搜索
了解美国农产品供求预测1FredericA.Vogel（美国农业统计局）GeraldA.Bange（世界农业预测理事会）廖永松（译，中国社会科学院农发所）摘要美国农业部每一个月都要发布美国及全球农作物生产统计数据及有关信息。其几个司局负责编写这些统计数据。这里介绍美国农业统计局制定农产品预测所使用的技术路线，以帮助数据使用者更好地了解其优缺点。接着介绍由世界农业预测理事会编制的全球农产品供求预测的有关内容。序言美国农业部编制的农产品供求预测对于政策制定者及从事市场和投资决策的人来说至关重要。在当今的信息时代，文章所介绍的统计方法提供了比较其它数据来源的基本尺度。参与预测的各个部门牢固树立客观标准，也有能力来满足既定的报告日期。保持这个客观标准是由美国农业部所规定的。只在昀终成果完成和准备向公众公布之前，简要地向农业办公室秘书处汇报。数据在公布前得到了严密地保护，确保其中任何信息过早地泄露。希望这份报告能回答关于生产、供求估计是如何得来的等各式各样的问题。EEO（机会均等）申明美国农业部所有项目严禁以种族、肤色、国别、性别、宗教、年龄、残疾、政治信仰、性趋向、婚姻或是家庭状况等歧视（但不是适用于所有的项目）。对于需要不同方式（盲文、大字体打印、音响等）得到项目信息的残疾人应与美国农业部特殊服务中心联系：202-720-2600(声音或是聋哑人通信装置)。提交歧视投诉，可以写信给华盛顿西南独立大街14号Whitten大楼326-W房间美国农业部民权办公室主任（邮编：20250-9410），或是打电话：202-720-5964(声音或是聋哑人通信装置).美国农业部是机会平等的机构。华盛顿，D.C.20250,1999年3月。1本文是中国及全球农产品供求研究项目系列报告之一。原文来自于美国农业部，美国农业统计局,世界农业预测理事会首席经济学家办公室,出版物编号：1554背景美国农业部每月出版美国和世界农产品供求预测结果。由于其综合性、客观性和及时性特点，这些结果被作为市场交易的基准。美国农业部公布的统计数据界定了昀为基本的农产品市场状况，进而影响到农场主、商业领域和政府的决策。在使用数据时，了解其预测过程、性质和局限性是有益的。美国农业部下属的几个司局负责编写农作物统计公报。农业统计局（NASS）根据从农场经营和大田观察得到的数据预测农产品产量。每季作物的预测开始于一月上旬冬小麦和黑麦苗期报告。接着是三月对农民种植意向进行初步观察的报告。然后是6月下旬的实际播种面积报告。对冬小麦的单产和产量的每月预测开始于5月份，春小麦和其它小品种粮食作物预测开始于7月份，8月份预测其它作物，并盘点收获后的实际产量。农业统计局也开展农场内外粮食和大豆库存的季度调查。世界农业预测理事会(WAOB)协调统一编写美国及全球主要农产品供求月报，并用平衡表方法说明供求量。供求平衡表的主要部分有期初库存、产量、国内需求量、贸易量、期末接转库存。虽然美国农业生产和即时的库存数是由美国农业统计局独立完成，但美国和全球的供需预测由美国农业部几个司局联合完成。NASS的农作物产量（CP）报告和世界农产品供求预测（WASDE）报告是在一个封闭环境中同时准备的，并在每月8号和12号之间的东区时间早8：30公布。联合编写使USDA的分析人员能将NASS昀新的美国作物产量预测数据接合到供求预测中。这些预测提供了一个总体情况。而USDA的其它部门如国外农业局（FAS），经济研究局（ERS）等提供更为详细地分析。USDA各司局发布的国家层次上的数据必须与NASS和WAOB发面的供求数据一致。USDA尽全力提供给关心农业的单位或个人准确、客观、可靠和及时的预测数。采取保密措施防止市场敏感数据泄露。各司局开展研究来改进预测技术。下面进一步讨论USAD的预测步骤，数据来源及早期报告管理和修订的相关政策。提出NASS的产量预测农产品产量预测涉及两个部分--将要收获的面积与预期单产。比如，初步的玉米和大豆估计面积来自于六月份前两周开展的农场主调查数据。预期的玉米和大豆单产来自于从8到11月份每月用两种不同方法开展的大田调查。调查在前月的昀后一周和当月的前2-3天进行，单产数据反应的是每月上旬的情况。作物产量预测依据于调查日期的情况并假定余下的生产日期情况正常。比如，“正常情况”是假定温度、降水将会是同期历史平均水平。假定第一次霜害会发生在历史的平均日期。直到预期的霜冻发生，余下生长日期以参照日期作物成熟和生产条件来定-霜害期过去1/3后如果作物还没有成熟，就假定一定程度的霜害损失会发生。长期天气预报不作为昀终产量的一个指标。作物预测调查参考点是每月第一天，也常接近数据采集的中点。依据历史上调查估计与收获后的单产偏差，种植者报告的平均单产与实际测量模拟的单产包含了一个可度量的预测误差。紧接着的月单产预测评估中，对种植者预测单产与实际测量单产的误差范围及拟合程度进行评估。如果在调查期与报告期情况发生了重大变化，如霜冻害，热风，有益的降雨等，那么昀主要的目标就是根据现有的数据提供昀准确的生产预测。官方预测与实际调查面积有些出入，但依然反映了现有数据范围内当前作物生产情况。作为政策，当NASS公告其预测依据于当月第一天的情况，它是说在调查估计范围内的单产。当预测作物单产时，NASS并不试图预测未来的天气状况。长期天气预测不用于任何预测模型。异常程度不同，预测将会是波动的。面积和单产预测的过程在下一节讨论。预测播种和收获面积的基础NASS每年开展的昀大规模的单项调查是6月农业调查。在6月的前两周，通过电话和个人亲自约见，约2400位调查人员与12500个农场主联系以得到作物面积、粮食库存、牲畜存栏数据。生产人员要求报告每种作物的已播种或计划播种面积及作为粮食作物收割的面积。这些调查数据有用来估计不考虑产品利用的包括玉米、大豆和其它作物的播种面积等多种用途。利用这些数据还初步预测粮食或大豆收获面积及种子。调查还估计农场内粮食库存及牲畜存栏。这次调查用了两种选样框架。对于美国所有土地至关重要的面积选样框架，要保证覆盖全美的农业人口。已知的农牧场主名单选样框架没有包含美国全部的农场，但提供了更为有效的数据收集办法。从面积选样框架中抽样是一个多步骤过程。第一，利用各种地图资料、遥感图片和计算机软件包将每个州的土地按耕作程度分类。土地利用类型含密集型耕作区、边远的草场耕作区及城区。各种土地利用类型在农业耕作区划分为1平方英里的小区域，在城区划分为0.1平方英里的区域。这就使集约型土地区域能比次集约型区域以更高地概率被抽中。农业代表耕作区域以1/125的频率被抽中。样本区域以递减数量耕地的土地利用类型以1/250-1/500的频率来抽。每年6月，全国范围内大约有10000个区域被选中实施调查。利用地图和航空图片标示的每个区域的具体位置和边界，访问人员设定每个区域内经营者的访问对象，以识别在块地里播种的农作物和获得牲畜存栏信息及粮食库存。在12月初开展类似地调查，以提供测量冬小麦种植面积。在对名单抽样前，各农场依据各作物种植面积等特征进行分类。大农场以更高的频率抽中。比如，在伊利诺斯州，名单上农场作物面积超过5500英亩，或是粮食库存能力超过500，000蒲式耳的，都全部选上。在衣阿华州，5000英亩以上的农场全选。小农场以1/25-1/50的频率被选中。同期的6月全美大约有75，000个农场从名单上选出作调查。样本农场主要求提供所有经营土地上每种作物的播种面积和经营的粮食库存。样本数据全部来自于电话调查。利用由NASS和衣阿华州立大学联合开发的多层统计方法将地区和样本名单得到的样本结合起来，保证全美所有的土地能被也只有被先进选择一次。6月份的农业调查是7、9、12和3月调查基本牲畜存栏、作物产量和季度库存估计的子样。一般说来，6月农业调查估计的播种面积在作物生长期是不变的。当然，在开展调查时偶尔有播种季节推迟和计划的作物没有播种的现象。这种情况下，在8月第一次单产预测时调整播种面积估计数。当调查农民计划播种的作物的主要部分没有实施时，利用8月的单产调查也有可能调整收获面积。如1993、1995和1996这些年份，在7月底重新访问调查这些农场以确定实际播种的作物。如有必要，重新修订收获面积数并公布在《8月作物产量》报告中。单产预测在6月农业调查列出的农场主的子样中选出样本以准备月作物单产预测。这对样本农场主进行了筛选，以保证在每月的调查中只联系到那些播种了有效农产品的农场主。对于一些州，当需要每月区水平上的生产预测时，另外也随机选择农场主补充子样数。样本农场主要求提供在收获之前他们预期的农作物单产及在收获时的实际单产。每份报告的单产数据都用农场收获作物面积进行加权。各州每月进行的实际单产调查大量用于全美玉米、大豆、棉花和小麦产量预测。以从每一随机大田样本地块的作物数量、面积和重量为基础，这此调查提供了用于作物单产预测估计的信息。玉米、大豆、棉花和春小麦地块从6月农业调查所确定的面积样本中选择。冬小麦样本大田从秋季区域选样框架中选择。在所选择的大田里对两块随机抽样的地块进行观察。地块长度预先确定，在2到3相邻行里。收获单产视作为生物单产或毛单产与收获损失之差。数量、面积和其它地块样本观察值输入到统计模型中，并依据历史数据预测果实的昀后数量和每一果实的重量。预测的毛单产由这两部分的乘积除以土地面积。图1说明用于每种作物毛单产的各种预测变量。用于预测变量的作物特点随作物成熟度进展而变化。在早期，作物数量可能是用于预测成熟果实数量的唯一可得数据。随着作物的成熟，利用实际果实数量，面积，重量和没有成熟的果实数预测昀后单位果实重量。图1用于果实数和单位果实重量的实际单产预测变量作物成份预测变量玉米棒玉米杆玉米棒数和。。玉米带芯的玉米棒数玉米棒重含外壳玉米棒的历史均长玉米芯长玉米棒直径植株数植株数每株豆荚主枝上结点大豆侧枝开花、干花数和豆荚豆荚内的豆数豆荚重历史平均含豆的豆荚重棉桃面积花棉花小棉桃大棉桃开了的棉桃桃重历史均重昀大的桃重麦穗桔杆鞘内的麦穗数小麦出现了的麦穗数穗重历史平均成熟的穗重每穗的粒数1.测量变量由成熟期决定直到作物成熟，相同地块每月都要重新访问。当样本地块作物收获后，可得到的昀终的果实数量及重量。在全部大田作物收获后，重新访问同一田地。并增加两个地块。散落在地块上的粮食收集起来，称重后计算收获损失。当收割完后，重新联系经营此田地的农场主，以得到同一样本大田昀终收获面积和单产。当扬花期结束后，从实际单产调查计算的每英亩大豆豆夹估计数每月都非常一致和准确。由于种植有向窄行变动的趋势，近年来常出现新的豆荚数记录。豆荚预测数在9月的调查后应稳定。在作物成熟之前的豆荚均重以历史平均值为基础。在常规年份，大多数大豆作物在10月调查以前已成熟，所以用当年的豆荚重。玉米的实际单产调查预测以玉米棒的估计数和均重为基础。在作物早期玉米棒数量就很准确了。在玉米生长后期，玉米棒8月预测值基于一个作物总体模型。直到玉米棒可测量为止，利用历史上的均重。到作物成熟为为止，玉米棒芯长度模型用来预测玉米棒的重量。棉花实际调查产量预测也包含两部分：棉桃数及预测的棉桃重。棉桃计数模型是一个有效的增长模型。模型利用现有的调查数，历史单位面积数量，开花数，小的和大的棉桃预测开花数比较。在每月访问的地块里，将开了的棉桃采摘下来送到实验室进行干燥、称重、决定种子品脱率。当样本地块的20%的预测棉桃数收获后，当年测的棉桃重用于样本。如果不是这样，利用5年历史平均棉桃重。春小麦和冬小麦单产预测的过程是一样的。根据作物的成熟度用不同的模型预测麦穗数。直到计算的新麦穗数出现，这些模型有相当大的预测误差。利用历史麦穗均重直到成熟麦穗和实际灌浆谷粒能够被计算。对这些作物每月预测的潜在准确性取决于预测期作物的成熟度和将来的气候。当成熟期滞后于常规时，豆荚数、麦穗数等以播种数和挂果状况为基础，而不是实际的挂果数。这样，当成熟滞后时，预测变化更大，因为预期的挂果数与生长期后昀终的结果可能大不相同。当昀终果实重量与历史均值有较大出入时，预测的主要误差就会发