主产区农户粮食供给反应差异研究——基于粮食品种和农户非农收入视角的分类比较

李娟，武舜臣



主产区农户粮食供给反应差异研究
——基于粮食品种和农户非农收入视角的分类比较

李娟，武舜臣*

(南京财经大学粮食安全与战略研究中心/江苏省现代粮食流通与安全协同创新中心，江苏南京 210023)

基于中国2004—2013年统计数据，在分品种考察主要粮食作物(大豆、玉米、稻谷及小麦)主产省(区)农户粮食生产对价格和收益反应差异的基础上，进一步按非农收入比重分组考察了高农业收入占比组与低农业收入占比组省份的反应差异。结果显示：各品种粮食生产都存在较强惯性，且高农业收入组的生产惯性强于低农业收入组；成本因素对粮食生产存在显著阻碍作用；从长短期弹性看，各粮食品种高农业收入占比组价格和收益对播种面积的影响均高于低农业收入占比组。

农户；非农收入；粮食生产；供给反应；差异

一、问题的提出

伴随着中国农村经济改革的推进，在具有多种选择机会时，农户会日益基于家庭收入最大化来分配自己的有限资源[1]。中国农业人口多，人均耕地面积小，农业增收难度大，非农就业成为追求收入最大化的农户劳动力资源配置的最佳选择[2]。然而，在土地市场尚未完全放开的背景下，大多数农户并未放弃土地经营，兼业化生产依然是中国农业生产的主要模式[3]。

随着外出就业收入的提高，家庭经营收入中农业收入占比逐年下降。农村居民纯收入构成中，工资性收入占比从1990年的20.22%上升到2013年的45.25%，家庭经营收入占比由1990年的75.56%下降到2013年的42.64%。农户家庭经营非农化已成为农户经济理性化行为的一种必然选择[4]。粮食生产作为农业生产中的弱势部分已逐步边缘化。农业收入占比尤其是粮食收入占比的下降，可能导致粮食价格信号对粮食生产调节作用的弱化。现今的托市收购政策主要通过影响市场价格进而对粮食生产予以干预，家庭经营收入结构变动对托市收购政策效果的影响不容忽视。

国内外众多学者基于供给反应模型考察了农户的粮食生产行为，其中，价格变量对粮食生产的影响是研究的重点。Rahji[5]运用Nerlove均衡模型考察了尼日利亚水稻生产对价格的供给反应情况。Griffiths和Anderson[6]对新南威尔士南部小麦供给反应进行了实证分析研究。王德文等[7]建立了双轨制下的三种供给反应模型，研究了粮食订购数量和订购价格对粮食产出的影响差异。李光泗等[8]通过三种不同形式的供给反应模型进一步分析了粮食生产波动的影响因素，同时也有学者从区域角度考察某个粮食品种的供给反应差异[9,10]。随着Nerlove模型的完善和发展，学者开始在综合原有模型的基础上加入其它变量考察供给反应情况。刘俊杰等[11]考察了替代作物价格对中国小麦的供给反应情况。范垄基等[12]则进一步将政策变量引入Nerlove模型对稻谷、小麦和玉米三大作物做出分析。朱思柱等[13]采用Kanwar[14]做法，在Nerlove模型的基础上考虑了预期相对收益和风险因素，分析了中国大豆的供给反应弹性。杨艳涛等[15]运用市场均衡模型并借鉴Nerlove模型研究了玉米的供求变化，考察玉米种植面积对前期种植面积、玉米价格、替代品价格和农业补贴政策的反应。

笔者在梳理文献过程中发现，已有供给反应研究除了姚升[16]根据农户的个体特征——教育程度高低分组比较分析了农户大蒜生产的供给反应外，鲜有对具有差异化特征农户生产行为的比较研究。现阶段，不同地区间农户家庭经营非农化比重差异巨大，价格因素对粮食生产影响的差异如何？

为考察不同收入结构农户粮食生产对价格反应的差异，笔者拟在分品种考察省域农户粮食生产供给反应情况的基础上，以家庭收入非农比例大小为标准将粮食主产省份进行分组，分别考察高比例组和低比例组中价格对农户粮食生产积极性影响的差异。

二、理论分析与模型构建

(一)理论分析

一般意义上，市场主体会对外部刺激做出反应。然而，如果市场主体对该市场的参与程度不高，则刺激效果会有差异。就以价格变量来说，外部条件的改变会对农户生产的价格反应程度带来较大影响。从图1进行分析可知，如果外部条件发生改变，导致原供给曲线由变为，则同样价格变动导致的产量变化会产生差异。因此，适当考虑影响供给曲线斜率的外生变量，理论上能够对粮食生产的价格弹性进行更好的分析。由此，部分学者在原有的Nerlove模型中加入一定控制变量，以避免变量遗漏导致的内生性问题。

图1　外部条件改变下价格对农户生产的影响分析

以粮为主的收入结构是农户种粮积极性的内在支撑[17]。近年来，随着农户家庭收入结构的变动，种粮收入在农户总收入中的比重呈下降趋势。而且，分地区看，无论是比重变动程度还是绝对值都有较大差异。表1显示了1990年以来全国及各粮食主产省份农村居民家庭经营人均纯收入的占比情况。为保持统计口径一致，研究数据选取至2013年。从表1中可以看出，农村居民家庭经营人均纯收入占人均纯收入的比重逐年下降。从全国来看，年平均下降1.4个百分点。从全国各粮食主产省份看，家庭经营人均纯收入占比的变化趋势与全国一致，处于下滑状态。但各省份经济基础的差异导致不同省份家庭经营人均纯收入绝对值占比差异明显，占比最高的吉林省与占比最低的江苏省之间的差距接近40%。总体而言，家庭经营非农化趋势愈加明显。

(二)模型构建

考察农业生产主体对外部刺激的反映，国内外使用最多的是Mare Nerlove[18]提出的“农业生产反映局部调整模型”(Nerlove模型)。从相关文献综述也能得到，现今大量研究实践表明，Nerlove供给反应模型是目前所有研究农业供给反应计量模型中最成熟和应用最成功的模型，能够很好地测算相关农作物生产对价格的供给反应程度。

根据适应性预期理论，粮食生产者在生产过程中不断学习做出的生产决策主要依托于期望价格：通过期望价格和实际价格之间的差异对期望价格做出调整，进而模拟生产决策。可表示为：

根据农产品供给反应理论，粮食生产者投入生产状况不是依据实际价格，而是取决于期望价格，同时还受到其他外生因素的影响。可表示为：

其中，0等价于0，1等价于1，2等价于1-。与模型(1)不同，模型(3)是可观测且可度量的。在此基础上，可以将具体模型形式设定为：

表1全国及各粮食主产省份农民家庭经营人均纯收入占比 %

1990年1995年2000年2005年2010年2013年 全国82.3071.3563.3456.6747.8642.64 江苏68.9462.8649.2640.2735.2631.32 山西79.3264.6258.4454.0942.8331.79 河北80.6168.9057.2057.1245.8235.37 湖南88.6976.9060.4954.9543.8335.38 陕西87.3075.1062.4154.5145.8538.45 江西89.1275.5561.8257.0950.4341.95 四川87.2974.2962.7360.0044.4942.07 山东78.5771.7563.0657.4549.4542.61 安徽88.2375.2867.1256.7749.6945.46 辽宁76.2566.1357.4558.6350.4749.04 湖北89.5181.9171.3166.1255.4749.41 河南86.5481.5171.8766.6658.6650.56 云南88.7078.3475.4674.9463.5159.44 内蒙古95.0485.7382.9674.3866.3762.22 黑龙江91.4286.8679.1173.3863.4766.07 吉林91.2779.3779.6673.3965.5171.25

注：数据来源于1991~2014年《中国统计年鉴》。

三、数据来源与计量结果分析

(一)数据来源

由于中国粮食作物地区种植差异大，参照钟甫宁[19]的做法，笔者用生产规模指数确定中国稻谷、小麦、玉米及大豆4种主要粮食作物的主产省。由于研究期间各省粮食播种面积变动趋势差异不大，故各粮食品种生产规模指数在研究期间保持相对一致。具体来说，稻谷主产省份包括吉林、辽宁、黑龙江、江苏、安徽、江西、河南、湖南、湖北、四川及云南共11个省份；小麦主产省包括河北、四川、湖北、江苏、安徽、山东、河南及陕西共8个省份；玉米主产省包括河北、内蒙古、吉林、辽宁、黑龙江、河南、四川、山东及山西共9个省份；大豆主产省包括河北、内蒙古、吉林、辽宁、黑龙江、安徽、山西、河南、陕西及山东共10个省份。本研究中，各省份4种粮食作物的价格、收益、成本数据均来自相应年份的《全国农产品成本收益资料汇编》；各省份粮食作物播种面积数据来自《中国农村统计年鉴》；各省份农村居民人均家庭经营纯收入与人均纯收入数据来自国家统计局网站。考虑到稻谷播种面积口径与相应省份稻谷价格、成本及收益口径不一致，笔者对不同品种稻谷价格、成本及收益数据进行了平均化处理。此外，由于《中国农村统计年鉴》对收入部分的统计在2014年发生变化，研究期间定为2004—2013年。

(二)计量结果分析

考虑到直接对上述模型进行估计可能导致序列自相关和多重共线问题，笔者首先对各变量进行对数化处理，一方面能确保残差的正态性，另一方面也可直接得到短期的供给弹性。鉴于广义最小二乘法(GLS)可以减少截面数据的异方差现象，笔者采用该方法进行面板数据估计。

1．基于全样本的主要粮食作物主产省供给反应分析

笔者首先对分品种粮食供给反应方程进行估计，考虑到收益也可以跟价格对粮食生产起到类似的影响[20]，笔者同时将收益变量引入以检验方程的稳健性，其中大豆、玉米、稻谷及小麦的价格反应方程见模型1、模型3、模型5和模型7，收益反应方程见模型2、模型4、模型6和模型8，最终输出结果见表2。

表2　主要粮食作物主产省供给反应方程估计结果

注：*、**、***分别表示在10%、5%、1%的显著性水平下统计显著；括号内为回归系数的稳健标准误。

由表1可知，主要粮食作物主产省的粮食供给有以下特点：

首先，所有品种滞后一期播种面积变量都通过了显著性检验，且系数远高于价格和收益。该结果体现了粮食生产的惯性，即由于受思想观念和生产经济环境等多种因素的约束，农户的生产行为不易调整，其供给具有刚性。

其次，从价格变量和收益变量分析。分品种粮食价格和收益对粮食生产都存在正向影响，但多数模型中价格或收益变量未通过显著性检验，这说明尽管价格和收益能够表现出对粮食生产的正向作用，但效果并不明显。从收益和价格比较看，分品种粮食作物收益的长短期弹性都小于价格，说明农户生产对价格的反应程度要大于收益。以小麦为例，模型1和模型2的短期价格和收益弹性分别为0.122和0.054，长期供给价格和收益弹性分别为0.244和0.117。其短期价格和收益弹性都较低，说明小麦播种面积的调整对价格和收益的反应都比较迟钝；两者的长期弹性都大于短期弹性，而且价格弹性远大于收益弹性，说明与长期相比，农户在短期内较难对价格和收益的波动进行及时调整，存在一定的时滞。

此外，从成本角度进行考察。粮食作物生产总成本总体上对粮食生产存在负向作用，这符合实际预期。近年来农产品生产资料价格的上涨、人工成本的上升已经引起了大多数农户的关注，成为农户粮食生产选择的重要考量。但是，玉米供给反应模型中总成本这一解释变量未通过显著性水平检验。该结果与范垄基对玉米供给反应分析得出的结果类似[12]。由于政府政策和制度安排对农户玉米种植行为决策的干预，导致成本对玉米生产的影响不是特别明显。

2．基于农业收入占比分组的主要粮食作物主产省供给反应分析

各粮食主产省份的农业收入占比会影响农户的生产决策。由于主产省份的个体特征涵盖的内容较多，笔者以农业收入占比为基础对样本省份分组研究。对近5年各粮食主产省份的平均农业收入占比排序，以0.45为界划分为两个组：高农业收入占比省份和低农业收入占比省份，并分别对这两组样本的供给反应情况进行分析，最终分组结果如表3。

表3　主要粮食作物主产省按农业收入占比分组情况

由表4和表5的结果可以看出，分组后各回归拟合程度仍然较高，且大部分变量通过了显著性检验，而各粮食作物生产供给反应与分组前相比发生了变化，主要区别体现在以下几个方面：

表4　按农业收入占比分组稻谷和小麦供给反应方程估计结果

注：*、**、***分别表示在10%、5%、1%的显著性水平下统计显著；括号内为回归系数的稳健标准误。

表5　按收入占比分组玉米和大豆供给反应方程估计结果

注：*、**、***分别表示在10%、5%、1%的显著性水平下统计显著；括号内为回归系数的稳健标准误。

首先，分组后滞后一期播种面积对粮食生产仍为正向影响，且大部分通过了显著性检验。其中，分品种粮食作物中高农业收入占比组的滞后一期播种面积系数比低农业收入占比组大，这与宋雨河和武拉平[21]的研究结果类似。由于高农业收入占比组生活收入来源以种粮为主，收益最大化目标下该群体对粮食生产的依赖性更高，种植的延续性也越强。相反，低农业收入组往往具有更多的非农就业机会，种粮决策在收益最大化目标下并不突出，粮食播种面积的随意性更强。

其次，分组后各粮食品种的长短期价格弹性、收益弹性与分组前类似，都表现出收益小于价格的特征。从价格和收益对播种面积的影响程度看，高农业收入组都要远高于低农业收入组，该结果说明以种粮收入为主的农户对粮食价格和收益的敏感性更强。

除玉米外，其他粮食作物都表现出成本对种植面积的阻碍作用。对此的一个解释是，玉米的市场化程度较高，投入成本的增加带来单位产量收益的下降，在生物燃料需求激增的今天，农户往往通过扩大播种面积来增加产量和提高收益，削弱或抵消了成本带来的负面作用。

综上，无论是种植面积变量还是价格收益变量，都呈现高农业收入占比组敏感性高于低农业收入占比组的特征。

四、结论与启示

本研究分析了中国大豆、玉米、稻谷及小麦4种粮食作物主产省供给反应情况，并在此基础上按农业收入占比高低分组考察了高农业收入占比省份和低农业收入占比省份农户粮食生产对价格、收益及成本的供给反应情况。分析结果显示，各品种粮食生产都存在较强惯性，且高农业收入占比组惯性强于低农业收入占比组。从长短期弹性看，各粮食品种高农业收入占比组价格和收益对播种面积的弹性均高于低农业收入占比组。此外，种粮的生产总成本不断上升也对粮食播种面积的增加有着阻碍作用。

研究结论对现阶段粮食托市政策改革有一定的参考意义，即随着农户收入非农化占比的提升，农户粮食生产对价格的反应敏感性逐渐下降，这会一定程度降低托市政策的效果。此外，成本急速上升也会对农户粮食生产的积极性带来影响。为维护农户生产积极性，仅仅依靠提升托市价格不仅面临巨大的财政负担，而且效果也存在边际递减趋势。随着农户群体的进一步分化，粮食最低收购价的保障作用将集中在以粮食生产为主的产粮大户一端，因此，改变以往普惠式政策，实现政策精准设计，是降低财政压力，提升粮食补贴效率的必然选择。

参考文献：

[1] 宋洪远．经济体制与农户行为——一个理论分析框架及其对中国农户问题的应用研究[J]．经济研究，1994(8)：22-28，35．

[2] 洪涛，傅宏．中国粮食安全发展报告：2013~2014[M]．北京：经济管理出版社，2014：77-78．

[3] 王宇．改革硬骨头——粮食安全[EB/OL]．(2015-01-13) [2015-01-13] http:// news. xinhuanet. com/herald/ 2015-01/13/ c_133916668.htm

[4] 史清华，张惠林．农户家庭经营非农化进程与历程研究[J]．经济问题，2000(4)：45-48．

[5] Rahji M A Y，Ilemobayo O O，Fakayode S B．Rice Supply Response in Nigeria：An application of the Nerlovian adjustment model[J]．Agricultural Journal，2013(3)：229-234．

[6] William E Griffiths，Jock R Anderson．Specification of agricultural supply functions —empirical evidence on wheat in southern N．S．W．[J]．Australian Journal of Agricultural & Resource Economics，1978，22(2-3)：115–128．

[7] 王德文，黄季焜．双轨制度下中国农户粮食供给反应分析[J]．经济研究，2001(12)：55-65+92．

[8] 李光泗，李全根，曹宝明．我国粮食生产波动影响因素分析——基于供给反应模型[J]．南京财经大学学报，2010(5)：31-37．

[9] 邵飞，陆迁．基于Nerlove模型的中国不同区域玉米供给反应研究[J]．经济问题，2011(7)：73-76．

[10] 范少玲，史建民．基于Nerlove模型的山东省玉米供给反应研究[J]．安徽农业科学，2013(4)：1762-1764．

[11] 刘俊杰，周应恒．我国小麦供给反应研究——基于小麦主产省的实证[J]．农业技术经济，2011(12)：40-45．

[12] 范垄基，穆月英，付文革，等．基于Nerlove模型的我国不同粮食作物的供给反应[J]．农业技术经济，2012(12)：4-11．

[13] 朱思柱，周曙东．基于扩展Nerlove模型的中国大豆供给反应弹性研究[J]．大豆科学，2014(5)：752-758．

[14] Kanwar S．Relative profitability，supple shifters and dynamic output response，in a developing economy[J]. Journal of Policy Modeling，2006(28)：67~88．

[15] 杨艳涛，吴敬学．基于市场均衡模型的中国玉米供需变化与趋势预测[J]．经济问题，2014(12)：98-103．

[16] 姚升，周应恒．大蒜供给反应研究——基于微观面板数据的实证分析[J]．财经论丛，2013(2)：9-14．

[17] 姜天龙，郭庆海．农户收入结构支撑下的种粮积极性及可持续性分析——以吉林省为例[J]．农业经济问题，2012(6)：14-20．

[18] Nerlove M．Estimates of the elasticities of supply of selected agricultural commodities[J]．Journal of Farm Economics，1956(38)：496-509．

[19] 钟甫宁，胡雪梅．中国棉花生产区域格局及影响因素研究[J]．农业技术经济，2008(1)：4-9．

[20] 苗珊珊，陆迁．农户生产决策行为的影响因素：价格抑或收益[J]．改革，2013(9)：26-32．

[21] 宋雨河，武拉平．价格对农户蔬菜种植决策的影响——基于山东省蔬菜种植户供给反应的实证分析[J]．中国农业大学学报(社会科学版)，2014(2)：136-142．

责任编辑：李东辉

The difference of supply response on grain production of farmers in main grain producing provinces:Based on the comparison of grain varieties and non agricultural income

LI Juan, WU Shunchen*

(Center for Food Security and Strategic Studies of Nanjing University of Finance and Economics/Collaborative Innovation Center of Modern Grain Circulation and Safety, Nanjing 210023, China)

Based on the statistics data from 2004 to 2013 and the analysis of differences in price and income responses of grain production in the main producing provinces of major grain crops (soybean, maize, rice and wheat), this paper divides samples into groups according to the rate of non-agricultural income in the whole family-run and analyzes the different responses between high agricultural income groups and low agricultural income groups. The results show that there is strong inertia on each of grain varieties production and the inertia in high groups is stronger than that in low groups. The cost significantly hinders the grain production. In terms of short and long-run elasticity, the price and yield of high agricultural income groups have more effects on planting area than that of low groups for the varieties of grain.

farmers; non-agriculturization of family income; grain production; supply response; differences

10.13331/j.cnki.jhau(ss).2016.05.002

F326.11

A

1009-2013(2016)05-0008-06

2016－06－05

国家自然科学基金青年项目(71403114)；公益性行业(粮食)科研专项(201513004)；服务国家特殊需求博士人才培养项目开放课题(BSXJ201509)；博士生专项课题(BSZX15-01)；海南省高等学校科学研究项目(Hnky2016- 45)；江苏高校优势学科项目建设工程和“青蓝工程”项目

李娟(1991—)，女，江苏靖江人，硕士研究生。*为通信作者。