基于广义倍差法的厄尔尼诺现象对农产品产量的影响研究

李丰

基于广义倍差法的厄尔尼诺现象对农产品产量的影响研究

李丰

文章基于厄尔尼诺海温距平指数，采集了1980-2015年的数据，利用广义倍差法（generalized -difference-in-difference）分析了厄尔尼诺现象影响农产品产量的一般效应、地区效应、强度效应和时间效应。研究结果表明：厄尔尼诺现象对农产品产量有一定的负面影响，而且在不同地区、不同强度和不同时间的影响差异比较大。因此，应该积极采取措施应对极端厄尔尼诺现象的危害，针对干旱和洪涝灾害等采取不同的措施，促进农作物的生长，保障粮食供应安全。

广义倍差法；厄尔尼诺；农产品产量

IPCC第四次评估报告指出，全球气候变暖导致自然灾害发生更为频繁、剧烈，对人类经济社会系统造成多方面破坏，包括人员伤亡、流行病传播、基础设施与物质资本的直接损毁、居民收入与消费能力的下降及人力资本积累的减缓等（Baezand Sontos，2008）[1]。中国是受自然灾害影响最严重的国家之一，在全球变暖的背景下，厄尔尼诺等极端天气状况发生的频率和程度逐步加深，危害越来越大。

很多学者从出现异常或极端气候的角度研究事件与气候的关系，认识到极端天气是年际气候变化的重要信号（许武成，2009）[2]，厄尔尼诺事件的出现往往给全球不少地方造成严重气候异常，引起世界各地发生严重的气候灾害，从而造成巨大的经济损失(Caneetal.,1994;Phillipsetal.,1998;Kapuscinski,2000)[3][4]。在印度尼西亚，由于厄尔尼诺事件导致气候变暖以及太平洋气候导致的延迟性季风，赛季初的干旱使得水稻种植延迟(Nayloretal., 2002[5]。相似的研究还包括菲律宾和其他东南亚地区（（Daweetal.,2008;YinPeihong，2009）[6]。但是厄尔尼诺对中国的影响相对较小，对中国水稻生产的影响不大，这主要是由于NSO事件发生的月份几乎没有水稻生产以及中国灌溉设施比较发达（DENGXiangzheng,HUANGJikun,QIAOFangbin，2010）[7]。

以上研究，学者们开始关注厄尔尼诺对经济事件的影响，但是大部分是针对部分国家的个别农作物，对于全球农产品产量的研究并没有。鉴于此，本文采用广义倍差法，以厄尔尼诺主要影响区域再加上农作物比较发达的16个国家和地区（澳大利亚、加拿大、智利、中国、印度尼西亚、日本、韩国、马来西亚、墨西哥、新西兰、秘鲁、菲律宾、泰国、美国、越南、中国台湾）作为为研究基本单元，分别从厄尔尼诺影响的一般效应、地区效应、强度效应、时间效应这四个方面分析厄尔尼诺事件对农产品产量的影响，并与已有的类似研究做比较分析。

一、厄尔尼诺事件及影响

厄尔尼诺现象是指赤道东太平洋海水温度大范围、长时间、不间断的周期性异常增温情况，它会造成赤道西太平洋干旱、赤道东太平洋洪涝，判断厄尔尼诺的标准主要涉及赤道太平洋海水温度、事件持续时间、事件发生周期等方面。一般情况下，厄尔尼诺现象发生时，赤道东太平洋海水温度距平指数在0.5℃以上，且厄尔尼诺现象持续时间1年左右，发生周期2～7年/次不等。从厄尔尼诺现象形成的原理来看，厄尔尼诺现象能够造成赤道西太平洋干旱、赤道东太平洋洪涝。从全球角度来看，厄尔尼诺造成太平洋东部地区异常多雨甚至发生洪涝灾害、太平洋西部地区降水减少甚至发生严重干旱。太平洋东部地区主要包括秘鲁等南美洲西部国家、埃塞俄比亚等东非国家；太平洋西部地区主要包括印尼西亚等东南亚国家、澳洲及新西兰、巴拿马等南美洲中东部国家、印度等亚洲南部国家。

表1 厄尔尼诺对气候的影响

厄尔尼诺作为全球性的气候现象，直接影响到太平洋领域。我们在表2中可以看出，北美洲（美国、墨西哥）、亚洲（东南亚的印尼、印度、泰国、马来西亚）、大洋洲（澳大利亚）受到干旱的影响较大，而南美洲诸国（巴西、阿根廷、智利、秘鲁）受到洪涝的概率更大。厄尔尼诺事件对农作物产量的影响主要通过气温和降雨量直接影响农作物的产量，从而通过供求关系进一步影响农产品价格。农产品角度来看，受厄尔尼诺影响的是小麦、玉米、大豆、棕榈油、可可、甘蔗等。

表2 厄尔尼诺对不同国家农产品的影响

分品种看，对于小麦来说，因干旱而减产的主产地包括美国、中国、加拿大、澳大利亚、阿根廷等地。这些国家和地区大都会受到厄尔尼诺带来的干旱影响，导致产量减少和价格上升。厄尔尼诺对玉米产量的影响相对温和，玉米的主产地包括美国、中国、巴西、阿根廷等地。从前面分析看，四个玉米主产地全都受到厄尔尼诺的影响，不过其中美国、中国的干旱影响与巴西、阿根廷的多雨影响恰好相反，综合下来厄尔尼诺的影响相对温和。对于大豆来说，厄尔尼诺带来的南美雨量充沛有利增产。世界大豆的主产地和出口国是巴西、阿根廷和美国。厄尔尼诺通常会给南美洲带来充沛的降雨，这将有利于南美地区大豆的增产，从而使价格下降。

从中国来看，厄尔尼诺现象主要通过影响副热带高气压带的移动方向及气压强度、间接影响中国气候。厄尔尼诺现象虽发生在距离中国比较遥远的太平洋，并不对中国的天气气候产生强烈的直接影响，但由于中国主要处于亚热带季风气候区，副热带高气压带是向中国大陆输送水汽的重要系统，厄尔尼诺即主要通过影响副热带高气压带、间接影响中国气候。从1998年中国特大洪水、2010年中国西南地区特大干旱等事件的形成机制来看，厄尔尼诺现象主要通过影响副热带高气压带的移动方向、气压强度来影响我国气候，是造成上述灾害事件的重要原因之一。所以，厄尔尼诺现象的出现与否是影响中国气候的一个强信号。当然，副热带高气压带并非是影响中国气候的唯一气压系统。需要强调的是，副热带高气压带影响中国气候尤其在旱涝方面是最重要的气压系统。

二、方法、数据与变量说明

（一）方法

广义倍差法借鉴了自然科学中的实验方法，被学术界广泛应用于研究某种外部干预如某项政策的实施等给研究对象带来的影响。这种方法的实现主要取决于两个关键点：从纵向来看，如何测量某项外部干预前后被观察对象的差异；从横向来看，如何选取实验组和控制组衡量某项外部干预带来的差异，综合以上两个维度的分析来考察某项外部干预的净影响。与上述方法不同的是本文选取了厄尔尼诺事件作为外部干预，即进行了多次随机自然实验来衡量厄尔尼诺给粮食生产带来的影响，在一定程度上避免了控制组受到的干预内生性影响，这可能是为什么称之为广义倍差法的原因。

本文参考了ArielR.Belasen,SolomonW.Polachek（2008）[8]提出的广义倍差分析方法。假设Y为实验组T和控制组TC的观察变量，即本文中的农产品产量；外部干预后有两种结果：一种是YT遭受厄尔尼诺事件的影响袭击；另一种是YTC未遭受厄尔尼诺事件影响。若用E［Yi,k｜TC］代表i地区k时刻未受厄尔尼诺事件影响的期望值，E［Yi,k｜T］代表i地区k时刻受到厄尔尼诺事件影响的期望值，则外部干扰产生的净影响δ表达式为：

其中，δi为横向维度实验组和控制组观察变量之间的差异，δk为纵向维度厄尔尼诺前后被观察的差异。

（二）变量和数据

为研究厄尔尼诺事件与农产品产量之间的关系，本文采用上述广义倍差法思想，建立回归模型。基于前人的研究，我们主要从影响农产品产量的经济因素、政策因素选取以下变量作为回归分析的控制变量。我们选取的自变量包括劳动力数量、播种面积、化肥用量等，因变量为农产品总产量，数据来源为FAO。

研究厄尔尼诺对农产品产量的影响，首先应选取恰当的厄尔尼诺指标，判断厄尔尼诺现象的主要条件有气压变化、风向变化、海温变化、海平面高度变化、环太平洋地震火山活动、南极半岛海冰异常减少、多次日食发生在两极和旱涝反常等。学术界一般以南方涛动指数来衡量。中国气象局国家气候中心在业务上主要以NINO综合区（NINO1+2+ 3+4区）的海温距平指数作为判定厄尔尼诺事件的依据，我们的研究也基于海温距平指数来衡量。

三、实证分析

根据农产品产量的影响因素状况，结合厄尔尼诺等极端自然灾害对产量的影响，建立如下模型：其中，Qit表示i地区t时期的农产品产量；ENSOit为厄尔尼诺虚拟变量，若i地区t时期遭受厄尔尼诺直接影响则为实验组取值为1，若未遭受厄尔尼诺事件影响则为控制组取值0；ALit表示i地区t时期的劳动力数量；GMit为粮食播种面积，FAit表示i地区t时期的化肥使用量；αn（n=0,1,2）为回归系数；νit为误差项。

为了避免由于数据的不平稳产生伪回归，分析过程中采用ADF法对所有拟进入模型的变量进行了数据平稳性检验，结果显示所有变量都是平稳的。在上述模型的基础上，本文分别从厄尔尼诺对农产品产量影响的一般效应、地区效应、强度效应和时间效应四个方面展开实证分析。

（一）一般效应

由于厄尔尼诺的直接影响持续时间短，故通过差分处理来分析农产品产量的变化值而不是水平状态值。另外，为了避免回归分析过程中的异方差和多重共线性，本文对连续变量进行取对数处理。得到如下模型：

据F检验和Hausman检验，模型分别选择混合效应模型、固定效应模型。广义倍差法回归结果显示，厄尔尼诺对农产品产量有显著的影响，而且在10%的水平下显著，说明厄尔尼诺对气候的影响导致农产品产量发生变化。

（二）地区效应

厄尔尼诺事件常伴随着飓风、暴雨、干旱等破坏性极强的连锁气象灾害，考虑到厄尔尼诺产生的系列干扰是否会出现溢出效应影响周边地区呢？我们进一步将厄尔尼诺变量拓展为直接受厄尔尼诺影响变量和间接受厄尔尼诺影响（厄尔尼诺影响地区的相邻地区）变量，再次探讨厄尔尼诺对农产品产量的影响，模型如下：

地区效应列回归结果显示，无论是直接还是间接受厄尔尼诺影响的地区，农产品产量均受到了影响，但这个影响的程度呈现较大的差异，直接影响的地区影响食品在5%的水平上显著，间接影响地区不显著。说明厄尔尼诺时间影响比较直接，不存在地区溢出效应。

（三）时间效应

在面对气候灾害等潜在压力时,恢复力是自然界和人类系统一个有价值的特性,有助于可持续发展及减小脆弱性,值得深入研究。恢复力是系统抵御扰动的特性，其表达方式是测度系统在遭受扰动后恢复到原有平衡态的速度或时间。因此本文通过厄尔尼诺滞后项变量ENSOit-1表示i地区t时期的厄尔尼诺滞后一期与ENSOit-2表示i地区t时期的厄尔尼诺滞后两期的引入，建立模型分析灾后农产品产量的恢复情况。

从时间效应列可以看出，厄尔尼诺对农产品产量一直没有显著影响，与上述模型结果一致。经过数年的调整，厄尔尼诺带来的破坏会随时间的推移逐渐恢复。

（四）强度效应

SkidmoreandToya（2002）[9]认为只有高强度的灾害才会给经济带来影响，在台风灾害频发的中国广东省等地区是否也存在这一现象呢？因此，本文探讨了台风的强度效应，将台风变量进一步划分为高强度台风和低强度台风，建立模型如下：

模型的选择根据F检验和Hausman检验（表2和表3）同前。表3强度效应列回归结果表明，高强度厄尔尼诺对农产品产量产生显著的影响，而低强度厄尔尼诺对农产品产量的影响并不显著。

表3 厄尔尼诺事件对农产品产量影响的实证检验结果

四、结论和政策建议

基于1980—2015年16个国家或地区的数据，采用广义倍差法，实证检验了厄尔尼诺事件对世界农产品产量的影响，从厄尔尼诺影响农产品产量的一般效应、地区效应、强度效应以及时间效应展开分析。研究结果发现，从全球角度来看，厄尔尼诺造成太平洋东部地区异常多雨甚至发生洪涝灾害、太平洋西部地区降水减少甚至发生严重干旱。厄尔尼诺事件对农作物产量的影响主要通过气温和降雨量直接影响农作物的产量，受厄尔尼诺影响的是小麦、玉米、大豆、棕榈油、可可、甘蔗等。整体上看，厄尔尼诺导致农产品减产，在地区上呈现较大的差异，不同强度的厄尔尼诺对农产品产量的影响是不同的，并且随着事件发生变化。因此，为应对日益严峻的厄尔尼诺极端天气状况，应该采取相关措施，保障粮食安全。

（一）整合多部门力量，形成联动体系

建立应对极端气候应急中心，整合农业、水务、消防、气象、卫生、环保等多部门联合行动，形成统一指挥、各司其职、快速行动、运转畅通的调度指挥体系。目前中国也建立了多部门的联动体系，但是层次较多，协调不力，需要进一步在体制上扁平化，减少中间层次，提高多部门联动的效率。对于厄尔尼诺等极端天气来说，其影响的包括气象、水利、卫生、农业等部门，单靠农业部门无法应对，需要水务、气象、农业和应急管理等相关部门统一思想，立足抗灾，充分准备，认真对待，做好应对超强厄尔尼诺事件影响的各项准备工作。气象部门进一步加强预报预警工作，及时发布极端天气事件预报预警信息，为应急响应和部门联动争取更多的时间“提前量”，水务部门需要完善河网水位调度方案，科学调度河道水闸运行，提前做好防汛应急准备。

（二）加强农田基础设施建设

为了抵御极端气候对农业生产的影响，通过发展高标准粮田建设、改造农田基础设施,增强农业抵御自然灾害的能力。中国改革开放以来虽然投入不少资金进行农田水利建设，但是大多是大型水电站等项目，真正面向农田水利的设施建设方面进展明显滞后，中小型水库和排灌系统年久失修，管理缺失。农田水利建设面广量大，除了小型农田水利、大中型灌区骨干工程外，还包括大中型灌区的田间配套、农田排水、农村治污、水土保持，以及相关农田灌排工程，而目前农田水利设施管护体制比较落后。随着机构改革，本来管理水平较低的农村水利站等撤销，乡镇农业服务中心更是无力进行管理。因此，在科学规划的基础上，探索建立农田基础设施建设的长效机制，从根本上改变农田基础设施建设薄弱的局面，在投资上以财政投入为主导、农民自筹为依托、银行借贷和社会援助等多元化的投入体系（房婧；王勇，2015）[10]。

（三）加大宣传力度，强化民众认知

强化民众对厄尔尼诺现象的认知对防灾减灾十分重要。应对厄尔尼诺不仅是政府的责任，也是全社会的责任，人人参与才能有效降低损失。因此，应该进行全国性的宣传活动，动员企业、行业协会、民众积极参与到“厄尔尼诺应急演习”等紧急救援演练，一旦发生厄尔尼诺造成的危害，知道如何做到生产自救，减少自然灾害造成的损失。

（四）建立事后救灾补偿机制

传统上，灾后补偿主要由政府补助来完成，但受财政收支的限制，财政救助只是杯水车薪，大部分损失由农业生产者承担。我国也逐步建立农业保险体制，向农业保险和政府补贴相结合的形式过渡，但农业保险的范围较小和保障程度较低，农业生产者的保险意愿较低。借鉴国外农业保险机制经验，建立符合中国特色的农业灾后补偿保险体系，政府扶持引导、农业保险机构市场运作、农民自主自愿参加农业保险的模式，国家层面由政府部门协调管理，基层由商业保险公司运作。建立完整的农业灾害补偿或农业保险法规政策，全面加强农业保险组织体系建设。

[1]Javier E.Baez,Indhira V.Santos.On Shaky Ground:The Effects of Earthquakes on Household Income and Poverty [J].Research for Public Policy，2008（12）.

[2]许武成.1951-2007年的ENSO事件及其特征值[J].自然灾害学报，2009（4）.

[3]Cane M A,Eshel G,Buckland R W.Forecasting Zimbabw ean M aize Y ield Using Eastern Equatorial Pacific Sea Surface Temperature[J].Nature，1994（370）.

[4]Anne R Kapuscinskib,W ansuk Senanan.Genetic Impacts of Hybrid Catfish Farming(Clarias Macrocephalus×C. Gariepinus)on Native Catfish Populations in Central Thailand[J].Aquaculture，2000（8）.

[5]Rosamond Naylor,David Tilman1.Agricultural Sustainability and Intensive Production Practices[J].Nature-InternationalW eekly Journal of Science，2002（8）.

[6]Peihong，YinXiuqi Fang.Regional Differences of Vulnerability of Food Security in China:Journal of Geographical Sciences[J]，2009（10）.

[7]X iangzheng Deng,Jikun Huang,Scott Rozelle,Em i Uchida.Cultivated Land Conversion and Potential Agricultural Productivity in China[J].Land Use Policy，2006（4）.

[8]Ariel R.Belasen and Solomon W.Polachek.How Hurricanes A ffectW ages and Em ployment in Local Labor M arkets[J].The American Economic Review，2008（5）.

[9]M Skidmore,H Toya.Do Natural Disasters Promote Long‐run Grow th?[J].Econom ic Inquiry，2002（6）.

[10]房婧，王勇.银行开办农村土地承包经营权抵押贷款之风险防范[J].南京财经大学学报，2015（1）.

[责任编辑：刘烜显]

李丰，南京财经大学粮食经济研究院暨粮食安全与战略研究中心副教授，经济学博士，江苏南京210003

F307

A

1004-4434(2016)11-0063-05

国家社会科学基金项目“基于粮食安全目标的国际资源利用机制与制度化研究”（14BJY221）；江苏高校优势学科项目建设工程（PAPD）；青蓝工程项目（QingLanProject）