新冠肺炎疫情对我国猪肉价格的影响

贾 铖 夏春萍* 覃琼霞

(1.华中农业大学 经济管理学院，武汉 430070；2.华中农业大学 电子商务研究所，武汉 430070；3.浙江理工大学 经济管理学院，杭州 310018)

突如其来的新冠肺炎疫情(COVID-19 epidemic)打乱了我国经济运行的节奏，成为2020年第一个黑天鹅事件，疫情的爆发对正处于下行压力加大的中国经济无异于雪上加霜[1]。而价格作为经济运行的晴雨表，最能反映市场供需的真实现况。农产品价格更是百价之基，是农业生产与宏观调控的重要指标[2]，一旦疫情爆发，农产品价格首当其冲受到冲击。随着国民收入水平提高，肉类价格在我国CPI构成中占有较高比重，其大幅度波动会对CPI造成冲击，进而影响宏观经济的平稳运行。尤其是猪肉，作为大宗农产品，其价格在2019年10月达到57.82 元/kg，创下历史新高；而且整个2019年下半年猪肉价格呈现暴涨趋势。猪肉价格的稳定能够优化产业结构，但频繁的价格波动会引发消费市场恐慌[3]，从而对整个生猪产业链不同环节的价格传导造成一定冲击与破坏[4]。特别是2020年新冠肺炎疫情在全球范围内的“突袭”又会对猪肉价格造成怎样的冲击与影响？鉴于此，本研究着重从新冠肺炎疫情等视角下探讨对国内猪肉价格影响的内在机理，全面了解疫情对猪肉价格的冲击力度，使各级政府能在一定程度上及时调控猪肉价格的波动，从而稳定猪肉市场的供需平衡。

影响猪肉价格波动的因素一直是学者关注的热点话题，而造成国内猪肉价格波动的原因一般包括传统因素与外部冲击。其中，除猪肉供求关系等传统影响因素外，还包括难以预测、难以防控、具有突发性的外部冲击，例如：货币利率、自然灾害、生物能源、食品安全、疫病和经济政策等。针对货币汇率[5-7]、国际石油价格[8]、国际农产品价格[9]和动物疫病[3]等外部冲击对猪肉价格影响的研究较为丰富[10]；但涉及新冠肺炎疫情对猪肉价格影响的研究较少。虽然王明利等[11]论证了疫病冲击比自然灾害对猪肉价格波动的影响更为剧烈，但关于新冠肺炎疫情对其冲击的严重程度尚未得到验证。因此，需要利用实证模型从“定量+定性”双重视角共同探讨新冠肺炎疫情对猪肉价格冲击的影响程度。

2018年8月初，国内首次爆发非洲猪瘟，大量病死猪给养殖者带来巨大的经济损失。观察图1，2018年8月—2019年6月期间，猪肉价格虽然有所涨跌，但波动幅度相对较小，介于20～25元/kg。然而从2019年7月开始，猪肉价格一路暴涨，并在第4季度出现了历史最高点(57.82 元/kg)。聂凤英等[12]认为猪肉价格飙升的背后原因在于非洲猪瘟带来的恐慌性心理，养殖户补栏积极性受到严重打击，大部分中、小型养殖户选择放弃生猪养殖，加之地方政府禁养力度的加大，导致生猪产能急剧下降。原本依靠进口猪肉可以缓解价格上涨的压力，但却因为部分猪肉进口企业并未能及时将猪肉投放到市场，导致猪肉市场供不应求，引起价格居高不下[13]。除此之外，农业农村部关于“禁止跨省调运猪肉政策”的出台，也助推了猪肉价格上涨的趋势。不过事实上，非洲猪瘟对猪肉价格冲击有限[14]，伴随生猪产能恢复促使其价格回落并于2019年12月逐步趋于稳定[15]。而且，马名慧等[4]利用VAR模型计算2018年8月1日—2019年10月31日期间非洲猪瘟对猪肉价格波动的贡献率较小，仅为2.18%。因此，综上判断，2020年以后，非洲猪瘟对猪肉价格的波动不再成为主要影响因素。

虽然暂不考虑非洲猪瘟对猪肉价格的影响，但实际上猪肉价格波动并非趋于稳定。图1中，2020年1—9月，国内猪肉市场价格出现先涨后跌再大涨直至稳定的变化走势，如此剧烈的波动特征可能与新冠肺炎疫情的蔓延密切相关。因为疫情的爆发，直接造成了猪肉产业链中断、消费需求急剧下降，容易引发猪肉价格的涨跌波动。而后进一步思考，新冠肺炎疫情究竟如何影响猪肉价格波动以及对其冲击的特征规律又是什么？通过梳理上述问题，本研究将新冠肺炎疫情作为突变点引入VAR模型中探讨新冠肺炎疫情对国内猪肉价格影响的内在机理。以期从经济学视角下充分认识新冠肺炎疫情对猪肉价格影响的复杂性与长期性，同时为国内猪肉价格监测预警常态化、猪肉冷链管理常态化提供可能有效的建议对策。

价格数据来源于布瑞克农业数据库。Price data are adapted from Brake agriculture database.图1 2018年7月—2020年9月期间零售白条猪的集贸市场日度价格Fig.1 Daily price of retail scalded and gutted pig in terminal market from July 2018 to September 2020

1 新冠肺炎疫情对猪肉价格波动的表征分析

1.1 新冠肺炎疫情对猪肉价格的影响

由于疫情爆发具有传播迅速、统计时限短等特点，目前国内对新冠肺炎疫情严重程度的统计指标主要包括确诊人数、新增人数、死亡人数以及治愈人数等4种。在疫情期间，新冠肺炎疫情对猪肉价格的冲击程度取决于疫情的持续时间与扩散强度；而新冠肺炎累计确诊规模能够直观反映疫情变化的严重程度。因此，本研究选择2020年1月20日—2020年9月30日期间的新冠肺炎累计确诊人数作为疫情严重指数的代理变量[16]；同时选取相同期间内零售白条猪集贸市场日度价格与新冠肺炎疫情数据互为匹配(1)考察期间，猪肉日度价格未包含周六、周日数据；同理，新冠肺炎累计确诊人数也需要剔除周六、周日数据，以此保持猪肉价格与疫情数据之间的匹配性。。另外，为便于分析新冠肺炎疫情对猪肉价格影响的逻辑关系，对两变量进行对数化处理以消除异方差与伪回归的可能性。

图2为2020年近10个月国内猪肉价格和新冠肺炎累计确诊人数变化的趋势图。整体来来，疫情变化与猪肉价格波动具有一致性。波动趋势大体可分为4个阶段：1)新冠肺炎确诊人数与猪肉价格延续2019年底趋势上涨(1—2月中下旬)：猪价从2019年底50.39 元/kg涨到2月17日的56.52 元/kg；2)春节过后与疫情爆发的双重冲击导致猪肉市场供大于求，猪价出现悬崖式下跌(2月下旬—5月中旬)：猪肉价格下跌到5月15日的45.07元/kg，此时疫情得到基本控制，确诊人数急剧下降；3)猪肉价格“开挂式”暴涨(5月中旬—7月中旬)：零售白条猪市场售价暴涨到7月16日的55.82 元/kg。本研究推断，虽然国内疫情得到控制，但6—7月境外输入致使国内新冠肺炎累计确诊人数出现短暂反弹，不过上涨幅度明显低于猪价暴涨幅度；4)高位“震荡期”(7月中旬—9月底)：猪肉价格在50～55 元/kg波动，但幅度趋于平稳。同样，境外输入病例也在地方政府管控下逐渐减少[15]。

通过计算后发现，新冠肺炎疫情与猪肉价格之间的相关系数为0.649(P=0.000)，两者之间具有高度相关性。进一步思考，在两者高度相关的基础上，新冠肺炎疫情严重程度的变化又会对猪肉价格波动造成怎样的冲击影响？基于此，本研究利用向量自回归模型(VAR模型)探究新冠肺炎疫情对猪肉价格影响的逻辑关系。

1.2 新冠肺炎疫情对猪肉价格的影响机理

由上可知，2020年1月20日以后，国内猪肉价格波动与疫情变化高度相关。理论上，新冠肺炎疫情在一定程度上会引发猪肉价格的涨跌波动，从而呈现“暴涨暴跌”的波动走势。究其背后的缘由，本研究认为可能与疫情对猪肉市场供需影响有关，供需失衡会直接引起猪肉价格波动[3]。具体而言，从供给角度分析：一方面，疫情爆发初期，由于新冠肺炎疫情传播速度极快，为控制疫情扩散，各地政府呼吁民众居家隔离，避免人群接触以便减少交叉感染的可能性。居家隔离虽然有效控制了疫情的传播，但同时也对批发零售、住宿餐饮等行业造成严重冲击，致使供应链中断从而影响储备猪肉推向市场的进度，引发猪肉价格上涨[15]；另一方面，由于生猪养殖的长周期，部分养殖大户无法在短期内退出养猪市场，使得已养成的白条猪不能离开饲养场，而需要育肥的仔猪也无法进入饲养场，“前后夹击”导致饲养场拥挤[17]，造成库存积压、经营受阻。而后随疫情有效管控、隔离结束，大量猪肉投入市场缓解了猪肉价格上涨的紧张局面。从需求角度分析：新冠肺炎疫情的爆发会引发消费市场恐慌，消费者会减少猪肉需求，避免与集贸市场的人群过多接触，由此导致猪肉价格的下跌。但消费者信心恢复往往具有弹性[3]，伴随新冠肺炎新增病例减少至0，各地餐饮服务业逐步恢复，猪肉价格会随消费者信心增强而提高。在这种供需关系拉动下，国内猪价出现上涨再持续下降的波动走势。由此推断，新冠肺炎疫情对猪肉价格波动具有“涨跌助推”的影响作用，并存在不确定性与滞后性，进而导致猪肉市场在疫情冲击下会形成新一轮的均衡价格。

新冠肺炎确诊人数数据来源Wind数据库；猪肉价格数据来源于布瑞克农业数据库。Data on the number of confirmed cases of COVID-19 are from Wind database; data on pork price are from Brake agricultural database.图2 新冠肺炎累计确诊人数与猪肉价格波动趋势图Fig.2 Cumulative number of confirmed cases of COVID-19 and the trend of pork price

2 模型构建及数据来源

2.1 VAR模型构建

猪肉价格变动属于复杂的经济系统问题，与疫情爆发具有一定的关联性。向量自回归模型(VAR模型)基于一组K维度时间序列数据建立的非结构性方程模型[4,18]，它本身具备不以严格经济理论为依据的优点，可用来研究新冠肺炎疫情对猪肉价格冲击的影响程度与持续时间，然而传统模型无法将疫情变量从随机扰动项中剥离出来。如若未将其作为突变点纳入VAR模型中，便无法从本质上真正了解新冠肺炎疫情对猪肉价格的冲击影响。所以，本研究在引入新冠肺炎累计确诊人数的基础上，优化VAR模型，模型如下：

(1)

(2)

然而在实际应用中，由于VAR模型只是一种非理论性的模型，它的系数很难用于实际解释。在分析VAR模型的基础上，往往需要结合脉冲响应函数(Impulse response function, IRF)分析随机扰动项一个标准差信息的冲击对内生变量的影响。IRF函数主要刻画了内生变量对系统冲击的动态反应。其模型一般形式如下：

(3)

将式(3)在Wald分解定量转换成移动平均方程的基础上，通过正交化消除模型当期相关的特性，引入一个下三角矩阵转换为式(4)：

(4)

令Di=AiC,Ut-i=C-1εt-i，简化式(4)为：

(5)

通过式(5)可以看出，每个内生变量之间都可由当期和滞后期随机冲击项的线性组合构建IRF函数模型，并借助Eviews9在已建立的VAR模型上计算新冠肺炎疫情对猪肉价格的冲击反应函数与冲击效应等[1]。

2.2 数据来源

如前述，当前国内防疫部门对新冠肺炎疫情严重程度的统计指标通常以新冠肺炎累计确诊人数、新增人数、治愈人数以及死亡人数等4种形式。鉴于此，本研究参考王巍等[16]将新冠肺炎累计确诊人数作为疫情变化的代理变量，直观反映国内新冠肺炎疫情严重程度。目前，国内对新冠肺炎确诊人数的公开数据于2020年1月20日开始统计，为保证样本数据的周期性特征，而且能反映新冠肺炎疫情对猪肉价格的影响关系，本研究最终选择2020年1月20日—9月30日的日度数据作为样本区间，并对其对数化处理后纳入VAR模型中。与此同时，选择等区间内零售白条猪的日度价格。共184个样本数据均来自于Wind数据库、布瑞克农业数据库等(图2)。

3 实证分析

3.1 平稳性检验

在构建VAR模型之前需要保证原始数据的平稳性，对疫情代理变量与猪肉价格进行ADF单位根检验，结果如表1所示。观察表1，原始数据的ADF值均小于10%显著水平下的临界值，不能拒绝原假设。接下来对原始数据进行一阶差分处理，重新进行平稳性检验，结果显示P值均为0，拒绝原假设，即不存在单位根现象，可用于VAR模型的构建。

表1 单位根检验Table 1 Unit root test

3.2 滞后阶数的选择与模型稳定性判定

新冠肺炎疫情对猪肉价格传导机制中各环节价格的影响具有一定滞后性，而滞后期对VAR模型的建立至关重要。本研究利用施瓦茨(SIC)信息准则的计算方法，通过对残差自相关和正态性进行多次模拟并最终确定最优滞后阶数。如表2所示。

表2 VAR模型最优滞后阶数的确定Table 2 Determination of the optimal lag order of VAR model

根据SIC信息准则，选择对应“*”最多的滞后阶数作为VAR模型构建的最优阶数。观察表2，新冠肺炎疫情对猪肉价格冲击的最优滞后阶数是3阶，由此构建VAR(3)模型并计算AR特征多项式逆根。图3单位圆内的点数表示AR特征多项式逆根，即为特征根倒数的模。如图3所示，所有特征根的模均小于1.0并落在单位圆内，客观说明VAR(3) 模型的稳定性，能够进行下一步的IRF函数分析。

图3 AR特征多项式逆根图Fig.3 Inverse roads of AR characteristic polynomial

3.3 Granger因果检验

为了检验新冠肺炎疫情与猪肉价格之间是否具有长期协整关系，本研究采用Johansen协整检验来判断，结果显示：Trace统计值和最大特征根统计值均大于5%临界值，拒绝原假设，客观说明在5%显著性水平下猪肉价格与新冠肺炎疫情存在1个长期协整关系，不存在伪回归现象。另外，在VAR建模之前，还需要从纵向传导角度进一步检验并分析新冠肺炎疫情是否与猪肉价格构成因果关系。而Granger因果检验则从预测角度给出了内生变量之间的因果定义[19]。本研究采用SIC信息准则所确定的最优滞后阶数(3阶)作为Granger检验的滞后期进行运算，结果详见表3。

由表3公布的信息可知，在10%水平下新冠肺炎疫情是猪肉价格波动的Granger原因；而猪肉价格不是新冠肺炎疫情的Granger原因。上述检验结果符合理论假设与现实情况。新冠肺炎疫情的快速蔓延对国内猪肉生产、消费、贸易等环节造成了严重的冲击，致使猪肉供应链中断，储备猪肉无法及时推向市场，而且猪肉消费方式与肉产品消费品类的改变也在影响猪肉价格的“涨跌”波动[20]。

表3 Granger因果关系检验结果Table 3 The results of Granger test

3.4 VAR模型构建

基于上述分析构建新冠肺炎疫情对猪肉价格冲击的VAR模型，分析新冠肺炎疫情对猪肉价格波动的影响程度。基于SIC信息准则确定的最优滞后阶数(3阶)，回归结果如表4所示：

从表4可以来看，VAR(3)模型中的可决系数与F统计量较大，且R2均接近99%，说明模型拟合度较好，可用来直接分析新冠肺炎疫情对猪肉价格的影响关系。具体来看，新冠肺炎疫情在滞后1期对猪肉价格的影响系数为0.005，表明新冠肺炎疫情严重程度每提高1%，猪价会在1天后上涨约0.5%。随后该系数发生变动，在滞后2期变为-0.004，滞后3期降为-0.001，说明新冠肺炎疫情对2期后的猪价有着微弱的负向影响，而这种负向影响会随时间推移逐渐减弱直至为0。不过，猪价对自身价格冲击较为显著，影响系数在滞后1期为1.282，在滞后2期变为-0.048，但在滞后3期负向影响有所增强。这也符合疫情冲击猪肉价格而带来的涨跌规律。疫情爆发初期，生猪产能尚未完全恢复。此时，2020年初会继续延续2019年猪价上涨走势[21]；随着国内疫情得到控制，餐饮服务业逐步恢复，能繁母猪栏稳定增加[15]，新冠肺炎疫情对猪肉价格的冲击逐步转向集贸市场猪肉价格对其自身的影响作用，间接弱化了新冠肺炎疫情对猪肉价格冲击的干扰作用。

表4 VAR(3)模型回归结果Table 4 The model regression results of VAR(3)

虽然VAR模型初步分析了新冠肺炎疫情对猪肉价格冲击的影响关系，但由于模型单个参数估计值的解释系数通常没有较大的经济学意义。因此，若要对VAR模型作出符合实际意义的研究结论，通常还需要利用脉冲响应函数来探讨新冠肺炎疫情与猪肉价格之间的互动关系。

3.5 脉冲响应函数分析

脉冲响应函数是指猪肉价格受到新冠肺炎疫情冲击而对整个猪肉价格系统产生动态的影响，能够为猪肉价格波动提供更多的有效信息。为了全面刻画新冠肺炎疫情对猪肉价格的冲击影响，本研究延长滞后期到180期(6个月)，利用Cholesky分解技术模拟新冠肺炎疫情产生1单位标准差的信息冲击对VAR模型中猪肉价格当期值和未来值的影响程度。分析结果如图4所示。

图4 猪肉价格对新冠肺炎疫情冲击的脉冲响应分析结果Fig.4 Impulse response analysis results of pork price to the impact of COVID-19 epidemic

新冠肺炎疫情从疫情监测、逐级报告、确诊病例以及防控隔离等环节都需要不同的时间间隔，由此对猪肉价格的冲击可能也会存在一定滞后性。疫情爆发初期，消费者对疫情的恐慌心理，在一定程度上减少了对猪肉的消费需求；而伴随疫情有序管控与消费者信心的反弹，间接弱化了新冠肺炎疫情对猪肉价格的冲击影响。

进一步观察图4，对VAR整体系统而言，受到新冠肺炎疫情1个标准差冲击后，猪价会在第2期作出反应。因为新冠肺炎疫情对猪肉价格的冲击在第1期为0个标准差，而在第2期冲击的标准差开始上升，并在第15天后达到最高峰值0.006，随后缓慢下降到第180天的0.000 1，此时新冠肺炎疫情对猪价正向冲击的幅度逐步稳定，最终呈现“倒U型”的波动规律。总体而言，新冠肺炎疫情对猪肉价格波动的冲击影响以第15期为分界点。分界点以前，无论是消费者心理恐慌，还是生猪产能尚未恢复，新冠肺炎疫情对猪肉市场的冲击都会导致价格快速上涨；而后跨过分界点后，疫情逐步控制，猪肉市场供需逐步趋于稳定，此时疫情对猪价上涨冲击的影响作用逐渐减弱直到稳定于0个标准差附近。由此可见，新冠肺炎疫情对猪肉价格上涨的影响作用较为持久，而且影响幅度先快速上升再缓慢下降；另外，在生猪产能恢复、疫情控制与消费者信心反弹的基础上，猪肉上涨价格最终会稳定于“高价”水平，很难回到“低价”时代。

3.6 方差分解分析

在脉冲响应函数基础上，本研究利用方差分解进一步了解新冠肺炎疫情对猪价冲击的贡献度及其变化趋势。方差分解是通过分析模型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，从而确定各新息(新冠肺炎疫情冲击)对猪肉价格的冲击影响与贡献大小[4]。因此，根据方差分解结果，可以判断多个内生变量的独立作用及其交互作用对猪肉价格所产生的显著影响。

通过对猪肉价格进行方差分解，同样以脉冲响应函数的180期作为滞后期，结果如图5所示；以滞后30天(一个月)为分界标准，绘制表5。具体而言：在滞后1期时，新冠肺炎疫情对猪价上涨的贡献率仅为0%；而在第30期时，新冠肺炎疫情对其冲击的贡献率迅速上升到23.01%，这与脉冲响应函数中新冠肺炎疫情对猪肉市场冲击导致其价格上涨的趋势相同；随后在第2个月内，新冠肺炎疫情对猪肉价格波动的贡献率上升4.81%，第90天时提高1.26%，并最终在第4个月后冲击贡献率逐步稳定在29%附近。与此同时，猪肉价格对自身波动的贡献率却呈现相反走势：从滞后1期的100%，直到下降到第6个月的71%，并最终稳定在71%左右。由此可见，考察期间，猪肉价格波动的主要因素仍来源于自身，但新冠肺炎疫情对其冲击的影响很大且不容忽视。

表5 VAR模型(猪肉价格)方差分解Table 5 VAR model (pork price) variance decomposition

图5 猪肉价格与新冠肺炎疫情对猪肉价格冲击的方差分解结果Fig.5 Variance decomposition results of the impact of pork price and COVID-19 epidemic on pork price shock

通过上述VAR模型分析可知，新冠肺炎疫情对猪肉价格波动具有明显的冲击影响，但这种冲击力度具体有多大？它的影响深度与广度又该如何体现在猪肉价格的波动中？而且，新冠肺炎疫情的爆发同样也会对其他肉产品会产生一定的冲击作用，不过这种影响是否又与猪肉价格波动趋于一致？所以，本研究在上述疑问的基础上，引入物理学上的冲击波模型进一步探究新冠肺炎疫情对猪肉价格冲击的影响程度。

4 讨 论

4.1 疫情对猪肉价格波动的冲击模型构建

突发事件(新冠肺炎疫情)对社会经济各相关领域往往也具有类似物理学概念上的冲击波效应：新冠肺炎疫情的突然爆发迅速成为猪肉价格波动的震源，并对其产生横波、纵波结合的冲击效应，然后再向其他肉产品价格产生更大范围的冲击扩散，从而对整个肉产品等相关价格系统产生重大冲击的波动效应。该冲击效应从内部机理上可以分为“冲击深度”和“冲击广度”两个维度。

一般而言，冲击深度是指突发事件对某社会经济领域的冲击极差与正常状态的比率，具体在本研究中特指，猪肉价格在疫情期间时的极大值与极小值之间差与未被冲击期间猪肉正常价格均值的比率，其公式为：

(6)

冲击广度通常是指突发事件对某社会经济领域的冲击累计与正常状态的比率。简单来讲，以新冠肺炎疫情为例，猪肉价格在疫情期间偏离正常值的总和与正常值乘以疫情持续时间的比值，正常值可以通过猪肉价格未被冲击时的均值来体现。因为新冠肺炎新增确诊人数并非连续，存在0增长的时间点，所以本研究利用冲击广度概念中的离散模型，其表达式为：

(7)

有了冲击深度与冲击广度的概念，本研究则可以量化新冠肺炎疫情对猪肉价格的冲击程度[22]。

另外，需要注意的是，由于2018年非洲猪瘟对猪肉价格的冲击，导致禽肉消费替代猪肉在2019年下半年接近完全释放，而且在新冠肺炎疫情对猪肉需求抑制的叠加作用下，2020年禽肉替代猪肉消费仍会延续2019年行情，但未来猪肉价格波动将会稳定一个新的市场均衡点[21]。同时，朱媛媛[23]通过构建猪肉市场价格动态关系时发现，猪肉价格与替代品鸡肉价格互动作用显著，而与羊、牛肉价格的替代关系较弱。基于此，本研究选择猪肉以及鸡肉作为类比对象，利用冲击深度与冲击广度模型量化新冠肺炎疫情对猪肉和鸡肉价格波动的影响程度。

4.2 数据来源

上述提到新冠肺炎疫情对猪肉价格冲击的VAR模型的时间跨度为2020年1月20日—2020年9月30日。由于疫情扩散的严重程度，武汉市新型冠状病毒感染的肺炎疫情防控指挥部发出通告：自2020年1月23日10时起，武汉市城市公交、地铁、轮渡、长途客运暂停运营；无特殊原因，市民不要离开武汉，机场、火车站离汉通道暂时关闭(2)央视新闻，“23日10时起 武汉市城市公交、地铁、轮渡、长途客运暂停运营 机场、火车站离汉通道暂时关闭”.2020-01-23.https:∥baijiahao.baidu.com/s?id=1656453773273259927&wfr=spider&for=pc。在当地政府与市民共同努力下，疫情的蔓延得到有效管控，并于4月8日零时起，撤除武汉市交通管控卡口，有序恢复铁路、民航、水运、公路、城市公交运行(3)湖北省新型冠状病毒感染肺炎疫情防控指挥部，“湖北省新型冠状病毒感染肺炎疫情防控指挥部通告”.2020-04-07.https:∥www.guancha.cn/politics/2020_04_07_545893.shtml。虽然武汉市内疫情严重程度逐步降低，但观察图2却发现，4月8日以后，国内新冠肺炎累计确诊人数并未减少，相反在6月中旬有上涨态势。由此推断，1月23日—9月30日期间可作为新冠肺炎疫情对猪肉(鸡肉)价格影响的冲击时间，即受到疫情影响的猪肉(鸡肉)价格非正常期。另外，考虑到冲击深度与冲击广度模型对时间跨度的要求：往往需要选取猪肉(鸡肉)价格未受到疫情冲击前一个恰当的时间段[22]。因此，本研究参考早期研究对新冠肺炎疫情的定性分析，向前延长冲击模型的考察期间：2019年12月2日—2020年9月30日。2019年12月初，新冠肺炎疫情在武汉市发现，但扩散程度较低；而后由于春运大规模人口迁移，使得武汉市政府不得不在2020年1月23日封城，由此进入疫情防控的关键阶段，直到9月30日防疫意识仍未减弱。基于上述分析，本研究将2019年12月2日—2020年1月23日期间定义为猪肉(鸡肉)价格受新冠肺炎疫情冲击较弱的正常期限；将2020年1月23日—2020年9月30日定义为猪肉(鸡肉)价格受新冠肺炎疫情冲击严重的非正常期限。同时借助式(6)和(7)量化新冠肺炎疫情对猪肉(鸡肉)价格影响的冲击模型。其中，猪肉价格与鸡肉价格数据均来自于布瑞克农业数据库。

4.3 冲击深度分析

在考察期间，新冠肺炎疫情对猪肉价格的冲击深度是指新冠肺炎疫情在1月23日—9月30日之间对猪肉价格的冲击极差与正常价格均值的比率，其计算过程如下：

同理，疫情冲击期间新冠肺炎疫情对鸡肉价格波动的冲击深度为：

从直觉上来讲，猪肉作为国内消费体量最大的肉产品。相比于鸡肉，猪肉价格应该更容易受到疫情冲击，但实际计算结果却发现：新冠肺炎疫情对鸡肉价格的冲击深度1.007要大于对猪肉价格的影响深度(0.122)。究其背后缘由，本研究认为可能存在以下原因：1)2020年初，国内爆发禽流感疫病，在新冠肺炎疫情双重叠加作用下，直接减少消费者对鸡肉的需求，导致鸡肉价格下跌；同时在疫情冲击下鸡肉供给也出现大幅度减少；直到7月中旬餐饮行业逐步恢复，消费者对其需求增加，但此时鸡肉供给难以满足需求，继而出现鸡肉价格上涨的走势；2)相比于新冠肺炎疫情对鸡肉价格的冲击，2020年1—2月初，商务部向市场投放储备猪肉8万顿[12]，及时调节了疫情对猪肉价格的冲击，由此缓解了新冠肺炎疫情对猪肉价格进一步影响的可能性，但不能忽视此时新冠肺炎疫情对猪价波动仍具有一定冲击影响。

冲击深度虽然能够较好地体现新冠肺炎疫情对猪肉价格、鸡肉价格冲击的激烈程度，但无法具象其冲击范围的的大小。因此，需要继续利用冲击广度模型计算其冲击范围。

4.4 冲击广度分析

利用式(7)计算新冠肺炎疫情对猪肉价格冲击广度，结果如下所示：

同理可得，新冠肺炎疫情对鸡肉价格冲击广度为：

通过计算结果可以看出，新冠肺炎疫情对鸡肉价格冲击的范围(0.097)要大于对猪肉价格冲击的影响范围(0.073)。上述结果很好地说明了冲击深度与冲击广度的关系：冲击深度往往决定冲击广度，这也符合物理学上波的振幅决定波的位移的移动轨迹[22]。对猪肉和鸡肉等肉产品而言，其价格波动除了自身供需关系变化外，也往往会受到疫情等外部冲击的影响作用。

综上所言，冲击深度和冲击广度分别从“点”和“面”上详细刻画了新冠肺炎疫情对猪肉与鸡肉价格的冲击幅度和冲击范围，说明新冠肺炎疫情对猪肉价格的冲击强度远不及对其替代品鸡肉价格的冲击。

5 结论及政策建议

5.1 结论

在新冠肺炎疫情爆发的严峻背景下，基于2020年1月20日—2020年9月30日的新冠肺炎累计确诊人数与零售白条猪的日度数据，通过构建VAR模型、利用Granger因果检验分析、脉冲响应函数以及方差分解探讨新冠肺炎疫情对猪肉价格冲击的时变特征与内在机理；同时，进一步利用物理学上的冲击模型计算2019年12月2日—2020年9月30日期间新冠肺炎疫情对猪肉及替代品鸡肉价格的冲击深度与冲击广度，研究结论如下：

1)疫情期间，新冠肺炎疫情与猪肉价格波动具有高度相关性，其相关系数为0.649(P=0.000)；同时新冠肺炎疫情与猪肉价格之间存在长期协整关系；在10%的显著性水平下新冠肺炎疫情是猪肉价格波动的Granger原因，猪肉价格是新冠肺炎疫情的非Granger原因。

2)2020年1月20日—2020年9月30日之间，新冠肺炎疫情对猪肉价格上涨的冲击幅度先快速上升，而后缓慢下降，最后趋于稳定，整体持续时间较长且呈现“倒U型”波动特征。

3)通过方差分解可以得出，新冠肺炎疫情对猪肉价格波动的贡献率最终约为29%(滞后6个月)，影响较大。疫情爆发对猪肉生产、加工以及销售等整个产业环节造成不可忽视的冲击影响；但后续随着疫情得到控制后，猪价与自身价格波动存在高度关联性(71%)。

4)向前延长疫情考察期(2019年12月2日—2020年9月30日)后发现：新冠肺炎疫情对猪肉价格的冲击深度与冲击广度明显小于对猪肉替代品鸡肉价格的冲击影响。这说明新冠肺炎疫情更容易对鸡肉价格波动造成冲击。此外，新冠肺炎疫情对肉产品价格体系的冲击可能会存在“蝴蝶效应”，并在农产品价格链条中产生更为深远的影响。

5.2 政策建议

截至目前为止，新冠肺炎疫情对国内猪肉价格的冲击并未完全消散，地方政府应在预防新冠肺炎疫情二次扩散的基础上，重视对猪肉价格波动的影响程度，从而保证猪肉市场供需均衡。基于此，本研究尝试提出以下建议：

1)继续加大对新冠肺炎疫苗研发力度的同时，各级政府仍要重视、预防新冠肺炎疫情的二次爆发，从源头遏制新冠肺炎疫情对猪价的冲击影响。一方面，增加防疫专项资金，统筹用于检测、防护、隔离以及治疗新冠肺炎疫情等主要环节上；另一方面，商务部、农业农村部等多部协调，及时向市场投放储备猪肉；监测反馈并释放养殖补贴信号；提高当地中、小型养猪户养殖信心，增强养猪竞争力，以期恢复生猪产能，保证市场猪肉的供需稳定。

2)任何事情的发生往往具有两面性，新冠肺炎疫情的爆发也暴露出疫情预警系统中存在的问题，转变猪肉产业发展方式是有效预防新冠肺炎疫情对猪肉价格冲击的根本之策。充分利用信息技术，逐步将猪肉线下零售方式向线上猪肉订购方式转变。所以，当地政府可尝试鼓励大、中型养猪企业或养猪户借助“电商平台”，通过冷藏技术、物流运输，完成猪肉销售的最终环节。B2B或B2C等电商平台模式既可以减少人群接触，减少新冠肺炎疫情的传播范围；又能扩大猪肉销售的空间半径，保证猪肉供需均衡，从而保障猪肉价格的动态稳定。

3)结合物理学上的冲击波模型，当新冠肺炎疫情爆发时，各级政府既要控制疫情的影响深度，同时也要减少疫情的影响范围。及时将累计确诊人数公布于众，解释防疫措施，摊薄冲击广度，降低消费者心理恐慌。同时，还要有效调控猪肉替代品鸡肉的供需平衡，从而避免对整个肉产品产业发展造成更严重的破坏。另外，冲击深度与冲击广度模型在VAR模型基础上的运用更能优化新冠肺炎疫情对猪肉(鸡肉)价格冲击影响的预测功能。

总之，各级政府在应对突发的疫情工作中，应在正面积极预防、治疗的同时，鼓励媒体及时、准确地公布疫情信息，提高消费者信心，适度给予猪肉产业资金扶持，而非简单的销毁或阻塞。