國內油料作物市場整合關系研究 ——以油菜籽、花生和芝麻為例

　　摘要：市場整合是衡量市場機制效率的重要指標，研究國內油料作物空間市場整合關系有利于宏觀把握市場的運行情況，對優化地區分工和提高資源配置效率具有重要意義。本文以油菜籽、花生和芝麻為例，依次使用 Jo? hansen協整分析、向量誤差修正模型和格蘭杰因果檢驗，系統分析了國內油料作物的空間市場整合關系。研究表明：從長期來看，油菜籽、花生和芝麻的市場價格之間關聯較為密切，國內油料作物市場存在長期整合關系;從短期來看，國內油料作物市場的短期整合程度較高，根據調整速度，從高到低依次是花生、油菜籽和芝麻;從因果關系來看，70%的油菜籽、57.14%的花生和30%的芝麻市場價格之間存在雙向因果關系，說明市場價格信息并非完全對稱傳遞。為提高國內油料作物市場整合程度，本文分別提出了改善市場環境、完善信息平臺建設和加強構建現代物流體系的建議。

　　關鍵詞：油料作物;市場整合;協整檢驗;向量誤差修正模型;格蘭杰因果檢驗

　　劉福星; 汪可欣; 張璐; 馮中朝 中國油料作物學報 2021-12-22

　　市場分割會扭曲經濟運行機制，降低資源配置效率，減少社會福利水平[1~3] 。2021年 3月，《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》明確提出加快構建國內統一大市場，有效破除地方保護和市場分割[4] 。打破貿易壁壘，推動國內市場整合有助于優化地區分工和資源配置，是利用規模效應促進經濟增長的有效途徑[5~7] 。食用植物油是人們日常生活的必需品。隨著生活水平的提升，我國居民食用植物油的消費不斷增 加 。 據 統 計 ，2000 年 全 國 植 物 油 消 費 量 為 12351. 4 萬噸，2018 年達到了 27684. 6 萬噸，增加了 2. 24倍[8] 。食用植物油的穩定供給關系每個人的日常生活，是保障國家食物安全的重要組成部分[9] 。油料作物是獲取食用植物油的主要來源，作為產業鏈的上游，油料作物的市場整合程度直接對食用植物油市場產生影響。為了優化資源配置效率，提高油料作物生產能力，保障食用植物油供給水平，國家不斷推進市場化改革。例如，2015年取消了油菜籽臨時收儲政策，價格完全由市場決定[10] 。

　　那么，在市場化改革不斷深入的背景下，我國油料作物市場整合程度如何?更確切地說，我國油料作物市場是否存在長期和短期整合關系?如果存在，不同地區的市場價格信息是如何傳遞的?對于上述問題至今仍缺乏全面有效的解答。為此，本文將結合所收集的高頻時間序列數據進行實證分析，力求能夠系統考察國內油料作物的市場整合關系。一般來講，市場分割會帶來市場信息不對稱，影響市場交易者的決策，造成資源錯配。而市場整合程度越高，要素資源流動性越強，就越容易實現要素的最優配置，提高市場的運行效率。因此，對于國內油料作物市場整合的研究，不僅有助于宏觀把握國內油料作物市場的運作效率，也有利于以國內大循環為主體的時代背景下油料作物統一大市場的構建，更是優化地區分工，提高資源配置效率，從而提高社會總福利水平的現實體現。

　　1 文獻綜述

　　空間市場整合一直是研究熱點。1951年，Enke 發表了一篇重要的論文，提出了空間價格均衡理論[11] 。自此，學者們在此基礎上不斷探索和發展，其中，空間市場整合是學者們關注的一個重要方面。空間市場整合是指某一特定市場商品價格傳遞到另一個市場的程度，即存在于不同市場的價格運動關系[12,13] 。空間市場整合程度越高，越有利于市場價格信息傳遞[14] 。完全空間市場整合意味著在自由貿易條件下實現了“強一價定律”，而完全分割的市場表明在沒有貿易條件下的自給自足[15] 。

　　針對農產品空間市場整合的研究，國內外學者主要從兩方面展開。一方面是研究不同國家農產品的市場整合關系。Alexander 等使用 E-G 兩步法研究了印度尼西亞大米市場價格與國際市場價格的長期整合關系[16] 。Dercon對E-G兩步法進行了改進，使用誤差修正模型分析了市場的短期整合關系[17] 。Beak使用Johansen協整檢驗和VEC模型研究了北美方材市場的整合關系，并認為美國占據市場定價的領導地位[18] 。Bakucs等研究了德國和匈牙利小麥市場的整合關系[19] 。Goychuk 等則分析了俄羅斯、歐盟、美國和加拿等國家小麥市場間的整合程度[20] 。而國內文獻主要集中在我國農產品市場價格與國際市場價格的整合關系。張巨勇等[21] 研究了我國小麥、玉米、大米和大麥等農產品價格和國際市場價格的整合關系，武拉平[22] 以小麥、玉米和大豆為例，分別研究我國南方市場和北方市場與國際市場的整合關系。丁守海以大米、小麥、玉米和大豆為例，使用 Johansen 檢驗和 VEC 模型進行了分析，結果顯示國內市場和國際市場存在長期整合關系和短期調節機制[23] 。王永剛等[24] 、王孝松等[25] 和高群等[26] 也進行了類似研究。

　　另一方面是研究某一國家內部不同地區的農產品市場整合關系。Lele首次使用相關系數法分析了印度 7 個高粱市場的整合程度，并認為相關系數超過某一特定值就認為市場整合程度較高[27] 。Rav? allion 提出一個空間價格差異模型(Ravallion 模型)分 析 了 孟 加 拉 國 大 米 市 場 的 整 合 程 度[28] 。 González-Rivera 等運用協整理論研究了巴西 19 個州的大米市場整合程度[29] 。然而，國內在這方面的研究起步較晚。萬廣華等搜集了 1998 年 2 月至 1995年5月35個大中城市粳米的月度數據，并用共聚合法進行了分析，研究結論表明我國大米市場的整合程度不高[30] 。與之相反，喻聞等基于 1988— 1995年每10天的省級大米數據，研究發現我國大米的市場整合逐步上升[31] 。近年來，有關國內農產品市場整合研究不斷豐富，涉及了大豆、玉米、大米、小麥、生豬、蔬菜和中藥材等[32~36] 。

　　綜上所述，關于農產品市場整合的研究較為豐富，但仍存在以下兩方面的局限。一方面，研究對象問題。現有文獻的研究主要集中在糧食市場，對油料作物的空間市場整合關注較少，涉及的油料作物也較為單一。另一方面，數據類型問題。現有文獻絕大部分使用的是年份跨度較小且低頻的月度數據，樣本量較小，代表性不足。針對已有文獻的不足之處，本文主要從兩部分改進。首先，將研究對象聚焦在國內油料作物市場，從長期和短期視角分析油料作物的市場整合關系，并分析了不同地區之間的價格傳遞關系，以期全面考察國內油料作物的市場整合程度，對已有文獻研究進行補充。其次，本文結合所搜集的油菜籽的日度價格數據、花生和芝麻的周度價格數據進行實證分析，對以往文獻中低頻的月度數據類型進行改進，以期得到更加豐富的研究結果，為構建油料作物統一大市場提供經驗證據支撐。

　　2 研究方法與模型

　　本文首先使用單位根(augmented dickey-fuller, ADF)檢驗法檢驗油菜籽、花生和芝麻價格數據是否平穩，其次使用 Johansen 協整檢驗方法分析不同市場價格之間是否存在長期整合關系，然后建立向量誤差修正模型(VECM)分析不同市場價格之間的短期整合關系，最后使用Granger因果關系檢驗分析不同市場價格之間是如何相互影響的。

　　2. 1 ADF單位根檢驗

　　ADF 單位根檢驗是檢查時間序列平穩性的一種常用方法。不同于 DF 檢驗，ADF 檢驗方法通過在方程式右邊加入因變量 yt的滯后項，來檢驗存在高階滯后相關序列的平穩性。一般地，方程形式有三種：不包含常數項和時間項，包含常數項但不包含時間項與包含常數項和時間項，公式分別如下。 Δyt = ηyt - 1 +∑i = 1 p - 1 βiΔyt - i + ui (1) Δyt = ηyt - 1 +∑i = 1 p - 1 βiΔyt - i + ui + ∂ (2) Δyt = ηyt - 1 +∑i = 1 p - 1 βiΔyt - i + ui + ∂ + δt (3)

　　2. 2 Johansen協整檢驗

　　Johansen檢驗是一種基于回歸系數的協整檢驗方法，其基本思想為：首先建立一個VAR模型。 yt = ?1 yt - 1 + ... + ?p yt - p + Hxt + εt (4)式中yt 、yt - 1...yt - p表示非平穩的I (1)變量;xt為外生變量，表示常數項和趨勢項等;εt 表示擾動項。其次，將等式兩邊同時減yt - 1可得： Δyt = Πyt - 1 +∑i = 1 p - 1 ΓiΔyt - i + Hxt + εt (5)通過等式變換式將yt協整檢驗轉化為對矩陣Π 的分析問題，式中 yt - 1 的各分量之間是否具有協整關系關鍵看Πyt - 1是否為I (0)的向量。

　　2. 3 VECM模型

　　VEC 模型是包含協整約束的 VAR 模型，如果(4)式中 yt所包含的 k個 I (1) 序列存在協整關系，去掉式中外生變量，可改寫為： Δyt = Πyt - 1 +∑i = 1 p - 1 ΓiΔyt - i + εt (6)可轉化為誤差修正模型： Δyt = αecmt - 1 +∑i = 1 p - 1 ΓiΔyt - i + εt (7)式中 Π = ∂β'，ecmt - 1 = β'yt - 1 是誤差修正項向量，∂ 為短期偏離長期均衡時的調整速度。

　　2. 4 Granger因果關系檢驗

　　Granger 因果關系檢驗的實質是檢驗一個變量的滯后期能否加入其他變量方程中。根據以下時間序列模型： yt = γ +∑m = 1 p ∂m yt - m +∑m = 1 p βm xt - m + εt (8)檢驗原假設“H0 ∶ β1 = β2 = ... = βp = 0”，如果拒絕原假設，則說明 x 是 y 的格蘭杰原因。將 x 和 y 的位置互換，可以檢驗y是否為x的格蘭杰原因。

　　3 數據來源與樣本處理 3. 1 數據來源

　　油料作物是指用來提取油脂供食用或者作為工業、醫藥原料等的一種作物。主要有大豆、花生、油菜、芝麻、蓖麻、向日葵、蘇子、油莎豆等。由于我國油料作物的種類繁多，且種植的地區較為分散。綜合考慮高頻價格數據的可得性和油料作物的代表性，本文根據國內大宗油料作物的種植面積和產量，最終選取了油菜籽、花生和芝麻，并以其為例，來研究國內油料作物的市場整合情況。其中，油菜籽收集了江蘇、安徽、湖北、湖南和四川五省的數據。根據國家統計局的數據資料顯示，2019年全國油菜籽的總產量為1348. 47萬噸，以上五省的總產量為766. 26萬噸，占據全國油菜籽總產量的 56. 82%[37] 。花生的數據來自河北、江蘇、安徽、山東、河南、湖北、廣東和廣西八省。根據國家統計局的數據資料顯示，2019年全國花生的總產量為 1751. 96 萬噸，以上八省的總產量為 1332. 71 萬噸，占據全國花生總產量的76. 07%[37] 。芝麻搜集了天津、江西、山東、湖北和廣西五省(市)的數據。根據國家統計局的數據資料顯示，2019年全國芝麻的總產量為 46. 70 萬噸，以上五省的產量為 17. 80 萬噸，占據全國芝麻總產量的38. 12%[37] 。故樣本具有一定的代表性。值得注意的是，本文并未將大豆納入研究范圍。主要原因有兩點：一是，布瑞克農業數據庫中有關大豆價格的日度高頻數據只有黑龍江是國產豆報價，其余均為進口豆報價，與本文研究目的不符。二是，相較于其他油料作物，有關大豆的市場整合文獻非常豐富，學者們基本達成共識。因此，本文將研究范圍集中在國內的油菜籽、花生和芝麻市場。

　　3. 2 樣本區間選擇

　　為了盡量搜集高頻的價格數據，保證價格數據的連貫性，本文最終選取的樣本區間為：2015年5月 11 日至 2021 年 3 月 3 日油菜籽的日度數據，一共獲得 5 個省份 1430 個日度觀測值;2013 年 1 月 5 日至 2021 年 2 月 25 日花生的周度數據，一共獲得 8 個省份445個周度觀測值;2015年1月9日至2021年2月 25 日芝麻的周度數據，一共獲得 5 個省份 298 個周度觀測值。以上油菜籽、花生和芝麻的價格數據均來源于布瑞克農業數據庫，個別省份的少數缺失值用相鄰數據的平均值進行補齊，詳細描述性統計分析如表1所示。 3. 3 樣本處理由于油菜籽、花生和芝麻的數據年份跨度較大，價格中包含了通貨膨脹因素。因此，為有效剔除通貨膨脹對市場價格的影響，本文利用國研網的居民消費價格指數(CPI)對搜集的價格數據進行折實處理[38] 。為了數據口徑統一，本文分別搜集了 2013年1月至2021年3月河北、江蘇、安徽、山東、河南、湖北、廣東、廣西、天津、江西、湖南和四川居民消費價格指數(CPI)的月度數據。主要處理過程如下：首先，借助 Eviews8. 0軟件將國研網提供的月度居民消費價格指數(CPI)進行高頻化處理，轉化為周度數據，再將周度數據轉化為日度數據。其次，將油菜籽的 CPI 數據以 2015 年 5 月 11 日為基期進行定基期處理，花生的 CPI 數據以 2013 年 1 月 5 日為基期進行定基處理，芝麻的 CPI 數據以 2015 年 1 月 9 日為基期進行定基處理。最后，借助 Stata15. 0 軟件將搜集的價格數據和 CPI 數據進行一一匹配，然后折實處理，得到實際價格數據，并對折實處理后的價格數據取對數。

　　4 實證結果與分析 4. 1 單位根檢驗結果

　　時間序列模型的一個重要假設條件是平穩性假設，為了防止存在單位根導致偽回歸的情況，本文采用ADF檢驗法對油菜籽、花生和芝麻的市場價格進行平穩性檢驗。在進行ADF檢驗時，原假設條件下 t 統計量漸進式分布依賴于檢驗形式的定義，需要選擇合適的檢驗形式。由于搜集的數據是高頻的日度和周度價格數據，具有線性趨勢和時間趨勢的特征。因此，本文選擇包含常數項和線性時間趨勢的檢驗形式，并根據 AIC 準則來確定模型合理的滯后階數。如果原時間序列不平穩，則采用一階差分的方法進行處理，檢驗結果如表 2 所示。油菜籽、花生和芝麻的市場價格均在 1% 的統計水平上顯著，處理后的市場價格序列是平穩的，滿足了時間序列建模的需要，可以進一步分析。

　　4. 2 長期整合關系檢驗結果

　　為了檢驗油菜籽、花生和芝麻市場之間是否存在長期整合關系，本文使用了Johansen協整檢驗，并通過跡統計量(trace)和最大特征值(λ - max)分別與臨界值比較，從而判斷市場之間的長期整合關系，結果如表3~表5所示。表3顯示，將江蘇、安徽、湖北、湖南和四川市場進行兩兩配對，在 10% 的顯著性水平下，油菜籽的10對市場之間均存在顯著的協整關系。這說明國內油菜籽市場價格之間有非常緊密的關聯，存在長期整合關系。

　　表 4 顯示，將湖北、江蘇、安徽、山東、河南、河北、廣東和廣西進行兩兩配對，在1%的顯著性水平下，花生的 28 對市場之間均存在顯著的協整關系，這說明國內花生市場價格之間關聯程度極高，存在長期整合關系。表5顯示，將天津、江西、山東、湖北和廣西進行兩兩配對，在5%的顯著性水平下，芝麻的10對市場中有 9 對市場存在顯著的協整關系，長期整合關系比例為 90%，這說明國內芝麻市場價格存在一定的關聯，市場長期整合程度較高。其中，湖北和山東芝麻市場的價格不存在長期整合關系。原因可能是，一方面，山東地區的主要油料作物是花生，而芝麻的種植面積和產量相對較少，以自產自銷為主。根據布瑞克農業數據庫的資料顯示，2019年山東芝麻的總產量為 0. 1 萬噸，而花生的產量為 284. 8 萬噸，芝麻的產量僅占花生產量的 0. 04%。另一方面，山東和湖北的地理距離較遠，芝麻的交易成本較高，貿易商的套利空間較小，兩地之間芝麻市場的交易少，所以兩地芝麻市場不存在長期整合關系。綜上，不同地區油料作物市場價格關聯較為密切，國內油料作物市場存在長期整合。且根據顯著性水平，長期整合程度從高到低依次是花生、油菜籽和芝麻。

　　4. 3 短期整合關系檢驗結果

　　協整關系檢驗反映了兩個市場的長期整合關系，但并不能反映出短期整合關系。VECM 能夠反映短期系統偏離均衡的調整狀態，其誤差修正系數衡量了一個變量發生變化后重新回到均衡的速度。誤差修正項系數的絕對值越大，說明短期調整的速度越快。當誤差修正項系數的絕對值趨近于 0 時，說明重新回到均衡狀態的速度很慢。因此，本文使用VECM檢驗存在長期整合的油料作物市場是否存在短期整合關系。為了保證模型的合理性，在實證過程中，首先根據 LR、FPE、AIC、HQIC 和 SBIC 五種判斷標準確定滯后階數，然后使用 Johansen 的 MLE 方法估計模型。其次，檢驗模型的殘差項是否存在自相關，如果存在自相關，則增加滯后階數，直至不存在自相關。最后，畫出VECM系統穩定性判別圖，依據伴隨矩陣的單位根是否落在單位圓內，檢驗模型系統的穩定性，結果如表 6~表 8 所示。以表 6 中江蘇市場和安徽市場為例，江蘇表示以江蘇油菜籽市場價格為因變量，安徽表示以安徽油菜籽市場價格為自變量的模型估計結果。誤差修正項系數的絕對值為 0. 007，在 1% 的水平上顯著。意味著，在短期當江蘇油菜籽市場價格過高時，安徽油菜籽市場價格以 0. 007 的速度向江蘇油菜籽市場價格調整。花生和芝麻市場以此類推。從表 6 可以看出，在油菜籽市場，誤差修正項系數均在 5% 的水平下顯著，這說明油菜籽市場存在顯著的短期協整關系。可以發現，誤差修正項系數的絕對值介于 0. 007和0. 0864之間，且絕對值區間分布較為平均，意 味 著 國 內 油 菜 籽 市 場 存 在 較 高 的 短 期 整 合關系。

　　從表7中可以看出，在花生市場，誤差修正項系數均在 1% 的水平下顯著，說明花生市場存在顯著的短期協整關系。可以發現，誤差修正項系數的絕對值介于 0. 0103 和 2. 8771 之間，但絕對值區間分布較為集中，意味著國內花生市場存在非常高的短期整合關系。從表8中可以看出，在芝麻市場，除山東和湖北外，其他9對市場誤差修正項系數均在1%的水平上顯著，且絕對值介于 0. 0724 與 1. 212 之間，說明國內芝麻市場存在一定的短期整合關系。綜上所述，國內油料作物市場短期整合程度較高，且根據調整速度，短期整合程度從高到低依次是花生、油菜籽和芝麻。

　　4. 4 格蘭杰因果關系檢驗

　　整合關系反映了油料作物市場價格之間的關聯度，但對于價格間是如何作用的缺乏有力解釋。為了分析油料作物市場價格間是如何相互影響的，本文使用格蘭杰因果關系檢驗進一步分析，檢驗結果如表 9~表 11 所示。表 9 中，江蘇和安徽市場中 “←”表示江蘇油菜籽市場價格波動是安徽油菜籽市場價格波動的格蘭杰原因。安徽和湖北市場中 “→”表示湖北油菜籽市場價格波動是安徽油菜籽市場波動的格蘭杰原因。江蘇和湖北市場中“← →”表示兩地市場價格波動互為格蘭杰原因，其他市場結果以此類推。

　　結果顯示，在 5%的顯著性水平上，油菜籽市場互為因果的有7對，占比70%，其他均為單向因果關系，占比 30%。花生市場互為因果的有 16 對，占比 57. 14%，不存在因果關系的有 1對，占比 3. 57%，其他均為單向因果關系，占比 39. 29%。芝麻市場互為因果的有 3 對，占比 30%，單向因果關系的有 5 對，占比50%，其余為不存在因果關系，占比20%。進一步分析三種油料作物存在單向因果關系的市場，可以發現，在油菜籽3對單向因果關系市場中，有 2 對屬于高產量省份是低產量省份的格蘭杰原因，占比66. 67%。在芝麻5對單向因果關系市場中，有 3 對屬于高產量省份是低產量省份的格蘭杰原因，占比60%。然而在花生11對單向因果關系市場中，僅有 4 對屬于高產量省份是低產量省份的格蘭杰原因，占比 36. 36%。這說明國內油菜籽和芝麻市場價格的變動主要受產量大省影響。例如，湖北省 2019 年油菜籽產量為 211. 35 萬噸，占全國總產量的 15. 67%，是安徽省的 2. 42 倍。所以安徽油菜籽的市場價格會單向受湖北的影響。2019 年江西省的芝麻產量為 3. 61 萬噸，在全國排第三位，是山東省的34. 12倍。所以江西芝麻價格變動會影響山東的市場價格。就花生市場而言，價格變動并不一定受產量大省的影響。例如，2019年山東省的花生產量為 284. 76萬噸，是江蘇省 42. 71萬噸的 6. 67 倍，但檢驗結果顯示，山東市場價格變動不是江蘇的格蘭杰原因。作為花生產量第二大省，山東并不總是價格變動的成因。可能的解釋是，山東花生的產量大于需求，花生多外銷，因而價格受到江蘇消費市場價格的影響。

　　5 結論與建議

　　本文以油菜籽、花生和芝麻為例，通過收集高頻 的 時 間 序 列 數 據 ，運 用 Johansen 協 整 檢 驗 和 VECM 模型，分析了國內油料作物市場的長期和短期整合關系。并使用格蘭杰因果關系檢驗，分析了不同地區市場價格信息是如何互相傳遞的。研究結果表明：從長期來看，油菜籽、花生和芝麻的市場價格之間關聯較為密切，說明國內油料作物市場存在長期整合關系;從短期來看，國內油料作物市場價格的短期整合程度較高，根據調整速度，從高到低依次是花生、油菜籽和芝麻。從因果關系來看， 70% 的油菜籽市場、57. 14% 的花生市場和 30% 的芝麻市場價格之間存在雙向因果關系，說明油料作物市場價格信息并非完全對稱且有效的傳遞。根據以上研究結論，提出如下政策建議。首先，對于油菜籽來說，市場整合程度較高，不同地區價格信息傳遞相對有效，建議進一步改善市場環境，減少政策干預，從而進一步激發市場的活力，有效調節供需水平。其次，對于花生來說，市場整合程度較高，但不同地區價格信息傳遞效果相對較差，建議完善價格信息平臺建設，增強信息發布的權威性、及時性和有效性，從而減少信息不對稱情況，提高市場的透明度。最后，對于芝麻來說，存在長期市場整合關系，但短期市場整合程度較差，且不同地區信息傳遞不夠完善，建議加強構建現代物流體系，建設現代化倉儲中心、交易平臺和配送系統，從而提高產銷雙方的對接效率。同時加強芝麻的價格信息收集，推動建設包含生產、流通和消費環節的大數據庫，為產銷雙方提供及時的市場行情。