我國糧食最低收購價政策實施效果的實證研究

劉艷秀++牛佳依++梁丹++姜鵬

摘要：從考察農民種植意愿是否增加的角度出發，結合因子分析法與支持向量機回歸模型，分析影響我國糧食種植面積的主要因素，并將糧食種植面積的實際值與無政策條件下的估計值進行對比，探討糧食最低收購價政策的實施效果。結果表明，從全國整體情況來看，最低糧食收購價政策實施效果較好，但是在部分省區的實施效果一般。根據上述結論，提出進一步完善糧食最低收購價政策以及與糧食產業相關的其他政策。

關鍵詞：糧食最低收購價政策；糧食種植面積；因子分析；支持向量機

中圖分類號： F323.7文獻標志碼： A

文章編號：1002-1302（2017）09-0313-04

為保護農民利益、保障糧食市場供應，2004年國家開始實施糧食最低收購價政策，對重點糧食品種，在糧食主產區實行最低收購價格政策，并每年事先公布重點糧食品種的最低收購價。在最低收購價格政策執行期內，當市場糧食實際收購價低于國家確定的最低收購價時，國家委托符合一定資質條件的糧食企業，按國家確定的最低收購價格收購農民種植的糧食，以保護糧農的種植積極性。

糧食市場收購價是糧食企業收購糧食的市場價格，由糧食供需雙方通過市場調節來決定，與糧食最低收購價一起構成糧食價格體系，在宏觀價格調控系統中有一定的相對獨立性。過高的糧食最低收購價不僅會提高糧食市場價格從而加重消費者負擔，同時也會增加糧食的庫存壓力和國家財政的支出風險；過低的糧食最低收購價又會打壓糧農種植糧食的積極性，造成糧食種植面積的萎縮，因此要將最低收購價定在合理的區間范圍內，以促使效益最大化。國內不少學者從理論角度對最低糧食收購價政策進行了分析，認為最低糧食收購價政策有助于促進糧食生產、穩定糧食價格、增加農民收入、確保我國糧食安全；但是同時也存在一些弊端：最低糧食收購價政策與糧食市場化改革方向相悖，扭曲了糧食真實的市場價格，使得市場調節作用不能得到有效發揮，進一步增加了政府的財政負擔[1-5]。糧食最低價收購政策對小麥產區主產省區的生產效率提升發揮非常重要的作用[6]，對主要糧食作物均存在托市效應，有必要實施政策干預[7]。蘭錄平則從實證角度出發，基于固定影響變截距模型對糧食最低價政策的實施效應進行分析，發現糧食最低收購價政策通過影響糧食播種面積，進而影響到糧食總產量[8]。不難發現，國內針對糧食最低收購價政策的實證研究相對較少，本研究從農民的種植意愿角度出發，分析政策的實施效果。

衡量糧食最低收購價政策實施的效果，主要是比較政策實施前后糧食種植面積是否有顯著性變化。然而，影響糧食種植面積的因素有很多，一方面是來自政策的影響，我國糧食保護政策體系主要由三大支持政策組成，包括糧食生產支持政策、糧食價格支持政策和收入支持政策；另一方面則來自非政策性因素，如農業勞動力人口、糧食進出口貿易、農民受教育程度、城鄉收入差距、家庭負擔等。因此，要研究糧食最低收購價政策的實施效果，不能單純地根據種植面積的變化來評定。筆者首先運用因子分析研究影響種植面積的主要因素，然后基于SVR模型運用影響因素指標數據估計無政策環境下的種植面積變化，并通過與實際種植面積變化對比來分析政策的實施效果。

1我國糧食種植面積影響因素研究

1.1數據選取與來源

本研究以全國和部分省區為研究對象，選取與糧食種植基本情況相關的指標、與農村經濟發展相關的指標以及與農業生產相關的指標（包括糧食播種面積、糧食凈進口量、農村居民家庭人均消費性現金支出、農村居民家庭人均純收入、農村居民家庭平均每戶生產性固定資產原值、農村居民家庭人總支出中的消費性支出、年末農村就業從業人員數、農業生產資料價格指數、農產品生產價格指數、農村居民消費價格指數、農用化肥使用量、農村用電量、農用機械總動力、有效灌溉面積）進行研究。由于不同地區的糧食種植情況具有差異性，因此，本研究以地理分布區域為標準，從每個區域中選取1個省份對政策的實施效果進行分析，包括吉林省、河北省、甘肅省、湖南省、福建省以及四川省。

我國于1993年開始對糧食市場進行市場化改革，并逐漸放開對糧食價格與糧食經營的控制，雖然后來為了保護糧食市場的穩定，政府出臺了一些政策對糧食市場實行干預，但總體上我國糧食的市場價格依然可以發揮作用。因此，本研究選取1993—2014年的數據進行實證分析，數據來源為中國知網中國經濟與社會發展統計數據庫。

1.2研究方法與結果分析

影響糧食種植面積的因素有很多，本研究選取了12種可能對糧食種植面積產生影響的因素，并對它們進行主成分分析與因子分析。主成分分析是一種通過降維技術將多個變量化為少數幾個主成分的統計分析方法。將主成分分析再往前推進一步就是因子分析，因子分析是常用的影響因素分析方法，其原理是用最少個數的不可觀察變量（公共因子）說明出現在可觀察變量中的相關模型，通過對變量（或樣品）的相關系數矩陣（相似系數矩陣）內部結構的研究，找出控制所有變量（或樣品）的少數幾個（不可觀測的）變量去描述眾多原始變量（或樣品）之間的相關（或相似）關系。由于因子分析與主成分分析是較常用的分析方法，鑒于文章篇幅的限制，本研究對主成分分析與因子分析的數學模型[9]不做贅述。

本研究利用SPSS軟件對數據進行主成分分析和因子分析。其中Y代表糧食的種植面積，X1代表農村居民家庭人均消費性現金支出，X2代表農村居民家庭人均純收入，X3代表農村居民家庭平均每戶生產性固定資產原值，X4代表農村居民家庭人均總支出中的消費性支出，X5代表年末農村就業人員數，X6代表農業生產資料價格指數，X7代表農產品生產價格指數，X8代表農用化肥使用量，X9代表農村用電量，X10代表農用機械總動力，X11代表有效灌溉面積，X12代表糧食凈進口量。

根據顯著性檢驗，在對全國的糧食種植面積以及相關指標進行分析時，剔除糧食凈進口量和有效灌溉面積指標，提取相關性較強的指標——X1～X10。

進行因子分析前要對上述各指標進行因子分析適用性檢驗，從表1可以看出，KMO值為0.723，P值為0.000，因此適合做因子分析。

到表2中的結果，表中1～10代表第1～10個主成分。不難看出只要提取3個主成分就能解釋97%的變量，并且第一主成分的方差貢獻率為69.97%。表3為因子載荷矩陣，表中系數為各個原始變量的因子表達式的系數，表示所提取的3個公因子對原始變量的影響程度。從表3中可以看出X1、X2、X3、X4、X8、X9、X10的系數均大于0.9，說明3個公因子對以上7個變量的影響程度較大，而這7個指標主要代表了農戶的經濟情況以及種植意愿相關。

2最低收購價政策對糧食種植面積的影響

2.1SVR模型理論與步驟

本研究采用對比法對問題進行分析，比較2005—2014年最低收購價政策實施情況下糧食種植面積的變化與最低收購價政策未實施情況下糧食種植面積的變化。本研究結合2005年之前的糧食種植面積情況和主要影響因素數據，運用支持向量機回歸模型（support vector regression，SVR）估計2005—2014年未實施最低收購價政策情況下的糧食種植面積。

支持向量機是由Vapnik等在統計學習理論、結構風險最小化的基礎上提出的一種機器學習理論[10]。支持向量機在解決小樣本、非線性及高維模式識別中具有很多優勢，其目標是根據小樣本情況，得到現有信息下的最優解，具有堅實的數學和理論基礎。本研究主要運用SVR來解決實際問題。

回歸問題主要研究的內容為給定訓練集T={（x1，y1），…，（xi，yi）}，其中xi∈Rn，yi∈R（i=1，…，l）根據訓練集提供的信息，在Rn空間里尋找一個實值函數f（x）對訓練點進行擬合，當給出1個新的輸入x時，根據y=f（x）來預測對應的輸出值y[11]。而υ-SVR的原理是基于結構風險最小化原則對回歸問題進行求解。由于無法確定各因素與糧食種植面積之間的關系是否為線性關系，因此本研究直接討論非線性情況下的υ-SVR。非線性情況下通過引進變換Φ把訓練點映射到某個高維Hilbert空間，在該空間對訓練集進行線性回歸，然后利用核函數K（x，x′）得到非線性情況下的回歸函數。該算法的主要思想是根據已知訓練集高維特征空間F中尋找1個回歸函數f（x）=wTΦ（xi）+b，其中w是F空間的向量，Φ（xi）是輸入變量x從原空間到特征空間F的映射函數，b是常數項，假設所有訓練數據都可以在精度ε下用線性擬合，考慮到允許擬合誤差的情況，引用松弛因子ξi，ξi*≥0，與最優分類超平面中能最大化分類間隔相似，可以將w和b通過求解以下最優化過程得出：

式中：C、υ是提前給出的參數，在目標函數中起著權衡的作用。約束條件表示訓練點應最大可能地落在ε-帶外側時，分別用松弛變量ξi、ξ*i對ε-帶進行軟化，以保證ε-帶涵蓋盡可能多的訓練點。模型中目標函數（2）式示尋找的決策函數的斜率盡可能得小，（3）式則表示應極小化所構造的ε-帶的帶寬，（4）式代表極小化誤[12]。

本研究引入支持向量機回歸的方法對糧食播種面積進行估計，為了較好地評估算法的有效性，試驗中使用五折交叉驗證的方法，該方法是指將數據集分為5個子集，首先選擇其中1個作為測試集，剩余4個子集作為訓練集，對訓練集進行試驗確定決策函數，并利用測試集對算法的有效性進行測評。基于此，本研究選用五折交叉驗證法選出最優參數用以擬合之后的數據。因為數據存在量綱之間的差異，在進行試驗前首先對數據進行標準化處理，克服數據之前存在的量綱差異。

在不考慮糧食最低收購價格的情況下，用實施糧食最低收購價政策前（即2005年前）的每年糧食種植面積以及表1中的指標數據，使用Matlab進行數值試驗，得到參數C、υ的最優解，進而得到最優化模型。然后，將2005—2014年主要影響因素指標數據帶入到最優化模型中，估計出2005—2014年的糧食播種面積，得出糧食播種面積估計值的百分比，并與實際糧食播種面積的百分比進行比較，用以說明糧食最低收購價格政策的效果。

2.2全國糧食最低價收購政策實施效果

運用SVR估計的結果如表4所示。其中，Y1t= RSt-RSt-1RSt-1 ，代表t年糧食種植面積實際值的變化率，即實施政策情況下糧食種植面積的變化；[FK（W2。7]Y2t=[SX（]ESt-ESt-1ESt-1 ，代表t年糧食種植面積估計值的變化率，即政策未實施情況下糧食種植面積的變化；Y3t為Y1t與Y2t的差值，如果Y3t為正值代表最低糧食收購價政策提高了農民種植的積極性。

從表4可以看出，Y3t均為正值，即糧食種植面積實際值變化率明顯高于未加收購價估計值變化率，且糧食種植面積估計值（假設未實施最低價收購政策條件下的糧食種植面積估計值）變化率除2014年以外在逐年下降。針對這種情況，本研究發現實施最低收購價政策，可以有效控制糧食種植面積的下降，說明糧食最低收購價政策增加了農民的種植意愿。

2.3不同地區糧食最低收購價政策實施效果

為了進一步觀察我國不同地區糧食最低收購價政策的實施效果，運用相同的方法，使用Matlab進行數值試驗，分別估計出我國6個省區[13]無政策條件下2005—2014年的糧食種植面積，并與實際糧食種植面積（表5）進行比較，得到表6中的結果。

由表6可以看出，實施糧食最低收購價政策后，吉林省除2007年外其他年份糧食種植面積實際值變化率高于估計值變化率，政策的實施效果比較好。河北省2006—2008年糧食種植面積的實際值變化率比估計值變化率要低，說明2005—2007年政策實施效果不太理想；但是2009—2014年兩者的差值均為正，政策實施效果較好；湖南省2006—2007年糧食種植面積的實際值變化率比估計值的變化率低，但是自2008年開始實際值的變化率均高于估計值的變化率；福建省大部分年份里，糧食種植面積實際值變化率高于估計值變化率，總體來看，糧食最低價收購政策在福建省的實施效果較好。2006—2010年與2014年四川省糧食種植面積實際值變化率低于估計值變化率，說明糧食最低收購價政策在該省的實施效果一般，可能是由于近年來農戶不斷調整種植結構導致的，根據國家統計局成都調查隊的檢測數據顯示，四川省主要種糧大縣的農戶為增加收入，減少糧食播種面積，增加蔬菜、瓜果、油菜、花卉等經濟作物的種植面積。

綜上所述，對不同省份實施糧食最低收購價格政策所產生的效果有所差異，但是對于絕大多數省份來說，實施這項政策的執行效果是比較理想的。

3結論和建議

3.1結論

對糧食種植面積影響程度較大的指標有農村居民家庭的收支狀況、農業生產資料價格指數、化肥施用量、農用機械總動力。

從增加農民種植意愿的角度出發，糧食最低價收購政策在全國實施的效果較好，但由于我國疆域廣大，不同地區的經濟水平與地理條件存在差異，部分省區政策效果不是十分理想。

影響糧食種植面積的因素雖然比較復雜，但是從經濟學角[CM（25]度來看農戶糧食種植決策行為的基礎是追求收益最大化，農戶糧食生產收入預期是決定農戶糧食種植決策行為的中介變量，因此，農戶是否種植糧食、種植多大規模，主要取決于農戶收入預期，當農戶主要來源于糧食生產的收入預期增加時，農戶傾向擴大糧食種植面積。而政府實行的糧食直接補貼、最低收購價政策，調節了以糧食生產為主要收入來源農戶的糧食種植決策行為，提高了其糧食生產積極性，一定程度上促進了糧食種植面積的擴大。

3.2建議

農資漲價使糧食生產成本增加，會在一定程度上抵消政策給農民帶來的好處，挫傷農民種糧積極性[14]，同時糧食生產的提高也會影響糧食市場價格。因此，須要制定農資生產企業的稅收減免優惠政策，加大對農資市場價格的監管力度，進而穩定糧食價格。

根據市場供求狀況、糧食生產成本、不同年份、不同地區、不同品種的具體情況制定并提前發布合理的最低糧食收購價格。

建立直接補貼性質的糧食最低收購價政策，使農民可以將糧食賣給任意一家糧食收儲企業，為農民提供便利條件，防止農民出現賣糧難的問題。

針對現有弊端繼續深化糧食流通市場化改革，提高糧食流通的效率，積極培育多元化市場經營性主體，鞏固糧食市場化改革的成果。

加強我國糧食儲備體系建設，綜合運用各種糧食宏觀調控政策，并與糧食最低收購價相互協調，更好地發揮國家調控的作用。

參考文獻：

[1]丁偉. 對糧食最低收購價政策功能的評價與思考[J]. 中國農業銀行武漢培訓學院學報，2006（3）：33-35.[HJ1.75mm]

[2]鄒鳳羽，國娜. 進一步完善糧食最低收購價政策的思考[J]. 農村經濟，2009（11）：14-16.

[3]賀偉. 我國糧食最低收購價政策的現狀、問題及完善對策[J]. 宏觀經濟研究，2010（10）：32-36，43.

[4]田建民，孟俊杰. 我國現行糧食安全政策績效分析[J]. 農業經濟問題，2010（3）：11-15.

[5]施勇杰. 新形勢下我國糧食最低收購價政策探析[J]. 農業經濟問題，2007（6）：76-79.

[6]張建杰. 對糧食最低收購價政策效果的評價[J]. 經濟經緯，2013（5）：19-24.

[7]王士海，李先德. 糧食最低收購價政策托市效應研究[J]. 農業技術經濟，2012（4）：105-111.

[8]蘭錄平. 糧食最低收購價政策實施效應的實證分析[J]. 山東農業大學學報（社會科學版），2013（2）：45-49.

[9]汪曉銀. 數學建模與數學實驗[M]. 北京：科學出版社，2012：16-26.

[10]Vapnik V. The nature of statistical learning theory[C]. New York：Springer-Verlag New York，Inc，1995：988-999.

[11]Schlkopf B，Smola A. Learning with Kernels：support vector machines，regularization，optimization，and beyond[J]. Journal of the American Statistical Association，2003，16（462）：489-489.

[12]Christmann A，Steinwart I. Support vector machines[J]. Information Science & Statistics，2008，158（18）：1-28.

[13]汪希成. 中國主要糧食品種生產的區域優勢比較[J]. 財經科學，2014（7）：102-113.

[14]蘭錄平. 我國糧食最低收購價政策的效應和問題及完善建議[J]. 農業現代化研究，2013（5）：3-7.