粮食安全问题研究——以安徽省为例.docx

粮食安全问题研究以安徽省为例摘 要安徽省在全国粮食生产中占有特殊的地位，对于稳定我国粮食生产起着重要作用。本文以安徽粮食安全发展状况为背景，通过建立适当的经济模型和数学模型，解决安徽粮食安全相关问题。首先，利用主成分方法建立粮食安全综合指标。然后利用灰色关联分析方法对众多影响粮食安全因素进行排序，得出以下结论：影响程度从大到小依次为人口数量、粮食作物播种面积、农业劳动人口、乡城收入比、单位面积粮食产量、受灾面积、城市化率、人均国民生产总值增长率。其次，通过建立向量自回归模型分析各因素对粮食安全的影响，并且进行了协整分析、脉冲响应分析。结果表明：粮食作物播种面积、单位面积粮食产量、乡城收入比、人均国民生产总值增长率、城市化率对粮食安全起到正向作用，受灾面积、农业劳动人口、人口数量对粮食安全起到反向作用。接着，结合粮食安全指数及其各影响因素之间的关系建立起的协整方程，从机制设计理论的角度出发，为解决我国粮食安全问题提出关键影响环节，并就关键影响环节展开分析，提出合理的解决粮食安全的机制解决办法。最后，文章在以上研究的基础上，采用神经网络预测方法对安徽省2008-2011年的粮食安全状况进行了预测，预测结果显示：2008年和2011年安徽省粮食安全程度较高；2009年和2010年粮食安全程度较低，尤其是2010年不容乐观，文章据此对安徽省粮食安全的发展状况提出相关政策建议。关键词：粮食安全；主成分；VAR模型；脉冲响应；机制设计；神经网络一、基本现状与问题的提出民以食为天，国以粮为本。粮食是关系国计民生的重要战略物资，粮食安全与社会的和谐、政治的稳定、经济的持续发展息息相关。保障粮食安全，对实现全面建设小康社会的目标、构建社会主义和谐社会和推进社会主义新农村建设具有十分重要的意义。当前我国粮食安全形势总体是好的，粮食综合生产能力稳步提高，食物供给日益丰富，供需基本平衡。但我国人口众多，对粮食的需求量大，粮食安全的基础比较脆弱。从今后发展趋势看，随着工业化、城镇化的发展以及人口增加和人民生活水平提高，粮食消费需求将呈刚性增长，而耕地减少、水资源短缺、气候变化等对粮食生产的约束日益突出。我国粮食的供需将长期处于紧平衡状态，保障粮食安全面临严峻挑战。安徽省在全国粮食生产中占有特殊的地位，对于稳定我国粮食生产起着重要作用。一是因为安徽是一个传统的农业大省和产量大省，是全国13 个粮食主产省和全国6个粮食调出省份之一，年均调出粮食500 万吨。二是因为安徽是全国农村改革的先行省份，1978年凤阳小岗村率先实行大包干，2001年全国农业税费改革在安徽省全省试点，2005年在全国率先取消了农业税。三是安徽的农业发展状况在全过具有代表性。因此，如何构建适应社会主义市场经济发展要求和符合安徽省省情的粮食安全保障体系，对于维持社会稳定与国家自立具有重要意义。安徽省基本概括如下：1.自然概括全省耕地面积408万公顷，土地肥沃，适宜各种农作物生长。长江和淮河自西向东横贯全境，其中：淮河流域6.7万平方公里，长江流域6.6万平方公里，新安江流域0.65万平方公里。2.粮食生产概括安徽农业的大发展源于30年前发生在江淮大地上的一场变革。1978年夏天，安徽大旱。夏收后，凤阳县小岗村18户农民签下了分田到户的契约，拉开了大包干的序幕。第二年，粮食产量便达到了66吨，相当于1966年1970年的总和。大包干的成功为安徽的粮食生产开辟出一片新天地。农村改革30年来，安徽粮食生产的总趋势是上升的（见图1），粮食产量由1482.6万吨增长到3023.3万吨，增幅达103.92%，年平均递增2.40%。安徽实现了由农业省向农业大省、产粮大省的转变，粮食年产量常年居全国第6位。随着粮食生产水平的提升，安徽对全国粮食安全的贡献越来越大，不仅解决了本省人民的吃饭问题，而且每年调出粮食约500万吨。安徽省的粮食生产还是全国粮食增产的助推器，2006年安徽粮食增产255.4万吨，占到了全国总增量的40%。2008年，安徽省夏粮总产1170万吨，创历史最好水平，增量占全国的20%。但是，在取得这些成就的同时，安徽省的粮食安全也存在一些潜在的威胁。自改革开放以来，随着安徽经济快速发展、人口增长、工业化和城市化进程的加快，耕地资源日益受到工业和城市土地利用的经济竞争，部分耕地非农利用的趋势不可逆转；同时,由于水土流失、工业废物排放、农药化肥的大量使用，不合理的灌溉方式及自然灾害等导致耕地质量下降，制约着安徽省的粮食生产与粮食安全。图1 安徽省1978-2008年粮食年产量二、理论背景和文献综述1.粮食安全的定义在中国，粮食安全是指主要粮食品种的产和销、供与求动态的平衡，及应对突发事件的实力和能力。粮食安全的最终目标是，确保所有的人在任何时候既买得到又买得起他们所需的基本食品。”这个概念包括三个具体目标：确保生产足够数量的粮食；最大限度地稳定粮食供应；确保所有需要粮食的人都能获得粮食。对于粮食安全，应该从以下几个方面来理解第一，粮食安全包括宏观安全和微观安全。宏观安全就是从总体、总量上看粮食供求是均衡的微观安全是从局部、个体上看粮食供求是均衡的，任何人都能买得到并且能够买得起为维持生存和健康所必需的足够食品。只有同时实现了宏观安全和微观安全才算实现了粮食安全。第二，粮食安全包括短期安全和长期安全。即保证不仅在短期内任何人都能买得到又能买得起为维持生存和健康所必需的足够食品，更重要的是在长期内，在任何时候，任何人都能买得到又能买得起为维持生存和健康所必需的足够粮食。粮食安全的目标应该是实现长期粮食安全。第三，粮食安全包括量的安全和质的安全。也就是说，粮食安全的目标不仅仅是维持生存还要保证健康不仅仅是从数量上有足够的粮食，还要确保粮食食用卫生、安全。本文主要是从粮食的长期安全以及粮食量的安全角度出发，研究安徽省的宏观粮食安全问题。2.国外研究综述最早对中国的粮食安全问题进行研究的是美国的布朗，1994年美国世界观察研究所所长莱斯特·布朗（Lester Brown）在华盛顿邮报上发表“中国能使世界挨饿吗？它的崛起正在消费掉全球粮食供给”。他在1995年又进一步认为，到2030年中国由于耕地面积的减少等因素，粮食将减少20%，如果不考虑膳食结构的改善，中国将进口相当于现在世界粮食贸易总额的粮食，达2.03.69亿吨。在这以后，世界上许多组织或个人都对此进行了有针对性的研究评价。美国农业部费里德克·科鲁克认为，布朗博士在长期预测中没有把市场经济的自我矫正机制因素考虑进去，中国政府、生产者和消费者不会对经济环境的变化无动于衷。日本农林水产省白石和良认为，布朗的预测依据不十分明确，过分强调特定条件，因而产生了不符合实际的结论。世界银行专门进行了关于中国长期粮食安全的课题研究，认为中国在2020年粮食进口量约为6000万吨，主要粮食出口国完全可以在不大幅度提价的情况下供应这些粮食。关于世界粮食安全形势的分析研究，联合国粮农组织（FAO）和国际谷物理事会（IGC）曾对1997-1998年世界粮食形势作了测算，认为供给形势有所改善，安全系数有所提高。1999 年在英国举办了关于未来世界粮食形势的研讨会，会后出版了一个名为养活 80 多亿人，对科学的挑战论文集，其中大量篇目充斥着悲观的论调，只有极少数作者持相反态度。3.国内研究综述改革开放以来，尤其是布朗博士对中国未来粮食供给表示深深的忧虑以来，我国很多学者都对中国粮食安全状况进行了不同程度的评估。主要分为以下几种：关于粮食安全测度基准与方法的研究朱泽（1998）通过比较中国与世界重要粮食生产与消费国在粮食总产量波动系数、粮食自给率、粮食库存水平、人均粮食占有量与低收入人口粮食供应水平等指标方面的差异性，以及粮食安全系数的计算与比较，得出了中国粮食安全整体水平仅次于加拿大、法国、美国与澳大利亚等四国，高于世界平均水平的结论。徐奉贤(1999)在四指标中加上了贫困者的粮食保障水平，通过五项指标的简单平均计算了粮食安全系数。马九杰等(2001)则认为粮食安全综合指数是食物和膳食能量供求平衡指数、粮食生产波动指数、粮食储备一需求比率、粮食国际贸易依存度系数、粮食及食物市场稳定性等各指标得分值的加权平均值。刘晓梅(2004)构建了一个四指标加权平均安全系数，认为我国的粮食安全系数是0.70，从世界范围来看是比较高的。吕耀等在中国食物保障可持续性及其评价一文中，突破了许多人仅仅或主要从粮食产量与人口这两个因素来考虑粮食供应保障的情况，而着力于从农业生产及其资源生产效率、经济效益、资源利用率以及资源与环境质量等方面来构建中国食物保障可持续性评价指标体系，并依据中国自然资源区划的九大农业区内个县市的有关资料进行了具体评价，并得出了中国区际食物保障可持续水平有较大差异、样本间的食物保障可持续指数差异很大与各区域影响食物保障可持续性的主要限制因子不同等重要结论。对中国粮食供求的研究在粮食生产与供给方面，1995年莱斯特·布朗指出，由于耕地将被工业和城市用地挤占，中国谷物产量将会从1990年的3.41亿吨下降到2020年的2.72亿吨，而人口又大量增加，所以世界无法养活中国；让·邓肯 （1997）1997年预测中国谷物产量2010年将达到4.26 亿4.75亿吨，其预测结果与莱斯特·布朗完全不一样；朱玫（1997）对各个阶段影响中国粮食波动因素的粮食产量增长贡献作了实证分析，结论是：单产贡献率是主要的。在粮食需求方面，常根发（2000）从微观农户消费行为探讨了农村口粮消费的实现模式，农户口粮消费与粮食生产具有阶段性和不一致性，二者受农户消费效用和收入的双重约束；朱彬（2001）认为，尽管高收入会带来肉类食品的高消费，但由于消费结构向低粮耗肉类倾斜，故而饲料粮需求的增长速度将被减缓。对各省份粮食安全状况的研究目前关于省份地区的粮食安全问题，已有相当多学者对福建、浙江、江苏、陕西、山东、湖北、吉林、河北、湖南等省从影响因素、预警系统的设计等角度进行了研究，如宁自军（2003）就粮食购销市场化条件下浙江省粮食安全预警系统的设计及其指标体系的构建进行了初步研究。门可佩等（2008）以江苏省粮食生产情况为例，分析粮食安全相关因素，江苏省粮食安全问题存在隐患的结论。李梦觉（2009）通过对“粮食安全”内涵和评价指标的研究，分析了湖南省安全状况及其面临的问题。而关于粮食生产大省安徽省的粮食安全问题研究寥寥无几。金宝石（2005）在GIS 支持下,建立了1980、2002 年两个时期安徽省各县域耕地资源、粮食生产以及影响粮食生产的地形地貌、土壤、光热水等自然条件的空间数据库和多年社会属性数据库。本文主要从影响粮食安全的社会经济因素角度进行研究，研究各影响因素对安徽省粮食安全的关系，并对未来安徽省粮食安全状况进行预测，分析安徽省粮食安全可能存在的粮食危机，并结合实际提出相关政策建议。三、数据的收集与指标的选取根据上文粮食安全的定义，本文将粮食安全指标化为粮食安全指数，它由人均粮食播种面积影响指数、人均粮食占有量影响指数、粮食总产波动率影响指数及粮食自给率影响指数（设定安徽粮食自给率的安全底线定为92）用主成分方法求得，旨在衡量一定时期内一国或地区面对世界粮食危机时的自我承受能力。影响一国粮食安全的社会经济因素很多，基于安徽当前社会经济发展的实际，本文分别从粮食的供给和需求的角度选择以下因素作为影响粮食安全的关联因子。：粮食作物播种面积，反映一定时期内谷物、豆类、薯类总的播种面积，是粮食供给变化的最直接影响因素；：单位面积粮食产量，是技术进步、投入变化、制度创新、灾害气候等各种因素效应的综合反映；：受灾面积，是影响农作物生产的直接因素，短期内对粮食供应产生直接的影响；：农业劳动人口，反映了一定时期内投入到农业生产中的劳动力数量，是粮食供给的直接影响因素；：乡城收入比，反映了农业劳动者从业的机会成本，是农业劳动者固守土地的激励因素，可以间接影响到粮食的供给；：人口数量，是粮食需求的直接影响因素；：人均国民生产总值增长率，指一定时期分摊到每个国民身上的国民生产总值的变化率，用以反映一个国家的经济发展程度，是粮食安全的需求影响因素；：城市化率，反映一定时期内城镇人口占总人口的变化情况，该指标通常体现了一国或地区的经济发展水平，是粮食需求的间接影响因素（见表1）。表1 安徽省各指标数据影响因素指标粮食安全综合指标年份人均粮食播种面积、人均粮食占有量粮食总产波动率粮食自给率19955852.54409.6178049560.34560000.3319.090.09754430.110.751.677199660294435.43024.349680.35860540.1621.710.09959441.73.621.73319976030.64647.52442.749840.39361090.1322.010.09872458.84.811.833199859914324.8590449860.39161520.0422.330.09738421.2-7.551.71819995934.94669.3286050010.37562050.03260.09565446.66.951.77820005565.644424058.0950480.48562783.4280.088651235-10.81.45720015298.84718.63768.6350680.478763259.1629.30.0837812661.141.53820025456.25067.6315550800.45463697.9730.70.08567143110.591.79920035404.94097.84816.2550910.3972641011.13320.084321190-19.91.50520045726.84789.81403.4451190.422646120.4933.490.08864150123.852.02420055988.143513184.4651480.3995651612.8735.50.0918981474-5.021.86220066168.344291990.1651600.3906659315.6537.10.09355816399.812.06120076477.8144791989.7352080.3799667620.1338.710.09703117161.422.223四、实证分析安徽当前的粮食安全系统，包含着各种各样的影响因素，多种因素共同作用的结果决定了该系统的发展态势。而哪些是主要因素，哪些是次要因素，则是系统分析中相关人士普遍关心的问题。传统的数理统计中的回归分析、方差分析等都经常被用来进行系统的影响分析，然而这些方法的正常运用都必须具备一定的统计条件，如要求具备相对研究对象个数而言的大量样本数据，要求数据样本服从或近似服从某个典型的概率分布，还要求有相关理论作研究支撑等。尽管已有众多的文献对粮食安全系统进行了各种角度、各种层次的数理研究，但局限数理统计分析方法的缺陷，一般仅有少数几个研究对象，且对统计数据的性质并没有得到真正严格的要求。从此角度来看，灰色关联分析方法对样本量的多少和样本有无规律都同样适用，也不会出现量化结果与定性分析结果不符的情况，这些在一定程度上弥补了采用传统数理统计方法作系统分析所导致的缺憾。因此，运用灰色关联理论对安徽近年的粮食安全形势进行相关性分析和研究，至少是研究方法上的一种积极尝试。1.粮食安全综合指数生成主成分分析的主要目的是希望用较少的变量去解释原来资料中的大部分变异，将许多相关性很高的变量转化成彼此相互独立或不相关的变量。通常是选出比原始变量个数少，能解释大部分资料中的变异的几个新变量，即所谓主成分，并用以解释资料的综合性指标，所以说主成分分析实际上是一种降维方法。在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。本文中人均粮食播种面积影响指数、人均粮食占有量影响指数、粮食总产波动率影响指数及粮食自给率影响指数等都是变量，因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正好可以满足要求。主成分分析法是一种数学变换的方法, 它把给定的一组相关变量通过线性变换转成另一组不相关的变量，这些新的变量按照方差依次递减的顺序排列。在数学变换中保持变量的总方差不变，使第一变量具有最大的方差，称为第一主成分，第二变量的方差次大，并且和第一变量不相关，称为第二主成分。依次类推，个变量就有个主成分。其中为维正交化向量（），之间互不相关且按照方差由大到小排列，则称为的第个主成分。设的协方差矩阵为，则必为半正定对称矩阵，求特征值（按从大到小排序）及其特征向量，可以证明，所对应的正交化特征向量，即为第个主成分所对应的系数向量，而的方差贡献率定义为，通常要求提取的主成分的数量满足。 主成分的分析步骤为：利用初始化方法对数据进行标准化处理；求相关系数矩阵；经过一系列正交变换，使非对角线上的数置0，加到主对角上；得特征根（即相应那个主成分引起变异的方差)，并按照从大到小的顺序把特征根排列；求各个特征根对应的特征向量；用下式计算每个特征根的贡献率；根据提取的主成分的数量满足确定提取的主成分个数，并写出主成分表达式。本文中提取3个主成分，分别为其中，本文要研究粮食安全与其影响因素之间的关系，由于衡量粮食安全的因素众多，所以任何一个粮食安全指标不足以表明粮食安全情况，因此，需要考虑综合指标。这里，我们利用前面主成分分析得到的结果，对4个粮食安全指标进行加权综合，得到一个综合指标，来很好的表示粮食安全。综合指标表达式为，其中分别为三个主成分的贡献率。表2 1978-2007年粮食安全综合指数年份综合指数年份综合指数年份综合指数19781.07296719880.986751998-8.1275619790.8981419891.12336319999.71742419800.57520519901.1441052000-12.151719811.14356519910.42481320012.4730619821.02417819921.379071200214.1218419831.006734199314.007122003-23.459419841.156331994-10.4109200430.3384419851.017233199514.270112005-5.0794919861.23808819965.583114200613.180919871.16920219977.10690620072.9145842.灰色关联分析灰色系统理论是由著名学者邓聚龙教授首创的一种系统科学理论(Grey Theory)，其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析，完成对系统内时间序列有关统计数据几何关系的比较，求出参考数列与各比较数列之间的灰色关联度。与参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。灰色关联分析方法要求样本容量可以少到4个，对数据无规律同样适用，不会出现量化结果与定性分析结果不符的情况。其基本思想是将评价指标原始观测数进行无量纲化处理，计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。灰色关联度的应用涉及社会科学和自然科学的各个领域，尤其在社会经济领域，如国民经济各部门投资收益、区域经济优势分析、产业结构调整等方面，都取得较好的应用效果。关联度有绝对关联度和相对关联度之分，绝对关联度采用初始点零化法进行初值化处理，当分析的因素差异较大时，由于变量间的量纲不一致，往往影响分析，难以得出合理的结果。而相对关联度用相对量进行分析，计算结果仅与序列相对于初始点的变化速率有关，与各观测数据大小无关，这在一定程度上弥补了绝对关联度的缺陷。灰色关联分析的步骤为：第一步，确定分析数列设参考数列（又称母序列）为比较数列（又称子序列）。第二步，变量的无量纲化由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论。因此在进行灰色关联度分析时，一般都要进行数据的无量纲化处理。第三步，计算关联系数与的关联系数 记，则 ，称为分辨系数。越小，分辨力越大，一般的取值区间为，具体取值可视情况而定。当时，分辨力最好，通常取。第四步，计算关联度参考数列与比较数列的关联度为，第五步，关联度排序关联度按大小排序，如果，则参考数列与比较数列更相似。在算出序列与序列的关联系数后，计算各类关联系数的平均值，平均值就称为与的关联度。其结果，如表3所示：表3 19782007年粮食安全与各影响因素之间的关联度人口数量x6（万人）0.799706粮食作物播种面积X1（千公顷）0.799361农业劳动人口X4（万人）0.796798乡城收入比X50.796288单位面积粮食产量X2（公斤/公顷）0.791849受灾面积X3（千公顷）0.791157城市化率X8（%）0.790307人均国民生产总值增长率X70.787578根据上述灰色关联模型，选取19782007年安徽粮食安全综合指数作为系统参考序列，另分别选取安徽19782007年粮食作物播种面积、单位面积粮食产量、受灾面积农业劳动人口、乡城收入比、人口数量、人均国民生产总值增长率、城市化率作为系统的比较序列，分别计算得各关联度及排序。从整体来看，19782007年，各因素对粮食安全的影响程度相差无几。但本文为了进一步研究，还是对影响因素关联度的大小进行了对比。在现有的影响安徽粮食安全的因子中，人口数量因子的影响最大，其次分别是粮食作物播种面积、城乡收入比、农业劳动人口、单位面积粮食产量、受灾面积、城市化率、人均国民生产总值增长率。安徽是一个人口大省，在“民以食为天”的前提下，尽管安省的人口增速有所放慢，但庞大的人口基数显然仍然是影响粮食安全的的第一因素。单位面积粮食产量、受灾面积分别位列第五位、第六位，说明二者对安徽粮食安全并非主要影响因素。事实上安徽的粮食作物受灾情况虽然每年呈现不同的形式，但总受灾面积一般比较稳定。而安徽的单位面积粮食产量也一直处于全国前列，在没有重大生物技术突破的情况下，可挖掘的空间并不大。也就是说，在此期间，二者几乎可以当作每年都产生的固定因素。粮食作物播种面积、农业劳动人口在安徽粮食安全影响因子中分别排序为第二位、第三位，说明二者是影响安徽粮食安全的主要因素。粮食作物播种面积、农业劳动人口对安徽粮食安全的影响主要作用于粮食的供给方面，结合上文对受灾面积、单位面积粮食产量因子的分析，显然当短期内无法显著提高单位面积粮食产量情况下，扩大粮食作物播种面积，加大农业劳动的投入才能显著地提高粮食的供给，而现实情况是粮食作物播种面积因为工业化和城市化进程而不断减少，农业劳动力由于机会成本所致而蜂拥流入城市，因此二者成为安徽粮食安全的重要影响因子是由安徽现实的经济发展水平和二元经济结构决定的。另外，城市化率、人均国民生产总值增长率从粮食的需求方面也影响到安徽的粮食安全，二者的关联度均达到78%以上，但相比其它影响因子，其影响较小。3.影响粮食安全因素分析为了进一步研究影响粮食安全的因素，对数据利用向量自回归模型进行了协整分析、脉冲响应分析。时间序列的平稳性检验对多个时间序列进行协整分析的第一步就是确定每个序列是否平稳，而判断序列平稳性，通常借助单位根检验。常用的单位根检验主要有ADF法和DF法。由于DF检验法只适用于AR(1)过程的单位根检验，因此，在这里我们采用ADF检验。利用Eviews 6.0对表3中所涉及的所有变量进行平稳性检验。表4 ADF单位根检验结果序列检验类型(c,t,k)ADF检验值1%显著水平5%显著水平10%显著水平判断结论X1(c,0,1)-1.2735-3.6852-2.9705-2.6242非平稳X2(0,t,2)-2.1744-3.4522-2.8752-2.6345非平稳X3(c,0,1)-2.3822-3.6852-2.9705-2.6242非平稳X4(0,t,3)-2.6030-3.8754-2.9132-2.7312非平稳X5(c,0,1)-1.2821-3.6852-2.9705-2.6242非平稳X6(0,t,4)-0.5361-3.7852-2.6542-2.5424非平稳X7(c,0,1)-1.1514-3.6852-2.9705-2.6242非平稳X8(0,t,1)2.6113-3.6852-2.9705-2.6242非平稳Y(c,0,2)-5.2689-3.4522-2.8752-2.6345非平稳X1(0,t,1)-4.8751-3.6959-2.9750-2.6265平稳X2(c,0,3)-5.7143-3.6785-2.945-2.675平稳X3(0,t,1)-6.7252-3.6959-2.9750-2.6265平稳X4(0,0,5)-3.6254-3.675-2.9785-2.6572平稳X5(c,t,5)-2.1677-3.675-2.9785-2.6572平稳X6(0,0,1)-4.5412-3.6959-2.9750-2.6265平稳X7(0,t,2)-4.0837-3.6542-2.97585-2.624平稳X8(c,0,1)-3.1965-3.6959-2.9750-2.6265平稳Y(0,t,4)-10.6321-3.6472-2.9785-2.6785平稳经检验，时间序列水平值均为非平稳序列，经过一阶差分之后都平稳,因而是一阶单整的序列。协整分析协整检验主要是判断变量间是否存在长期均衡关系，目前主要有两种方法：一是E-G两步法，由Engle和Granger在1987年提出的基于协整回归残差的两步法检验；二是Johansen协整检验,由Johansen(1988、1991)和Juseliu(1990)提出的基于VAR(向量自回归)方法的协整系统检验。需指出的是，E-G两步法只适用于单一的协整关系的估计和检验，多变量协整关系检验通常采用Johansen协整检验法。为了克服多变量和小样本条件E-G两步法参数估计的不足，本文采用Johansen方法进行协整检验。表5 协整检验原假设特征值似然函数5%显著性水平1%显著性水平无0.966444118.714268.5276.07至多一个0.81956850.8234247.2154.46至多二个0.43777416.5753829.6835.65至多三个0.2234675.05834115.4120.04至多四个4.92E-079.84E-063.766.65如表5，从零假设H0：r=0开始，似然函数的值为118.7142，超过5%显著性水平的临界值68.52，表明应拒绝零假设的H0：r=0，接受r=1备择假设，说明变量之间存在长期均衡关系。依据检验结果，可建立8个解释变量与之间的协整方程:从上式可知，各影响因素指标与之间在长期内呈显著相关关系。其中，粮食作物播种面积、单位面积粮食产量、乡城收入比、人均国民生产总值增长率、城市化率对粮食安全起到正向作用，受灾面积、农业劳动人口、人口数量对粮食安全起到反向作用。建立VAR模型由于上述变量间存在长期均衡关系,彼此间相互影响，相互制约，可建立向量自回归模型，并可在向量自回归模型的基础上用脉冲响应函数和方差分解来研究它的动态性质。VAR的一般模型数学表达式为：其中，是m维内生变量向量,是d维外生变量向量,和,是待估计的参数矩阵，内生变量和外生变量分别有P和r阶滞后期。是随机扰动项，与同时刻的元素可以彼此相关，但不能与自身滞后值和模型右边的变量相关。在实际应用中，通常希望滞后期P和r足够大，以完整地反映所构造VAR的动态特征。但滞后期越长，模型中待估计的参数就越多，自由度就越小。因此，应在滞后期与自由度之间寻求一种均衡状态，一般根据AIC和SC信息量取值最小的准则确定模型的阶数。经过多次试验，由VAR模型整体检验结果表明，滞后期P为1时效果最好。每个方程仅有一部分滞后项是显著的，但在建立VAR模型时一般不进行筛选，各个滞后变量仍被保留。VAR模型可以反映粮食安全与各影响因素之间的相互影响程度。表6 VAR（1）模型结果YX1X2X3X4X5X6X7X8Y(-1)-0.77130.0004-0.00420.0124-0.0006-0.00150.0001-0.03180.00360.19130.00060.00260.01010.00030.00190.00020.02160.0024X1(-1)-72.66530.0123-4.03675.9769-0.09120.01830.1107-10.8740.785772.43890.23950.98163.83650.11750.73800.05758.16690.8909X2(-1)-30.0992-0.0504-0.49762.0922-0.0258-0.0486-0.0120-4.21500.012919.43550.06430.26341.02930.03150.19800.01542.19120.2390X3(-1)-7.5439-0.0126-0.11090.2931-0.02880.0005-0.0008-1.74290.14516.80280.02250.09220.36030.01100.06930.00540.76700.0837X4(-1)104.67760.56616.3094-8.73151.1647-1.16490.159511.46680.4612115.19940.38091.56116.10120.18681.17370.091412.98781.4168X5(-1)2.0067-0.00270.7265-0.1617-0.02300.8109-0.0168-0.22790.301118.40950.06090.24950.97500.02990.18760.01462.07550.2264X6(-1)-176.0778-1.6279-10.641420.6352-0.31422.47750.6328-14.731-0.2730230.53440.76233.124012.20960.37382.34870.182825.99092.8352X7(-1)1.7726-0.0015-0.0053-0.1180-0.00760.0158-0.00100.24800.01672.02330.00670.02740.10720.00330.02060.00160.22810.0249X8(-1)5.75360.09060.0881-0.8292-0.00730.0178-0.00090.06640.94628.10940.02680.10990.42950.01310.08260.00640.91430.0997C174.48832.02949.3188-18.79240.3690-1.11680.149321.1319-1.3670183.26350.60602.48349.70600.29721.86710.145320.66152.2538R-squared0.65720.64900.93440.58250.99910.92070.99890.52860.9933F-statistic4.04753.904330.08402.94502226.99824.51721837.602.3677314.223AIC6.8253-4.5983-1.77730.9489-6.0235-2.3478-7.45382.4600-1.9713SC7.2968-4.1268-1.30581.4204-5.5520-1.8763-6.98242.9314-1.4998VECM模型协