十八世纪中国南北方市场整合程度的比较

——利用清代粮价数据的研究
颜色
（北京大学光华管理学院 100871）
*************
刘丛
（北京大学经济学院 100871）
***************.cn
【摘要】
利用从第一历史档案馆获得的清代1742-1795年15省的府级主要粮食品种月度价格数据，我们通过回归和协整分析比较了清代南北方市场整合程度的差异。

我们发现十八世纪时南方粮食市场的整合程度显著优于北方市场。

在对区域面积、粮食品种进行稳健性检验并分析了天气冲击和政府干预等因素以后，我们发现南北方差异依然显著。

我们认为交通条件、特别是水路交通的差异是导致南北方市场整合程度差异的重要因素。

由于自然条件限制，北方河流，特别是黄河，无法像南方河流那样促进交通条件改善和市场发育，是导致南北方市场整合差异的重要原因。

【关键词】粮价清代市场整合南北差异交通
Abstract:
Using monthly grain price data of 189 prefectures in 15 provinces in 1742-1795, we compare market integration of in southern and northern China in the 18th century. With regression and cointegration analysis, we find that in the eighteen century, the southern markets were more integrated than the northern markets. Robustness checks on region size and grain types, as well as analysis on weather shocks and the role of governments, show that our results are stable. Furthermore, we find that different transportation conditions, especially waterway conditions, contribute to the regional difference of market integration. Constrained by their natural conditions, rivers in the north, especially the Yellow River, were not able to facilitate market development as much as rivers in the south.
Key words:
Grain Prices; Qing Dynasty; Market Integration; Regional Difference; Transportation
——利用清代粮价数据的研究
【摘要】
利用从第一历史档案馆获得的清代1742-1795年15省的府级主要粮食品种月度价格数据，我们通过回归和协整分析比较了清代南北方市场整合程度的差异。

我们发现十八世纪时南方粮食市场的整合程度显著优于北方市场。

在对区域面积、粮食品种进行稳健性检验并分析了天气冲击和政府干预等因素以后，我们发现南北方差异依然显著。

我们认为交通条件、特别是水路交通的差异是导致南北方市场整合程度差异的重要因素。

由于自然条件限制，北方河流，特别是黄河，无法像南方河流那样促进交通条件改善和市场发育，是导致南北方市场整合差异的重要原因。

【关键词】粮价清代市场整合南北差异交通
一、引言
市场发育与工业革命和经济发展的关系一直是经济学家关注的问题。

亚当·斯密在《国富论》中已经提出市场交换和市场范围的扩大可以促使生产资源的重新配置，引起分工的产生和生产力的提高，从而成为经济增长的源泉。

自亚当·斯密以后，学者对于这一问题进行了更加深入细致的研究。

市场发育的一个重要特征是市场整合，或称为市场一体化。

一些学者认为，市场整合可以带来专业化、技术扩散、生产成本降低等诸多好处，从而促进资源的优化配置和经济发展（Unger, 1983; Allen and Unger, 1990）。

Studer (2009) 比较了工业革命前后西欧沿海低地地区和内陆地区的粮食价格序列，认为地理因素导致的市场整合程度差异先于工业化而产生，而市场整合程度较高的沿海地区率先发生工业化，由此可以说明市场整合是工业革命的可能原因。

而另一些学者认为市场整合是人口增长、资本积累和技术变动的结果（O’Rourke and Williamson, 2001），或者市场整合不一定伴随经济增长而发生（Clark, 2002）。

此类研究需要考虑的首要问题是如何衡量市场整合的程度。

一个被广泛采用的衡量市场整合程度的方法是计算两个市场之间价格同步变动的幅度。

这种方法以“一价定律”为基础，认为在两个整合程度很高的市场上，套利会使两市场的价格水平存在共同波动的关系。

反之如果两个市场非常分隔，套利无法发生，那么各自的价格不会同步变动。

例如，Studer (2008)使用统计指标和误差修正模型考察工业化革命之前印度粮食价格的相关系数和波动性，认为当时的印度市场的整合程度比西欧市场有很大差距，并将其归因于印度当时的运输成本和政治分割。

Persson (1999)使用协整方法和误差修正模型考察西欧谷物市场的整合程度，发现16-19世纪由于运输成本的降低，西欧粮食市场的整合程度逐渐增加。

Stephens et al (2008)使用转换误差修正模型（Switch Error Correlation Model）考察了津巴布韦番茄市场的整合情况，认为除了物理贸易流动之外，信息的流动会影响空间价格的调整和贸易模式。

Andrabi and Kuehlwein (2009）通过比较不同截面的系数和固定效应分析方法衡量铁路对印度市场整合的作用。

在考虑天气、是否大城市、是否沿海等因素之后，认为铁路带来的交通便利和信息流通可以解释20%的价格趋同，但是天气、是否沿海等因素同样可以影响市场整合的发生。

近年来一些学者逐步开始关注中国历史上的市场整合问题。

中国在历史上多给人以自给自足的小农经济印象，似乎市场的发育程度和作用都非常有限。

然而，随着史料和历史细节逐步被发掘，最近的研究已经证明明清时期的中国市场形态非常接近自由市场，当时市场网络复杂而广泛，而政府的政策有助于改善和维护而并非压抑市场制度①。

东西方比较亦显示，
①彭凯翔从交易过程、交易方式、土地和劳动力市场的运转和官方的施政倾向方面对前人的相关研究予以总结，认为“市场制度至少是前现代中国经济制度的一个组成部分，并且它在清代的推进并不仅仅是自然经济或政府采取消极态度的产物”。

见彭凯翔：《清代以来的粮价：历史学的解释与再解释》。

上海：上海人民出版社，2006年，7-9页。

许檀认为，明清时期形成了由流通枢纽城市、中等商业城镇和农村集市三大
工业化前的欧洲与中国的市场发育程度至少是可比的（Pomeranz，2000）。

在以往对于历史上中国市场整合的研究中，学者多注重引述史料还原小范围市场的组织形态与联系（如许檀，1995；Pomeranz，2000），或采用定量方法研究某一区域内部市场的整合程度（如Li，1992；Perdue，1992；Wong and Perdue，1992；陈春声，1993；李军等，2008），或考虑运输成本变化对于小范围粮食市场的冲击（如冯颖杰，2010）。

这些研究固然扎实，但对宏观层面市场整合程度的理解较为欠缺。

近来这一领域突破性的进展来自Shiue和Keller。

他们通过对清代中国南方的粮价数据进行协整分析，对中国市场形态和市场的整合情况从不同角度进行考察。

他们发现，工业化前的欧洲与中国南方特别是长江三角洲一带的市场发育程度是类似的（Shiue and Keller, 2007）。

但是，他们的研究与前文所述其他研究均不同程度地忽视了这样的一个问题：中国并非是一个简单的经济体，而是包含了以南北为基本分界的多个经济区域①。

Keller和Shiue虽然指明在中国市场中存在地理分割，但是在跨国比较中仍然使用中国南方的整合水平作为整体中国市场整合水平的替代。

事实上，由不同的自然条件导致地理分割将使得全国的内部市场相互分割，而各区域内部的经济发展状况正与各地的市场发育程度密切相关。

因此，考察中国内部各区域市场整合程度的差别，将有助于我们发现中国各经济区域的不同特点，判断在某地区的市场发育过程中，到底是何种因素起到了决定性的作用。

与此同时，从历史的角度考察中国不同地区市场发育不平衡的状况，特别是南北差异造成的市场整合程度差异与经济发展之间的联系，也会对于当今经济发展过程中政策的制定与决策产生积极作用。

在本文中，我们在前人基础上进一步整理了一套时间和空间覆盖面较广的清代粮食价格数据，并利用回归与协整的方法对此数据进行了分析，比较了18世纪中国的南北地区市场整合程度的差异。

由于粮食贸易在18世纪贸易活动中占主导位置，粮食市场的发育程度可以作为衡量整体市场发育程度的有效指标。

我们分析并比较了包含121个府的南方市场和68个府的北方市场的各自整合程度。

我们的粮食价格数据来自中国第一历史档案馆所藏“宫中粮价单”。

此粮价单记载了1736至1911年20省份逾40种粮食的价格。

我们选择1742-1795年府一级的大米和小麦价格计算相关系数并进行回归分析，比较两区域内粮价共同波动的幅度。

回归分析的结果显示南方市场粮价的关联更为密切。

我们进一步使用协整方法考察粮食市场之间是否存在稳定的线形关系。

协整分析显示南北方的τ统计量差别十分显著，因此可以认为南方市场比北方市场的整合程度更高。

为了保证结果的可靠性，我们对回归中没有考虑的区域面积和粮食品种差异进行了稳健性检验，并讨论了天气、政府作用等因素对衡量结果的作用，并由粮食市场的研究推广至其它商品市场。

更进一步，我们研究了导致南北市场整合程度存在明显差异的一系列可能原因，发现由自然环境、特别是河流分布导致的交通运输条件差异是造成市场整合差异的最有可能的原因之一。

本文余下的组织结构如下：第二部分说明数据来源和统计特点。

第三部分从相关系数、回归分析和协整分析三个方面衡量并比较南北方市场的整合程度，并就粮食品种带来的可能影响进行稳健性检验。

在第四部分中我们将对其它可能影响分析结果的因素进行讨论，并说明粮食市场的发育状况可以反映市场整体状况。

第五部分中，我们将分析南北方的自然交通条件差异，并说明这一差异如何可能导致市场整合程度的不同。

第六部分总结全文。

二、数据
我们使用的粮食价格数据来自于由王业键收集整理的、原藏于中国第一历史档案馆的“宫中粮价单”。

②此粮价单记载了从1736年清代完善粮价奏报制度以来，一直到1911年清
层级构成的城乡市场网络体系。

见许檀：“明清时期城乡市场网络体系的形成及意义”，《中国社会科学》，2000（3）。

① Skinner是最早注意到中国历史上区域差异的研究者之一。

他通过对区域性经济周期的考察提出应该将中国划分为数个“宏观区域”（macroregion）进行研究。

韩书瑞（Naquin）和罗友枝（Rawski）在这一基础上对清初以及清代中叶的中国进行了讨论，以系统说明中国存在的多元性和差异。

她们认为中国本土可以分为北方平原所在的旱地耕作区域和秦岭-淮河以南的水稻种植区域。

两个区域之间“耕作方式、所用农具、粮食仓储和土地占有制度都有很大不同”。

见G. William Skinner, “Presidential Address: The Structure of Chinese History”. The Journal of Asian Studies, V ol. 44, No. 2 (Feb., 1985), pp. 271-292。

（美）韩书瑞、罗友枝（Naquin and Rawski）：《十八世纪中国社会》，陈仲丹译，南京：江苏人民出版社，94页，137-139页。

②本文当然不是第一篇研究清代粮价的论文，但是我们是第一篇利用第一历史档案馆所藏的“宫中粮价单”
朝覆灭这接近200年来中国20个省份逾40种不同类型粮食的市场价格。

清代粮价奏报制度起源于康熙三十二年（1693），至乾隆时予以规范。

该制度规定各省督抚须以府、州为单位每月上报粮食价格变动情况，并统一单位与格式①。

20世纪80年代起，王业键将这一资料收集整理以用于学术研究。

本文选取数据质量较好的南方十省：安徽、江苏、浙江、江西、湖北、湖南、贵州、福建、广东、广西和北方五省：直隶、山西、陕西、河南、山东五省进行分析②。

我们分析的数据对象包括1736至1795年的大米价格数据和1760至1795年的小麦价格数据，实际使用价格的对数值进行定量分析。

为了减少缺失数据带来的干扰，我们选取农历2月和8月的大米价格和1760至1795年公历2月和8月的小麦价格③。

表1给出了南方大米和北方小麦价格的描述统计。

本文中使用的清代州府之间的距离数据来自于中国历史地理信息系统（The China Historical Geographic Information System）提供的经纬度数据集。

CHGIS数据库提供了1820年中国所有具有行政中心职能的城市的经纬度，我们据此计算分别得到南方和北方各府之间的距离。

表2分别标示南方各府与北方各府的两两距离分布。

由于数据缺失，实际分析中包括南部十省的121个府和北方五省的68个府④。

从表2中可以看到南方府间距离明显较之北方更大：南方府间距离的平均值为721千米，而北方为393千米；与之相应，南方府间距离的标准差为374，北方则为201。

出现以上统计特征主要因为我们的数据集中南方十省和北方五省的总体面积不同，南方各府的整体范围更大、分布更广。

⑤
由于交通条件、特别是河流分布对市场整合的重要性，本文收集了南北方主要河流的数据。

我们的河流数据来自于邓亦兵（1994）对清代前期主要河流运量的估计以及《中国历史地图集》第八卷中1820年的清代地图。

邓亦兵估计了长江、西江、闽江、淮河、黄河、海河、滦河、京杭运河等主要河流的运量。

我们依据这一估计选取了运量在100万石以上的河流，即长江、西江、淮河、黄河、海河和京杭运河作为“主要河流”。

根据《中国历史地图集》中对河流走势的描绘，当河流干流流经某府时即认为该府有主要河流经过⑥。

表3给出主要河流的分布状况。

根据我们的划分标准，南方有37个府、北方有26个府有主要河流经过。

三、市场整合程度的衡量
在这一节里，我们分别通过统计分析、回归分析和协整分析三个角度给出实证分析的理
所记载的全部粮价数据对全国范围的市场进行研究的论文。

在我们之前，王业键、Li、Wong and Perdue、彭凯翔、Shiue and Keller等学者都曾经利用部分“宫中粮价单”对清代粮食市场进行过有价值的研究。

但是囿于数据不足，王业键、Li、Wong and Perdue等人涉及的分析范围均为某一省内的粮食价格序列。

彭凯翔对于清代粮食价格的分析中涉及江南一带部分地区的粮食价格，包括苏州、常熟、萧山等（见彭凯翔，《清代以来的粮价：历史学的解释与再解释》，12-14页）。

Shiue and Keller的分析对象为南方十省的数据（见Carol H. Shiue, and Wolfgang Keller, “Markets in China and Europe on the Eve of the Industrial Revolution”. The American Economic Review, 97(4), 2007, pp.1189-1216.）。

①对清代粮价资料的详细介绍见王业键：“清代的粮价陈报制度”，《故宫季刊》第13卷，1978年第1期；以及王砚峰：“清代道光至宣统间粮价资料概述”，《中国经济史研究》，2007年第2期。

对于粮食价格数据是否为市场价格，研究者一般倾向于正面评价，即粮食价格为市场价格，且大多数数据是真实可靠的。

不同研究结果的比较见彭凯翔：《清代粮价：历史学的解释与再解释》，20-23页。

②由于数据完整性的原因，本文未包括边疆和少数民族地区。

我们对区域的划分参考了一些历史学的观点，例如邓亦兵：《清代前期周边地区的粮食运输》，《史学月刊》，2005（1）。

③原粮食价格数据为月度数据，考虑到连续时段的分析可能造成连续缺失值，从而无法完成计量分析与检验，我们仅选取每年2月和8月的粮食价格。

另外，在原清代粮价资料库中也记载了粮食价格收集的精确日期（农历）以及与该时间相对应的公历日期。

本文使用的大米数据为农历的2月与8月，小麦数据为公历的2月与8月，这是由于小麦数据为我们后来从台北中央研究院清代粮价资料库项目补充的结果，而补充后的数据单位只有公历日期。

为统一起见小麦数据全部选取公历的2月与8月。

④我们选取缺失值占总样本30%的数据使用TRAMO（Time series Regression with Arima noise, Missing observations, and Outliers）过程补充缺失值后参与回归。

由于数据的缺失等问题，本文实际使用的分析数据无法覆盖15省的全部府一级行政单位。

⑤需要考虑的是，地区面积不同可能会影响分析结果，这是由于随着距离增加导致的运费增加和制度壁垒会使得市场的整合程度相应下降，因此较小的地区更容易在结果上显示出市场整合的趋势。

但是在下文分析中我们将看到，这一问题并不能影响我们的最终结论，反而更加支持我们的结论。

⑥在实际标记时，考虑到河流源头、支流以及毗邻湖泊的状况，我们对少数府的标记做了调整。

论依据和分析结果。

最后我们从区域面积、粮食种类差异、天气、政府作用等方面对结果进行稳健性讨论。

（一）统计分析
在统计分析中我们主要考察每两个粮食价格序列的相关系数。

由于相关系数分析仅考虑序列围绕平均值的波动方向和幅度，而分析中不涉及平均值变化带来的变动，因此这一分析主要用于刻画两序列的相关程度。

如果两序列的上下波动趋势和幅度越相近，那么相关系数则越高，市场之间的联系就越紧密，市场整合程度也就越高。

在本文中，对于南方和北方市场中每个观测的府的跨期粮食价格序列，我们计算其两两相关系数。

根据上述原理，市场整合程度越高的府之间的相关系数越高。

同时，如果不同市场之间的距离越远，粮价序列相关程度就会更加下降。

这主要是因为距离越远的市场之间运输费用上升、制度差异更大，因此套利更加困难。

但是根据同样的道理，如果两个市场之间整合程度更高，这就意味着市场更多的消除了贸易和其它制度障碍，套利更加容易，那么不仅整体相关系数较高，而且随着距离增大相关系数的递减速度也应该较慢。

我们在图1中给出了南方市场和北方市场的府间价格相关系数与府间距离的关系。

由于数据量较大，我们对分析结果以150千米为单位进行了分段平均，然后给出了这些平均观测点的点状图，同时画出了相应的拟合曲线。

从图1中可以看出，随着距离的增加，不同地点的粮价相关系数明显下降。

而且在绝大多数距离水平上，南方市场间的价格相关系数都高于北方市场。

这说明在相同距离上，南方不同府的市场之间的相互联系较北方市场更加紧密。

更重要的是，从图1可以看出南方市场拟合曲线斜率的绝对值小于北方市场曲线斜率的绝对值。

这意味着随着距离的增加，南方市场粮价的相关系数下降比北方市场更慢，这说明南方近距离与远距离市场之间的价格差别与北方市场要小，因此进一步说明了南方市场整合程度更高。

（二）回归分析
在这一部分我们利用回归分析的方法度量南北方府间粮价相关系数的差异。

我们的回归方程如下：
0123ij ij ij ij ij ij PC Distance Location Distance Location u ββββ=++++i i i i ，
其中，ij PC 为府i 与府j 粮价序列的相关系数，ij Distance 表示府i 与府j 的距离。

ij Location 为府i 与府j 的地点的虚拟变量，当府i 与府j 同属于南方时1Location =，而当两府同属于北方时为0。

①由于相关系数分析结果已经显示出南北方存在斜率的差异，因此我们加入ij Distance Location i 对这一差别进行控制。

ij u 为随机扰动项。

回归分析的结果如表4所示。

第一列对府间距离与价格相关系数的关系进行回归；第二列在第一列的基础上添加了交叉项ij Distance Location i ，说明府间距离与价格相关系数在南北方的不同关系。

回归分析显示，随着府间距离的增加，粮价相关系数呈现出明显下降，这与上文相关系数分析图以及我们的预期都是相符合的。

在第一列中，标示地区的虚拟变量location 的系数显著为正，表示同样距离下南北方的相关系数存在差异，南方的相关系数高于北方。

当添加交互项分解差异来源时，距离的系数进一步减小，截距项的系数显著变小，而交互项的系数为0.369，且十分显著。

这一结果显示南北方的相关系数差异主要来自斜率，即随距离增加，南方的相关系数相对北方下降更慢。

这一结果表明相对于短途市场整合而言，南方远距离市场的整合程度要更加优于北方。

相关系数这一指标虽然可以描绘价格序列的波动趋势，但是由于价格的波动幅度可能受到突然的供给冲击等因素的影响，因此以上分析结果并不足以说明两个价格序列在长期中呈现稳定的共同变动关系。

因此在下文中，我们考察两序列共同变动的长期趋势是否稳定，即使用协整关系衡量长期中两市场是否存在稳定的共同变动的关系。

① 本文中我们仅考虑南北方各自市场整合情况，而不考虑南北方之间市场整合情况。

因此回归方程中我们不考虑南北两府的粮价相关系数。

（三）协整分析
协整分析方法来自Engle and Grange(1987)，其基本思路为，两个非平稳序列如果存在某一线性组合的是平稳的，那么认为这两个序列存在共同变动的关系，称为这两个序列是协整的。

在本部分中，我们首先构建粮食市场模型，验证粮食市场满足协整分析的前提条件，之后对粮食价格序列的协整关系进行检验和比较。

我们分析一个T 期的粮食市场。

为了满足协整分析的前提，我们假设第一期粮食市场的供给量由无弹性的供给量s 和供给冲击1ε决定。

s 取决于资源和技术进步等因素，在T 期内不发生变化。

外生供给冲击包括天气等各种可能影响粮食生产的随机因素，服从随机分布。

由于外生供给冲击可能持续多个时期，因此我们假设从第二期开始，每一期粮食市场供给t s 由上一期供给量1t s −和当期外生供给冲击t ε决定，即1(,)t t t s f s ε−=，2,3...t T =。

假设函数形式满足线形关系，即1t t t s s ρε−=+，其中ρ表明前期的冲击对当期的影响程度，11ρ−<≤，t ε独立同分布，其期望为0。

我们进一步假设消费者是同质的，其反需求函数为ln()t t P a bs =+，其中，a 和b （b <0）为常数。

消费者不存在跨期储存和借贷行为。

每一期粮食市场均会完全出清。

根据以上假设，当ρ=0时，前一期供给量对当期供给水平毫无影响。

ρ>0时，t s 服从AR(1)过程且自相关系数为正，对应现实情形可能是发生的冲击（如天气冲击）持续了多个时期。

而当ρ=1时，随机冲击为具有永久效应的极端情况，此时供给方的收成t s 是不平稳过程，服从随机游走。

由于每一期需求水平不发生变化，此时粮食市场价格可以表示为1t t t p p u −=+，其中11t t u b ε++=。

因此价格序列也是非平稳的，服从随机游走。

根据Engle and Granger(1987)的定义，当两个非平稳序列的线性组合为平稳序列时，这两个非平稳序列可以被定义为存在协整关系。

协整关系表明两个序列间存在长期的线性关系，即两序列中的一个序列不会任意偏离另一序列。

具对于我们所研究的价格序列而言，协整关系在某一价格序列i p 与另一价格序列j p 之间成立，意味着i p 总会围绕与其存在协整关系的序列j p 发生波动。

对于具体的某一期而言，这种波动的方向和幅度都是不确定的，可以对应于两市场之间套利引发的随机扰动。

但是在长期中，两序列价格水平之间的差异服从白噪声分布，亦即i p 与j p 的某一线性组合期望为零，这意味着两序列始终不会发生太远的偏离。

当协整系数为1时，两序列差值波动的区间范围可以理解为发生套利所必须负担的交易成本（例如交通成本）。

因此，协整关系的成立意味着两个价格序列在长期中满足一定的线性关系，从而可以表明两个序列所代表的两市场之间存在着比较固定的相互联系。

为检验序列1t p 和2t p 之间是否存在协整关系，我们采用Engle and Granger(1987)提出的检验方法。

对于任意两序列1p 和2p ，首先检验其非平稳性，即序列满足随机游走假设。

之后对1t p 和2t p 进行如下的回归：
1012t t t p p e ββ=++。

(1)
如果1t p 和2t p 存在协整关系，
那么意味存在常数0β和1β使得1012t t t e p p ββ=−−为平稳序列。

为此，我们使用ADF 检验对（5）式中残差t e
的进行平稳性检验，即估计： 1112t t t t e e e u δδ−−Δ=+Δ+ 。

(2)
ADF 检验的原假设为1 0δ=，t e 不平稳；备择假设为1
δ<0，t e 是平稳的。

当t e 为平稳序列时，也就证明了原序列1t p 和2t
p 确实存在协整关系。

回归中，1t e −Δ 项作为方程的滞后项，使得（2）式估计方程结果不会出现自相关。

在实际估计时我们加入了虚拟变量m β控制月度效应，因此回归方程变为：
1012t m t t p p e βββ=+++。

(3)
之后我们对（3）式估计结果的残差ˆt e
进行ADF 检验，得到1ˆδ的τ统计量。

τ统计量越小时，。