非洲猪瘟疫情下我国生猪产业价格传导机制研究——基于VAR模型的实证分析

马名慧 邵喜武

（吉林农业大学 经济管理学院，吉林长春 130118）

一、引言

自2018年8月辽宁沈阳首次爆发非洲猪瘟疫情以来，非洲猪瘟在全国呈多点散发的态势蔓延，致使生猪价格出现了频繁剧烈的波动，但由于我国各地区猪肉产品的消费能力不均且各省间生猪长途调运频繁，所以频繁爆发的非洲猪瘟疫情不仅对生猪价格的波动及市场消费价格指数产生一定程度的冲击，而且还对整个生猪产业链中不同环节价格关系及传导机制造成一定程度的冲击和影响。因此，在非洲猪瘟疫情日益严峻的形势下，分析非洲猪瘟疫情对生猪产业链中各环节价格关系以及传导机制的影响，对有效应对非洲猪瘟所带来的冲击、稳定生猪产业市场价格具有重要的理论意义与现实意义。

近年来关于疫病对畜禽产业的发展及其价格变动的影响一直是专家学者们关注的重要话题，首先，通过构建VAR线性向量自回归模型、ESW冲击波效应模型或利用互联网大数据构建疫情舆情指数分析疫病对畜禽产业价格波动的影响、价格波动特征以及突发疫情对畜禽产品价格的直接和间接效应[1-3]，周海文（2014）研究发现疫病对仔猪以及猪牛羊鸡这几种畜禽肉产品的价格呈现倒U形状曲线的显著影响。[4]其次，对畜禽产业链中相关产品价格传导关系及其影响因素的研究。周力（2016）通过建立PVAR面板向量自回归模型分析了禽流感对鸡肉产业价格传导的影响[5]；宁攸凉（2012）则以约翰森模型和修正误差模型从产业链的角度深入分析了2000年1月～2011年5月生猪产业价格传导机制的短期与长期关系[6]；丁存震（2019）通过建立MS-VAR马尔科夫区制转换模型并运用互联网大数据建立禽流感舆情指数实证分析了禽流感疫情下肉鸡市场的转换特征及不同市场特征下鸡肉产业价格传导关系[7]；三是对疫情的防控以及后续补偿机制的研究。张喜才（2012）认为非洲猪瘟疫情对生猪供应链具有重要影响，并提出限制长途调运对于非洲猪瘟疫情具有一定的防控作用。[8]张莉琴（2009）则研究了禽流感疫情防治措施对于养殖户造成的损失以及政府的补偿政策。[9]

综上所述，目前国内学者的研究主要集中在疫病对畜禽产业价格波动的影响以及对疫病的检疫与防控，并且有关疫病对畜禽产业价格传导机制影响的研究也主要集中在禽流感疫情，而对于近几年爆发的非洲猪瘟疫情研究较少。因此，笔者基于国内学者研究的基础，利用百度搜索引擎构建疫情舆情指数作为非洲猪瘟疫情的代理变量，通过构建基于数据统计性质把系统中内生变量作为所有内生变量的滞后值而建立的线性向量自回归模型，并将单变量自回归推广到由多元时间序列组成的自回归模型，分析并检验各变量间的滞后关系、协整关系及因果关系，探究非洲猪瘟疫情对生猪产业链的价格传导机制冲击作用，并根据分析的结果提出相应的对策和建议。

二、理论机制分析

（一）非洲猪瘟疫情对生猪产业链的影响

生猪产业链主要由上游生产环节、中游流通环节和下游消费环节所构成，非洲猪瘟疫情的爆发对我国生猪产业链带来了巨大影响。对于上游生产环节，非洲猪瘟疫情的爆发推动了生猪饲料行业和兽医药行业发展方式的转变，也推动了我国生猪养殖格局的转变，由于中小规模的生猪散养户饲养环境较差且基础设施不完善，增加了非洲猪瘟疫情的传播与扩张，使得我国大部分地区的生猪散养户退出养殖领域，为基础设施齐全并拥有完善的疫病防控体系与较强的风险抵抗能力的大规模生猪养殖场提供了新的发展机会。[10]对于中游流通环节，非洲猪瘟疫情发生后，我国实行了严格的禁运政策，相继停止了各省区间的生猪调运，致使我国以生猪外销为主如河北、河南以及辽宁等部分省份的生猪滞销严重，而生猪需求大省如江浙以及四川、重庆等西南地区的部分省份则供不应求，导致我国各省份之间供求失衡且价格分化严重，生猪价格不断上涨。对于下游消费环节，由于非洲猪瘟疫情的冲击，导致生猪屠宰加工企业和猪肉产品生产加工企业库存积压、销售受阻，导致消费市场供不应求，且非洲猪瘟疫情的爆发在一定程度上引起社会恐慌，导致猪肉的市场需求下降，从而使得猪肉产品价格波动的幅度较大。

（二）非洲猪瘟疫情关注度对猪肉及其替代品价格的影响

畜禽产品的价格变动与禽流感、疯牛病、猪瘟等一些疫情的爆发息息相关，而畜禽产品价格是影响消费者消费需求和消费价格指数的重要影响因素。[11]因此，非洲猪瘟疫情爆发提高了公众对疫情的搜索量和关注度，但由于市场信息的不对称性，公众对猪肉产品的消费认知和消费行为的选择将受到有关非洲猪瘟这一事件信息的理解度和掌握度的影响，从而进一步影响猪肉产品在消费市场中的价格；非洲猪瘟疫情的爆发不仅对猪肉产品的价格产生冲击，对其替代产品如牛羊肉、禽类产品的价格也具有不同程度的冲击和影响。由于疫情的影响导致消费者对猪肉产品的购买量呈下降趋势，而人们受到饮食习惯的影响，相比于价格昂贵的牛羊肉，更愿意将鸡肉作为猪肉的替代品，人们对鸡肉等替代产品的需求量和购买量就会上升，而随着非洲猪瘟疫情的防疫与控制和生猪存栏量的增加，猪肉价格将逐步回转呈现震荡回调的态势，公众对猪肉的消费量将逐步回升，对鸡肉等替代品的需求量会有所下降，市场将形成新一轮的均衡价格。

三、实证研究分析

（一）数据来源及说明

1.非洲猪瘟舆情指数的构建

由于非洲猪瘟疫情传播速度快，爆发时间也不稳定，所以基础数据不易获得，笔者通过百度搜索引擎的需求图谱和相关词推荐功能来获取非洲猪瘟这一事件关键词的搜索量，并计算疫情舆情指数作为衡量非洲猪瘟疫情变动的代理变量。该指数从传播速度、爆发范围、严重程度、搜索指数、资讯指数等综合方面客观反映了非洲猪瘟疫情程度以及公众对非洲猪瘟这一事件的社会关注度。并将有关非洲猪瘟疫情的关键词分为以下几类:一是“非洲猪瘟”“非洲猪瘟疫情”“猪瘟疫情最新疫情”“猪瘟周期”等这些反应非洲猪瘟疫情与疫情发展的关键词；二是“非洲猪瘟会传染吗”“非洲猪瘟的发病症状”“非洲猪瘟的防治与防控”“非洲猪瘟疫情应急实施方案”等这些反应政府措施及社会公众态度的关键词；三是“连云港非洲猪瘟”“沈阳猪瘟疫情状况”“吉林省爆发非洲猪瘟”“莆田非洲猪瘟疫情”等这些关于非洲猪瘟疫情出现的时间地点等相关信息的关键词。

由于舆情指数变化迅速且样本量较大且获取具有一定的难度，笔者选取周度数据进行分析并对该数据进行取对数处理以此消除异方差性，数据选取区间为2018年8月1日～2019年10月31日，其计算公式为[12]:

Lnqlq=Ln(X1+X2+…Xn)

其中，Lnqlq表示非洲猪瘟舆情指数，Xn表示第n个关键词的搜索量，图1显示了非洲猪瘟疫情指数的走势。

图1 非洲猪瘟疫情舆情指数走势图

从图1中显示的信息看，2018年8月3日在辽宁省沈阳市首次爆发非洲猪瘟疫情，农业农村部发布了非洲猪瘟疫情预警，在8月5日有关非洲猪瘟的搜索指数到达最高值。在2018年11月2日据台湾地区相关部门通报的关于“双汇”香肠检测出疑似有非洲猪瘟病毒后，因此在2018年11月25日搜索指数又出现了高峰值。可以看出，图中每次出现的搜索指数高峰值，分别对应非洲猪瘟疫情的发病高峰期。

2.价格数据的获取与处理

根据生猪产业链的特征，笔者选取2018年8月1日～2019年10月31日由上游生产环节的育猪饲料价格X1和仔猪价格X2、中游流通环节的待宰活猪价格X3以及下游消费环节的去皮带骨猪肉价格X4所组成的生猪产业价格传导系统，考虑到人们的饮食与消费习惯，相比于价格昂贵的牛羊肉，人们更愿意将鸡肉作为猪肉的替代品，选取白条鸡的价格X5作为生猪产业价格传导机制中下游消费环节的变量之一，以上数据与非洲猪瘟舆情指数一样选取周度价格数据。数据均来源于布瑞克农业数据库和中国畜牧业信息网，并运用Eviews8.0对上述选取的变量进行统计分析与实证研究。

图2 生猪产业链中各环节价格波动图

根据图2可以看出，非洲猪瘟疫情爆发以来，上游生产环节中仔猪价格波动频率高于待宰活猪价格、去皮带骨猪肉价格等生猪产业链中其他环节的价格，但生猪产业价格传导机制中各环节价格变动的总体趋势较为一致。

（二）研究方法与模型构建

VAR模型是对于一组k维时间序列，根据数据统计性质建立的非结构性的方程组模型，通过对模型中内生变量的滞后性进行回归，从而预测和分析随机扰动对系统的动态冲击以及冲击的程度和持续时间。VAR模型一般形式为[13]:yt=A1yt-1+…+Apyt-p+εt(t=2,…,T)其中 yt为 k维度的内生变量，xt为 d维度外生变量，p为滞后阶数，扰动项εt为白噪声且εt～NID(0,Σ)。因此，如果内生变量是一组存在长期协整关系的同阶非平稳时间序列，则构建生猪产业价格传导效应模型为:

yt=δ0+δ1x1+…+δ5x5+εt

其中，δ0为常数项，εt为t-1期疫情指数对t期生猪产业链各环节价格的影响系数；x1表示育猪饲料价格、x2表示仔猪价格、x3表示待宰活猪价格、x4表示去皮带骨猪肉价格、x5表示白条鸡价格；εt表示为随机变量；若相关变量存在长期的协整关系，而修正误差模型 Δyt=γ0Δxt+(β1-1)(yt-1-φ-θxt-1)+εt可以使价格传导机制各变量由短期的变动向着长期协整关系调整。[13]因此，构建生猪产业

价格传导机制误差修正模型为:

Δyt=δ0+δ1Δx1+…+δ5Δx5+λecmt-1+εt

其中，δ0为模型的常数项，εt为模型中的随机变量，δ1…δ4为各变量的系数；Δx1， …，Δx5表示的是模型中各变量的一阶差分；ecmt-1为滞后一期的误差修正项，λ则反映了对长期均衡偏离的部分调整幅度。

四、模型估计与结果分析

（一）平稳性检验

表1 平稳性检验结果

在建立VAR模型之前需要保证变量数据的平稳性，运用ADF方法对6组数据进行单位根检验以此考察时间序列的平稳性，为了消除伪回归现象笔者对模型中的各个变量进行取对数处理记为lny和lnx，得到结果如表1。

结果如表1显示，原数据的ADF值均大于5%显著水平下的临界值，不拒绝原假设，即原序列数值为非平稳序列，将经过一阶差分处理的数列重新进行平稳性检验得到的P值均为0，即所有变量的一阶差分序列在1%显著性水平下平稳，能够通过单位根检验。

（二）滞后阶数的选择与模型稳定性判定

由于非洲猪瘟疫情对生猪产业价格传导机制中各环节价格的影响具有一定的滞后性，所以对时间序列数据进行VAR(1)～VAR(8)模型的拟合。

表2 滞后阶数的判定结果

根据LR统计量、最终预测误差、AIC信息准则、施瓦茨信息准则和HQ信息准则等滞后长度准则，选择对应*号最多的滞后阶数作为VAR模型的最优滞后阶数，确定该模型的滞后期 （滞后阶数）为 8，则建立 VAR(8)并计算AR特征多项式逆根，图3单位圆中的点数表示为AR特征多项式逆根，即为特征根倒数的模。图3中特征根的模均小于1并落在单位圆内，表明VAR(8)模型是稳定的。

图3 VAR(8)的AR特征多项式逆根图

（三）Granger因果关系检验

从纵向传导的角度出发检验并分析非洲猪瘟疫情与生猪产业价格传导机制中各环节价格之间的因果关系，采用Granger因果关系进行检验判断，结果显示如表3。

表3 Granger因果关系检验结果

根据表3中信息显示可知，在1%水平下非洲猪瘟疫情是生猪产业价格传导机制中各环节价格的Granger原因，非洲猪瘟疫情在短期内会引起生猪市场的价格波动，进而对整个生猪产业链的价格传导机制造成一定程度冲击，但产业链中各环节的价格与非洲猪瘟疫情也存在双向引导关系，育猪饲料价格、仔猪价格、生猪价格、去皮带骨猪肉价格和白条鸡价格的变动又会作为市场信号在产业内传导，因而进一步影响非洲猪瘟疫情的网络舆情指数。

（四）脉冲响应分析

脉冲响应函数是指通过分析模型中某一变量受到另一因素的冲击而对系统中其他变量的动态影响，为各个变量之间的动态变化特征提供更多的信息。因此，为了系统而全面地了解非洲猪瘟疫情对生猪产业价格传导机制中各环节价格的整体影响过程，通过使用Cholesky分解技术对VAR(8)模型建立脉冲响应函数，分析非洲猪瘟疫情Y产生一单位标准差的信息冲击对生猪产业链上游生产环节中的X1和X2，中游流通环节的X3以及下游消费环节的X4和X5的当期值与未来值的脉冲响应进行分析和测算。

当生猪产业价格传导机制受到非洲猪瘟疫情的一单位标准差的正向冲击时，对育猪饲料价格的影响显著为正，冲击效果在第7个月达到最大值，对仔猪、待宰活猪和去皮带骨猪肉的价格均具有显著的负向影响。从不同滞后期和不同冲击方向看，生猪产业链的价格传导机制中各环节价格在滞后4期前都是正向冲击，且在滞后2、3期的冲击影响最大，随后这种冲击的效果呈现持续缓慢的下降趋势，这说明非洲猪瘟疫情的变动引起了生猪产业链的价格变动，但需求量减少的持续时间较短并随着疫情的逐步控制而逐渐减弱。

非洲猪瘟疫情除了对猪肉价格具有一定的冲击，对禽类替代产品也具有同样显著的冲击，非洲猪瘟疫情对白条鸡的价格冲击效应在3期前呈现正向冲击，且冲击效应呈持续增长的态势，但在随后的4～7期这种冲击效果呈现负向的下降趋势，可能由于在非洲猪瘟疫情最初爆发时，消费者对于非洲猪瘟的关注度迅速增加，致使生猪的供给量和市场上对猪肉的需求量下降，因而导致鸡肉等一些禽肉产品的需求量增加，致使禽肉产品的价格大幅上涨，但禽肉产品的生产周期较短，容易导致禽肉产品在疫情期间供过于求，在4期后鸡肉价格的下跌，在某种程度上说明了鸡肉等禽肉产品对猪肉具有非常显著的替代效应。

（五）方差分解分析

方差分解是通过分析系统中所有内生变量的变异按其成因分解为各变量的正交化新息，并对总变异的冲击影响和贡献大小，从而确定各新息（随机误差项）对控制变量和研究结果影响力的大小。因此通过方差分解分析，可以研究多个内生变量的独立作用和彼此间的交互作用以及其他多个不同水平的随机误差项是否对研究结果产生了显著影响。

图4 方差分解结果图

根据图4中信息显示，非洲猪瘟疫情舆情指数Y对生猪产业链上游生产环节中的育猪饲料价格X1和仔猪价格X2波动的贡献率从第1期的5.34%和0.13%便呈现平稳的增长趋势，但对仔猪价格冲击的影响较小；非洲猪瘟疫情舆情指数Y对生猪产业链中游流通环节中的待宰活猪价格X3波动的贡献率在第2期达到最高8.69%，随之贡献率的数据趋于稳定，可见活猪价格由于受到非洲猪瘟疫情的影响，公众对于非洲猪瘟的关注度迅速增加，使生猪的供给量和市场需求量下降，其价格始终呈现出平稳而缓慢的上涨趋势；非洲猪瘟疫情舆情指数Y对生猪产业链下游消费环节中的去皮带骨猪肉价格的冲击影响比对鸡肉价格冲击的影响的波动小，在第5期鸡肉价格的贡献率为4.68%，猪肉价格贡献率仅为2.28%，在第10期鸡肉价格的贡献率已达到9.40%，猪肉价格贡献率为4.04%，故在某种程度说明了非洲猪瘟疫情对鸡肉产业的发展具有一定的推动作用。

五、研究结论及对策建议

（一）研究结论

笔者基于2018年8月1日～2019年10月 31日的非洲猪瘟疫情舆情指数和生猪产业价格传导机制中各环节价格的周度数据，通过构建VAR模型、利用Granger因果检验分析、脉冲响应和方差分解分析和探讨非洲猪瘟疫情舆情指数对生猪产业价格传导机制中各环节价格纵向传导的时变特征和动态影响机理，得出结论如下:

1.在生猪产业价格传导机制中，各环节价格在不同时期受到非洲猪瘟疫情冲击的冲击力度、冲击方向以及冲击所持续的时间和影响不同，且非洲猪瘟疫情与生猪产业价格传导机制之间存在长期协整关系，非洲猪瘟疫情在10%显著水平下是生猪产业价格传导机制各环节价格的Granger原因，但非洲猪瘟疫情对猪肉价格波动的贡献率较小，其贡献率最大值仅为2.18%，考虑到可能与肉类产品存在生产周期以及消费季节性有关，并且疫病的影响只是价格变动的外部冲击因素之一。

2.非洲猪瘟疫情在对生猪产业链的价格产生冲击影响的同时，对鸡肉等一些禽类产品的价格也存在着正向或负向相结合的冲击影响，非洲猪瘟疫情在10%显著水平下是白条鸡价格的Granger原因且对其价格波动的贡献率在第三期以后呈显著上升趋势，其贡献率最大值在第10期达到9.40%，从而也表明了禽肉价格占据一定的市场份额，对于猪肉价格的替代效应也较为明显。

（二）对策建议

1.对于生猪产业链上游生产环节，一是建立规范的生猪养殖体系，加强生猪饲养的管理，提高防疫工作的规范性，对进入养殖区域的人员与车辆要进行严格消毒，对猪舍进行定期打扫与消毒，从而提高生猪养殖水平，降低疫病传播的风险[14]，并建立隔离封闭式的养殖场，严禁对生猪进行散养式饲养，并对每个区域的养殖场配备相应的畜牧兽医检测人员，将养殖场每月的生猪补栏量、死亡量及售卖情况对畜牧兽医站进行汇报，若发现有出现非洲猪瘟疫情应及时上报并进行严格处理。二是加强对生猪养殖饲料和畜禽药品工业的发展。创新并提高生猪养殖饲料加工技术的研发，禁止生产与销售不符合质量标准的饲料，从生猪生长的实际需求出发，调整并探索科学的饲料配方与仔猪的喂养方式，在非洲猪瘟防控过程中饲料生产经营企业以及政府相关部门应加强对饲料源的抽查检测与风险评估，加强对生猪养殖饲料的生产经营管理。[15]在畜禽药品方面，药品研发企业应提高其技术创新能力，提高对新型抗生素药物以及提高生猪免疫力药物的研发，从而加强对非洲猪瘟疫情的抑制与防控。

2.对于生猪产业链中游流通环节，一是完善生猪屠宰加工业的基础设施建设，加强对生猪屠宰环境的改善。我国是世界上最大的肉类生产国，根据2018年环境数据显示，我国规模以上的屠宰加工类企业总数达到4814家，其中对生猪等牲畜屠宰企业有3220家，约占屠宰加工企业总数的66.9%，而牲畜肉类的屠宰及加工工业是轻工业领域有机污染比较严重的工业之一。因此，为保障市场环境，控制生猪屠宰加工业中废气废水的污染，加强对非洲猪瘟疫情的防控，检疫部门应加大生猪屠宰证件与生猪防疫证件的审查，取缔不符合规定的屠宰场，并加快建设标准卫生环保的屠宰场，推进行业市场行为规范化。屠宰加工企业应根据自身的实际情况和问题，对生产设备、工艺流程、操作规程等方面进行整改和调整，妥善处理屠宰过程中产生的污水废气，寻找清洁生产的有效途径，减少非洲猪瘟疫情传播的风险。二是加强对生猪流通运输的监管，调整并完善生猪调运及配送模式。应根据我国当前疫情传播的实际情况建立并完善各省域间生猪和畜禽产品的供给流通体系，建立以互联网大数据、云计算等现代化信息技术为基础的鲜肉冷冻、流通、配送产业链，根据地理位置和疫区辐射力科学地制定禁运政策、划分禁运范围，实行养殖场与屠宰场的点对点有效衔接，建立生猪主产区与猪肉主销区的定向调运[16]，从而保证生猪有效供给与运输渠道顺畅以及各区域一定规模的生猪养殖量和牲畜产品的供给量。

3.对于生猪产业链下游消费环节，政府应加强对非洲猪瘟疫强的监控力度，做好疫情防控和服务工作，将公众对非洲猪瘟疫情的关注度纳入考核指标，政府还应加大疫情补偿能力，建立生猪及牲畜肉类产品的调运应急补贴机制，对疫病爆发地区的生猪养殖户给予一定的补贴，并实施合理有效的价格调控政策，防止因生猪产业价格传导机制中各环节价格的大幅度波动而导致生猪养猪户大规模的退出畜禽市场；在市场方面还应保证猪肉生产与供给的平稳性和持续性，虽然禽肉产品在非洲猪瘟疫情下补充了猪肉消费市场的缺口，但禽类产品只是起到了补充作用而不是替代作用，为避免禽肉生产无需扩展、供求失衡，应严格控制禽肉产品的产能，在非洲猪瘟疫情下加强对禽肉产业的正确引导，从而保证生猪以及所有畜禽产业持续稳定的发展。