國(guó)內(nèi)油料作物市場(chǎng)整合關(guān)系研究 ——以油菜籽、花生和芝麻為例

　　摘要：市場(chǎng)整合是衡量市場(chǎng)機(jī)制效率的重要指標(biāo)，研究國(guó)內(nèi)油料作物空間市場(chǎng)整合關(guān)系有利于宏觀把握市場(chǎng)的運(yùn)行情況，對(duì)優(yōu)化地區(qū)分工和提高資源配置效率具有重要意義。本文以油菜籽、花生和芝麻為例，依次使用 Jo? hansen協(xié)整分析、向量誤差修正模型和格蘭杰因果檢驗(yàn)，系統(tǒng)分析了國(guó)內(nèi)油料作物的空間市場(chǎng)整合關(guān)系。研究表明：從長(zhǎng)期來(lái)看，油菜籽、花生和芝麻的市場(chǎng)價(jià)格之間關(guān)聯(lián)較為密切，國(guó)內(nèi)油料作物市場(chǎng)存在長(zhǎng)期整合關(guān)系;從短期來(lái)看，國(guó)內(nèi)油料作物市場(chǎng)的短期整合程度較高，根據(jù)調(diào)整速度，從高到低依次是花生、油菜籽和芝麻;從因果關(guān)系來(lái)看，70%的油菜籽、57.14%的花生和30%的芝麻市場(chǎng)價(jià)格之間存在雙向因果關(guān)系，說(shuō)明市場(chǎng)價(jià)格信息并非完全對(duì)稱傳遞。為提高國(guó)內(nèi)油料作物市場(chǎng)整合程度，本文分別提出了改善市場(chǎng)環(huán)境、完善信息平臺(tái)建設(shè)和加強(qiáng)構(gòu)建現(xiàn)代物流體系的建議。

　　關(guān)鍵詞：油料作物;市場(chǎng)整合;協(xié)整檢驗(yàn);向量誤差修正模型;格蘭杰因果檢驗(yàn)

　　劉福星; 汪可欣; 張璐; 馮中朝 中國(guó)油料作物學(xué)報(bào) 2021-12-22

　　市場(chǎng)分割會(huì)扭曲經(jīng)濟(jì)運(yùn)行機(jī)制，降低資源配置效率，減少社會(huì)福利水平[1~3] 。2021年 3月，《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》明確提出加快構(gòu)建國(guó)內(nèi)統(tǒng)一大市場(chǎng)，有效破除地方保護(hù)和市場(chǎng)分割[4] 。打破貿(mào)易壁壘，推動(dòng)國(guó)內(nèi)市場(chǎng)整合有助于優(yōu)化地區(qū)分工和資源配置，是利用規(guī)模效應(yīng)促進(jìn)經(jīng)濟(jì)增長(zhǎng)的有效途徑[5~7] 。食用植物油是人們?nèi)粘Ｉ畹谋匦杵贰ｋS著生活水平的提升，我國(guó)居民食用植物油的消費(fèi)不斷增 加 。 據(jù) 統(tǒng) 計(jì) ，2000 年 全 國(guó) 植 物 油 消 費(fèi) 量 為 12351. 4 萬(wàn)噸，2018 年達(dá)到了 27684. 6 萬(wàn)噸，增加了 2. 24倍[8] 。食用植物油的穩(wěn)定供給關(guān)系每個(gè)人的日常生活，是保障國(guó)家食物安全的重要組成部分[9] 。油料作物是獲取食用植物油的主要來(lái)源，作為產(chǎn)業(yè)鏈的上游，油料作物的市場(chǎng)整合程度直接對(duì)食用植物油市場(chǎng)產(chǎn)生影響。為了優(yōu)化資源配置效率，提高油料作物生產(chǎn)能力，保障食用植物油供給水平，國(guó)家不斷推進(jìn)市場(chǎng)化改革。例如，2015年取消了油菜籽臨時(shí)收儲(chǔ)政策，價(jià)格完全由市場(chǎng)決定[10] 。

　　那么，在市場(chǎng)化改革不斷深入的背景下，我國(guó)油料作物市場(chǎng)整合程度如何?更確切地說(shuō)，我國(guó)油料作物市場(chǎng)是否存在長(zhǎng)期和短期整合關(guān)系?如果存在，不同地區(qū)的市場(chǎng)價(jià)格信息是如何傳遞的?對(duì)于上述問(wèn)題至今仍缺乏全面有效的解答。為此，本文將結(jié)合所收集的高頻時(shí)間序列數(shù)據(jù)進(jìn)行實(shí)證分析，力求能夠系統(tǒng)考察國(guó)內(nèi)油料作物的市場(chǎng)整合關(guān)系。一般來(lái)講，市場(chǎng)分割會(huì)帶來(lái)市場(chǎng)信息不對(duì)稱，影響市場(chǎng)交易者的決策，造成資源錯(cuò)配。而市場(chǎng)整合程度越高，要素資源流動(dòng)性越強(qiáng)，就越容易實(shí)現(xiàn)要素的最優(yōu)配置，提高市場(chǎng)的運(yùn)行效率。因此，對(duì)于國(guó)內(nèi)油料作物市場(chǎng)整合的研究，不僅有助于宏觀把握國(guó)內(nèi)油料作物市場(chǎng)的運(yùn)作效率，也有利于以國(guó)內(nèi)大循環(huán)為主體的時(shí)代背景下油料作物統(tǒng)一大市場(chǎng)的構(gòu)建，更是優(yōu)化地區(qū)分工，提高資源配置效率，從而提高社會(huì)總福利水平的現(xiàn)實(shí)體現(xiàn)。

　　1 文獻(xiàn)綜述

　　空間市場(chǎng)整合一直是研究熱點(diǎn)。1951年，Enke 發(fā)表了一篇重要的論文，提出了空間價(jià)格均衡理論[11] 。自此，學(xué)者們?cè)诖嘶A(chǔ)上不斷探索和發(fā)展，其中，空間市場(chǎng)整合是學(xué)者們關(guān)注的一個(gè)重要方面。空間市場(chǎng)整合是指某一特定市場(chǎng)商品價(jià)格傳遞到另一個(gè)市場(chǎng)的程度，即存在于不同市場(chǎng)的價(jià)格運(yùn)動(dòng)關(guān)系[12,13] 。空間市場(chǎng)整合程度越高，越有利于市場(chǎng)價(jià)格信息傳遞[14] 。完全空間市場(chǎng)整合意味著在自由貿(mào)易條件下實(shí)現(xiàn)了“強(qiáng)一價(jià)定律”，而完全分割的市場(chǎng)表明在沒(méi)有貿(mào)易條件下的自給自足[15] 。

　　針對(duì)農(nóng)產(chǎn)品空間市場(chǎng)整合的研究，國(guó)內(nèi)外學(xué)者主要從兩方面展開(kāi)。一方面是研究不同國(guó)家農(nóng)產(chǎn)品的市場(chǎng)整合關(guān)系。Alexander 等使用 E-G 兩步法研究了印度尼西亞大米市場(chǎng)價(jià)格與國(guó)際市場(chǎng)價(jià)格的長(zhǎng)期整合關(guān)系[16] 。Dercon對(duì)E-G兩步法進(jìn)行了改進(jìn)，使用誤差修正模型分析了市場(chǎng)的短期整合關(guān)系[17] 。Beak使用Johansen協(xié)整檢驗(yàn)和VEC模型研究了北美方材市場(chǎng)的整合關(guān)系，并認(rèn)為美國(guó)占據(jù)市場(chǎng)定價(jià)的領(lǐng)導(dǎo)地位[18] 。Bakucs等研究了德國(guó)和匈牙利小麥?zhǔn)袌?chǎng)的整合關(guān)系[19] 。Goychuk 等則分析了俄羅斯、歐盟、美國(guó)和加拿等國(guó)家小麥?zhǔn)袌?chǎng)間的整合程度[20] 。而國(guó)內(nèi)文獻(xiàn)主要集中在我國(guó)農(nóng)產(chǎn)品市場(chǎng)價(jià)格與國(guó)際市場(chǎng)價(jià)格的整合關(guān)系。張巨勇等[21] 研究了我國(guó)小麥、玉米、大米和大麥等農(nóng)產(chǎn)品價(jià)格和國(guó)際市場(chǎng)價(jià)格的整合關(guān)系，武拉平[22] 以小麥、玉米和大豆為例，分別研究我國(guó)南方市場(chǎng)和北方市場(chǎng)與國(guó)際市場(chǎng)的整合關(guān)系。丁守海以大米、小麥、玉米和大豆為例，使用 Johansen 檢驗(yàn)和 VEC 模型進(jìn)行了分析，結(jié)果顯示國(guó)內(nèi)市場(chǎng)和國(guó)際市場(chǎng)存在長(zhǎng)期整合關(guān)系和短期調(diào)節(jié)機(jī)制[23] 。王永剛等[24] 、王孝松等[25] 和高群等[26] 也進(jìn)行了類似研究。

　　另一方面是研究某一國(guó)家內(nèi)部不同地區(qū)的農(nóng)產(chǎn)品市場(chǎng)整合關(guān)系。Lele首次使用相關(guān)系數(shù)法分析了印度 7 個(gè)高粱市場(chǎng)的整合程度，并認(rèn)為相關(guān)系數(shù)超過(guò)某一特定值就認(rèn)為市場(chǎng)整合程度較高[27] 。Rav? allion 提出一個(gè)空間價(jià)格差異模型(Ravallion 模型)分 析 了 孟 加 拉 國(guó) 大 米 市 場(chǎng) 的 整 合 程 度[28] 。 González-Rivera 等運(yùn)用協(xié)整理論研究了巴西 19 個(gè)州的大米市場(chǎng)整合程度[29] 。然而，國(guó)內(nèi)在這方面的研究起步較晚。萬(wàn)廣華等搜集了 1998 年 2 月至 1995年5月35個(gè)大中城市粳米的月度數(shù)據(jù)，并用共聚合法進(jìn)行了分析，研究結(jié)論表明我國(guó)大米市場(chǎng)的整合程度不高[30] 。與之相反，喻聞等基于 1988— 1995年每10天的省級(jí)大米數(shù)據(jù)，研究發(fā)現(xiàn)我國(guó)大米的市場(chǎng)整合逐步上升[31] 。近年來(lái)，有關(guān)國(guó)內(nèi)農(nóng)產(chǎn)品市場(chǎng)整合研究不斷豐富，涉及了大豆、玉米、大米、小麥、生豬、蔬菜和中藥材等[32~36] 。

　　綜上所述，關(guān)于農(nóng)產(chǎn)品市場(chǎng)整合的研究較為豐富，但仍存在以下兩方面的局限。一方面，研究對(duì)象問(wèn)題。現(xiàn)有文獻(xiàn)的研究主要集中在糧食市場(chǎng)，對(duì)油料作物的空間市場(chǎng)整合關(guān)注較少，涉及的油料作物也較為單一。另一方面，數(shù)據(jù)類型問(wèn)題。現(xiàn)有文獻(xiàn)絕大部分使用的是年份跨度較小且低頻的月度數(shù)據(jù)，樣本量較小，代表性不足。針對(duì)已有文獻(xiàn)的不足之處，本文主要從兩部分改進(jìn)。首先，將研究對(duì)象聚焦在國(guó)內(nèi)油料作物市場(chǎng)，從長(zhǎng)期和短期視角分析油料作物的市場(chǎng)整合關(guān)系，并分析了不同地區(qū)之間的價(jià)格傳遞關(guān)系，以期全面考察國(guó)內(nèi)油料作物的市場(chǎng)整合程度，對(duì)已有文獻(xiàn)研究進(jìn)行補(bǔ)充。其次，本文結(jié)合所搜集的油菜籽的日度價(jià)格數(shù)據(jù)、花生和芝麻的周度價(jià)格數(shù)據(jù)進(jìn)行實(shí)證分析，對(duì)以往文獻(xiàn)中低頻的月度數(shù)據(jù)類型進(jìn)行改進(jìn)，以期得到更加豐富的研究結(jié)果，為構(gòu)建油料作物統(tǒng)一大市場(chǎng)提供經(jīng)驗(yàn)證據(jù)支撐。

　　2 研究方法與模型

　　本文首先使用單位根(augmented dickey-fuller, ADF)檢驗(yàn)法檢驗(yàn)油菜籽、花生和芝麻價(jià)格數(shù)據(jù)是否平穩(wěn)，其次使用 Johansen 協(xié)整檢驗(yàn)方法分析不同市場(chǎng)價(jià)格之間是否存在長(zhǎng)期整合關(guān)系，然后建立向量誤差修正模型(VECM)分析不同市場(chǎng)價(jià)格之間的短期整合關(guān)系，最后使用Granger因果關(guān)系檢驗(yàn)分析不同市場(chǎng)價(jià)格之間是如何相互影響的。

　　2. 1 ADF單位根檢驗(yàn)

　　ADF 單位根檢驗(yàn)是檢查時(shí)間序列平穩(wěn)性的一種常用方法。不同于 DF 檢驗(yàn)，ADF 檢驗(yàn)方法通過(guò)在方程式右邊加入因變量 yt的滯后項(xiàng)，來(lái)檢驗(yàn)存在高階滯后相關(guān)序列的平穩(wěn)性。一般地，方程形式有三種：不包含常數(shù)項(xiàng)和時(shí)間項(xiàng)，包含常數(shù)項(xiàng)但不包含時(shí)間項(xiàng)與包含常數(shù)項(xiàng)和時(shí)間項(xiàng)，公式分別如下。 Δyt = ηyt - 1 +∑i = 1 p - 1 βiΔyt - i + ui (1) Δyt = ηyt - 1 +∑i = 1 p - 1 βiΔyt - i + ui + ∂ (2) Δyt = ηyt - 1 +∑i = 1 p - 1 βiΔyt - i + ui + ∂ + δt (3)

　　2. 2 Johansen協(xié)整檢驗(yàn)

　　Johansen檢驗(yàn)是一種基于回歸系數(shù)的協(xié)整檢驗(yàn)方法，其基本思想為：首先建立一個(gè)VAR模型。 yt = ?1 yt - 1 + ... + ?p yt - p + Hxt + εt (4)式中yt 、yt - 1...yt - p表示非平穩(wěn)的I (1)變量;xt為外生變量，表示常數(shù)項(xiàng)和趨勢(shì)項(xiàng)等;εt 表示擾動(dòng)項(xiàng)。其次，將等式兩邊同時(shí)減yt - 1可得： Δyt = Πyt - 1 +∑i = 1 p - 1 ΓiΔyt - i + Hxt + εt (5)通過(guò)等式變換式將yt協(xié)整檢驗(yàn)轉(zhuǎn)化為對(duì)矩陣Π 的分析問(wèn)題，式中 yt - 1 的各分量之間是否具有協(xié)整關(guān)系關(guān)鍵看Πyt - 1是否為I (0)的向量。

　　2. 3 VECM模型

　　VEC 模型是包含協(xié)整約束的 VAR 模型，如果(4)式中 yt所包含的 k個(gè) I (1) 序列存在協(xié)整關(guān)系，去掉式中外生變量，可改寫(xiě)為： Δyt = Πyt - 1 +∑i = 1 p - 1 ΓiΔyt - i + εt (6)可轉(zhuǎn)化為誤差修正模型： Δyt = αecmt - 1 +∑i = 1 p - 1 ΓiΔyt - i + εt (7)式中 Π = ∂β'，ecmt - 1 = β'yt - 1 是誤差修正項(xiàng)向量，∂ 為短期偏離長(zhǎng)期均衡時(shí)的調(diào)整速度。

　　2. 4 Granger因果關(guān)系檢驗(yàn)

　　Granger 因果關(guān)系檢驗(yàn)的實(shí)質(zhì)是檢驗(yàn)一個(gè)變量的滯后期能否加入其他變量方程中。根據(jù)以下時(shí)間序列模型： yt = γ +∑m = 1 p ∂m yt - m +∑m = 1 p βm xt - m + εt (8)檢驗(yàn)原假設(shè)“H0 ∶ β1 = β2 = ... = βp = 0”，如果拒絕原假設(shè)，則說(shuō)明 x 是 y 的格蘭杰原因。將 x 和 y 的位置互換，可以檢驗(yàn)y是否為x的格蘭杰原因。

　　3 數(shù)據(jù)來(lái)源與樣本處理 3. 1 數(shù)據(jù)來(lái)源

　　油料作物是指用來(lái)提取油脂供食用或者作為工業(yè)、醫(yī)藥原料等的一種作物。主要有大豆、花生、油菜、芝麻、蓖麻、向日葵、蘇子、油莎豆等。由于我國(guó)油料作物的種類繁多，且種植的地區(qū)較為分散。綜合考慮高頻價(jià)格數(shù)據(jù)的可得性和油料作物的代表性，本文根據(jù)國(guó)內(nèi)大宗油料作物的種植面積和產(chǎn)量，最終選取了油菜籽、花生和芝麻，并以其為例，來(lái)研究國(guó)內(nèi)油料作物的市場(chǎng)整合情況。其中，油菜籽收集了江蘇、安徽、湖北、湖南和四川五省的數(shù)據(jù)。根據(jù)國(guó)家統(tǒng)計(jì)局的數(shù)據(jù)資料顯示，2019年全國(guó)油菜籽的總產(chǎn)量為1348. 47萬(wàn)噸，以上五省的總產(chǎn)量為766. 26萬(wàn)噸，占據(jù)全國(guó)油菜籽總產(chǎn)量的 56. 82%[37] 。花生的數(shù)據(jù)來(lái)自河北、江蘇、安徽、山東、河南、湖北、廣東和廣西八省。根據(jù)國(guó)家統(tǒng)計(jì)局的數(shù)據(jù)資料顯示，2019年全國(guó)花生的總產(chǎn)量為 1751. 96 萬(wàn)噸，以上八省的總產(chǎn)量為 1332. 71 萬(wàn)噸，占據(jù)全國(guó)花生總產(chǎn)量的76. 07%[37] 。芝麻搜集了天津、江西、山東、湖北和廣西五省(市)的數(shù)據(jù)。根據(jù)國(guó)家統(tǒng)計(jì)局的數(shù)據(jù)資料顯示，2019年全國(guó)芝麻的總產(chǎn)量為 46. 70 萬(wàn)噸，以上五省的產(chǎn)量為 17. 80 萬(wàn)噸，占據(jù)全國(guó)芝麻總產(chǎn)量的38. 12%[37] 。故樣本具有一定的代表性。值得注意的是，本文并未將大豆納入研究范圍。主要原因有兩點(diǎn)：一是，布瑞克農(nóng)業(yè)數(shù)據(jù)庫(kù)中有關(guān)大豆價(jià)格的日度高頻數(shù)據(jù)只有黑龍江是國(guó)產(chǎn)豆報(bào)價(jià)，其余均為進(jìn)口豆報(bào)價(jià)，與本文研究目的不符。二是，相較于其他油料作物，有關(guān)大豆的市場(chǎng)整合文獻(xiàn)非常豐富，學(xué)者們基本達(dá)成共識(shí)。因此，本文將研究范圍集中在國(guó)內(nèi)的油菜籽、花生和芝麻市場(chǎng)。

　　3. 2 樣本區(qū)間選擇

　　為了盡量搜集高頻的價(jià)格數(shù)據(jù)，保證價(jià)格數(shù)據(jù)的連貫性，本文最終選取的樣本區(qū)間為：2015年5月 11 日至 2021 年 3 月 3 日油菜籽的日度數(shù)據(jù)，一共獲得 5 個(gè)省份 1430 個(gè)日度觀測(cè)值;2013 年 1 月 5 日至 2021 年 2 月 25 日花生的周度數(shù)據(jù)，一共獲得 8 個(gè)省份445個(gè)周度觀測(cè)值;2015年1月9日至2021年2月 25 日芝麻的周度數(shù)據(jù)，一共獲得 5 個(gè)省份 298 個(gè)周度觀測(cè)值。以上油菜籽、花生和芝麻的價(jià)格數(shù)據(jù)均來(lái)源于布瑞克農(nóng)業(yè)數(shù)據(jù)庫(kù)，個(gè)別省份的少數(shù)缺失值用相鄰數(shù)據(jù)的平均值進(jìn)行補(bǔ)齊，詳細(xì)描述性統(tǒng)計(jì)分析如表1所示。 3. 3 樣本處理由于油菜籽、花生和芝麻的數(shù)據(jù)年份跨度較大，價(jià)格中包含了通貨膨脹因素。因此，為有效剔除通貨膨脹對(duì)市場(chǎng)價(jià)格的影響，本文利用國(guó)研網(wǎng)的居民消費(fèi)價(jià)格指數(shù)(CPI)對(duì)搜集的價(jià)格數(shù)據(jù)進(jìn)行折實(shí)處理[38] 。為了數(shù)據(jù)口徑統(tǒng)一，本文分別搜集了 2013年1月至2021年3月河北、江蘇、安徽、山東、河南、湖北、廣東、廣西、天津、江西、湖南和四川居民消費(fèi)價(jià)格指數(shù)(CPI)的月度數(shù)據(jù)。主要處理過(guò)程如下：首先，借助 Eviews8. 0軟件將國(guó)研網(wǎng)提供的月度居民消費(fèi)價(jià)格指數(shù)(CPI)進(jìn)行高頻化處理，轉(zhuǎn)化為周度數(shù)據(jù)，再將周度數(shù)據(jù)轉(zhuǎn)化為日度數(shù)據(jù)。其次，將油菜籽的 CPI 數(shù)據(jù)以 2015 年 5 月 11 日為基期進(jìn)行定基期處理，花生的 CPI 數(shù)據(jù)以 2013 年 1 月 5 日為基期進(jìn)行定基處理，芝麻的 CPI 數(shù)據(jù)以 2015 年 1 月 9 日為基期進(jìn)行定基處理。最后，借助 Stata15. 0 軟件將搜集的價(jià)格數(shù)據(jù)和 CPI 數(shù)據(jù)進(jìn)行一一匹配，然后折實(shí)處理，得到實(shí)際價(jià)格數(shù)據(jù)，并對(duì)折實(shí)處理后的價(jià)格數(shù)據(jù)取對(duì)數(shù)。

　　4 實(shí)證結(jié)果與分析 4. 1 單位根檢驗(yàn)結(jié)果

　　時(shí)間序列模型的一個(gè)重要假設(shè)條件是平穩(wěn)性假設(shè)，為了防止存在單位根導(dǎo)致偽回歸的情況，本文采用ADF檢驗(yàn)法對(duì)油菜籽、花生和芝麻的市場(chǎng)價(jià)格進(jìn)行平穩(wěn)性檢驗(yàn)。在進(jìn)行ADF檢驗(yàn)時(shí)，原假設(shè)條件下 t 統(tǒng)計(jì)量漸進(jìn)式分布依賴于檢驗(yàn)形式的定義，需要選擇合適的檢驗(yàn)形式。由于搜集的數(shù)據(jù)是高頻的日度和周度價(jià)格數(shù)據(jù)，具有線性趨勢(shì)和時(shí)間趨勢(shì)的特征。因此，本文選擇包含常數(shù)項(xiàng)和線性時(shí)間趨勢(shì)的檢驗(yàn)形式，并根據(jù) AIC 準(zhǔn)則來(lái)確定模型合理的滯后階數(shù)。如果原時(shí)間序列不平穩(wěn)，則采用一階差分的方法進(jìn)行處理，檢驗(yàn)結(jié)果如表 2 所示。油菜籽、花生和芝麻的市場(chǎng)價(jià)格均在 1% 的統(tǒng)計(jì)水平上顯著，處理后的市場(chǎng)價(jià)格序列是平穩(wěn)的，滿足了時(shí)間序列建模的需要，可以進(jìn)一步分析。

　　4. 2 長(zhǎng)期整合關(guān)系檢驗(yàn)結(jié)果

　　為了檢驗(yàn)油菜籽、花生和芝麻市場(chǎng)之間是否存在長(zhǎng)期整合關(guān)系，本文使用了Johansen協(xié)整檢驗(yàn)，并通過(guò)跡統(tǒng)計(jì)量(trace)和最大特征值(λ - max)分別與臨界值比較，從而判斷市場(chǎng)之間的長(zhǎng)期整合關(guān)系，結(jié)果如表3~表5所示。表3顯示，將江蘇、安徽、湖北、湖南和四川市場(chǎng)進(jìn)行兩兩配對(duì)，在 10% 的顯著性水平下，油菜籽的10對(duì)市場(chǎng)之間均存在顯著的協(xié)整關(guān)系。這說(shuō)明國(guó)內(nèi)油菜籽市場(chǎng)價(jià)格之間有非常緊密的關(guān)聯(lián)，存在長(zhǎng)期整合關(guān)系。

　　表 4 顯示，將湖北、江蘇、安徽、山東、河南、河北、廣東和廣西進(jìn)行兩兩配對(duì)，在1%的顯著性水平下，花生的 28 對(duì)市場(chǎng)之間均存在顯著的協(xié)整關(guān)系，這說(shuō)明國(guó)內(nèi)花生市場(chǎng)價(jià)格之間關(guān)聯(lián)程度極高，存在長(zhǎng)期整合關(guān)系。表5顯示，將天津、江西、山東、湖北和廣西進(jìn)行兩兩配對(duì)，在5%的顯著性水平下，芝麻的10對(duì)市場(chǎng)中有 9 對(duì)市場(chǎng)存在顯著的協(xié)整關(guān)系，長(zhǎng)期整合關(guān)系比例為 90%，這說(shuō)明國(guó)內(nèi)芝麻市場(chǎng)價(jià)格存在一定的關(guān)聯(lián)，市場(chǎng)長(zhǎng)期整合程度較高。其中，湖北和山東芝麻市場(chǎng)的價(jià)格不存在長(zhǎng)期整合關(guān)系。原因可能是，一方面，山東地區(qū)的主要油料作物是花生，而芝麻的種植面積和產(chǎn)量相對(duì)較少，以自產(chǎn)自銷(xiāo)為主。根據(jù)布瑞克農(nóng)業(yè)數(shù)據(jù)庫(kù)的資料顯示，2019年山東芝麻的總產(chǎn)量為 0. 1 萬(wàn)噸，而花生的產(chǎn)量為 284. 8 萬(wàn)噸，芝麻的產(chǎn)量?jī)H占花生產(chǎn)量的 0. 04%。另一方面，山東和湖北的地理距離較遠(yuǎn)，芝麻的交易成本較高，貿(mào)易商的套利空間較小，兩地之間芝麻市場(chǎng)的交易少，所以兩地芝麻市場(chǎng)不存在長(zhǎng)期整合關(guān)系。綜上，不同地區(qū)油料作物市場(chǎng)價(jià)格關(guān)聯(lián)較為密切，國(guó)內(nèi)油料作物市場(chǎng)存在長(zhǎng)期整合。且根據(jù)顯著性水平，長(zhǎng)期整合程度從高到低依次是花生、油菜籽和芝麻。

　　4. 3 短期整合關(guān)系檢驗(yàn)結(jié)果

　　協(xié)整關(guān)系檢驗(yàn)反映了兩個(gè)市場(chǎng)的長(zhǎng)期整合關(guān)系，但并不能反映出短期整合關(guān)系。VECM 能夠反映短期系統(tǒng)偏離均衡的調(diào)整狀態(tài)，其誤差修正系數(shù)衡量了一個(gè)變量發(fā)生變化后重新回到均衡的速度。誤差修正項(xiàng)系數(shù)的絕對(duì)值越大，說(shuō)明短期調(diào)整的速度越快。當(dāng)誤差修正項(xiàng)系數(shù)的絕對(duì)值趨近于 0 時(shí)，說(shuō)明重新回到均衡狀態(tài)的速度很慢。因此，本文使用VECM檢驗(yàn)存在長(zhǎng)期整合的油料作物市場(chǎng)是否存在短期整合關(guān)系。為了保證模型的合理性，在實(shí)證過(guò)程中，首先根據(jù) LR、FPE、AIC、HQIC 和 SBIC 五種判斷標(biāo)準(zhǔn)確定滯后階數(shù)，然后使用 Johansen 的 MLE 方法估計(jì)模型。其次，檢驗(yàn)?zāi)Ｐ偷臍埐铐?xiàng)是否存在自相關(guān)，如果存在自相關(guān)，則增加滯后階數(shù)，直至不存在自相關(guān)。最后，畫(huà)出VECM系統(tǒng)穩(wěn)定性判別圖，依據(jù)伴隨矩陣的單位根是否落在單位圓內(nèi)，檢驗(yàn)?zāi)Ｐ拖到y(tǒng)的穩(wěn)定性，結(jié)果如表 6~表 8 所示。以表 6 中江蘇市場(chǎng)和安徽市場(chǎng)為例，江蘇表示以江蘇油菜籽市場(chǎng)價(jià)格為因變量，安徽表示以安徽油菜籽市場(chǎng)價(jià)格為自變量的模型估計(jì)結(jié)果。誤差修正項(xiàng)系數(shù)的絕對(duì)值為 0. 007，在 1% 的水平上顯著。意味著，在短期當(dāng)江蘇油菜籽市場(chǎng)價(jià)格過(guò)高時(shí)，安徽油菜籽市場(chǎng)價(jià)格以 0. 007 的速度向江蘇油菜籽市場(chǎng)價(jià)格調(diào)整。花生和芝麻市場(chǎng)以此類推。從表 6 可以看出，在油菜籽市場(chǎng)，誤差修正項(xiàng)系數(shù)均在 5% 的水平下顯著，這說(shuō)明油菜籽市場(chǎng)存在顯著的短期協(xié)整關(guān)系。可以發(fā)現(xiàn)，誤差修正項(xiàng)系數(shù)的絕對(duì)值介于 0. 007和0. 0864之間，且絕對(duì)值區(qū)間分布較為平均，意 味 著 國(guó) 內(nèi) 油 菜 籽 市 場(chǎng) 存 在 較 高 的 短 期 整 合關(guān)系。

　　從表7中可以看出，在花生市場(chǎng)，誤差修正項(xiàng)系數(shù)均在 1% 的水平下顯著，說(shuō)明花生市場(chǎng)存在顯著的短期協(xié)整關(guān)系。可以發(fā)現(xiàn)，誤差修正項(xiàng)系數(shù)的絕對(duì)值介于 0. 0103 和 2. 8771 之間，但絕對(duì)值區(qū)間分布較為集中，意味著國(guó)內(nèi)花生市場(chǎng)存在非常高的短期整合關(guān)系。從表8中可以看出，在芝麻市場(chǎng)，除山東和湖北外，其他9對(duì)市場(chǎng)誤差修正項(xiàng)系數(shù)均在1%的水平上顯著，且絕對(duì)值介于 0. 0724 與 1. 212 之間，說(shuō)明國(guó)內(nèi)芝麻市場(chǎng)存在一定的短期整合關(guān)系。綜上所述，國(guó)內(nèi)油料作物市場(chǎng)短期整合程度較高，且根據(jù)調(diào)整速度，短期整合程度從高到低依次是花生、油菜籽和芝麻。

　　4. 4 格蘭杰因果關(guān)系檢驗(yàn)

　　整合關(guān)系反映了油料作物市場(chǎng)價(jià)格之間的關(guān)聯(lián)度，但對(duì)于價(jià)格間是如何作用的缺乏有力解釋。為了分析油料作物市場(chǎng)價(jià)格間是如何相互影響的，本文使用格蘭杰因果關(guān)系檢驗(yàn)進(jìn)一步分析，檢驗(yàn)結(jié)果如表 9~表 11 所示。表 9 中，江蘇和安徽市場(chǎng)中 “←”表示江蘇油菜籽市場(chǎng)價(jià)格波動(dòng)是安徽油菜籽市場(chǎng)價(jià)格波動(dòng)的格蘭杰原因。安徽和湖北市場(chǎng)中 “→”表示湖北油菜籽市場(chǎng)價(jià)格波動(dòng)是安徽油菜籽市場(chǎng)波動(dòng)的格蘭杰原因。江蘇和湖北市場(chǎng)中“← →”表示兩地市場(chǎng)價(jià)格波動(dòng)互為格蘭杰原因，其他市場(chǎng)結(jié)果以此類推。

　　結(jié)果顯示，在 5%的顯著性水平上，油菜籽市場(chǎng)互為因果的有7對(duì)，占比70%，其他均為單向因果關(guān)系，占比 30%。花生市場(chǎng)互為因果的有 16 對(duì)，占比 57. 14%，不存在因果關(guān)系的有 1對(duì)，占比 3. 57%，其他均為單向因果關(guān)系，占比 39. 29%。芝麻市場(chǎng)互為因果的有 3 對(duì)，占比 30%，單向因果關(guān)系的有 5 對(duì)，占比50%，其余為不存在因果關(guān)系，占比20%。進(jìn)一步分析三種油料作物存在單向因果關(guān)系的市場(chǎng)，可以發(fā)現(xiàn)，在油菜籽3對(duì)單向因果關(guān)系市場(chǎng)中，有 2 對(duì)屬于高產(chǎn)量省份是低產(chǎn)量省份的格蘭杰原因，占比66. 67%。在芝麻5對(duì)單向因果關(guān)系市場(chǎng)中，有 3 對(duì)屬于高產(chǎn)量省份是低產(chǎn)量省份的格蘭杰原因，占比60%。然而在花生11對(duì)單向因果關(guān)系市場(chǎng)中，僅有 4 對(duì)屬于高產(chǎn)量省份是低產(chǎn)量省份的格蘭杰原因，占比 36. 36%。這說(shuō)明國(guó)內(nèi)油菜籽和芝麻市場(chǎng)價(jià)格的變動(dòng)主要受產(chǎn)量大省影響。例如，湖北省 2019 年油菜籽產(chǎn)量為 211. 35 萬(wàn)噸，占全國(guó)總產(chǎn)量的 15. 67%，是安徽省的 2. 42 倍。所以安徽油菜籽的市場(chǎng)價(jià)格會(huì)單向受湖北的影響。2019 年江西省的芝麻產(chǎn)量為 3. 61 萬(wàn)噸，在全國(guó)排第三位，是山東省的34. 12倍。所以江西芝麻價(jià)格變動(dòng)會(huì)影響山東的市場(chǎng)價(jià)格。就花生市場(chǎng)而言，價(jià)格變動(dòng)并不一定受產(chǎn)量大省的影響。例如，2019年山東省的花生產(chǎn)量為 284. 76萬(wàn)噸，是江蘇省 42. 71萬(wàn)噸的 6. 67 倍，但檢驗(yàn)結(jié)果顯示，山東市場(chǎng)價(jià)格變動(dòng)不是江蘇的格蘭杰原因。作為花生產(chǎn)量第二大省，山東并不總是價(jià)格變動(dòng)的成因。可能的解釋是，山東花生的產(chǎn)量大于需求，花生多外銷(xiāo)，因而價(jià)格受到江蘇消費(fèi)市場(chǎng)價(jià)格的影響。

　　5 結(jié)論與建議

　　本文以油菜籽、花生和芝麻為例，通過(guò)收集高頻 的 時(shí) 間 序 列 數(shù) 據(jù) ，運(yùn) 用 Johansen 協(xié) 整 檢 驗(yàn) 和 VECM 模型，分析了國(guó)內(nèi)油料作物市場(chǎng)的長(zhǎng)期和短期整合關(guān)系。并使用格蘭杰因果關(guān)系檢驗(yàn)，分析了不同地區(qū)市場(chǎng)價(jià)格信息是如何互相傳遞的。研究結(jié)果表明：從長(zhǎng)期來(lái)看，油菜籽、花生和芝麻的市場(chǎng)價(jià)格之間關(guān)聯(lián)較為密切，說(shuō)明國(guó)內(nèi)油料作物市場(chǎng)存在長(zhǎng)期整合關(guān)系;從短期來(lái)看，國(guó)內(nèi)油料作物市場(chǎng)價(jià)格的短期整合程度較高，根據(jù)調(diào)整速度，從高到低依次是花生、油菜籽和芝麻。從因果關(guān)系來(lái)看， 70% 的油菜籽市場(chǎng)、57. 14% 的花生市場(chǎng)和 30% 的芝麻市場(chǎng)價(jià)格之間存在雙向因果關(guān)系，說(shuō)明油料作物市場(chǎng)價(jià)格信息并非完全對(duì)稱且有效的傳遞。根據(jù)以上研究結(jié)論，提出如下政策建議。首先，對(duì)于油菜籽來(lái)說(shuō)，市場(chǎng)整合程度較高，不同地區(qū)價(jià)格信息傳遞相對(duì)有效，建議進(jìn)一步改善市場(chǎng)環(huán)境，減少政策干預(yù)，從而進(jìn)一步激發(fā)市場(chǎng)的活力，有效調(diào)節(jié)供需水平。其次，對(duì)于花生來(lái)說(shuō)，市場(chǎng)整合程度較高，但不同地區(qū)價(jià)格信息傳遞效果相對(duì)較差，建議完善價(jià)格信息平臺(tái)建設(shè)，增強(qiáng)信息發(fā)布的權(quán)威性、及時(shí)性和有效性，從而減少信息不對(duì)稱情況，提高市場(chǎng)的透明度。最后，對(duì)于芝麻來(lái)說(shuō)，存在長(zhǎng)期市場(chǎng)整合關(guān)系，但短期市場(chǎng)整合程度較差，且不同地區(qū)信息傳遞不夠完善，建議加強(qiáng)構(gòu)建現(xiàn)代物流體系，建設(shè)現(xiàn)代化倉(cāng)儲(chǔ)中心、交易平臺(tái)和配送系統(tǒng)，從而提高產(chǎn)銷(xiāo)雙方的對(duì)接效率。同時(shí)加強(qiáng)芝麻的價(jià)格信息收集，推動(dòng)建設(shè)包含生產(chǎn)、流通和消費(fèi)環(huán)節(jié)的大數(shù)據(jù)庫(kù)，為產(chǎn)銷(xiāo)雙方提供及時(shí)的市場(chǎng)行情。