注册 投稿
经济金融网 中国经济学教育科研网 中国经济学年会 EFN通讯社

简报2013年第002期(总第1034期):对新生物能源作物代替

 

 

2013年3月7日下午,密歇根州立大学经济学院赵金华教授做了一场有关新生物能源原料代替现有粮食作物建模方面的报告。以下为报告的主要内容。

首先赵教授介绍了文章选题的主要背景和意义。随着气候变化的加剧,全球许多地区都在变暖,随着时间的推移,原来比较寒冷的偏北方的地区全年平均气温会逐渐升高。粮食生产如何应对全球变暖是非常值得思考的问题。另一方面,生物能源技术在美国等主要发达国家也非常受追捧。如果对各种土地和气候所适应生产的农作物进行建模,并且用于预测新作物的可能适宜分布,这对于应对全球能源价格上涨,以及气候变化问题将具有重大意义。此文的目的就是根据已有作物相关历史数据建模去预测新作物的地理分布情况。

文章的贡献有以下几点:第一、建立了以作物生理特性为变量的作物选择模型,以此能对不存在历史数据的新作物的选择与供给做出预测。第二、与其它的有关生物能源农作物供给方面的文章相比,本文模型的参数是直接从可观测到的作物选择的数据估计得出的,而不依赖数值模拟。第三、控制了不可观测的作物与郡县的固定效应。第四、此模型抓住了以作物生理特性为变量的作物生产函数的核心信息,而不需要直接估计作物的生产函数。

此文与已有的农作物供给领域的大量文献相关。一方面,已经存在自下而上的结构性作物选择模型,这类模型通过设定作物产出和生产约束,通过线性规划技术来求出各区域利润最大化的农作物。这类模型通过模拟的方法也能基于已有的植物的生长条件来预测新作物的供给,但这类模型在农民经济行为的部分都依赖各种假设,而不是基于实证估计,难以解释选择生产某种作物不能观测到的成本和收益。另一类模型是对农作物和农产品供给进行计量估计,这类模型的不足是它们的参数都是针对特定作物的,从而很难对新作物的可能分布进行预测。此文可以视为以上两种方法的结合体,把植物生理特性和土壤特性的信息纳入信息集,并把二者交叉项纳入解释变量(而不估计与特定作物选择相关的参数),因而可以用来预测新作物的供给。文章从可观察到的作物选择直接对模型参数进行估计,同时也控制了不可观测的作物和郡县的固定效应。很明显此文的估计方法与普通商品和消费者的匹配方式相类似。

文章的模型分为概念模型和实证模型两个大类。首先是概念模型,以在某一特定数量的土地上种植某一作物所获的每英亩期望利润作为被解释变量,以相应单位的每英亩产出作物的收益再减去固定成本以及可变成本,以此作为解释变量,通过对产量的微分以此建立产品生产的理论模型。并建立了某郡县某农民生产某产品所获期望利润的理论模型,在产品生产模型的基础上控制了产品自身的效应、郡县的自身效应以及产品及郡县的交叉效应,并在此模型基础上通过利润最大化原理建立起有关作物选择概率的模型。然后将理论模型取对数并且用“美国农作物保养项目”土地的作物类型所占的份额将实际所占份额标准化,以此得到实证模型。为了解释不同作物间生产函数参数的不同,文章假定该估计参数与作物属性呈线性相关关系。由于所采用作物种类繁多,在实际估计中一个重要的问题就是,作物的零份额在许多郡县都不存在,这使得取对数后许多观测值出现了空值;为此赵教授通过给这些零值赋予很小的数值一进行处理,当然对赋予的不同值都进行了稳健性检验,同时还将这些存在零份额的观测值删除再进行估计,结果表明这些估计方法对模型结果影响很小。

由于土壤和气候特征以及作物特性的选取对于模型的估计结果影响巨大,赵教授在这方面进行了深入分析。赵教授选取了温度、阳光、水、土壤肥力等因素作为衡量土地和气候的特性指标,同时也对土壤保持、作物循环生产等因素进行了探讨;另外用无霜期的天数、根深、高度、盐份忍容度、土壤肥沃度要求、pH值要求等指标来衡量农作物的特性。文章选取了1986年-2008年(CRP,即Conservation Reserve Program,开始于1986年)美国郡县层面的数据;而由于考虑各年价格变化的因素将使模型过于复杂,故在这个开创性的文章中只是将这23年的数据进行算术平均带入模型进行估计。

估计结果显示,在0—30度之间的日度差的标准差每增加0.1,在其它条件不变的情况下(下同),对无霜期天数需要最少的作物所占份额比需要无霜期天数最多的作物所占份额将提高11.3%,即二者之间的比值将提高11.3%。光线标准差上升0.1将导致C3类型与C4类型农作物的相对份额比值下降1.57%,将导致高光照使用效率的农作物所占份额提高5%,并导致最高类型的作物所占份额下降7.38%。降水标准差每提高0.1,将导致根最长类型的作物所占份额下降2.95%,并导致最高水利用效率的的作物所占的份额下降1.13%。土壤中可利用水的容量的标准差增大0.1将导致最长根类型的作物份额下降2.38%,并将导致最高水利用效率的作物所占份额下降0.97%。土壤pH值标准差上升0.1将导致现在pH值很低的作物所占比重提高1.59%,而将使现在pH值很高的作物所占份额下降2.27%。土壤对雨水侵蚀敏感度及对风侵蚀敏感度的标准差提高0.1将分别导致最长根的作物所占份额降低0.3%、4.41%。

作为一篇偏实证性的文章,赵教授在模型估计的稳健性检验方面做了详实的工作。其一,把土壤中氮气容量与作物特性的相关性变量加入回归方程,并删除了此变量不全的所有样本(大约占总样本的一半),所得回归系数符号与期望相同(与上面提到的估计结果相比,下同)且统计上显著,当然其它变量的回归系数并没有发生极重大的变化。其二,控制住作物-区域固定效应,五分之四的变量回归系数符号仍然保持不变。其三,只选择前十种种值面积最广的农作物(这些农作物的播种面积约占样本中所有耕地面积的90%),超过三分之二的估计系数保存同样的符号,而被估计出的改变了符号的系数中差不多一半都在统计上不显著。其四,去掉存在0份额作物的数据;删除这些样本暗含着这些数据与受影响的郡的选择集合不相关,显然这个假设不合理,而这样做后近三分之二的估计系数仍然保持相同的符号,但大多数估计系数在统计上都不在显著。其五,再改用拟似然函数的估计方法来对模型进行估计,结果显示,四分之三的回归系数仍然保持相同的符号,并且大多数都保持相同的数量级。综上可知文章所用模型的估计方法是稳健的。

赵教授又对模型的适用性作了检验。通过将各农作物的生理特性以及各地土壤、气候等条件代回原回归方程,得到每种农作物相对份额的预测值。与真实的农作物相对份额相比较,88%的预测结果与实际结果大体相一致。在检验了模型的适用性用,赵教授将柳枝稷和芒草这两种新生物能源作物的数据代入回归方程中,得出了这两种作物的潜在分布,并据此分析了推广这两种作物可能给其它已有主要农作物带来的影响。模型预测表明,在面临着雨水和寒冷的抉择时,柳枝稷和芒草将选择寒冷的地方,以此会替代生长在北部平原的小麦和其它农作物。而在其它地区,由于土壤和气候相关性的不同,被替代的农作物的类型也将十分不同。

虽然此篇文章对预测新作物的潜在分布有着重大意义,赵教授也指出了文章中模型和实证估计的几处不足的地方。其一,文章并没有对耕地和其它土地的选择进行建模与比较。其二,对理论模型和实证模型都强加了一些假定,包括假定可变投入能容易地替代固定投入以及主要模型设定中误差项独立同分布的假定。其三,由于美国农业部所记录的金融回报数据较缺乏的原因,文章还并不能找出完全的农作物供给函数。其四,通过现代实证技术应该还能对作物以及土壤的特性做出更加精确的度量。

 

(袁东整理)

 

文章评论
关注我们

快速入口
回到顶部
深圳网站建设