5国际粮价波动对中国经济的影响Word文档下载推荐.docx

5国际粮价波动对中国经济的影响Word文档下载推荐.docx

《5国际粮价波动对中国经济的影响Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《5国际粮价波动对中国经济的影响Word文档下载推荐.docx（37页珍藏版）》请在冰豆网上搜索。

6.2进出口策略的调整27

一、问题重述

结合当前世界粮食价格形式，和你所查阅的资料，回答以下问题：

1.试分析国际粮价波动对中国经济的影响。

2.对我国粮食生产和进出口的策略提出自己的建议.

二、问题分析

粮食是什么？

国际上，1995年联合国粮食及农业组织（FAO）所列的详细的FOOD产品目录有八大类106种，而传统的粮食定义也有广义和狭义之分，种类不尽相同。

为了方便，本文中对粮食的研究限于1990年我国粮食订购的四种：

小麦、稻谷、玉米、大豆。

其它种类的粮食由于不具有代表性或者数量小因而对整体影响不明显，在本文中未作研究。

我们在研究国际粮食对中国经济的影响上，主要选取了1997年至2009年的数据。

一方面，我们得到的之前的数据不够全面，不利于整体分析；

另一方面，中国在2001年才加入世贸组织，融入国际市场，之前的很长时间与国外的联系不是很大，选取近十几年的数据更能反映国际市场对中国经济的影响。

因此，我们由这些数据找出的关系、得出的结论是更具代表性的。

为了更全面的了解国际粮食价格对中国经济的影响，首先可以从图表数据上来看。

要了解中国对国际粮食的依存度，首先要从我国粮食进出口量来反映，如果进口量少，那么对国际粮食的依存度就比较低；

如果进口量大，而且逐年递增，那么对国际粮食的依存度就比较高。

此外，净进口量也是一个重要的指标。

分粮食种类探讨我国粮食对国际粮食的依存度，可以使研究深入细化。

在此基础上，要了解国际粮价对我国粮价的影响，可以绘出国际国内粮食价格走势，看是否有联动趋势。

利用SPSS软件可以通过分析两种变量的走势计算出二者的相关度，因此在定量分析的过程中可以计算相关度。

首先计算国际和国内粮食价格的相关度，这个可以分不同种类进行分析，不仅要计算相同种类，也要计算不同种类之间粮食价格的相关度。

其次计算国内不同种类粮食的相关度，探讨国内一种粮食价格变化所引起的其他变化。

粮食可以做出不同种类的副食品，同时粮食还可以做成饲料，间接影响一些副食品的价格，因此分析粮食价格对副食品价格的影响是有一定意义的，这里提到的粮食价格可以将国外粮食价格也算在内。

此外，将乙醇价格作为一个衡量工业受影响的指标，分析其与粮食价格的相关度。

经过这些分析，可以简略的画出一个传导图，描述国际粮食价格对中国经济的影响。

要更为精确的描述国际粮食价格对中国经济的影响，需要借助数学表达式。

这里我们希望利用线性回归模型来进行刻画。

国内粮食价格与很多因素有关，在这个模型中选区主要因素，有国际粮食价格、国内人均GDP，人口数量和粮食生产量，通过这些因素，选取近十多年的数据进行线性拟合分析，可以得出具体的数学表达式，将刻画中国经济受影响的模型变得更为精细。

同样的，用类似的方法可以得出副食品价格受粮食价格影响的模型。

对于第二问，我们可以根据所得到的结论，结合相关文献资料，对中国粮食生产和粮食进出口策略提出建议。

三、模型假设

1、中国受国外市场影响较大的粮食主要是小麦，大豆，玉米和稻米；

2、假设在一年内国内粮食价格和国情（人均GDP，人口数量，粮食生产等）相协整以达到平衡；

3、假设国内粮食的价格主要受国外粮食价格，国内人口数量，人均GDP，和当年国内粮食产量的影响；

4、假设粮食涨价时，这些粮食副产品的价格主要受它们各自原料国内价格和国外价格的影响；

四、符号说明

符号

意义

国内粮食价格

国际粮食价格

国内人均GDP

国内人口数量

国内粮食生产总量

拟合式中的常数

拟合式中第i个影响因素前的系数

拟合式中第i和第j个因素共同作用时前面的系数

粮食价格的影响因素

第i和第j个影响因素共同影响

、

拟合式中的残差项

第k年第l种副食品的价格

副食价格受影响的拟合式中的常数项

拟合式中国内价格前的系数

拟合式中国际价格前的系数

五、模型的建立和求解

5.1进出口数量分析

首先，通过数据上进行分析。

由于中国融入世界贸易的速度加快，并且近些年有很多值得思考的数据，在此列出一些有代表性的图表。

首先，从粮食进出口量以及净进口量来看。

从表1看出，我国的粮食进出口贸易额逐年上升，并且上升的速度很快，这是我国的实施政策的结果，也是全球化的必然趋势。

同时我国粮食进口量增长很快，尤其是净进口量，这说明我国对外的粮食依存度正在逐年提高

从以上表2、表3中可以看出，小麦的对外依存度除了个别几年呈下降趋势，此后波动不定，从整体上来看还是变化巨大，对国际市场的依赖程度是越来越低的。

而情况完全相反的是，大豆一直对外进口有依赖，并且净进口量增加迅速，变化也非常大，对国际市场的依赖程度是越来越高。

而目前大豆的进口量占95%以上，我国对大豆的需求量在不断增长，我国将面临更大的大豆供应压力，受到国际市场的冲击也会不断加大。

Ø

国际国内相同种类粮食价格变动分析

在粮食数量上对国际依存度大的同时，我国的粮食价格也很难不受外界的影响。

为了具体描述这一趋势，我们选取了近十多年国内和国际粮食价格的数据，希望从价格的变动趋势上分析。

从图中可以看出，除了2008年中国由于国内政策的调整，价格没有明显随着国际粮食危机而上涨，其他年份中国相同种类粮食价格与国际粮食价格有很强的联动性。

其中大豆和玉米的价格在2008年国际粮食危机时收到了比较大的影响，大豆价格基本上受到国际价格的操控。

就连每年进出口量不多、基本保证国内需求的水稻价格变动也与国际价格保持了高度的一致性。

图1国内国际大豆价格联动变化示意图

图2国内国际稻米价格联动变化示意图

图3国内国际小麦价格联动变化示意图

图4国内国际玉米价格联动变化示意图

相关性分析模型

在我们选取了1997年-2009年的数据后，利用SPSS软件，分析了它们的相关性。

在参数的选取上，我们用了斯皮尔曼（spearman）等级相关系数。

斯皮尔曼等级相关是根据等级资料研究两个变量间相关关系的方法。

它是依据两列成对等级的各对等级数之差来进行计算的，所以又称为“等级差数法”。

斯皮尔曼等级相关对数据条件的要求没有积差相关系数严格，只要两个变量的观测值是成对的等级评定资料，或者是由连续变量观测资料转化得到的等级资料，不论两个变量的总体分布形态、样本容量的大小如何，都可以用斯皮尔曼等级相关来进行研究。

首先，我们探讨了国际粮价对国内粮价的影响，从相关性上探究其内在关系。

表4国际粮价对国内粮价的影响

在结果中，相关性系数大于0.7时为相关，相关性大于0.8时为强相关。

可以看出，国内粮食价格在很大程度上都会受到国际粮食价格影响，基本上都是强相关。

国际粮食价格的变化，首先是对中国粮食价格产生影响，但是由于国内市场基本融为一体，探讨国内不同粮食价格相互之间的影响也是有价值的。

表5国内不同粮食价格间的相关系数

从表2中看出，国内不同种类粮食价格相关性更强。

粮食是“百价之基”，以粮食为原料，人们做出各种副食品或者当饲料喂养牲畜，这样才有了社会丰富多彩的商品，以满足人们的多样性需求。

这些副食品的价格并不是直接受国际粮食价格的影响，但是跟百姓生活联系最为紧密的。

表6国际粮食价格与国内副食品价格的相关系数

从表中看出，虽然国际粮食价格不是国内副食品价格的直接影响因素，但是仍然存在着很高的相关性。

自从中国加入世界贸易组织之后，人们的日常生活都与世界息息相关。

近年来，随着温室效应加剧，世界上对节能环保的呼声越来越高，08年召开的G20峰会更是吸引了全世界的关注，在此基础上，新兴产业适应国家政策和世界能源发展形势，如雨后春笋在各地迅速发展。

其中跟粮食有关的，最具代表性的就是乙醇汽油。

在石油危机的情况下，乙醇汽油与石油相比，是有竞争力的。

因此我们基于这一思路，也研究了与乙醇相关的产业受国际国内粮价的影响。

由于与这些产业相关引起的粮食消耗，并不是一些硬性指标，它弹性很大而且很有发展潜力，因而更应该引起我们的关注。

表7：

粮食价格与酒类、乙醇汽油价格的相关系数

小结：

结合相关性系数和一些资料，我们得出一些结论。

（一）国际粮食价格对国内食品价格的影响加大

1.近年来，我国玉米价格明显受国际市场影响，而大豆和植物油价格在很大程度上已经受国际市场左右，国际粮食价格通过多渠道影响国内食品价格，而且影响有继续加大之势；

2.改革开放以来，特别是加入世界贸易组织后，我国农产品进口和出口都呈现出快速增长态势。

粮食进口量从1985年的600万吨增加到2008年的3897.61万吨尤其是2002年以后，粮食进口呈稳定的增长态势，年均增加413万吨。

我国粮食出口数量波动较大，但粮食净进口在2003年以后稳定增长，从当年的52.93万吨增加到2008年的3663.06万吨，年平均增加722万吨；

3.同时，我国进出口结构在近10年发生了显著的变化：

谷物进口所占比例大幅下降，大豆进口比重大幅上升。

主要出口品种依然为水稻和玉米，并且玉米占出口总量的50%左右；

而相应的在进口方面，小麦和大豆出现逆转，紧扣主题从小麦转移到了大豆，并且小麦的比例接近于0，大豆却猛增，大豆的外贸依存度也达到了60%以上，2005年以后，大豆进口占粮食进口的比重稳定在80%以上。

这必然会对我国粮食产业造成一定的影响，这也是我国的食品消费结构所决定的。

4.分品种看，我国大米一直保持少量净出口状态，国内供求关系一直处于略宽松状态。

玉米也基本保持净出口状态，但随着国内需求的增加，2005年以后净出口量逐年下降，净出口率从2005年的6.2%下降到2008年的0.13%，我国小麦在历史上多处于净进口状态，但2006年以后，随着国内产量的连续增长，由净进口变成净出口，2008年净出口率为0.24%，国内供需仍然处于紧平衡状态。

（二）国际粮食价格上涨通过多渠道推动国内食品消费价格上涨

1.进口粮食价格上涨，会拉动国内同品种价格上涨，并直接导致相应的粮食消费价格上涨；

2.从表中的相关性可以看出，某些粮食消费品具有互补性，就拿已经研究的小麦、玉米、大豆、水稻来说，一种粮食的上涨会导致相关粮食价格的上涨；

3.不同粮食作物之间的比价关系调整，会导致整个粮食价格上涨。

比如2008年大豆和植物油价格大幅上涨，国内部分地区的农民就将原来种植玉米的耕地改成种大豆和花生，导致玉米产业下降、价格上涨；

4.另外，进口粮食价格上涨导致饲料及其原料价格上涨，进而导致肉禽蛋等副食及油脂价格上涨。

比如大豆价格上涨导致饲料价格上涨，进而推高猪肉价格；

5.粮食及副食品价格上涨导致食品工业成本上升，加大价格上涨压力；

6.食品消费价格上涨可能引起通货膨胀预期，并导致其他商品价格上涨，进而带动工资、利润和利息等上涨，对中国经济产生负面影响。

结论二中的关系，可以用传导图表示。

国际粮食价格变动

直接影响

国内大豆价格变动

国内玉米价格变动

国内小麦价格变动

国内粮食价格相互影响

国内水稻价格变动

影响延伸至更大范围

酒、乙醇

面包、

饲料

油脂

肉禽

食品消费价格

中国经济产生负面影响

图5国际粮食价格对中国经济影响传导图

逐步回归模型

在建立多元回归方程的过程中，按偏相关系数的大小次序将自变量逐个引入方程，对引入方程中的每个自变量偏相关系数进行统计检验，效应显著的自变量留在回归方程内，循此继续遴选下一个自变量。

如果效应不显著，停止引入新自变量。

由于新自变量的引入，原已引入方程中的自变量由于变量之间的相互作用其效应有可能变得不显著者，经统计检验确证后要随时从方程中剔除，只保留效应显著的自变量。

直至不再引入和剔除自变量为止，从而得到最优的回归方程。

当观察值太少而自变量太多，容易造成伪回归的现象，使拟合度“过好”。

使用逐步回归的好处是避免拟合自由度太小，造成伪回归现象。

逐步回归分析的实施过程是每一步都要对已引入回归方程的变量计算其偏回归平方和（即贡献），然后选一个偏回归平方和最小的变量，在预先给定的水平下进行显著性检验，若显著则该变量不必从回归方程中剔除，这时方程中其他几个变量也都不需要剔除（因为其他几个变量的偏回归平方和都大于最小的一个更不需要剔除）。

相反，如果不显著，则该变量需要剔除，然后按偏回归平方和由小到大地依次对方程中其他变量进行检验。

将对影响不显著的变量全部剔除，保留的都是显著的。

接着再对未引入回归方程中的变量分别计算其偏回归平方和，并选其中偏回归方程和最大的一个变量，同样在给定水平下作显著性检验，如果显著则将该变量引入回归方程，这一过程一直持续下去，直到在回归方程中的变量都不能剔除而又无新变量可以引入时为止，这时逐步回归过程结束。

逐步回归分析步骤如下所示：

Y

N

5.3.1对粮食价格影响因素的分析

在建立这个模型的过程中，我们主要受第一个模型中各个数据之间关系的启发，一方面，各个因素之间的相互影响比较复杂；

另一方面，很多因素之间又有很强的关联性，于是我们决定对所能查阅到的影响粮食价格的主要因素进行深入分析，确定国内粮食价格主要受影响的因素，然后用逐步线性回归线性回归模型刻画不同因素与粮食价格的关系。

假设在一年内国内粮食价格和国情（人均GDP，人口数量，粮食生产等）相协整以达到平衡，且国内粮食平均价格主要与国际粮食价格、国内人均GDP，人口数量和粮食生产量有关，于是第K年的粮食价格就可以表示为

其中pi表示国内粮食价格，pf表示国外粮食价格，MGD表示国内人均GDP，Pop表示国内人口数量，Pro表示当年国内粮食生产总量。

考虑各因素之间的相关性比较强，用它们成绩作为它们的联合作用因素，初步确定逐步回归的候选因子为

按照上面的假设，那么第k年，第c种粮食的价格用线性回归模型表示为：

其中

，i和j表示其中不同的影响因素。

此式中，c表示前面所提到的稻米、小麦、大豆、玉米。

我们将对用逐步回归分析法对上式进行估计，考察上面的因素项对国内粮食价格的影响，对国内价格比较小的项进行剔除，然后重新拟合。

为常数，

和

是系数，若所对应项被剔除，取其值为0。

代表第i个因素和第j个因素的共同作用项，最后一项

是残差项，用来调整式子的拟合度，并且其大小可以用来评价拟合的好坏。

模型的求解一

用SPSS软件对1998年-2009年的数据进行处理，得到结果如下：

大豆结果

模型汇总b

模型

R

R方

调整R方

标准估计的误差

更改统计量

Durbin-Watson

R方更改

F更改

df1

df2

Sig.F更改

.966a

.933

.927

.0369599

153.568

1

11

.000

1.362

系数a

非标准化系数

标准系数

t

Sig.

B的95.0%置信区间

B

标准误差

试用版

下限

上限

（常量）

1.280

.177

7.215

.890

1.671

X1*X3

.820

.066

.966

12.392

.674

已排除的变量b

BetaIn

偏相关

共线性统计量

容差

X1

-.199a

-.350

.733

-.110

.020

X2

.118a

.432

.251

.300

X3

.044a

.402

.696

.126

.555

X4

.029a

.351

.110

.984

X1*X2

.320a

.861

.410

.263

.045

X1*X4

.035a

.096

.926

.030

.049

X2*X3

.102a

.737

.478

.227

.333

X2*X4

.119a

.898

.390

.273

.352

X3*X4

.042a

.483

.639

.151

.870

从上面三个表中可以看到通过逐步回归分析对于大豆的影响只剩下X1与X3的乘积。

其系数的置信区间为0.230到1.055，调整后R2的值为0.927说明方程拟合效果比较好。

而其他量被剔除掉，是因为它们的t检验的Sig比较大。

水稻结果

模型汇总c

.946b

.895

.874

.0394011

.053

5.007

10

.965

1.403

.259

5.422

.834

1.973

.114

.015

.918

7.670

.081

.147

2

.943

.302

3.117

.011

.269

1.616

.293

2.352

3.623

.005

.113

.473

-.584

.261

-1.453

-2.238

-1.166

-.002

已排除的变量c

.298a

1.742

.112

.482

.414

-1.794a

-2.104

.062

-.554

-.547a

-2.099

-.553

.161

.227a

2.196

.570

.998

.445a

1.418

.187

.409

.133

.332a

1.647

.131

.462

.305

.292a

1.832

.097

.501

.463

-1.453a

-.578

.025

.450a

1.338

.210

.118

-.005b

-.018

.986

-.006

.122

1.140b

.249

.809

.083

.001

-.069b

-.084

.935

-.028

.017

.033b

.056

.957

.019

.034

-.116b

-.246

.812

-.082

.052

-.021b

-.061

.952

-.020

.102

-.010b

-.030

.977

-.010

.109

-.019b

-.044

-.015

从上面三个表中可以看到通过逐步回归分析对于水稻的影响只剩下X2与X4的乘积和X2与X3的乘积。

其系数的置信区间分别为0.113到0.473和-1.166到-0.002，调整后R2的值为0.874说明方程拟合效果比较好。

小麦结果

.842a

.709

.680

.0427756

24.413

1.129

B的95.0%置