禽流感疫情变动对畜禽产品价格的动态影响研究——基于时变参数向量自回归（TVP-VAR）模型

郑燕，马骥

（中国农业大学经济管理学院，北京 100083）

近年来，禽流感疫情对我国畜禽市场冲击较大，其已与金融危机、恐怖主义等不可预测事件，统称为现今最具挑战的市场风险之一[1]。已有研究表明，疫病是畜禽产品价格波动的主要原因之一[2-3]。近几年，有关禽流感疫情的影响逐渐受到国内外学者的关注，相关研究主要集中在禽流感疫情对价格的影响[4-5]、禽流感疫情对经济的影响[6-7]以及禽流感防治措施及补偿问题[8-10]等方面。在禽流感疫情数据的量化方面，学者们并没有统一的指标。当禽流感造成大量家禽死亡时，主要衡量指标为代表禽流感疫情是否发生的虚拟变量[4]、禽流感发生次数[6]、畜禽扑杀量[11]等，但这些指标并不能很好地反映禽流感发生的影响强度，而且数据的有效性和及时性较差。针对这一方面，国外学者采用指数构建的方式进行研究，如Roux[12]通过建立食品恐慌指数评估了禽流感疫情对埃及家禽行业垂直价格传导的影响；Serra[13]通过建立信息索引变量评估了禽流感疫情对土耳其家禽产业市场价格传递的影响。但是，当前我国并没有建立这方面的指数，这为研究禽流感疫情与畜禽产品价格波动的关系方面带来了不便。但值得庆幸的是，互联网大数据的快速发展为相关研究带来了新的思路，尤其是网络搜索引擎的发展为经济学、社会学的研究开辟了新的领域。由于信息搜索是公众为满足一定的目标需求而进行的信息查寻活动，而用户需求又受到外部环境的影响，因此，用户关键词的搜索与外部环境必然存在对应的关系[14]，而且根据搜索引擎提供的词频查询工具获得的关键词搜索趋势与流行趋势保持了高度的一致性[15]，能够准确地反映公众对于某一事件的关注程度变化[16]。除此之外，由于禽流感关注度和畜禽产品市场价格波动起伏，可能会出现结构突变的现象，在不同时期，禽流感对畜禽产品价格的影响亦有所不同。以往较多研究利用线性或固定系数模型进行分析，但利用传统的线性或固定系数模型，不仅容易造成系统性偏误，而且会影响估计效果，不利于准确把握随时间变化禽流感疫情对畜禽产品价格的影响。

综上所述，现有研究存在禽流感疫情度量以及研究方法的局限性，并不能在特定的社会背景下，分时期、分时点、分品种地研究禽流感疫情变动对畜禽产品价格的冲击作用，而这一点对我国政府制定相关政策、稳定畜禽产品价格具有至关重要的战略意义。基于此，本文一方面借鉴国外学者相关研究思路，借助全球最大的中文搜索引擎——百度，利用其提供的百度指数功能，通过构建禽流感舆情指数作为禽流感疫情变动的代理变量，以此弥补禽流感疫情度量指标的不足；另一方面借助时变参数向量自回归模型（TVP-VAR），分时期地研究禽流感疫情变动对畜禽产品价格的动态冲击作用，深入剖析禽流感疫情变动与畜禽价格波动之间的关系，探究禽流感疫情变动在社会舆论的“风险放大效应”下对畜禽产品价格波动的动态影响。

1 影响机制

根据供求理论，畜禽产品的供求关系决定了畜禽产品的价格，以鸡肉及其替代品猪肉为例，结合图1来看，鸡肉供给曲线为S0，鸡肉需求曲线为D0，两条曲线相交，形成鸡肉的均衡价格P0。当其他条件不变，鸡肉的供求关系受到禽流感疫情的影响时，则会引起消费者恐慌，从而导致鸡肉购买量下降，造成鸡肉需求曲线下降到D1，同时由于禽流感疫情对肉鸡的健康养殖也会造成一定影响，养殖场（户）也可以接触到禽流感疫情爆发的信息，根据自身生产预期，调整生产，造成鸡肉供给曲线下降到S1，鸡肉需求和供给均下降的情况下，鸡肉的价格也会发生变化，从均衡价格P0下降到P1。

与此同时，由于肉类消费结构的替代性，肉类产品之间存在“替代效应”，在减少鸡肉消费情况下，会使得替代品猪肉的需求随之上升，而在猪肉供给不变的情况下，猪肉价格也会随之提高；但随着时间的推移，禽流感疫情逐渐被控制或消退，公众有关禽流感疫情关注度逐渐衰退，消费者对鸡肉的购买信心回升，鸡肉需求增加，养殖场(户)抓住补栏时机，从而带动了鸡肉供给的增加，即供给曲线由S1上升到S2、需求曲线由D1上升到D2，鸡肉价格回升到P2的水平，形成新的均衡价格，而对猪肉需求也会随着禽流感疫情的控制或消退而恢复正常，价格也会达到新的均衡价格。

可以看出，由于市场信息的不对称，消费者单纯依靠媒体途径所获得的动物疫情信息进行消费行为决策，具有一定的盲目性。当消费者获取到疫情发生的信息后，由于周边环境和舆论媒体等的“风险放大效应”，容易造成恐慌，消费者消费信心下降，改变原有的消费产品结构，选择其认为安全的和偏好的其他产品消费，从而导致某些产品价格发生变动，但这种改变会随着政府的应急措施以及信息的时效性减弱而逐渐恢复。

已有文献研究表明，学者们对疫病会导致相关农产品价格波动的观点基本达成共识，但具体的影响关系还有一定的争议[5,17]，造成这种差异的原因可能是不同国家的人们饮食结构的不同以及研究对象的不同。关于我国禽流感疫情变动与畜禽产品价格方面还未有学者进行深入研究，因此还需进一步的探讨。由此，提出本文的研究问题，即禽流感疫情变动对不同畜禽产品价格的冲击大小、冲击方向和冲击持续时间上有何差异？随着时间的推移有何变化？不同时期是否存在差异？

图1 禽流感疫情变动影响下的鸡肉价格变动图Fig. 1 Changes of poultry price under the in fluence of avian in fluenza

2 研究方法与数据来源

借助网络搜索关键词的搜索量分析相关事物的趋势，已被广泛应用在不同领域[18]，其主要集中在疾病监测和经济金融等领域，研究结果显示人们的网络搜索行为与其社会活动的相关性较高，因此可以通过这种相关性代替某些难以量化的指标，并预测未来事件的发展趋势，故本文通过构建公众禽流感关注度指数来表示禽流感疫情的变动及程度大小。

2.1 公众禽流感关注度指数的构建

本文借鉴舆情指数的构建方法[19]，构建公众禽流感关注度指数，步骤如下：首先选择若干个与社会经济事件密切相关的关键词，然后通过互联网获取不同时段内该关键词的搜索量，并通过一定算法将搜索量进行合成，进而得到该指数，以此来反映公众对该关键词所代表的社会经济事件的关注度，从而反应此社会经济事件影响。

2.1.1 选择关键词 以往研究中关键词的选取可以归纳为主观选词法和模型选词法两种，其中，主观选词法工作量相对较小，获取较为方便，在实际研究中也运用较多，且取得了较好的研究效果[19]。为此，本文采用主观选词法结合搜索引擎相关词推荐功能以及百度搜索需求图谱获取与禽流感密切相关的关键词，其中，关于禽流感疫情的关键词主要包括以下三类：一是“禽流感”、“禽流感病毒”和“禽流感疫情”等反映禽流感疫情名称的关键词；二是包括“H5N1”、“H5N2”、“H7N7” 和“H7N9” 等 在内的4种已经确认能够感染人且为公众熟知的禽流感病毒型号关键词，以上两类关键词用于反映禽流感疫情本身；三是“预防禽流感”、“禽流感症状”和“禽流感最新消息”等反映公众态度和关注倾向的关键词。因此，本文共包括以上三类、10个关键词。2.1.2 信息获取 百度作为全球最大的中文搜索引擎，其市场占有率和市场份额一直位居我国搜索引擎市场第一，其搜索数据具有广泛和持续的代表性[19]，因此，本文选择百度作为数据来源。通过提取上文10个关键词搜索数据并进行加总，考虑到公众关注度变化较快，且为获得更多的数据样本，本文选取周度数据进行分析，为消除异方差，对获取的数据取对数处理，计算公式如下：

式中：i=1，2，…，10。qlg表示禽流感舆情指数，Xi表示第i个关键词搜索数据。鉴于样本可获得性，样本区间选取为2013年1月至2017年3月，图2展示了公众禽流感关注度指数的走势。

通过图2可以看出，自2013年以来我国出现了5次禽流感关注度高峰期（2013年4月、2014年2月、2015年1月、2016年1月和2017年3月），分别对应于禽流感疫情的5个发病高峰期：1）2013年我国发现人感染H7N9禽流感病例事件，并造成约有40人丧生，此次事件短时间内迅速引起公众广泛关注，禽流感关注度短时间内大幅上升，为历年最高水平；2）2014年年初发现的多起人感染禽流感事件，在两个月时间内，人感染禽流感病毒的病例达180多例，引起社会广泛关注；3）2015年年初禽流感关注度高峰期，此次禽流感关注高峰主要是由于当时世界多国和地区（日本、英国等）爆发的禽流感疫情；4）2016年上半年禽流感关注高峰期，主要是由于上海、江苏、福建和广东等地发生多起人感染禽流感事件，而且出现多起患者死亡事件，引起上半年公众关注高峰；5）2017年以来关注高峰，此次高峰主要是由于2017年以来人感染禽流感疫情病例数显著增加所引起。

图2 公众禽流感关注度指数走势Fig. 2 Public avian in fluenza concern index

2.2 价格数据获取与处理

为考察禽流感疫情变动对畜禽产品价格的影响，本文选择鸡肉、猪肉、牛肉和羊肉4种我国主要畜禽消费产品的价格。与公众禽流感关注度指数一样，本文选取畜禽产品价格均为周度数据，数据来源于中国畜牧业信息网。样本区间为2013年1月—2017年3月。在获取基础价格数据后，为消除物价因素的影响，畜禽产品价格数据均以2013年1月为基期的CPI指数进行平减，再计算出畜产品价格收益率序列，其中鸡肉价格、猪肉价格、牛肉价格和羊肉价格的收益率分别用jr、zr、nr和yr表示。2013年以来，四者价格走势如图3所示。

图3 畜禽产品价格走势Fig. 3 Livestock and poultry product prices

从图3可以看出，2013年以来我国畜禽产品价格总体较为平稳，但存在短期的波动起伏。其中，鸡肉和猪肉价格波动幅度和频率高于牛羊肉价格波动幅度和频率；2013年禽流感的大范围爆发，鸡肉价格一度下跌严重，2013年5月8号跌至15.23元/kg，相比于同年2月13日下降17.94%，此时期，猪肉、牛肉、羊肉价格均有一个下降的过程，其中猪肉下降幅度最大，牛羊肉价格下降相对较小。2017年1月份爆发的H7N9疫情，鸡肉价格再次出现大幅下降的现象，相比于年初下降了10%，猪肉、牛肉也同样伴随着价格的波动。

2.3 模型构建

由于禽流感关注度和畜禽产品市场价格波动起伏，可能会出现结构突变的现象，利用传统的线性或固定系数模型，不仅会影响估计效果，而且易造成系统性偏误，而借助时变性和非线性的时变参数向量自回归（TVP-VAR）模型进行分析可以弥补上述不足。TVP-VAR模型由Primiceri[20]于2005年提出，并由Nakajima[21]于2011年进行完善，不同于传统的VAR模型，该模型的优点是模型的系数伴随着冲击大小的变动以及传播机制的变动而变动，可以通过时变参数捕捉到时间序列上每个时间点的脉冲响应，从而有效的从动态角度刻画变量之间的时变作用关系[22]。因此，本文借助该模型分析不同时期禽流感疫情变动对畜禽产品价格造成的动态影响。

根据Nakajima[21]的模型构建思路，首先，考虑如下模型：

式中：yt是一个n×1的可观察内生向量；ct是一个n×1的时变常数项向量；Bi,t，i=1，…，k是n×n的时变系数向量；μt衡量拥有协方差矩阵Ωt的不可观察的冲击向量，Ωt由以下方程表示其中，矩阵At具有下三角的矩阵形式：

Σt为对称矩阵 ：Σt=diag(σ1,t，…，σn,t)，通过把Bi,t，i=1，…，k转为向量 βt， （1）式可以转化为 ：

式中：I3为三维单位矩阵，Σβ、Σα和Σh均为正定矩阵。本文中模型的估计通过贝叶斯方法来完成，参数的后验数值估计通过马尔可夫链蒙特卡洛（MCMC）方法完成。

3 实证分析

3.1 模型估计

3.1.1 平稳性检验 在模型估计前，首先要对各变量进行平稳性检验，以免出现伪回归。通过ADF检验对各变量进行平稳性检验（见表1），结果表明，5个变量均是平稳的，其中，鸡肉、猪肉、牛肉和羊肉价格收益率均在1%水平下平稳，公众禽流感关注度指数在5%水平下平稳。说明各变量均不存在单位根，变量可用于构建TVP-VAR模型，能够保证估计的有效性。

表1 变量单位根检验Table 1 Unit root test resutls

3.1.2 模型估计 为判定模型的滞后阶数，借助一般VAR模型最优滞后阶数的选择办法，根据FPE、AIC、SC和HQ最小值准则，可知模型最优滞后期数为2（见表2）。在利用MCMC法进行模拟前需先对参数赋初值，利用MCMC算法抽取M=10 000次样本，并舍弃初始的1 000次抽样，从而得到模型的有效样本。表3是待估参数后验分布的均值、标准差、95%的置信区间以及收敛统计量。其中，参数的后验均值都位于95%的置信区间，Geweke诊断概率均大于10%，说明后验分布收敛于零的假设无法拒绝，而且从无效因子来看，除了（Σh）2的无效因子较大外，其他参数的无效因子均处于合理水平，说明本文模型参数的估计结果较为稳健（见表3）。

表2 模型滞后阶数判定Table 2 Determination of the model lag

表3 模型估计结果Table 3 Estimation results of the model

3.2 时变脉冲响应结果

3.2.1 不同畜禽产品价格对禽流感疫情变动的等间隔脉冲响应 图4展示了不同畜禽产品价格对禽流感疫情变动的动态脉冲响应。首先，从图4上可以看出畜禽产品价格对禽流感疫情变动的脉冲响应具有明显的时变性特征，说明不同时期随着禽流感疫情的变化，其对畜禽产品价格造成的影响不同。其次，从不同畜禽产品价格对禽流感疫情变动脉冲响应程度上看，鸡肉价格受到的影响最大，其次为猪肉价格，牛羊肉价格受到的影响相对较小，这与以往研究结果基本一致[17,23]，可能原因是禽流感爆发时公众禽流感关注度快速上升，导致鸡肉消费大幅减少引起价格出现较大下降，猪肉作为鸡肉最主要的替代品同样受到较大的影响，而牛羊肉消费群体较为固定，两者与鸡肉替代性较小，因此受到的影响也最小。

再次，从不同滞后期畜禽产品价格对禽流感疫情变动的脉冲响应上看，滞后2期时畜禽产品价格对禽流感疫情变动的响应最大，滞后4期的脉冲响应明显减弱，滞后6期的脉冲响应基本趋于0，说明随着滞后期的增加禽流感疫情变动对畜禽产品价格的影响快速减弱，持续期并不长。最后，从不同畜禽产品价格对禽流感疫情变动脉冲响应的方向上看，短期内（滞后2期）主要以负向响应为主，鸡肉和牛羊肉在滞后4期和6期时对禽流感疫情变动的响应也以负向响应为主，值得注意的是，猪肉在滞后4期和6期时对禽流感疫情变动的响应主要以正向响应为主，这与周海文等[24]的研究类似，解释这一现象的原因可能是：禽流感疫情发生时，公众关于禽流感关注迅速增加，短期内造成市场恐慌，降低畜禽产品消费，引起畜禽产品价格下降；但之后作为鸡肉的主要替代品，猪肉消费开始增加引起价格的上升，而牛羊肉由于与鸡肉替代性较小并未出现价格上升。

图4 不同畜禽产品价格对禽流感疫情变动的动态脉冲响应Fig. 4 Dynamic impulse response of different livestock product prices to avian in fluenza epidemic

3.2.2 不同畜禽产品价格对禽流感疫情变动的动态脉冲响应 具体来看不同畜禽产品价格对禽流感疫情变动的动态脉冲响应。首先，从图4（a）可以看出，鸡肉价格对禽流感疫情变动的响应在滞后2期、4期和6期时均为负向；自2013年以来经历了5次响应高峰期，分别对应于2013年以来的禽流感疫情关注度高峰期；其中2013年3月和2017年3月两次脉冲响应程度较高，主要原因是2013年3月初次发现人感染H7N9禽流感事件，引起市场恐慌，导致鸡肉价格大幅度下降，而2017年3月的高峰期是由于2017年年初人感染禽流感疫情病例数显著增加所引起，导致鸡肉消费下降进而引起价格下降。从图4（b）猪肉对禽流感疫情变动的脉冲响应上看，由于与鸡肉之间存在较强的替代性，其脉冲响应走势与鸡肉较为相似，同样经历了几次响应高峰期。

从图4（c）可以看出，自2013年下半年以来，牛肉对禽流感疫情变动的脉冲响应均为负向，但同样经历了几个波动的周期，在2014年初以及2015年初存在两个较大的响应高峰期，出现这一现象可能有两个原因，一是与禽流感关注度波动有关，随着关注度的波动起伏，对牛肉价格影响也波动起伏，在禽流感关注度高峰期对牛肉价格造成较大影响；二是与牛肉的季节性消费有关，第一和第四季度为消费旺季，当此时期发生禽流感疫情时，公众关注度增加，市场恐慌程度增加引起消费量下降程度较大，导致价格下降程度较大。羊肉价格对禽流感疫情变动的脉冲响应可以划分为两个阶段（见图4（d）），一是2013年—2015年小幅波动期，此阶段羊肉价格对禽流感疫情变动脉冲响应较小；二是2015年以来的大幅波动期，此阶段羊肉价格对禽流感疫情变动脉冲响应较大，同时还可以发现，2015年以来其他畜禽产品价格脉冲响应也处在较高水平，造成这一现象的原因可能是随着互联网、多媒体等信息技术的快速发展，尤其是最近两年智能手机、移动终端的快速普及，使得公众信息接收速度不断加快，禽流感疫情的发生极易引起公众关注，造成市场恐慌进而导致畜禽产品市场不稳定程度增加。

3.2.3 不同畜禽产品价格对禽流感疫情变动的时点脉冲响应 图5展示了不同畜禽产品价格对禽流感疫情变动的时点脉冲响应，本文主要选取2013年第15周、2014年第5周和2016年第3周做时点脉冲响应分析。从鸡肉价格对禽流感疫情变动在三个时点的脉冲响应上看（图5（a）），三个时点上鸡肉价格对禽流感疫情变动均产生了较大的负向响应，这与前文分析一致，但产生最大响应期数不同，2016年第3周时的脉冲响应峰值为当期，而2013年和2014年两个时点上响应峰值均在第一期，这主要是由于近两年互联网信息传播速度加快，人们关于禽流感疫情的响应速度同样加快，导致价格响应时间缩短。图5（b）展示了猪肉价格对禽流感疫情变动的脉冲响应，可以看出，猪肉价格对禽流感疫情变动在短期为负向响应，之后出现反转，转为正向响应，这进一步证实了前文分析结果。

从图5（c）牛肉价格对禽流感疫情变动的脉冲响应上看，2013年第15周以正向响应为主，2014年和2016年两个时点均为负向响应。羊肉价格对禽流感疫情变动的脉冲响应上看（图5（d）），2013年第15周羊肉价格对禽流感疫情变动为微弱正向响应，2014年第5周为正负交替的响应，2016年第3周为负向响应，这与前文结果一致。同时，从图上可以看出，猪肉和牛羊肉价格对禽流感疫情变动的脉冲响应的持续时间基本在6周左右，而鸡肉对禽流感疫情变动的脉冲响应的持续时间相对较长，在9周左右。

图5 不同畜禽产品价格对禽流感疫情变动的时点脉冲响应Fig. 5 Time point impulse response of different livestock product prices to avian in fluenza epidemic

3.3 稳健性检验

为进一步验证前文实证结果的稳健性，本文通过两种方式来进行，首先，通过调整估计模型的方式进行稳健性检验，通过采用BVAR模型分析禽流感疫情变动对不同畜禽产品价格的影响，得到不同畜禽产品价格对禽流感疫情变动的脉冲响应（图6）。从图6可以看出，鸡肉、牛羊肉价格对禽流感疫情变动均为负向响应，而猪肉价格对禽流感疫情变动则存在明显的反转效应，即短期为负向响应，之后转为正向响应，该结果进一步验证了前文实证结果。

图6 不同畜禽产品价格对禽流感疫情变动脉冲响应Fig. 6 Impulse response of different livestock product prices to avian in fluenza epidemic

其次，通过构建禽流感疫情发生变量替换上文禽流感代理变量，再次对模型进行估计，进一步检验上文结论的稳健性。禽流感疫情变量数据来源于农业部公布的《兽医公报》，计算各地禽流感发病数、死亡数和扑杀数之和，并对其取对数，最终获取禽流感疫情发生变量（由于《兽医公报》均为月度数据，因此将各月所有周度数据均与月度数据相对应进行模型估计）。并再次采用BVAR模型分析禽流感疫情变动对不同畜禽产品价格的影响，得到不同畜禽产品价格对禽流感疫情变动的脉冲响应（图7）。可以看出，脉冲响应结果与代理变量估计结果较为一致，由此可以证明本文实证结果的稳健性。

4 结论与建议

4.1 结论

为分析禽流感疫情变动是否会影响畜禽产品价格以及影响的大小，本文通过构建禽流感疫情变动代理变量——公众禽流感关注度指数，选取鸡肉、猪肉、牛肉和羊肉价格，运用2013年1月至2017年3月的周度数据，采用时变参数向量自回归模型（TVP-VAR）分析了禽流感疫情变动对不同畜禽产品价格波动的动态影响，结果表明，禽流感疫情变动会对畜禽产品价格造成影响，且影响具有时变性，禽流感疫情变动对不同畜禽产品价格的冲击大小、冲击方向和冲击持续时间上存在差异。其中，禽流感疫情对鸡肉价格影响最大，其次为猪肉价格，牛羊肉价格受到的影响相对较小；禽流感疫情的变动对鸡肉和牛羊肉价格以负向影响为主，而对猪肉价格的影响存在反转效应，即短期存在负向影响，中长期存在正向影响；由于消费季节性等特点，禽流感疫情对畜禽产品价格的影响存在差异。上述结果通过调整估计方法以及调换变量等稳健性检验均得到了验证，从而保证了本文实证结果的稳健性。

4.2 建议

基于本研究结论，认为政府有关部门应进一步加大对禽流感疫情的监测力度以及提高疫情处理能力。首先，应进一步完善禽流感预警系统，加强对禽流感的监测力度，建立畜禽产品价格联动监测机制，防患于未然。其次，除关注禽流感疫情本身发生情况之外，一方面应通过多渠道密切关注公众禽流感舆情动态变动情况，尤其是借助互联网渠道加强舆情监督，做好舆情引导；另一方面，加强禽流感疫情科学知识的宣传，增强公众对禽流感的认知，减少公众禽流感恐慌。最后，在疫情发生时，除应重点关注肉鸡产业市场变化外，还应关注猪肉产业的市场变化，做到积极正确的消费及生产引导。

图7 不同畜禽产品价格对禽流感疫情变动代理变量脉冲响应Fig. 7 Impulse response of different livestock product prices to proxy variable of avian in fluenza epidemic

参考文献：

[1] Suder G, Inthavong S. New health risks and sociocultural contexts: Bird flu impacts on consumers and poultry businesses in Lao PDR[J]. Risk Analysis, 2008, 28(1): 1-12.

[2] 王秀清, Weldegebriel H T, Rayner A J. 纵向关联市场间的价格传递[J]. 经济学(季刊), 2007, 6(3): 885-898.Wang X Q, Weldegebriel H T, Rayner A J. Price transmission in vertically related markets[J]. China Economic Quarterly, 2007,6(3): 885-898.

[3] Beach R H, Kuchler F, Leibtag E, et al. The effects of avian in fluenza news on consumer purchasing behavior: A case study of Italian consumers’ retail purchases[R]. Washington, 2008.

[4] 周力, 刘常瑜. 禽流感风险下肉鸡产业价格纵横传导研究[J].统计与决策, 2016(17): 93-96.Zhou L, Liu C Y. Vertical and horizontal transmission of broiler industry price under avian in fluenza risk[J]. Statistics & Decision,2016(17): 93-96.

[5] 夏云. H7N9疫情对家禽产业的影响[D]. 广州: 华南农业大学,2016.Xia Y. An empirical study on the impact of H7N9 influenza on poultry industry[D]. Guangzhou: South China Agricultural University, 2016.

[6] 黄泽颖, 王济民. 高致病性禽流感对我国肉鸡产业的影响[J].中国农业科技导报, 2016, 18(1): 189-199.Huang Z Y, Wang J M. Economic impact of highly pathogenic avian influenza on broiler industry in China[J]. Journal of Agricultural Science and Technology, 2016, 18(1): 189-199.

[7] 于乐荣, 李小云, 汪力斌, 等. 禽流感发生对家禽养殖农户的经济影响评估——基于两期面板数据的分析[J]. 中国农村经济, 2009(7): 12-19, 30.Yu L R, Li X Y, Wang L B , et al. An assessment of the economic impacts of occurrence of avian influenza on poultry raising famers’ households: An analysis based on two period panel data[J]. Chinese Rural Economy, 2009(7): 12-19, 30.

[8] 梅付春, 张陆彪. 禽流感疫区散养户对扑杀补偿政策配合意愿的实证分析[J]. 农业经济问题, 2008(S1): 173-177.Mei F C, Zhang L B. Empirical analysis on the small’s willingness to corporate with the compensation policy for culling in the bird flu-infected areas[J]. Issues in Agricultural Economy, 2008(S1):173-177.

[9] 张莉琴, 康小玮, 林万龙. 高致病性禽流感疫情防制措施造成的养殖户损失及政府补偿分析[J]. 农业经济问题, 2009(12):28-33.Zhang L Q, Kang X W, Lin W L. Loss of livestock farms and government compensatory in the control of HPAI[J]. Issues in Agricultural Economy, 2009(12): 28-33.

[10] Serra T. Food scare crises and price volatility: The case of the BSE in Spain[J]. Food Policy, 2011, 36(2): 179-185.

[11] 刘明月, 陆迁. 禽流感疫情冲击下疫区养殖户生产恢复行为研究——以宁夏中卫沙坡区为例[J]. 农业经济问题, 2016(5): 40-50, 111.Liu M Y, Lu Q. Study of farmers’ productive recovery behavior in avian-infected area under the shocks of avian in fluenza: A case study of Zhongwei in Ningxia[J]. Issues in Agricultural Economy,2016(5): 40-50, 111.

[12] Roux A. Food scare crises and developing countries: The impact of avian in fluenza on vertical price transmission in the Egyptian poultry sector[J]. Food Policy, 2012, 37(3): 264-274.

[13] Serra T. Vertical price transmission in the Turkish poultry market:The avian in fluenza crisis[J]. Applied Economics, 2015, 47(11):1106-1117.

[14] 孙毅, 吕本富. 网络搜索与经济行为相关性研究综述[J]. 管理评论, 2011, 23(7): 72-77.Sun Y, Lü B F. A review of the researches on the correlation between internet search and economic behavior[J]. Management Review, 2011, 23(7): 72-77.

[15] Rech J. Discovering trends in software engineering with google trend[J]. Acm Sigsoft Software Engineering Notes, 2007, 32(2): 1-2.

[16] 张继德, 廖微, 张荣武. 普通投资者关注对股市交易的量价影响——基于百度指数的实证研究[J]. 会计研究, 2014(8): 52-59, 97.Zhang J D, Liao W, Zhang R W. The effect of ordinary investors’attention on volume an price of stock market: empirical evidence based on baidu index [J]. Accounting Research, 2014(8): 52-59, 97.

[17] 黄德林, 董蕾, 王济民. 禽流感对养禽业和农民收入的影响[J].农业经济问题, 2004(6): 21-25, 79.Huang D L, Dong L, Wang J M. Influence of bird flu on the poultry industry and farmers’ income[J]. Issues in Agricultural Economy, 2004(6): 21-25, 79.

[18] 卢洪涛, 李纲. 网络搜索关键词时序变化特征研究——以H7N9禽流感关键词实验为例[J]. 情报杂志, 2014, 33(11): 175-180.Lu H T, Li G. Research on timing variation characteristics of keywords in web search keywords based on a case study about H7N9 avian influenza keywords experiment[J]. Journal of Intelligence, 2014, 33(11): 175-180.

[19] 徐映梅, 高一铭. 基于互联网大数据的CPI舆情指数构建与应用——以百度指数为例[J]. 数量经济技术经济研究, 2017,34(1): 94-112.Xu Y M, Gao Y M. Construction of the public opinion index of CPI based on the internet big data[J]. The Journal of Quantitative& Technical Economics, 2017, 34(1): 94-112.

[20] Primiceri. Time varying structural vector autoregressions and monetary policy[J]. Review of Economic Studies, 2005, 72(3):821-852.

[21] Nakajima J. Time-varying parameter VAR model with stochastic volatility: An overview of methodology and empirical applications[J]. Jouchi Nakajima, 2011, 29: 107-142.

[22] 钱燕, 万解秋. 货币供应、通货膨胀与经济增长的互动关系研究——基于时变参数VAR模型的实证检验[J]. 西安财经学院学报, 2014, 27(1): 5-10.Qian Y, Wan J Q. Research on the interaction between money supply, in flation and economic growth: Based on the time-varying parameter VAR model[J]. Journal of Xi’an University of Finance and Economics, 2014, 27(1): 5-10.

[23] Ishida T, Ishikawa N, Fukushige M. Impact of BSE and bird flu on consumers’ meat demand in Japan[J]. Applied Economics , 2010,42(1): 49-56.

[24] 周海文, 王劲松, 王锐, 等. 外部冲击对肉产品价格的影响——以疫病为例[J]. 世界农业, 2014(11): 76-82.Zhou H W, Wang J S, Wang R, et al. The impact of external shocks on meat products prices: A case study of epidemic diseases[J].World Agriculture, 2014(11): 76-82.