摘要本文首先构建粮食最低收购价政策效应的评价指标体系模型，然后结合实施品种不同，利用固定效应回归分析方法分别对小麦和早稻这两个粮食品种的具体评价指标模型进行实证分析并进行相应比较，最后构建粮食最低收购价的VAR预测模型，并对小麦和早稻2017年的最低收购价进行预测. 关键词粮食最低收购价政策；评价指标体系模型；固定效应回归分析；向量自回归（VAR）模型 中图分类号F224.0文献标识码A AbstractThis article constructed the evaluation index system model of the grain minimum purchase price policy. Then， combined with the implementation of different varieties， the fixed effect regression analysis method was employed to empirically analyze wheat and rice of the two varieties of grain， and these two models were compared. The VAR prediction model of the minimum grain purchase price was constructed， and the price of wheat and rice in 2017 was forecasted. Keywordsgrain minimum purchase price policy； evaluation index system model； fixed effect regression analysis； vector autoregressive （VAR） model 1引言 粮食，不仅是人们日常生活的必需品，而且还是维护国家经济发展和政治稳定的战略物资，具有不可替代的特性.由于耕地减少、人口增加、水资源短缺、气候变化等问题日益凸显，加之国际粮食市场的冲击，我国粮食产业面临着潜在的风险.因此，研究我国的粮食保护政策具有十分重要的作用和意义. 但是对于粮食最低收购价政策实施效果的评价，学者们也是见解不一.部分地区某些粮食品种种植面积、粮食总产量不增反降，导致部分学者质疑粮食最低收购价政策的效果；但也有学者高度肯定了粮食最低收购价政策，认为如果不实施粮食最低收购价政策，这些地区某些粮食品种的种植面积可能会下降得更快，因而认为粮食最低收购价政策在稳定或增加粮食种植面积方面是有着积极的作用. 目前国内对于粮食最低收购价政策实施效果的研究主要是通过采用理论与实证相结合方法来研究政策对农户供给行为[1]、粮食安全影响[2]、农民收入[3]以及稳定市场价格[4]等方面的作用进行研究，且对于粮食最低收购价政策的实证分析主要运用了变截距固定效用模型（见参考文献[5，6]）. 综上所述，本文根据搜集数据来建立不同的数学模型来对粮食最低收购价政策进行不同方面的研究，主要解决以下问题：①分析确定合理的最低收购价政策的评价指标体系；②结合政策实施品种的不同，分别对小麦和早稻最低收购价政策执行主产省区的政策实施效应进行分析；③构建粮食最低收购价的预测模型，对我国2017年粮食最低收购价进行具体预测. 2粮食最低收购价政策评价指标体系模型 衡量粮食最低收购价政策实施的效应，主要是比较政策实施前后粮食种植面积是否有显著性变化.影响粮食种植面积的因素比较多，例如农业劳动力人口、粮食进出口贸易、农民受教育程度、城乡收入差距、家庭负担等，因此需要对粮食种植面积的影响因素构建一个指标体系，并建立相应模型来分析这些因素对粮食种植面积的具体影响. 2.1变量选取和数据处理 本文构建的指标体系主要考虑了城乡收入差距（IG）、城市建设征用的农用面积（UCR）、粮食种植补贴（FS）、受教育程度水平为高中以下的劳动力人口数（LE）以及粮食进口总量（IM）这五个因素，其中前3个因素都是直接对粮食种植面积产生影响，如城市建设征用的农村面积越大则会导致粮食种植面积的直接减少；对于受教育程度水平为高中以下的劳动力人口这一指标的选取，是因为劳动力人口和农村人口的文化程度具有太强相关性，且两者都对粮食种植面积产生一定的影响，因此将这两个因素结合成这一个因素，更具有代表性；由于我国是一个粮食进口大国，粮食进口会对国内粮食种植产生替代作用，因此在指标体系中考虑粮食进口量这一指标. 2.2模型的建立与求解 本文在建立多元线性回归模型之前，对数据[7]进行了一定的处理，将除了粮食种植补贴这一变量的其他所有变量都进行取对数化处理，然后用其对数值来构建模型. Step 1数据验证.为了模型合理，首先需保证所选指标体系的合理性，即保证模型所选的指标与因变量粮食面积具有较强相关性，且需验证各指标之间的相关性关系.运用Stata软件[8]对对数化处理后的数据进行相关性分析，所得到的变量之间的相关系数见表1. 由表1可知，变量粮食种植补贴（FS）与处理后的粮食种植面积（ln GPA）呈现正相关，表明粮食直接补贴有助于粮食种植面积的扩大；而ln IG、ln UCR、ln LE、ln IM这四个变量与处理后的粮食种植面积（ln GPA）呈现负相关，表明城乡人均收入差距、城市建设所征用的农用面积、受教育程度水平为高中以下的农村劳动力人口数以及粮食进口总量都会减少粮食种植面积；ln UCR与ln IG的相关系数为0.674 3，这表明城市建设所征用的农用面积的扩大会加大城乡收入差距，收入差距的扩大影响农村劳动力的转移，从而减少粮食种植面积. Step 2回归分析.运用该指标体系构建多元线性回归模型，利用Stata软件对处理后的数据进行回归分析，具体结果见表2. 表2分别采用了OLS和GMM两种方法对影响ln GPA的因素进行回归分析，从表2中第（3）和（4）列的回归结果来看，无论用OLS和GMM，得出的结果除了系数标准误差不同外，系数显著性和估计值完全相同，表明得出的模型结果是稳健的并具有可靠性，可运用OLS这一方法进行建模，但同时发现两列中ln UCR这一变量并不显著，而表2列中每个解释变量的P值都小于0.01，则说明这些解释变量都是显著的，即在一定程度上说明表2中（2）列构建的指标体系是合理的，且其可决系数0.846 6大于表2中（1）列的可决系数0.696 7，因此本文选用列OLS回归模型；同时观测表2中4个模型方程的输出结果，可以发现无论在哪个模型中，城乡收入差距（IG）都是显著的，这在一定程度上说明城乡收入差距的扩大是造成我国粮食种植面积减少的主要原因. 模型方程（4）表明：①lnIG对ln GPA有显著的负的抑制作用，表明城乡人均收入差距的扩大会减少粮食种植面积，这是因为城乡收入差距的扩大加剧了务农劳动力的转移，使得大量良田荒废；②ln UCR显著抑制ln GPA，即城市建设征地减少粮食种植面积，近年来我国城市化进程的加快，侵占了大量良田，尤其是城乡结合处的大量良田被占用，直接影响我国粮食种植面积，与此同时，城市化进程的加快又进一步拉大城乡收入差距，促进农村劳动力产业转移，更加减少了粮食种植面积；③ln LE的系数显著为负，而且系数值很大，显著减少粮食种植面积，这是由于我国的城市化进程速度快，城乡收入差距大，受教育程度普遍不高的农村劳动力种植技术水平低，粮食种植以个体户为主，务农收入远远低于进城打工的收入，即务农的机会成本很高，进而农村劳动力向城市转移，导致粮食种植面积的减少；④从模型结果可以看出，FS对ln GPA呈现显著的正效应，即财政粮食直接补贴有利于粮食种植面积的扩大，但由于其系数接近于0，这在一定程度上说明粮食种植补贴政策对粮食种植面积的作用并不好. 3粮食最低收购价政策评价研究之实证分析 粮食最低收购价作为国家重要的粮食价格保护政策，于2004年开始对主产区重点粮食品种实行预案，并于2005年正式启动并执行至今.该政策的设计初衷是为了稳定粮食供给，增强国家调控粮食市场的能力，提高农民种粮积极性及收入.本文主要针对政策实施品种的不同，利用所构建的评价指标体系模型对小麦和早稻最低收购价执行主产区进行具体分析. 3.1小麦最低收购价政策评价指标体系模型 本文主要运用固定效应回归分析法来研究最低收购价政策对小麦种植面积的影响，但是同时考虑到影响小麦种植面积的因素不止政策影响，所以构建了以小麦种植面积为被解释变量，最低收购价政策、粮食种植成本、粮食市场平均价格和各地发展水平为解释变量的指标体系来进行相应的回归分析. 在进行回归分析之前根据小麦15个主产省区[9]（即河北、江苏、安徽、山东、河南、湖北、湖南、山西、内蒙古、四川、云南、陕西、宁夏、甘肃和新疆这15个省）的数据及其特点，可以发现对于政策变量来说其他数据过小，因此需要对除了政策变量之外的所有变量数据进行对数化处理，再用处理后数据进行回归分析，得到的回归分析结果见表4. 表4分别采用混合OLS、固定效应模型以及随机效应模型三种方法来估计小麦最低收购价政策对其种植面积的影响以及评估该政策效应.由于Hausman检验的P值为0.000 1拒绝了个体效应与模型解释变量不相关的原假设，所以选择固定效应模型，而且根据固定效应模型所得到的F检验统计量的P值为0.023 99，拒绝了个体效应全部为0的原假设，表明小麦主产省区内存在显著的个体差异，即最低收购价政策存在一定的区域性差异.由表4中的第2列（即固定效应模型结果）可知，ln GPA受到其自身滞后项ln GPA（-1）以及lnMPG、ln EDL及其滞后一阶项等变量的显著影响，这说明小麦本期种植面积不仅受到小麦种植成本、小麦市场价格、各地发展水平这三个变量本期数据影响，还受到这三个变量上期数据的影响；同时可以发现，在控制这些变量之后，小麦最低收购政策执行情况变量MPP在1%的显著水平下对ln GPA影响显著，并且其系数为正，这在一定程度上表明该政策有利于小麦种植面积的扩大，说明该政策对小麦粮食种植面积存在积极作用. 3.2早稻最低收购价政策评价指标体系模型 本文主要运用固定效应回归分析方法来研究最低收购价政策对早稻种植面积的影响，并对早稻种植面积构建与小麦相同的指标体系来进行分析. 在进行回归分析之前根据早稻8个主产省区（即湖南、湖北、江西、安徽、浙江、福建、广东、广西这8个省）的面板数据[10]及其特点，同样对除了政策变量之外的所有变量数据进行对数化处理，再用处理后数据进行回归分析，得到的回归分析结果见表5. 表5采用混合OLS、固定效应模型以及随机效应模型三种方法来估计早稻最低收购价政策对其种植面积的影响以评估该政策效应.由于Hausman检验的P值为0.001 3拒绝了个体效应与模型解释变量不相关的原假设，所以选择固定效应模型，而且根据固定效应模型所得到的F检验统计量的P值为0.005 6，拒绝了个体效应全部为0的原假设，表明早稻主产省区内存在显著的个体差异，即最低收购价政策存在一定的区域性差异.同时由表5可知，ln GPA受到其自身滞后项ln GPA（-1）、ln MPG、ln EDL等变量的显著影响，在控制这些变量之后，早稻最低收购政策执行情况MPP在1%的显著水平下对ln GPA影响显著，并且其系数为正，表明该政策有利于早稻种植面积的扩大，这在一定程度上说明该政策对早稻粮食面积具有促进作用. 根据上述分析结果，可以得到最低收购价政策对早稻种植面积的固定效应模型方程应选为： 4粮食最低收购价的预测模型建立与运用 4.1粮食最低收购价预测模型的建立 根据对我国粮食价格所具有的特殊规律性进行数据分析研究，可以得到我国粮食价格会受到最低收购价的影响，且两者之间是相互影响的.在此基础上，本文利用运用向量自回归模型根据粮食市场价格来对最低收购价进行预测，分别对小麦和早稻两个粮食品种的最低收购价建立具体预测模型.根据已有数据整理小麦和早稻的市场价格和最低收购价，由于2015、2016年小麦主产区的市场均价还未经权威部门统计出来，本文参考中商情报网2015年各月份小麦的平均交易价格，可以得到其价格为124.77元/50 kg；并结合2016年小麦各地当期的交易价格，得到小麦市场价格约为127.5元/50 kg.得到2015年、2016年对应的早稻市场价格约为133.16元/50 kg和130.32元/50 kg.（见参考文献[11-13]）见表6. 根据表8输出结果，可以发现小麦和早稻预测误差分别只有2.58%和5.18%，这个误差范围是可以接受的，从而在一定程度上说明本文所构建的VAR预测模型是合理的. 同时通过运行程序，可以知道2017年小麦的最低收购价格为118.00元/50kg，参考历史波动率均值为2.58%，因此预测2017年每100斤小麦最低收购价格范围是[114.96，121.05]，约为115～121元；同理预测2017年每100斤早稻最低收购价格范围是[125.03， 138.68]，约为125～138元. 5政策建议 基于上述所有分析结果，可以针对调控粮食种植面积和粮食最低收购价这两个问题提供相应的优化决策和政策意见：第一，基于构建的影响粮食种植面积的指标体系模型结果，需加强新农村建设，提高农村居民收入、缩小与城市居民的收入差距是关键.而在城镇化进程中不应过度、非法占用耕地面积，侵害农民生存的权益.此外政府可以给予农民适当的财政粮食直接补贴，这样能保护种粮农民利益、调动农民种粮积极性、提高粮食产量和促进农民增收；第二，由预测VAR模型的结果可知，国家在对粮食最低收购价进行确定的时候，要充分考虑粮食前几期的粮食市场价格和最低收购价的影响，即要结合实际情况来制定政策. 参考文献 [1]张爽.粮食最低收购价政策对主产区农户供给行为影响的实证研究[J].经济评论，2013，（1）：130-131. [2]张建杰.对粮食最低收购价政策效果的评价[J].经济经纬，2013，（5）：60-61. [3]张改清.粮食最低收购价政策下农户储售粮行为响应及其收入效应[J].农业经济问题，2014，（7）：88-92. [4]贺伟.我国粮食最低收购价政策的现状、问题及完善对策[J].宏观经济研究期刊，2010，（10）：32-33. [5]邱雁，李越.生产、收入与成本：中国粮食补贴政策绩效分析[J].财经科学，2016，（5）：96-99. [6]兰录平.粮食最低收购价政策实施效应的实证分析[J].农业经济，2013，（02）：45-46. [7]国家统计局农村社会经济调查司.中国农村统计年鉴[M].北京：中国统计出版社，2015. [8]陈强.高级计量经济学及Stata应用[M].北京：高等教育出版社，2010. [9]陈晓华.中国农业统计资料[M].北京：中国农业出版社，2015. [10]王志刚.面板数据模型及其在经济分析中的应用[M].北京：经济科学出版社，2008. [11]国家发改委.国家发布小麦等最低收购价格[EB/OL].（2014-10-16）[ 2016-9-17]. http：//www.ndrc.gov.cn/. [12]中商情报网.小麦价格走势情况分析[EB/OL].（2016-01-02）[ 2016-9-17].http：//www.askci.com/news/data/2016/01/02/172331gipu.shtml. [13]中国鸡蛋网.各地区小麦等粮食的市场价格[EB/OL]. （2015-05-07）[ 2016-9-17].http：//www.cnjidan.com/xinwen/. [14]杰弗里・M・伍德里奇.计量经济学导论：现代观点[M].北京：中国人民大学出版社，2010. [15]周建兴，岂兴明，矫津毅.MATLAB从入门到精通[M].北京：人民邮电出版社出版，2008.
摘要本文首先构建粮食最低收购价政策效应的评价指标体系模型，然后结合实施品种不同，利用固定效应回归分析方法分别对小麦和早稻这两个粮食品种的具体评价指标模型进行实证分析并进行相应比较，最后构建粮食最低收购价的VAR预测模型，并对小麦和早稻2017年的最低收购价进行预测. 关键词粮食最低收购价政策；评价指标体系模型；固定效应回归分析；向量自回归（VAR）模型 中图分类号F224.0文献标识码A AbstractThis article constructed the evaluation index system model of the grain minimum purchase price policy. Then， combined with the implementation of different varieties， the fixed effect regression analysis method was employed to empirically analyze wheat and rice of the two varieties of grain， and these two models were compared. The VAR prediction model of the minimum grain purchase price was constructed， and the price of wheat and rice in 2017 was forecasted. Keywordsgrain minimum purchase price policy； evaluation index system model； fixed effect regression analysis； vector autoregressive （VAR） model 1引言 粮食，不仅是人们日常生活的必需品，而且还是维护国家经济发展和政治稳定的战略物资，具有不可替代的特性.由于耕地减少、人口增加、水资源短缺、气候变化等问题日益凸显，加之国际粮食市场的冲击，我国粮食产业面临着潜在的风险.因此，研究我国的粮食保护政策具有十分重要的作用和意义. 但是对于粮食最低收购价政策实施效果的评价，学者们也是见解不一.部分地区某些粮食品种种植面积、粮食总产量不增反降，导致部分学者质疑粮食最低收购价政策的效果；但也有学者高度肯定了粮食最低收购价政策，认为如果不实施粮食最低收购价政策，这些地区某些粮食品种的种植面积可能会下降得更快，因而认为粮食最低收购价政策在稳定或增加粮食种植面积方面是有着积极的作用. 目前国内对于粮食最低收购价政策实施效果的研究主要是通过采用理论与实证相结合方法来研究政策对农户供给行为[1]、粮食安全影响[2]、农民收入[3]以及稳定市场价格[4]等方面的作用进行研究，且对于粮食最低收购价政策的实证分析主要运用了变截距固定效用模型（见参考文献[5，6]）. 综上所述，本文根据搜集数据来建立不同的数学模型来对粮食最低收购价政策进行不同方面的研究，主要解决以下问题：①分析确定合理的最低收购价政策的评价指标体系；②结合政策实施品种的不同，分别对小麦和早稻最低收购价政策执行主产省区的政策实施效应进行分析；③构建粮食最低收购价的预测模型，对我国2017年粮食最低收购价进行具体预测. 2粮食最低收购价政策评价指标体系模型 衡量粮食最低收购价政策实施的效应，主要是比较政策实施前后粮食种植面积是否有显著性变化.影响粮食种植面积的因素比较多，例如农业劳动力人口、粮食进出口贸易、农民受教育程度、城乡收入差距、家庭负担等，因此需要对粮食种植面积的影响因素构建一个指标体系，并建立相应模型来分析这些因素对粮食种植面积的具体影响. 2.1变量选取和数据处理 本文构建的指标体系主要考虑了城乡收入差距（IG）、城市建设征用的农用面积（UCR）、粮食种植补贴（FS）、受教育程度水平为高中以下的劳动力人口数（LE）以及粮食进口总量（IM）这五个因素，其中前3个因素都是直接对粮食种植面积产生影响，如城市建设征用的农村面积越大则会导致粮食种植面积的直接减少；对于受教育程度水平为高中以下的劳动力人口这一指标的选取，是因为劳动力人口和农村人口的文化程度具有太强相关性，且两者都对粮食种植面积产生一定的影响，因此将这两个因素结合成这一个因素，更具有代表性；由于我国是一个粮食进口大国，粮食进口会对国内粮食种植产生替代作用，因此在指标体系中考虑粮食进口量这一指标. 2.2模型的建立与求解 本文在建立多元线性回归模型之前，对数据[7]进行了一定的处理，将除了粮食种植补贴这一变量的其他所有变量都进行取对数化处理，然后用其对数值来构建模型. Step 1数据验证.为了模型合理，首先需保证所选指标体系的合理性，即保证模型所选的指标与因变量粮食面积具有较强相关性，且需验证各指标之间的相关性关系.运用Stata软件[8]对对数化处理后的数据进行相关性分析，所得到的变量之间的相关系数见表1. 由表1可知，变量粮食种植补贴（FS）与处理后的粮食种植面积（ln GPA）呈现正相关，表明粮食直接补贴有助于粮食种植面积的扩大；而ln IG、ln UCR、ln LE、ln IM这四个变量与处理后的粮食种植面积（ln GPA）呈现负相关，表明城乡人均收入差距、城市建设所征用的农用面积、受教育程度水平为高中以下的农村劳动力人口数以及粮食进口总量都会减少粮食种植面积；ln UCR与ln IG的相关系数为0.674 3，这表明城市建设所征用的农用面积的扩大会加大城乡收入差距，收入差距的扩大影响农村劳动力的转移，从而减少粮食种植面积. Step 2回归分析.运用该指标体系构建多元线性回归模型，利用Stata软件对处理后的数据进行回归分析，具体结果见表2. 表2分别采用了OLS和GMM两种方法对影响ln GPA的因素进行回归分析，从表2中第（3）和（4）列的回归结果来看，无论用OLS和GMM，得出的结果除了系数标准误差不同外，系数显著性和估计值完全相同，表明得出的模型结果是稳健的并具有可靠性，可运用OLS这一方法进行建模，但同时发现两列中ln UCR这一变量并不显著，而表2列中每个解释变量的P值都小于0.01，则说明这些解释变量都是显著的，即在一定程度上说明表2中（2）列构建的指标体系是合理的，且其可决系数0.846 6大于表2中（1）列的可决系数0.696 7，因此本文选用列OLS回归模型；同时观测表2中4个模型方程的输出结果，可以发现无论在哪个模型中，城乡收入差距（IG）都是显著的，这在一定程度上说明城乡收入差距的扩大是造成我国粮食种植面积减少的主要原因. 模型方程（4）表明：①lnIG对ln GPA有显著的负的抑制作用，表明城乡人均收入差距的扩大会减少粮食种植面积，这是因为城乡收入差距的扩大加剧了务农劳动力的转移，使得大量良田荒废；②ln UCR显著抑制ln GPA，即城市建设征地减少粮食种植面积，近年来我国城市化进程的加快，侵占了大量良田，尤其是城乡结合处的大量良田被占用，直接影响我国粮食种植面积，与此同时，城市化进程的加快又进一步拉大城乡收入差距，促进农村劳动力产业转移，更加减少了粮食种植面积；③ln LE的系数显著为负，而且系数值很大，显著减少粮食种植面积，这是由于我国的城市化进程速度快，城乡收入差距大，受教育程度普遍不高的农村劳动力种植技术水平低，粮食种植以个体户为主，务农收入远远低于进城打工的收入，即务农的机会成本很高，进而农村劳动力向城市转移，导致粮食种植面积的减少；④从模型结果可以看出，FS对ln GPA呈现显著的正效应，即财政粮食直接补贴有利于粮食种植面积的扩大，但由于其系数接近于0，这在一定程度上说明粮食种植补贴政策对粮食种植面积的作用并不好. 3粮食最低收购价政策评价研究之实证分析 粮食最低收购价作为国家重要的粮食价格保护政策，于2004年开始对主产区重点粮食品种实行预案，并于2005年正式启动并执行至今.该政策的设计初衷是为了稳定粮食供给，增强国家调控粮食市场的能力，提高农民种粮积极性及收入.本文主要针对政策实施品种的不同，利用所构建的评价指标体系模型对小麦和早稻最低收购价执行主产区进行具体分析. 3.1小麦最低收购价政策评价指标体系模型 本文主要运用固定效应回归分析法来研究最低收购价政策对小麦种植面积的影响，但是同时考虑到影响小麦种植面积的因素不止政策影响，所以构建了以小麦种植面积为被解释变量，最低收购价政策、粮食种植成本、粮食市场平均价格和各地发展水平为解释变量的指标体系来进行相应的回归分析. 在进行回归分析之前根据小麦15个主产省区[9]（即河北、江苏、安徽、山东、河南、湖北、湖南、山西、内蒙古、四川、云南、陕西、宁夏、甘肃和新疆这15个省）的数据及其特点，可以发现对于政策变量来说其他数据过小，因此需要对除了政策变量之外的所有变量数据进行对数化处理，再用处理后数据进行回归分析，得到的回归分析结果见表4. 表4分别采用混合OLS、固定效应模型以及随机效应模型三种方法来估计小麦最低收购价政策对其种植面积的影响以及评估该政策效应.由于Hausman检验的P值为0.000 1拒绝了个体效应与模型解释变量不相关的原假设，所以选择固定效应模型，而且根据固定效应模型所得到的F检验统计量的P值为0.023 99，拒绝了个体效应全部为0的原假设，表明小麦主产省区内存在显著的个体差异，即最低收购价政策存在一定的区域性差异.由表4中的第2列（即固定效应模型结果）可知，ln GPA受到其自身滞后项ln GPA（-1）以及lnMPG、ln EDL及其滞后一阶项等变量的显著影响，这说明小麦本期种植面积不仅受到小麦种植成本、小麦市场价格、各地发展水平这三个变量本期数据影响，还受到这三个变量上期数据的影响；同时可以发现，在控制这些变量之后，小麦最低收购政策执行情况变量MPP在1%的显著水平下对ln GPA影响显著，并且其系数为正，这在一定程度上表明该政策有利于小麦种植面积的扩大，说明该政策对小麦粮食种植面积存在积极作用. 3.2早稻最低收购价政策评价指标体系模型 本文主要运用固定效应回归分析方法来研究最低收购价政策对早稻种植面积的影响，并对早稻种植面积构建与小麦相同的指标体系来进行分析. 在进行回归分析之前根据早稻8个主产省区（即湖南、湖北、江西、安徽、浙江、福建、广东、广西这8个省）的面板数据[10]及其特点，同样对除了政策变量之外的所有变量数据进行对数化处理，再用处理后数据进行回归分析，得到的回归分析结果见表5. 表5采用混合OLS、固定效应模型以及随机效应模型三种方法来估计早稻最低收购价政策对其种植面积的影响以评估该政策效应.由于Hausman检验的P值为0.001 3拒绝了个体效应与模型解释变量不相关的原假设，所以选择固定效应模型，而且根据固定效应模型所得到的F检验统计量的P值为0.005 6，拒绝了个体效应全部为0的原假设，表明早稻主产省区内存在显著的个体差异，即最低收购价政策存在一定的区域性差异.同时由表5可知，ln GPA受到其自身滞后项ln GPA（-1）、ln MPG、ln EDL等变量的显著影响，在控制这些变量之后，早稻最低收购政策执行情况MPP在1%的显著水平下对ln GPA影响显著，并且其系数为正，表明该政策有利于早稻种植面积的扩大，这在一定程度上说明该政策对早稻粮食面积具有促进作用. 根据上述分析结果，可以得到最低收购价政策对早稻种植面积的固定效应模型方程应选为： 4粮食最低收购价的预测模型建立与运用 4.1粮食最低收购价预测模型的建立 根据对我国粮食价格所具有的特殊规律性进行数据分析研究，可以得到我国粮食价格会受到最低收购价的影响，且两者之间是相互影响的.在此基础上，本文利用运用向量自回归模型根据粮食市场价格来对最低收购价进行预测，分别对小麦和早稻两个粮食品种的最低收购价建立具体预测模型.根据已有数据整理小麦和早稻的市场价格和最低收购价，由于2015、2016年小麦主产区的市场均价还未经权威部门统计出来，本文参考中商情报网2015年各月份小麦的平均交易价格，可以得到其价格为124.77元/50 kg；并结合2016年小麦各地当期的交易价格，得到小麦市场价格约为127.5元/50 kg.得到2015年、2016年对应的早稻市场价格约为133.16元/50 kg和130.32元/50 kg.（见参考文献[11-13]）见表6. 根据表8输出结果，可以发现小麦和早稻预测误差分别只有2.58%和5.18%，这个误差范围是可以接受的，从而在一定程度上说明本文所构建的VAR预测模型是合理的. 同时通过运行程序，可以知道2017年小麦的最低收购价格为118.00元/50kg，参考历史波动率均值为2.58%，因此预测2017年每100斤小麦最低收购价格范围是[114.96，121.05]，约为115～121元；同理预测2017年每100斤早稻最低收购价格范围是[125.03， 138.68]，约为125～138元. 5政策建议 基于上述所有分析结果，可以针对调控粮食种植面积和粮食最低收购价这两个问题提供相应的优化决策和政策意见：第一，基于构建的影响粮食种植面积的指标体系模型结果，需加强新农村建设，提高农村居民收入、缩小与城市居民的收入差距是关键.而在城镇化进程中不应过度、非法占用耕地面积，侵害农民生存的权益.此外政府可以给予农民适当的财政粮食直接补贴，这样能保护种粮农民利益、调动农民种粮积极性、提高粮食产量和促进农民增收；第二，由预测VAR模型的结果可知，国家在对粮食最低收购价进行确定的时候，要充分考虑粮食前几期的粮食市场价格和最低收购价的影响，即要结合实际情况来制定政策. 参考文献 [1]张爽.粮食最低收购价政策对主产区农户供给行为影响的实证研究[J].经济评论，2013，（1）：130-131. [2]张建杰.对粮食最低收购价政策效果的评价[J].经济经纬，2013，（5）：60-61. [3]张改清.粮食最低收购价政策下农户储售粮行为响应及其收入效应[J].农业经济问题，2014，（7）：88-92. [4]贺伟.我国粮食最低收购价政策的现状、问题及完善对策[J].宏观经济研究期刊，2010，（10）：32-33. [5]邱雁，李越.生产、收入与成本：中国粮食补贴政策绩效分析[J].财经科学，2016，（5）：96-99. [6]兰录平.粮食最低收购价政策实施效应的实证分析[J].农业经济，2013，（02）：45-46. [7]国家统计局农村社会经济调查司.中国农村统计年鉴[M].北京：中国统计出版社，2015. [8]陈强.高级计量经济学及Stata应用[M].北京：高等教育出版社，2010. [9]陈晓华.中国农业统计资料[M].北京：中国农业出版社，2015. [10]王志刚.面板数据模型及其在经济分析中的应用[M].北京：经济科学出版社，2008. [11]国家发改委.国家发布小麦等最低收购价格[EB/OL].（2014-10-16）[ 2016-9-17]. http：//www.ndrc.gov.cn/. [12]中商情报网.小麦价格走势情况分析[EB/OL].（2016-01-02）[ 2016-9-17].http：//www.askci.com/news/data/2016/01/02/172331gipu.shtml. [13]中国鸡蛋网.各地区小麦等粮食的市场价格[EB/OL]. （2015-05-07）[ 2016-9-17].http：//www.cnjidan.com/xinwen/. [14]杰弗里・M・伍德里奇.计量经济学导论：现代观点[M].北京：中国人民大学出版社，2010. [15]周建兴，岂兴明，矫津毅.MATLAB从入门到精通[M].北京：人民邮电出版社出版，2008.