有学者采用正则化贝叶斯门限估计法进行研究，也少有研究探讨我国粮食市场的垂直整合及非对称价格调整。基于此，本文采用这种新的正则化贝叶斯估计法估计的三区制TVECM探讨中国粮食市场垂直整合和非对称价格调整，运用TVECM门限估计值所刻画的交易成本衡量粮食收购市场、批发市场和零售市场整合程度，并根据TVECM调整参数估计结果，分析粮食收购价格、批发价格和零售价格之间的非对称调整，进而为推进中国粮食市场垂直整合和提升粮食价格调控政策有效性提供政策启示。

二、研究方法

（一）门限向量误差修正模型

设pt=（p1t，p2t）′，表示市场链中两个不同层次的价格水平，具体指收购价格、批发价格或零售价格;pt是I（1）时间序列且协整的向量，则误差修正项为εt=p1t-θ2p2t+θ0，表示偏离两个价格序列长期均衡的程度。三区制门限向量误差修正模型（TVECM）具体表达式如下：

Δp1tΔp2t=

αu1αu2+ρu1ρu2εt-1+∑Ki=1βu11iβu12iβu21iβu22iΔp1t-iΔp2t-i+μ1tμ2t，εt-1>γuαm1αm2+ρm1ρm2εt-1+∑Ki=1βm11iβm12iβm21iβm22iΔp1t-iΔp2t-i+μ1tμ2t，γl<εt-1≤γuαl1αl2+ρl1ρl2εt-1+∑Ki=1βl11iβl12iβl21iβl22iΔp1t-iΔp2t-i+μ1tμ2t，εt-1≤γl（1）

其中，Δ表示一阶差分，α、ρ、β和γ都是待估参数，βi（i=1，2，…）为短期调整参数。通常实证分析中最感兴趣的参数是ρ和γ，ρ为调整参数，测度恢复长期均衡的调整速度;γ=（γu，γl）为门限参数，γu和γl分别表示上门限值和下门限值，则εt-1>ru为上区制，rl<εt-1≤ru为中间区制，εt-1≤rl为下区制。

在价格传导中为确保p1t和p2t是协整的，调整参数ρ的符号和大小必须满足三个条件：-1≤ρk1<0，0<ρk2≤1，0<θ2ρk2-ρk1≤1（k=u，m，l）[21]。根据市场整合理论，当价格偏离均衡程度高于交易成本时，系统会通过使更高的价格下跌和使更低的价格上涨来恢复至长期均衡，完成自动修正过程。例如，在上区制，即p1大于p2超过上门限值，通过p1下跌或（和）p2上涨恢复至长期均衡;在下区制，即p1小于p2超过下门限值，通过p1上涨或（和）p2下跌恢复至长期均衡。因此，第一个条件和第二个条件是确保p1与p2的变化满足上述自动修正过程，第三个条件是确保p1与p2总的变化不会超过系统恢复均衡所需要的总的变化。

γ=（γu，γl）测度了交易成本的大小，进而衡量市场整合程度。这里的交易成本是指包括信息成本、菜单成本等调整成本。由于调整成本的存在，价格调整不仅依赖于冲击的方向，还依赖于冲击的大小，仅当外生冲击超过一定门限值时，经济部门才会产生反应[13]。换句话说，仅当由外生冲击造成的价格偏离均衡程度高于交易成本时，价格才可能调整，才会存在上述p1和p2的反向调整机制，从而实现市场整合。因此，在这种情况下，门限模型就很好地阐述了供应链上各市场间的价格动态调整关系。有研究就是运用TVECM门限估计值来测度交易成本的大小，进而衡量农产品市场整合程度[15，14，24]。上下门限绝对值越大，即中间区制越大，而中间区制表示价格偏离均衡程度低于交易成本。根据市场整合理论，这一区制价格不调整，只有在价格偏离均衡程度高于交易成本的上区制和下区制时，价格才调整，才会实现市场整合。因此，门限估计值越大，表示交易成本越高，则市场整合程度越低。

（二）正则化贝叶斯门限估计

为清楚地描述正则化贝叶斯门限估计的原理，先用矩阵符号来表示模型。对于n个观察值，可以构造一个n×d的矩阵X，则X由长度为d=2K+2的行向量和x′t=（1，εt-1，Δp′t-1，…，Δp′t-K）叠加而成，其中K为模型的最大滞后期数。设D1、D2和D3分别表示TVECM下区制、中间区制和上区制指示函数的对角矩阵，即：

D1=diag{ I（ε1t-1≤γl），I（ε2t-1≤γl），…，

I（εnt-1≤γl）}

D2=diag{ I（γl<ε1t-1≤γu），I（γl<ε2t-1≤

γu），…，I（γl<εnt-1≤γu）}

D3=diag{ I（ε1t-1>γu），I（ε2t-1>γu），…，

I（εnt-1>γu）}（2）

其中，I（·）為指示函数，n为观察值数量。那么，D1X、D2X和D3X分别是下区制、中间区制和上区制变量的矩阵。进一步，设Δpj，t和μi，t分别是由Δpt和μt第j（j=1，2）个分量堆叠而成的向量，φj，k是模型参数矩阵（αk，ρk，βk1，…，βkK）′的第j（j=1，2）列，k=1，2，3分别代表着下区制、中间区制和上区制。因此，三区制TVECM可以表示为：

Δpj，t=D1Xφj，1+D2Xφj，2+D3Xφj，3+μj，t

=X1φj，1+X2φj，2+X3φj，3+μj，t （3）

其中，X1=D1X、X2=D2X、X3=D3X。从而，三区制TVECM可以更紧凑地表示为：

Δpt=Δp1tΔp2t=（I2X1）φ1+（I2X2）φ2+

（I2X3）φ3+μt（4）

其中，φk=（φ1，k，φ2，k），k=1，2，3;I2为单位矩阵，I2∈R2×2;X=X1+X2+X3。

正则化贝叶斯门限估计是一种基于数据驱动（data-driven）的方法，当数据包含的信息非常少时，可以合理地使区制之间的差异最小化，从而可以将后验密度很好地定义在整个门限参数空间上，因此，这种方法不需要设置一个修边参数，不会将门限真实值排除在搜索范围之外。借鉴Greb等（2013）[21]的研究，为了得到正则化贝叶斯估计，对式（4）重新确定参数：

Δpt=（I2X1）φ1+（I2X）φ2+

（I2X3）φ3-（I2X1）φ2-

（I2X3）φ2+μt=（I2X1）（φ1-φ2）+

（I2X）φ2+（I2X3）（φ3-φ2）+μt=

（I2X1）δ1+（I2X）φ2+（I2X3）δ3+μt（5）

其中，设δi～N（0，σ2δiI2d），i=1，3;d=2K+2;φ2～U（R2d）。

接着，计算式（5）的后验密度PrB（γ|Δp，X）。定义Z=I2X、Z1=I2X1、Z3=I2X3以及V=∑+σ2δ1Z1Z′1+σ2δ3Z3Z′3，∑、σ2δ1和σ2δ3分别用其最大似然估计∑、2δ1和2δ3表示，则=∑+2δ1Z1Z′1+2δ3Z3Z′3，从而产生一个对数后验密度①[21]：

log PrB（γΔp，X）∝-12 log Z′-1Z+

（Δp-Z2）′-1（Δp-Z2）（6）

其中，2=（Z′-1Z）-1Z′-1Δp。可以发现，式（6）中log PrB（γΔp，X）不依赖于k（k=1，2，3），从而不需要限制每一个区制的观察值数量。因此，此时的后验密度PrB（γ|Δp，X）定义在整个门限参数空间上，即

γ={（γu，γl）|min （εt）<γl<γu

三、实证研究

（一）数据说明与描述

选取大米、小麦、大豆和玉米四个主要粮食品种市场为研究样本，其中大米市场的收购、批发和零售價格分别使用全国中晚籼稻收购价格指数、全国晚籼米批发价格指数、中等籼米集贸市场价格指数进行衡量，分别记为rice_f、rice_w和rice_r;小麦市场的收购、批发和零售价格分别使用全国小麦收购价格指数、全国白小麦（普通）批发价格指数、中等小麦集贸市场价格指数进行衡量，分别记为wheat_f、wheat_w和wheat_r;大豆市场的收购、批发和零售价格分别使用全国大豆收购价格指数、全国大豆（油脂业）批发价格指数、中等大豆集贸市场价格指数进行衡量，分别记为soybean_f、soybean_w和soybean_r;玉米市场的收购、批发和零售价格分别使用全国玉米收购价格指数、全国黄玉米批发价格指数、中等玉米集贸市场价格指数衡量，分别记为maize_f、maize_w和maize_r。由于上述所有收购价格指数和批发价格指数为周数据，而集贸市场价格指数为月度数据，因此，先将收购价格指数和批发价格指数的周数据折算为月度数据，然后将所有价格序列统一转换为以2009年1月为基期的定基指数，并对样本数据进行季节调整和对数化处理。由于收购价格指数仅有从2009年起的数据，因此，样本区间统一为2009年1月至2017年12月，原始数据均来源于Wind资讯。图1描述了价格序列的月度变动状况。

为保障国内粮食市场稳定和保护农民收益，中国政府2004年和2006年分别对稻谷和小麦两个主粮品种开始实行最低收购价格政策， 2008-2014年又连续提高了稻谷和小麦的最低收购价格，使得大米市场和小麦市场的价格整体水平逐步上升，但2014年后上涨幅度有所控制。大米市场和小麦市场的收购、批发和零售价格变动总体具有共同趋势，其中零售价格上涨幅度最大。国家从2008年起开始对大豆和玉米品种实施临时收储政策，随着临时收储价格的提高，大豆市场和玉米市场的价格整体水平在最初几年也是逐步上升。而后，由于价格干预造成了日益严重的粮食高库存、进口激增等问题。2014年开始国家取消了大豆临储政策，转为目标价格制;2016年取消了玉米临储政策，出台生产者补贴政策。因此，随着大豆和玉米价格支持政策的市场化改革，近几年大豆和玉米市场价格整体水平出现了回落，呈现下跌趋势。然而，值得注意的是，大豆市场的零售价格在2014年后并没有随着收购价格和批发价格的大幅度下跌而明显下降，仅有小幅下降，仍然呈现较高的水平。此外，玉米市场却呈现了严重的价格倒挂现象，玉米零售价格低于批发价格和收购价格。近两年批发价格与收购价格也出现了倒挂，玉米收购价格水平反而最高。显然，从粮食市场价格变动状况来看，大豆和玉米市场的收购、批发和零售价格并没有呈良性传递，其中批发价格与零售价格的传递尤为突出，批发市场与零售市场整合程度较低，大豆和玉米市场垂直整合受阻。

（二）单位根检验

采用Augmented Dickey-Fuller（ADF）检验和Phillips-Perron（PP）检验对变量进行平稳性检验，结果如表1所示。所有变量的原序列均接受原假设，认为存在单位根，为非平稳序列，而一阶差分序列都拒绝了原假设，认为序列是平稳的，因此，所有变量均为I（1）过程，符合协整检验要求。

（三）粮食市场垂直整合

粮食市场纵向供应链包括从粮食生产、加工到终端消费的各个环节。粮食市场垂直价格调整是指粮食价格在供应链不同层次的各市场间的相互反应，因此，粮食市场垂直整合是指粮食收购市场、批发市场和零售市场之间的价格调整情况。然而，考虑到正则化贝叶斯估计的TVECM是双变量的，因此，参考Ben-kaabia等（2010）的研究[13]，分为两个子系统进行研究，分别估计收购价格与批发价格之间调整的TVECM和批发价格与零售价格之间调整的TVECM，从而分别考察粮食收购市场与批发市场整合程度和粮食批发市场与零售市场整合程度。表2汇报了大米、小麦、大豆和玉米四个粮食品种收购价格与批发价格之间调整和批发价格与零售价格之间调整的门限协整检验[25]和门限估计结果。

由门限协整检验结果可知，大豆和玉米市场的批发价格与零售价格之间调整的sub-Wald检验统计量不能拒绝原假设;其余市场价格调整的sub-Wald统计量均在1%的显著性水平下拒绝原假设，认为存在门限协整关系。表明不同粮食品种市场及不同子市场之间的整合情况具有差异性。

1.比较正则化贝叶斯估计的门限与轮廓似然估计的门限可以发现，轮廓似然估计的上门限值和下门限值（指绝对值，下同）绝大多数都对应小于正则化贝叶斯估计的上门限值和下门限值。这正是因为轮廓似然门限估计所设置的修边参数使得门限参数γ的搜索范围剔除了小于ε（d）和大于ε（n-d+1）的观察值，门限参数空间仅在ε（d）～ε（n-d+1）范围内，从而门限估计值会越接近于0。因此，相比正则化贝叶斯门限估计值，轮廓似然估计的门限值偏小。这意味着使用传统的轮廓似然门限估计法会低估市场间的交易成本，从而高估市场整合程度。正如Greb等（2013）的发现，正则化贝叶斯门限估计表明两地区贸易需要克服更高的交易成本，才能使价格套利是有利可图的[21]。

2.对比收购市场与批发市场、批发市场与零售市场两个子系统的正则化贝叶斯门限估计结果可以发现，收购价格与批发价格之间调整的上门限值和下门限值基本上对应小于批发价格与零售价格之间调整的上门限值和下门限值。例如，小麦收购价格与批发价格之间调整的门限估计为（-0.021， 0.019），其批发价格与零售价格之间调整的门限估计为（-0.046， 0.021）;大豆收购价格与批发价格之间调整的门限估计为（-0.028， 0.037），其批发价格与零售价格之间调整的门限估计为（-0.055，0.052）。这表明收购市场与批发市场之间价格调整的交易成本低于批发市场与零售市场之间价格调整的交易成本，说明中国粮食收购市场与批发市场整合程度高于粮食批发市场与零售市场整合程度。

自2004年以来，中国实行了粮食托市收购制度，由国有粮食购销企业在粮食流通中发挥主渠道作用。在收购市场，除了粮农自留消费部分，剩余粮源大部分被国有粮食购销企业收购;在批发市场，也有70%以上消费粮源是由国有粮食购销企业供给[26]。因此，基于国有粮食购销企业的主渠道作用和较强的市场控制能力，粮食收购价格与批发价格之间传递更为顺畅，收购市场与批发市场整合程度更高。此外，正是由于这种托市收购制度，使得目前从收购到零售的流通过程中，各环节市场化程度不一致，其中收购市场化程度最低，批发市场化程度较低，而零售市场化程度最高，因而市场化程度最高的零售价格所受到的影响因素必然会更多，例如国际粮食价格冲击的影响[27]。特别是随着国内粮食价格逐渐高于国际市场价格并且价差不断扩大，导致粮食进口大幅增长，从而使得零售价格受国际粮食价格影响较大，零售市场与批发市场整合程度较低。因此，粮食收购市场与批发市场整合程度高于批发市场与零售市场整合程度。

3.对比大米、小麦、大豆和玉米四个粮食品种市场的正则化贝叶斯门限估计结果可以發现，对于同一子系统，大豆市场和玉米市场的上门限值和下门限值都对应大于大米市场和小麦市场的上门限值和下门限值。例如，大米和小麦收购价格与批发价格之间调整的门限估计分别为（-0.026，0.017）、（-0.021， 0.019），大豆和玉米收购价格与批发价格之间调整的门限估计分别是（-0.028， 0.037）、（-0.045， 0.058）;大米和小麦批发价格与零售价格之间调整的门限估计分别为（-0.014， 0.023）、（-0.046， 0.021），大豆和玉米批发价格与零售价格之间调整的门限估计分别是（-0.055， 0.052）、（-0.051， 0.035）。这表明大豆和玉米市场价格调整的交易成本高于大米和小麦市场价格调整的交易成本，说明中国大豆和玉米市场垂直整合程度低于大米和小麦市场垂直整合程度。

这是因为与大米和小麦品种相比，大豆和玉米市场存在严重的供求矛盾[28]。我国大豆产量不高，且生产成本高、缺乏价格优势，难以满足国内需求，造成国内大豆供需严重不匹配，从而导致大豆市场严重依赖国际市场。这使得大豆零售价格更容易受国际价格影响，而与国内批发价格、收购价格传递并不顺畅，即大豆市场垂直整合程度较低，尤其是大豆批发市场与零售市场有可能不是整合的。

为保障国家粮食安全和农户收益，2008年起政府连续提高了粮食托市收购价格，这一方面推动了粮食播种面积增长产量增加，其中玉米播种面积和产量增长势头最为明显，玉米成为近几年中国产量和收购量最高、库存压力最大的粮食品种，但是，却导致玉米市场呈现结构性过剩态势。另一方面，粮食托市收购价格的不断提高，也使得托市价格脱离市场趋势高位运行，国内粮食生产成本不断上涨，产品国际竞争力下降，导致玉米制品及其替代品进口急速扩大。加上国内玉米加工行业低迷，抑制了国内玉米需求，从而形成了玉米市场供过于求的形势，造成严重的价格倒挂现象。收购、批发和零售价格之间不能呈良性传递，进而使得玉米市场垂直整合程度较低。因此，大豆和玉米市场垂直整合程度低于大米和小麦市场垂直整合程度。

（四）粮食市场垂直非对称价格调整

除了门限估计结果，TVECM的调整参数估计也值得关注，调整参数测度了价格恢复长期均衡的调整速度，描述了两个价格序列修正至长期均衡关系的调整过程。表3汇报了大米、小麦、大豆和玉米四个粮食品种收购价格与批发价格之间调整和批发价格与零售价格之间调整的三区制TVECM估计结果。

1.对比正则化贝叶斯估计结果与轮廓似然估计结果可以发现，在所有样本的估计结果中，轮廓似然估计的调整参数没有一组结果是完全符合市场整合理论的，即调整参数ρ的符号和大小没有完全满足条件，而正则化贝叶斯估计的调整参数均符合理论预期。例如，在大米批发价格与零售价格之间调整的TVECM估计结果中，pL估计的下区制调整参数ρ1和ρ2均大于0，总调整Total（ρl）小于0，中间区制和上区制的调整参数ρ1和ρ2均小于0，显然，这些结果都不符合理论预期，不能解释系统的自动修正过程。然而，rB估计的上、中、下区制的调整参数ρ1均小于0，ρ2均大于0，总调整Total（ρ）均大于0小于1，体现了系统通过使更高的价格下跌和使更低的价格上涨来恢复至长期均衡的自动修正过程。说明传统的轮廓似然估计法会产生有偏估计，正则化贝叶斯估计结果比轮廓似然估计结果更符合理论预期。

2.根据正则化贝叶斯估计结果可以发现，粮食市场垂直价格调整在不同区制具有非对称性。一方面，粮食收购价格与批发价格之间的调整存在一些非对称现象。例如，在大米市场的收购价格方程中，上区制的调整速度为-0.154，在5%的水平上显著;中间区制和下区制的调整参数均不显著，即仅上区制的价格调整显著。表明大米收购价格对批发价格的调整在不同区制具有非对称性。此外，在小麦和大豆市场的批发价格方程中，上区制的调整速度分别为0.079和0.194，分别在10%和5%的水平上显著;下区制的调整速度分别为0.188和0.196，均在1%的水平上显著，即下区制的调整速度均大于上区制的调整速度。表明小麦和大豆批发价格对收购价格的调整在不同区制具有非对称性。另一方面，粮食批发价格与零售价格之间的调整也存在一些非对称现象。例如，在大米和小麦市场的批发价格方程中，下区制的调整速度分别为-0.123和-0.063，均在5%的水平上显著;中间区制和上区制的调整参数均不显著，即仅下区制的价格调整显著。表明大米和小麦批发价格对零售价格的调整在不同区制具有非对称性。此外，在大米市场的零售价格方程中，上区制的调整速度为0.065，在10%的水平上显著;下区制的调整速度为0.028，没有通过显著性检验，即上区制的调整速度大于下区制的调整速度。表明大米零售价格对批发价格的调整在不同区制具有非对称性。

3.根据正则化贝叶斯估计结果可以发现，在三区制TVECM中，中间区制的调整参数也可能显著。例如，在小麦、大豆、玉米收购价格与批发价格之间的调整中，小麦和大豆批发价格在中间区制的调整速度分别为0.188、0.196，均在1%的水平上显著;玉米收购价格在中间区制的调整速度为-0.201，在1%的水平上显著。此外，在大米批发价格与零售价格之间的调整中，大米零售价格在中间区制的调整速度为0.065，在10%的水平上显著。因此，在上述情况中，中间区制的价格调整均显著。表明当价格偏离均衡程度低于交易成本时，价格也可能会调整。显然，这一结论并不符合传统市场整合理论，即由于交易成本的存在，价格偏离均衡程度较低时，价格不调整，只有当价格偏离均衡程度高于交易成本时，价格才会调整。因为粮食价格的垂直传导不一定只通过产业链传导，还会通过信息渠道传导，这使得当价格偏离均衡程度较低时，也存在价格调整。正如孙坚强等（2016）在分析PPI和CPI产业链传导机制的基础上进一步提出的价格预期传导机制，认为市场价格除了通过产业链传导，还可以通过信息传递[29]。此外，Stephens等（2012）和Ganneval（2016）研究发现，空间价格传导可以在没有贸易的情况下通过信息渠道完成[30，31]。因此，中间区制的价格调整显著，符合这一结论，意味着中国粮食价格的垂直传导还会通过信息渠道。也正是因为存在信息传递，中间区制的调整速度有可能与上区制或者下区制的调整速度相同，正如表3中正则化貝叶斯估计的调整参数结果，这与Greb等（2013）[21]的研究结论相一致。

四、结论与政策建议

以上基于大米、小麦、大豆和玉米四个粮食品种的收购价格、批发价格和零售价格数据，通过采用一种新的正则化贝叶斯估计法估计的三区制TVECM探讨了中国粮食市场垂直整合程度和非对称价格调整。研究结果表明：（1）正则化贝叶斯估计结果比传统方法轮廓似然估计的结果更符合市场整合理论，轮廓似然估计会高估市场整合程度。（2）粮食收购市场与批发市场整合程度高于批发市场与零售市场整合程度，大豆市场和玉米市场垂直整合程度低于大米市场和小麦市场垂直整合程度。究其缘由，我国粮食托市收购政策的实施和托市价格的提高，扭曲了国内粮食市场供求平衡，使零售市场受国际市场影响较大，从而影响了国内粮食市场纵向供应链上价格的良性传递。（3）粮食市场垂直价格调整在不同区制具有非对称性。在收购价格与批发价格之间的调整中，大米收购价格仅在上区制调整显著，小麦和大豆批发价格在下区制的调整速度大于在上区制的调整速度;在批发价格与零售价格之间的调整中，小麦和大米批发价格仅在下区制调整显著，大米零售价格在上区制的调整速度大于在下区制的调整速度。（4）TVECM中间区制的调整参数也可能显著，即当价格偏离均衡程度低于交易成本时也存在价格调整，这意味着粮食价格的垂直传导还会通过信息渠道。

综合上述研究，为推进中国粮食市场垂直整合和提升粮食价格调控政策有效性，提出政策建议如下：（1）在保障国家粮食安全的情况下，尽可能减少价格干预，进一步推进粮价市场化改革，完善“价补分离”政策，形成良性的粮食市场价格传导机制。（2）调整粮食品种结构，平衡国内粮食市场供求关系，一方面，努力提高大豆自给率，降低大豆对外依存度;另一方面，重点调减玉米种植面积，减少玉米新增库存。（3）推进粮食加工产业转型升级，以深加工和延伸产业链来提升产品附加值，增强产品国际竞争力，降低对国际市场的依赖度。（4）制定与实施政策时，充分重视粮食价格还会通过信息渠道传递，警惕价格小幅波动对粮食市场供应链上价格变动造成的累积效应。

本文虽然采用了一种新的正则化贝叶斯估计法分析中国粮食市场垂直整合程度和非对称价格调整，但是也存在着不足与改进之处：一是由于目前仅有双变量TVECM的正则化贝叶斯估计程序，只能将收购价格、批发价格和零售价格分为两个子系统分别研究。然而，现实中很可能三者之间存在相互关系，所以，未来需要进一步开发多变量TVECM的正则化贝叶斯估计法。二是由TVECM门限估计值刻画的交易成本是基于不变成本的假设。然而，现实中，特别是对于更长的时间序列，这一假设过于严格，因此，未来需要进一步探讨时变门限模型。

注释：

① 推导过程详见Greb等（2013）的研究。

参考文献：

[1] Chen B， Saghaian S. Market integration and price transmission in the world rice export markets [J]. Journal of Agricultural & Resource Economics， 2016， 41（3）：444-457.

[2] 潘方卉，李翠霞. 生猪产销市场整合、决定因素与地理距离——基于省级数据的面板门槛模型[J]. 中国农村经济，2016（8）：28-41.

[3] 潘建伟， 张立中， 胡天石. 基于流通视角的农产品价格传导机制研究[J]. 农业技术经济， 2018（6）：106-115.

[4] Meyer J， Von Cramon-Taubadel S. Asymmetric price transmission： a survey[J]. Journal of Agricultural Economics， 2004， 55（3）：581-611.

[5] Peltzman S. Prices rise faster than they fall[J]. Journal of Political Economy， 2000， 108：466-502.

[6] 胡華平， 李崇光. 农产品垂直价格传递与纵向市场联结[J]. 农业经济问题， 2010， 31（1）：10-17.

[7] 马彦丽， 孙永珍. 中国奶产业链重构与纵向关联市场价格传递——奶农利益改善了吗[J]. 农业技术经济， 2017（8）：94-102.

[8] 王晶晶， 钱小平， 陈永福. 我国生猪产业链价格传递的非对称性研究——基于门限误差修正模型的实证分析[J]. 农业技术经济， 2014（2）：85-95.

[9] 董晓霞. 中国生猪价格与猪肉价格非对称传导效应及其原因分析——基于近20年的时间序列数据[J]. 中国农村观察， 2015（4）：26-38.

[10]潘方卉， 李翠霞. 生猪产销价格传导机制：门限效应与市场势力[J]. 中国农村经济， 2015（5）：19-35.

[11]Goodwin B K， Holt M T. Price transmission and asymmetric adjustment in the U.S. beef sector[J]. American Journal of Agricultural Economics， 1999， 81（3）：630-637.

[12]Goodwin B K， Harper D C. Price transmission， threshold behavior， and asymmetric adjustment in the U.S. pork sector[J]. Journal of Agricultural & Applied Economics， 2000， 32（3）：543-553.

[13]Ben-Kaabia M， Gil J M， Ameur M. Vertical integration and non-linear price adjustments： the Spanish poultry sector[J]. Agribusiness， 2010， 21（2）：253-271.

[14]全世文，曾寅初，毛学峰. 运输成本可以解释空间市场整合中的交易成本吗？——来自中国小麦和玉米市场的证据[J]. 中国农村观察，2015（1）：15-29.

[15]Meyer J. Measuring market integration in the presence of transaction costs——a threshold vector error correction approach[J]. Agricultural Economics， 2004， 31（2）：327-334.

[16]Hansen B E， Seo B. Testing for two-regime threshold cointegration in vector error-correction models[J]. Journal of Econometrics， 2002， 110（2）：293-318.

[17]Goodwin B K， Piggott N E. Spatial market integration in the presence of threshold effects[J]. American Journal of Agricultural Economics， 2001， 83（2）：302-317.

[18]肖小勇，章勝勇. 交易成本视角下国内外粮食市场整合研究[J]. 财贸研究，2014（6）：80-86.

[19]Shrinivas A， Gómez M I. Price transmission， asymmetric adjustment and threshold effects in the cotton supply chain： a case study for Vidarbha， India[J]. Agricultural Economics， 2016， 47（4）：435-444.

[20]全世文，曾寅初，毛学峰. 国家储备政策与非对称价格传导——基于对中国生猪价格调控政策的分析[J].南开经济研究，2016（4）：136-152.

[21]Greb F， Von Cramon-Taubadel S， Krivobokova T， et al. The estimation of threshold models in price transmission analysis[J]. American Journal of Agricultural Economics， 2013， 95（4）：900-916.

[22]Jamora N， Von Cramon-Taubadel S. Transaction cost thresholds in international rice markets[J]. Journal of Agricultural Economics， 2016， 67（2）：292-307.

[23]Hu Z， Brorsen B W. Spatial price transmission and efficiency in the urea market[J]. Agribusiness， 2017， 33（1）：98-115.

[24]马述忠，屈艺. 市场整合与贸易成本——基于中国粮食市场空间价格传导的新证据[J]. 农业经济问题， 2017（5）：72-82.

[25]Seo M. Bootstrap testing for the null of no cointegration in a threshold vector error correction model[J]. Journal of Econometrics， 2006， 134（1）：129-150.

[26]赵霞，赵莲莲，王舒娟. 市场控制、宏观调控与逆向选择——来自国有粮食企业购销行为的经验证据[J]. 农业技术经济，2017（5）：87-97.

[27]肖国安，王颖，龚波.国际粮食价格与中国粮食生产的波动相关性研究[J].财经理论与实践，2017，38（4）：115-120.

[28]张越杰， 王军. 推进粮食产业供给侧结构性改革的难点及对策[J]. 经济纵横， 2017（2）：110-114.

[29]孙坚强，崔小梅，蔡玉梅. PPI和CPI的非线性传导：产业链与价格预期机制[J]. 经济研究， 2016（10）：54-68.

[30]Stephens E C， Mabaya E， Von Cramon-Taubadel S， et al. Spatial price adjustment with and without trade[J]. Oxford Bulletin of Economics & Statistics， 2012， 74（3）：453-469.

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

（责任编辑：宁晓青）

Vertical Integration and Asymmetric Price

Adjustment in China's Grain Market：

Based on a New Regularized Bayesian Threshold Estimator

LIU Ling1， LI Yutai2

（1. School of Economy & Trade， Hunan University， Changsha， Hunan 410079， China;

2. Harbin Finance University， Harbin， Heilongjiang 150030， China）

Abstract：Based on the price data at farm， wholesale and retail levels for rice， wheat， soybean and maize， this paper uses the three-regime TVECM to investigate the vertical integration and asymmetric price adjustment in China's grain market in the perspective of transaction cost. For TVECM， we employ a new regularized Bayesian estimator. The results show that the farm-wholesale market integration is greater than the wholesale-retail market integration， and the vertical integration of soybean and maize markets is poorer than the vertical integration of rice and wheat markets. In addition， the vertical price adjustment of grain market is asymmetric in different regimes， and price adjustment may also occur when the magnitude of the deviation from long-run equilibrium is lower than the transaction cost.

Key words：Regularized Bayesian Estimator; grain market; vertical integration; asymmetric price adjustment; Three-regime TVECM

收稿日期： 2019-06-12

基金項目：  国家社会科学基金青年项目（15CJY065）

作者简介： 刘 玲（1987—），女，湖南攸县人，湖南大学经济与贸易学院博士研究生，研究方向：农业经济、宏观经济。