基于市场势力的实证

何谓“大国”？在经济学范畴里，“大国”有两种理解：一是经济大国，即人口众多、国内生产总值大且国内市场广阔的国家；二是贸易大国，根据国际贸易理论相关的定义，若一国生产的产品在国际市场上占据了主导地位，即可认为是贸易大国。保罗•克鲁格曼等认为，贸易大国是指在国际贸易中由于对某种商品的供给量（需求量）很大，从而可以影响到该种商品的国际市场价格的国家。按照克鲁格曼等对贸易大国的定义可知，“大国效应”就是当一个国家某种商品的出口量或进口量占世界进出口量的相当比重时，往往会对国际市场价格产生显著影响，从而使得这种商品的国际市场不再是完全竞争。随着全球化分工的不断深入，影响商品贸易的因素越来越复杂，各参与方的势力博弈愈演愈烈，“大国效应”的内涵也应随时代背景的不同而变化。就贸易大国自身的利益而言，“大国效应”具有正反两面性：一方面，较大的贸易量会对国际市场产生举足轻重的影响，本国能利用这种影响力有效控制贸易价格，调节本国商品供需，有助于获得优惠的进出口价格和更高的贸易利益；而另一方面，较大的贸易量意味着国内对国际市场的依赖，庞大的进口量将导致国际市场价格的上涨，本国福利受损，大量出口则会面临低价竞争，并遭遇反倾销等各种贸易摩擦。本书认为，在现阶段，“大国效应”可以理解为，当一国某商品的进出口量占有较高的国际市场份额时，对国际市场上该商品的价格产生了重要影响，而本国对贸易价格和贸易利益拥有足够的控制能力，即使进出口量在国际市场中的占有率很小，本国仍可通过其在商品生产和消费上的经济大国地位获得较高的贸易收益，改善本国福利。

作为世界上最大的粮食生产和消费国，中国在粮食生产和消费上的大国地位很早就已确立。20世纪80年代末到21世纪初的十多年里，中国粮食贸易在世界市场上起着重要作用。2004年以后，随着生产能力的扩大和消费结构的变化，中国的谷物贸易量不断下降，而大豆贸易量（主要是进口）不断上升，中国已经由粮食出口大国转变为粮食进口大国，而粮食贸易是否存在“大国效应”、对国内粮农和国民经济的影响如何仍为未知之数。以美国为首的粮食出口国是当今全球粮食贸易的最大获益者，其中的重要原因在于这些国家是主要粮食品种的国际定价中心，美国更是粮食贸易的垄断者和粮食国际价格的决定者，国际粮食市场也因此成为寡头市场。在此背景下，获得合理的粮食贸易价格成为中国等发展中国家的首要目标，因而探讨粮食贸易是否存在“大国效应”为掌握粮食价格主动权提供了理论参考。

中国粮食贸易“大国效应”的讨论源于莱斯特•布朗（Brown，1994）的《谁来养活中国？》一文，他认为中国粮食进口量的攀升必然会导致国际市场粮食价格的上涨，即“大国效应”显现。虽然学者们对中国粮食贸易“大国效应”的相关研究并不少（李炳坤，2002；李晓钟，2004；杨燕等，2006；范建刚，2007），但这些研究不是简单的描述性分析，就是对贸易量与国际市场价格进行的相关性或因果关系分析，对“大国效应”发生的一个重要的条件（即对贸易价格和贸易量的控制能力）是否具备的研究及针对粮食出口贸易“大国效应”的分析相对缺乏，因而有必要对现阶段中国粮食贸易是否存在“大国效应”进行重新分析与判断。由于本书主要侧重于对中国能否对粮食贸易价格有控制进行实证研究，而市场势力是一种将价格维持在边际成本之上的能力，即价格加成（mark-up）能力。而在进口贸易中，市场势力同样可以被理解为在进口价格上的讨价还价能力，从市场势力这一视角进行实证分析则不失为一种可行的方法。分析的基本思路是，若不存在市场势力，则可直接得出中国粮食贸易不存在“大国效应”的结论；若存在市场势力，则进一步检验中国粮食贸易量对国际市场价格的影响如何，贸易量能否因国际市场价格的变动而产生相应变化，通过检验则说明中国粮食贸易存在“大国效应”，反之则不存在。由于在上一章已经介绍了市场势力各种模型方法的利弊，本章将分别以玉米和大豆为例并采用基于出口商及进口商行为的PTM模型对中国粮食贸易的市场势力进行实证检验。

中国曾是世界粮食出口大国，如在2002年和2003年，粮食出口量分别达到1510万吨和2221万吨，占当年世界粮食出口总量的5.1%和7.4%，是全球第二大粮食出口国，在缓解全球粮食短缺等方面做出了巨大贡献。虽然近几年粮食出口量急剧下降，但毋庸置疑，中国已跻身世界粮食贸易大国行列。随着全球化分工的深入发展和产业链竞争的日趋激烈，国际市场定价及抵御市场风险的能力日益成为衡量一国国际竞争力的重要指标，尤其对于中国这样一个发展中的农业大国来说，粮食出口是否拥有国际市场定价能力不仅影响到粮食出口贸易的收益，更与国家粮食安全密切相关。当前国际市场的粮食定价权基本掌握在少数国家手中，如曼谷是大米的国际定价中心，美国芝加哥期货交易所（CBOT）则是小麦、大豆等粮食产品的国际定价中心，而中国尚未建立起权威的国际粮食定价中心，与美国等世界主要粮食出口国相比仍存在较大差距。同时，由于国内粮食市场国际化起步晚、程度低，要短期内在国内建立国际粮食定价中心难度很大。尽管如此，中国是世界粮食贸易和消费大国，我们可以通过考察粮食出口贸易的“大国效应”分析中国粮食出口是否会对国际粮食价格产生影响，认清中国粮食出口贸易在国际市场上的地位，及早建立国际粮食定价中心。

玉米是重要的粮食、饲料及经济作物，在中国国民经济中占有重要地位。同时，玉米还是重要的工业原料，如作为汽油替代品乙醇的原材料，近年来生物质能源消费量的增长更是使得世界玉米需求持续膨胀。中国是全球第二大玉米生产国，产量约占世界总量的20%，在世界市场上的重要地位不言而喻。而在当今全球粮食贸易中，玉米贸易量仅次于小麦，居第二位。美国、巴西、阿根廷和法国是世界四大主要的玉米出口国，2011年四国出口量之和在世界玉米出口总量中的比重已经超过60%。中国曾是仅次于美国的世界第二大玉米出口国，2003年出口量达到1639万吨，占当年世界玉米出口总量的18%。但到2011年，中国玉米出口量仅为13万吨，成为玉米净进口国，尽管如此，玉米出口量在中国粮食出口总量中的比重仍远高于其他粮食品种。2008年的金融危机给全球农产品贸易造成了巨大冲击，世界玉米贸易量大幅下降，国际市场玉米价格从2008年下半年开始走低。虽然受国家宏观政策的影响中国国内玉米价格并未出现暴涨暴跌的行情，但随着农产品国内市场与国际市场的接轨及引起国际玉米价格波动的不确定因素日益增多，加之国内玉米供需缺口出现不断扩大的趋势，中国玉米市场受到的冲击将越来越大并对中国的粮食安全构成威胁。Pindyck（1985）指出，在静态市场中，市场势力与需求弹性呈反向变动关系，一国出口波动越大其出口需求弹性也越大，从而说明在国际市场中缺乏定价影响力。基于以上考虑，本研究以玉米为例对中国粮食出口贸易的“大国效应”进行实证分析。

（一）玉米出口的市场势力分析

1.模型与数据说明

本节从市场势力的视角检验中国玉米出口贸易“大国效应”的模型是基于出口商行为的PTM模型，这一模型已在上一章进行了推导，此处不再赘述。Knetter（1993）指出，能否采用模型原式进行估计取决于时间序列变量的性质及误差项的形式，这对时间跨度的要求较高。当所研究变量的时间跨度较短时，则需要对原式进行差分后再做回归（Salvador，2002）。由于无法获得相关变量的月度和季度数据，本研究仅选取了19个年度样本，因此修正后的模型为：

其中，θ_t为时间效应，用以衡量边际成本的变化；λ_i为目标市场效应，考察不同目标市场上本国出口价格对边际成本的偏离即价格加成程度；系数β_i表示汇率变动时本国调整出口价格的幅度，是本国在目标市场上进行歧视定价的能力即市场势力；参数μ _it 为随机误差项。β_i=0，意味着汇率变动不会对出口价格的加成产生影响；β_i显著大于0，表示出口国会对其出口价格进行调整从而维持在目标市场上的有利地位即存在市场势力；β_i显著小于0，表明汇率变动对出口价格的影响被放大，这可能是短期超调引起的。

中国玉米主要的出口对象是东南亚国家，其中对韩国、印度尼西亚、日本、马来西亚和朝鲜五国的玉米出口量之和占中国玉米出口总量的90%以上，故本研究以这五个国家为出口对象进行分析。相应地，p _it 为以人民币计价的中国玉米出口价格；e _it 为以人民币计价的中国与五个目标市场的双边汇率，考虑到物价水平的变动，本研究对名义汇率和实际汇率两种情况分别进行了检验。其余变量含义同上。各国玉米出口价格数据来源于联合国COMTRADE数据库，双边名义汇率根据联合国粮农组织（FAO）数据整理，双边实际汇率根据FAO数据和各年的《国际统计年鉴》数据整理。基于中国玉米贸易流向及数据可得性方面的考虑，本研究用于实证分析的数据年限为1992—2010年。

2.实证检验及结果分析

（1）变量的平稳性检验

由模型表达式（10.1）可知平稳性检验直接用变量的一阶差分序列进行，滞后阶数由施瓦茨（Schwarz）准则确定，检验结果见表10.1。

由表10.1的检验结果可知，各变量的一阶差分序列在1%的显著性水平下都是平稳序列，符合协整分析的条件。

表10.1　面板数据单位根检验结果

注：e _it ，分别表示名义汇率和实际汇率。

（2）变量的协整检验

运用面板数据的方法得到协整检验结果见表10.2。

协整分析结果显示，7个统计量中有6个存在显著性，较好地验证了各变量间存在的长期均衡关系，在进行回归分析时能有效地避免伪回归的发生，从而使得本研究的检验结果更具有可信性。

表10.2　面板数据协整检验结果

注：括号内为概率P的值；* * *和*分别表示在1%和10%水平下显著。

（3）面板模型的估计结果

经过相关的检验与分析及以往的研究，本研究选择变系数的固定效应模型并采用最小二乘法进行估计，回归结果见表10.3。

表10.3　中国玉米出口市场势力的检验结果

注：括号内为t统计量；* * *，* *和*分别表示在1%，5%和10%水平下显著。

从检验结果看，在韩国和日本市场上，名义汇率和实际汇率下都显示中国玉米出口不存在市场势力。事实上，韩国和日本历来是美国、巴西等玉米出口大国的主要目标市场，检验结果也说明了美国等玉米出口国在其市场上拥有垄断地位，而中国玉米出口量相对较少，从而难以在其市场上获得出口优势。在印度尼西亚市场两种汇率下的结果都显示出中国玉米出口存在市场势力。2008年以前，中国是印度尼西亚最大的玉米来源国，因此存在一定的市场势力。相比之下实际汇率下的估计值较小，反映出印度尼西亚的通货膨胀不利于中国玉米出口在其市场上进行定价。2008年开始，印度和泰国成为印度尼西亚最大的玉米供应商，同时由于中国玉米净出口国地位的转变，可以预计中国玉米出口在印度尼西亚市场上的优势即将丧失。在名义汇率下，中国玉米出口在朝鲜市场上不存在市场势力，而在实际汇率下则存在市场势力，也说明了朝鲜通货膨胀不利于中国玉米出口在其市场上的定价。由于朝鲜国内物价水平持续上涨，可以预见中国玉米出口现有的市场势力是不可持久的。在实际汇率下，中国玉米出口在马来西亚市场上的估计值为负，说明汇率变动对出口价格的影响被放大了，而名义汇率下中国玉米出口在马来西亚市场上存在市场势力，表明名义汇率反映的是马来西亚通货膨胀的变动，当汇率变动时并不会导致出口价格的相应变动，因而中国玉米出口在马来西亚市场上并不存在市场势力。事实上，马来西亚是巴西等南美玉米出口国的主要对象目标市场之一，中国在其不存在市场势力可能是由于巴西等国垄断的结果。虚拟变量的检验结果表明，2008年的金融危机提高了中国的玉米出口价格，但是显著性不高，因此可以认为2008年的金融危机并没有对中国玉米出口产生太大的负面影响。

图10.7是以实际汇率估计的时间效应回归结果，即中国玉米出口的边际成本指数。可以看到，1992—2010年的多数年份中国玉米出口的边际成本没有发生显著变化。1995年中国玉米出口量仅11万吨，这主要是由于当年玉米出现大幅减产；1996年中国玉米产量明显增加，但由于玉米出口边际成本的急剧上升，该年中国玉米出口量也仅23.8万吨；1997年由于玉米的增产及边际成本下降，该年中国玉米出口量大幅增加并达到661万吨。

图10.7　衡量玉米边际成本的时间效应估计

以上利用PTM模型估算了中国玉米出口的市场势力，结果表明在中国玉米出口的五个主要目标市场上，仅在朝鲜和印度尼西亚存在市场势力，在韩国、日本和马来西亚三大出口市场上不存在市场势力。2008年的金融危机对中国玉米出口产生了一定的冲击，反映出国际商品市场与国际金融市场之间存在着紧密联系。因此总体上看，中国玉米出口虽然存在市场势力却很弱。

（二）玉米出口对国际市场价格的影响分析

中国粮食贸易量对国际市场价格的影响如何，贸易量能否因国际市场价格的变动而产生相应变化，这些问题可以通过相关系数和因果关系分析进行考察。

1.中国玉米出口额与玉米国际市场价格指数的相关分析

李晓钟等（2004）以小麦和稻米为例，计算了国际市场价格与进口额之间的斯皮尔曼相关系数，并进行了因果检验与回归分析。斯皮尔曼相关系数的计算公式可表达为：

其中，n表示将两个变量的观测值分别从小到大或从大到小排列并分别赋予1，2，…，n个等级；d_i表示一个变量观测值的等级与另一个变量相应观测值的等级之差。与普通的相关系数分析相比，斯皮尔曼相关系数对时间跨度要求较低，且相关性的大小只与系数绝对值的大小有关。本研究借鉴其研究方法对中国与其他主要玉米出口国的出口额与国际市场价格指数间的斯皮尔曼相关系数进行了计算与比较，结果见表10.4。

表10.4　玉米出口额与国际市场价格的斯皮尔曼相关系数表（1992—2010年）

注：国际市场价格指数以1992年为基期，数据来源于《中国农业发展报告2010》和联合国COMTRADE数据库，* * *表示在1%水平下显著。前四国是指大多数年份为世界排名前四的玉米出口国，即美国、巴西、阿根廷和法国。

由表10.4可知，各检验结果都相当显著，世界玉米出口总额与国际市场价格指数间的相关系数为0.577，而中国则为0.636，因此中国玉米出口额与国际市场价格指数的关联度强于世界玉米出口总额与国际市场价格指数的关联度，但与美国的0.798及前四大玉米出口国加总的系数0.646相比仍存在一定差距。

2.中国玉米出口额与国际市场价格指数的因果分析

相关系数较大说明玉米出口与国际市场价格间可能存在某种因果关系，为验证究竟是否存在这样的关系，需要做因果关系检验并进行回归分析。在对变量进行单位根检验时，发现各变量都是一阶单整的，为提高结果的可信度，需要对各变量进行对数处理。各国玉米出口额与国际市场价格指数的因果关系检验结果见表10.5。

表10.5　各国玉米出口额与国际市场价格的因果关系检验结果

注：滞后阶数由施瓦茨准则确定，* *和*分别表示在5%和10%水平下显著，IPI表示玉米国际市场价格指数，VCH，VUS，VFF分别表示中国、美国和世界前四国加总的玉米出口额。

可以看出，美国出口额和前四国玉米总出口额的变化均是国际市场价格指数变化的格兰杰原因，而国际市场价格指数的变化不是美国玉米出口额和前四国玉米出口总额变化的格兰杰原因，说明美国及前四大出口国的玉米出口额不受国际市场价格变化的影响。国际市场价格指数变化是中国玉米出口额变化的格兰杰原因而反之不成立，这说明中国玉米出口容易受国际市场价格的影响，而中国玉米出口额的变化则不能引起国际市场价格的变动。

（三）结论

上文利用PTM模型估算了中国玉米出口的市场势力，结果表明在中国玉米出口的五个主要目标市场上，仅在朝鲜和印度尼西亚存在市场势力，在韩国、日本和马来西亚三大出口市场上不存在市场势力。2008年的金融危机对中国玉米出口产生了一定的冲击；对中国玉米出口与国际玉米市场价格的相关性和因果关系进行的检验表明，中国玉米出口与国际市场价格存在相关性，国际市场价格变动对中国玉米出口产生了影响，但中国玉米出口的变动没有对国际市场价格产生影响，说明中国玉米出口不存在“大国效应”。

粮食安全始终是关系中国国民经济发展和人民生活水平的重要问题。粮食安全包括许多方面，但首先是维持粮食供需总量之间的平衡，而当国内粮食生产不能满足消费需求时，则需要靠国际市场供应即粮食进口来弥补。正是由于国内粮食消费需求的日益扩大，从2002年开始中国粮食进口出现大幅增长势头（图10.8），2010年粮食净进口量更是达到了5600万吨的历史高位，中国作为粮食净进口国的地位更加明显。粮食进口量的迅速增长加大了国内粮食市场对国际市场的依赖，使得中国粮食贸易更容易暴露在国际粮食市场的供给风险和价格风险中。当前以ADM、邦基、嘉吉和路易达孚四大跨国粮商为首的跨国粮食集团更是通过压低粮食收购价格、抬高农业生产资料价格等各种形式攫取高额垄断利润，不仅对中国粮食贸易的收益及其国际地位产生了冲击，也对中国的粮食安全产生了一定的负面影响。

图10.8　1992—2010年中国粮食贸易情况^[4]

从粮食分品种进口贸易看（图10.9），中国是稻米的净出口国，各年度的稻米进口也基本稳定，进口量最大的1995年也仅164.2万吨；各年份中国均维持少量的玉米进口，但从2008年起中国由玉米净出口国变为玉米净进口国，2010年净进口量已达140多万吨；中国虽是小麦的净进口国，但净进口量由1995年的最高值1100万吨降为2010年的不足100万吨，近年来进口量出现微小波动；大豆是进口增长最快且净进口量最大的粮食品种，中国自1996年开始便是大豆的净进口国，此后净进口量逐年增加，2010年更是达到了5400万吨，占当年世界大豆进口总量的60.3%。可见，中国大豆进口量明显高于其他粮食品种，从而说明中国大豆的供需缺口最大。同时由于中国大豆产业的国际化程度较高，更容易受国际市场的影响，因而大豆进口的国际地位如何将对中国粮食安全产生更加显著的影响。

图10.9　1992—2010年中国粮食分品种进口情况

既然中国是粮食进口大国，我们不禁要问，中国粮食进口贸易存在“大国效应”吗？中国粮食进口贸易的“大国效应”具有两面性：一方面，较大的粮食进口会对国际市场产生显著影响，中国能利用这种影响力有效控制和调节本国粮食供需，有助于获得更低的进口价格和更高的贸易利益；另一方面，当粮食进口波动引起国际市场价格上涨的同时国内粮食进口却没有出现相应变动时，则“大国效应”将对中国产生负面影响。尤其是在国际商品市场动荡、金融危机频发、国际粮食市场不稳定因素明显增加的情况下，中国粮食进口将不可避免地受到负面影响（如2004年的“大豆风波”），加上近年来中国粮食进口的大幅增长，使得对进口价格的控制能力变得更为重要。

（一）模型设定与数据来源

Manitra et al.（2001）建立的基于进口国定价行为的PTM模型表达为：

其中，e _it 为进口国与各出口国的双边汇率并以进口国货币表示；u _it 为随机误差项；θ_t为时间效应，衡量进口国边际成本的变动；λ_i为国家效应，用以说明进口价格是否随国家的不同而变化，即衡量进口国的讨价还价能力；系数α为产出价格相对要素价格的弹性，用以反映边际利润的变化；系数β_i即为表征市场势力的指标，若β_i显著为0，则表明进口国不存在市场势力。

同时为检验金融危机及国际粮食市场剧烈变动（以2004年“大豆风波”为例）是否对中国粮食进口造成影响，本研究设置以下虚拟变量进行模拟：

因此，本研究将实证模型设定为：

中国自美国、巴西和阿根廷三国进口的大豆数量占进口总量的95%以上，因而以上三国为中国大豆的主要进口来源。式（10.4）中为来源于不同国家并以本币计价的大豆进口价格，为国内豆油价格，e _it 为以本币计价的各国汇率（考虑到各国物价水平的影响，本研究分别对名义汇率和实际汇率两种情况进行了讨论），其余变量的含义同上。以上数据根据各年的《国际统计年鉴》、《中国统计年鉴》及中华粮网数据中心、联合国COMTRADE数据库和联合国粮农组织PRICE STAT数据库整理，时间跨度为1992—2010年。

（二）实证检验与结果分析

我们首先对各变量进行平稳性检验，在确定各变量同阶单整后进行协整检验，以判断各变量之间是否存在长期均衡关系，若通过检验则对上文设定的实证模型进行回归分析。

1.面板数据的单位根检验

面板数据的单位根检验方法主要有LLC检验、IPS检验、ADF-Fisher检验和PP-Fisher检验，而各变量的平稳性可通过对四类检验结果的综合分析进行判断。由检验结果可知读者可向作者索取。" class="calibre11">^[5]，各变量的水平序列均存在单位根，而其一阶差分序列均不存在单位根，且在1%的显著性水平下都是显著的，从而符合协整分析的条件。由于原变量序列均为非平稳序列，需要对回程方程进行调整，即对各变量进行差分运算，本研究中是对其进行一阶差分。国家效应变量λ_i不随时间变动，因此在差分后不再出现。调整后的回归方程为：

2.面板数据的协整检验

基于稳健性考虑，本研究采用Pedroni检验和Kao检验两种方法对各变量的协整关系进行检验。Pedroni检验包括4个组内统计量和3个组间统计量，其中Panel ADF和Group ADF的检验效果最好，若各统计量的检验结果不一致，以这两个统计量为主要标准；Kao检验的统计量则为ADF值，并依概率进行显著性判断。回归结果表明，Pedroni检验的7个统计量中有4个在1%的显著性水平下显著，包括主要的统计量Panel ADF和Group ADF，而Kao检验的统计量也很显著，因此各变量间存在长期的均衡关系，在进行回归分析时能有效地避免伪回归的发生，从而使得本研究的检验结果更具有可信性。

3.面板模型的估计结果

面板模型估计要对模型及其回归方法进行选择，一般步骤是首先采用F检验决定选用变系数或是变截距模型，然后用Hausman检验确定应该建立随机效应模型还是固定效应模型。经过相关的检验与分析，本研究选择变系数的固定效应模型并采用最小二乘法进行估计，回归结果见表10.6。

应用名义汇率和汇率所得的结果检验结果均表明，系数α的值为正，并在1%的显著性水平下通过了检验，从而说明进口商利润的大小对中国大豆进口价格的变化产生了显著影响；所有的β_i均没有通过显著性检验，即中国大豆进口不存在市场势力。虚拟变量的检验结果表明，金融危机和“大豆风波”均对中国大豆进口产生较为显著的负面影响，从回归系数上看，“大豆风波”对中国大豆进口的负面影响比金融危机更大。

表10.6　中国大豆进口市场势力的检验结果

注：括号内为t统计量；* * *和* *分别表示在1%和5%水平下显著。

（三）结论

以上运用实证方法对中国大豆进口贸易的市场势力进行了测算，结果表明：一方面，中国在大豆进口方面不存在市场势力，从而验证了中国大豆进口贸易的“大国效应”并不存在，从而揭示出国际大豆市场存在较高的卖方市场垄断，作为大豆进口国的中国仍是国际大豆价格的接受者；另一方面，全球性金融危机和“大豆风波”均对中国大豆进口产生了较为显著的负面影响，这说明了国际商品市场与国际金融市场之间存在紧密联系，金融市场的变动必然对商品市场造成影响，而“大豆风波”的负面影响相对更大的可能原因是中国大豆的进口依存度过高且规避国际市场风险的能力不足。