我國原料奶供給反應的實證分析
——基于GMM動態面板數據模型

鄭 義， 林恩惠

(福建農林大學管理學院，福建 福州 350002)

我國原料奶供給反應的實證分析
——基于GMM動態面板數據模型

鄭 義， 林恩惠

(福建農林大學管理學院，福建 福州 350002)

基于Nerlove模型和17個省(市、自治區)2003-2014年的動態面板數據，運用系統GMM法測算及比較了三聚氰胺事件前后原料奶收購價格對我國原料奶短期供給和長期供給的影響。結果顯示，短期內原料奶收購價格變動對我國原料奶供給影響較小，但從長遠看，價格變動對原料奶供給的影響深遠，尤其是在三聚氰胺事件發生后，原料奶收購價格對我國原料奶供給的影響更明顯。提出建立和完善奶粉儲備制度、建立更為合理的原料奶定價機制、穩定奶農收益等對策建議。

原料奶；收購價格；供給反應；Nerlove模型；動態面板數據

2017年1月，《全國奶業發展規劃(2016-2020年)》出臺，明確指出2020年我國奶類產量要達到4100萬t，奶源自給率高于70%[1]。然而，原料奶作為奶業發展的基本原料，近年來收購價格波動明顯，導致原料奶供給與需求矛盾突出，制約了我國奶業的進一步發展[2]。圍繞收購價格對原料奶生產的影響，周憲鋒等基于1995-2006 年的時間序列數據，估計了我國原料奶生產的供給彈性[3]；錢貴霞等進一步采用2003-2007年28個省(市、自治區)的面板數據，估計我國原料奶生產的供給彈性[4]；考慮到面板數據的截面異方差和序列相關問題，劉威等基于1992-2008年8個主產區省份的面板數據，運用似然不相關回歸進一步分析原料奶收購價格對我國原料奶生產的短期效應和長期效應[5]。以上學者的實證結果均表明在三聚氰胺事件發生前，我國原料奶的長期供給和短期供給均缺乏彈性，但三聚氰胺事件后，我國原料奶的供給反應是否發生變化，相應產業政策是否應進一步調整，仍有待進一步研究。

一、三聚氰胺事件后我國原料奶產量及價格的變動特征

(一)三聚氰胺事件后我國原料奶產量波動頻繁

1998-2008年，我國原料奶產量從1998年的662.9萬t快速增長到2008年的3555.8萬t，年均增長率為18.29%[6]。2008年9月，三聚氰胺事件全面曝光后，原料奶產量持續增長趨勢受到影響，之后長時間處于波動狀態；2009年，受三聚氰胺事件影響，原料奶一時無人收購，奶農紛紛賣牛宰牛，原料奶產量不升反降，下降到3518.8萬t[6]；2010-2012年，原料奶產量小幅增長；2013年下半年，奶牛存欄量大幅下降，國內再次出現嚴重的“奶荒”；2015年伊始，原料奶收購價格持續下跌，山東、廣東、青海、河北等多地出現大面積殺牛和倒奶事件。可見，三聚氰胺事件后，我國原料奶年產量圍繞3600萬t波動頻繁[7]，與《全國奶業發展規劃(2016-2020年)》制定的產量目標仍有一定差距。

(二)三聚氰胺事件后我國原料奶收購價格波動幅度大

三聚氰胺事件后，我國原料奶收購價格從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，隨著中央財政對原料奶收購的貸款貼息延長等奶業扶持政策的出臺，消費者信心逐步恢復，原料奶收購價格持續較快增長到2011年2月的每千克1.6元，在不到一年半的時間內每千克增長了0.5元。2011年3月至2013年5月，原料奶收購價格也保持緩慢增長。2013年下半年，“奶荒”出現，原料奶收購價格快速增長到2014年2月的每千克2.13元。然而，2014年1月開始，新西蘭原奶價格的下跌帶動了全球其他國家原料奶價格的下跌，我國原料奶收購價格也迎來了“拐點”，迅速下降到2015年2月的每千克1.72元，并導致了多地出現大面積殺牛和倒奶事件。至今，我國原料奶的收購價格仍圍繞每千克1.75元波動。

二、模型設定與數據來源

Nerlove模型是用于估計農業供給反應最廣泛和最成功的模型之一[8]。本文基于Nerlove模型構建收購價格對我國原料奶供給影響的計量模型[2-4]。Nerlove模型的核心是以下3個方程：

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]。

根據相關學者的模型設定，原料奶的供給不僅依賴于原料奶的收購價格[9-10]，還受競爭性農產品(資源利用上存在相互競爭關系的農產品)出廠價格和生產資料價格的影響，原料奶的供給反應模型中應加入這兩者作為控制變量。牛、豬、羊都是我國最主要的活牲畜，養殖戶的生產決策會同時受到牛、豬、羊出廠價格的影響，因此本文選取豬和羊的出廠價格作為競爭性農產品的出廠價格。飼料是奶牛養殖的主要生產資料，而谷類籽實是最主要的飼料之一，因此本文選取谷物的價格作為生產資料價格。為了分析我國原料奶收購價格影響供給的程度在三聚氰胺事件前后是否存在差異，加入了2008年前后的時間虛擬變量,以及該虛擬變量與當期原料奶收購價格的交互項的滯后一期作為自變量。最后，對原料奶的產量和各種價格作對數化處理，以便直接得到原料奶的供給價格彈性和減輕異方差性對參數估計的影響。最終的模型設定結果如下：

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

其中，Ptp、Pts和Ptc分別為豬、羊、谷物的出廠價格；Dt為三聚氰胺事件發生前后的時間虛擬變量；λ1為三聚氰胺事件發生前的短期供給價格彈性；λ1+λ8表示三聚氰胺事件后的短期供給價格彈性；λ1/(1-λ2-λ3)表示三聚氰胺事件發生前的長期供給價格彈性；(λ1+λ8)/(1-λ2-λ3)表示三聚氰胺事件后的長期供給價格彈性；λ4和λ5分別是豬的出廠價格和羊的出廠價格對原奶的供給交叉價格彈性。原料奶的產量數據來自《中國統計年鑒》，原料奶的收購價格、豬的出廠價格、羊的出廠價格及谷物的出廠價格分別用基期為2002年的生產價格指數表示，數據來自各年份的《中國農產品價格調查年鑒》。最后，得到17個省(市、自治區)(北京、福建、甘肅、河北、黑龍江、吉林、內蒙古、寧夏、青海、山東、山西、陜西、上海、四川、天津、新疆、云南)2003-2014年共12年的面板數據。2015年，17個樣本省(市、自治區)的原料奶產量高達3061.1 萬t，占全國原料奶總產量的81.53%，樣本代表性強。

三、基于系統GMM的實證結果與討論

(一)單位根檢驗

為了避免出現偽回歸問題，在估計面板數據模型之前，需檢驗面板序列的平穩性，即進行單位根檢驗。LLC檢驗是最常用的面板單位根檢驗方法[11]，但LLC檢驗的共同根假設在實踐中不容易滿足，而IPS檢驗則基于每個個體的自回歸系數不同的假設，克服了LLC檢驗共同根假設的不足，因而本文同時采用LLC法和IPS法進行單位根檢驗[12]，檢驗結果見表1。

表1 LLC和IPS單位根檢驗結果

注：括號中的數值為P值

由表1可知，原料奶產量對數、原料奶的生產價格指數對數、谷物的生產價格指數對數、羊的生產價格指數對數等4個序列在1%的顯著性水平下拒絕了含有單位根的原假設，即為平穩序列。豬的生產價格指數的LLC檢驗結果在1%的顯著性水平下拒絕原假設，即為平穩序列，但對豬的生產價格指數含有趨勢項的IPS檢驗結果顯示其在5%的顯著性水平下含有單位根，而僅含截距項、不含趨勢項的IPS檢驗結果為-2.7620(P=0.0057)，又拒絕了含有單位根的原假設。Breitung認為IPS 單位根檢驗對限定性趨勢的設定極為敏感[13]，因而本文進一步運用Hadri and Maddala-wu法檢驗[14]，結果顯示不存在單位根。綜上所述，以上5個原序列均為平穩序列，可以進一步進行協整檢驗。

(二)協整檢驗

在單位根檢驗的基礎上，本文進一步運用Pedroni法進行協整檢驗。Pedroni基于回歸殘差構造出7個統計量，以檢驗面板數據的協整關系(表2)。檢驗結果顯示，7個統計量均在1%的水平下拒絕了“不存在協整關系”的原假設，這表明原料奶產量、原料奶的生產價格指數、谷物的生產價格指數、羊的生產價格指數、豬的生產價格指數等5個序列存在協整關系。

表2 Pedroni協整檢驗結果

(三)動態面板數據模型的估計

由于模型設定包含了因變量的滯后項，組內估計量會存在“動態面板偏差”，本文運用系統GMM進行參數估計(表3)。

表3 動態面板數據模型的估計結果

從表3可知，原料奶產量的滯后一期、原料奶產量的滯后二期、原料奶收購價格的滯后一期在1%的顯著性水平下對我國原料奶供給有顯著影響；羊的生產價格指數、谷物的生產價格指數、2008年前后的時間虛擬變量與當期原料奶收購價格的交互項的滯后一期在10%的顯著性水平下對我國原料奶供給有顯著影響，且影響方向符合理論預期。

進一步對系統GMM“擾動項不存在自相關”的前提和“工具變量是否過渡識別”進行檢驗。檢驗結果表明，擾動項差分存在一階自相關(z統計量為-2.39，P值為0.017)，不存在二階自相關(z統計量為0.002，P值為0.999)，即滿足系統GMM關于“擾動項不存在自相關”的要求。過渡識別檢驗的結果在10%的顯著性水平下無法拒絕“所有工具變量均有效”的原假設(P值為0.261)。綜上，可計算得到三聚氰胺事件發生前，我國原料奶的短期價格彈性為0.1233，長期價格彈性為12.0161；在三聚氰胺事件后，我國原料奶的短期價格彈性為0.1335，長期價格彈性為13.002。可見，三聚氰胺事件發生前后，我國原料奶供給的短期價格缺乏彈性，但長期價格富有彈性；三聚氰胺事件后，我國原料奶供給的短期價格和長期價格都比三聚氰胺事件發生前更有彈性。

四、結論與啟示

本文基于Nerlove模型和17個樣本2002-2014年的動態面板數據，運用系統GMM法測算了原料奶收購價格對我國原料奶短期供給和長期供給的影響，得到如下結論與啟示。

1.短期內原料奶收購價格變動對我國原料奶供給影響較小。由于奶業的生產周期較長，導致原料奶短期供給價格彈性較小，產量對價格的調整速度慢，所以為了在短期內緩解原料奶供給與需求矛盾，應通過建立和完善奶粉儲備制度、鼓勵奶源基地建設等手段，加強對原料奶供給的調控，以彌補價格機制滯后的不足。

2.從長遠看，價格變動對原料奶供給的影響深遠。因此，為了保障原料奶的長期有效供給，政府應理順加工企業之間的競爭關系、加工企業和奶農之間的利益關系，避免加工企業在原料奶收購方面的惡性競爭，建立更為合理的原料奶定價機制，以平抑原料奶收購價格的大幅波動。

3.在三聚氰胺事件后，原料奶收購價格對我國原料奶的供給具有更顯著的影響。三聚氰胺事件后，奶農養殖效益降低，原料奶收購價格的微小變化也會導致奶農選擇養殖其他牲畜。因此，政府應采取稅收優惠和加大財政補貼力度等手段穩定奶農的收益，以緩解收購價格波動對我國原料奶長期有效供給的影響。

[1]全國奶業發展規劃(2016-2020年)[EB/OL]. (2016-12-27)[2017-07-05]. http://www.moa.gov.cn/govpublic/XMYS/201701/t20170109_5427126.htm.

[2]劉希,李彤,權聰娜,等.我國原料奶生產現狀及影響因素分析[J].中國畜牧雜志,2015,51(16):3-7.

[3]周憲鋒,朱香榮,花俊國.基于供求彈性角度的原料奶生產影響因素的實證分析[J].中國農村經濟,2008(7):73-80.

[4]錢貴霞,解晶.中國原料奶供求矛盾關系的實證分析[J].農業現代化研究,2010,31(3):272-276.

[5]劉威,陳書章,馬恒運.中國原料奶供給反應的實證研究——基于省際面板數據檢驗[J].華中農業大學學報(社會科學版),2011(2):50-54.

[6]中華人民共和國國家統計局.中國統計年鑒(2014)[M].北京:中國統計出版社,2014：386-387.

[7]中華人民共和國國家統計局.中國統計年鑒(2016)[M].北京:中國 統計出版社，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]張明楊,陳超,譚濤,等.中國農戶玉米播種面積決策的影響因素分析[J].南京農業大學學報(社會科學版),2014,14(3):37-43.

[10]劉俊杰,周應恒.我國小麥供給反應研究——基于小麥主產省的實證[J].農業技術經濟,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.

(責任編輯： 何曉麗)

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

福建省自然科學基金青年項目(2016J05168)；福建省社會科學規劃青年項目(FJ2016C018)；福建省中青年教師教育科研項目(JAS160187)；福建省教育科學“十三五”規劃2016年度海峽兩岸職業教育專項(FJJKHX16-012)。

鄭義(1988-)，男，講師，博士。研究方向：農產品市場與貿易。