基于VAR模型的我国猪肉价格波动影响因素的实证研究

郑健壮，武朝艳，石爱林

（浙大城市学院商学院，浙江杭州 310015）

1985年之前，我国对猪肉实行计划管理，以国家定价为主，猪肉价格相对较为稳定。自1985年猪肉价格逐步放开后，国家对猪肉定价进行引导，猪肉价格开始波动。但2006年之前猪肉价格总体仍较为平稳。之后我国猪肉价格呈整体上涨和波动态势，且在2006年6月—2009年5月、2010年4月—2014年4月、2015年3月—2018年5月呈现明显3个“猪周期”（图1）。2018年8月以来爆发的非洲猪瘟疫情给我国生猪养殖业造成了沉重打击，大量病猪死亡，使我国生猪供应一度紧张。2019年，受生猪存栏量骤减的影响，猪肉价格大幅上涨，涨幅同比达1倍以上。2021年开始，随着我国生猪存栏量的显著回升，猪肉价格出现持续下降。因此，猪肉价格的变化除了受到国家调控、政府管制以及非洲猪瘟疫情等外部因素的间接影响，最直接的是受产业链供给端和需求端两方面因素的影响。

图1 2006年1月—2021年4月猪肉价格波动图

作为生猪生产和猪肉消费大国，猪肉价格频繁波动，既不利于养猪行业的健康持续发展，也会严重影响广大居民日常生活甚至波及社会安定。因此，系统研究影响我国猪肉价格波动的主要因素并采取针对性的调控手段就显得尤为重要。综观此领域的相关研究，目前大多仍停留在对猪肉价格的一般趋势性描述。在对猪肉价格波动的影响因素研究中，段隐华等运用脉冲响应函数和方差分解方法发现四川猪肉价格波动主要受猪肉的供求关系影响；张富等从供给、需求和成本3方面进行定性分析，认为影响猪价的主要原因是周期性生产供应与季节性需求之间的不平衡、不同步以及刚性成本上涨；孙秀玲研究发现加工与流通成本、仔猪价格和替代品活鸡价格是影响生猪价格波动的最显著因素；禹旭涛等基于VAR模型研究发现除自身的价格外，豆粕、生猪的价格对猪肉价格的贡献较大。学者们对其他因素的研究表明，政府政策、疫情疾病等也对猪肉价格具有一定影响。从现有研究可以发现，猪肉价格波动的影响因素较广，缺乏一致的结论，这与学者们研究视角、选取因素和样本数据不同有着直接关系，且实证研究相对较少，特别是在微观和定量层面缺乏系统研究。基于此，在参考前人相关研究的基础上，本文基于供求理论，从分析影响猪肉价格的自身价格因素以及主要供给因素（玉米价格、豆粕价格、生猪存栏量、能繁母猪存栏量）和主要需求因素（鸡肉价格、牛肉价格、城镇居民人均可支配收入、农村居民人均可支配收入）两方面着手，利用VAR模型进行实证分析，探究和筛选影响我国猪肉价格波动的主要因素，并提出相应对策建议。

1 实证方法的选取

1.1 实证方法 向量自回归模型（Vector Auto Regression，简称VAR）是基于数据统计性质建立的模型，借助所有当期变量对滞后变量进行回归所构建的模型。它用于解释各种经济冲击对经济变量所形成的影响。本文所研究的内容为猪肉价格，是比较复杂的经济系统，因而运用VAR来建模较为合适。研究过程可概括如下：

①对原序列进行平稳性检验。一般采用ADF进行单位根检验，对不平稳的序列进行差分处理；

②滞后期确定。多种准则比较选多数准则认同的最优滞后期，为保证所有的残差都不存在自相关性，可借助Granger因果关系检验；

③建立VAR模型：首先，检验模型平稳性。平稳性检验通过（单位根r<1），表明模型平稳，可做方差分解。其次，通过方差分解具体分析各变量的解释力度。

VAR一般形式为：

其中，Y是k维内生变量向量，X是d维外生变量向量，p是滞后阶数，N是样本个数，A……A和B……B是被估计的系数矩阵，是k维扰动向量。

1.2 数据来源 综观我国猪肉价格变化历程（图1），可清晰发现：自2006年以来，我国猪肉价格存在明显的波动性。因此，本文截取2006年1月至2019年12月的168个样本数据（按14年每年12个月计），研究该时段影响猪肉价格波动的主要因素。相关数据主要来源于国家统计局（http://www.stats.gov.cn）、中国饲料行业信息网（http://www.feedtrade.com.cn）、《中国农产品价格调查年鉴》（http://www.chinayearbook.com）、《中国统计年鉴》（http://www.stats.gov.cn）和艾媒数据中心网站（https://data.iimedia.cn）等。

本文将玉米价格和豆粕价格、生猪存栏量和能繁母猪存栏量、鸡肉价格和牛肉价格以及城镇居民人均可支配收入和农村居民人均可支配收入作为自变量；将猪肉价格作为因变量。为消除变量之间的异方差性，对各个自变量所取数值进行自然对数的变换，即lnPOP（猪肉价格，Price of Pork）、lnCP（玉米价格，Corn Price）、lnSMP（豆粕价格，Soybean Meal Price）、lnLPH（生猪存栏量，Live Pig Herd）、lnBSH（能繁母猪存栏量，Breeding Sow Herd）、lnCHP（鸡肉价格，Chicken Price）、lnBEP（牛肉价格，Beef Price）、lnURPCDI（城镇居民人均可支配收入，Urban Residents Per Capita Disposable Income）、InRRPCDI（农村居民人均可支配收入，Rural Residents Per Capita Disposable Income）是各数据取对数后的结果。

2 实证分析

2.1 单位根检验 为防止回归分析中伪回归的存在，在进行动态回归模型拟合时，必须先检验各序列的平稳性。只有当各个变量通过了平稳检验，具有平稳性，才能开展下一步的分析。本文采用ADF检验法。ADF检验的原假设为被检验的变量是含有单位根的非平稳时间序列，在研究中如果该检验统计量小于显著性水平下的临界值，就可以拒绝原假设，表明该变量是平稳的，反之就要再次进行检验，直到拒绝原假设，最终确定变量的平稳阶数。本文应用stata16软件对各变量对数序列进行检验，结果见表1。

根据表1，猪肉价格、玉米价格、豆粕价格、能繁母猪存栏量、鸡肉价格和牛肉价格的ADF统计量都是大于显著性水平5%的临界值的，就不能拒绝原假设，表明不是平稳序列。为此，进一步对变量的一阶差分序列进行单位根检验，d表示对变量进行差分处理，具体可见表2。结果表明，一阶差分处理后各对数序列的值都小于显著性水平5%的临界值，都是平稳的，可以用该模型对数据开展下一步实证分析。

表1 原始变量平稳性检验结果

表2 一阶差分变量平稳性检验结果

2.2 Granger因果检验 在建立VAR模型之前，还要对模型中的变量进行Granger因果关系检验。若值小于显著性水平5%，则拒绝原假设，认为前者为后者的Granger原因。根据表3，可以看出猪肉价格受生猪存栏量、能繁母猪存栏量、牛肉价格和农村居民人均可支配收入的影响；而豆粕价格、生猪存栏量和能繁母猪存栏量又受猪肉价格的影响。

表3 Granger因果关系检验结果

2.3 VAR模型的构建与检验 在研究中，VAR模型计算的关键在于确定滞后阶数p，合理选择滞后阶数非常重要。接下来，利用似然比统计量（LR）、最终预测误差（FPE）、赤池信息准则（AIC）、HQ统计量（HQIC）和施瓦茨准则（SBIC）对模型滞后期进行筛选，具体见表4。根据表4的结果可知，当p=1时，“*”的个数为2，同时当p=2时，“*”的个数也为2，为了确保模型的精确性，应当选择最大的滞后阶数，即需要借助滞后二阶来完成。

表4 VAR模型滞后阶数选择表

在研究中，VAR模型是一个牵涉到多个变量之间互相影响的模型，可以同时利用序列本身的滞后信息和与其交互相关序列的滞后信息。将方程两边取对数，具体模型表示如下：

其中，为滞后项系数，为方程误差项。

检验VAR模型是否平稳，可以通过观察特征值是否都落在单位圆内，若所有的单位根均落在半径为1的单位圆内，则认为VAR模型具有一定的稳定性。如果有些特征值超出单位圆，则模型就不平稳，说明该模型可能存在其他无效的估计，则无法进行进一步的研究分析。用AR根图检验模型的稳定性，结果见图2。从中可以发现，所有的特征值都在单位圆内，这表明猪肉价格、玉米价格、豆粕价格、生猪存栏量、能繁母猪存栏量、鸡肉价格、牛肉价格、城镇居民人均可支配收入和农村居民人均可支配收入构成的系统是稳定的，即所建立的模型是有效的。

图2 滞后阶数为2的AR特征多项式逆根图

2.4 方差分解分析 方差分解分析，就是描述VAR模型中各变量冲击对模型内生变量的相对重要性，即变量冲击的贡献占总贡献的比例。具体而言，就是通过比较这种相对重要性随时间的变化，不仅可以估计出该变量的作用时滞，还可以估计出各变量效应的相对大小。基于已对VAR模型进行了稳定性检验，在此，可以通过方差分解来具体分析各变量的解释力度。

方差分解分析结果见表5。在表5中，从第2列开始依次是猪肉价格、玉米价格、豆粕价格、生猪存栏量、能繁母猪存栏量、鸡肉价格、牛肉价格、城镇居民人均可支配收入和农村居民人均可支配收入对于猪肉价格变动的影响情况。由表5可知，影响猪肉价格波动的主要因素表现为以下3个方面：①猪肉自身价格对猪肉价格变化贡献率最大，第1期达到100%，第5期下降到了81.08%，但到第10期仍有66.96%的影响作用；②在供给方面的4个影响因素中，影响程度依次为能繁母猪存栏量、豆粕价格、生猪存栏量和玉米价格，能繁母猪存栏量对猪肉价格的影响最大，最高贡献率达到37.7%左右（第10期），豆粕价格在第10期影响率为5.39%；③在需求方面的2个影响因素中，农村居民人均可支配收入对猪肉价格变化率的影响高于城镇居民人均可支配收入的影响，到第10期的影响率为9.07%。

表5 方差分解表

除了猪肉自身价格外，能繁母猪存栏量在10个月左右对猪肉价格的影响最为显著。从猪的生物学特征来看，母猪怀孕到产仔一般在114 d左右，而猪仔出生到出栏一般在6个月左右。因此，母猪怀孕到生猪出栏存在着大约10个月左右的时滞。这10个月的时滞对猪肉价格波动具有重要调节作用。将能繁母猪存栏量与滞后10个月的猪肉价格进行对比以直观验证，即将2014年3月—2019年2月能繁母猪存栏量与2015年1月—2019年12月的猪肉价格进行对比分析（图3）。结果发现，当能繁母猪当月存栏量较多时，会导致10个月之后的猪肉价格较低。反之，当能繁母猪当月存栏量较少时，10个月之后的猪肉价格较高。

图3 当月能繁母猪存栏量与滞后10个月的猪肉价格对比分析图

2.5 突发事件的影响分析 综上所述，猪肉的供给和需求共同影响猪肉价格变化。而当受到外部冲击，如非洲猪瘟、新冠肺炎疫情等突发事件时，供求关系就会发生变化，进而影响猪肉价格。2018年8月爆发的非洲猪瘟疫情一定程度上造成市场恐慌，引起猪肉供给和需求的下降。随着疫情的控制，猪肉需求恢复，但由于生猪有固定的生产周期，短期内不能及时增加供给，猪肉价格出现了疫情后的报复性上涨。从2019年6月开始，猪肉价格一路暴涨，在10月出现了高峰点（56.94元/kg）。

本研究采用非洲猪瘟百度搜索指数作为测度非洲猪瘟疫情的代理变量，选取2018年8月1日—2020年1月5日的周度数据，并对数据取对数以消除异方差。在模型稳定性检验通过的基础上，Granger因果关系检验结果显示：非洲猪瘟（lnASF）在5%显著性水平下不是猪肉价格（lnPOP）的Granger原因（表6）。通过方差分解来具体分析非洲猪瘟对猪肉价格的解释力度，结果如图4所示。结果表明，非洲猪瘟对猪肉价格波动的贡献率从第1期的0.86%增加到第8期的3.94%，呈现平稳的增长趋势，但对猪肉价格冲击的影响较小，其贡献率最大值仅为3.94%。

表6 Granger因果关系检验结果

图4 非洲猪瘟与猪肉价格对猪肉价格冲击的方差分解结果

需要关注的是，2020年1月—2021年4月，猪价出现三轮先涨后跌的变化走势（图1），如此剧烈的波动可能与2020年初新冠肺炎疫情的蔓延有关。新冠肺炎疫情的爆发直接造成了猪肉产业链中断，消费需求急剧下降，引发猪肉价格的“暴涨暴跌”。本研究参考贾铖等将国内新冠肺炎累计确诊人数作为新冠肺炎疫情的代理变量，选取2020年1月10日—2021年4月30日的周度数据，并对数据取对数以消除异方差。在模型稳定性检验通过的基础上，Granger因果关系检验结果显示：新冠肺炎疫情（lnCOVID）在5%显著性水平下不是猪肉价格（lnPOP）的Granger原因（表7）。通过方差分解来具体分析新冠肺炎疫情对猪肉价格的解释力度，结果如图5所示。结果表明，新冠肺炎疫情对猪肉价格波动的贡献率从第1期的1.59%上升到第8期的20.97%，而猪肉价格对自身波动的贡献率从第1期的98.41%下降到第8期的79.03%。由此可见，在数据考察期间，猪肉价格波动的主要影响因素仍是猪肉自身价格，但新冠肺炎疫情的影响较大。

表7 Granger因果关系检验结果

图5 新冠肺炎疫情与猪肉价格对猪肉价格冲击的方差分解结果

3 结论与对策建议

3.1 研究的主要结论 本文利用2006年1月至2019年12月共168个样本数据，从猪肉价格本身、玉米价格、豆粕价格、生猪存栏量、能繁母猪存栏量、鸡肉价格、牛肉价格、城镇居民人均可支配收入和农村居民人均可支配收入对猪肉价格的影响开展了实证研究。研究得到如下主要结论。

1）猪肉价格的波动受其自身的影响最大。具体表现为短期内对猪肉价格变化的影响最大，随时间推延对猪肉价格变化的影响程度开始下降，但在10期仍对猪肉价格波动有66.96%的影响。

2）在供给层面来看，能繁母猪存栏量对猪肉价格变化的影响程度最大，从第1期的0影响，到第5期时已达到了35.70%，到第10期，最高贡献率达到37.78%。而豆粕价格对猪肉价格变化的影响次之，到第10期贡献率最高达6.87%。生猪存栏量和玉米价格两者对猪肉价格波动的影响较小。

3）从需求层面来看，农村居民人均可支配收入的影响率最高，从第6期开始，对猪肉价格变化的影响率已达到8%以上，最高贡献率为9.07%（第10期）。其次是鸡肉价格，虽然前期影响较弱，但随着时间的推移，到第10期增加到3.56%。牛肉价格和城镇居民人均可支配收入的影响程度很低。

4）从突发事件的外部冲击来看，2018年8月爆发的非洲猪瘟对2018年8月—2019年12月猪肉价格波动的贡献率较小，其贡献率最大值仅为3.94%；2020年初蔓延的新冠肺炎疫情对2020年1月—2021年4月猪肉价格波动影响较大，对8周后猪肉价格有20.97%的影响，但猪肉自身价格仍是猪肉价格波动的主要影响因素。

总体而言，影响猪肉价格波动的四大供求因素分别为能繁母猪存栏量、农村居民人均可支配收入、豆粕价格和鸡肉价格。

3.2 对策建议 综合上述实证结果，政府在对猪肉价格宏观调控时要重点关注以下4点：

第一，需建立完善猪肉价格的动态监测预警系统。综合各种主要影响因素，构建由多指标构成的“猪肉价格波动预警体系”，在猪肉价格过度下跌和过度上涨时做出及时响应。2021年6月9日，国家发展改革委员会等部门联合印发《完善政府猪肉储备调节机制 做好猪肉市场保供稳价工作预案》，指出猪肉市场监测预警主要选取猪粮比价、能繁母猪存栏量变化率、36个大中城市精瘦肉平均零售价格作为预警指标，区分生猪价格过度下跌和过度上涨2种情形，合理确定预警指标临界值，并设立三级预警区间。在动态监测预警系统构建和实施方面，国家层面，由国家发展改革委员会、农业农村部等部门定期发布生猪行业和猪肉市场信息，及时发布预警信息，引导各市场主体自主调节生产经营决策，防止猪肉生产供应和价格大起大落；地方政府层面，在采用猪粮比价等作为预警指标的同时，可以选择本地其他监测预警指标，如生猪养殖成本收益指数、替代品鸡肉价格，并划设预警区间。

第二，供需两端发力，推进猪肉市场结构性改革。从供给端来看，一方面，采取措施保持饲料价格（尤其是豆粕价格）相对稳定，控制生猪养殖企业的养殖成本；另一方面，实施非洲猪瘟分区防控，降低跨区域传播风险，优化生猪产业布局，稳步恢复能繁母猪和生猪的存栏量，以稳定生猪生产、保障市场供应。从需求端来看，稳步提高居民人均可支配收入，尤其是农村地区人均可支配收入，不断推动居民消费升级。在此基础上，引导居民对肉类的多样化消费需求，用鸡肉等替代猪肉消费，抑制对猪肉的过度需求，以有效缓解猪肉价格的波动。

第三，创新生猪产业体制机制。在技术层面，加强生猪养殖技术研发。2021年1月，中央农办主任、农业农村部部长唐仁健在中国农科院调研期间表示，加快启动实施种源“卡脖子”技术攻关，缩小生猪、大豆等品种和国际先进水平的差距，坚决打赢种业翻身仗。在财务层面，适度推广生猪期货等市场风险规避业务。2020年4月24日，中国证监会批准大连商品交易所开展生猪期货交易，并于2021年1月8日在大商所正式挂牌交易上市。截至6月4日，生猪期货价格累计下跌35.2%，与2021年猪肉现货价格持续下跌一致。根据农业农村部公布的数据，6月4日猪肉现货价格为25.49元/kg，与年初相比下跌了44.5%。生猪养殖企业可通过生猪期货价格发现的功能，合理规划生猪生产，减少猪价大幅波动带来的风险，起到间接拉长、缓和“猪周期”的作用。

第四，在疫病冲击下需增强生猪产业链抗风险能力。对于上游生产环节，规范生猪养殖和防疫体系，加强对提高生猪免疫力药物的研发，降低生产中的疫病传播风险。对于中游流通环节，提高生猪屠宰产能利用率，加强生猪流通运输的监管，建立生猪主产区与猪肉主销区的定向调运，降低由运输引起的疫病传播风险。对于下游消费环节，转变猪肉销售模式，通过线上方式减少人群接触，遏制新冠肺炎疫情的传播范围，并可扩大猪肉销售的市场空间，有效调控猪肉的供需平衡，进而保障猪肉价格的稳定。