分析方法与数据来源

1.分析方法说明

（1）方法选择。为保证普通最小二乘法能得到一致的估计量并具有渐进的正态分布，传统的线性回归模型通常假定时间序列是平稳的。但由于事实上多数时间序列的非平稳性，研究者们通常采取对非平稳序列进行差分，并用差分后平稳的序列建模，以消除进行线性回归时可能产生的“伪回归”现象。但差分往往使数据中包含的长期调整信息丢失，回归的结果便也忽略了相关信息。协整分析则为非平稳时间序列的建模提供了良好的解决方法。它将时间序列分析中短期动态模型和长期均衡模型的优点结合起来，不仅反映变量之间的长期均衡关系，即这些变量能够长期相互影响，也反映在其他随机因素作用下分析变量短期内对均衡关系的偏离，以及自变量会以多大速度使因变量调整到长期均衡关系上来，大大提高了回归分析的实际指导意义。另外，这种长期均衡关系是否构成因果关系，即是粮食产量的减少（粮食消失消费的增加）促进了粮食进口的扩大，还是粮食进口的扩大导致了粮食产量的减少（粮食消失消费的增加），也需要进一步验证。基于此，本节运用协整分析法和格兰杰因果关系检验法共同分析中国粮食产需变动与中国粮食进口之间的关系。

（2）协整分析。如果一个序列是非平稳的，但其一阶差分是平稳的，则称此序列为一阶单整序列。依此类推，如果必须经过d次差分后才能平稳，则此序列为d阶单整序列。按照协整原理，如果已经判断两个序列是非平稳的，而且它们都是d阶单整序列，则可以利用对OLS求出协整回归方程，然后，通过检验回归方程的残差是否存在平稳性来判断两个序列的协整性。如果两个序列不是协整的，则它们的任意一个线性组合都是非平稳的，因此，其残差也必然是非平稳的；如果检验结果表明，其残差是平稳的，则可以认为两个序列之间存在协整关系。

（3）格兰杰因果关系检验。其基本思路是：如果两个经济变量X与Y，在同时包含过去X与Y信息的条件下，对Y的预测效果比只单独由Y的过去信息对Y的预测效果更好，即变量X有助于变量Y预测精度的改善，则认为X对Y存在格兰杰因果关系。具体的检验方法是：分别对基于“X不是引起Y变化的原因”“Y不是引起X变化的原因”假设的回归模型进行检验，如果拒绝了原假设，便可得出“X对Y存在格兰杰因果关系”或“Y对X存在格兰杰因果关系”的结论。

2.指标选取及数据来源与处理

本节主要分析1980-2010年间中国粮食国内产需与粮食进口间的均衡及因果关系。首先，从总体上分别对粮食生产与进口、需求与进口的关系进行均衡及因果检验；然后，将粮食细分到主要粮食产品子类进行检验，即分别考察小麦、玉米、大米、大豆的生产与进口、需求与进口的关系。

为保证数的统一性，本节分析中各类粮食产品的产量、需求量、进口量数据均来源于联合国粮农组织数据库（FAOSTAT）。因国际上一般不把大豆计入粮食产品，本节仅对FAOSTAT中的谷物类粮食进行总量分析，结合国际贸易标准分类编码（SITC），下文将中国粮食进口总量、总产量、总需求量分别用im10、pro10、uti10来表示，四大类粮食产品（小麦、玉米、大米、大豆）的进口量分别用im1001、im1005、im1006和im1201来表示，产量分别用pro1001、pro1005、pro1006和pro1201来表示，需求量分别用uti1001、uti1005、uti1006和uti1201来表示。各类粮食需求量以对FAOSTAT中所列各类粮食的口粮、饲料用粮、加工用粮、种子用粮、粮食损耗和其他用粮求和得出。