打开文本图片集

摘要：大豆是我国重要的粮食作物，含有丰富的优质植物蛋白。今年的中央一号文件提出，“大力实施大豆和油料产能提升工程” “加大耕地轮作补贴和产油大县奖励力度”。科学、合理地对全国大豆进口量进行研究分析及定量预测可对我国大豆产业链的各个部分做出有效指导，为政府制定相关政策促进大豆产业的发展提供科学支撑。本文采用ARIMA模型对2000年01月-2022年02月中国大豆进口量进行分析，对2022年03月-2022年08月大豆进口量进行预测。结果表明，未来半年中国大豆进口量先呈现缓慢上升趋势，预计5月份达到阶段性峰值，6月-8月份进口量缓慢下降，但数量值依然较大。最后，根据预测结果提出相应的对策建议，为大豆产业政策的制定提供数据参考。

关键词：大豆;进口量;预测

一、引言

大豆是我国重要的粮食作物，既可提供豆油也是动物饲料的主要部分。同时，大豆的压榨生产在现代畜禽饲料精深加工行业中占的地位也是越来越重要。随着中国加入世贸，加上国内资源约束和生产成本上升的影响，中国大豆贸易情况发生了巨大变化。大豆目前是我国主要的进口农产品种类之一，进口的依存度近几年一直都居高不下，进口形势严峻。自中国1996年规定对进口大豆取消进口的配额关税管制，仅允许征收大豆3%的配额统一出口关税政策后，由于进口壁垒已经大大被降低，使得中国的大豆进口量一直不断快速攀升^[1]。这也使得越来越多的学者开始关注大豆进口贸易问题。张翔宇（2020）以1980-2016年中国大豆进口量为研究样本，运用随机前沿引力模型对其进行估计，探究中国大豆进口贸易的影响因素。赵小龙（2020）对我国的进口大豆现状以及进口贸易进行了深入分析，指出我国进口的大豆来源市场还是相对的集中、对国外进口大豆依赖度高、进口成本在逐渐上涨。孙中叶（2021）先采用结构向量自回归SVAR模型研究全球经济不确定性对中国大豆进口贸易的影响，再用中介效应对国际国内大豆价格进行效应分析。

通过现有文献分析梳理可发现，目前多数学者仅集中聚焦于对中国大豆的进口贸易进行理论研究，对大豆进口量走势的预测分析研究方面并未有学者过多关注，基于此，本文在回顾2000年01月-2022年02月中国大豆市场形势的基础上，基于ARIMA模型对未来半年中国大豆进口量进行预测，并提出相应的对策建议。可为全国大豆产业政策体系的统一制定研究提供信息参考。

二、研究方法与数据来源

（一）研究方法

根据所要研究的大豆进口量序列的特点，ARIMA模型指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。模型具体形式如下：Yt =β0+β1Yt-1 +β2Yt-2 +...+βpYt-p +εt -α1εt-1 -α2εt-2-…- αqεt-q

其中，{Yt}为需预测的时间序列，需要满足平稳性要求。p为自回归阶数;q为滑动平均阶数;β和θ为待估参数;{εt}为白噪声序列。ARIMA模型预测的基本过程如下：

第一步：利用序列的散点图、单位根检验等判断所预测的时间序列的平稳性进行识别;第二步：对非平稳序列进行差分，使其转换为平稳序列;第三步：对平稳序列建立适合的模型，对p和q分别取值进行参数估计;第四步：对所建立的模型进行检验，利用 AIC、BIC、HQC等信息准则挑选出最优的ARIMA预测模型;第五步：利用通过的最优模型对时间序列进行预测分析。

大豆价格预测方面，熊涛首次将动态模型平均理论引入到农产品期货市场价格分析与预测研究中，以大连商品交易所上市的黄大豆1号期货价格为研究对象;构建大豆期货价格预测模型，探究允许解释变量及其回归系数随时间变化的大豆期货价格预测效果。蔡承智、李炳军分别基于ARIMA模型和GM模型对世界大豆单产、中国大豆总产进行了预测，均得出具有代表意义的结论^[3-6]。

（二）数据来源

本文选择了中国海关总署官方公布的2000年1月-2022年02月我国大豆月度进口量作为研究对象，据此预测2022年3-8月份我国大豆进口量。

三、中国大豆进口现状

（一）中国大豆进口快速增长

随着近年来我国社会人均支配收入水平持续的大幅提高，拉动促进了居民消费群体结构整体的快速升级，人们对畜禽产品的需求不断增强，进一步推动了畜牧业的发展。大豆是畜牧业所需的重要饲料，需求也跟着快速增长。国内大豆需求量持续上涨，对国外进口高度依赖。2020年中国大豆需求量已达至11984.95万t，较2019年同期增加了1328.62万t，同比增长达到12.47%，2021年中国的大豆需求量为11125.69万吨t，较2020年减少了859.26万t，同比减少7.17%。由于国内大豆供给不足，我国近9成大豆由国外进口。根据中国海关数据统计，2020年我国进口大豆10033万t，首次超过1亿t，较2019年增加1175万t，2021年进口量虽有所下降，但仍居高不下，达到了9653.3万t。

（二）中国大豆进口来源相对集中

我国进口大豆的主要来源地包括巴西、美国、阿根廷、加拿大、乌拉圭和俄罗斯等，其中巴西、美国和阿根廷是我国进口大豆的三大主要来源地，从这三个国家进口的大豆总量占我国大豆总进口量的95%左右^[2]。2021年，我国自巴西大豆进口量处于第一位，进口量为5，815.1万t，占大豆进口比例的60.2%。从美国进口大豆3，231.2万t，仅次于自巴西的大豆进口量。从阿根廷进大豆374.4万吨t，处于进口来源国第三位。目前国际形式复杂，中美贸易以及新冠疫情都会对我国大豆产业产生潜在风险。提升大豆自给率与优质率，将大豆进口来源多元化，是将来实现我国大豆振兴的要点。

四、实证分析

（一）平稳性检验

首先运用Eviews8.0软件绘制我国大豆进口量的趋势图。从图1可以看出，大豆进口量序列呈现明显的趋势性，初步判断该序列为非平稳序列。

将大豆进口量的时间序列命名记为Y，对其进行单位根检验，检验的结果如表1所示：

由表1可看出，大豆进口量平稳性检验的ADF 统计值在1%、5%、10%水平下均未通过检验。因此还需对大豆进口量进行一阶差分后做单位根检验，将大豆进口量一阶差分后得序列命名为DY。结果如表2所示：一阶差分后得到的ADF统计值为-12.846，小于1%、5%、10%三个显著性水平下的临界值-3.456、-2.873 和-2.573，小于所有t临界值，且P值为0.0000。说明大豆进口量一阶差分序列在1%的显著性水平下为平稳序列。因此可以选取一阶差分后的时间序列作为建模序列并确定ARIMA模型中的p 和q 值。

（二）模型预测

根据平稳性检验及分析所得结果，原序列经过1阶差分后趋于平稳，所以d取1。接下来再来确定p 和q。对p，q取不同的值，分别建立模型，并进行参数估计，比较各模型参数的t统计量以及信息准则值，根据系数的显著性以及AIC 和BIC 最小化准则来判断并选出最优模型。

经过Eviews8.0软件计算后，得出ARIMA （2，1，1）模型的AIC值最小，如表3所示。

各种预测模型检验结果如表3所示，可以看出ARIMA （0，1）和ARIMA （1，0）的t统计量对应的p值均大于α，故不予采用。现将其他预测模型检验结果总结如下表3：

由表3可以看出，当p=2，q=1时AIC、SC、HQ的值最小，故建立ARIMA（2，1，1）模型。

（三）模型的检验

如图所示，对模型ARIMA（2，1，1）模型残差序列相关性进行LM检验后，可以看到LM统计量在10%的显著性水平下拒绝残差不存在序列相关性的原假设，可以认为该模型残差存在序列相关性。故基本假设可近似被认定为对目前该模型的拟合化的程度已较预期良好，可以进行下一步的大豆进口量预测。

（四）模型的预测

本文通过对2000年1月-2022年02月中国大豆进口量进行分析，对样本进行样本外预测，预测2022年3月至8月的中国大豆进口量，见图3和表4，由表4可见2022年3月至8月中国大豆进口量虽然有缓慢下降趋势，但数量值依然较大。

五、结论与启示

（一）结论

本文利用ARIMA模型对2000年1月-2022年02月期间中国大豆进口量进行分析，通过对比模型的系数显著性及AIC、SC、HQ的值发现ARIMA（2，1，1）的模拟效果最好，也预测到2022年3月至8月中国大豆进口量在3月份至5月份会依然呈上升态势，预计5月份到达阶段性峰值，6月份-8月份有缓慢下降趋势，但数量值依然较大。

（二）启示

1.加强种子科技攻关，提高单产水平

从单产看，我国大豆平均亩产与主产国巴西和美国还有较大的差距，同时也具有很大的提升空间。主要途径目前还需鼓励各地进一步通过其它多种形式积极加强优质杂交种子科技与研究开发技术攻关，提高杂交良种大豆单产水平。整合各级政府和技术团体的资源和人才优势，集中攻克技术难题，对过去的“良种良法配套”理念进行创新，加强良种和良法有机融合的推广应用。

2.完善大豆补贴制度，提高国际竞争力

我国大豆价格竞争力长期弱于美国和巴西，需要在政策上予以支持。一是针对区域要建立因地制宜的补贴制度，即不同地区采取不同的补贴标准;二是针对个体要建立生产者补贴动态调节机制，根据农民工自身条件与种植规模采取不同补贴标准;三是针对企业，完善大豆企业补贴制度。培育海外大豆生产企业，鼓励企业建立海外大豆生产基地，提升企业国际影响力。四是积极推进大豆收入保险，为农户降低产量与价格上的双重风险，实现风险对冲，收入保险也更加符合WTO规则，顺应国际趋势。

3.促进饲料多样化，发展草地农业

建议进一步研究大豆蛋白饲料的替代品，以保障国内畜牧养殖，提升国内基本农产品饲料市场上供给及保障服务能力，降低我国对国外大豆的依赖度。大力推进草地畜牧业发展，提高粮食产量，丰富农作物牧草品种 [12]在当地重点农区内要重点研究培育与发展以草田高效轮作和相辅配套生产的绿色高效农粮草养饲畜兼顾型特色农业，发展现代化设施牧草栽培与有机改良草地、草畜家畜。加大草原基础设施项目投入，促进牧区草地农业稳定持续地发展。同时，在大豆等原料进口方面，采取措施逐步适当扩大主要贸易来源国数量，使进口走向多样化。

参考文献：

[1]刘厚甫.换算不变价格的两种方法比较[J].统计，1985，{4}（06）：26-28.

[2]李志强，赵忠萍，吴玉华.中国粮食安全预警分析[J].中国农村经济，1998，{4}（01）：27-32.

[3]朱婧，范亚东，徐勇.基于改进GM（1，1）模型的中国大豆价格预测[J].大豆科学，2016，35（02）：315-319.

[4]滕永平，周婷婷.大豆期货价格预测实证研究[J].沈阳工业大学学报（社会科学版），2017，10（04）：331-334.

[5]蔡承智，张建威，梁颖.基于ARIMA模型的世界大豆单产预测分析[J].大豆科学，2018，37（03）：452-457.

[6]李炳军，杨卫明.基于灰色区间预测和GM（1，N）模型的我国粮食供需结构平衡分析[J].江苏农业科学，2019，47（18）：325-329.