8国际粮价波动对中国经济的影响.docx
《8国际粮价波动对中国经济的影响.docx》由会员分享,可在线阅读,更多相关《8国际粮价波动对中国经济的影响.docx(33页珍藏版)》请在冰点文库上搜索。
8国际粮价波动对中国经济的影响
粮食价格对中国经济的影响研究
摘要
近年来,国际粮价的波动现象越来越明显,而目前我国许多大宗商品越来越依赖国际市场,分析国际粮价波动对中国经济的传递效应,研究其对中国经济的影响十分重要。
首先,我们建立了国内农产品对外依存度模型。
通过对四种主要农产品的进出口量进行分析,发现大豆的对外进口依存度逐年上升,在2010年高达78%。
说明我国大豆市场与国际市场的联系最为紧密。
因此通过分析国际大豆价格的波动对我国经济的影响,更能体现出一般性的国际粮价对中国经济的影响。
我们选取了五个变量来进行模型的建立,分别为国内生产总值(GDP)、国内大豆价格(PD)、国际大豆价格(PI)、进出口量(IE)、居民消费指数(CPI),统计从2010年1月到2012年3月的各个变量的月度数据建立模型进行研究。
首先,根据最小二乘法(OLS),通过eviews线性回归得到了GDP与其他四个变量的线性关系,但通过t检验,我们发现各个系数的均未通过t检验,主要是因为经济现象中存在着大量的滞后现象,即当期的GDP可能与历史上的GDP、PD、PI、IE和CPI有关。
为了将经济影响的滞后因素加入模型,考虑到5个变量均为时间序列,我们引入了基于向量自回归的VAR模型。
在VAR模型的建立过程中,首先通过ADF检验法检验5个时间序列的平稳性,再通过eviews软件实现Johansen检验法,得出最优的迟滞代数为2,并且得出在5%的显著性水平下,模型中存在4个协整关系,这说明变量间存在着长期稳定的关系,从而得出了拟合度较高的协整方程
GDP=27.9529*PD-169.7174*PI+31.18501*IE-1982.777*CPI
通过对脉冲响应函数和方差分析发现,国内大豆价格与国际大豆价格具有联动性。
国际大豆价格波动对我国进出口总额及CPI具有较大的影响,而对我国大豆价格的影响并不大,而且具有一定的时滞性,体现了我国政府调控的力度。
通过格兰杰检验发现,国际大豆价格的变化对我国进出口总额及CPI具有格兰杰因果关系,而对我国大豆价格及GDP不具有因果关系,展现了国家计划经济控制的效果。
最后,根据模型的分析,对我国的生产发展,政府调控,进出口政策提出了分析与建议。
关键字:
国际粮价,贸易依存度,VAR模型,单位根检验,协整检验。
目录
一、问题重述2
1.1问题背景2
1.2目标任务3
二、问题分析3
三、基本假设与名词解释3
四、符号说明4
五、模型建立与求解4
5.1国内粮食对外贸易依存度模型4
5.2基于VAR模型的国际粮价波动对中国经济影响分析7
5.2.1基于最小二乘法的模型构建7
5.2.2向量自回归模型(VAR模型)8
5.2.3单位根检验9
5.2.4协整检验9
5.2.5脉冲响应函数和方差分析11
5.2.6格兰杰因果检验14
5.3分析与建议17
5.3.1提高粮食生产企业竞争力17
5.3.2建立健全粮食储备,做好预防和灵活决策17
5.3.3计划经济与市场经济并重17
六、模型的评价17
6.1模型的优点17
6.2模型的缺点17
参考文献18
附录18
一、问题重述
1.1问题背景
近年来,世界农产品价格的剧烈波动引起了世界各国的关注。
与以往不同,此轮农产品价格的波动不仅幅度大,持续时间长,而且涉及的农产品范围广,特别是粮食价格的剧烈波动,对世界各国产生了严重的影响。
目前我国许多大宗商品越来越依赖国际市场,进口依存度不断提高。
那么,随着世界经济发展和人口的不断增加,粮食供求冲突依然还会不断出现,国际粮价的不断变化对于我国经济是否产生影响,带来多少损益,势必会成为社会各界十分关注的焦点。
1.2目标任务
1)试分析国际粮价波动对中国经济的影响。
2)对我国粮食生产和进出口的策略有什么建议?
二、问题分析
该题要求分析国际粮价波动对中国经济的影响。
由于大豆市场是整个中国粮食市场中最受关注的品种,因此本文以大豆为样本,通过分析国际粮价、中国粮价、GDP、CPI及中国货币供应量等因素的变化情况,研究各因素之间的相互传递关系以及可能存在的联动效应。
以此来进一步讨论国际粮价对中国宏观经济造成的影响,并对我国粮食生产和进出口的策略提出建议。
三、基本假设与名词解释
一、基本假设:
1)不考虑期货市场的价格传递效应;
2)主要考虑在大豆方面国际价格对中国经济的影响;
3)假设人民币与美元间的汇率不变;
二、名词解释:
1.时间序列及其平稳性
时间序列是一个按时间的次序排列起来的数据集合。
对于一个时间序列,它的平稳性是指序列所有的统计性质都不随时间的推移而发生变化,具体来说就是:
对于随机序列(t=1,2,...),满足:
1)均值为与时间无关的常数
2)方差为与时间无关的常数
3)协方差只与时期间隔k有关,与时间t无关的常数
特别地,当序列为非平稳序列,但其一阶差分=-是平稳的,那么我们称序列是一阶单整,记为
2.长期均衡关系和协整
经济理论指出,某些经济变量间确实存在着长期均衡关系,这种均衡关系意味着经济系统不存在破坏均衡的内在机制,如果变量在某时期受到干扰后偏离其长期均衡点,则均衡机制将会在下一时期进行调整以使其回到均衡机制。
例如,对于两个经济变量Yt和Xt,它们之间满足Yt=+Xt+,
如果Yt和Xt之间存在长期均衡关系,那么一个重要的假设就是:
随机扰动项必须是均值为0的平稳序列。
这是因为,如果有一个随机性的趋势(上升或下降),则会导致Y对其均衡点的任何偏离都会被长期积累下来而不能被消除。
同时,我们也可以看出,非稳定的时间序列,它们的线性组合也可能成为平稳的。
如果所考虑的时间序列具有相同的单整阶数,且某种线性组合(协整向量)使得组合时间序列的单整阶数降低,则称这些时间序列之间存在显著的协整关系。
所谓协整关系可理解为两变量间具有长期稳定关系。
四、符号说明
D
粮食对外贸易依存度
NI
农产品净进口量
C
农产品消费量
I
农产品进口量
E
农产品出口量
P
农产品产量
国内农产品价格
国际农产品价格
中国进出口总量
国内生产总值
消费物价指数
m
滞后阶数
五、模型建立与求解
2
3
4
5
5.1国内粮食对外贸易依存度模型
1
2
3
4
5
5.1
国际粮食价格波动对中国经济发展造成的影响有多种表达形式,例如中国粮食价格的波动、GDP、CPI等。
但在众多因素中,国际粮价波动造成的最直接影响是中国粮食价格的波动。
因此我们对中国粮食对外贸易依存度的变化情况进行了分析,以初步认识国际粮价的波动对中国经济可能造成的影响方面及程度。
按照粮食对外依存度的定义,其计算公式如下:
式中:
D表示粮食对外贸易依存度,NI表示净进口量,C表示消费量。
式中:
I表示进口量,E表示出口量。
消费量指生产量加进口量减去出口量,即:
式中:
P表示产量。
根据中国海关总署提供的物品进出口各项数据指标,经整理计算可得各年的大豆、小麦的进出口量和进口依存度(表1-表2)以及二者的进口依存度变化走势(图1-图2)。
表1小麦进出口量和进口依存度
年份
生产量(万吨)
进口量(万吨)
出口量(万吨)
净进口量(万吨)
近似消费量(万吨)
依存度
1993
10639
645
29.1
615.9
11254.9
0.0547
1994
9930
732.8
26.8
706
10636
0.0664
1995
10221
1162.7
22.5
1140.2
11361.2
0.1004
1996
11057
829.9
56.5
773.4
11830.4
0.0654
1997
12329
192.2
45.8
146.4
12475.4
0.0117
1998
10973
154.8
27.5
127.3
11100.3
0.0115
1999
11388
50.5
16.4
34.1
11422.1
0.0030
2000
9964
91.9
18.8
73.1
10037.1
0.0073
2001
9387
73.9
71.3
2.6
9389.6
0.0003
2002
9029
63.2
97.7
-34.5
8994.5
-0.0038
2003
8649
44.7
251.4
-206.7
8442.3
-0.0245
2004
9195
725.8
108.9
616.9
9811.9
0.0629
2005
9745
353.8
60.5
293.3
10038.3
0.0292
2006
10847
61.3
151
-89.7
10757.3
-0.0083
2007
10930
10.1
307.3
-297.2
10632.8
-0.0280
2008
11246
4.3
31
-26.7
11219.3
-0.0024
2009
11512
90.4
24.5
65.9
11577.9
0.0057
2010
11518
123.1
27.7
95.4
11613.4
0.0082
图1小麦进口依存度变化走势
表2大豆进出口量和进口依存度
年份
生产量(万吨)
进口量(万吨)
出口量(万吨)
净进口量(万吨)
近似消费量(万吨)
依存度
1993
1530
9.9
37.3
-27.4
1502.6
-0.0182
1994
1560
5.2
83.3
-78.1
1481.9
-0.0527
1995
1350
29.8
37.6
-7.8
1342.2
-0.0058
1996
1322
111.4
19.3
92.1
1414.1
0.0651
1997
1473
288.6
18.8
269.8
1742.8
0.1548
1998
1515
320.1
17.2
302.9
1817.9
0.1666
1999
1425
432
20.7
411.3
1836.3
0.2240
2000
1541
1041.9
21.5
1020.4
2561.4
0.3984
2001
1541
1394
26.2
1367.8
2908.8
0.4702
2002
1651
1131.5
30.5
1101
2752
0.4001
2003
1539
2074.1
29.5
2044.6
3583.6
0.5705
2004
1740
2323
34.9
2288.1
4028.1
0.5680
2005
1635
2659.1
41.3
2617.8
4252.8
0.6155
2006
1597
2827
39.5
2787.5
4384.5
0.6358
2007
1273
3082.1
47.5
3034.6
4307.6
0.7045
2008
1554
3743.6
48.4
3695.2
5249.2
0.7040
2009
1498
4255.2
35.6
4219.6
5717.6
0.7380
2010
1508
5479.7
17.3
5462.4
6970.4
0.7837
图2大豆进口依存度变化走势
由对小麦和大豆的进出口情况变化及对外依存度进行分析可知,小麦的对外依存度除了个别几年,呈逐年下降趋势,从1995年的10.04%到2002年的-0.38%,此后波动不定,所以从整体上来看,小麦对国际市场的依赖度是越来越低的。
对于大豆的情况则相反,大豆的对外依存度呈明显上升趋势,从1994年的-5.27%到2010的78.37%,说明大豆对国际市场的依赖度越来越高,我国将面面临更大的大豆供应压力,受到国际市场的冲击也会逐步加大。
通过该模型的分析可知,国际粮食价格的波动对中国部分粮食的价格可能造成相当大的影响,而对部分粮食的价格影响可能较小。
5.2基于VAR模型的国际粮价波动对中国经济影响分析
5.2.1基于最小二乘法的模型构建
国际粮价的波动对中国经济的影响可能是多方面的,我们从其对中国经济最直接的影响,即对中国粮价的影响入手进行分析。
根据农业生产经济学及价格理论,农产品的价格决定受到生产成本、需求、外生冲击以及预期的影响[
式中,:
国内生产总值
:
国内农产品价格
:
国际农产品价格
:
中国进出口总量
:
消费物价指数
:
常数项
u:
随机误差项
主要粮食品种的国际市场价格来源于国际贸易基金组织的数据库;主要粮食品种的国内市场价格来源于中华粮网;中国货币供应量、国内生产总值及消费物价指数来源于中国统计年鉴。
根据所查阅的数据,我们采用了最小二乘法进行回归分析,通过eviews实现,我们得到以下结果:
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-94508.66
49124.59
-1.923856
0.0674
PD
19.14739
10.36271
1.847720
0.0781
PI
-32.72819
30.89748
-1.059251
0.3010
IE
3.923738
3.302950
1.187950
0.2475
CPI
566.8368
629.3688
0.900643
0.3775
R-squared
0.395641
Meandependentvar
36335.99
AdjustedR-squared
0.285757
S.D.dependentvar
6843.966
S.E.ofregression
5784.033
Akaikeinfocriterion
20.32917
Sumsquaredresid
7.36E+08
Schwarzcriterion
20.56914
Loglikelihood
-269.4437
Hannan-Quinncriter.
20.40052
F-statistic
3.600548
Durbin-Watsonstat
1.244401
Prob(F-statistic)
0.021026
得到回归方程如下:
t(-1.923856)(1.847720)(-1.059251)(1.187950)(0.900643)
通过查找相关文献,我们发现当t值大于2时,才能通过t检验认为系数的取值是合理的。
因此通过最小二乘法(OLS)得到的系数的t值均小于2,不显著。
这说明各个内生变量间可能存在显著的自相关,即因变量不仅仅与当期的自变量间有线性关系,也与历史时期的内生变量的值有关。
于是,我们考虑到PdPiIEGDPCPi均为时间序列,从而运用计量经济学中向量自回归模型(VAR)模型对国际粮价的波动所造成的影响进行分析。
5.2.2向量自回归模型(VAR模型)
向量自回归模型是基于数据的统计性质建立模型。
VAR模型把系统中的每一个内生变量作为系统中所有所有内生变量的滞后值来构造模型,从而将单变量自回归模型推广到多元时间序列变量组成的“向量”自回归模型
建立VAR(m)模型:
(5-1)
式中:
m为滞后阶数;是由5个内生变量组成的向量,即;为参数矩阵;为扰动向量。
式子(5-1)表明当期每一个内生变量的值均受所有内生变量m阶历史值的影响。
为了判定各个变量之间是否存在着长期的稳定关系,即判断它们之间的协整性,需要进行协整检验。
因此我们先对序列进行平稳性的分析,进而判断各个内生变量的协整,得出它们之间的长期稳定关系。
5.2.3单位根检验
由于协整检验要求所有的变量必须同时满足同阶单整,因此在此我们首先采用ADF检验来确定各个变量是否同时满足同阶单整。
运用ADF检验的方法对数据序列进行平稳性检验。
在检验时,依据赤池信息准则(AIC)的最小化原则,即鼓励数据拟合的优良性但是尽量避免出现过度拟合的情况,寻找可以最好地解释数据但包含最少自由参数的模型。
据此原则选择趋势项,确定常数项以及最优滞后变量的阶数。
确定单位根的基本类型(c,t,q)。
其中c表示常数项,t表示趋势项,q表示滞后阶数。
表3是由Eviews6.0得出的各变量及其一阶差分的ADF单位根检验结果:
表3各变量及其一阶差分的ADF单位根检验结果
变量
检验类型(c,t,q)
ADF统计量
显著性水平1%
显著性水平5%
显著性水平10%
c,t,0
-0.653009
-3.711457
-2.981038
-2.629906
c,t,0
-2.629906
-3.72407
-3.72407
-2.632604
c,t,0
-1.88778
-3.72407
-2.986225
-2.632604
c,t,0
-2.023454
-2.66072
-1.95502
-1.60907
c,t,0
-0.507504
-3.711457
-2.981038
-2.629906
c,t,0
-4.860737
-3.72407
-2.986225
-2.632604
c,t,0
-2.490269
-3.711457
-2.981038
-2.629906
c,t,0
-5.741181
-3.72407
-2.986225
-2.632604
c,t,0
-3.747599
-3.711457
-2.981038
-2.629906
c,t,0
-6.35614
-3.752946
-2.998064
-2.638752
由表3可知,通过检验,、、、、均在的显著性水平下接受了原假设为非平稳变量,它们的一阶差分结果均在的显著性水平下拒绝原假设,为平稳变量,即所有变量均为一阶单整,符合进行协整检验的条件。
5.2.4协整检验
协整检验主要有两种形式:
EG检验和johansen协整检验。
它们的区别在于前者检验两个时间序列的协整性,而后者适用于多个时间序列的协整性检验。
因此我们采用johansen协整检验
1)最优滞后代数的确定
Johansen多变量协整检验的基本思想在于:
如果多个同阶时间序列向量的某种线性组合可以得到一个平稳的误差序列,则这些非平稳的时间序列存在长期均衡关系,或者说这些序列具有协整性。
因此协整滞后阶数的确定非常重要,若滞后期太小,误差项的自相关会很严重,并导致参数的非一致性估;计若滞后期过大,会导致自由度减小,直接影响模型参数估计量的有效性。
为了保持合理的自由度,使模型的参数具有较强的解释力同时又消除误差项的自相关,我们选择最大滞后阶数为3,从3阶依次降至1阶来选择最优滞后阶数,检验标准依据赤池信息准则(AIC)和施瓦茨准则(SC)。
通过eviews的滞后阶数检验功能,我们得到的结果如表(4)
表4不同滞后期条件下各项指标
Lag
LogL
LR
FPE
AIC
SC
HQ
0
-737.2894
NA
5.04e+20
61.85745
62.10288
61.92257
1
-631.3751
158.8715
6.27e+17
55.11459
56.58716
55.50526
2
-594.2013
40.27164*
3.11e+17
51.52773*
55.45457*
54.81634
3
-538.3327
37.24568
6.54e+16*
54.10011
56.79981
52.56952*
观察表(4)的检验结果,根据AIC和SC最小的准则,可以发现VAR模型的最优滞后阶数为2,因此Johansen协整检验的最优滞后阶数也为2
2)协整关系检验
协整关系检验根据多变量极大似然估计法,检验时假定包含截距项不包含时间趋势项,从不存在协整关系的零假设开始逐步进行检验,通过eviews实现,结果见表(5)
表5协整关系检验
Hypothesized
Trace
0.05
No.ofCE(s)
Eigenvalue
Statistic
CriticalValue
Prob.**
None*
0.950421
162.7182
69.81889
0.0000
Atmost1*
0.778899
90.61747
47.85613
0.0000
Atmost2*
0.750449
54.39826
29.79707
0.0000
Atmost3*
0.542756
21.08403
15.49471
0.0065
Atmost4
0.091503
2.303131
3.841466
0.1291
Hypothesized
Max-Eigen
0.05
No.ofCE(s)
Eigenvalue
Statistic
CriticalValue
Prob.**
None*
0.950421
72.10069
33.87687
0.0000
Atmost1*
0.778899
36.21921
27.58434
0.0031
Atmost2*
0.750449
33.31423
21.13162
0.0006
Atmost3*
0.542756
18.78090
14.26460
0.0090
Atmost4
0.091503
2.303131
3.841466
0.1291
由表(5)可知,零假设r<=3的迹统计