農產品批發價格指數與物流業景氣指數的關系研究

楊思雨 田國強

(中國農業大學 經濟管理學院，北京 100083)

1 問題提出與理論分析

1.1 問題提出

農產品批發是聯結生產和消費、實現農產品流通的關鍵環節，承擔著主要農產品集散、價格形成和信息傳遞3大功能。Price Statistics Review Committee[1]指出批發價格指數從1890年起連年公布，其最初是作為衡量一級市場價格變動的指標。我國從2005年11月11日起每天公布全國農產品批發價格指數，為全面反映全國農產品批發環節的價格整體水平及其變化，對于指導生產、引導消費、促進流通具有重要作用。以往文獻指出，農產品批發價格指數一般會受到季節與氣候因素、供需關系、物流成本的影響[2-3]。隨著我國商品流通體制市場化改革的不斷推進，自20世紀80年代中期，國家全面取消農產品統購統銷，農產品流通正式進入自由流通的商品經濟時代，物流在農產品流通中的作用愈加凸顯。中國農產品物流總額呈逐年遞增趨勢，2017年，中國農產品物流總額為3.7萬億元。按可比價格計算，同比增長3.9%，增速比上年同期提高0.8個百分點。我國糧食從產區到銷區的物流費用占銷售價的30%～35%，而發達國家為20%～25%；鮮活農產品物流成本占總成本60%以上。

國內外學者對農產品批發價格傳導的研究較多，主要集中在季節調整、橫向傳導、縱向傳導等。對農產品批發價格指數的季節調整，孟文強等[4]分析了農產品批發價格指數季節波動規律和經濟含義，提出適用于農產品批發價格指數季節效應預調整的最優時間間隔，更好的分析其季節波動特征。羅光強等[5]運用季節分析法與濾波法分析農產品價格波動的趨勢與特征，發現經濟新常態下農產品價格波動整體呈現周期性上升態勢，農產品價格波動的季節性和周期性特征明顯。促進我國農產品市場穩定運行需要謹防季節性和跨周期性的內外沖擊。

縱向研究全產業鏈的價格傳導機制，李桂芹等[6]認為蔬菜全產業鏈條價格之間的傳遞呈現出明顯的“非均衡性”。與零售價格相比，蔬菜批發價格的上漲更能帶動生產價格的提高。潘建偉等[7]采用VAR模型對我國農產品生產價格←→農產品批發價格←→農產品零售價格傳導關系進行實證研究，揭示農產品生產價格、批發價格、零售價格的正向傳導和逆行反饋在農產品價格上漲和下跌狀態下傳導規律。

橫向研究農產品批發價格指數與其他要素的關系，針對農產品批發價格指數與消費者價格指數(CPI)的協整關系研究眾多。Shahbaz等[8]以巴基斯坦為例，實證研究了批發價格指數與CPI之間的協整性和雙向因果關系。姚壽福[9]得出我國農產品批發價格指數與CPI之間存在著長期穩定的均衡關系，農產品批發價格指數對CPI的作用當期比滯后期大。譚晶榮等[10]研究農產品批發價格指數與國際大宗商品期貨價格指數之間的關系。

國外學者對物流業景氣指數的研究較少，國內學者唐光海[11]指出市場規模會直接影響現代物流業景氣程度。王虹等[12]發現模型化的物流業景氣變動狀況同宏觀經濟大勢是吻合的。孫穎[13]指出物流業景氣指數與制造業采購經理指數的長期關系為：制造業采購經理指數每上升1個百分點，物流業景氣指數將被拉動7.584 301個百分點。羅濤[14]認為物流業景氣指數與生產者價格指數在5%的顯著性水平下存在單向Granger因果關系，表現為物流業景氣指數是生產者價格指數的Granger原因。

回顧現有文獻，幾乎鮮有研究農產品批發價格指數與物流業景氣指數的非對稱傳遞。故本研究旨在深入探究農產品批發價格指數與物流業景氣指數波動特征的基礎上，進一步對比分析農產品批發價格指數與物流業景氣指數的影響機理。比較農產品批發價格指數與物流業景氣指數的關系，基于MS-VAR模型，在考慮變量間非線性關系的前提下，分析區制轉換持續時間，進而探究不同區制狀態下脈沖響應路徑及傳導特征。

1.2 理論分析

農產品批發市場依托于一定的規模，由生產者或中間收購商將分散的產品集中到批發市場被批發商收購，再通過零售商銷售，最終到達消費者手中。可以規避產品分散經營，加強社會分工，實現規模化，有效降低物流成本。農產品物流的不同流通階段會有不同的流通主體執行物流活動，具體表現為物流的全過程被分割為農產品的生產、批發、零售等不同階段的物流。

圖1 農產品批發市場與物流業的作用機理

通常而言，零售商會根據農產品批發市場的批發價格w決定訂貨量q，而批發商則會綜合考慮與農產品流通相關的成本和損耗，并在成本最小化的原則下制定最優批發價格及訂貨量。當把農產品運送到零售商手中時，零售商會根據農產品自身品質、市場需求量以及物流成本來確定最終零售價格[15]。

基本假設：

1)批發商承擔農產品產地到批發市場的物流運輸成本a1(t)。

2)零售商承擔農產品批發市場到零售商之間的物流運輸成本a2(t)。

3)農產品在常溫的物流過程中，極易損耗，設其生命周期為T，構造與流通時間相關的產品保存比率函數φ(t)(0≤t≤T)，用以闡述這一產品實體數量的變化規律。當t=T時，φ(t)=0；當t=0時，φ(t)=1。當訂貨量為q時，批發市場為了預測出損耗后的訂貨量有效值，需運送q/φ(t)件產品。

4)假設流通企業對于每件農產品的加工成本為L，批發商承擔產地到批發市場的物流倉儲成本b1(t),零售商承擔批發市場到零售商的物流倉儲成本b2(t)。

5)農產品在產地的自身成本為C0，季末殘值為零。

6)市場需求函數d=AP-kγ(t)是零售價格與產品品質的函數。在同樣的價格條件下，農產品的品質越好，消費者的需求量越大，其中A是市場規模系數，k是價格彈性系數，k>1。

對批發商而言，當零售商每次訂貨量為q時，由于農產品流通中的損耗，會選擇提供大于訂貨量的運輸量。已構造產品保存比率函數φ(t)，且訂貨量為q，需運送q/φ(t)件產品。在以上約束條件后，可得批發商的成本與利潤分別為：

C=(a1(t)+b1(t)+C0)(q/φ(t))

(1)

π=wq-(a1(t)+b1(t)+C0)(q/φ(t))

(2)

令上式一階導數為零，由零售商利潤最大化知q*′=q*[-k/(w+b2(t)+a2(t)+L)]，則可得出農產品批發價格直接影響零售商的訂貨量。

則可推導出批發商最優批發價格為：

(3)

農產品批發價格與物流運輸成本、倉儲成本、產品自身成本、損耗率、加工成本等相關。結合實際情況，物流費用一般占到農產品批發價格的50%以上，農產品批發價格指數會對物流業景氣指數產生較大影響。

2 研究方法

馬爾可夫區制轉移向量自回歸MS-VAR模型，可被視為VAR(p)模型的一般化形式[16-18]。考慮一個K維時間序列構成向量：

yt=v+A1yt-1+…+APyt-p+ut

(4)

式中，yt是K維時間序列向量，yt=(y1t,…yKt),t=1,2，…，T；ut～IID(0,∑)。

將式(1)表示成如下均值調整后VAR模型：

yt-u=A1(yt-1-u)+…+Ap(yt-p-u)+ut

(5)

yt的條件概率密度函數為：

(6)

假設st服從離散狀態馬爾科夫隨機過程，其轉移概率推算方式將其定義為：

Pij=Pr(st+1=j|st=i),

(7)

則其轉移矩陣可表示為式(5)：

式中PiM=1-Pi1-…-Pi,M-1,i=1,2,…,M。

下面考慮VAR(p)模型均值調整的區制轉移形式，假設M為區制數，p為階數，則可表示為：

yt-u(st)=A1(s1)(yt-1-u(st-1))+…+

Ap(st)(yt-p-u(st-p))+ut

(8)

其中，ut～IID(0,∑(st))，u(st)，A1(s1),…,Ap(st),∑(st)是用來描述參數u，A1,A2,…,Ap和∑對于區制st依賴的變參數函數，即

(9)

當區制發生一次性跳躍時，模型也會隨之改變。但有些情況，當模型轉移到另一個區制時，期望其均值能夠平滑地變成新的水平，這樣也更為合理。此時模型中加入一個區制相關的截距項v(st)，可按式(7)處理：

yt=v(st)+A1(s1)yt-1+…+Ap(st)yt-p+ut

(10)

不同于線性VAR模型，對區制變化后可觀測變量的狀態進行相應調整[19-20]。

3 變量選擇與數據來源

3.1 研究假設

根據理論分析可知，農產品批發價格指數波動會影響物流業景氣指數，但并不能得出兩者呈正相關或負相關關系。進一步地，本研究推測農產品批發價格上升，市場農產品流通量上升，物流業收入增加，帶動物流業的庫存周轉次數、設備利用率、從業人員、新訂單、業務總量5項指數均增加，從而這5項指數加權合成的下一期物流業景氣指數提高；農產品批發價格下降，市場農產品流通量下降，會使物流業收入減少，下一期物流業景氣指數降低。因此，在分析時主要驗證以下2個假設：一是農產品批發價格指數的變動對物流業景氣指數的影響應該是顯著的，是物流業景氣指數的重要帶動力量。二是農產品批發價格指數變動對物流業景氣指數的作用一般不會在當期完成，應該具有明顯的滯后作用。

3.2 數據來源

選取2011年12月—2019年1月各月度數據作為研究對象，由于我國目前沒有編制農產品物流景氣指數，本研究用物流業景氣指數近似替代。雖然物流業景氣指數反映我國物流業經濟發展的總體變化情況，但是農產品物流作為物流業的一個組成部分，用物流業景氣指數近似替代能在一定程度上反映農產品物流景氣指數的變化趨勢。物流業景氣指數具體來源于中國物流信息中心，記為LPI；物流業景氣指數以50%作為經濟強弱的分界點，高于50%時，反映物流業經濟擴張；反之，則物流業經濟收縮。農產品批發價格指數來源于中國農業信息網，記為NONG。為便于比較，以上數據均選取2010年為基期。選取2011年12月作為樣本起始點是因為：物流業景氣指數最早設立于此時。

3.3 數據預處理

為降低異方差造成的影響，將序列LPI、NONG依次取自然對數，記為LLPI、LNONG，以獲得更加平滑的指數值。考慮到農產品批發價格指數和物流業景氣指數的波動存在季節性，利用EVIEWS軟件中的census12x季節調整法，對各指標序列進行季節調整，以剔除季節變動要素和不規則要素的影響，其中公布的物流業景氣指數已經過季節調整，無須再調整。完成數據預處理后的2序列可記為：LLPI、LNONG_SA。

4 實證結果與分析

4.1 變量的描述性分析

從2011年以來，我國農產品批發價格指數波動較為劇烈，物流業景氣指數總體較為平穩，但存在短期的波動起伏，呈現高位趨穩的發展態勢。為了更好研究農產品批發價格指數的變動，引入農產品批發價格指數中的小類指數“菜籃子”產品批發價格指數進行對照分析。在樣本期間的86個月中，“菜籃子”產品批發價格指數的波動幅度高于農產品批發價格指數的波動幅度，兩者的波動頻率、變化趨勢存在一致性，也都呈現出了一定的周期性。

如圖2所示，農產品批發價格指數和物流業景氣指數原始序列趨勢圖，2011年12月—2019年1月，物流業景氣指數在50附近平穩波動，2018年2月達到樣本期間的最大值59.5，2012年3月達到樣本期間的最小值50。在2015—2018年，農產品批發價格指數和“菜籃子”產品批發價格指數的走勢起伏較大，比2011—2014年的平均水平高，這除了與物價等有關外，還與2015年的經濟新常態、A股股災、2016年供給側結構性改革、2018年的中美經貿摩擦有關。2016年3月農產品批發價格指數和“菜籃子”產品批發價格指數都達到樣本期間最大值分別為255.19和265.34，2012年11月其達到樣本期間的最小值分別為185和182.4。2019年初，物流業景氣指數雖然有所回落，但仍保持在較高水平，預示著后期中國物流有望保持平穩運行的基本走勢。

圖2 2011年12月以來我國農產品批發價格指數、物流業景氣指數走勢

4.2 變量的平穩性檢驗

通過以上的描述性分析可知，直觀上可看出農產品批發價格指數在樣本期間不同時期狀態特征有區別，并分析農產品批發價格指數的不同時期狀態特征下其與物流業景氣指數間的關系對物價的穩定以及相關政策制定有著重要意義。對農產品批發價格指數(LNONG_SA)、物流業景氣指數(LLPI)進行平穩性檢驗，以免出現偽回歸。采用ADF檢驗進行單位根檢驗，檢驗結果見表1。

表1 平穩性檢驗(單位根檢驗)

注：_SA為經過季節調整后，LLPI已是季節調整后指數；***表示在1%的水平上顯著。

Note: _SA is seasonally adjusted, and LLPI is seasonally adjusted.*** means significant at the 1% level.

農產品批發價格指數、物流業景氣指數在5%顯著性水平下均通過單位根檢驗，說明LLPI、LNONG_SA為平穩序列，可用于構建MS-VAR模型，能夠保證估計的有效性。

4.3 MS-VAR模型

4.3.1模型估計

通過平穩性檢驗后，建立MS-VAR模型。在使用MS-VAR模型進行計算前，通過BDS檢驗農產品批發價格指數與物流業景氣指數間存在非線性關系。由于目前沒有嚴格程序可確定MS-VAR模型滯后階數，一般沿用普通VAR模型最優滯后階數的確定準則，即根據AIC、SIC和HQ準則，得出基于LLPI與LNONG_SA的MS-VAR模型最優滯后階數為2。針對區制選擇，將模型的區制狀態設定為2。

MS-VAR模型可劃分為多種形式，通過比較不同形式的對數似然比、AIC值、HQ值、SC值等，依據對數似然比值最大、AIC值最小、HQ值最小、SC值最小準則，確定基于LLPI與LNONG_SA最優模型形式為MSIH(2)-VAR(2)，且MSIH(2)-VAR(2)模型卡方統計量和DAVIES檢驗的P值均<5%，顯著地拒絕線性模型的假設，說明模型選擇合理，由表2 可見。

4.3.2結果分析

本研究MS-VAR分析的2區制如圖3所示，自2012年2月以來存在35次區制轉換，在2012年，較多的樣本處于區制2內，在2013年，較多的樣本處于區制1內，在2014—2015年，大部分樣本處于區制2內；在2016年，41.7%的樣本處于區制1內，58.3%的樣本處于區制2內；在2017年，較多的樣本處于區制1內；2018—2019年1月，樣本較多的處于區制2內。

農產品批發價格指數和物流業景氣指數間存在明顯的“雙區制”動態變化特征，處于區制1的維持概率是0.416 1，處于區制2的維持概率是0.728 5，相對應地，處于區制1的平均持續期為1.71個月，處于區制2的平均持續期為3.68個月，狀態轉換頻繁。區制2下農產品批發價格指數和物流業景氣指數之間的持續時間為區制1的2倍。從模型估計的區制轉移概率陣可知，由區制1向區制2轉移的概率為0.583 9，由區制2向區制1轉移的概率為0.271 5。

表2 基于LLPI與LNONG_SA的模型選擇依據

注：*表示根據對應的判斷標準下最優選擇。

Note: *indicates the optimal choice according to the corresponding judgment criteria.

圖3 基于LLPI與LNONG_SA的各區制下平滑概率

表3 基于LLPI與LNONG_SA的各區制持續期

在不同區制狀態下，物流業景氣指數與農產品批發價格指數的相關程度不同。在區制1下，物流業景氣指數與農產品批發價格指數的相關系數為-0.543 0，而在區制2下，2者的相關系數為-0.260 2，區制1時LLPI與LNONG_SA序列的相互影響程度要強于區制2時的影響程度，說明了物流業景氣指數與農產品批發價格指數之間的傳導具有非線性特征，見表4所示。

表4 基于LLPI與LNONG_SA的各區制變量相關系數矩陣

MSIH(2)-VAR(2)模型估計結果如表5所示，分別比較區制1和區制2狀態下農產品批發價格指數和物流業景氣指數的標準誤(SE)，可看出區制2狀態下標準誤(0.026 4、0.040 7)高于區制1狀態下標準誤(0.014 9、0.007 6)。

無論農產品批發價格指數、物流業景氣指數都是受其自身滯后1期的正向顯著影響，受其自身滯后2期的負向顯著影響。比較2者之間的相關性，相比于農產品批發價格指數，物流業景氣指數更容易受到對方的影響。當農產品批發價格指數滯后1期增加一個單位，物流業景氣指數減少-0.134 7個單位，即農產品批發價格指數上升，物流業會收縮；農產品批發價格指數滯后2期增加一個單位，物流業景氣指數增加0.211 7個單位，即農產品批發價格指數上升，物流業會擴張，且擴張的幅度比上期收縮的幅度大。可見，物流業景氣指數會受到農產品批發價格指數波動的顯著影響，且累積影響為正。農產品“滯銷”可能由于農產品批發價格過低，導致物流業收縮，農產品運不出來，大多“爛在地里”。

表5 基于LLPI與LNONG_SA的模型估計結果

注：***、**、*分別表示在1%、5%、10%水平上顯著。

Note: ***, ** and * mean significant at 1%, 5% and 10%, respectively.

4.3.3脈沖響應分析

為了進一步考察LONG_SA與LLPI的影響方向、持續時間與作用強度，并比較不同區制下短期動態影響差異。基于MSIH(2)-VAR(2)模型分別給物流業景氣指數、農產品批發價格指數一個沖擊，觀察其在不同區制狀態下的響應情況(圖4)。

圖4 基于LLPI與LNONG_SA的各區制下脈沖響應

農產品批發價格指數沖擊對物流業景氣指數的動態影響。給定農產品批發價格指數一個標準差的正沖擊，在區制1下，物流業景氣指數在當期有正向響應，隨后開始上升，在第4期達到正的最大值0.002，隨即開始下降，在第11期達到收斂。在區制2下，物流業景氣指數當期有負向響應，隨后開始上升，在第4期達到正的最大值0.004，隨即開始下降，在第11期達到收斂。區制2下農產品批發價格指數對物流業景氣指數的沖擊力度比區制1大；區制1下，農產品批發價格指數對物流業景氣指數的沖擊力度大于物流業景氣指數對農產品批發價格指數的沖擊力度。

總體來說，在任何區制下，農產品批發價格指數顯著影響物流業景氣指數，且累積影響為正。農產品批發價格指數上升，會導致物流業景氣指數上升。給定農產品批發價格指數一個標準差的正沖擊，無論區制1、2下，物流業景氣指數均在第4期達到最大，持續到第11期收斂。

物流業景氣指數沖擊對農產品批發價格指數的動態影響。給定物流業景氣指數一個標準差的正沖擊，在區制1下，農產品批發價格指數在當期有正向響應，隨后開始上升，在第1期達到正的最大值0.000 6，隨即開始下降，在第9期達到收斂，物流業景氣指數沖擊農產品批發價格指數的累積影響為正。在區制2下，物流業景氣指數當期有正向響應，隨后開始上升，在第1期達到正的最大值0.004，隨即開始下降，在第9期達到收斂。區制2下物流業景氣指數對農產品批發價格指數的沖擊力度比區制1大；區制1下，物流業景氣指數對農產品批發價格指數的沖擊力度小于農產品批發價格指數對物流業景氣指數的。

總之，農產品批發價格指數會顯著影響物流業景氣指數提高，無論是在區制1還是區制2下，物流業景氣指數、農產品批發價格指數對其自身的沖擊都強于其對對方的沖擊。

5 結論與啟示

5.1 結論

基于2011年12月—2019年1月農產品批發價格指數、物流業景氣指數的月度數據，本研究構建了農產品批發價格指數與物流業景氣指數之間MS-VAR模型進行實證分析，主要得出以下結論:

農產品批發價格指數作為先導性指標，顯著影響物流業景氣指數，且累積影響為正。但是農產品批發價格指數對物流業景氣指數的正向顯著影響是在滯后2期完成的，政策的落實存在時滯，不是立竿見影的。

農產品批發價格指數與物流業景氣指數間存在明顯的“雙區制”動態變化特征。處于區制2的總時間和平均持續時間均要顯著長于區制1的時間。宏觀經濟波動、運費成本的變動、價格支持政策，是可能導致農產品批發價格指數與物流業景氣指數之間波動存在區制轉換效應的主要原因。

農產品批發價格指數與物流業景氣指數之間波動的區制狀態具有較強的持續性。區制1的持續概率為0.416 1，區制2持續概率為0.728 5，從區制1轉換到區制2時的轉換概率要大于從區制2轉換到區制1的概率，不同區制狀態之間的轉換具有非對稱性。

5.2 啟示

農產品批發價格指數對物流業景氣指數有正向顯著影響，且農產品批發價格指數與物流業景氣指數間存在長期均衡關系，在區制1下，農產品批發價格指數與物流業景氣指數相關性強于區制2下的相關性。

我國農產品批發價格指數上升，會促進農業企業、農業合作社、家庭農場、種糧大戶、普通農戶生產農產品積極性提高，農產品供給增加，從而提升物流需求量。但是并不是農產品批發價格越高越好，農產品批發價格指數上升，會使物流業景氣指數上升，然而農產品批發價格太高，則又會導致農產品三量齊增，其會對我國農業產業的健康發展、農民就業以及農民收入增長產生不利影響。

致謝

作者對匿名審稿專家和田志宏教授、鄭志浩教授、武拉平教授的寶貴修改意見表示衷心感謝。