我国生猪和猪肉价格国内外传递研究

林学贵

渊商务部国际贸易经济合作研究院，北京 100710）

近年来，我国生猪和猪肉价格大幅波动，不仅阻碍了生猪养殖业的健康发展，而且对居民肉类消费和生活福利产生了严重影响，已成为政府、学界和社会关注的焦点。为稳定生猪和猪肉价格，政府相继出台了一系列政策措施，如生猪补贴、冻猪肉收储、猪肉进口等，但收效不大，且近年来生猪和猪肉的价格波动呈现出如下特征：在消费市场上，消费者经常抱怨进口猪肉价格或者生猪饲养成本的下降并不能“迅速”让国内猪肉市场价格下降，或者国内猪肉价格虽然下降但降幅有限；另一方面，虽然消费市场上猪肉价格上涨，但生产者抱怨他们并未受益于生猪价格的上升以及由此带来的收入增长。市场供求力量影响并决定市场价格，那么导致价格上升的“正向”冲击或者价格下跌的“负向”冲击是否对国内生猪和猪肉价格带来不同的影响呢？伴随着我国猪肉进口数量的增加，国际猪肉价格能够有效地传递到国内市场吗？国内生猪价格和猪肉价格之间的传递是否存在非对称性特征？对这些问题的深入研究，不仅有助于阐明生猪和猪肉价格波动给人们带来的困惑，而且对政府出台相关政策，缓解我国生猪和猪肉价格波动具有重要的现实意义。

本文拟利用门限协整模型和向量自回归模型对国内外生猪和猪肉市场价格的长期均衡关系和短期价格传递关系进行分析，为政府制定稳定生猪和猪肉价格的相关政策提供参考。

1 国内外研究现状

对生猪和猪肉价格之间的传导关系，国外学者研究较早，研究成果也比较丰富，最常用的方法是基于向量自回归模型的格兰杰因果检验和协整检验以及误差修正模型。最近十几年来的研究热点集中在利用门限协整模型对价格的非对称性传递进行分析，如Von Cramon-Taubadel[1]运用线性误差修正模型分析1990-1993年德国北部地区生猪的生产者价格和批发价格数据，发现德国的生猪市场存在非对称性价格传递，生猪生产价格提高比减少能够更快地传递到批发价格。Goodwin等[2]运用门限协整模型分析1987-1998年美国猪肉的生产者价格、批发价格和零售价格数据，发现猪肉价格传递的非对称性特征非常显著。Abdulai[3]利用1988-1997年瑞士猪肉生产和零售的月度价格数据，利用门限协整理论检验了长期非对称传递，利用非对称误差修正模型检验了短期非对称传递，结果表明猪肉生产价格的提高比其减少能更快地传递给猪肉的零售价格。另外，Miller等[4]、Luoma等[5]、Lajos等[6]分别运用门限协整模型对美国、芬兰、匈牙利的猪肉产业链的价格非对称传导进行了研究。

国内对生猪和猪肉价格传递的研究相对较晚，代表性的研究成果有武拉平、辛贤等、王芳等、郭利京等、魏来等、杨朝英等、杨志波、周金城等做的研究。武拉平[7]运用格兰杰因果关系分析得出我国猪肉消费地区的价格波动是生产地区价格波动的格兰杰原因。辛贤等[8]分析了我国生猪产业收购价格和零售价格之间的价格传递关系，证实了价格传递存在放大效应。王芳等[9]利用有限分布滞后模型分析生猪产业内仔猪价格、生猪价格和猪肉价格之间的纵向整合度，得出我国养猪业市场纵向整合程度较好的结论。郭利京等[10]利用价格传递误差修正模型（PC-ECM）分析了我国猪肉价格在纵向关联产业链中的传递情况，结果表明，猪肉零售价格和生猪收购价格之间存在长期均衡关系，长期中价格在纵向关联产业中的传递比较完全；而短期中价格传递表现出了显著的非对称性特征，即短期中生猪收购价格上涨时要比下跌时能够更完全和快速地传递给猪肉零售价格。魏来等[11]利用门限自回归模型（TAR）和惯性门限自回归模型（M-TAR），研究了1997年1月—2007年9月期间上海市崇明县生猪产业链中仔猪、活猪、猪肉的月度数据，发现在非零的门限检验时两个价格链条都呈非对称传递。杨朝英等[12]利用2000年1月—2009年10月期间全国生猪和猪肉平均价格的月度数据，使用门限自回归模型（TAR）分析表明，无论是生猪价格还是猪肉价格，均对“利空”消息反应更加敏感，猪肉批发商对生猪价格上涨更加敏感，而生猪养殖者则对猪肉价格下跌更敏感。杨志波[13]利用TAR和M-TAR模型，分析我国2006年7月1日—2011年9月30日期间生猪与猪肉零售价格的周度数据，结果发现我国生猪与猪肉零售市场之间存在负的非对称性的价格传导关系。周金城等[14]选取2000年1月至2013年6月间全国大中城市生猪出场价格、猪肉批发价格、猪肉零售价格的月度价格数据，利用TAR和M-TAR模型，发现猪肉产业链的四个阶段都存在非对称的价格传导关系，在逆向传导阶段，下游价格下跌时都要比上涨时更快地传导给上游价格；在顺向传导阶段，生猪价格上涨时要比其下跌时更快地传导给猪肉批发价格，而猪肉批发价格下跌时要比其上涨时更快地传导给生猪价格。

从国内研究现状看，学者们对我国生猪和猪肉价格的传递进行了有益的探索，并取得了一定进展，但也存在以下不足之处：其一，研究主要集中在国内生猪和猪肉产业链的价格传递，缺乏对国内外猪肉市场的价格传递研究，尤其是在近年来我国猪肉进口不断增加的背景下，进行这方面的研究显得十分必要；其二，缺乏利用实际价格数据进行的分析，例如目前在国内生猪和猪肉之间的非对称价格传递研究中，所用数据几乎均未消除通货膨胀因素的影响，因此得出的结论值得商榷。鉴于此，本文采用国内外生猪和猪肉市场实际价格数据，分别利用线性协整和门限协整模型考察国内外生猪和猪肉价格之间是否存在长期均衡关系，然后利用向量自回归模型对国内外生猪和猪肉价格的短期相互影响进行分析，旨在弥补上述两方面研究的不足。

2 模型和数据

2.1 线性协整模型

根据Enger-Granger两步协整建模方法[15]，检验双变量之间是否存在线性协整关系。首先，建立下述双变量线性回归模型。

式（1）中Yt表示国内猪肉价格，Xt表示国内生猪价格或者国外猪肉价格。μt为误差项，表示Yt与Xt之间均衡关系的偏差。a0、a1为待估参数。

其次，依据式（2）估计式（1）的残差μt，并判断Yt与Xt之间是否存在协整关系。

式 （2） 中△μt为 μt的一阶差分，ρ1、δi为待估参数，i=1,2,…q，q为滞后阶数，其取值可依据AIC或SBC指标选取，εt是残差并且满足下面的条件：

检验协整关系的零假设为ρ1=0，拒绝零假设说明yt与xt之间存在协整关系。

2.2 门限协整模型

上述标准的线性协整模型适用于分析变量之间呈对称调整的长期关系，但无法检验变量之间是否存在非对称调整的均衡关系。Enders和Granger[16]及Enders和Siklos[17]提出的门限协整模型可以对变量之间呈非对称调整的协整关系进行检验。

门限协整模型是对式（1）中的残差μt建立如下门限自回归模型，并据此检验变量之间的非线性协整关系。

式（3）中It表示Heaviside指示变量，其取值如下：

由于一般无法事先确定正确的非线性特征，因此门限变量可以设定为前期残差的变化量△μt-1。在这种情况下，Heaviside指示变量It依下述方式取值：

τ为门限值。εt是残差。Petrucelli等[18]证明了对于任意值τ，残差系列εt平稳的充要条件是ρ1＜0，ρ2＜0；（1+ρ1）（1+ρ2）＜1。Tong[19,20]证明了 ρ1和 ρ2的最小二乘估计呈渐进多元正态分布。通常τ的值未知，需要和ρ1、ρ2一起进行估计。通常利用Chan[21]提出的网格搜索方法估计可能的门限参数，即在TAR模型中将估计残差以升序排列，排除15%的最大值和最小值，从剩余的70%值中选择门限，获得最小残差的平方和；在M-TAR模型中针对估计残差变化排序，通过搜索可能的门限值以最小化残差的平方和，获得相容的门限参数估计。

由式（1）、式（3）和式（4）组成的模型被称为门限自回归模型（TAR模型），由式（1）、式（3）和式（5）组成的模型被称为惯性门限自回归模型（M-TAR模型）。

可以同时利用两个检验统计量判断非对称协整。通过检验无协整的原假设（H0:ρ1=ρ2=0）与存在门限协整关系的替代假设，检验统计量表示为φ。由于φ不遵循标准分布，根据Enders和Siklos[17]利用蒙特卡洛确定的临界值进行判定。在确认拒绝无协整的零假设后，利用通常的F检验方法检验对称协整的原假设（H0:ρ1=ρ2），如果拒绝该原假设，则说明存在非对称协整。确定非对称协整关系后，可以建立非对称误差修正模型对变量之间的相互影响关系进行分析。

2.3 向量自回归模型

向量自回归模型模型的基本结构如下：

式（6）中Pt是内生变量向量，Zt是确定的外生变量向量，代表常数项、趋势项等确定性项，εt是k维误差向量，t为样本期的长度，k为滞后阶数，可根据AIC或者SBC信息指标选取。

2.4 数据来源

本文收集国际、国内的猪肉价格及国内活猪价格并分析其相互影响关系。国际猪肉价格数据利用世界银行数据库的猪肉月度价格（单位：美元/吨）。国内猪肉价格和生猪价格分别为《中国农产品价格调查年鉴》中的全国农产品集贸市场月度猪肉价格和活猪价格（单位：元/kg），国际猪肉价格利用中国人民银行公布的美元兑人民币的中间汇率转换成人民币计价，并将国内价格和国际价格统一换算成元/吨。为了消除通货膨胀的影响，国际、国内价格分别利用美国CPI、中国CPI的定基指数（2010年=100）转换成实际价格。由于猪肉与生猪价格具有明显的季节性特征，因此采用X-12季节调整方法剔除国际猪肉和国内猪肉、生猪价格中的季节性因素的影响。最后的价格水平取对数以消除异方差影响。

3 实证分析结果

3.1 国内外生猪价格的统计特征和单位根检验

表1显示的是经过季节调整并取对数后的实际国际猪肉价格、国内猪肉价格、国内活猪价格的基本统计特征。可以看出，国内外生猪价格均呈右偏分布，并且三个价格序列都拒绝服从正态分布。如果利用变异系数（标准差/均值）测度价格波动的大小，那么可以看出，在研究的样本期间，国内活猪价格波动幅度最大，为6.64%，其次为国际猪肉价格波动，为5.11%，国内猪肉价格波动最小，为4.41%。

表1 国内外生猪价格的统计特征

3.2 单位根检验

本研究利用增广迪基富勒检验（简称ADF检验）分别对国际猪肉、国内猪肉、国内活猪价格序列存在单位根的零假设进行检验，结果见表2。

从表2可以看出，国际猪肉、国内猪肉、国内活猪价格的水平序列均存在单位根，而它们的一阶差分系列均在1%的显著性水平下拒绝存在单位根的零假设。

表2 国内外生猪、猪肉价格单位根检验结果

3.3 线性协整检验

下面分别对国际猪肉价格与国内猪肉价格之间以及国内猪肉与国内活猪之间是否存在线性协整关系进行检验，利用的检验方法为Engle-Granger两步法[15]。检验结果见表3。结果表明，无论是国际猪肉价格与国内猪肉价格之间还是国内猪肉与国内活猪之间，均不存在线性协整关系。

表3 Engle-Granger两步法协整检验结果

3.4 门限协整分析

利用TAR模型和M—TAR模型，分别设定门限值为零和对门限值进行估计两种情况，总共四种情况进行门限协整检验。利用四种模型分别对国际猪肉价格与国内猪肉价格之间、国内猪肉价格与国内活猪价格之间是否存在门限协整关系进行检验，结果见表4。

从表4的估计结果看，国际猪肉价格与国内猪肉价格的门限协整检验结果显示，虽然ρ1和ρ2的估计值满足约束条件，但从Ф统计值看，四种情况下均不能拒绝不存在门限协整的零假设（ρ1=ρ2=0），这说明国际猪肉价格与国内猪肉价格之间不存在门限协整关系。国内猪肉价格与国内活猪价格之间的门限协整检验结果显示，四种情况下ρ1和ρ2的估计值均未能满足约束条件，并且在四种情况下也均不能拒绝国内猪肉价格与国内活猪价格之间不存在门限协整的零假设。

表4 门限协整检验结果

上述分析结果表明，无论从线性协整还是门限协整的角度看，国际猪肉价格与国内猪肉价格之间以及国内猪肉价格与国内活猪价格之间均不存在长期均衡关系。

既然国际猪肉价格与国内猪肉价格之间以及国内猪肉价格与国内活猪价格之间均不存在长期均衡关系，那么它们之间是否存在短期相互影响呢？由于国际猪肉价格、国内猪肉价格、国内活猪价格均为I（1）系列，下面利用它们的一阶差分系列建立三变量向量自回归模型，通过格兰杰因果检验、脉冲反应函数分析考察三者之间的短期相互影响关系。

3.5 格兰杰因果检验

利用式（6），建立国际猪肉价格、国内猪肉价格、国内活猪价格各自的一阶差分系列的三变量向量自回归模型。估计结果见表5。从估计结果看，国内猪肉价格变化受滞后一期国内活猪价格变化的影响，即每单位活猪价格变化能够引起0.54个单位国内猪肉价格的变化。国内活猪价格变化受自身滞后一期价格变化的影响。

格兰杰因果关系检验结果（表6）表明，国际猪肉价格与国内猪肉价格之间不存在格兰杰因果关系，国内活猪价格变化是国内猪肉价格变化的格兰杰成因。从猪肉价格变化对来自活猪价格变化和猪肉自身价格变化的脉冲响应函数看（见图1），猪肉价格变化对来自活猪价格变化一个标准差冲击的反应在头两期最大，之后逐渐减弱，第7期以后趋于消失。猪肉价格变化对来自自身价格变化一个标准差的反应随着时间推移逐渐减弱，第8期以后趋于消失。

表5 国内外生猪和猪肉价格的向量自回归模型估计结果

表6 国内外生猪价格的统计特征

4 结论和建议

本文利用线性协整和门限协整模型对国际猪肉、国内猪肉、国内活猪价格的传递分析结果表明，无论是国际猪肉与国内猪肉之间还是国内猪肉与国内活猪价格之间均不存在长期协整关系。短期价格传导分析的结果表明，国际猪肉价格与国内猪肉价格之间不存在格兰杰因果关系，但国内活猪价格变化是国内猪肉价格变化的格兰杰成因。国内猪肉价格变化对来自活猪价格变化一个标准差冲击的反应在头两期最大，之后逐渐减弱，第7期以后趋于消失。这说明猪肉的国际市场价格不能有效地传递到国内市场，国内生猪市场与猪肉市场之间也无稳定的长期均衡关系。造成这一现象的主要原因是：虽然我国自2008年开始成为猪肉净进口国，并且近几年猪肉进口量逐渐增大，但猪肉进口占国内市场消费的比例一直很低，猪肉进口对国内市场的影响不大。从2008年开始，我国进口猪肉数量大幅增加，由猪肉净出口国转为净进口国，2008年我国进口鲜冷猪肉37.3万吨。2013年我国鲜冷猪肉进口量上升到58.4万吨左右。2014年猪肉进口量略低于2013年水平，为46.9万吨，猪肉的进口量不到国内猪肉消费总量的3%。由于国内生猪市场和猪肉市场发育不健全，市场结构不完善，市场流通效率低下，生猪期货市场缺失，全国性生猪、猪肉批发市场尚未形成，市场信息传导不充分，从而阻碍了国内生猪产业市场价格的有效传导。

图1 国内猪肉价格的脉冲响应

猪肉是我国城乡居民食物消费的重要组成部分，猪肉价格的变化对其他食品的价格、通货膨胀水平和居民生活水平均具有很大的影响，稳定猪肉价格对于促进生猪产业健康发展、保障供给和有效控制国内物价的异常波动具有重要意义。为减缓国内生猪和猪肉市场价格波动，建议政府应从如下几方面着手。其一，完善生猪、猪肉供需和价格信息平台建设，改善市场环境，培育区域性和全国性的生猪和猪肉批发市场，探索生猪和猪肉期货试点，铲除产销衔接的障碍，提高流通效率。其二，由于生猪是生猪产业链的上游，生猪价格是猪肉价格变化的推动力量，因此价格调控的重点应放在生猪价格的调控上。应大力发展规模化养殖场和农村养猪合作社，积极推动生猪价格保险，提高生猪生产者规避价格波动风险的能力；加强对生猪定点屠宰场的监管，杜绝垄断市场、垄断价格等欺行霸市行为；取消地区性生猪和猪肉流通限制，引入市场竞争机制，提高价格传导效率。其三，规范猪肉销售市场，防止哄抬价格行为，通过价格预警机制适时收储和投放国家猪肉储备，建立针对低收入和特殊群体的补贴制度。

[1]Von Cramon-Taubadel.Estimating asymmetric price transmission with the error correction representation:an application to the German pork market[J].European Review of Agricultural Economics,1998,25(11):1-18.

[2]Goodwin BK,Harper DC.Price transmission,threshold behavior,and asymmetric adjustment in the U.S.pork sector[J].Journal of Agricultural and Applied Economics,2000,32(3):543-553.

[3]Abdulai A.Using threshold cointegration to estimate asymmetric price transmission in the Swiss pork market[J].Applied Economics,2002,34(6):679-687.

[4]Miller DJ,Hayenga ML.Price cycles and asymmetric price transmission in the U.S.Pork Market[J].American Journal of Agricultural Economics,2001,83(3):551-562.

[5]Luoma A,Luoto J,Taipale M.Threshold cointegration and asymmetric price transmission in Finnish beef and pork markets.In:Pellervo Economic Research Institute Working Papers[C].Helsinki:2004.70,30.

[6]Lajos Zoltan Bakucs and Imre Fert.Marketing margins and price transmission on the Hungarian pork meat market[J].Agribusiness,2005,21(2):273－286.

[7]武拉平.农产品地区差价和地区间价格波动规律研究——以小麦、玉米和生猪市场为例[J].农业经济问题,2000(10):54-58.

[8]辛贤,谭向勇.农产品价格的放大效应研究 [J].中国农村观察,2000(1):52-57.

[9]王芳,陈俊安.中国养猪业价格波动的传导机制分析 [J].中国农村经济,2009(7):31-41.

[10]郭利京,胡浩,张锋.我国猪肉价格非对称性传递实证研究—基于产业链视角的考察[J].价格理论与实践,2010(11):52-53.

[11]魏来,陈宏,张洁.产业链价格波动及效应的不对称传递[J].系统工程理论与实践,2009,29(7):1-7.

[12]杨朝英,徐学英.中国生猪与猪肉价格的非对称传递研究[J].农业技术经济,2011(9):58-64.

[13]杨志波.我国猪肉市场非对称价格传导机制研究 [J].商业研究,2003(2):121-127.

[14]周金城,陈乐.基于门限模型的我国猪肉产业链非对称价格传导研究[J].经济问题探索,2014(1):127-134.

[15]Engle RF,Granger CWJ.Cointegration and error correction:representation,estimation,and testing[J].Econometrica,1987(55):251-276.

[16]Enders W,Granger CWJ.Unit-root tests and asymmetric adjustment with an example using the term structure of interest rates[J].Journal of Business and Economic Statistics,1998(16):304-311.

[17]Enders W,Siklos PL.Cointegration and threshold adjustment[J].Journal of Business and Economic Statistics,2001(19):166-176.

[18]Petrucelli J,Woolford S.A threshold AR(1)model[J].Journal of Applied Probability,1984(21):270-286.

[19]Tong,H.Threshold models in non-linear time series analysis[M].New York:Springer Verlag,1983.

[20]Tong,H.Non-linear time series:a dynamical system approach[M].Oxford:Oxford University Press,1990.

[21]Chan KS.Consistency and limiting distribution of the least squares estimator of a threshold autoregressive model[J].The Annals of Statistics,1993(21):520-533.