非洲猪瘟对我国肉类价格波动的影响研究*——基于PVAR模型的实证分析

占志，李美琪，季勇，李辉尚

(1. 中国农业科学院农业信息研究所/农业农村部农业大数据重点实验室，北京市，100081；2. 中国农业科学院人事局，北京市，100081)

0 引言

猪粮安天下。猪肉、禽肉等畜禽肉类产品在我国居民日常生活中占有重要地位，其生产稳定发展、市场稳定运行既是我国农业农村经济总体良好运行的重要基石，更是关系到CPI等宏观经济的总体稳定。但值得注意的是，猪肉等畜禽产品市场供给受到动物疫病等多种因素的影响，导致价格大起大落，既影响到生产者收益，也影响到消费者福利，更影响到产业的整体安全[1]。自2018年8月非洲猪瘟疫情爆发以来，全国31个省市区陆续有疫情发生，染病致死、感染捕杀、防病禁运等措施使得生猪产能和市场供给受到严重损伤，市场供需形势严重失衡[2-3]，猪价在经历震荡后持续高涨并打破“猪周期”呈“非常态”运行态势，同时也对其他畜禽肉类价格产生冲击和带动作用，并且非洲猪瘟疫情的发生发展必然会对我国生猪乃至畜牧业的发展带来长远的影响[4-5]。这些引起了众多学者的广泛关注，并从生产供给、市场价格和产业发展等方面进行了深入研究，且取得了丰硕成果。其中，肖琦等[6]基于供需视角，运用向量误差修正模型(VECM)研究非洲猪瘟疫情对猪肉、鸡肉、羊肉和牛肉的动态影响，结果显示非洲猪瘟疫情对猪肉价格的影响程度和持续时间都大于其他肉类，并且非洲猪瘟与各个肉类价格之间存在长期均衡关系。段琮琮等[7]运用VAR模型的研究指出，非洲猪瘟疫情对猪肉价格的影响程度最大，且持续时间大于其他肉类，对所有肉类价格的冲击影响均非常迅速。石自忠等[8]运用TVP-VAR模型研究包括非洲猪瘟在内的生猪疫病对猪肉等畜产品价格冲击的影响，结果显示猪肉价格受到的冲击最为显著，但在不同时点上，冲击所受的影响有所差异。

然而现有研究方法仍然局限于时间序列研究方法的范畴之内[9-12]，并没有考虑到非洲猪瘟疫情和畜产品价格在区域上的差异，运用传统的向量自回归模型容易存在一定估计误差；同时，鉴于我国生猪等畜牧业分散经营、跨区调运等特点极为显著，充分考虑非洲猪瘟疫情和猪肉等畜产品价格的区域间差异，才能充分把握这一疫情对猪肉等畜产品价格冲击和影响的总体规律，进而采取针对性的市场调控政策，确保产业稳定可持续发展。基于此，本文构建了基于省级的动态面板数据，运用面板向量自回归模型(Panel Vector Auto-regression Model)[13]，就非洲猪瘟疫情对猪肉等畜产品价格的冲击影响及其价格波动的机理进行了分析，并提出针对性的政策建议，以期为生猪等畜牧业稳定可持续发展提供参考。

1 数据与模型构建

1.1 数据来源

本文中应用的价格数据包括猪肉(zr)、白条鸡(btj)、牛肉(nr)和羊肉(yr)集贸市场平均价格，均来自中国畜牧兽医信息网的监测系统，包括全国29个省、自治区和直辖市。为确保数据的一致性，剔除了西藏、新疆的价格监测数据不完整的两个省区的数据，全国主要畜产品价格的数据包括黑龙江、吉林、辽宁、内蒙古、河北、北京、天津、山东、河南、安徽、江西、上海、江苏、浙江、福建、湖北、湖南、广东、广西、云南、四川、重庆、甘肃、宁夏、山西、陕西、青海、贵州、海南。考虑到2020年1月新冠肺炎疫情发生后，全国畜禽等农产品市场受到交通运输等非常态情况，猪肉等畜产品价格受此冲击对研究非洲猪瘟的影响有较大干扰，因此在时间跨度上，选择了自2018年8月非洲猪瘟爆发开始至2019年12月这一范畴，更容易观察到非洲猪瘟疫情对市场的总体冲击和影响。为消除通货膨胀因素的影响，本文将2018年第29周作为基期，用月度居民价格指数对肉类价格进行平减处理。

为更好量化非洲猪瘟疫情的发展态势，本文基于百度指数构建非洲猪瘟网络关注度指数[14-18]，以便反映消费者、生产者对非洲猪瘟疫情的变化和认知及其对市场的影响，作为非洲猪瘟疫情的代理变量纳入模型系统。在指数构建上，主要采用主观选择法，结合百度搜索引擎相关词推荐功能和百度搜索需求图谱，获取与非洲猪瘟相关的关键词，主要包括三类7个：一是能够直接代表疫情本身的关键词，包括“猪瘟”“非洲猪瘟”和“非洲猪瘟疫情”；二是主要反映非洲猪瘟的传染特征的关键词，包括“非洲猪瘟防控”和“非洲猪瘟症状”；三是反映公众态度和关注倾向的关键词，包括“非洲猪瘟传染人吗”和“非洲猪瘟最新进展”；选用周度数据进行加总后取自然对数以消除异方差，具体计算公式为ASF_index=ln(X1+X2+…+X7)。

本文中价格数据和构建的非洲猪瘟疫情指数的时间跨度为2018年第30周—2019年第52周，整体上构建了包括29个省(区、市)的动态面板数据。

1.2 模型构建

面板向量自回归模型(Penal Vector Auto-regression Model)由Holtz-Eakin(1987)提出，主要是将变量作为内生变量，研究面板数据中各变量之间及其滞后项的互动关系。PVAR模型既能够有效解决个体异质性问题，又能充分考虑个体和时间效应，一般表现形式

Yit=Yit-1A1+Yit-2A2+…+Yit-p+1Ap-1+Yit-pAp+XitB+ui+eit

i∈{1,2,…,N}，t∈{1,2,…,Ti}

式中：Yit——一个(1×k)行向量，表示k个内生变量；

p——PVAR模型的滞后阶数；

Xit——一个(1×l)行向量，表示l个外生变量；

A——(k×k)维矩阵，矩阵里的元为待估计模型中内生变量滞后项系数；

B——(l×k)维矩阵，矩阵里的元为待估计模型中外生变量的系数；

ui——(1×k)行向量，表示待估计模型的个体效应；

eit——(1×k)行向量，表示待估计模型的扰动项。

假定E(eit)=0,E(e′iteit)=Σ，对所有的t>s有E(e′iteis)=0。为消除面板个体效应偏差，使用一阶差分变换(fd)或者正向正交Helmet变换(fod)，变换公式如下。

A′=[A′1A′2…A′p-1A′pB′]

式中：mit——模型中的每一个变量。

2 实证分析

2.1 平稳性检验

表1 面板单位根检验结果

2.2 滞后期的确定和单位根检验

本文通过多次调整模型的滞后阶数和工具变量的方式来判定模型的最优滞后阶数，但如果滞后变量太多则可能会使模型的自由度减少。因此，根据信息准则最小化原则，比较不同滞后阶数的参数值的大小。从表2可知，滞后一阶的PVAR模型，各变量1/4阶滞后变量为工具变量较为合理。图1为面板模型的特征值，所有特征值均在单位圆内，表明在既定参数下的模型是稳定的。

表2 PVAR滞后阶数的判定结果

图1 PVAR(1)模型的特征值

2.3 脉冲响应函数

非洲猪瘟疫情对猪肉及其他肉类价格的脉冲响应结果如图2所示。从冲击方向来看，猪肉价格对非洲猪瘟疫情的响应在前2期为正，第3期时出现反转效应，响应开始转变为负值，但负向冲击并不显著，说明非洲猪瘟疫情在短期内对猪肉价格的影响以正向为主，这也符合猪瘟疫情期间猪肉价格多数期间涨价的事实。白条鸡价格对非洲猪瘟疫情的响应在观察期内均呈正向，并且在前3期所受到的冲击不断增强，在第3期达到最大值，之后趋于平缓且略有减少的趋势。羊肉价格对非洲猪瘟疫情的响应在第1期为负，但在第2出现反转效应变为正向，在第3期正向响应达到最大值，最后逐渐减小，但总体上这种正向影响不够显著。牛肉价格对非洲猪瘟疫情的响应在第一期为负，但从第二期开始牛肉价格受到的冲击在零附近波动。从冲击大小来看，短期内猪肉价格受非洲猪瘟疫情的冲击最大，白条鸡价格次之，牛羊肉价格受到的冲击最小；从冲击的持续时间来看，白条鸡价格波动的冲击持续时间最长，猪肉价格次之，牛羊肉价格最短。

图2 总体脉冲响应图

2.4 预测误差方差分解

以非洲猪瘟疫情指数为冲击变量，以猪肉价格、白条鸡价格、牛肉价格和羊肉价格为响应变量的预测误差方差分解(表3)。从表3可知，猪肉和白条鸡价格的预测误差来自于非洲猪瘟疫情的比例明显高于猪肉和牛肉，这也印证了脉冲响应分析中非洲猪瘟疫情对猪肉和鸡肉价格的冲击大于牛羊肉价格的结论。同时，随着期数的增加，四种肉类价格的预测误差来自于非洲猪瘟疫情的比例呈现出增大的趋势。第1期非洲猪瘟疫情对猪肉价格波动的贡献率仅有1.75%，到了第7期为2.59%，到第10期猪瘟疫情对猪肉价格波动的贡献率达到了4.57%。

表3 预测误差方差分解表

2.5 肉价波动机理分析

长期以来，肉类等农产品价格取决于市场供给和需求的均衡状况，其价格波动的幅度受到供给端的生产成本、流通运输、上市供给和消费端的居民收入水平、消费偏好等直接因素的影响，同时也受到环保政策、动物疫病等外部条件和冲击等间接因素的影响，而这些影响因素往往相互交织、相互推动，尤其是外部条件往往通过改变供给和需求状况进而对价格产生影响。一方面，非洲猪瘟疫情在我国大范围发生对猪肉的供给端产生影响，主要是因为非洲猪瘟疫情的持续发生发展使得大量生猪被捕杀，以往传统的活体跨区调运和长距离运输模式转变为冻肉冷链物流，短期内市场供给大幅减少，造成了猪肉价格快速上涨，同时随着疫情防控要求加强，生产流通成本加大也增强了价格高位运行的支撑；但另一方面，非洲猪瘟疫情也对猪肉等肉类产品的需求端产生影响，主要是因为短期内公众对非洲猪瘟疫情认知度偏低，禽肉、牛肉、羊肉等其他替代品可选择性增加，一定程度上抑制了猪肉消费，但会拉动对禽肉和牛羊肉的消费，使得猪肉价格因消费不足而出现价格下跌、禽肉和牛羊肉价格因消费增加拉动价格上涨。

3 结论和启示

3.1 主要结论

本文基于百度指数构建了量化非洲猪瘟疫情的代理变量，并构建了包括29个省(区、市)、覆盖2018年第30周—2019年第52周共计75周的动态面板数据，运用PVAR模型研究了非洲猪瘟疫情对猪肉、白条鸡、牛肉和羊肉四种主要肉类价格的动态影响，并分析了非洲猪瘟疫情背景下这些肉类价格波动的内在机制。研究表明，从冲击方向上看，非洲猪瘟疫情对猪肉价格波动的冲击主要为正，后期有一定的负向冲击但并不显著，白条鸡对非洲猪瘟疫情的响应在观察期内均为正向，牛羊肉价格受到的冲击在零附近小范围波动；从冲击大小上看，非洲猪瘟疫情短期内对猪肉的冲击影响最大，白条鸡价格次之、牛羊肉价格最小；从持续时间上看，非洲猪瘟疫情对白条鸡价格的冲击持续时间最长、猪肉价格次之，牛羊肉价格最短。在观察期内，四种主要肉类价格受到非洲猪瘟疫情的影响随着时间的推移不同程度的衰减，价格波动的主要影响取决于市场上供求关系的变化。

3.2 启示与建议

猪肉等肉类价格的波动主要是供需两端相互作用的结果，非洲猪瘟疫情通过影响供给端和需求端的双向“挤压和推拉”对猪肉等主要肉类价格产生影响。为更好应对非洲猪瘟等动物疫情对猪肉等主要肉类市场的影响，基于本文的研究结论和我国生猪等畜牧业的发展实际，建议：一是强化生猪等养殖业规范化标准化生产。非洲猪瘟等动物疫病往往具有较强的传染性，主要的传播点在于养殖环节，而规范化、标准化生产则是高效率、高效益的根本保证，也是产业可持续发展的基础。因此，应加大力度推动生猪等畜牧养殖业的规范化、标准化生产，推进养殖模式向规模化、企业化和工厂化加快转型升级，促进区域养殖从良种培育、饲料配方、生产管理、废弃物排放和疫病防控等标准统一，大力推广生物安全、病源监测和疫病防控技术示范应用，切实增强从源头把控和消灭动物疫病发生风险的能力，夯实整个产业可持续发展基础。二是完善非洲猪瘟等动物疫情监测预警体系。非洲猪瘟等动物疫情的发生往往具有隐蔽性，但其一旦爆发，就会呈现发展速度快、影响范围大、持续时间长等特点。因此，应进一步健全完善非洲猪瘟等动物疫情监测预警体系，坚持“以防为主、防治结合”的发展理念，努力做好“早发现、早上报、早防控”，探索建立全国性动物疫情信息发布公共平台，及时准确发布疫情信息，加大宣传力度，主动回应社会关切，有效引导产业发展。三是加强生猪等畜产品市场供需调控。猪肉等畜产品价格弹性相对较大，相互间替代性较强，加上畜产品流通模式以长距离运输、跨区域调运为主，市场供需形势受到多种因素的影响，进而引起价格的波动。因此，应加大稳定支持生猪等畜牧产业财政支持政策，进一步合理确定禁限养区域，支持和鼓励运用现代信息技术改善流通领域冷链建设，强化市场价格监测和预警研判，稳定养殖户、批发商和消费者的市场预期，防止价格过快大幅上涨或下跌，确保市场整体平稳运行。