最低收购价政策对粮食价格影响效应研究——以东北地区玉米及大豆为例

刘 丽

[内容提要]根据农业供给侧结构改革的推进，农业价改政策继续集中于玉米和大豆两个品种之上的可能性极大。粮食最低收购价作为中国农业支持政策的一项重点，其政策的实施对粮食价格究竟有何作用一直是学者们常探讨的问题。文章利用stata15软件，通过DID模型和平衡面板数据模型对玉米及大豆两种粮食价格在最低收购价政策实施前后的年度数据进行政策效果讨论。研究结果显示，托市收购前后，实施区与非实施区两种粮食价格的差异有所缩减，而不同粮食作物受政策实施规模、力度及产品特性的影响，政策实施效果有所差异。粮食最低收购价对一般品种(如玉米)存在明显的托市效应，而对于外贸依存度较高、市场相对复杂的粮食品种(如大豆)，其政策效果可能会被削弱。

粮食是人类最基础的生存资料，粮食的充裕是一切生产的首要前提。“无农不稳”“无粮则乱”，人们越来越认识到农业在国民经济中的基础地位。面对中国14亿的庞大人口，粮食安全与粮价稳定尤为关键。自政府颁布《粮食流通管理条例》起，中国的粮食政策迈入了一个崭新篇章，中国政府在保证国家粮食安全，进行粮食价格调控中做了不少政策尝试。其中，粮食最低收购价政策则可看作是粮食价格调控政策的起点，为了各行业健康发展及稳定粮农的种粮意愿，从调控的角度讲，政府可利用粮食最低收购价来调节政府临时储备规模，以此干预和协调本国粮食价格，使其保持在一个合理的水平。

根据蛛网模型理论，粮食作为市场经济中典型的生活必需品，其供给价格弹性明显高于需求价格弹性，均衡价格无法依靠市场自身调节的力量来实现。为避免粮食价格由于粮食产量及市场供求而出现过度波动，实现粮食供给的长期稳定，包括农业小规模作业的日韩及大规模化的美国在内的许多国家都使用或曾经使用过粮食最低价类的价格支持政策[1-3]。尽管粮食价格波动存在明显的周期性与季节性，粮食最低收购价政策保障粮农基本利益，避免粮食哄抢发生，提升农业经济效益，缩小工农差距的作用相对可观。粮食最低收购价政策实施以来，价格预案也呈上升态势。

自2004年中国粮食生产频频丰收，粮价面临不小的下行压力，为防止发生谷贱伤农，国家开始针对稻谷、小麦、玉米及大豆等粮食作物在部分产区出现市场价格低于最低收购价时采取临时存储收购。政府于2008年底开始分批次于玉米主产区以粮食保护价格实施国家临时收储政策，到2009年，政府在东北大豆主产区以高于市场价格的最低收购价收储了725万吨左右的大豆。同年，政府临储政策对玉米及大豆实行不限收、不拒收的敞开收购。由于国家临储政策实施主体及收购方式与最低保护价政策一样，临储政策基本已具备最低收购价政策的效果，可看作最低收购价的拓展。到2010年，政府继续在大豆主产区对大豆实施临时储备政策，本文将对大豆的政策支持归为最低收购价行列。

受制于进口玉米及大豆进入市场的混乱局面，我国关于玉米与大豆的最低收购价政策不甚稳定。2013年起政府发布文件，对东北地区疑似进口的大豆及玉米进行收购环节暂缓处理。关于最低收购价政策效果及其价值的描述与讨论也频繁出现在各类期刊，囿于粮食主产区与主销区差距的复杂性，政策实施面临一定的困难。影响玉米及大豆等粮食价格的因素十分复杂，最低收购价政策在粮价方面所起到的托市效应究竟有几分？本文将针对该问题展开试探性讨论。

一、模型框架和数据

(一)模型框架

1．Difference-In-Difference(DID)Model(双差分模型)。双重差分法是被广泛应用于政策分析或项目评估中的一种计量方法，其基本原理是将随机抽查的样本分为两组，一组是政策或项目的实施对象(看为“作用组”)，另一组非政策或项目的实施对象(看为“对照组”)。分别计算作用组与对照组在政策实施这个节点前后某项指标(如价格)的变化量(如价格增长量)，观察作用组与对照组同一指标在政策或项目实施前后的变化量，这两个变化量的差值即为“倍差值”，被大量用于政策或项目对处理组净影响的评估反馈工作。

DID模型的一般形式为：

Y=α0+α1T+γP+δTP+ε

(1)

其中Y为被解释变量，T、P均为虚拟变量，T表示政策实施情况，政策实施前为0，政策实施后为1，P则表示是否为作用组，作用组为1，对照组为0。

对于作用组，P = 1，根据式(1)被解释变量为：

Y=α0+α1TδT+ε

(2)

则政策实施前后作用组的被解释变量表达式分别为：

(3)

因此，政策实施前后，作用组被解释变量的变化为：

dif1=(α0+α1+γ+δ+ε)-(α0+γ+ε)

=α1+δ

(4)

对于对照组，P = 0，根据式(1)被解释变量为：

Y=α0+α1T+ε

(5)

则政策实施前后对照组的被解释变量表达式分别为：

(6)

因此，政策实施前后对照组被解释变量的变化为：

dif2=(α0+α1+ε)-(α0+ε)=α1

(7)

由以上各公式，可得作用组被解释变量在政策实施前后的净变化值：

dif=dif1-dif2=δ

(8)

本文研究的是粮食最低收购价政策对实施地粮食价格托市效应是否具有显著性，讨论最低收购价政策实施地与非实施地的粮食价格对比，粮食最低收购价政策直接作用于政策实施区，虽然不排除非政策区会受到保护价的联动影响，但受到粮食生长期及市场价格本身特征的影响，最低收购价对于对照组的政策影响会偏小及滞后[4-5]。因此，本文着重关注粮食市场价格在政策实施前后的作用组与对照组的同一时间水平上的差异是否存在明显差别。

以下对DID模型做出一定的调整：

要考察粮食最低收购价的政策效应，就要严格区分政策实施的时间点，在政策实施前(T=0)，作用组与对照组考察的价格分别为：

作用组：Y=α0+γ

对照组：Y=α0

则政策实施前两组价格的差异为：

dif3=(α0+γ)-α0=γ

在政策实施后(T=1)，两组被解释变量分别为：

作用组：Y=α0+α1+γ+δ

对照组：Y=α0+α1

则政策实施后两组价格的差异为：

dif4=(α0+α1+γ+δ)-(α0+α1)=γ+δ

据此，dif3与dif4均值存在的差异δ的显著性反应了政策实施区与非政策区在政策实施前后差异的有无。该问题可通过两类地区总体均值差的检验来进行讨论，模型的原假设和备择假设分别为：

(9)

2.面板数据模型。为考察粮食最低收购价政策对粮食价格的影响，在面板数据模型中引入表示政策实施前后的虚拟变量D，实施前为0，实施后为1。由于粮食价格影响粮农种植面积的选择，粮食售价、政府出台的粮食收购价格越高，粮农越倾向于扩大种植面积。根据贾娟琪、李先德等人的研究[6]，较大规模农户受粮食价格影响调整种植面积的可能性较大，东北地区作为大豆及玉米主产区符合该特征，粮食价格受多因素共同影响，其中上期价格对当期粮价的作用不容忽视[7]，据此本文引入本期价格的滞后一期作为解释变量，此处仅引用政策影响粮食价格的基础模型，不将生产资料成本、国外粮价等因素纳入控制变量。基本实证模型如下：

Pit=α0+α1Dit+βPi,t-1+ε

其中，Pit表示政策实施区第i省第t期粮食的市场价格，Pi,t-1为滞后一期的粮价，D是为区分政策实施前后引入的虚拟变量。

二、数据介绍

(一)研究样本选择

为保证DID模型政策实施前后的数据具有一定对称性，本文研究着重考虑2008年后粮食最低收购价的政策作用主体。粮食托市收购自上世纪80年代开始出现，之后的几十年里粮食在阶段性过剩与粮食赤字中往复波动，“最低收购价格”一词于2004年开始被正式提出，而后频繁出现在政策文件中。政府于2008年底开始分批次于玉米主产区(黑龙江、吉林、辽宁和内蒙古)以保护价格实行国家临时收储，故2008年底可看为玉米DID模型分析的分割点。到2009年，政府在东北大豆主产区(黑龙江、辽宁及吉林)以高于当时市场价格的最低收购价收储了725万吨左右的大豆。同年，政府对玉米和大豆实行不限收、不拒收的敞开收购。由于临储政策的收购价为政策出台的粮食最低收购价，临储政策基本可看作最低收购价的拓展。到2010年，政府继续在大豆主产区对其实施临时储备，临储常态化可看作大豆被列入最低收购价行列，故本文大致以2009年年底为模型分割点对大豆进行DID分析。

确定了玉米作用组为东北地区(黑龙江、吉林、辽宁和内蒙古)，大豆作用组为黑龙江、吉林及辽宁，根据《中国农产品价格调查年鉴》公布的中国农产品集贸市场年度价格及走势和中华粮网“数据中心”的价格数据，由于年鉴数据和中华粮网各类数据是由各省区企业及地方政府有关部门定期上报，难免存在部分地区关于部分玉米、大豆价格或部分时期价格数据上报不全的问题存在，且如北京、上海等金融中心地区的粮价很难具有代表性，为了实现玉米及大豆各自的数据在双差分模型中分割点前后均保持完整、对称，本文遵循数据完整性的原则截取数据，选择政策前后时段内数据完整对称的合适对照组。

(二)数据情况说明

为通过使用DID模型对作用组、对照组在粮食最低收购价政策作用前后的价格变化进行对比，本文选择研究的粮食作物品种为玉米和大豆，政策作用组为政策规定的主产区，即大豆为黑龙江、辽宁和吉林，玉米为黑龙江、吉林、辽宁和内蒙古。非政策实施区的大豆对照组为河南、山东、江苏、福建和广西，玉米对照组为河南、山东、河北、浙江和江苏。T变量的分割点分别选择玉米及大豆最低收购价政策实施的开始时间，由于本文模型引用的是年度数据，因此本文将玉米及大豆政策分割点分别定为2008年12月底及2009年12月底，T变量截取时间定为2003年至2018年。此外，受经济增长及国民消费者价格指数(CPI)波动的影响，为确保价格剔除通货膨胀影响，反应价格真实变化量的可靠性，本文对政策实施前后各期粮食价格进行去通胀处理。

DID模型数据情况说明见表1。

表1 DID模型数据情况说明

面板模型中使用的数据与双重差分模型数据基本一致但略有差别，为便于考察最低收购价政策对实施区粮食价格的净影响，本文分别以黑龙江、吉林、辽宁和内蒙古(玉米)及黑龙江、辽宁和吉林(大豆)为截面数据，以2003-2018年各自的年度价格为时间序列，保证每个个体相同时间均有观测数据记录，以作平衡面板分析。另外，模型剔除DID数据中对照组的部分，将玉米及大豆的全国平均报价纳入考虑范围，这是为了考察粮食最低收购价政策对包括政策实施区与非实施区在内的全国玉米及大豆市场价格的影响。在面板数据回归中，由于研究重点为最低收购价政策对实施区粮食价格的托市效应，故不考虑生产成本及国际粮价波动等因素的影响，除粮食最低收购价政策外，仅将玉米、大豆本期价格的滞后一期作为另一解释变量加入该基础模型。

三、实证研究结果

(一)DID模型分析结果

表2 DID模型分析结果

通过DID模型，本文对政策实施前后两组市场粮价表现的差异进行了对比与分析，并将这种分割点前后的价格差异假设为粮食最低收购价的政策效应。而事实上，引起这种粮食价格变动的因素可能还有其他。因此，在分析中引入一定控制变量是必要的，且受到个别省份数据统计不全的影响，无法满足数据对称性及完整性的省份没有囊括到上述双差分模型中。综上，下面模型将引入本期价格的滞后一期作为控制变量(基础模型不将生产资料及国际农产品价格纳入解释范围)，对平衡面板数据进行更深入的分析。

(二)面板数据模型结果

分析面板数据通常要首先确定混合效应模型、固定效应模型或随机效应模型。由于不同粮食价格存在较大差异，本文针对玉米与大豆两种粮食作物价格进行模型分析。面板数据计算公式如下：

一般而言，中国各省份经济运行状况、产业结构及粮食播种面积等特征之间的差别较大。因此，在实施区各省玉米或大豆价格的面板数据处理中，不排除个体效应存在的可能性，即各个截面估计方程截距和斜率项也许是不一致的。为验证两组模型个体效应存在的显著性，首先对两组模型分别做F检验。表3是在数据分析时进行的F检验及其计量结果。

表3 玉米模型与大豆模型的F检验结果

由表3可知，模型1(玉米)与模型2(大豆)面板数据F检验中的P值均为0.0000，故在1%的显著性水平下拒绝各截面估计方程截距和斜率相等的原假设，两个模型中的个体效应均显著存在。因而在本文中，随机效应或固定效应模型应比混合回归模型效果更优。下面引用豪斯曼(Hausman)检验来进一步确定随机效应模型或固定效应模型的最终选择结果。表4与表5分别是模型1(玉米)和模型2(大豆)的豪斯曼检验结果：

表4 玉米模型豪斯曼检验结果

表5 大豆模型豪斯曼检验结果

根据以上两表，玉米及大豆模型豪斯曼检验的p值为0.2412和0.1411，说明针对这两组模型，随机效应表现优于固定效应。这可能也是受到本文选取被解释变量即不同省份差异性的影响，由于各省份经济运行状况、粮食播种面积、产业分布及居民消费水平等特征之间的差别较大，不同省份玉米及大豆的最终价格表现或有不同。而本文主要针对最低收购价政策实施效果展开研究，因此在控制变量选取及被解释变量省份的选取中都存在具体性不足的缺陷，因而使用随机效应模型存在一定合理性，是可接受的。

确定了随机效应模型，由于两组面板数据均将本模型被解释变量(价格)的滞后一期作为一项解释变量引入模型，从而模型的随机误差项存在自相关，因此，本文在模型估计时进行差分变换，消除自相关性的影响，最终面板数据模型估计结果如表6和表7所示。

表6 玉米模型市场价格回归结果

表7 大豆模型市场价格回归结果

由表6及表7可以得知，玉米面板数据模型的回归估计结果基本上支持了国家粮食最低收购价政策对政策实施区及全国具有托市影响这一假定，政策系数为正且在1%的水平下显著。相比玉米，最低收购价政策对大豆模型的观测结果有很大差别，由表7的数据来看，虚拟变量的线性回归影响系数约为0.01，即实施区及全国大豆价格前后受到政策影响水平小，且不显著，但这并不与本文研究重点相矛盾。

正如上文解释的那样，该面板数据模型仅提取了可能影响粮食价格变化的少数几个解释变量进行回归，模型中的某些控制变量(如国际粮价与生产成本等)没有被纳入考虑范围，这难免会影响模型的经济解释效应。且经过前面DID模型的估计，针对大豆的最低收购价政策影响较玉米有很大的不同，其中之一就是实施区大豆价格的上涨幅度不会明显超过非政策实施区大豆价格的涨幅，面板数据结果也体现了大豆价格对于粮食最低收购价的政策反应不显著。这结果可从大豆产品自身的市场来源及用途等方面来解释：第一，中国大豆进口依存度极高(占我国大豆消费量的88%左右[10])，即使政府出台最低收购价政策，由于市场上绝大部分大豆来源于国外，政策很难对大豆的市场进行指导[14]。第二，依照市场对大豆产品用途上的区分，食用型大豆与工业用(如油脂)大豆价格存在差异，对临储政策的价格反应也不同。第三，根据一般经济理论，当主产区粮食于成熟期集中上市时，粮食价格上涨会受到抑制，此时主销区与主产区(即政策实施区)的价格很难受到政策控制。

四、余论

DID模型分析结果显示玉米的最低收购价政策对实施区价格存在明显的托市效果，与对照组即非实施区相比，政策在实施区起到的价格提升作用要明显超过非实施区。面板数据回归根据政策对玉米价格的影响展开进一步讨论，最低价政策影响系数为正且在1%的水平下显著。大豆对政策的反应相对复杂，首先由双差分模型可以看出，尽管政策实施后大豆的价格在实施区与非实施区的差异有所减小，但没有玉米那样突出的效果。而大豆价格在之后的面板数据模型中更是没有体现政策实施的显著性影响。我们大可猜测导致这种不同表现可能与政策实施力度、市场构成及产品特性等因素有关[15]。

如上文所描述，黑龙江、辽宁、吉林和内蒙古四省份玉米产量占全国玉米总产量三分之一以上，且由政府于2009年底实施敞开收购政策来看，其收购规模及政策力度相对较大。大豆市场上的产品则相对混乱，超过一半的大豆来源为进口，政府于2013年发布《关于东北地区大豆临时收储有关事项的通知》，明确表明禁止进口大豆进入收储环节，对疑似进口的大豆实行暂缓收购。而中国大豆自给率低，国内外市场大豆价格倒挂，廉价进口大豆在临储政策导致国产大豆供给不足时大量涌入市场，进而拉低了大豆的平均价格，加大了政策实施区临储的执行难度，影响着国内大豆供求关系及农户大豆种植的意愿。受这些复杂因素的制约，大豆的最低收购价政策执行力度及政策效果很难与其他粮食(如玉米)政策相比。

自2004年以来，中国出台不少关于粮食的价格支持政策，国内粮食价格的波动是国际粮价上涨大趋势的市场联动结果还是国内的政策效果，这是学者们需认真思考的问题。为研究最低收购价政策对玉米及大豆市场价格表现的影响，本文采取DID模型讨论政策效果的显著性，虽然基本证实了政策对实施区粮价具有明显政策效果这一假设，但由于DID分析具有一定的模糊性，且在数据获取过程中遇到一些难题，为深入考察最低收购价政策对实施区粮食价格的影响，本文后期利用面板数据对该问题进行讨论，获得了比DID方法更加明确的结果。

稳定粮食价格、保护农民利益一直是政府与学者关注的重点，而由于市场趋势和粮食价格波动的主要影响因素把握困难，很多宏观调控政策往往不尽人意，甚至成为价格波动的诱因，这使许多粮食政策备受争议。浅析上述结论，得到以下启示：第一，粮食的最低收购价政策可作为粮食价格支持的一种有效手段，该政策无疑在提高主产区粮食价格，保护粮农积极性的方面起着较为明显的作用。当然，对外贸依存度较高的粮食作物(如大豆)，政策效果有待进一步的考量；第二，国外粮食价格及国际能源价格对国内粮食价格的传导作用不可小觑，而中国的农产品支持政策针对粮食价格的保护，会对国际市场波动对国内粮价的短暂性冲击起到一定的平抑作用；第三，粮食价格波动不仅受自身供求关系变化的影响，还受其他经济及社会因素的影响。中国粮食市场化机制逐渐凸显，与此伴随的则是国际粮价对国内市场的影响趋于加大[16]。有关部门应提高市场监测与预测的能力，权衡农民及消费者利益，在必要时科学引导农产品市场的生产与流通。