贸易开放改善了粮食安全状况吗？——来自跨国面板数据的经验证据

孙致陆

（中国农业科学院农业经济与发展研究所，北京市 100081）

一、引言及文献综述

粮食安全一直受到世界各国的高度重视，也是全球重要议题之一。为了协调国际社会改善全球粮食安全形势，1996年世界粮食首脑会议通过了《世界粮食安全罗马宣言》和《世界粮食首脑会议行动计划》，提出“到2015年将全球饥饿人口数减少一半”，这也成为8 项千年发展目标（Millennium Development Goals，MDGs）之一[1]。此后，为了构建全球粮食系统的新愿景，2015年联合国可持续发展峰会通过了《2030年可持续发展议程》，并承接MDGs 提出了17 项可持续发展目标（Sustainable Development Goals，SDGs），其中可持续发展目标2（SDG2）提出“到2030年消除一切形式的饥饿和营养不良，保证所有人享有充足且营养的食物，促进可持续农业”，也称“零饥饿”目标[2]。经过国际社会共同努力，2005—2014年全球粮食安全形势持续改善；然而2015年起形势出现逆转，全球粮食不安全问题越来越严重，威胁着更多人的生命安全和生计安全。据联合国粮食及农业组织（Food and Agriculture Organization of the United Nations，FAO）等估计[3]，2020年全球共有约7.20 亿～8.11 亿人口面临饥饿，如果取中间值（7.68 亿人），比2019年增加了1.18 亿人；所有地区都出现不同程度的恶化，2020年全球半数以上饥饿人口（4.18亿人）生活在亚洲，三分之一以上（2.82 亿人）生活在非洲，拉丁美洲占8%（6 000 万人），三个地区饥饿人口数分别比2019年增加了5 700 万人、4 600万人和1 400 万人。2020年初以来在全球持续蔓延的新冠肺炎疫情及其引发各国采取的防控政策，导致世界经济在2020年出现严重衰退，且全球、地区和国家层面食物供应链受阻，进一步加重了全球粮食不安全问题。据世界粮食计划署（World Food Programme，WFP）估计，新冠肺炎疫情导致各疫情发生国共有约2.72亿人遭受严重的粮食不安全影响[4]。因此，近年来全球在SDG2上并未取得明显进展，这也使得到2030年实现“零饥饿”目标愈加困难。

粮食安全是由FAO在20 世纪70年代提出的，从关注粮食数量到关注食品营养，从关注国家粮食安全到关注家庭和个人粮食安全，粮食安全的内涵不断丰富和发展[5]。目前关于粮食安全最权威也最广泛使用的定义是：所有人在任何时候都能从实际、经济和社会的角度获得充足、安全和营养的食物，满足其积极健康生活的膳食需求和食物偏好[6-8]；因此，粮食安全意味着有足够粮食可供食用，不仅是今天或明天，还包括今后每一天，这是一个同时存在于发展中国家和发达国家且影响着每个人每一天生计的全球议题[9]。此后，FAO进一步提出粮食安全是由供给（通过国内生产、进口或粮食援助，政府和市场可维持足够数量和质量适当的粮食供给）、获取（拥有足够的资源或权利获取适当的有营养的食物）、稳定（为了实现粮食安全，须在任何时候都能获取充足食物，而不应受到由于突如其来的风险或周期性事件导致失去粮食可获得性的后果）和利用（有适当饮食、清洁饮用水、卫生与公共健康标准，充分利用食物，以达到所有营养需求并得到满足的福祉状态）四个支柱构成[10]；在此基础上，通过用一系列指标对每个支柱进行量化测度，可以更好理解粮食安全内涵，这也使从全球、地区和国家层面对粮食安全进行全面评估成为可能。分析粮食安全的传统视角包括自给自足（Self-sufficiency）和自我依赖（Selfreliance）两个方面，前者强调国内粮食消费主要依靠国内生产，后者则强调构建更加多元化的供给来源渠道，特别是进口[11-12]。近年来，很多国家认识到贸易开放在保障粮食安全方面的重要作用并加以利用[13-14]，越来越多国家依靠国际贸易来确保粮食安全，这也使得国际粮食贸易正在成为全球粮食供应链中越来越重要的组成部分[15-16]。据世界贸易组织（World Trade Organization，WTO）估计[17]，近年来全球平均每6 个人中就有一个人几乎完全依靠国际贸易获取粮食，到2050年该比例预计将提高到50%。

鉴于贸易开放在全球粮食安全实践中发挥的重要作用，贸易开放对粮食安全的影响机制值得深入探究。目前，关于该问题的研究尚未形成一致结论，已有相关文献发现贸易开放对粮食安全的影响是双重的[8]。一方面，基于WTO 多边谈判以及区域和双边贸易谈判的贸易政策改革，通过取消或削减关税和非关税贸易壁垒以及放宽市场准入而获得的贸易利益，有利于通过国际市场联结渠道增加、进口商品价格下降和食物供给与多样性改善来弥补国内食物供应短缺[11，18-20]。WTO和世界银行持续宣传这样一种理念，国际市场准入在其成员国特别是发展中国家发展中发挥着重要作用，并且消除主要由发达国家对发展中国家施加的贸易限制越来越引起国际社会的广泛关注[21]。依靠为弱势群体制定的完善国内社会安全网政策，贸易开放可以通过降低粮食价格使所有人受益，特别是遭受严重粮食不安全的低收入群体，进而促进粮食安全状况改善，且更多元的膳食还可使低收入群体不再容易受到粮食供应短缺和价格波动的影响[22]。此外，虽然关税扩大了全球价格波动的影响范围并使消费者面临价格飙升，但其持续时间通常很短，而不会像低价格可能持续较长时间，也让消费者受益于此后的长期低价格[3]。因此，贸易开放将增加东道国福利，降低其经济波动[23]，相反，保护国内农业市场从长期看将损害而不是保障粮食安全，这已经在很多国家被观察到[18，22]。

另一方面，粮食供给侧面临的农业生产力波动、暴力冲突与战争、自然灾害、跨国粮商垄断、贸易禁运等冲击因素会导致随机的收益或损失，其实际影响程度很可能根据贸易开放水平而被放大或减弱，进而危及粮食安全[24-26]。贸易开放还会降低粮食自给率，进而使粮食供应更加依赖进口[18，27]，导致粮食供应不再安全，特别是考虑到农业与自由贸易不完全相容，因为农业在国家和全球层面的生态和自然资源管理中发挥着重要作用，并且农业在各国受到的不同对待（例如政策保护或者被征税）也会造成不公平的竞争环境[28-29]。考虑到发展中国家小农户的市场竞争力明显弱于高收入国家的大规模农户和发达国家获得大量政府补贴的农户，国际贸易自由化特别是农产品贸易自由化并不利于释放发展中国家的农业生产潜力[28]；同时，降低对国外粮食的依赖有助于减少国际市场冲击向国内市场的扩散和传播[12]。此外，还有文献认为，在欠发达国家（Least Developed Countries，LDCs），贸易开放与粮食安全之间存在U型相关关系，粮食安全在贸易开放的初始阶段有所恶化，但超过特定阈值后则会趋于改善[30]。

贸易开放与粮食安全之间存在何种关系，可能会为解决和应对WTO谈判以及区域或双边贸易谈判过程中非常关键的农业开放与市场准入问题提供重要的经验证据[9，22]，尽管是否能形成积极且可行的解决方案还尚未可知[31]，已有相关研究表明，很多因素都会影响贸易开放对粮食安全的作用，特别是考虑到粮食安全是一个多维概念，这也使得仅凭过往大多数相关研究中采用的定性研究和描述性分析很难严谨地确定贸易开放会促进或阻碍粮食安全状况改善。目前，从全球层面分国别定量实证研究贸易开放对粮食安全影响的文献还较为鲜见。此外，过往大多数相关研究都使用贫困指标而不是直接的粮食安全指标来衡量粮食安全。本文旨在实证研究贸易开放对粮食安全的影响，以解答以下问题：贸易开放促进还是阻碍了粮食安全；贸易开放与粮食安全之间是否存在U型（或倒U型）相关关系；作为控制变量的其他经济因素和非经济因素对粮食安全有促进作用还是阻碍作用。因此，本文基于粮食安全四个支柱（供给、获取、稳定和利用），根据2001—2020年93 个样本国家的跨国面板数据，实证估计贸易开放和其他控制变量对粮食安全的影响。首先，构建作为基准模型的面板数据固定效应（fixed effects）模型实证分析贸易开放对粮食安全的影响，验证贸易开放和粮食安全之间是否存在U 型（或倒U 型）相关关系；其次，分别采用面板数据最小二乘法和动态面板数据广义矩估计（Generalized Method of Moments，GMM）法进行稳健性检验，还进一步检验贸易开放影响粮食安全是否存在收入水平异质性；最后，根据研究结论提出相应政策建议。

本文有以下两个方面的边际贡献：第一，已有相关研究主要采用定性研究和描述性分析方法，少量实证研究文献也大多采用贫困指标等单一指标衡量粮食安全。本文根据FAO提出的贸易政策改革与粮食安全关系分析框架[22]，基于粮食安全四个支柱（供给、获取、稳定和利用）并甄选与之对应的4个指标开展实证研究，拓展了贸易开放影响粮食安全的分析维度，有助于完善和发展FAO 贸易政策改革与粮食安全关系分析框架。第二，已有文献研究对象以单一国家以及欧洲、欠发达国家等特定区域或国家集合为主[11-12，15，20-21，30]，缺乏基于全球层面跨国数据的深层次定量研究。因此，本文基于全球93 个样本国家的跨国面板数据研究贸易开放对粮食安全的影响，并进行稳健性检验和异质性分析，可为从全球视角深入探讨贸易开放影响粮食安全提供更加全面稳健的经验证据和决策参考。

二、研究设计

（一）样本选取

从粮食安全四个支柱（供给、获取、稳定和利用）来实证分析贸易开放对粮食安全的影响，粮食安全各个支柱的评价指标及其数据均来源于FAO的FAOSTAT 数据库粮食安全指标（Food Security Indicators）模块①；在该模块中，对于各个国家粮食安全的每个支柱都有若干个指标来对其进行评价，且最新数据样本期为2000—2020年，但多数国家的数据在其中的2000年缺失较多，因此，本文将数据样本期设定为2001—2020年。在删除主要变量数据缺失的国家后，本文最终选取了涵盖亚洲、欧洲、非洲、北美洲、拉丁美洲和大洋洲的93 个样本国家在2001—2020年的数据进行分析②，共计1 860个样本。

（二）变量说明与数据来源

1.因变量

因变量为粮食安全（FS），具体采用与粮食安全四个支柱（供给、获取、稳定和利用）分别对应的指标来表示。根据FAOSTAT数据库粮食安全指标模块，考虑到93 个样本国家全部粮食安全指标数据在国别和年份方面的完整情况，选取如下4个与粮食安全四个支柱（供给、获取、稳定和利用）分别对应的指标来进行分析：一是人均膳食能量供给量（DES），即一国平均每人在每天从可供消费的食物中获取的卡路里量，用来表示粮食安全的供给支柱；二是铁路密度（RLD），即一国提供铁路运输服务的铁路里程与该国陆地国土面积之比，用来表示粮食安全的获取支柱；三是人均食物供给变化量（PCF），即以卡路里表示的一国人均食物供给量的变化量，用来表示粮食安全的稳定支柱；四是安全饮用水使用人口比重（PUS），即一国使用安全饮用水的人口数量占该国人口总量的比重，用来表示粮食安全的利用支柱。

2.自变量

自变量为贸易开放度（TO），即一国的商品和服务进出口贸易总额占该国国内生产总值（GDP）的比重，数据来自世界银行世界发展指标（World Development Indicator，WDI）数据库③；该取值方式是研究贸易开放时常用的测度指标，不仅可以避免采用关税作为替代变量时存在的难以汇总归并为单一指标问题[20]，还可以反映一国对外贸易整体状况[32]。

3.控制变量

参考FAO提出的贸易政策改革与粮食安全关系分析框架[22]，并借鉴迪斯末（Dithmer）等[20]、坎（Kang）[30]和福斯科（Fusco）等[15]的研究，本文结合以下5类因素来选取控制变量：

（1）国别特征因素

从宏观经济规模、农业重要性和农业生产自然资源禀赋三个方面选取了如下4 个反映国别特征因素的控制变量：一是人均国内生产总值（GDPC），即一国GDP 与人口总量之比，用来表示宏观经济规模；强大的经济规模往往意味着更强有力的食物购买力，因此，GDPC将会对FS产生正向影响[20]；二是农业就业人口比重（EA），即一国农业部门就业人口数占就业人口总量的比重，用来反映农业重要性；三是人均耕地面积（AL），即一国耕地面积与人口总量之比，耕地是决定一国农业生产规模的首要自然资源禀赋；四是农业淡水利用比重（FWA），即一国农业部门淡水利用量占淡水利用总量的比重，淡水也是影响一国农业生产规模的重要自然资源禀赋，因为可利用灌溉用水的供给数量和供给时机都会直接影响粮食单产，因此，淡水资源供给安全是粮食安全的重要基础之一[33]。这4个控制变量的数据均来自世界银行WDI数据库。

（2）农业生产因素

选取农业生产率（AP）来反映农业生产因素。AP用谷物单产表示且等于一国谷物产量与耕地收获面积之比。数据来自世界银行WDI数据库。近年来随着经济全球化和区域经济一体化的持续发展，国际贸易在维护全球粮食安全方面的重要性在增加，但仍有很多国家主要依靠发展国内粮食生产来确保粮食安全[34]，这使得提升农业生产率成为增强这些国家国内粮食供给能力和稳定国内粮食价格的重要途径之一[35]。

（3）经济与人口增长因素

选取如下2 个反映经济与人口增长因素的控制变量：一是GDP 增长率（GDPG），即一国当年GDP 相对于上年GDP 的增速，可以反映该国经济总量的周期性或非周期性波动变化；GDP 的增长往往意味着收入水平的提升和消费需求的变化，进而会引起更强劲的食物消费需求和食物消费总需求量的增加[36]；二是人口增长率（PG），即一国当年人口总量相对于上年人口总量的增速，可以用来描述该国粮食安全面临的人口压力情况，人口快速增长引起的人口压力，会导致更大的总人口食物消费需求和更低的人均食物获取水平[20]。这2个控制变量的数据均来自世界银行WDI数据库。

（4）宏观经济政策因素（贸易政策除外）

采用通货膨胀率（IR）来表示宏观经济政策因素（贸易政策除外），数据来自世界银行WDI 数据库。IR表示一国物价的相对变化情况，是反映宏观经济政策实施效果特别是宏观经济稳定性的重要指标之一[37]；就一国的粮食安全而言，宏观经济政策会对粮食生产和粮食价格产生直接或间接作用[38]，因此，物价保持平稳低位运行可以为粮食安全状况改善提供更有利的宏观经济环境。

（5）非经济因素

采用自然灾害（ND）来表示非经济因素。ND是一国因自然灾害（包括地质灾害、气象灾害、水文灾害、气候灾害、生物灾害和天文灾害）导致的受伤、受影响和无家可归的人口数量占该国人口总量比重。数据来自比利时灾害流行研究中心（CRED）国际灾害统计（EM-DAT）数据库④。农业的自然属性决定了农业部门生产活动会直接受到自然灾害的影响，自然灾害对发生国不仅会导致国内粮食产量下降，还会引起粮食出口减少和进口增加，进而导致粮食贸易和国际收支“双失衡”，更会阻碍农业可持续发展[39]。

各个变量的说明和数据来源及其描述性统计分析结果如表1和表2所示。对于极个别国家的少数指标在个别年份里缺失的数据，采用插值法进行了补齐。

表1 变量说明与数据来源

表2 变量描述性统计分析结果（n=1 860）

（三）模型构建

1.基准模型

为了实证分析贸易开放对粮食安全的影响，参考FAO 提出的贸易政策改革与粮食安全关系分析框架[22]，并借鉴迪斯末（Dithmer）等[20]、坎（Kang）[30]和福斯科（Fusco）等[15]的研究，构建了如下的面板数据固定效应模型：

其中，i和t分别表示第i个国家和第t年，i=1、2、...、93，t=2001、2002、...、2020；FSi,t表示第i个国家在第t年的粮食安全状况，具体采用与粮食安全四个支柱（供给、获取、稳定和利用）分别对应的DES、RLD、PCF和PUS来表示；TOi,t表示第i个国家在第t年的贸易开放度；TO2i,t表示TOi,t的二次方项，根据其系数估计值α2的统计显著性和符号可以验证FSi,t和TOi,t之间是否存在U型（或倒U型）相关关系；当α1在统计上显著小于0且α2在统计上显著大于0 时，表明FSi,t和TOi,t之间存在U型相关关系，而当α1在统计上显著大于0且α2在统计上显著小于0 时，表明FSi,t和TOi,t之间存在倒U 型相关关系。CVi,t表示可能影响FSi,t的控制变量（GDPC、EA、AL、FWA、AP、GDPG、PG、IR和ND）。Ti,t表示时期固定效应，例如，地理特征以及难以量化处理的文化和制度因素；Ci,t表示个体固定效应，例如，国际市场价格变化等对所有国家都是相同的外部冲击因素。α0表示常数项；α1、α2和α3表示系数估计值；εi,t表示随机误差项。

2.稳健性检验模型

考虑到面板数据固定效应模型可能存在的估计结果是否只对特定模型成立问题，分别采用面板数据最小二乘法和动态面板数据GMM 法对面板数据固定效应模型估计结果进行稳健性检验。

（1）面板数据最小二乘法

采用的面板数据最小二乘法的模型设定形式如下：

其中，β0表示常数项，β1、β2和β3表示系数估计值。

（2）动态面板数据GMM法

考虑到粮食安全状况的过去值对现在值的潜在影响，并检验面板数据动态效应和可能存在的内生性问题，借鉴尼克尔（Nickell）[40]、霍尔茨-伊金（Holtz-Eakin）[41]和阿雷亚诺（Arellano）[42]的研究，构建了如下的动态面板数据GMM 法的模型设定形式：

其中，FSi,t-1表示滞后一期的FSi,t且作为工具变量，表示上年粮食安全水平对当年粮食安全水平的影响，还可以用来控制本文中全部控制变量的长期效应以及可能遗漏的与当年粮食安全水平相关的其他因素的影响。φ1、φ2、φ3和φ4表示系数估计值。

三、估计结果及分析

（一）统计检验

1.多重共线性检验

考虑到构建的模型中自变量和控制变量之间可能存在的多重共线性问题会降低模型估计结果的可信度，对选取的全部自变量和控制变量进行了皮尔森（Pearson）相关系数分析和方差膨胀因子（VIF）分析，来检验多重共线性。根据表3中分析结果可知，绝大多数自变量和控制变量之间的Pearson相关系数绝对值都小于0.6，且全部自变量和控制变量的VIF值都明显小于10；因此，总体上可以认为选取的全部自变量和控制变量之间不存在显著的多重共线性问题。

表3 自变量和控制变量之间皮尔森（Pearson）相关系数和方差膨胀因子（VIF）分析结果

2.协整检验

传统的面板数据模型假设各个截面个体之间是相互独立的，这限制了其适用范围，并且可能存在的截面相关问题还会导致面板数据模型估计结果是有偏的[43-44]。为了分析宏观经济变量之间是否存在长期稳定关系和检验截面相关问题，2 000年以来多种面板数据协整检验法被提出来，例如，裴德劳因（Pedroin）协整检验[45]、基于恩格尔-格兰杰（Engle-Granger）法的考（Kao）协整检验[46]和基于约翰森（Johansen）法的费舍尔（Fisher）协整检验[47]。为了检验因变量和自变量、控制变量之间是否存在长期稳定关系，采用基于恩格尔-格兰杰（Engle-Granger）法的考（Kao）协整检验进行检验，该检验的原假设是“不存在长期稳定关系”。根据表4中检验结果可知，4 组变量组合的扩展的迪克富勒（ADF）统计量的t值在1%水平下都是统计显著的；这表明“不存在长期稳定关系”的原假设被拒绝，因变量和自变量、控制变量之间存在长期稳定关系。

表4 面板数据考协整检验结果

（二）基准模型估计结果分析

面板数据固定效应模型的设定形式包括时期固定效应（Period Fixed Effects）和个体固定效应（Cross-section Fixed Effects），据此可以得到如下3种模型设定形式：仅包括时期固定效应、仅包含个体固定效应和同时包含时期固定效应与个体固定效应。为了确定最适宜的面板数据固定效应模型设定形式，本文采用基于似然函数（Likelihood Function）的多余固定效应检验（Redundant Fixed Effect）进行检验，其检验原假设是“固定效应是多余的”。根据表5中多余固定效应检验结果可知，在列（1）、列（2）、列（3）和列（4）中，3种检验统计量在1%水平下都是显著的，这表明“固定效应是多余的”的原假设被拒绝，本文中面板数据固定效应模型的最适宜设定形式应同时包含时期固定效应和个体固定效应。此外，考虑到时期效应和个体效应的存在性问题也可用面板数据随机效应模型解决，本文采用豪斯曼（Hausman）检验对固定效应和随机效应哪一种更适合进行检验，其检验原假设是“随机效应与解释变量无关”，即面板数据随机效应模型更适宜。根据表5中Hausman 检验结果可知，在列（1）、列（2）、列（3）和列（4）中，3 种检验统计量在1%水平下都是统计显著的，这表明“随机效应与解释变量无关”的原假设被拒绝，本文采用面板数据固定效应模型更适宜。

根据表5中估计结果可知，在列（1）、列（2）、列（3）和列（4）中，TO对DES、RLD、PCF和PUS均具有显著负向影响，而TO2对DES、RLD、PCF和PUS均具有显著正向影响，这表明贸易开放与粮食安全四个支柱（供给、获取、稳定和利用）之间均存在U型相关关系。该结论与坎（Kang）[30]的研究发现是一致的。贸易开放在早期阶段对粮食安全具有负向影响，这隐含着基于比较优势而进行的国际贸易和全球化，会使得贸易开放水平提高引致全球粮食产业链和供应链格局的重构[48]。这是因为贸易开放通常意味着贸易商品和非贸易商品的相对价格会发生变化[22]，一国的粮食安全越依赖进口粮食，就越会受到国际市场粮食价格的冲击，当全球通胀出现时，将会对该国民众特别是低收入群体产生更强负向影响，导致其将更多收入用于粮食消费支出，进而引发更高的粮食安全风险[49]，特别是在尚未建立完善市场经济体制的发展中国家和欠发达国家。此外，一国虽然会从贸易开放中获得更多元化粮食供给来源等利益，但这些利益也可能会被随之增加的粮食市场波动所抵消[50-51]，更需要提及的是全球粮食贸易网络与供应链的脆弱性和不稳定性[52-53]。当贸易开放跨越特定门槛值后，粮食安全状况会趋于改善，这表明，粮食相对价格的变化最终会导致资源在一国不同行业部门的重新配置和优化调整，进而引起全社会收入水平的提高，有利于降低该国贫困水平和通过改善低收入群体食物获取能力来改善粮食安全状况[22]。同时，通过进口获取的粮食通常具有更高质量和更低价格，会产生跨期替代效应或收入效应，即提高真实收入水平和引致更强劲粮食消费需求[54]。因此，一国通过扩大对外贸易开放特别是贸易政策改革持续融入国际市场，最终会有利于其粮食安全状况的改善。此外，从控制变量看，相关经济和非经济因素也都是影响粮食安全的重要变量。其中，人均GDP、农业生产率和GDP 增长率有利于促进粮食安全状况的改善，而农业就业人口比重、人均耕地面积、农业淡水利用比重、人口增长率、通货膨胀率和自然灾害则会阻碍粮食安全状况的改善。

表5 基准模型估计结果：面板数据固定效应模型

（三）稳健性检验

本文接下来分别采用面板数据最小二乘法和动态面板数据GMM 法考察面板数据固定效应模型估计结果的稳健性。

1.面板数据最小二乘法估计结果

在采用面板数据最小二乘法进行估计时，为了解决可能存在的同步相关、异方差和序列相关问题，本文具体采用贝克（Beck）等[55]提出的基于面板校正误（Panel Corrected Standard Errors，PCSE）的截面似不相关（crosssection SUR）法进行估计；同时，为了消除可能存在的自相关问题，本文还根据德宾-沃森统计量（DW-statistic）值，在估计过程中加入合适滞后阶的随机误差项自回归量（AR）。根据表6中面板数据最小二乘法估计结果可知，在列（5）、列（6）、列（7）和列（8）中，TO对DES、RLD、PCF和PUS均具有显著负向影响，TO2对DES、RLD、PCF和PUS均具有显著正向影响；该结论与表5中基准模型估计结果是一致的，验证了面板数据固定效应模型估计结果是稳健的。

表6 稳健性检验估计结果：面板数据最小二乘法

2.动态面板数据GMM法估计结果

表7中基于两阶段系统GMM 的动态面板数据GMM法估计结果显示，在自回归误差检验（AR Errors Test）结果中，全部p值均大于0.1，表明“不存在自相关”的原假设不能被拒绝，即不存在自相关问题；在汉森检验（Hansen Test）中，全部p值均大于0.1，表明“所有工具变量都是外生的”的原假设不能被拒绝，即工具变量是外生有效的；在萨尔甘检验（Sargan Test）中，全部p值均大于0.1，表明“工具变量与随机误差项都不相关”的原假设不能被拒绝，即不存在过度识别问题。因此，本文采用基于两阶段系统GMM 的动态面板数据GMM 法得到的估计结果是可信的。在列（9）、列（10）、列（11）和列（12）中，TO对DES、RLD、PCF和PUS均具有显著负向影响，TO2对DES、RLD、PCF和PUS均具有显著正向影响，该发现与表5中基准模型估计结果也是一致的，也验证了面板数据固定效应模型估计结果是稳健的。此外，作为工具变量的粮食安全四个支柱（供给、获取、稳定和利用）的一阶滞后项DES（-1）、RLD（-1）、PCF（-1）和PUS（-1）对其当前值DES、RLD、PCF和PUS分别都具有显著正向影响，这说明粮食安全四个支柱随时间在平缓变化且受到过去水平的显著影响，这也验证了本文采用基于两阶段系统GMM 的动态面板数据GMM法进行估计是合理的。

表7 稳健性检验估计结果：动态面板数据GMM法

（四）异质性分析

不同国家在经济发展水平、资源禀赋、经济制度、政治体制等方面都存在着一定差异，这些差异导致各国粮食安全状况也存在差别，而收入水平通过影响粮食安全四个支柱（供给、获取、稳定和利用），在改善粮食安全状况方面发挥着重要作用。因此，为了探究贸易开放影响粮食安全可能存在的国别差异是否具体表现为收入水平异质性，参考世界银行提出的最新国家收入水平划分标准⑤，将93个样本国家划分为低收入国家组、中低收入国家组、中高收入国家组和高收入国家组4个样本国家组，然后采用面板数据固定效应模型进行回归估计。根据表8中的收入水平异质性检验估计结果可知，在4 个样本国家组中，TO对DES、RLD、PCF和PUS都具有显著负向影响，TO2对DES、RLD、PCF和PUS都具有显著正向影响，这表明在不同收入水平国家组中，贸易开放与粮食安全四个支柱（供给、获取、稳定和利用）之间仍然都表现为U型相关关系，因此，贸易开放对粮食安全的影响机制不存在显著的国别收入水平异质性。

表8 收入水平异质性检验估计结果：面板数据固定效应模型

四、结论与政策建议

（一）结论

以2001—2020年93 个样本国家的跨国面板数据为研究对象，基于国家层面粮食安全四个支柱（供给、获取、稳定和利用），利用面板数据固定效应模型实证估计了贸易开放对粮食安全的影响，并验证了贸易开放和粮食安全之间是否存在U型（或倒U型）相关关系。研究表明，贸易开放和粮食安全四个支柱之间均存在U型相关关系，即贸易开放在早期阶段对粮食安全有显著负向影响，而当贸易开放跨越特定门槛值之后，粮食安全状况会趋于改善。该结论证实了一国通过扩大对外贸易开放特别是贸易政策改革来持续融入国际市场，最终会有利于该国粮食安全状况改善。基于面板数据最小二乘法和动态面板数据GMM 法的稳健性检验估计结果均验证了该结论。异质性分析表明，贸易开放对粮食安全的影响在不同收入水平国家不存在显著差异。从控制变量来看，相关经济和非经济因素都是影响粮食安全的重要变量。其中，人均GDP、农业生产率和GDP增长率有利于促进粮食安全状况改善，而农业就业人口比重、人均耕地面积、农业淡水利用比重、人口增长率、通货膨胀率和自然灾害则会阻碍粮食安全状况改善。

（二）政策建议

一是要建立更加符合WTO规则的贸易政策体系和食物安全技术标准，持续提升贸易便利化水平，通过简化贸易政策法规、改进食品安全和卫生与植物卫生（SPS）检验检疫技术与设施、提高公众对食物安全及其标准的认知等方式，最大限度地发挥贸易开放对粮食安全的积极作用。

二是要完善国内农业支持政策体系，通过加强农业投入品、农业技术研发与推广、农业基础设施建设等领域支持力度，促进农业资源利用效率改善、农业生产率提升和农业生产者特别是小农户自然灾害与气候变化适应能力增强，以推动粮食系统转型和确保合理粮食自给能力，更好应对和管控贸易开放可能带来的消极作用。

最后，鉴于当前全球粮食不安全问题主要发生在发展中国家和欠发达国家，要在维护以联合国为核心的国际体系和以国际法为基础的国际秩序的基础上，加强和改革贸易、粮食安全等领域的国际多边体系，推动上述国家更深入和更有意义地参与全球粮食安全治理决策进程和架构，使全球粮食安全治理更具参与性、代表性和包容性，促进世界各国按期实现联合国《2030年可持续发展议程》提出的“零饥饿”目标。

注释：

①联合国粮食及农业组织FAOSTAT 数据库粮食安全指标模块网址：https：//www.fao.org/faostat/en/#data/FS。

②本文选取的93 个样本国家，按洲划分具体包括：28 个亚洲国家，即亚美尼亚、阿塞拜疆、孟加拉国、柬埔寨、中国、格鲁吉亚、印度、印度尼西亚、伊朗、以色列、伊拉克、日本、约旦、哈萨克斯坦、吉尔吉斯斯坦、马拉西亚、蒙古国、巴基斯坦、菲律宾、韩国、沙特阿拉伯、斯里兰卡、塔吉克斯坦、泰国、土耳其、土库曼斯坦、乌兹别克斯坦和越南；37 个欧洲国家，即阿尔巴尼亚、奥地利、白俄罗斯、比利时、波黑、保加利亚、克罗地亚、捷克、丹麦、爱沙尼亚、芬兰、法国、德国、希腊、匈牙利、爱尔兰、意大利、拉脱维亚、立陶宛、卢森堡、黑山、荷兰、北马其顿、挪威、波兰、葡萄牙、摩尔多瓦、罗马尼亚、俄罗斯、塞维尔亚、斯洛伐克、斯洛文尼亚、西班牙、瑞典、瑞士、乌克兰和英国；20个非洲国家，即阿尔及利亚、布基纳法索、科特迪瓦、刚果民主共和国、埃及、埃塞俄比亚、加蓬、加纳、肯尼亚、马达加斯加、毛里塔尼亚、摩洛哥、莫桑比克、尼日利亚、塞内加尔、南非、突尼斯、坦桑尼亚、赞比亚和津巴布韦；2个北美洲国家，即美国和加拿大；5个拉丁美洲国家，即阿根廷、巴西、智利、墨西哥和乌拉圭；1个大洋洲国家，即澳大利亚。

③世界银行世界发展指标（WDI）数据库网址：https：//data.worldbank.org/indicator。

④比利时灾害流行研究中心（CRED）国际灾害统计（EMDAT）数据库网址：https：//www.emdat.be/。

⑤根据世界银行发布的最新国家收入水平划分标准（https：//datahelpdesk.worldbank.org/knowledgebase/article s/906519），2020年人均国民总收入（GNI per capita）小于等于1 045 美元的国家被界定为低收入国家，人均国民总收入在1 046 美元和4 095 美元之间的国家被界定为中低收入国家，人均国民总收入在4 096 美元和12 695美元之间的国家被界定为中高收入国家，人均国民总收入大于等于12 696美元的国家被界定为高收入国家。