羅 屹 黃 東 武拉平 曹芳芳

(1.國家發(fā)展和改革委員會 價格成本調(diào)查中心，北京 100045； 2.湖南省社會科學(xué)院 經(jīng)濟(jì)研究所，長沙 410003； 3.中國農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100083； 4.中國農(nóng)業(yè)科學(xué)院 農(nóng)業(yè)經(jīng)濟(jì)與發(fā)展研究所，北京 100081)

中國人多地少，需要以地球5%的水資源、7%的耕地養(yǎng)活全球19%的人口，水土等自然資源相對短缺對中國糧食安全造成約束。糧食安全一直是治國理政的重點，糧食問題始終是中國農(nóng)業(yè)經(jīng)濟(jì)研究關(guān)注的焦點。在糧食產(chǎn)后環(huán)節(jié)中，農(nóng)戶儲備是重要組成部分。中國農(nóng)戶自古以來就有儲糧備荒的傳統(tǒng)，絕大多數(shù)農(nóng)戶會儲備一年的口糧和飼料用糧，加上部分商業(yè)庫存，農(nóng)戶儲糧數(shù)量龐大。研究顯示，農(nóng)戶儲糧數(shù)量占當(dāng)年產(chǎn)量的40%～50%。作為中國糧食儲備體系的重要一環(huán)，農(nóng)戶儲備關(guān)系到國家糧食安全。因此學(xué)界對中國農(nóng)戶的儲糧問題進(jìn)行了豐富的探討。

現(xiàn)有關(guān)于農(nóng)戶糧食儲備的研究主要集中在以下幾方面。第一，農(nóng)戶儲糧概念界定及衡量指標(biāo)。國際上公認(rèn)的糧食儲備概念是由糧農(nóng)組織(FAO)提出的，即在新的作物年度開始時，可以從上一年度的作物中得到(包括進(jìn)口)的糧食儲備量，也叫做結(jié)轉(zhuǎn)儲備或緩沖儲備。因此，農(nóng)戶的糧食儲備即農(nóng)戶糧食結(jié)轉(zhuǎn)儲備，是指在一個新的作物年度開始時，農(nóng)戶可從上一年度收獲的糧食中得到的糧食庫存量，包括以銷售為目的的商業(yè)庫存以及后備儲備部分。在以往的研究中，學(xué)者多用農(nóng)戶年末糧食儲備量作為衡量農(nóng)戶儲糧數(shù)量的指標(biāo)。另外，也有一些學(xué)者用農(nóng)戶存糧可供消費的月數(shù)、儲糧數(shù)量占糧食產(chǎn)量之比和年平均儲備量等指標(biāo)衡量農(nóng)戶儲糧。

第二，中國農(nóng)戶糧食儲備規(guī)模及結(jié)構(gòu)的估計與推算。柯炳生基于22省550戶農(nóng)戶調(diào)查數(shù)據(jù)發(fā)現(xiàn)中國農(nóng)戶的糧食儲備數(shù)量在改革開放后大幅增長，從1981年的0.3億t增長到1995年的約0.9億t。孫劍非利用國家統(tǒng)計局的歷年資料推算出1997年中國農(nóng)戶糧食儲備量為1.02億t，1998年為1.16億t。近年來，隨著社會經(jīng)濟(jì)穩(wěn)步發(fā)展、城鎮(zhèn)化加速推進(jìn)和鄉(xiāng)村基礎(chǔ)設(shè)施改善，越來越多的農(nóng)戶依靠市場滿足自身糧食需求，農(nóng)戶糧食儲備數(shù)量減少。例如，魏霄云等基于1995—2017年全國農(nóng)村固定觀察點數(shù)據(jù)，發(fā)現(xiàn)隨著時間推移，山西、貴州和浙江等糧食缺口較大省份的農(nóng)戶糧食儲備規(guī)模和儲糧可用時間均顯著下降，家庭糧食消費更多地依賴市場。從結(jié)構(gòu)上看，中國農(nóng)戶糧食儲備呈明顯的地域化特征。張穎通過對陜西省22縣(區(qū))271戶農(nóng)戶調(diào)查數(shù)據(jù)發(fā)現(xiàn)，2010年，陜西農(nóng)戶戶均儲糧577 kg，其中水稻82 kg，小麥244 kg，玉米236 kg，大豆5.6 kg。曾廣偉通過對河南省10個鄉(xiāng)鎮(zhèn)的48戶農(nóng)戶調(diào)查發(fā)現(xiàn)，2011年，河南農(nóng)戶戶均儲糧620 kg，其中小麥350 kg，玉米184 kg，稻谷77 kg。廣東省價格成本調(diào)查隊在廣東34個縣對388個農(nóng)戶進(jìn)行調(diào)查發(fā)現(xiàn)，2015年，廣東農(nóng)戶戶均儲糧505 kg，其中晚秈稻427 kg，早秈稻戶78 kg。另外，根據(jù)《全國農(nóng)村固定觀察點調(diào)查數(shù)據(jù)匯編(2010～2015年)》數(shù)據(jù)，截至2015年，全國農(nóng)戶家庭年末平均存糧約1 400 kg，占糧食產(chǎn)量的40%。

第三，農(nóng)戶儲糧動機(jī)分析。農(nóng)戶儲糧的基本動機(jī)是糧食消費安全，糧食儲備被廣大中國農(nóng)戶看作是一種生活儲蓄，用于保障自己的生活。Park在此基礎(chǔ)上建立動態(tài)規(guī)劃模型，從消費平滑的視角切入，研究發(fā)現(xiàn)，在市場不完全和市場低效率情況下，農(nóng)戶儲糧的動機(jī)為消費安全和交易成本最小化。部分學(xué)者將市場因素納入研究范圍，認(rèn)為農(nóng)戶儲糧的動機(jī)也包括價格投機(jī)。

第四，農(nóng)戶糧食儲備影響因素研究。首先，多數(shù)學(xué)者認(rèn)為收入因素對農(nóng)戶儲糧影響巨大?？卤J(rèn)為，家庭收入是影響農(nóng)戶儲糧的重要因素，對低收入者來說，收入與儲備傾向正相關(guān)；而對高收入者來說，收入與儲備傾向負(fù)相關(guān)。全國農(nóng)村固定觀察點辦公室根據(jù)中國農(nóng)戶調(diào)查數(shù)據(jù)證實，中國農(nóng)戶儲糧數(shù)量在其收入水平跨過某個節(jié)點后呈下降趨勢。部分學(xué)者基于此提出了收入與農(nóng)戶儲糧數(shù)量的倒“U”型假說，即當(dāng)農(nóng)戶收入較低時，收入增長會增加其糧食儲備；而當(dāng)農(nóng)戶收入較高時，收入的提高會減少其糧食儲備，更多依靠市場保障糧食消費。其次，生產(chǎn)因素也是影響農(nóng)戶儲糧的重要因素。武翔宇利用22省調(diào)研數(shù)據(jù)證實，農(nóng)戶儲糧數(shù)量與糧食產(chǎn)量正相關(guān)。此結(jié)論也被部分學(xué)者證實。但與上述學(xué)者的結(jié)論不同，余志剛等對主產(chǎn)區(qū)農(nóng)戶的糧食儲備行為進(jìn)行分析發(fā)現(xiàn)，糧食產(chǎn)量與儲備水平呈負(fù)相關(guān)，其認(rèn)為生產(chǎn)能力越高，儲備水平越低。第三，價格因素。根據(jù)理性農(nóng)戶假說，糧食價格上升，農(nóng)戶會追逐利潤而釋放儲備，反之則增加儲備。因而大部分學(xué)者在進(jìn)行農(nóng)戶儲糧研究時也將糧食價格考慮在內(nèi)。最后，農(nóng)戶儲備行為還受到其他因素的影響。例如，市場發(fā)育程度，政府糧食政策，農(nóng)村社會保障體系和衛(wèi)生條件，以及決策者特征差異。

相比于經(jīng)濟(jì)研究側(cè)重于生產(chǎn)、市場和價格等因素造成農(nóng)戶儲糧差異，生物研究學(xué)者更多關(guān)注的是由于霉菌、蟲害和嚙齒動物等造成的儲糧損失對農(nóng)戶儲糧的影響。部分研究人員認(rèn)為儲糧損失過大是小農(nóng)戶在收獲后立即將大部分糧食售出的重要原因。例如，在非洲和亞洲部分地區(qū)，玉米儲存6個月后，損失高達(dá)30%。顯然，面對潛在的高損失率，收獲后立即銷售糧食是避免蟲害造成損失的最佳方案。雖然來自非洲等地的一些證據(jù)表明，現(xiàn)代儲存技術(shù)，如密封袋、金屬倉和化學(xué)藥劑可以減少儲糧過程中的損失，但價格昂貴，難以在小農(nóng)中進(jìn)行推廣。中國政府于2007年啟動農(nóng)戶科學(xué)儲糧試點工作，向農(nóng)戶推廣科學(xué)儲糧裝具，雖減損效果明顯，但普及率低。因此，缺乏有效的儲存技術(shù)可能會導(dǎo)致廣大小農(nóng)戶在收獲時立即售出大部分糧食，而非儲存糧食待價而沽。那么，儲存損失會不會影響中國農(nóng)戶的糧食管理決策和儲糧規(guī)模就值得深入研究。然而，現(xiàn)有研究多將儲存損失作為儲存成本的組成部分而不單獨考慮；一些單獨考慮儲糧損失影響的研究也過于簡單，缺乏理論基礎(chǔ)?；诖耍狙芯繉Z損失內(nèi)生化，引入農(nóng)戶糧食儲備決策模型，研究農(nóng)戶儲糧損失對農(nóng)戶儲糧決策的影響，旨在拓展當(dāng)前關(guān)于農(nóng)戶糧食儲備的研究，更好地發(fā)揮農(nóng)戶糧食儲備對糧食市場“蓄水池”和“穩(wěn)定器”作用，保障國家糧食安全。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

2016年，本研究研究團(tuán)隊與農(nóng)業(yè)農(nóng)村部農(nóng)村固定觀察點辦公室合作，對中國28個省(區(qū)、市)的3 496戶農(nóng)戶進(jìn)行水稻、小麥、玉米、土豆、油菜籽等八大糧油作物儲備和儲備損失情況調(diào)查。調(diào)查采用分層隨機(jī)抽樣方式進(jìn)行，首先，根據(jù)糧食總產(chǎn)量的比重，在各省(區(qū)、市)分配樣本量，總產(chǎn)量高的地區(qū)，樣本量更多。其次，在每個省(區(qū)、市)選擇兩個縣，每個縣選擇兩個村。最后，在每個村中隨機(jī)抽選樣本農(nóng)戶，每個村的被訪戶數(shù)為15～30戶。調(diào)查于2016年夏季開展，受訪農(nóng)戶回溯其2015年度糧食生產(chǎn)、儲備和損失情況，并基于農(nóng)戶標(biāo)識碼(省碼+村碼+戶碼)合并固定觀察點已有調(diào)查數(shù)據(jù)(包括住戶數(shù)據(jù)和家庭收入數(shù)據(jù))。

本次研究選取的作物是玉米，玉米是中國重要的糧食作物，產(chǎn)量連續(xù)多年位居各糧食作物首位。玉米儲備調(diào)查涵蓋北京、天津、河北、山西、內(nèi)蒙古、遼寧、吉林、黑龍江、江蘇、安徽、山東、河南、湖北、湖南、廣西、云南、貴州、四川、重慶、陜西、甘肅、寧夏、新疆等23省(自治區(qū)、市)，覆蓋中國三大玉米優(yōu)勢區(qū)(北方春玉米優(yōu)勢區(qū)、黃淮海夏玉米優(yōu)勢區(qū)、西南玉米優(yōu)勢區(qū))，囊括中國絕大部分玉米種植省份，被調(diào)查地區(qū)2015年玉米產(chǎn)量占全國玉米總產(chǎn)量的84.15%。因此，本次調(diào)查數(shù)據(jù)在空間分布上具有良好的代表性。剔除無效樣本后，此次調(diào)查共收集樣本1 199份。需要說明的是，部分農(nóng)戶存在品種兼業(yè)，為了保留這部分樣本，此次分析將這些農(nóng)戶作為獨立樣本納入研究。

表1 調(diào)研樣本分布
Table 1 Sample distribution

區(qū)域 Region 省份Province樣本量Observations華北 North China北京、天津、河北、山西、內(nèi)蒙古175東北 Northeast黑龍江、吉林、遼寧381華東 East China江蘇、安徽、山東78中南 Central South廣西、湖南、湖北、河南244西南 Southwest四川、重慶、云南、貴州192西北 Northwest陜西、新疆、甘肅、寧夏129合計 Total1 199

1.2 研究方法

1

.

2

.

1

理論推導(dǎo)

從經(jīng)濟(jì)學(xué)上講，農(nóng)戶作為理性人，儲糧目標(biāo)是實現(xiàn)效用最大化。借鑒Saha等以及Kadjoa等的研究，假定存在一個消費周期，消費周期包括收獲期和產(chǎn)后期，農(nóng)戶在收獲后進(jìn)行儲糧決策。新的收獲期開始意味著一個消費周期的結(jié)束，而產(chǎn)后期則始于家庭開始使用存糧或從市場中購買糧食。在整個周期內(nèi)，糧食的價格可能出現(xiàn)波動。假定在收獲期，糧食大量上市，價格較低；而產(chǎn)后期的糧食價格逐漸升高，詳見圖1。

圖1 糧食生產(chǎn)和消費周期Fig.1 Grain production and consumption cycles

假定在每個周期(收獲和產(chǎn)后期)，農(nóng)戶通過消費主糧(

M

)和非食品集合(

Y

)獲得效用。在每個周期中，家庭面臨收獲期(

H

)和產(chǎn)后(

L

)的效用最大化問題，如下式所示。Max

V

=

U

(

M

,

Y

)+

γE

U

(

M

,

Y

)

(1)

假設(shè)效用函數(shù)

U

是二次可微，

E

U

表示農(nóng)戶在收獲期對產(chǎn)后期效用的預(yù)期，

γ

是一個折扣因子。在此基礎(chǔ)上增加存儲損失的不確定性。因為假定在產(chǎn)后期沒有生產(chǎn)，如果農(nóng)戶決定儲存糧食，有效的儲存技術(shù)將是一個先決條件。因此，收獲的糧食可被視為通過儲存技術(shù)轉(zhuǎn)化為產(chǎn)后期的供給，存儲約束可以定義為：

(2)

式中：表示產(chǎn)后可用糧食數(shù)量，

T

代表儲存技術(shù)，

S

即農(nóng)戶在收獲期儲存的糧食，表示儲存環(huán)節(jié)糧食損失水平。那么，當(dāng)農(nóng)戶進(jìn)行決策時：

Q

-

S

-

I

=

M

(3)

P

I

+

B

-1-

B

=

Y

(4)

(5)

(1+

r

)

B

-

P

A

=

Y

(6)

其中：式(3)為收獲時的糧食分配，農(nóng)戶在收獲期將生產(chǎn)的糧食(

Q

)分配給消費(

M

)、存儲(

S

)和銷售(

I

)。式(4)表示農(nóng)戶收獲期面臨的流動性約束，

B

-1表示家庭在此之前的儲蓄，

P

I

表示在該期以

P

價格銷售

I

數(shù)量的糧食，

B

則表示農(nóng)戶該期可能進(jìn)行的儲蓄，假設(shè)其利率為

r

，

Y

表示農(nóng)戶可使用的總金額。式(5)和(6)表示的是產(chǎn)后期農(nóng)戶的約束條件。式(5)表示農(nóng)戶產(chǎn)后期可用的糧食，表示剔除損失后，農(nóng)戶自留糧食數(shù)量，

A

表示農(nóng)戶從市場中購買的糧食數(shù)量，價格為

P

，

S

表示農(nóng)戶在產(chǎn)后期使用儲糧后的糧食剩余數(shù)量。式(6)表示農(nóng)戶將糧食以

P

價格銷售

I

數(shù)量的糧食，

Y

表示農(nóng)戶支出。

將式(3)和(4)代入(1)中，可得一個新的函數(shù)，并求收獲時關(guān)于儲存決策的一階條件：

(7)

式(7)也可寫成：

(8)

注：

因此，農(nóng)戶在進(jìn)行儲存決策時會考慮儲存損失。

1

.

2

.

2

模型設(shè)定

當(dāng)然，除受儲糧損失影響外，現(xiàn)有研究證實，農(nóng)戶的儲糧行為還受到糧食產(chǎn)量、家庭收入、市場發(fā)育程度、戶主特征等因素影響。據(jù)此，建立如下計量模型：

lnstorage=

α

+

α

harvest+

α

δ

+

α

market+

α

income+

α

∑others+

μ

(9)

式中：storage代表農(nóng)戶儲糧數(shù)量，harvest為糧食產(chǎn)量，

δ

是糧食儲存損失水平，market代表市場發(fā)育程度，income代表農(nóng)戶家庭收入，others代表除上述變量以外的其他變量，包括農(nóng)戶特征、牲畜飼養(yǎng)情況等。

1

.

2

.

3

估計方法普通最小二乘法(OLS)只能估計各因素對儲糧數(shù)量均值的影響，而無法全面觀察各因素對不同分布下農(nóng)戶儲糧數(shù)量的影響。與普通最小二乘法不同，分位數(shù)回歸(quantile regression)主要考察的是不同分位數(shù)水平下的自變量對因變量的解釋程度，其能夠描述解釋變量對不同分位數(shù)上被解釋變量的影響，且不要求誤差項為正態(tài)分布。另外，分位數(shù)回歸結(jié)果不易受極端值的影響，因而更加穩(wěn)健。因此，本研究選擇分位數(shù)回歸方法分析農(nóng)戶儲糧影響因素。分位數(shù)回歸的基本思想為：對于不同的權(quán)重

τ

，使用殘差絕對值的加權(quán)總和作為目標(biāo)函數(shù)，通過求解最小化目標(biāo)函數(shù)得到相應(yīng)的參數(shù)估計量。分位數(shù)估計步驟如下：

Y

=

F

(

y

)=Prob(

Y

<

y

)

(10)

式中：

Y

為農(nóng)戶儲糧數(shù)量；

F

(

y

)為農(nóng)戶儲糧數(shù)量的概率分布函數(shù)。那么：Q(

τ

)=inf{

y

∶

F

(

y

)≥

τ

}

(11)

式中：

Q

(

τ

)為

Y

的

τ

(0<

τ

<1=分位數(shù)，

Q

(

τ

)滿足

F

(

y

)≥

τ

的最小

y

值。由(7)式可知，農(nóng)戶儲糧數(shù)量的條件均值函數(shù)是線性的，則農(nóng)戶儲糧數(shù)量的期望值為：

E

(

Y

|

X

=

x

)=

E

(

L

)=

E

(

F

(

X

,

μ

))=

X

′

β

(12)

式中：

X

為農(nóng)戶儲糧數(shù)量的解釋變量向量；

β

為回歸系數(shù)向量。根據(jù)分位數(shù)回歸思想，當(dāng)對分位點

τ

的樣本數(shù)據(jù)回歸時，其目標(biāo)是使

τ

分位點函數(shù)的加權(quán)殘差絕對值之和最小，即：min{∑≥′

τ

|

Y

-

X

′

β

|+ ∑<′(1-

τ

)|

Y

-

X

′

β

|}

(13)

對式(13)求解得到參數(shù)估計值：

∑<′(1-

τ

)|

Y

-

X

′

β

|}

(14)

式中：為被估計參數(shù)；其數(shù)值的大小表示

τ

分位點上影響因素對農(nóng)戶儲糧數(shù)量的影響程度。因此，在不同分位點下，模型可以刻畫相應(yīng)條件分布下

Y

的分布軌跡。如此，利用分位數(shù)回歸法可以全面探究各因素對農(nóng)戶儲糧規(guī)模的影響。在本研究中，以農(nóng)戶儲糧數(shù)量為解釋變量，分別將

τ

的取值設(shè)定為0.1、0.3、0.5、0.7和0.9等5個具有代表性的分位數(shù)水平進(jìn)行分析。

1.3 變量定義及描述性統(tǒng)計

表2給出了本研究模型變量的定義與描述性統(tǒng)計。同時，為反映可能出現(xiàn)的地區(qū)分化情況，在描述性統(tǒng)計時，將黑龍江、吉林、遼寧、河北、山東、內(nèi)蒙古、河南等7省(自治區(qū))作為玉米主產(chǎn)區(qū)予以分列，這些地區(qū)的樣本量為643戶。

本研究的農(nóng)戶儲糧數(shù)量是指上年結(jié)轉(zhuǎn)數(shù)量加上當(dāng)年入庫數(shù)量。從儲糧數(shù)量上看，中國農(nóng)戶年均儲糧3 968.71 kg，不同農(nóng)戶間的儲糧行為差異較大，儲糧數(shù)量標(biāo)準(zhǔn)差為6 710.44 kg。從糧食產(chǎn)量上看，農(nóng)戶平均玉米產(chǎn)量5 501.90 kg，也就是說70%以上的玉米并非在收獲后直接賣出，而是進(jìn)入農(nóng)戶家庭庫存。在產(chǎn)量與儲備量方面，主產(chǎn)區(qū)均明顯高于全國平均水平，其儲糧數(shù)量和產(chǎn)量分別達(dá)6 008.09 kg、8 638.25 kg。

本研究所用的糧食價格數(shù)據(jù)是農(nóng)戶收獲時當(dāng)?shù)氐挠衩资袌鰞r格。從理論上講，收獲時市場價格越高，農(nóng)戶可能選擇將更多的糧食直接出售。本次調(diào)查獲得的玉米市場價格平均為1.78元/kg。農(nóng)戶對未來的價格預(yù)期也會影響儲備決策，如果農(nóng)戶預(yù)計未來價格將會上升，則很可能選擇儲備糧食，擇機(jī)銷售。本研究使用“未來價格是否會上漲”的虛擬變量作為農(nóng)戶對價格的預(yù)期，41%的農(nóng)戶預(yù)計收獲期后價格將上升。在市場價格和價格預(yù)期方面，主產(chǎn)區(qū)與全國平均水平也略有區(qū)別，主產(chǎn)區(qū)收獲時的價格更低，為1.63元/kg，僅有26%的農(nóng)戶認(rèn)為未來價格會上漲。

市場發(fā)育程度用家庭距最近糧庫的距離來衡量，距離糧庫越近，市場發(fā)育程度越高，反之越低，其平均值為7.32 km，主產(chǎn)區(qū)農(nóng)戶距糧庫的距離稍遠(yuǎn)，為8.87 km。同時，距離糧庫的遠(yuǎn)近也能反映農(nóng)戶售糧的便利程度，距離越遠(yuǎn)，售糧越不方便；距離越近，售糧越方便。從收入上看，本次調(diào)查的農(nóng)戶年均收入58 588.06元，收入水平在不同農(nóng)戶之間的變動范圍也非常大，標(biāo)準(zhǔn)差為53 527.48元。主產(chǎn)區(qū)農(nóng)戶家庭收入稍低于全國平均水平，為57 055.21元。儲存條件也會影響農(nóng)戶儲糧決策，本研究使用“是否使用金屬倉等先進(jìn)設(shè)施”的虛擬變量反映農(nóng)戶儲存條件。結(jié)果表明，僅有35%的農(nóng)戶使用金屬倉等先進(jìn)儲備設(shè)施，主產(chǎn)區(qū)為34%。

表2 變量定義與描述性統(tǒng)計
Table 2 Variable description and descriptive statistical analysis

變量 Variable 變量定義Variable definition所有樣本(N=1 199)All samples主產(chǎn)區(qū)樣本(N=643)Samples in major area均值Mean標(biāo)準(zhǔn)差Stand error均值Mean標(biāo)準(zhǔn)差Stand error儲糧數(shù)量Storage quantity農(nóng)戶當(dāng)年儲糧數(shù)量/kg3 968.716 710.446 008.098 430.15糧食產(chǎn)量Grain output農(nóng)戶當(dāng)年玉米收獲量/kg5 501.909883.568 638.2512 453.47糧食價格 Price收獲時的玉米市場價格/(元/kg)1.780.441.630.23價格預(yù)期Price expectation未來玉米價格是否上升。是=1;否=00.410.490.260.44市場發(fā)育程度Market development家庭距離最近糧庫的距離/km7.3210.928.8713.47儲備設(shè)施Storage device是否使用金屬倉等先進(jìn)設(shè)施。是=1;否=00.350.480.340.47收入水平 Income家庭年收入/元58 588.0653 527.4857 055.2151 827.38儲糧損失率Storage loss預(yù)期儲糧損失水平=儲糧損失/儲糧數(shù)量0.020.030.010.02家庭常住人口Population家庭常住人口數(shù)量(居住半年以上)/人2.961.462.891.38非農(nóng)就業(yè)Non-farm payroll是否存在非農(nóng)就業(yè)人口。是=1,否=00.700.460.630.48牲畜飼養(yǎng)狀況Livestock breeding是否飼養(yǎng)家禽和牲畜。是=1,否=00.120.320.050.21性別 Gender戶主性別。男=1;女=00.830.370.850.36年齡 Age戶主年齡/歲53.8710.9852.8810.61受教育年限Education戶主接受學(xué)歷教育的年限/年7.092.587.412.32宗教信仰狀況Religious是否信仰宗教。是=1;否=00.030.180.030.16住房面積House area農(nóng)戶住房總面積/m2140.3693.46119.5989.49節(jié)約意識Awareness of saving收獲后是否撿拾糧食。是=1,否=00.390.490.430.49

本研究中的儲糧損失率是農(nóng)戶對當(dāng)年儲糧損失的估計。由于農(nóng)戶生活環(huán)境、生產(chǎn)方式等短時間內(nèi)不會發(fā)生較大變化，基于靜態(tài)預(yù)期理論，本研究假設(shè)該儲糧損失為農(nóng)戶預(yù)期儲糧損失。如果儲糧損失率過高，那么會選擇在收獲后立即將大部分糧食賣出，以避免損失。平均來看，農(nóng)戶的儲糧損失較低，為2%，但不同農(nóng)戶之間的差異較大，標(biāo)準(zhǔn)差達(dá)3%。主產(chǎn)區(qū)農(nóng)戶儲糧損失率低于全國平均水平，為1%。

最后，農(nóng)戶家庭常住人口數(shù)、非農(nóng)就業(yè)、牲畜飼養(yǎng)狀況、戶主性別、年齡、受教育年限、宗教信仰狀況、家庭住房面積和節(jié)約意識等變量作為控制變量引入模型。根據(jù)統(tǒng)計，農(nóng)戶家庭平均常住人口2.96人，70%的農(nóng)戶家庭存在非農(nóng)就業(yè)情況，12%的農(nóng)戶存在牲畜飼養(yǎng)行為，39%的農(nóng)戶節(jié)約意識較強，尤其是主產(chǎn)區(qū)農(nóng)戶的節(jié)約意識強于其他地區(qū)，該指標(biāo)值為43%。

2 結(jié)果與分析

2.1 估計結(jié)果

表3為OLS回歸和分位數(shù)回歸結(jié)果，為了對比，第2列為穩(wěn)健標(biāo)準(zhǔn)誤條件下的OLS回歸結(jié)果，第3～7列為各分位點分位數(shù)回歸結(jié)果?；貧w中加入地區(qū)虛擬變量控制了不同地區(qū)的影響。

根據(jù)表3，多元線性回歸與分位數(shù)回歸模型的擬合程度均較好。OLS的結(jié)果顯示，糧食產(chǎn)量、收入水平、節(jié)約意識與農(nóng)戶儲糧數(shù)量正相關(guān)，儲糧損失、糧食價格、市場發(fā)育程度、非農(nóng)就業(yè)、住房面積、年齡、受教育年限與農(nóng)戶儲糧數(shù)量負(fù)相關(guān)。為了考察在不同分位點上各影響因素的作用，接下來分析分位數(shù)回歸結(jié)果。

在所有分位點上，儲糧損失與農(nóng)戶儲糧數(shù)量顯著負(fù)相關(guān)，說明農(nóng)戶預(yù)期儲糧損失越大，就會減少儲糧規(guī)模。同時，該變量的系數(shù)絕對值呈下降趨勢，表明儲糧損失對儲糧數(shù)量大的農(nóng)戶影響較小，受其影響較大的是中小規(guī)模農(nóng)戶。這可能是因為相對小規(guī)模農(nóng)戶，大規(guī)模農(nóng)戶具有較高水平的儲糧技術(shù)和設(shè)備，其防損、減損能力較強；并且在處理突發(fā)情況，如蟲害爆發(fā)時，有更強的應(yīng)對能力。另外，大規(guī)模農(nóng)戶的主要收入來源是糧食銷售收入，農(nóng)戶即使是考慮到儲備損失的影響，也會傾向于儲備一定數(shù)量的糧食，待價而沽，賺取價格波動收益。

除0.1分位點外，糧食產(chǎn)量與農(nóng)戶儲糧數(shù)量顯著正相關(guān)，說明糧食產(chǎn)量越高，農(nóng)戶將儲藏更多的糧食。同時，其系數(shù)絕對值呈現(xiàn)上升趨勢，說明糧食產(chǎn)量越高的農(nóng)戶儲備意愿更強。這是因為大規(guī)模農(nóng)戶的主要收入來源是糧食銷售，其更愿意將糧食儲備起來，擇機(jī)銷售。

除0.9分位點外，收獲期價格與農(nóng)戶儲備數(shù)量顯著負(fù)相關(guān)，說明收獲期價格高，農(nóng)戶傾向于將糧食賣出，鎖定收益。從系數(shù)上看，隨著分位數(shù)增加，收獲期價格的系數(shù)絕對值先增后降；并且，0.1和0.3分位點的系數(shù)大于0.5和0.7分位點的系數(shù)，說明中小規(guī)模農(nóng)戶的儲備決策受收獲期價格的影響更大?？赡艿脑蛟谟?，中小規(guī)模農(nóng)戶糧食數(shù)量較少，大規(guī)模農(nóng)戶糧食數(shù)量較多，面對較高的市場價格，中小農(nóng)戶可能會選擇大量銷售，而大規(guī)模農(nóng)戶可能會繼續(xù)保留一部分糧食，擇機(jī)銷售。

在所有分位點上，市場發(fā)育程度與農(nóng)戶儲備數(shù)量顯著負(fù)相關(guān)，表明距離糧庫越遠(yuǎn)，農(nóng)戶儲備數(shù)量更低。其系數(shù)絕對值呈現(xiàn)先增后降趨勢，說明市場發(fā)育程度變量對中規(guī)模農(nóng)戶的儲糧數(shù)量產(chǎn)生的影響大于大小規(guī)模農(nóng)戶?？赡艿脑蛟谟?，小規(guī)模農(nóng)戶糧食數(shù)量少，運輸方式靈活，而大規(guī)模農(nóng)戶更有可能購買自有運輸工具，運輸便利。因此，距離對這兩種規(guī)模農(nóng)戶糧食銷售的影響小于中等規(guī)模農(nóng)戶。

在所有分位點上，非農(nóng)就業(yè)與農(nóng)戶儲備數(shù)量顯著負(fù)相關(guān)，這表明存在非農(nóng)就業(yè)的家庭會減少糧食儲備。其系數(shù)絕對值呈下降趨勢，說明非農(nóng)就業(yè)對小規(guī)模農(nóng)戶儲糧數(shù)量的影響更為顯著，大規(guī)模農(nóng)戶因其糧食產(chǎn)量更高，糧食收入更多，更有意愿儲備一定數(shù)量的糧食，造成非農(nóng)就業(yè)對大規(guī)模農(nóng)戶的影響相對較弱。

在所有分位點上，節(jié)約意識與農(nóng)戶糧食儲備規(guī)模顯著正相關(guān)，說明節(jié)約意識較強的農(nóng)戶儲備的糧食更多?？赡艿脑蚴枪?jié)約意識較強的農(nóng)戶，其風(fēng)險規(guī)避意識也較強，會存有一定的糧食以備不時之需。其系數(shù)絕對值呈下降趨勢，這說明節(jié)約意識對低儲糧數(shù)量的農(nóng)戶影響較大，對大規(guī)模儲糧數(shù)量的農(nóng)戶影響較小。

表3 儲糧損失對農(nóng)戶儲糧決策的影響
Table 3 The impact of storage loss on storage decision

變量 Variable 估計方法 Estimation methodOLS分位數(shù)回歸0.10.30.50.70.9儲糧損失Storage loss-9.72***(-4.46)-16.89***(-2.92)-13.52***(-4.61)-12.92***(-6.75)-8.29***(-4.47)-3.92***(-3.03)糧食產(chǎn)量Grain output0.04***(3.98)0.01(1.10)0.06***(4.82)0.09***(10.28)0.11***(7.81)0.13***(8.55)糧食價格Price-0.42***(-4.14)-0.64*(-1.76)-0.82***(-3.22)-0.46**(-2.46)-0.25***(-3.27)-0.14(-1.31)價格預(yù)期Price expectation-0.03(-0.39)0.19(1.22)0.02(0.17)-0.04(-0.43)-0.04(-0.46)-0.04(-0.59)市場發(fā)育程度Market development-0.02***(7.89)-0.01**(-2.02)-0.03***(-4.90)-0.03***(-5.48)-0.03***(-4.97)-0.01**(-2.16)儲備設(shè)施Storage device-0.06(-0.76)0.14(0.70)-0.16(-1.11)-0.10(-1.44)-0.17**(-2.30)-0.02(-0.26)收入水平(對數(shù))Income (logarithm)0.26***(4.55)0.09(0.82)0.26***(3.53)0.26***(3.38)0.17**(2.25)0.10(1.47)家庭常住人口Population-0.01(-0.22)0.03(0.64)0.02(0.54)-0.02(-0.72)-0.04*(-1.78)0.002(0.08)非農(nóng)就業(yè)Non-farm payroll-0.45***(-5.38)-0.45**(-2.55)-0.30***(-2.65)-0.45***(-5.72)-0.27***(-3.85)-0.10*(-1.70)牲畜飼養(yǎng)情況Livestock breeding-0.08(-0.67)0.09(0.37)0.05(0.36)-0.18(-1.07)-0.13(-1.35)-0.07(-0.86)住房面積House area-0.002***(-4.28)-0.001(-1.07)-0.003***(-5.15)-0.001(-1.20)-0.001(-1.58)-0.001(-1.25)節(jié)約意識Awareness of saving0.35***(4.28)0.46***(3.56)0.45***(5.25)0.31***(4.10)0.16**(2.26)0.18***(3.47)性別Gender-0.10(-1.00)-0.18(-0.86)-0.24(-1.13)-0.23*(-1.90)-0.13(-1.63)-0.03(-0.36)年齡Age-0.02***(-4.83)-0.02***(-2.96)-0.02***(-4.12)-0.01***(-2.61)-0.01**(-2.50)-0.004(-1.43)受教育年限Education-0.01*(-0.97)-0.02(-0.97)-0.03(-1.00)-0.001(-0.03)-0.01(-0.74)-0.004(-0.25)宗教信仰狀況Religious0.18(0.98)0.73(1.42)0.10(0.50)0.32(1.14)0.17(0.96)-0.05(-0.30)地區(qū)虛擬變量Location dummy已控制常數(shù)Constant6.84***(10.54)7.31***(6.83)7.45***(8.97)6.62***(8.07)7.39***(11.31)7.11***(8.89)R20.360.100.200.270.330.39

注：*、**、***表示在10%、5%和1%的統(tǒng)計水平上顯著；括號內(nèi)為值；部分估計系數(shù)過小，保留三或四位小數(shù)。下同。

Note: *, ** and *** indicate significant at the statistical levels of 10%, 5%, and 1%, respectively. values are in parentheses. Some of the estimated coefficients are too small, and only three or four decimal places are kept. The same below.

在0.3、0.5和0.7分位點，收入水平與農(nóng)戶儲糧規(guī)模顯著正相關(guān)，這說明隨著收入水平的增長，中規(guī)模農(nóng)戶的儲糧數(shù)量將會增加。同時，在0.1、0.3、0.5和0.7分位點，年齡與農(nóng)戶儲糧規(guī)模顯著負(fù)相關(guān)。這說明，大齡農(nóng)戶會減少糧食儲備規(guī)模?？赡艿脑蛟谟冢S著年齡增長，農(nóng)戶糧食消費減少。并且，年齡增長也會減弱農(nóng)戶的糧食管理精力，為避免儲糧損失，大齡農(nóng)戶將減少糧食儲備。

2.2 內(nèi)生性分析

農(nóng)戶預(yù)期的儲糧損失既是在儲糧決策時考慮的一個重要因素，但儲糧損失也是農(nóng)戶儲糧行為的結(jié)果，可能存在內(nèi)生性問題。為解決內(nèi)生性問題對估計結(jié)果的影響，同時檢驗結(jié)論的穩(wěn)健性，本研究試圖引入工具變量，并使用兩階段最小二乘法(2SLS)對模型進(jìn)行估計。

根據(jù)前人的研究，本研究使用農(nóng)戶所在地年均降水量和晾曬環(huán)節(jié)是否出現(xiàn)惡劣天氣作為儲糧損失的工具變量。選擇農(nóng)戶所在地年均降水量的原因：一是地區(qū)降雨量是一個嚴(yán)格外生的變量，符合工具變量的外生性要求；二是降雨量大的地區(qū)相對潮濕，容易導(dǎo)致糧食儲存時發(fā)生霉變，造成儲糧損失；三是中國的氣候狀況為雨熱同季，溫度高、降雨量大適宜昆蟲和嚙齒動物快速繁殖，而蟲害、鼠害是造成農(nóng)戶儲糧損失的重要因素。因此，本研究推斷降雨量與農(nóng)戶儲糧損失正相關(guān)。晾曬環(huán)節(jié)是否出現(xiàn)惡劣天氣也是一個嚴(yán)格外生的變量，如果晾曬時出現(xiàn)雨雪等惡劣天氣，不利于糧食含水率下降到適合儲藏的水平，甚至可能會造成谷物潮濕，增加水分含量，使得儲藏環(huán)節(jié)的損失增加。因此，晾曬環(huán)節(jié)出現(xiàn)惡劣天氣將增加農(nóng)戶儲糧損失。

表4給出工具變量法的第一階段和第二階段結(jié)果。在控制內(nèi)生性問題后，農(nóng)戶儲糧數(shù)量依然與儲糧損失顯著負(fù)相關(guān)。在相關(guān)性檢驗中，Shea’s偏

R

為0.02，

F

值達(dá)到了12.69，大于臨界值10，故拒絕存在弱工具變量的原假設(shè)，說明工具變量滿足相關(guān)性；外生性檢驗中，Sargan檢驗和Basmann檢驗的卡方值均在10%水平上仍不顯著，不能拒絕所有工具變量均外生的原假設(shè)，說明工具變量符合外生性要求。為了穩(wěn)健起見，使用對弱工具變量不敏感的有限信息極大似然法(LIML)對模型重新估計，結(jié)果與表3沒有實質(zhì)差異，這也從側(cè)面印證了不存在弱工具變量問題。

表4 工具變量法估計結(jié)果
Table 4 Estimation results of instrument variables

變量 Variable 第一階段回歸First stage estimation第二階段回歸Second stage estimation系數(shù)t值系數(shù)z值儲糧損失工具變量Instrument variables of storage loss-22.58***-2.79 晾曬環(huán)節(jié)天氣情況(是否出現(xiàn)因雨、雪等惡劣天氣造成的損失;是=1,否=0) Whether bad weather appeared in the grain drying stage0.01***4.18 地區(qū)年均降水量(對數(shù)) Annual rainfall of the household’s location (logarithm)0.007***3.28糧食產(chǎn)量 Grain output0.0002**2.280.05***10.24糧食價格 Grain price0.0021.20-0.37***-3.88價格預(yù)期 Price expectation0.0031.240.010.16市場發(fā)育程度 Market development-0.000 3-0.36-0.02***-6.83

表4(續(xù))

變量 Variable 第一階段回歸First stage estimation第二階段回歸Second stage estimation系數(shù)t值系數(shù)z值儲備設(shè)施 Storage device-0.02***-7.98-0.26*-1.77收入水平(對數(shù)) Income (logarithm)-0.001-1.050.24***4.07家庭常住人口 Population0.00081.240.0020.07非農(nóng)就業(yè) Non-farm payroll0.005**2.27-0.39***-4.16牲畜飼養(yǎng)情況 Livestock breeding0.008**2.580.030.24住房面積 House area-0.0001-1.18-0.002***-5.12節(jié)約意識Awareness of saving0.007***3.470.43***4.74性別 Gender-0.002-0.88-0.13-1.29年齡 Age-0.0001-0.06-0.02***-4.74受教育年限 Education-0.0003-0.82-0.02-1.26宗教信仰狀況 Religious0.01**2.140.291.35地區(qū)虛擬變量 Location dummy已控制已控制常數(shù) Constant-0.02 -0.72 7.27*** 9.60R20.090.29相關(guān)性檢驗Correlation testShea’s partial R20.02F值12.69Sargan chi0.13Basmann chi0.13

3 結(jié)論與建議

基于前人的研究，本研究將儲糧損失作為一個單獨的變量引入農(nóng)戶儲糧決策模型，利用全國23省1 199戶農(nóng)戶的儲糧損失調(diào)查數(shù)據(jù)，實證分析影響農(nóng)戶儲糧的主要因素。研究發(fā)現(xiàn)，在控制了其他因素的影響后，農(nóng)戶儲糧數(shù)量受預(yù)期儲糧損失影響顯著，糧食產(chǎn)量、糧食價格、市場發(fā)育程度、家庭收入、非農(nóng)就業(yè)也對農(nóng)戶儲糧數(shù)量產(chǎn)生較大影響。對于可能存在的內(nèi)生性問題，本研究使用農(nóng)戶所在地年均降雨量和晾曬環(huán)節(jié)天氣是否正常作為工具變量進(jìn)行檢驗，相關(guān)結(jié)論依然成立。

從整體上看，隨著糧食增產(chǎn)難度提升，減少糧食損失將成為保障國家糧食安全的一項重要內(nèi)容。相關(guān)研究表明，中國農(nóng)戶儲糧損失率約為3%，相當(dāng)于每年損失糧食2 000萬t，浪費411萬hm土地。因此，減少農(nóng)戶儲備環(huán)節(jié)的損失有利于國家糧食安全。

從個體上講，儲糧損失對農(nóng)戶的儲糧行為造成了顯著影響，預(yù)期損失過高會讓農(nóng)戶減少糧食儲備，既不能讓農(nóng)戶通過糧食儲備鎖定市場價格波動利潤，也會加大農(nóng)戶對市場供應(yīng)的依賴性，給政府糧食儲備系統(tǒng)帶來一定壓力和挑戰(zhàn)。因此，減少農(nóng)戶儲糧損失能夠讓農(nóng)戶擴(kuò)大儲糧規(guī)模，更好地發(fā)揮農(nóng)戶儲糧作為平衡糧食供需的“蓄水池”和“穩(wěn)定器”的作用。

因此，在重視農(nóng)戶糧食儲備的基礎(chǔ)上，政府應(yīng)加大對農(nóng)戶儲糧損失的關(guān)注，需要進(jìn)一步通過推廣先進(jìn)的儲糧技術(shù)及減損方法?？梢蕴峁┭a貼激勵農(nóng)戶購買先進(jìn)的儲糧裝具，同時通過報刊、新聞、字報和互聯(lián)網(wǎng)媒體等農(nóng)戶易于接觸的傳播渠道傳授減損知識，并加大減損宣傳，提升農(nóng)戶節(jié)約意識，實現(xiàn)藏糧于技、藏糧于民。