【种业论坛】基于国际视角下的我国粮食需求预测

作者单位：北京信息科技大学经管学院

本文刊登在《中国种业》2019年12期9-13页，转载请注明

随着人口的不断增长，我国粮食需求量也对农业生产和粮食供给提出了严峻的要求。近些年，虽然通过各方努力，我国粮食产量从2009年的5.18亿t，逐渐增长到2017年的6.42亿t，但仍无法满足国内的需求，粮食安全保障能力还有待进一步提升。通过2001-2017年的数据对我国近年来的主要粮食进口额进行时间序列模型分析，指出我国粮食对外贸易超出安全范围，粮食供给结构失衡，尤其是大豆的对外贸易依存度过高，严重影响我国粮食安全，并基于此预测结果，给出了几点政策性的建议。

粮食安全在维护经济平稳发展和社会稳定中发挥着重大作用。近年来，我国粮食供不应求，粮食进口量和贸易额逐年增加，对外贸易依存度也一直高居不下，对我国粮食安全造成严重威胁。因此，为了能够有效地调节我国粮食供给与需求之间的关系，对未来粮食进口需求的预测研究就显得十分必要。目前相关学者提出了多种基于统计学原理的粮食需求预测模型。孙宝民采用基于3次指数平滑模型、灰色预测模型、支持向量及预测模型的组合预测模型，从口粮、饲料粮、种子粮、工业用粮及粮食损耗角度实现了粮食需求预测。最后，在粮食供需综合分析中，确认了粮食供需缺口的存在性。鹿应荣等在确定粮食物流需求量的基础上，建立了基于BP神经网络的非线性组合预测模型，并把这一模型应用于长春市粮食物流需求的预测。张玉梅等建立了中国多市场多部门模型（CEMM），并运用该模型模拟预测2007-2030年中国粮食及其主要品种稻谷、玉米和大豆的消费需求情况。这些预测更多的是站在国内市场的角度，对我国粮食需求总量进行分析；而本文立足于已有的研究，利用时间序列模型对我国粮食的国际需求量进行预测，能更直观地分析出我国粮食面临的国际挑战与威胁。

1      数据来源与统计分析

1.1  数据来源    根据国家统计局官方数据，进口粮食作物主要包括：谷物和大豆2种，其中占谷物进口比重较大的为小麦和稻。本文选取1999-2017年主要粮食进口额，小麦、稻和大豆的具体进口额以及1999-2017年的GDP为数据进行预测。最后通过Excel对数据处理，计算出未来粮食对外贸易进口的依存度。模型采用1999-2016年的数据进行建模，用2017年的数据进行模型的误差额检验。

1.2   时间序列模型   时间序列模型是统计学中常见的一种预测方法，其优势在于仅通过待预测对象的历史数据即可预测出研究对象的未来变化，但由于未来各种不确定性因素的存在，使得该预测结果只具有短期时效性，长期就失去了其预测的科学性和合理性。但该模型的成本低且预测准确度高，因此被广泛应用于经济学各领域，在进出口额方面的预测也比较多。因此，该模型对于进行短期政策调整，或短期产业决策具有重要意义。选取2001-2017年的粮食对外贸易依存度数据进行预测，如图1所示，发现数据具有不平稳性，则采用时间序列模型中的ARIMA（自回归差分移动平均）模型进行预测。ARIMA模型是由移动平均过程（MA）、自回归过程（AR）及d阶差分组成，它通过将初始的非平稳时间序列转化为平稳时间序列，然后仅对因变量的滞后值以及随机误差项的现值和滞后值进行回归建立模型[4]，公式如下：Xt=φ1Xt-1+φ1Xt-2+...+φpXt-p+ε-θ1εt-1-θ2εt-2-...θqεt-q①ARIMA（p，d，q）模型是对ARMA（p，q）（①）经过d阶差分变换后得到。式中：p、q分别被称为自回归阶数和平均阶数；εt是均值为0，方差为σ2的白噪声过程。

1.3   统计与分析   本研究通过Excel 2016对国家统计局网上我国主要粮食进口额和粮食产出GDP的数据进行处理，将粮食近似等于主要粮食产量，根据对外贸易依存度的相关概念，构建粮食对外贸易进口依存度指标、大豆对外贸易进口依存度指标、稻谷对外贸易进口依存度指标。指标分别用其进口贸易额除以农业贡献的GDP得出，共包含2001-2017年的数据（图1）。

从图1中可以看出，粮食对外贸易进口依存度逐年上升，2007年以后几乎每年的粮食DFT都大于5%，其中大豆的DFT尤其高，占据了粮食DFT 90%以上。相比较下，稻谷的DFT指标很稳定。根据国家粮食安全规划报告，粮食对外贸依存度的安全水平为5%。由图1观察得到，自2007年起我国粮食安全就存在很大的风险，此后国家的调控也对粮食的DFT有着一定的调节作用，虽增速有所缓解，但我国粮食DFT指标一直呈上升趋势，特别是大豆的DFT指标，一直居高不下，这对我国国家粮食安全是一个很大的威胁。针对国内的粮食DFT指标超出安全指标范围，且逐年上升的现象，本文立足于国际视角，基于2001-2017年的相关对外贸易依存度指标，利用EViews软件预测2018-2020年的粮食对外贸易依存度的增长情况。以期对国家宏观干预粮食市场，提供一个短期的决策建议。

2    时间序列模型构建

2.1  数据特征描述   我国2001-2017年粮食、稻谷、大豆的对外贸易进口依存度见图2，从图2中可以更加清晰地看出它们的波动形式及增长趋势。3个指标整体上都呈上升趋势，在2007年，粮食和大豆的DFT增速迅猛，稻谷DFT呈小幅降低趋势，可见大豆对粮食的DFT在2007年就产生了决定性的影响。我国进口结构严重失衡，主要原因可能是国内大豆的副产品较多，需求量又较大。近年来，我国粮食DFT增速有所减缓，但仍需要重点关注。

本预测采用ARIMA模型进行研究，模型的使用数据必须具有至少95%置信区间的稳定性。从图2中看，3个指标的数据都不稳定，因此需要进行模型的单位根检验。

2.2   数据平稳性检验    从图3可以看出，我国粮食DFT指标的单位根检验ADF的结果明显大于0.05，故接受原假设，该序列不平稳。则对数据进行一阶差分，结果如图4显示，t检验统计量的值为-0.629，小 于1%、5%、10%水平临界值，且P值小于0.05，所以拒绝原假设，一次差分后的序列为平稳数列，差分阶数d值为2。

2.3   选择最优模型模型    已知ARIMA（p、d、q）的d值，现需要确定其p、q值。利用指标自相关图形与偏自相关图形来判断。将ARIMA拆分成AR（p）和MA（q）模型，通过观察图形的截尾值来分别确定p和q。并利用EViews模型，找出相对较优的（p、q）组合，通过分别建立模型，进行参数估计，对比各模型参数的t统计量，利用AIC和SC最小化准则来选择最优模型，最终确定ARIMA（2，2，2）模型为最优。

2.4  模型检验  选出最优模型之后，分别观察残差值的自相关（AFC）和偏相关（PACF）走 势 。AFC与PACF皆在两倍标准偏差之内，则模型适当。利用相同的方法，对大豆和稻谷的数据进行预测。并分析其预测和实际值的误差均在10%以内，则预测精度较为理想。

2.5  模型预测  通过对粮食DFT指标，和大豆与稻谷的DFT指标的预测，我们发现，粮食DFT与大豆的DFT指标的联动性更为明显。且两者指标都过于偏高，预测结果显示，未来2年我国粮食的对外贸易依存度会持续上涨，必须要采取宏观的控制手段，来减缓甚至是降低粮食的DFT指标，尤其是大豆的DFT值。

3     结论与建议

整体上看，我国粮食对外贸易依存度在逐年上涨，其中大豆的对外贸易依存度是上升最快的。从市场角度看，我国民众的粮食需求呈现出多元化的趋势，但国内粮食种植结构单一。为此我国必须要出台相关农业政策，来改变国内粮食的种植现状，以市场为导向，增加国内大豆的种植，提升大豆的亩产量。采取措施调整粮食生产，避免粮食品种的结构失衡，同时逐渐改变民众的消费模式，加快实现农业现代化，减少农业的生产成本。

3.1  加快粮食供给侧改革  我国粮食供给侧改革与粮食安全和乡村振兴都有着密不可分的关系，因此要突出改革粮食的收储、收购、库存、供应、市场、流通等环节，加快实现粮食行业转型。通过主动调整种植结构，综合考虑粮食品质结构和市场需求，加大政策资金对粮食生产的补助和支持力度，来加快实现粮食供给侧改革。同时，应积极贯彻落实“一带一路”发展战略，主动参与国际粮食贸易发展，改善粮食品质，提高粮食的出口率。

3.2  推动农业生产现代化  纵观世界国家的农业发展史，总是伴随着科技的进步。只有将先进的科学技术应用于农业生产，才能保证粮食安全稳定，使得经济发展无后顾之忧。同时，加快实现农业现代化，不仅有利于降低农业生产成本，提升农产品的质量，发展绿色农业，还有利于培育具有国际竞争力的农业企业。因此，应加强科技对粮食安全的支撑力，加大对农业育种创新的投入与鼓励。同时，加快整合农业生产要素，形成规模化和标准化的农业生产模式，促进农产品各个环节的融合发展，打造现代化农业生产体系。

3.3   加强粮食需求侧管理   粮食安全既要从供给侧进行改革，又要加强需求侧管理。随着消费水平的提升，消费者对于粮食的需求呈现出多元化的发展趋势，但对农业生态环境的危机意识较为薄弱，要广泛宣传健康绿色的消费理念，减少浪费。利用消费税调整消费者的需求结构，发挥商品的替代效应，降低消费者对对外贸易依存度过高产品的需求。其中尤其要加强对大豆需求的引导，我国大豆对外贸易依存度已超出了国家安全水平，且有进一步上涨的趋势。要鼓励农业研究机构挖掘大豆以及大豆副产品的替代品，提高农副产品的转化率，逐渐降低国内对大豆的需求。（参考文献略）

推荐阅读