我国东北三省主要农作物生产风险分析和评估Theproduc

本文已发表于《农业展望》，2008，7：23-29我国东北三省主要农作物生产风险分析和评估王克张峭（中国农业科学院农业信息研究所北京100081）内容提要：本文运用“剔除趋势—模型选择—参数估计”这一国际广泛采用的风险分析评估方法，对东北三省主要农作物生产风险进行了分析和评估。首先根据产量和种植面积情况，确定东北三省的三种主要农作物；然后根据moment-ratiodiagram和AD检验等拟和优度检验方法，确定东北三省三种农作物生产风险概率分布的类型和模型形式；接下来利用极大似然估计法（MLE）估计出三省份三种主要农作物生产风险模型的参数；最后对东北三省三种主要农作物的生产风险进行分析和评估。分析结果表明，除黑龙江省玉米外，黑龙江省另外两种作物和辽宁、吉林两省三种作物都为负偏分布，三省份三种作物发生轻灾的概率最大（概率为20%-25%），中灾次之（概率为8%-19%），减产幅度大都在5%-25%之间。关键词：生产风险；风险分析和评估；单产分布；矩比率图（moment-ratiodiagram）TheproductionriskanalysisandevaluationformaincropsinNortheastofChinaWangKe;ZhangQiao(AgriculturalInformationInstitute,ChineseAcademyofAgriculturalSciences,Beijing100081)Abstract：ThisarticleadoptsthewidelyusedmethodologyininternationalriskanalysisfieldtoanalysisandevaluatestheproductionriskformaincropsinNortheastofChina.Firstofall,weselectedthemaincropsinNortheastbyProduction&Acreage.Andthen,accordingtothemomentratiodiagramsandADstatistic,weselecttheNormaldistributionforcorninJilin,andsoybeaninJilin&Heilongjiang;WeibulldistributionforcorninLiaoning&Heilongjiang;LogisticdistributionforsoybeaninLiaoningandriceinthreeprovinces.Next,weuseMLEmethodstoestimatetheparametersofeachofthethreedistributionsforeachsample.ItconcludesthatinnortheastofChina,mostcropsexhibitsnegativeskewness,whichisconsistentwithpreviousstudys,andthemostlostratioisbetween5%and25%,theprobabilityoflowandmediumriskis20%—25%and8%-19%.Keywords:riskanalysis,yielddistribution,momentratiodiagrams东北在我国粮食生产和粮食安全中占有十分重要的地位，这里是我国重要的商品粮生产基地，也是我国粮食商品率最高的地区，同时还是目前我国三大粮食生产区中唯一可以向区外大量输送粮食的地区[1]。根据我国统计年鉴的数据，2005年，东北三省粮食总产量为7419万吨，占全国粮食总产量的15.3%。东北地区土地肥沃，适宜谷物、油料和水果等多种农作本文已发表于《农业展望》，2008，7：23-29物生长，其中稻谷、玉米和豆类（主要是大豆）是东北三省的主要农作物。2005年，稻谷、玉米和豆类的播种面积及产量之和分别占到辽宁农作物播种面积及粮食总产的69.9%和91.4%；在吉林和黑龙江两省，这一比重更高一些，分别为82%和94%，78.4%和92%。若将东北三省作为一个区域整体，则稻谷、玉米和豆类三种农作物的播种面积及产量之和分别占其农作物播种面积及粮食总产的77.6%和92.6%（见下表1）。表12005年东北三省主要农作物面积及产量Table1theplantareaandyieldofmaincropsinNortheastofChina:2005面积（千公顷）产量（万吨）农作物播种面积粮食播种面积稻谷玉米豆类合计粮食稻谷玉米豆类合计辽宁3796.73052568.41792.5294.52655.41746416.51135.543.61595.6比重100%80.39%14.97%47.21%7.76%69.9%100%23.9%65.0%2.5%91.4%吉林4954.124294.56542775.2632.94062.12581473.291800.7152.832426.84比重100%86.69%13.20%56.02%12.78%82.0%100%18.3%69.8%5.9%94.0%黑龙江10083.78650.81650.32220.240327902.530921121.51042.96802844.4比重100%85.79%16.37%22.02%39.99%78.4%100%36.3%33.7%22.0%92.0%东北三省18834.515997.32872.76787.94959.41462074192011.33979.1876.436866.84比重100%84.94%15.25%36.04%26.33%77.6%100%27.1%53.6%11.8%92.6%备注：表中“合计”为稻谷、玉米和豆类三种农作物合计数据来源：中国统计年鉴，2006农作物生产风险（单产风险）是农民所面临的三大风险（制度风险、生产风险和市场风险）之一，同时又是从事粮食等种植业生产农户最为关注的风险之一[2]。虽然东北地区是我国重要的粮食生产基地，在我国粮食生产和粮食安全中具有十分重要的地位。但是东北地区同时也是我国农田水利化水平较低（比全国平均水平低19个百分点）、旱涝灾害突出（农作物年均成灾率为23.6%，较全国平均值高出6.3个百分点）、粮食单产波动很大（单产波动系数为522，是全国平均水平的3.2倍）的地区[1]。因此，对我国东北地区农作物生产风险进行分析和评估，可以使我们对东北地区作物生产风险的大小及作物单产波动规律有一个清晰的认识，不仅可以为广大农民、农业企业和政府当局进行风险规避、风险转移等风险管理活动提供决策依据和参考，同时对于稳固和提高东北地区农民的生产积极性，保障我国粮食生产和粮食安全都具有重要意义。本文旨在运用国际广泛采用的风险分析评估方法[3]，对我国东北地区三种主要农作物的生产风险进行分析和评估，并进一步对同一农作物不同地区、同一地区不同农作物的生产风险进行比较分析，以期为我国东北三省的农作物生产风险管理提供决策依据和参考。一、概念界定及计量风险在我们的生活中无处不在，已经成为市场经济的常态。笔者借鉴孙良媛[4]（2004）和黄崇福[5]（1999）的观点，认为风险是在一定时期和一定客观环境下，由于不确定性的存在和人的有限理性，致使经济行为主体的实际收益低于预期收益的程度。而农作物生产风险则是指农作物在生长过程（从种植到收获）中的风险，是指农作物实际单产低于预期单产的程度，即随机波动为负的程度。本文已发表于《农业展望》，2008，7：23-29农业生产是一个自然再生产和经济再生产相互交织的过程，受自然条件影响较大，农作物单产水平很大程度上受到天气等自然因素（如冰雹、洪涝灾害等）的影响。然而，农业生产风险不是自然灾害风险，作物单产水平不仅受天气等自然条件的影响，同时还与作物品种，农民的前期生产投入和田间管理活动等因素密切相关。由此可以看出，农作物生产风险是农业自然灾害、农业技术风险和农业政策风险等方面的综合体现，也正因如此，国内外农业经济学家大都从作物单产出发，以作物实际单产偏离预期单产的程度（即随机波动大小）来衡量作物生产（单产）风险的大小，其理由是：农作物单产是影响作物生长的各个因素综合作用的最终结果，真正体现了作物的生产风险。二、数据来源及研究思路1949-2005年数据来自于中国统计年鉴；2006年数据来自于农业部《中国农业统计资料2006》；样本对象为省级单产数据。本文的研究思路是：（1）根据东北三省农作物种植和生产情况，选择东北三省的三种主要农作物（稻谷、玉米和大豆）作为研究对象；(2)运用计量经济学和统计学知识，剔除各研究对象的单产趋势，并进行稳定性检验，得到单产的波动值和相对波动值；(3)将样本序列的偏度-峰度值和矩比率图（moment-ratiodiagram）进行比较，再结合计量经济学中的拟和优度检验结果，确定各样本序列的概率分布形式；(4)利用极大似然估计法（MLE）进行参数估计，确定各省份单产波动的具体概率密度分布；(5)估算东北三省三种农作物的生产风险大小，得出结论。三、数据处理（一）剔除单产趋势（DataDetrend）从理论上讲，由于农业技术进步、基本建设投资和劳动者素质提高等因素，农作物单产的潜在水平不是稳定不变的，一般都有一个上升的趋势。如前所述，对农作物生产风险分析需要剔除趋势产量，估算作物单产的随机波动。否则，直接将不同年份的单产进行比较没有太多意义，不能反映出单产的真实波动。估算作物单产趋势的方法有很多种，如回归方程模拟法、滑动平均模拟法和直线移动平均法。但回归方程模拟法在趋势方程选择上带有较大的主观性，滑动平均模拟法具有移动平均后损失样本量的缺点，本文在此采用直线滑动平均法（LMA）估算作物单产的趋势，该方法具有既不必主观假定（或判定）产量历史演变的曲线类型，同时又不损失样本序列的数量的优点[6]。在单产趋势确定以后，我们就很容易对单产序列进行“去势化”处理，计算出作物的随机波动序列。其过程可用如下公式表示：acturaltrendwwacturaltrendyyyyyy=+⇒=−(1)其中：acturaly为作物实际单产；trendy为单产趋势值；wy则为单产随机波动值。（二）稳定性检验及相对波动的计算在应用时间序列进行分析之前，必须对该序列进行稳定性检验（即单位根检验），这是因为对时序数据的统计和计算是建立在序列平稳基础之上，如果序列不平稳，那么这就意味本文已发表于《农业展望》，2008，7：23-29着时间序列的数字特征是随着时间的变化而变化的，这时我们就很难通过序列已知信息去掌握时间序列整体上的随机性[7]。单位根检验的常见方法有ADF检验和PP检验，由于与ADF检验相比，PP检验具有对残差假设较少、拒绝存在单位根原假设可信度更强的优点[8]，所以本文采用PP检验对各样本单产的随机波动序列进行稳定性检验。通过观察剔除趋势后各样本单产的随机波动序列图，发现不存在常数项和趋势，所以利用Eviews5.1对各样本序列进行不存在常数项和趋势下的单位根检验，检验结果表明各序列都在极显著水平（1%）拒绝了其存在单位根的原假设，可以认为：在剔除趋势后，东北三省三种主要作物（稻谷、玉米和大豆）的单产随机波动序列是平稳的。虽然，各样本的单产随机波动序列是平稳的，可以直接用来进行后续的分析，但是其具有“量纲”，存在可比性差的缺点。相比而言，相对随机波动值（RSV）既可以表示作物的生产风险大小，同时又具有不受时间和空间影响、可比性好的优点，能较好的描述气象灾害等各种短期变动因子对玉米单产的影响[9]。所以，本文采用相对随机波动（RSV）作为作物生产风险的代表，各样本RSV序列的简单统计量见下表2。相对随机波动的计算公式为：/wtRSVYY=（2）其中：RSV代表作物单产的相对随机波动；wY为作物单产的随机波动；tY为作物单产的趋势值。表2东北三省稻米、玉米和大豆RSV序列简单统计