生猪价格的传导分析与影响因素测度——基于《全国生猪生产发展规划（2016-2020年）》

颜美玲

（仰恩大学经济学院，福建 泉州 362014）

1 引言

生猪产业是农业生产的重要组成部分。猪肉是我国肉类消费的主要来源，是城乡居民不可或缺的“菜篮子”产品。近年来，猪肉在全肉类生产中的比重大约在65%左右。长期以来，中国猪肉产量居世界首位，约占世界总产量的一半，因此发展我国的生猪产业对保障市场供给、提高农民收入、促进经济社会稳定发展具有重大意义。自1985年取消生猪统销统购政策，放开生猪市场以来，受疫病、猪粮价格、自然灾害、金融危机、环境监管和政策变化等许多外部因素影响，我国生猪市场价格呈现出典型的“暴涨暴跌”的周期性波动。

2016年4月，原中国农业部（现农业农村部）发布《全国生猪生产发展规划（2016-2020年）》（下文简称规划），这是“十三五”时期生猪生产发展的指导性文件。规划提出：要建设现代养猪业，发展饲料兽药产业，发展标准化规模养殖，强化生猪屠宰管理，加强生猪疫病防控，建立质量安全追溯体系，促进全产业链融合发展。规划的发布，对于解决当时阻碍生猪生产发展的难题，推动生猪养殖产业转型升级，逐步理顺“猪周期”，促进可持续发展，具有重大的现实针对性和长期指导意义。为探究发布规划是否对生猪价格波动造成影响，以及在此期间生猪产业链的价格传导的特点，文章以规划为虚拟变量，构建VAR模型来研究发布规划对生猪价格波动的影响，以及生猪产业链价格传导的特征。

2 研究背景

国内关于生猪价格或猪肉价格的波动特征和传导效应的有关研究较为深入。石自忠等[1]运用MSGARCH类模型，实证分析了我国猪肉价格波动的双重非对称效应。张敏等[2]利用多区制平滑转移自回归模型，对生猪价格和猪肉价格序列的区制进行划分，然后实证分析区制转移的特点。周锦等[3]使用平滑转换自回归方法与事件分析法，研究国内生猪食品安全事件对畜禽产品价格异常变化的影响，并探讨差异产生的原因。马名慧和邵喜武[4]基于VAR模型，分析了非洲猪瘟下中国生猪产业价格传导机制中各环节价格间垂直传导的时变转化特征和动态影响机制。付莲莲和罗千峰[5]运用Census-X12和协方差分析方法，探究三种成分在不同阶段对生猪价格贡献度的异质性，建立统计模型，分析生猪价格波动的成因和影响程度。

在模型实证方面，黎海珊[6]以上海自由贸易区为虚拟变量，运用VAR模型、脉冲响应图与方差分解来判断自由贸易园区建立对外商投资的影响。张志敏等[7]引入反映我国经济开放程度与汇率制度改革的虚拟变量，构建VAR模型，分析了相关因素对国内通货膨胀的影响。史永东和田渊博[8]通过引入虚拟变量代表作为大牛市和大熊市的异常情况，采用Cholesky正交分解的脉冲响应与方差分解分析投资者行为变化的主要影响因素。

前人的研究中未涉及规划对生猪市场的影响，但显而易见，规划的发布对我国生猪市场的发展具有长远的指导意义。因此文章以规划为虚拟变量，构建VAR模型，然后运用脉冲响应函数和方差分解，研究发布规划对生猪价格波动的影响，以及生猪产业链价格传导的特征。

3 生猪产业链的价格传导分析

3.1 产业链的传导机制

根据产业链理论，上游商品作为投入，构成了下游产品的成本。上游商品价格波动沿生产链向下游变化，下游商品滞后地发生价格波动。这种形式的价格变化被称为成本驱动的变化。下游商品价格的波动反映了下游消费需求的变化。需求信息沿生产链向上游传递，上游商品价格相应地发生变化。这种形式的价格变化称为需求驱动的变化。

我国生猪产业链条上主要有饲料供给、种猪繁育、生猪养殖、屠宰加工、猪肉流通等环节。从产业链的上、中、下游来看，饲料供给、种猪繁育处在上游，生猪养殖位于中端环节，屠杀加工和猪肉流通属于下游。生猪产业链各环节的商品价格波动受到信息流和资金链的影响，推动产业链上下游的价格传导。

3.2 替代品消费对生猪产业链的影响

根据《中国农业展望报告（2015-2024）》描述，我国是全球最大的猪肉生产国和消费国，也是第二大鸡肉生产国。随着国民生活水平的提高，我国猪肉消费量近年来呈现出上升趋势。鸡肉和牛肉作为猪肉消费的替代品之一，也可以满足人们对肉食的消费需求。猪肉和鸡肉、牛肉的需求交叉价格弹性为正，当鸡肉和（或）牛肉的价格上升时，消费者对猪肉的需求就会增加，如果猪肉的供应量不变，就会导致猪肉价格的上涨，进而影响生猪生产。

4 实证分析

VAR模型常用于研究相关的时间序列系统，分析随机扰动项对变量系统的动态影响，进而阐释各种经济冲击对经济变量形成的影响。因此，文章采用VAR模型分析我国生猪价格的传导关系，接着基于脉冲响应函数研究各因素对中国生猪价格的影响，然后运用方差分解度量各因素的重要程度。

4.1 模型的构建

VAR（p）模型[9]的公式如下：

其中，yt是内生变量向量，xt是外生变量向量，p是滞后阶数，A0…Ap和B是待估计参数矩阵，εt是随机扰动项，服从0均值的独立同分布，∑是εt的协方差矩阵。

4.2 指标选取与数据说明

VAR模型中各变量的名称、定义及数据来源详见表1，本文选用2010年1-12月的月度数据作为研究对象，表1除了POLICY变量，其他变量均采用2010年1月为100的居民消费价格指数CPI进行平减来消除通货膨胀的影响，然后基于X-13季节调整方法对各个指标进行季节调整以消除季节性因素。

对本次进行研究的100例患者所有数据，均使用统计学软件SPSS19.0分析处理，计量资料行t检验，采用（± s）形式表示，计数资料行χ2检验，用率（%）形式表示，当P＜0.05，差异有统计学意义。

表1 VAR模型中变量描述及数据来源

4.3 平稳性检验

为了避免伪回归问题，VAR模型中涉及的变量必须是序列平稳的向量。文章利用ADF单位根检验法，对季节调整后的变量以及差分后的变量的平稳性进行检验，根据AIC准则及BIC准则来选择ADF的检验形式，由于文章篇幅有限，检验结果就没有列示。结果显示，在10%的显著性水平下，除PIG_d11和PORK_d11以外，剩余变量均不平稳。然而，在1%的显著性水平下，全部变量的一阶差分序列均拒绝有单位根的零假设。

4.4 实证结果分析

根据VAR模型滞后期的选择标准，综合参考Log likelihood、AIC、BIC信息准则确定最佳滞后阶数为2，建立VAR（2）。

4.4.1脉冲响应函数

如果VAR模型不稳定，那么脉冲响应的分析就没有意义。图1显示了VAR模型的稳定性，从图中可以看出，VAR模型中所有内生变量的特征根均位于单位圆内，说明该模型是一个平稳系统。

图1 VAR模型的稳定性检验

图2是规划虚拟变量对生猪价格、猪肉价格、仔猪价格、玉米价格、豆粕价格、牛肉价格、鸡肉价格的脉冲响应图。脉冲响应图描述的是变量之间的一种短期动态关系。由图2可见，规划虚拟变量对生猪价格的脉冲响应前10期为负，在第5期的影响程度最大，随后各期逐渐收敛。此结果说明：规划在发布初期降低了生猪价格，到10期之后影响强度逐渐变弱。图2还表明规划的发布对猪肉价格、仔猪价格、玉米价格和豆粕价格有一定程度的短期冲击，但是对牛肉价格和鸡肉价格没有非常显著的冲击影响。

图3是猪肉价格、仔猪价格、玉米价格、豆粕价格、牛肉价格、鸡肉价格、规划虚拟变量对生猪价格的脉冲响应函数图。由图3可知，规划虚拟变量对生猪价格有短期的冲击，同时也可能通过饲料成本方面对生猪价格产生影响，这可能是由于饲料成本在生猪养殖成本中的比例较高，所以饲料价格由于规划发布而引起的变化很容易影响生猪价格的变化。

图3 其他变量对生猪价格的脉冲响应函数

4.4.2方差分解

表2 其他变量对生猪价格变动的贡献率 %

在滞后11期时，各因素对PIG_d11变动的贡献率趋向于稳定。稳定时需求因素的贡献度为0.59%，种猪繁育的贡献度为1.28%，饲料供应的贡献度为7.92%，替代品消费的贡献度为6.87%，规划的发布的贡献度为1.38%。因此，对生猪价格变动的贡献度排名前3的因素分别是饲料供应、替代品消费、规划的发布。

4.4.3外生变量的解释

尽管在VAR模型中很难阐释内生变量的系数，但作为外生变量估计出来的系数具有一定的意义。因此文章进一步考虑把规划虚拟变量设置为VAR模型的外生变量，根据Log likelihood、AIC、BIC信息准则[8]确定最佳滞后阶数为2，估计出来的系数见表3。

表3 POLICY虚拟变量的系数

虽然估计出的大多参数都是不显著的，但从显著的系数中可以得知规划的发布与玉米价格和豆粕价格的变动有明显的正相关关系，意味着该政策的出台能够提高玉米价格和豆粕价格，从而有利于改善生猪产业链中的饲料供应环节，这与上文方差分解的分析结果一致。

5 结论与建议

文章将规划设置为虚拟变量，利用VAR模型分析生猪价格的传导与影响因素，并利用脉冲响应函数和方差分解来研究生猪产业链和该政策对生猪价格波动的影响。主要结论如下：第一，政策的出台显著影响生猪价格的变动以及生猪产业链的其他环节，尤其是饲料供应环节；第二，脉冲响应函数图验证了政策的出台与生猪产业链的各个环节之间的显著关系；第三，方差分解显示替代品消费显著影响生猪价格的变动，规划虚拟变量对生猪价格波动的贡献率位于第3，为1.38%，并且其解释力度随着时间的增加呈现出不断增强的态势。

基于实证结论，文章提出了相应的建议：第一，相关监管单位在制定有关生猪市场的政策时，应该重视并纳入替代品消费的因素，比如牛肉价格、鸡肉价格对生猪价格的影响；第二，生猪产业链可以说是“牵一发而动全身”，各环节之间的关联性紧密，仅仅对某一环节的政策调控往往达不到预期的效果，因此应从整个产业链的角度完善监管机制，出台适合整个生猪产业链的价格监管政策；第三，政策出台后，玉米价格和豆粕价格对生猪价格的影响最为显著。因此，有必要关注玉米价格和豆粕价格的走势，将其作为预测生猪价格的重要指标。