论文摘要：基于产业内贸易理论,运用G-L指数、协整分析技术和Granger因果关系检验对中澳农产品产业内贸易水平及影响因素进行实证分析。结论表明，中国和澳大利亚整体农产品产业内贸易水平较低，仅个别章节农产品产业内贸易水平较高；规模经济与产业内贸易指数存在正向协整关系，收入差距与产业内贸易指数存在反向协整关系，而贸易开放度与产业内贸易指数协整关系不明显。
论文关键词：产业内贸易,指数,协整分析
　　一、引言
　　自1972年12月，中澳正式建交之后，两国的经贸合作路径不断拓宽，水平逐年提升。截止到2008年，中国已成为澳大利亚第二大贸易伙伴，是澳大利亚第二大出口目的国和第一大进口来源国。在货物贸易上，中国为澳大利亚第二大货物贸易伙伴，货物贸易额占澳大利亚货物贸易总额的15.1%。期间中澳两国农产品贸易虽有波动，但贸易总量呈上升趋势，自1996年起，双边的农产品贸易年均以9.97%的速度增长，2009年，中澳农产品贸易总额达到15.37亿美元，其中中国从澳大利亚进口的农产品为9.84亿美元，中国向澳大利亚出口的农产品总额为5.53亿美元。随着中国经济的将快速发展，人们日益增长的物质需求，使得我国在各种农产品的进口方面大大增加。可以预见，未来中澳两国的农产品贸易仍将有巨大的发展空间。
　　近年来，国内学者对农产品产业内贸易日益关注。所谓产业内贸易是指同一产业内部差异品的交换及中间品的交换，也就是在某一时期出口某种产品的同时又进口同种同类产品。与强调比较优势等的产业间贸易不同，它与规模经济、产品差异化、偏好相似性、需求多样化和跨国公司的迅速发展等有着密切关系。[2]就中澳农产品双边贸易而言，各位学者的研究结果显示：中澳农产品贸易整体而言产业间贸易占优势，产业内贸易水平不高，双方农产品贸易互补的特征明显。但对中澳各章节农产品进行产业内贸易研究的较少；另一方面，结合产业内贸易指数与产业内贸易的影响因素做实证分析的很少，故本文将按照HS体系的细分农产品目录，在测算中澳农产品产业内贸易指数基础上，分析两国农产品产业内贸易的发展水平，并对影响中澳农产品产业内贸易的因素进行实证分析，在此基础上提出相关对策建议。
　　二、中澳农产品的产业内贸易衡量及数据
　　（一）中澳农产品的产业内贸易衡量
　　中澳农产品产业内贸易的分析将以产业内贸易指数为基础，产业内贸易指数可以衡量一国产业内贸易的发展水平，直观地反映一国产业内贸易的现况。本文选取格鲁贝尔－劳埃德指数进行分析，指标如下：
　　GLIi=1-{｜Xi-Mi｜/(Xi+Mi)}
　　i指中国农产品贸易行业中第i个农产品行业，以Xi和Mi分别表示其出口和进口；当此值越接近1，则表明该类农产品贸易模式越倾向于产业内贸易,越接近0表示该类农产品贸易中产业间贸易越重要。一般情况下,GLIi>0.5时,产业内贸易占优势;GLIi时,产业间贸易占优势。
　　（二）中澳农产品产业内各贸易指数定量数值
　　本文所用数据来自于中华人民共和国统计年鉴、世界银行网站以及联合国的商品贸易统计数据数据库（UNCOMTRADE），农产品具体分类根据联合国《国际贸易标准分类》HS1996准则。其中HS01到HS24以及其他部分章节为农产品的商品目录，据此得出各章进出口农产品数值，选择年份为1996至2008年。
　　三、中澳农产品的产业内贸易实证研究结果
　　（一）中澳农产品产业内贸易指数测算（G-L指数）
　　表1：中澳各章农产品产业内贸易G-L指数
　　

G-L指数	1996	1997	1998	1999	2000	2001	2002	2003	2004	2005	2006	2007	2008	平均值
hs01	0.0000	0.0000	0.0000	0.0000	0.0000	0.0000	0.0000	0.0000	0.0000	0.0000	0.0000	0.0000	0.0000	0.0000
hs02	0.0000	0.0040	0.0000	0.0096	0.0040	0.0059	0.0474	0.0003	0.0000	0.0000	0.0000	0.0000	0.0000	0.0055
hs03	0.8726	0.4603	0.4723	0.5804	0.5309	0.6822	0.8508	0.7801	0.6838	0.6770	0.6124	0.8279	0.7530	0.6757
hs04	0.0562	0.0607	0.0659	0.0558	0.0649	0.0606	0.0400	0.1229	0.0625	0.0525	0.0552	0.0476	0.0539	0.0614
hs05	0.2969	0.2854	0.2561	0.4069	0.2570	0.2356	0.3152	0.2746	0.0713	0.2096	0.3858	0.2390	0.3035	0.2721
hs06	0.5307	0.9100	0.4853	0.9218	0.1252	0.3448	0.3642	0.8239	0.1253	0.2394	0.1125	0.0171	0.0557	0.3889
hs07	0.4196	0.8387	0.1698	0.1372	0.3626	0.4002	0.3668	0.1615	0.1711	0.0757	0.0481	0.0303	0.0510	0.2487
hs08	0.2000	0.2246	0.2499	0.6146	0.6591	0.5501	0.4785	0.6021	0.8024	0.7237	0.6372	0.6869	0.6498	0.5445
hs09	0.1728	0.0952	0.2293	0.0855	0.1002	0.1440	0.2134	0.3720	0.3030	0.3671	0.2610	0.2469	0.1972	0.2144
hs10	0.0004	0.0008	0.0011	0.0013	0.0015	0.0014	0.0012	0.0172	0.0024	0.0007	0.0017	0.0176	0.0345	0.0063
hs11	0.5898	0.5090	0.4109	0.1343	0.0396	0.0475	0.1156	0.5646	0.4972	0.8750	0.7717	0.9065	0.5791	0.4647
hs12	0.0541	0.3984	0.2059	0.0781	0.0388	0.1250	0.1021	0.9705	0.9969	0.5779	0.9083	0.7187	0.7490	0.4557
hs13	0.5670	0.1157	0.2708	0.1390	0.3344	0.1699	0.0988	0.2257	0.5926	0.1358	0.1966	0.0905	0.0892	0.2328
hs14	0.1245	0.0283	0.0248	0.0103	0.1919	0.2214	0.4887	0.5263	0.5690	0.0704	0.1314	0.0000	0.0027	0.1838
hs15	0.0772	0.1569	0.1797	0.1323	0.0615	0.0418	0.0543	0.0503	0.0474	0.0723	0.0632	0.0466	0.0350	0.0783
hs16	0.1666	0.4779	0.1319	0.1648	0.1684	0.0936	0.0240	0.0170	0.0373	0.0295	0.0132	0.0206	0.0923	0.1106
hs17	0.0131	0.0332	0.1095	0.0935	0.1715	0.1025	0.1907	0.6598	0.5383	0.3937	0.7140	0.9315	0.3238	0.3288
hs18	0.1458	0.1194	0.3687	0.6333	0.6566	0.3560	0.3156	0.4818	0.1508	0.9623	0.3207	0.3468	0.2000	0.3891
hs19	0.1338	0.0817	0.0963	0.1667	0.2667	0.3326	0.4585	0.5540	0.5630	0.4741	0.4778	0.5866	0.7820	0.3826
hs20	0.0790	0.0677	0.0715	0.0639	0.1278	0.1521	0.1094	0.0645	0.0827	0.0713	0.0479	0.0505	0.0201	0.0776
hs21	0.7373	0.5461	0.3662	0.4458	0.6509	0.4615	0.4715	0.2876	0.2824	0.3923	0.4791	0.4298	0.3797	0.4562
hs22	0.8220	0.9029	0.6715	0.6346	0.7783	0.7310	0.8636	0.9888	0.7592	0.5955	0.3281	0.2697	0.4654	0.6777
hs23	0.0400	0.0747	0.0410	0.1672	0.1066	0.3861	0.5177	0.3367	0.1669	0.1428	0.1132	0.4946	0.7180	0.2543
hs24	0.0000	0.0000	0.0138	0.0043	0.0069	0.0000	0.0000	0.0000	0.0000	0.0000	0.0000	0.0000	0.0000	0.0019
hs41	0.0118	0.0016	0.0482	0.0155	0.0091	0.0009	0.0019	0.0044	0.0013	0.0017	0.0081	0.0071	0.0010	0.0087
hs51	0.0000	0.0046	0.0011	0.0021	0.0002	0.0001	0.0001	0.0002	0.0001	0.0002	0.0001	0.0001	0.0001	0.0007
hs52	0.0004	0.0001	0.0000	0.0000	0.0005	0.0000	0.0002	0.0000	0.0000	0.0000	0.0000	0.0001	0.0000	0.0001

资料来源：笔者根据UNCOMTRADE数据计算整理得出
　　表1是中澳按HS分类的各章农产品在1996—2008年的产业内贸易指数。十三年中，产业内贸易指数多数年份在0.5附近的是HS03（鱼、甲壳动物、软体动物及其他水生无脊椎动物）、HS08（食用水果及坚果；甜瓜或柑桔属水果的果皮）、HS11(制粉工业类品)和hs22（饮料酒及醋），说明这几章农产品在中澳贸易中以产业内贸易为主；产业内贸易指数历年都低于0.5的有HS01（活动物）、HS02（肉及食用杂碎）、HS04（乳品；蛋品；天然蜂蜜；其他食用动物）、HS05（其他动物）、HS09（咖啡、茶叶和调味香料）、HS10(谷物)、HS15（动物植物油脂;蜡和食用油脂）、HS16(鱼、甲壳类动物、软体动物及其他水生无脊椎动物的制品)、HS20(蔬菜、水果、坚果或植物其他部分制品)、HS24（烟草、烟草及烟草代用品的制品），这十章农产品在近些年的中澳贸易中主要是产业间贸易，其中HS01（活动物）为完全的产业间贸易，我方只有进口没有出口，HS02（肉及食用杂碎）、HS10(谷物)、HS24（烟草、烟草及烟草代用品的制品）这三章也接近完全产业间贸易；从各章农产品在这十四年的平均值来看，平均产业内贸易指数在0.5以上的在24章中占了3章（HS03、HS08、HS22），说明在中澳农产品贸易中，以产业内贸易为主的农产品种类比较少，主要还是以产业间贸易为主。
　　从表2可知，就农产品总体而言，中澳农产品产业内贸易指数一直远远低于0.5，说明中澳总体农产品产业内贸易还很低，仍有较大的发展潜力。同时简单平均产业内贸易指数大于加权平均指数，说明产业内贸易指数较高的农产品在中澳双边贸易中的比重较小，各品种农产品贸易发展很不平衡。
　　表2：1996—2008年中澳农产品产业内贸易指数简单平均及加权平均值
　　

G-L指数	1996	1997	1998	1999	2000	2001	2002	2003	2004	2005	2006	2007	2008
简单平均	0.2264	0.2370	0.1830	0.2111	0.2117	0.2091	0.2404	0.3291	0.2780	0.2645	0.2477	0.2597	0.2421
加权平均	0.0248	0.0416	0.0478	0.0527	0.0407	0.0499	0.0596	0.0866	0.0558	0.0653	0.0679	0.0800	0.0993

资料来源：笔者根据UNCOMTRADE数据计算整理得出
　　（二）中澳农产品产业内贸易发展的影响因素实证分析
　　1.模型的构建和变量的选择
　　基于上一节对中澳农产品产业内贸易指数的测算，并考虑数据的可得性，本文主要选取经济规模、经济规模差异、人均收入差异以及对外开放度这几个变量对中澳农产品产业内贸易的影响因素进行实证分析，变量定义和预测符号见表3：
　　表3：变量定义和预测符号
　　

解释变量及缩写	贸易对外开放度（X1）	人均收入差异（X2）	经济规模差异（X3）	经济规模（X4）
变量含义	对外贸易总额占GDP的比重	两国人均国民总收入的之差的绝对值	两国国内生产总值之差的绝对值	两国国内生产总值之和的平均值
理论预测符号	+	—	—	+

　　按照选取的变量，我们建立一个多元线性模型，本文主要采用线性模型，Y代表了中澳农产品产业内贸易指数，回归方程设定如下:
　　LNY=C+aLNX1+bLNX2+cLNX3+dLNX4+u
　　2．实证分析过程及结论
　　根据选取的时间序列数据，运用EviewS3.0软件，采用最小二乘法对上述方程进行回归分析，过程如下:
　　(1)变量的平稳性检验
　　因为对数据取自然对数不改变原变量的协整关系，且能使变量的趋势线性化，从而消除时间序列数据中存在的异方差问题，故对所有变量进行自然对数变换，记为LNY、LNX1、LNX2和LNX3，LNX4，在对各变量进行协整检验之前，必须保证变量同阶平稳，因此我们首先利用ADF检验方法对其进行单位根检验来判断各变量的平稳性。 运用Eviews3.0计量软件对各变量进行平稳性检验结果如表4。
　　表4：变量平稳性检验
　　

变量	检验类型	ADF统计量	10%显著性水平下的临界值	DW值	平稳性
LNY	(C,0,3)	-0.325885	-2.7822	2.507203	不平稳
△LNY	(C,0,3)	-2.670921	-2.8169	2.022036	不平稳
△2LNY	(0,0,3)	-3.167349	-1.6415	2.940273	平稳
LNX1	(C,0,3)	-2.649180	-2.7822	2.430897	不平稳
△LNX1	(C,0,3)	-0.257102	-2.8169	1.574552	不平稳
△2LNX1	(C,T,3)	-7.739885	-3.6280	2.113569	平稳
LNX2	(C,0,3)	-0.224653	-2.7822	1.707847	不平稳
△LNX2	(C,T,3)	-3.202106	-4.1961	2.871395	不平稳
△2LNX2	(C,T,3)	-2.520729	-2.8640	2.628248	平稳
LNX3	(C,0,3)	1.419446	-2.7822	2.218630	不平稳
△LNX3	(C,T,3)	0.853907	-4.1961	2.005454	不平稳
△2LNX3	(C,T,3)	-9.349373	-3.6280	2.861837	平稳
LNX4	(C,0,3)	5.431868	-2.7349	1.440196	不平稳
△LNX4	(C,0,3)	-0.051755	-3.3350	2.067409	不平稳
△2LNX4	(C,0,3)	-2.537682	-2.8640	2.500471	平稳

　　注：△表示二阶差分算子；检验形式(C，T，L)中C、T、L分别表示单位根检验方程包括时间截距项、趋势项和滞后除数；对于时间截距项和趋势项，c表示检验的模型有该截距项，0表示没有趋势项；滞后除数对应的数字表示滞后的阶数。L表示检验所采用的滞后阶数，加入滞后项是为了使残差项为白噪声。
　　由上表可知，变量LNY、LNX1、LNX2和LNX3，LNX4的水平序列都不能拒绝单位根假设，说明存在单位根，故它们的水平序列都是不平稳的；而它们的一阶差分序列都不能拒绝单位根假设，说明存在单位根，故一阶差分序列都是不平稳的；它们的二阶差分序列都拒绝单位根假设，说明原序列二阶差分序列不存在单位根，故它们的二阶差分序列都是平稳的，即都是I（2）序列。由于协整关系只存在于同阶单整的时间序列之间，所以我们判断LNY、LNX1、LNX2和LNX3，LNX4之间可能存在协整关系。
　　(2)协整检验与分析
　　若所涉及的变量都是二阶差分平稳(I(2))的，且这些变量的某种线性组合是平稳的，则称这些变量之间可能存在协整关系，它反映了所研究变量之间存在一种长期稳定的均衡关系。本文采用基于回归残差的EG两步法，对服从同阶单整的变量的协整关系进行检验，首先对各变量进行多元线性回归，结果如下：
　　Lny=-19.38402-0.323030lnx1-0.489641lnx2+0.772156lnx3-0.010257lnx4
　　t=(-1.743991)(-0.652810)(-0.531338)(0.894049)(-0.006965)
　　R=0.829255F=9.713399DW=1.994691
　　通过对各变量进行回归并对其残差序列平稳性检验，从表5可以看出，残差序列为平稳序列，该协整关系成立。
　　表5：残差序列单位根检验
　　

ADF Test Statistic	-2.829191	1% Critical Value*	-2.8270
		5% Critical Value	-1.9755
		10% Critical Value	-1.6321

　　从方程估计的结果看，可决系数为0.829255，模型拟合情况比较理想，同时DW=1.994691接近于2，所以不存在自相关性，但可以看出R2较高，但t值都不显著，且部分变量的符号与预测的值并不相符，故我们针对各解释变量进行多重共线性检验，根据简单相关系数确法定多重共线性的严重程度。
　　表6：解释变量多重共线性检验
　　

	LNX1	LNX2	LNX3	LNX4
LNX1	1.00	0.464557	0.875364	0.884595
LNX2	0.464557	1.00	0.554516	0.684480
LNX3	0.875364	0.554516	1.00	0.980105
LNX4	0.884595	0.684480	0.980105	1.00

从表6可得lnx3与lnx4的相关系数为0.98，接近完全线性相关，但我们知道多重共线性不是存在与否的问题，而仅仅是程度问题，于是在考虑到所设模型的精确性又不致严重损害模型完整性的前提下，将变量lnx3剔除，再对余下的变量进行协整检验，回归模型如下：
　　lny=-26.68824-0.521617lnx1-1.1864991lnx2+1.270347lnx4
　　t=(-3.581580)(-1.193036)(-2.440868)(3.753548)
　　从表7可以看出，通过对其残差序列进行单位根检验，发现其残差序列通过平稳性检验，可知各变量间存在协整关系。
　　表7：残差序列单位根检验
　　

ADF Test Statistic	-2.725897	1% Critical Value*	-2.9075
		5% Critical Value	-1.9835
		10% Critical Value	-1.6357

　　从方程估计结果看，可决系数为0.812195，模型拟合情况比较理想，DW=1.928957接近于2，所以不存在自相关性，各变量的t值也较显著。针对该模型回归结果，可得以下结论：经济规模对双边产业内贸易的发展有着较大的影响作用，中国与澳大利亚GDP的均值每提高1%，产业内贸易就增加约1.27个百分点，说明市场规模扩大有利于中澳双边产业内贸易的发展，这也充分验证了规模经济理论。至于两国间收入水平差异对双边的农产品产业内贸易负相关，即收入水平差距每提高1%，产业内贸易就降低约1.19个百分点，因为收入水平有较大差异，则两国间的需求结构重叠部分就下相对较少，继而导致产业内贸易水平较低，也完全符合需求偏好相似理论；至于变量贸易对外开放度的符号与预测的值并不相符，考虑到农产品的贸易受保护的程度较高，诸如农产品保护政策、技术贸易壁垒等，所以对外贸易的开放程度并不能真实反映农产品贸易的开放程度，存在数据失真的情况，故而符号与理论预测值不符。
　　(3)格兰杰检验与分析
　　由协整检验结果知道，中澳农产品产业内贸易与经济增长与经济规模、人均收入差异以及对外开放度之间存在长期的均衡关系，但是这种均衡关系是否构成因果关系及因果关系的方向如何，尚需要进一步验证。本文采用Granger(1969)提出的因果关系检验法来解决这一问题。检验结果见表8。
　　表8：Granger因果关系检验结果
　　

Null Hypothesis:	Lags	F-Statistic	Probability
LNX1 does not Granger Cause LNY	1	3.68438	0.08713
LNY does not Granger Cause LNX1	1	2.29428	0.16415
LNX2 does not Granger Cause LNY	2	0.22060	0.80827
LNY does not Granger Cause LNX2	2	19.4448	0.00239
LNX4 does not Granger Cause LNY	3	5.46283	0.09839
LNY does not Granger Cause LNX4	3	1.45821	0.38202

根据上表可知，（1）在10%的显著性水平下，贸易对外开放度是中澳农产品产业内贸易的Granger原因，说明贸易对外开程度的加大有助于中澳农产品产业内贸易的开展，而不是相反，也不存在互为因果的情况。（2）在10%的显著性水平下，两国人均国民总收入的差别与中澳农产品产业内贸易互不为Granger因果关系。 （3）在10%的显著性水平下，两国国内生产总值是中澳农产品产业内贸易的Granger原因，说明两国经济增长促进了双边农产品产业内贸易的发展，而不是相反。
　　四、结论
　　上述实证分析表明：第一,从总体水平上看，中澳农产品产业内贸易水平较低,以产业间贸易为主；从各章节农产品看，只有HS03、HS08及HS22章农产品产业内贸易贸易水平较高，其余大部分较低。第二,从影响因素看，中澳间规模经济对农产品产业内贸易的贡献较大，成正相关，而收入差距对中澳农产品产业内贸易有负的影响，但由于农产品贸易保护壁垒的存在导致贸易对外开放度对其影响不大。
参考文献
1 陈富桥.农产品产业内贸易理论与实证究[D],华中农业大学,2005
2 宋玉华,刘春香.我国农业产业内贸易的实证研究[J],中国农村经济,2004.(2)
3 黄蝶君、庄丽娟.中国与东盟农产品产业内贸易研究[J],世界贸易组织动态与研究,2008(8)
4 李舒敏.我国农产品产业内贸易发展及影响因素分析[D],湖南大学,2008
5 王介雯.中国与澳大利亚产业内贸易研究 [D],中国海洋大学,2009
6 张佳.基于FTA视角的中国与澳大利亚农产品贸易研究[D],2008
7 黄照影.中澳农产品贸易合作与竞争研究[D],2007
8 王春玉.中国与澳大利亚农产品贸易互补性与竞争性分析[D],2008