中国玉米生产风险分析和评估

723 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
723
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
2
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

中国玉米生产风险分析和评估

  1. 1. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) 中国玉米生产风险分析和评估* 王 克 张 峭 (中国农科院农业信息研究所,北京 100081) 摘要: 本文运用“剔除趋势—模型选择—参数估计”这一国际广泛采用的 风险分析评估方法,对中国主产区玉米生产风险进行了分析和评估。论文首先根 据 moment-ratio diagrams 和 AD 检验,确定各主产省玉米生产风险概率分布的类 型和模型形式,然后运用极大似然估计法(MLE)估计出各主产省玉米生产风 险模型的参数,最后对中国玉米生产风险进行分析和评估。分析结果表明,中国 绝大部分主产区玉米生产风险为负偏分布,玉米减产幅度大都在 6%~25%范围, 发生轻、中灾的概率在 22%~40%之间。 关键词:玉米生产风险;风险分析与评估;单产概率分布;矩比例图 Corn Yield Risk Analysis and Evaluation in China Zhang Qiao Wang Ke (Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100081) Abstract: This paper adopts the widely used approach in international risk analysis field to analyze and evaluate the corn yield risk in Chinese Corn Belt. Basing on the analysis of moment ratio diagrams and AD statistic, the paper select the Normal distribution function for Jilin province, and Weibull distribution function for provinces of Heilongjiang, Liaoning, Henan and Shandong, and Logistic distribution function for provinces of Sichuan, Guizhou and Guangxi. Then we use MLE methods to estimate the parameters of each distribution function for sample provinces. It concludes that in Chinese Corn Belt, most regions exhibits negative skewness, and the most lost ratio is between 6% and 25%, and the probability of low or medium risk happen is from 22% to 40%. Key words: corn yield risk, risk analysis and evaluation, yield distribution, moment ratio diagrams * 作者简介:王克(1982~) ,男,河北辛集人,硕士研究生,研究方向为农业保险。E-mail: wangkeable@yahoo.com.cn。通讯作者:张峭(1962~),男,山西运城人,研究员,博士生导师,室主任, 长期从事农业风险管理与农产品市场研究。Tel:010-68919883,E-mail:zhqiao@mail.caas.net.cn zycnzj.com/http://www.zycnzj.com/
  2. 2. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) 农作物生产风险(单产风险)是农民所面临的三大风险(制度风险、生产风 险和市场风险)之一,同时又是种植业农户最为关注的风险之一[1]。对农作物生 产风险进行定量化分析和评估,不仅可以为广大农民、农业企业和政府管理者提 供决策依据,而且是农业风险区划、农业保险合同设计及费率厘订的基础。从 1998 年起,玉米产量就超过小麦,成为我国仅次于水稻的第二大粮食作物,从 2002 年起,玉米种植面积也超过小麦,成为我国种植面积第二大的粮食作物。 玉米营养价值丰富,被世界卫生组织(WHO)誉为人类膳食结构的平衡大使, 同时玉米还是重要的饲料作物,有“饲料之王”的美称。我国种植玉米的地区很 广,玉米生产大致形成一个从东北到西南的斜长形栽培带,其中北方春玉米区、 黄淮海夏玉米区和西南山地玉米区是我国玉米生产的主要地区。和其他农作物生 产一样,玉米也面临着很大的生产风险(如洪涝灾害等),生产风险的存在使玉 米产量(或单产)呈现较大的波动性,降低了农民玉米生产的积极性,不利于农 民收入的稳定和提高。因此,对我国主产区玉米生产风险进行分析和评估,不仅 可以为广大农民、农业企业和政府管理者提供生产决策依据,而且对于稳定和提 高农民收入,保障我国玉米生产及粮食安全具有重要意义。本文运用国际广泛采 用的风险分析评估方法[2],对我国三大玉米主产区的生产风险进行评估,并进一 步比较不同主产区之间、同一主产区不同省份之间玉米生产风险程度。 1 农作物生产风险的概念及计量 1.1 农作物生产风险概念界定 风险源于事物发展变化中的不确定性,已成为市场经济的常态。目前,国内 外学术界对风险概念尚没有一个公认统一的定义,有些学者认为风险就是事物的 不确定性;另外一些学者认为风险是预期损失发生的可能性。孙良媛[3]对这些观 点进行了评述和借鉴,认为风险是在一定时期和一定客观环境下,由于不确定性 的存在和人的有限理性,致使经济行为主体的预期收益与实际收益可能发生偏离 的程度。我们认为,一般情况下,尤其是在保险业中,实际收益高于预期收益的 积极结果不被视为风险[4]。因此,本文将风险的概念界定为:在一定时期和一定 客观环境下,由于不确定性的存在和人的有限理性,致使经济行为主体的实际收 益低于预期收益的程度。 农作物生产风险是指农作物在生长过程(从种植到收获)中的风险。Joy zycnzj.com/http://www.zycnzj.com/
  3. 3. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) Harwood[1]认为农业生产风险†是农作物单产和畜牧产量的下降,而按照本文的定 义,农作物生产风险应该是农作物实际单产低于预期单产的程度,即随机波动为 负的程度。 1.2 农作物生产风险影响因素 农业生产是一个自然再生产和经济再生产相互交织的过程,受自然条件影响 较大,农作物单产水平很大程度上受到天气等自然因素(如冰雹、洪涝灾害等) 的影响。然而,农业生产风险不仅仅是自然灾害风险,作物单产水平既受天气等 自然条件的影响,同时还与作物品种、生产投入和田间管理活动等因素密切相关。 所以,农作物生产风险程度需要通过作物单产随机波动的大小得以体现,也就是 说,农作物单产是影响作物生长的各个因素综合作用的最终结果,其波动频度和 程度真正体现了作物的生产风险。 1.3 农作物生产风险计量 由于农作物生产风险程度可以由作物单产的随机波动形式和大小来体现, 所以,国内外经济学家和农业经济学家大都通过计量农作物单产波动大小和概率 分布来度量和估算农作物生产风险。其一般步骤为:1 收集作物单产的历史数据; ○ ○利用统计学和计量经济学知识分离出作物单产的“随机波动” 3 确定作物单 2 ;○ 产波动的概率分布模型形式,并运用数理统计方法对模型参数进行估计;○计算 4 出单产波动的概率,估算出农作物生产风险的大小。 2 研究思路 本文的研究思路是:首先结合我国玉米主产区分布和数据获取情况,选取黑 龙江省、吉林省和辽宁省作为北方春玉米生产地区的样本代表,河南省和山东省 作为黄淮海夏播玉米地区的样本代表,四川省、贵州省和广西自治区作为西南山 地玉米区的样本代表;其次,运用计量经济学和统计学知识,对各省份单产时序 数据进行稳定性检验和“去势化”处理,得到玉米单产的波动值和相对波动值; 再次,用参数估计的方法确定各省份单产波动的具体概率分布形式;最后,计算 出各省份玉米生产风险的概率密度分布,估算各省份玉米生产风险大小,并对其 分析与评估。 3 数据来源及处理 † Production risk:decreases in crop yields or livestock output zycnzj.com/http://www.zycnzj.com/
  4. 4. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) 3.1 数据来源 除特殊说明外,本文用到的数据均来自国家统计局出版的历年《中国农村统 计年鉴》,样本时间序列为 1949~2005 年,样本对象为省级玉米单产数据。 3.2 单产数据的稳定性检验 由于我们用到的是各省份 1949~2005 年玉米单产的时序数据,因此在数据分 析之前,必须对时间序列进行稳定性检验(即单位根检验),这是因为对时序数 据的统计和计算是建立在序列平稳基础之上,如果序列不平稳,那么就意味着时 间序列的数字特征是随着时间的变化而变化的,这时我们就很难通过序列已知信 息去掌握时间序列整体上的随机性[5]。稳定性检验的常见方法有 ADF 检验和 PP 检验,由于与 ADF 检验相比,PP 检验具有对残差假设较少、拒绝存在单位根原 假设可信度更强的优点[6],所以本文采用 PP 检验对四省份玉米单产序列进行稳 定性检验。通过观察八省份单产序列图发现,都存在常数项和显著趋势,因此, 运用 Eviews 软件,进行含有常数项和趋势项的单位根检验,检验结果表明:八 省份均在较小的显著水平下拒绝了其存在单位根的原假设,可以认为八省份单产 序列平稳(表 1)。 表 1 八省份 1949~2005 年玉米单产序列 PP 检验结果 Table 1 The Unit root test results for corn yield series of eight sample 检验结果 黑龙江 吉林 辽宁 河南 山东 四川 贵州 广西 接受原假设的概率 0.0102 0.0515 0.0002 0.0015 0.0137 0.0776 0.0001 0.0319 拒绝原假设的显著水平 5% 10% 1% 1% 5% 10% 1% 5% 注:原假设为时间序列存在单位根;表中数据为含有常数项和趋势项的单位根检验结果。 3.3 剔除趋势和随机波动的计算 从理论上讲,由于农业技术进步、品种改良和劳动者素质提高等因素,作物 单产的潜在水平不是稳定不变的,一般都有一个上升的趋势。剔除单产数据的趋 势十分重要,否则,直接将不同年份的单产进行比较没有太多意义,不能反映出 单产的真实波动。 玉米生产风险体现为玉米单产随机波动为负的程度。而玉米单产的随机波动 值等于玉米单产减去其趋势值,即: Yw = Y − Yt (1) 其中:Yw 为玉米单产的随机波动值, 为玉米单产,Yt 是玉米单产的趋势值。 Y zycnzj.com/http://www.zycnzj.com/
  5. 5. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) 本文采用单产随机波动的相对值(RSV)作为玉米生产风险程度的代表,原 因是相对随机波动表明玉米单产的相对波动,不受时间和空间影响,可比性好, 能较好的描述气象灾害等各种短期变动因子对玉米单产的影响[7]。计算公式为: RSV = Yw / Yt (2) 计算作物单产趋势( Yt )的方法有很多种,如(加权)移动平均法、指数平 滑法、回归拟合法等,但移动平均法和指数平滑法都会损失一些样本数据,而回 归模拟法又具有很大的主观性。我们在这里采用直线滑动平均法‡,该方法的优 点在于既不必主观假定(或判定)产量历史演变的曲线类型,同时又不损失样本 序列的数量[8]。在单产趋势值确定以后,我们利用公式(1)(2)剔除八省份玉 、 米单产序列的趋势,剔除趋势后八省份玉米单产的相对随机波动序列图和简单统 计量如下,见图 1、表 2。 .8 .3 Heilongjiang province Jilin province .6 .2 .4 .1 Rsv Rsv .2 .0 .0 -.1 -.2 -.2 -.4 -.3 50 55 60 65 70 75 80 85 90 95 00 05 50 55 60 65 70 75 80 85 90 95 00 05 year year .3 .2 Liaoning province Henan province .2 .1 .1 .0 Rsv Rsv .0 -.1 -.1 -.2 -.2 -.3 -.3 -.4 -.5 -.4 50 55 60 65 70 75 80 85 90 95 00 05 50 55 60 65 70 75 80 85 90 95 00 05 year year ‡ 选择的步长 k=10 zycnzj.com/http://www.zycnzj.com/
  6. 6. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) .2 .3 Shandong province Sichuan province .2 .1 .1 Rsv RSv .0 .0 -.1 -.1 -.2 -.2 -.3 -.3 50 55 60 65 70 75 80 85 90 95 00 05 50 55 60 65 70 75 80 85 90 95 00 05 year year .3 .4 Guizhou province Guangxi province .2 .3 .2 .1 Rsv .1 Rsv .0 .0 -.1 -.1 -.2 -.2 -.3 -.3 -.4 -.4 50 55 60 65 70 75 80 85 90 95 00 05 50 55 60 65 70 75 80 85 90 95 00 05 year year 图 1 八省份玉米单产的相对随机波动序列图 Figure 1 the RSV series figure of eight sample 表 2 八省份玉米单产随机波动的简单统计量一览表 Table 2 the summaries of RSV series, eight samples 变异系 JB 统计 接受正态分 省份 均值 最大值 最小值 标准差 偏度 峰度 数 量 布的概率 黑龙江 -0.0024 0.758 -0.313 0.160 -67.97 1.65 10.39 155.29 0.0% 吉林 -0.0020 0.241 -0.25439 0.118 -58.47 -0.27 2.35 1.677 43.2% 辽宁 -0.0050 0.242 -0.41292 0.131 -26.15 -0.80 3.67 7.151 2.8% 河南 -0.0051 0.165 -0.29962 0.102 -19.97 -1.09 4.20 14.642 0.1% 山东 -0.0035 0.154 -0.27307 0.087 -24.79 -0.82 3.96 8.519 1.4% 四川 -0.0028 0.219 -0.28388 0.091 -32.97 -0.27 4.12 3.671 16.0% 贵州 0.0011 0.281 -0.33153 0.097 89.05 0.00 5.61 16.144 0.0% 广西 -0.0028 0.362 -0.33004 0.102 -36.70 -0.02 6.14 23.351 0.0% 从图 1 和表 2 可以看出, “去势”后八省份玉米单产序列在 1960 年左右波动 幅度都较大,波动均值都接近于 0,但除贵州省外,其余七省份的均值都小于 0; 八省份随机波动序列的波动情况也不相同,贵州省变异系数最大,且为正值,其 余七省份变异系数为负,从最小的 19.97(河南省)到 67.97(黑龙江省);另外, zycnzj.com/http://www.zycnzj.com/
  7. 7. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) 八省中,除黑龙江省为正偏、贵州省为对称分布外,其余六省均为负偏,这和国 外研究结论(大部分作物单产为负偏分布)一致。 4 单产波动模型 单产波动模型的构建是农作物生产风险分析和评估的关键步骤,模型构建的 准确性和合理性直接关系到作物生产风险分析评估结果的可靠性,影响到后续的 风险管理决策的制定。本文采用参数估计方法来确定作物单产的波动模型,而参 数估计方法就是“首先假定单产波动模型的分布函数形式,然后利用数据拟合估 算出该分布函数的参数,确定模型的具体形式”,所以,利用参数方法确定作物 单产波动模型面临的首要问题就是“选择合适的分布函数形式”。从表 2 可以看 出,除吉林省外,其余七省份服从正态分布的概率均很小,所以我们需要为这七 个省份“找到”合适的分布函数形式。 目前,国外学者对农业生产风险进行了大量研究,提出了多种作物单产分布 模型:如 Beta 分布、Gamma 分布、Weibull 分布、Burr 分布、双曲线反正旋分 布、Johnson family 分布(SU、SB 和 lognormal)等[9]。但是对于模型选择标准 的研究不多,尚没有一个统一的模型选择标准。Sherrick[10]的研究采用了先用矩 比率图(图 1)作为模型选择的粗略标准,然后结合 AD 检验选择最优模型的方 法,本文也采用这一方法进行模型选择。选择结果为吉林省服从正态分布,黑龙 江省、辽宁省、河南省和山东省均服从 Weibull 分布,四川省、贵州省和广西自 治区均服从 Logistic 分布。 zycnzj.com/http://www.zycnzj.com/
  8. 8. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) 图2 Beta、Weibull、正态、标准正态和 Logistic 模型的矩比率图 Figure 2 the moment ratio diagram of Beta, Weibull, Normal, Lognormal and Logistic distribution, theoretically 在模型形式确定以后,我们用极大似然估计法§估算出模型的参数,计算出 八省份单产波动模型及其概率密度图(如下图 3-10)。 黑龙江(服从 Weibull**分布,参数为 a=1.7575,b=0.3169) 单产波动模型: a x a −1 x f ( x) = ( ) exp( − ( ) a ) b b b x x = 5.5459 × ( ) 0.7575 × exp[ − ( )1.7575 ] ( x > 0) 0.3169 0.3169 x x F ( x ) = 1 − exp( − ( ) a ) = 1 − exp( − ( )1.7575 ) b 0.3169 § 正态和 Logistic 分布参数的极大似然估计是用 Eviews 软件计算; Weibull 分布参数的 MLE 是用 Matlab 软件计算的。 ** 需要注意的是 Matlab 中 Weibull 分布的概率密度形式与标准形式不同,是经过化简的。本文采用 Weibull 分布的标准概率密度形式,来自 Engineering Statistics Handbook (http://www.itl.nist.gov/div898/handbook/eda/section3/eda3668.htm) zycnzj.com/http://www.zycnzj.com/
  9. 9. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) 14 12 10 frequence 8 6 4 2 0 -0.2 -0.0 0.2 0.4 0.6 0.8 RSV 图 3 黑龙江省玉米单产相对波动的直方图和概率密度图 Figure 3 The Histogram and PDF plot of RSV series in Heilongjiang province 吉林省(服从正态分布,参数为μ=-0.002014,σ=0.117752) 单产波动模型: 1 ( x − μ )2 1 ( x + 0.002014)2 f ( x) = exp[− ]= exp[− ] 2πσ 2σ 2 0.2952 0.0277 1 x (t + 0.002014)2 0.2952 ∫−∞ F ( x) = exp[− ] dt 0.0277 9 8 7 frequence 6 5 4 3 2 1 0 -0.2 -0.1 -0.0 0.1 0.2 Rsv 图 4 吉林省玉米单产相对波动的直方图和概率密度图 Figure 4 The Histogram and PDF plot of RSV series in Jilin province 辽宁省(服从 Weibull 分布,参数为 a=2.8900,b=0.6737) 单产波动模型: x x f ( x ) = 4.2897 × ( )1.89 × exp[ − ( ) 2.89 ] 0.6737 0.6737 zycnzj.com/http://www.zycnzj.com/
  10. 10. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) x F ( x ) = 1 − exp( − ( ) 2.89 ) 0.6737 14 12 10 frequence 8 6 4 2 0 -0.4 -0.2 -0.0 0.2 Rsv 图 5 辽宁省玉米单产相对波动的直方图和概率密度图 Figure 5 The Histogram and PDF plot of RSV series in Liaoning province 河南省(服从 Weibull 分布,参数为 a=2.4114,b=0.6815) 单产波动模型: x 1.4114 x 2.4114 f ( x) = 3.5385 × ( ) × exp[−( ) ] 0.6815 0.6815 x F ( x ) = 1 − exp( − ( ) 2.4114 ) 0.6815 10 8 frequence 6 4 2 0 -0.3 -0.2 -0.1 -0.0 0.1 Rsv 图 6 河南省玉米单产相对波动的直方图和概率密度图 Figure 6 The Histogram and PDF plot of RSV series in Henan province 山东省(服从 Weibull 分布,参数为 a=2.8814, b=0.6826) 单产波动模型: zycnzj.com/http://www.zycnzj.com/
  11. 11. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) x 1.8814 x 2.8814 f (x) = 4.2212×( ) ×exp[−( ) ] 0.6826 0.6826 x F ( x ) = 1 − exp( − ( ) 2.8814 ) 0.6826 12 10 frequence 8 6 4 2 0 -0.2 -0.1 -0.0 0.1 RSV 图 7 山东省玉米单产相对波动的直方图和概率密度图 Figure 7 The Histogram and PDF plot of RSV series in Shandong province 四川省(服从 Logistic 分布,参数为 m= -0.002068,s=0.048335) 单产波动模型: x−m − x+0.002068 x+0.002068 1 e s − − 0.048335 −2 f (x) = × x−m = 20.6889×e 0.048335 ×(1+ e ) s − (1+ e s 2 ) x −m x −m x + 0.002068 x + 0.002068 F ( x) = e b /(1 + e b )= 0.048335 /(1 + e 0.048335 ) 12 10 8 frequence 6 4 2 0 -0.3 -0.2 -0.1 -0.0 0.1 0.2 RSV 图 8 四川省玉米单产相对波动的直方图和概率密度图 zycnzj.com/http://www.zycnzj.com/
  12. 12. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) Figure 8 The Histogram and PDF plot of RSV series in Sichuan province 贵州省(服从 Logistic 分布,参数为 m= 0.000298,s=0.049286) 单产分布模型: x−0.000298 x−0.000298 − 0.049286 −2 f (x) = 20.2897 × e 0.049286 × (1+ e ) x−0.000298 x−0.000298 F(x) = e 0.049286 /(1+ e 0.049286 ) 12 10 frequence 8 6 4 2 0 -0.250 -0.125 -0.000 0.125 0.250 RSV 图9 贵州省玉米单产相对波动的直方图和概率密度图 Figure 9 The Histogram and PDF plot of RSV series in Guizhou province 广西自治区(服从 Logistic 分布,参数为 m= -0.000622,s=0.051701) 单产波动模型: x+0.000622 x+0.000622 − 0.051701 −2 f ( x) = 19.342 × e 0.051701 × (1+ e ) x + 0.000622 x + 0.000622 F ( x) = e 0.051701 /(1 + e 0.051701 ) zycnzj.com/http://www.zycnzj.com/
  13. 13. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) 20 16 12 frequence 8 4 0 -0.2 -0.0 0.2 0.4 RSV 图 10 广西自治区玉米单产相对波动的直方图和概率密度图 Figure 10 The Histogram and PDF plot of RSV series in Guangxi province 5 风险水平的估算 损失概率和损失严重程度是风险估算所要解决的问题[4]。上文已经构建了各 省份玉米单产波动的模型,因此,利用概率和数理统计方法对不同风险强度的发 生概率进行估算。假定某省单产波动的累积概率密度函数为 F(x),给定一定的 单产波动值 x0 , x1 , x2 ( x1 < x2 ) ,则: 单产波动水平小于 x0 的概率为 P ( x < x0 ) = F ( x0 ) 单产波动水平大于 x0 的概率为 P ( x > x0 ) = 1 − P ( x < x0 ) = 1 − F ( x0 ) 单产波动水平大于 x1 ,小于 x2 的概率为 P ( x1 < x < x2 ) = F ( x2 ) − F ( x1 ) 在灾损标准的选择上,本文借鉴刘荣花等[11]提出的灾损标准,将生产风险 大小 x(%)分为:6≤x<15、15≤x<25、25≤x<35、x≥35 四个等级,分别对应于 轻灾、中灾、重灾和巨灾。计算结果如下: 表3 我国玉米主产区玉米生产风险一览表 Table 2 the summaries of corn production risk in Chinese Corn Belt 减产幅度 北方春玉米区 黄淮海玉米区 西南玉米区 风险 % 黑龙江 吉林 辽宁 河南 山东 四川 贵州 广西 轻灾 6~15 20.84% 23.73% 20.74% 24.90% 25.27% 18.69% 18.21% 18.94% zycnzj.com/http://www.zycnzj.com/
  14. 14. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) 中灾 15~25 19.03% 8.67% 14.61% 14.02% 7.92% 3.89% 3.90% 4.48% 重灾 25~35 5.06% 1.60% 5.11% 1.15% 0.07% 0.52% 0.54% 0.68% 巨灾 ≥35 0.00% 0.41% 0.36% 0.00% 0.00% 0.06% 0.07% 0.10% 风险均值 7.41% 4.79% 6.71% 5.64% 4.13% 2.83% 2.80% 3.04% 注:本表中减产幅度划分标准同上 风险均值=各等级灾害中位值的概率加权平均=10%×P(轻灾)+20%×P(中灾)+30%×P(重灾)+50%×P(巨 灾) 从表 3 中可以看出,我国主产区玉米减产幅度大都在 6%~25%之间,发生轻、 中灾的概率在 22%~40%之间;北方春玉米区生产风险最高,黄淮海玉米区居中, 西南玉米区生产风险最低,这可能与其气候湿润有关;在我们选择的八个样本中, 黑龙江省为北方春玉米区生产风险最高的省份,也高于其它七省,河南省生产风 险高于山东省,为黄淮海玉米区生产风险最高的省份,而西南玉米区三个省份的 生产风险比较接近,广西自治区略高一些,为西南玉米区生产风险最高的省份。 6 小结 1、农作物生产风险是指农作物在生长过程(从种植到收获)中的风险,是 农作物实际单产低于预期单产的程度,即随机波动为负的程度。 2、在所选的八个样本中,除黑龙江省和贵州省外,其余六省份单产波动序 列的偏度均为负值,这和大部分作物单产波动序列为负偏的国外研究结论一致。 3、本文用矩比率图和 AD 检验作为样本单产波动模型的选择标准,结果为: 吉林服从正态分布;黑龙江省、辽宁省、河南省和山东省均服从 Weibull 分布; 四川省、贵州省和广西自治区均服从 Logistic 分布。 4、我国玉米主产区玉米减产幅度大都在 6%~25%之间,发生轻、中灾的概 率在 22%~40%之间;三大玉米主产区生产风险比较,北方春玉米区最高,黄淮 海夏玉米区次之,西南山地玉米区最低;在所选的八个样本省份中,黑龙江省的 玉米生产风险最高,贵州省的生产风险最低。 参考文献: zycnzj.com/http://www.zycnzj.com/
  15. 15. zycnzj.com/ www.zycnzj.com 作者保留所有权利,该文已发表于:中国农业科学.2007.Vol.40(suppl.2) [1] Harwood J. Managing Risk in Farming: Concepts, Research, and Analysis. Agricultural Economic Report, No.774, ERS USDA, IV [2] 张 峭, 王 克. 农作物生产风险分析的方法和模型, 农业展望, 2007,3(8) :7-10. Zhang Q, Wang K. The analysis method and model for crop production risk. Agriculture outlook, 2007,3(8):7-10 (in Chinese) [3] 孙良媛.经营环境,组织制度与农业风险. 北京:中国经济出版社, 2004:16-18. Sui L Y. The operating environment, organizational systems and agricultural risk. Beijing: Chinese economics press, 2004: 16-18 (in Chinese) [4] 黄崇福. 自然灾害风险分析的基本原理. 自然灾害学报, 1999,8(2):21-30 Huang C F. Basic principles of risk analysis of natural disasters, journal of Natural Disasters, 1999,8(2):21-30 (in Chinese) [5] 高铁梅. 计量经济学分析方法与建模:Eviews 应用及实例. 北京:清华大学出版社, 2006: 143. Gao T M. The Analysis methods and model of Econometrics: Applied in Eviews.Beijing:Tsinghua university press,2006:143(in Chinese) [6] Enders W. Applied Economics Time Series (1sted) . New York: John Wiley &sons,1995. [7] 邓 国, 王昂生, 周玉淑. 粮食生产风险水平的概率分布计算方法. 南京气象学院学报, 2002, 25(4) :481-488 Deng G, Wang A S, Zhou Y S. Grain yield risk level calculated by probability distribution. Journal of Nanjing Institute of Meteorology, 2002,25(4): 481-488 (in Chinese) [8] 张 峭.中国粮食生产的波动分析及短期预测方法.中国农业科学院博士论文, 1998: 17~19. . Zhang Q. Fluctuation Analysis and Short-term Projective Method of Grain Production in China, A Thesis of PH.D of Management, CAAS, P.R. China.1998:17-19 (in Chinese) [9] Catherine P. LAWAS,Crop Insurance Premium Rate Impacts of Flexible Parametric Yield Distributions: An Evaluation of Johnson Family of Distributions, A Thesis of Master of Science, Texas Tech University, 2005:2-3 [10] Bruce J. Sherrick, Fabio C.Zanini, Gary D.Schnitkey,and Scott H.Irwin, Crop Insurance Valuation under Alternative Yield Distributions,American Journal of Agricultural Economics, 2004, 86(2): 406-419 [11] 刘荣花, 朱自玺,方文松, 王友贺, 许蓬蓬.华北平原冬小麦干旱的产量灾损风险区划. 中 国气象学会 2005 年年会论文集:3960-3695 Liu R H , Zhu Z X, Fang W S, Wang Y H, Xu P P. the risk zoning for winter wheat drought in North Plain of China. Present at proceedings in 2005 Annual conference of Chinese Meteorological Society, Suzhou,2005:3690-3695 (in Chinese) zycnzj.com/http://www.zycnzj.com/

×