农业外商直接投资、空间溢出与粮食安全——基于1999-2008年29个省区的空间计量分析

武晓霞,孙治宇

(1.南京大学经济学院,江苏 南京 210093;2.南京审计学院经济学院,江苏 南京 211815)

一、相关文献综述

《2009年世界投资报告》以 “跨国公司、农业生产与发展”为主题,指出发展中国家农业领域FDI的增长已高于发达国家。发展中国家在吸引农业FDI的同时获得了重要的技能、专门知识和生产方式,对其粮食产量的增加具有重要的促进作用。但也存在一些不利影响,外资企业在发展中国家粮食加工领域的渗透,对东道国粮食市场的控制力也在不断增强。就我国而言,以丰益国际和嘉吉为代表的跨国粮商利用资金优势,通过资本、技术等手段占领我国市场,在一定程度上威胁了我国的粮食安全。因此,研究农业FDI对我国粮食产业的影响具有重要的现实意义。

围绕粮食安全问题,国内外许多学者进行了相关研究。有学者从作物单产或粮食生产水平变化的角度对粮食安全进行了评价[1][2],还有学者注重分析气候变化和土地利用变化对粮食供给能力的影响[3][4][5][6][7]。这些文献均把粮食生产看作独立变量,忽视了地理空间效应,没有考虑到各省区的异质性和粮食安全状况的差异性。

近年来,有学者引入空间因素研究粮食安全问题。李裕瑞等 (2008)从粮食生产与经济发展角度探讨江苏省县域人均粮食格局变化特征及粮食生产与经济发展的空间匹配格局,认为县域经济发展及其空间溢出效应、政策导向、农业自然地理条件等推动了粮食生产布局的变化[8]。何艳芬等(2009)研究发现,中国粮食生产的时空具有不稳定性,应围绕 “严格耕地保护机制、提高农业基础设施、加强粮食生产的政策和经济扶持”三方面制定政策[9]。刘玉等 (2011)分析了环渤海地区县域人均粮食占有量的空间演化特征及主要驱动力,将驱动力归纳为历史发展基础、政策因素和经济因素[10]。

总体来看,从农业FDI角度研究粮食安全的文献并不多[11][12],这些文献只是定性分析了农业FDI对我国粮食安全的影响,因此无法衡量农业FDI对我国粮食安全的具体影响。本文运用空间计量分析方法,探讨农业FDI与中国粮食安全的关系,从而为制定农业发展战略提供一定的理论依据。

二、理论模型及指标设定

运用空间数据分析问题,一般先直观描述空间数据,目的是发现问题,然后用空间计量分析方法深入研究发现的问题,具体包括空间自相关分析和空间计量分析两个步骤。

空间自相关分析采用Moran’s I指数,取值范围为 [-1,1],小 (大)于0表示空间负 (正)相关,等于零表示空间不相关,且绝对值越大,相关性越强。另外,Moran’s I散点图有四个象限,反映某区域与其邻接区域之间的4种空间关系:第1象限为高-高型,说明高观测值被同是高观测值的区域包围;第2象限为低-高型,说明低观测值被高观测值区域包围;第3象限为低-低型,说明低观测值被同是低观测值的区域包围;第4象限为高-低型,说明高观测值被低观测值区域包围。

空间计量分析涉及两个模型。一个是空间滞后模型 (SLM)。该模型分析各个变量在一个地区是否存在空间溢出效应,表达式为Y=ρ Wy+Xβ+ε(Y为因变量,X为n×k的外生自变量矩阵,β为的参数向量,ρ为空间滞后回归系数,W为n×n阶空间权重矩阵,WY为空间滞后因变量,为随机误差向量)。另一个是空间误差模型 (SEM)。该模型分析邻接地区关于因变量的误差冲击对本地区观察值的影响程度,反映空间依赖作用,其表达式为Y=Xβ+ε(ε=λ Wε+μ,λ为n×1的截面因变量向量的空间误差回归系数,μ为正态分布的随机误差向量)。

鉴于数据可得性及完整性,本文采用1999-2008年29个省区的面板数据,主要包括三个指标。一是农业FDI。FDI是实际利用外资,该数据来源于王宏和张岳恒 (2011)[13]。本文将农业FDI分为1999-2008、1999-2004和2005-2008等三个时段①以2004年为划分界点,主要出于两方面的考虑:一方面,各省区每年农业FDI受大项目的影响较大,采用阶段划分可消除年际波动;另一方面,国家在2004年调整了统计口径,这样划分能够增强可比性。。二是粮食总产出 (ZCL)。它是衡量各省区粮食供给能力的最基本因素,数据来源于 《中国统计年鉴》。三是人均粮食占有量 (RJCL)。它是衡量区域粮食供需平衡的重要指标,通过粮食总产出除以年末总人口得到,年末总人口来源于《中国统计年鉴》。这两个指标共同反映各省区的粮食安全状况。

三、实证检验及结果分析

(一)从粮食总产出角度看,农业FDI对粮食总产出具有正向增长作用

图1是农业FDI的散点图②图中FDI9908表示1999-2008年的农业FDI总额。。=0.2577＞0,说明各省区农业FDI存在正相关性。由图1可以看出,以高-高和低-低类型区为主体,多数省区集中在第一和第三象限。第一象限说明农业FDI水平较高的省区相邻近,这些省区大多位于中部和沿海地区,包括湖北、湖南、江苏、江西、广西、山东和福建。第三象限说明农业FDI水平较低的省区相邻近,这些省区大多位于西部地区,包括黑龙江、云南、内蒙古、贵州、四川、陕西、山西、宁夏、重庆、北京和天津。

图2是粮食总产出的散点图③图中ZCL9908表示1999-2008年粮食总产出总额。。=0.1534＞0,说明各省区粮食总产出存在正相关性。由图2可以看出,同样以高-高和低-低类型区为主体,大多数省区集中在第一和第三象限,而且所涉及的省区与农业FDI的省区相似,即粮食总产出较高的省份大多位于中部和东部沿海地区,西部地区的粮食总产出则相对较低。

图1 农业FDI的Moran’s I散点图

图2 粮食总产出的Moran’s I散点图

由此可见,全国各省区农业FDI和粮食总产出的空间分布并非表现为完全的随机状态,而是呈现出明显的正向空间相关性。也就是说,农业FDI和粮食总产出水平较高的省区之间相邻近,反之也成立。因此,在进行有关农业FDI与粮食总产出的实证研究中,客观存在的空间因素不可忽视。

进一步采用空间计量分析法来估计农业FDI对粮食总产出的影响。为便于比较分析,本文分1999-2004年和2005-2008年两个时段建立三个模型——经典回归模型 (OLS)、SLM和SEM,回归结果见表1所示。

表1 经典回归模型、SLM和SEM的估计结果

从经典回归模型的最小二乘法估计结果中发现,两个时间段回归方程的R2分别为0.119603和0.225556,呈逐渐增加的趋势,这说明农业FDI布局对粮食总产出布局变化的解释力逐渐增强。空间回归模型采用了极大似然估计法,并通过空间依赖性检验发现,两个时段中,SLM模型(0.198532和0.271966)和SEM模型 (0.170106和0.273460)的拟合优度检验值R2均高于OLS模型(0.119603和0.225556)。不过,由于空间模型采用的是极大似然估计法,基于残差平方和分解的拟合优度检验的意义不大,因此我们采用对数似然函数值 (LOG-L)进一步比较就会发现,SLM模型 (-314.472和-304.449)和SEM模型 (-314.987和-304.501)均高于OLS模型 (-315.566和-305.173)。因此,SLM模型和SEM模型比OLS模型要更好一些。

另外,SLM模型中空间滞后回归系数为正值,且达到了1%(1999-2004年)和5%(2005-2008年)的显著性水平,表明邻近地区粮食总产出对本地区粮食总产出有同向促进作用。SEM模型中空间误差回归系数也为正值,也达到了1%(1999-2004年)和5%(2005-2008年)的显著性水平,表明一个地区粮食总产出的高低不仅受到本地区农业FDI的影响,还受到邻近地区农业FDI的影响,再次说明空间因素的确在发生作用。因此,引进空间差异性和空间依赖性才能修正经典的回归模型。

关于SLM模型和SEM模型的选择问题,本文采用拉格朗日乘子统计量。表2同时给出了SLM模型与SEM模型的LM值,我们可以看出SLM模型比SEM模型更合适一些。因此,本文进一步关注SLM模型的估计结果并在此基础上进行分析。

表2 SLM模型与SEM模型的LM值

从计量结果看,农业FDI变量的系数符号为正,即纳入空间因素后,农业FDI对各省区粮食总产出的增长具有正向推动作用。具体而言,农业FDI每增长1%,粮食总产出分别增长0.07183343(1999-2004年)和0.07008182(2005-2008年)个百分点,后者的增长百分点低于前者,说明增长速度有所减慢,农业FDI对粮食总产出的正向推动作用有所减小。

(二)从人均粮食占有量角度看,东部农业FDI与人均粮食占有量具有反向匹配格局,西部农业FDI与人均粮食占有量具有空间相关性

图3、4是农业FDI和人均粮食占有量的双变量Moran’s I散点图。由图3、4可以看出,1999-2004年、2005-2008年的双变量Moran’s I分别为-0.0485和-0.1160,其绝对值呈递增态势,这说明两个时段中农业FDI和人均粮食占有量的空间差异较大,呈空间负相关,即农业FDI较高的省区,往往被人均粮食占有量较低的省区所包围,而人均粮食占有量较高的省区,周边省区的农业FDI往往也较低,且这种空间差异性逐渐增强。

图3 1999-2004年的双变量Moran’s I散点图

图4 2005-2008年的双变量Moran’s I散点图

图5反映了农业FDI与人均粮食占有量的LISA集聚变化特征。由图5可以看出,东部和西部的集聚变化特征完全相反。

在东部地区,农业FDI较高且周边人均粮食占有量显著较高 (显著H-H)的省区在1999-2004年仅有江西1个,在2005-2008年变为安徽;农业FDI较低但周边人均粮食占有量较高 (显著L-H)的省区逐渐扩散到浙江和广东,表明农业FDI的减少反而能增加东部沿海地区人均粮食占有量。因此,东部各省区人均粮食占有量与农业FDI呈现越来越显著的空间差异化特征,即反向匹配格局。其原因可能有两点:第一,我国正处于快速城市化进程中,建设用地的扩张导致农业用地尤其是耕地面积急剧下降,耕地的 “非农化”、“非粮化”倾向导致粮食总产出急剧下滑;第二,改革开放以来,农业FDI主要分布在东部沿海,地区集聚效应明显,农业FDI在东部的集聚吸引西部劳动力向东部迁移,东部人口迅速增加,最终导致东部 “粮减人增”,从而使得该区域人均粮食占有量快速下降。

在西部地区,农业FDI较高而周边人均粮食占有量较低 (显著H-L)的省区一直保持稳定(为新疆和四川),这说明随着农业FDI的增加,新疆和四川的人均粮食占有量逐渐减少;农业FDI较低且周边人均粮食占有量较低 (显著L-L)的省区也一直保持稳定 (为甘肃、青海和陕西)。因此,西部各省区人均粮食占有量与农业FDI具有显著的空间相关性。经计算,这五个省区1999-2004年和2005-2008年农业FDI占全国的比重很小,因此农业FDI对西部地区人均粮食占有量的影响可忽略。

图5 1999-2004年、2005-2008年农业FDI与人均粮食占有量的LISA聚集图

四、结 语

总体来看,农业FDI对我国粮食供求的正面影响逐渐下降,负面影响趋于上升。因此,围绕农业FDI的利用,可从三个方面加强对我国粮食产业的保护。

第一,重视空间政策。空间政策即生产力布局政策,是国家或地区调整经济要素在空间上的分布,实现经济资源的合理配置,从而影响就业、需求和产业结构等。从本文的分析来看,空间因素统计结果十分显著。因此,在制定相关政策时,应该重视经济地理之间的空间关联。

第二,建立跨国粮商准入制度。重点审查跨国粮商并购对农业产业安全问题造成的影响,提高关键地带尤其是种子领域的外资进入门槛。例如,可以针对跨国粮商建立诚信及业绩评估体系,对评估不达标的跨国粮商要令其限期整改,甚至取消其进入中国市场的资格。

第三,引导农业FDI流向。我国农业产业结构已由粮食作物为主逐步向经济作物为主转变,生产方式也逐渐向开发农业技术转变。但目前农业FDI仍主要集中在农产品初加工领域,在深加工及高科技含量领域的项目较少。通过引导农业FDI的行业分布,既可以促进农业内部结构优化,还可以制约农业FDI对我国粮食安全带来的消极影响。

[1] Wang Zheng,Zheng Yiping.Impacts of global change on China's food security[J].Geographical Research,2001,20(3),pp.282-289.

[2] Shao Limin.Studies on China's grain comprehensive productivity and grain safety[J].Chinese Journal of Agricultural Resources and Regional Planning,2005,26(1),pp.23-26.

[3] Xiong Wei,Ju Hui,Xu Yinlong,et al.The food security of China under IPCC SRES A2 and B2 scenarios[J].Meteorological Monthly,2006,32(11),pp.36-41.

[4] Battisti D.S.,Naylor R.L.Historical warnings of future food insecurity with unprecedented seasonal heat[J].Science,2009,323(5911),pp.240-244.

[5] Fu Zeqiang,Cai Yunlong,Yang Youxiao,et al.Research on the relationship of cultivated land change and food security in China[J].Journal of Natural Resources,2001,16(4),pp.313-319.

[6] Zeng Kejun,Chen Yi,Gao Zhonggui,et al.Study on the relationship of cultivated land change and food security in Yangtze River Delta[J].Geography and Geo-Information Science,2006,22(6),pp.58-61.

[7] Deng X.,Huang J.,Rozelle S.,Uchida E.Cultivated land conversion and potential agricultural productivity in China[J].Land Use Policy,2006,23(4),pp.372-384.

[8] 李裕瑞,吕爱清,卞新民.江苏省人均粮食地域格局变化特征及驱动机制[J].资源科学,2008,(3):423-425.

[9] 何艳芬,马超群,杨海娟.基于粮食生产的时空特征的粮食安全保障研究[J].安徽农业科学,2009,(10):4565-4568.

[10] 刘玉,刘彦随,郭丽英.环渤海地区县域人均粮食占有量空间格局演化[J].地理科学,2011,(1):102-109.

[11] 高焰辉,董金移,张锐.外资与中国粮食安全 [J].中国外资,2009,(9):20-25.

[12] 刘锦,张翠罗.对外资压境与我国粮食安全的思考[J].经营管理者,2010,(24):297.

[13] 王宏,张岳恒.中国农业外商直接投资的区位变化及中西部地区吸引外资前景[J].开发研究,2011,(1):34-37.