基于TVP-VAR-SV模型的能繁母猪时变供给反应研究

潘方卉，王宁，邓昊楠

（东北农业大学经济管理学院，黑龙江 哈尔滨 150030）

中国是世界上第一大猪肉生产国和消费国，猪肉在畜产品消费序列中也一直占有优势地位，是大众主要的肉类消费品[1]，因此保障猪肉供应是关乎民生的重要问题。2017—2021年，连续5年的中央一号文件中均将生猪保供作为政府的重要工作目标。为了有效防止生猪产能的大幅度波动，2021年9月19日，农业农村部制定了《生猪产能调控实施方案（暂行）》，将能繁母猪存栏量作为生猪生产的基础和市场供应的总开关，以期通过将能繁母猪存栏量保持在合理区间，来实现生猪保供稳价的政策目标。而实现上述政策目标的关键就在于探寻影响能繁母猪存栏量波动的关键因素，从而找到稳定能繁母猪存栏量的方法和途径，能繁母猪供给反应研究为解决上述问题提供了理论和方法支撑。

国内外学者对农产品供给反应展开了广泛且深入的研究，迄今为止最为成熟的模型当属Nerlove[2]供给反应模型。在早期研究中，各国学者的研究对象主要集中于种植业，如：王德文和黄季熴[3]、张爽[4]、范垄基等[5]、刘宏曼和郭鉴硕[6]、李锁平和王利农[7]、丁建国等[8]均应用Nerlove供给反应模型对小麦、稻谷、玉米、大豆、蔬菜、棉花等粮经作物的供给反应进行了研究。随着畜牧业的快速发展以及肉类在居民消费中所占比例的提升，畜牧业产品的供给反应研究正在逐步增多，辛翔飞等[9]、杨春和王明利[10]、马林静和吴娟[11]分别对肉鸡、肉牛、肉鸭等市场的供给反应进行了研究。近些年，由于受到非洲猪瘟等生猪疫情的影响，生猪产业价格和供给波动剧烈，因此关于生猪供给反应的研究逐步得到了我国学者的重视，相关研究文献主要也是基于Nerlove供给反应模型，研究能繁母猪存栏量、生猪或猪肉供给对价格等因素变动的反应行为，大多研究结论表明生猪产业供给短期弹性较低，长期弹性较高，但是也有少数学者认为生猪产业供给的长短期弹性均较低[12]。在研究方法上，主要可以分为两类：一类为面板数据模型[13]，另一类是时间序列模型，如ARIMA模型[14]、误差修正模型[15-17]。以上这些研究成果重点在于分析价格对农产品供给的影响，仅有少数学者研究疫病、天气冲击、能源价格冲击等随机因素对农产品供给的影响[17-19]，而且模型均属于常系数模型，无法反应经济结构变化对供给反应行为的影响。

有鉴于此，考虑到当前非洲猪瘟等疫情频发，中美贸易战、英国脱欧等国际事件引发经济政策不确定性显著提升，本文将在Nerlove供给反应模型中引入生猪疫情和经济政策不确定性指数等随机因素，构建包含生猪疫情和经济政策不确定性的能繁母猪供给反应模型；另外，在研究方法上，采用可以反映供给反应行为时变特征的TVP-VAR-SV模型，与常系数模型相比，该模型通过等间隔和不同时点脉冲响应函数，揭示能繁母猪存栏量在短期（4个月），中期（8个月）和长期（12个月）以及在不同事件冲击下的动态供给反应路径及其特征。

综上，本文将基于能繁母猪供给反应模型，应用TVP-VAR-SV方法分析能繁母猪存栏量对生猪疫情、经济政策不确定性等影响因素的时变供给反应特征，进而揭示导致能繁母猪存栏量波动的根本原因，借以为养殖户科学制定生产决策提供重要参考和依据，为政府实现生猪稳定保供政策目标提供合理路径与建议。

1 研究方法与数据说明

1.1 能繁母猪供给反应模型

依据Nerlove供给反应模型构建的基本方法，即供给反应模型应该由局部调整模型与适应性预期理论模型结合起来构建[20]，局部调整模型形式如下：

式中：Qt和Qt-1分别为第t期和t-1期的能繁母猪存栏量，是t-1期的预期能繁母猪存栏量或者长期均衡存栏量，λ为预期供给调整系数，且0＜λ≤1，即产量的实际调整数量是预期调整数量的一个比例函数。

适应性预期模型形式如下：

一般情况下，t期的预期能繁母猪存栏量是养殖户根据自己的生产条件和预期的猪仔（或生猪）价格做出决策，即

本文依据供给理论，对模型（3）进行拓展，引入了影响供给的其他关键因素：生产成本、替代品价格、政府政策以及其他特殊因素，具体理论关系分析如下：

1）生产成本：生产成本是决定供给的关键因素，决定生产成本的主要因素是投入品价格，当一种商品的投入品价格增加时，那么该商品的生产成本就会提升，因此厂商将倾向于减少该商品供给。由于饲料成本是养殖能繁母猪的主要成本，而玉米占饲料成本比重可达60%[22]，因此本文采用玉米价格（PCt）来表示生产成本。

2）替代品价格：如果一种商品的替代品价格上升，那么厂商将更倾向于生产价格更高的替代品，那么该商品的供给量就会下降。参考以往文献将肉鸡作为猪肉替代品的做法[13]，本文将活鸡作为生猪替代品，采用活鸡价格（PKt）作为替代品价格。

3）政府政策：政府政策也会对供给产生重大影响，这些政策既包括产业发展政策，也包括国家宏观经济调控政策，这些政策对供给的影响取决于政策制定的目标和实施效果，为了全面反映影响能繁母猪供给决策的政策和经济环境，本文引入经济政策不确定性指数（EPUt）作为政策变量。

4）其他特殊因素：每个产业都有影响自身供给的特殊因素，疫病是影响生猪产业供给的重要因素，猪瘟、猪繁殖与呼吸综合征、猪丹毒、猪肺疫等疫病，尤其是2018年8月爆发的非洲猪瘟，导致大量能繁母猪死亡或被捕杀，能繁母猪存栏量大幅度下降。因此，本文引入生猪疫情深度指数（EPIt）作为能繁母猪存栏量的特殊影响因素。

综上，假定t期的预期能繁母猪存栏量（Q*t）是养殖户根据预期的猪仔（或生猪）价格P*t、玉米价格（PCt）、活鸡价格（PKt）、经济政策不确定性指数（EPUt）以及生猪疫情深度指数（EPIt）做出决策，即：

最后，综合方程（1）、（2）和（4），可以得到能繁母猪的供给反应模型：

式中，d0=c0βλ，d1=c1βλ，d2=(1-β)+(1-λ)，d3=-(1-β)(1-λ)，

d4=c2λ，d5=-λ(1-β)c2，d6=c3λ，d7=-λ(1-β)c3，d8=c4λ，d9=-λ(1-β)c4，d10=c5λ，d11=-λ(1-β)c5。

由于模型（5）中变量估计系数为常数，使得模型（5）无法刻画经济发生突变时，影响因素的时变特征，因此本文假设模型（5）中的系数为时变参数，服从随机游走过程，从而揭示能繁母猪存栏量供给反应的时变特征。

1.2 TVP-VAR-SV模型

时变参数向量自回归模型（TVP-VAR-SV）是由Nakajima等[23]提出的，该模型的系数和协方差矩阵都可以随时间推移而不断变化，因此能够灵活地捕获各变量之间关系的时变与非线性特征，并且能准确地观测到在不同时间间隔和时点上各经济变量之间的相互作用机制。与以往的VAR模型相比，TVP-VAR-SV模型不仅能够有效地提高估计的精准度，而且可以更好地拟合出不同时点的经济数据。TVP-VAR-SV模型具体形式如下：

式中：yt是包含能繁母猪存栏量、猪仔价格、生猪价格、玉米价格、活鸡价格、生猪疫情深度指数以及经济政策不确定性指数7个变量的列向量；Xt=Ik⊗（yt-1,yt-2, …,yt-s），⊗表示Kronecker乘积，Ik是单位矩阵，k是变量个数，t表示时间，s表示滞后阶数；系数βt，εt为残差项，联立参数At以及随机波动协方差矩阵∑t具有时变性，下三角矩阵At与∑t可以表示如下：

假定式（6）中的时变参数服从随机游走过程，如式（9）所示：

式中，βs+1~N(μβ0,∑β0)，αs+1~N(μα0,∑α0)，hs+1~N(μh0,∑h0)。借鉴Nakajima等[23]的研究，进一步假定∑β、∑α和∑h为对角矩阵，且满足分布：

最后，借用贝叶斯推断并采用马尔科夫蒙特卡洛（MCMC）抽样方法模拟抽样，进行测算。对于TVP-VAR-SV模型估计时涉及的先验分布选取、贝叶斯估计以及蒙特卡洛模拟的详细步骤可以参考Nakajima等[23]。

1.3 数据来源与说明

1）数据选取。本文选取样本区间为2009年2月~2020年9月，能繁母猪存栏量（Q）、猪仔价格（PP）、生猪价格（PH）、玉米价格（PC）、活鸡价格（PK）、生猪疫情深度指数（EPI）数据均来源于《布瑞克农业数据库》。经济政策不确定性指数（EPU）是Baker等[24]利用经济政策不确定性综合指数中的新闻指数，以《华南早报》为分析对象，对该报纸每月刊发的关于中国经济政策不确定性的文章进行识别，将识别结果除以该报纸该月总刊发量计算得到，数据来源于网站www. PolicyUncertainty.com。

2）数据处理。首先采用X-12方法剔除生猪、猪仔、玉米和活鸡价格序列中的季节因素。其次，使用以2000年为基期的居民消费价格指数剔除所有价格序列中的通胀因素。然后，为了降低变量的异方差性，对能繁母猪存栏量（Q）、猪仔价格（PP）、生猪价格（PH）、玉米价格（PC）、活鸡价格（PK）、生猪疫情深度指数（EPI）和经济政策不确定性指数（EPU）变量做取对数处理，处理后的变量分别使用LQ、LPP、LPH、LPC、LPK、LEPI和LEPU表示。

2 结果与分析

2.1 能繁母猪存栏量动态走势分析

图1给出能繁母猪存栏量及其增长率的变动情况，图中左侧坐标轴表示能繁母猪存栏量，右侧坐标轴表示能繁母猪存栏量增长率，上下两条横线分别表示能繁母猪正常保有量（4 100万头）和最低保有量（3 700万头），数据来源于2021年9月19日农业农村部颁布的《生猪产能调控实施方案（暂行）》。

从图1可知，2015年之前，能繁母猪存栏量一直高于正常保有量，2015年之后，由于《环境保护法》的正式实施，众多中小型生猪养殖场由于无法满足环保要求被关停，因此能繁母猪存栏量持续下降，在2017年之后，已经低于最低保有量。2018年，非洲猪瘟疫情的爆发导致大量能繁母猪死亡或被扑杀，因此能繁母猪存栏量呈现大幅度下降态势，于2019年6月达到最低点。随后，在国家一系列恢复产能的政策调控下，能繁母猪存栏量才开始逐步上升，但是截止到2020年9月，能繁母猪存栏量依然远低于最低保有量。

从能繁母猪增长率序列来看，2018年之前，能繁母猪存栏量的波动率较低，且呈现出正负交替出现的周期波动态势，但是2018年之后，由于受到非洲猪瘟的影响，能繁母猪存栏量波动率显著提升。由此可见，非洲猪瘟对能繁母猪存栏量的影响剧烈，因此在能繁母猪供给反应模型中加入生猪疫情变量是十分必要的。

2.2 数据检验与模型选择

由于TVP-VAR-SV模型主要用于平稳时间序列建模，因此需要对变量进行单位根检验，检验结果见表1。ADF单位根检验结果表明，除了疫情深度指数和经济政策不确定性指数外，其余变量均在5%的显著性水平上是非平稳的，但其一阶差分序列均在1%的显著性水平上平稳，即为一阶单整序列。为了避免使用非平稳序列估计造成的伪回归问题，并保持变量处理的一致性，本文对所有序列均进行了一阶差分处理[25]。因此，本文将基于一阶差分后的增长率序列展开研究。

表1 单位根检验结果Table 1 Unit root test results

最后，需要确定模型的最优滞后阶数，具体结果见表2。由表2可知，除LR统计量外，FPE、AIC、HQIC和SBIC值均表明，当模型滞后阶数为1时，检验统计量FPE、AIC、HQIC和SBIC值达到最小。因此，TVP-VAR-SV模型的最优滞后阶数设定为1。

表2 最优滞后阶数确定Table 2 Determination of the optimal lag order

2.3 参数估计和收敛性诊断

本文采用Matlab R2018a软件对TVP-VAR-SV模型进行模拟检验，MCMC算法抽样次数设定为10 000次。同时，为了确保获取的样本不依赖于初始值的选取，得到更为稳健的估计结果，模拟过程中舍去前1 000次抽取的预抽样样本。根据模型估计结果的后验分布均值、标准差、95%置信区间、Geweke收敛诊断值和无效因子来判断模型是否有效，详细结果见表3。

从表3可知，各个参数的后验分布均值均处在95%的置信区间以内；Geweke值均低于1.96，表明在5%的显著性水平上不能拒绝参数收敛于后验分布的零假设，在迭代周期中预抽样能够有效使得马尔科夫链趋于集中；无效因子的最大值为61.22，低于一般所能接受的范围，表明MCMC算法对参数的后验分布进行了有效抽样。因此，本文使用TVP-VAR-SV模型可以有效的测定能繁母猪存栏量对生猪价格、猪仔价格、玉米价格、活鸡价格、生猪疫情以及经济政策不确定性的动态供给反应。

表3 TVP-VAR-SV模型参数估计结果Table 3 Parameter estimation results of the TVP-VAR-SV model

2.4 等间隔脉冲响应分析

图2给出了能繁母猪存栏量对生猪价格、猪仔价格、玉米价格、活鸡价格、生猪疫情和经济政策不确定性冲击的等间隔脉冲响应图。等间隔滞后期分别选取滞后4期、8期和12期，借以刻画短期、中期和长期能繁母猪存栏量的时变供给反应特征。

2.4.1 各价格因素冲击对能繁母猪存栏量的影响 从长期来看，生猪价格、猪仔价格、活鸡价格以及玉米价格冲击对能繁母猪存栏量的影响接近于零，这就表明上述价格因素并不是能繁母猪存栏量长期波动的原因，但是在短期内，各价格冲击对能繁母猪存栏量具有显著的影响效应，且短期影响效应显著大于中期。

具体而言：1）一个标准差正向生猪（猪仔）价格冲击对能繁母猪存栏量的影响是正的，即生猪（猪仔）价格上涨会提高能繁母猪存栏量，该结论与经济理论相符，也和中国学者的研究结论相一致[13-14]。相比之下，能繁母猪存栏量对生猪价格的反应程度明显大于对猪仔价格的反应程度，表明养殖户重点依据对生猪价格而非猪仔价格的预期进行生产决策。另外，生猪（猪仔）价格冲击对能繁母猪存栏量的影响效应在2010—2012年间是下降的，分析原因可能是由于2009年中国开始是猪肉储备政策，该政策的实施在一定程度上起到了稳定市场的作用，降低了养殖户面对短期生猪和猪仔价格冲击的反应程度；其余时间都呈现出不断提高的态势，这可能是由于自2015年开始，非洲猪瘟等突发事件频发，使得生猪和猪仔价格波动水平显著增加所致。

2）一个标准差正向活鸡价格冲击对能繁母猪存栏量的影响效应是负的，该研究结果与经济理论是相符合的，即一种商品的替代品价格上涨会导致该商品产量的下降。鉴于活鸡是生猪的替代品，因此当活鸡价格上涨时，为了能取得更高的预期收入，养殖户将会更倾向于选择养殖母鸡而非能繁母猪，从而导致能繁母猪存栏量的降低。

3）一个标准差正向玉米价格冲击对能繁母猪存栏量的影响在2015年前后发生由正转负的结构性波动，表明玉米价格是能繁母猪存量短期波动的原因，而这种结构性波动可能与玉米市场价格调控政策转变密切相关。2015年之前，玉米临时储备收购政策的实施支撑玉米价格长期居高不下，2015年9月政府首次下调玉米收购价格，随即将玉米市场价格政策转为“市场化收购”加“补贴”的新机制，玉米价格市场化水平显著提升。依据经济学理论可知，玉米价格提高会增加能繁母猪的养殖成本，那么能繁母猪存栏量应该倾向于减少，即一个标准差正向玉米价格冲击对能繁母猪存栏量的影响应该是负向的。由此可见，玉米临时储备收购政策的实施在一定程度上扭曲了玉米价格与能繁母猪存栏量之间的经济关系。

2.4.2 生猪疫情对能繁母猪存栏量的影响 从短期来看，一个标准差正向生猪疫情冲击对能繁母猪存栏量的影响是负向的，这主要是由于在动物疫情爆发初期，大量能繁母猪会因感染疫病而死亡或者被扑杀，因此能繁母猪存栏量会显著降低。从中长期来看，能繁母猪存栏量对生猪疫情冲击的脉冲响应呈现出由负转正的结构性波动，分析原因主要是由于疫情初期能繁母猪存栏量的降低会导致生猪价格逐渐增加，进而刺激养殖户增加能繁母猪存栏量。这就意味着在中长期，养殖户有足够的时间根据实际情况调整生产决策，因此生猪疫情冲击对能繁母猪存栏量的中长期影响主要是正向的。另外，养殖户应对疫情冲击进行生产决策调整的速度在不断提高，2013年后，短期的负向影响需经过长期（12个月）才会转为正向影响，但是2016年后，短期的负向影响经过中期（6个月）即转为正向影响，这也是近些年来能繁母猪存栏量波动显著提升的主要原因。综上，短期生猪疫情冲击对能繁母猪存栏量的影响是负向的，而中长期影响却主要是正向的，这种影响规律是引发能繁母猪存栏量周期波动的重要原因。

2.4.3 经济政策不确定性对能繁母猪存栏量的影响

一个标准差正向经济政策不确定性冲击对能繁母猪存栏量的影响呈现出正负交替效应，表明经济政策不确定性冲击是导致能繁母猪存栏量周期波动的重要原因。再者，经济政策不确定性冲击对能繁母猪存栏量的中期影响明显高于长、短期，而且经济政策不确定性冲击对能繁母猪存栏量的影响在2010年9月~2012年7月之间是负向的，其余时间均为正向，并且随时间推移表现出不断扩大态势。这主要是由于自2013年起，中国经济政策不确定性指数不断提升，尤其是2017年之后，中美贸易战、美国大选和欧债危机等重大冲击事件频发导致中国经济政策不确定性显著提升。为了应对经济政策不确定性的负面影响，中国政府提出了实现国内市场大循环和国内国外市场双循环等一系列拉动内需，促进经济增长的政策，同时生猪产业也采取相应措施恢复和提升产能，这些政策的实施对增加能繁母猪存栏量起到了积极引导作用。因此，经济政策不确定性的提高反而有助于增加能繁母猪存栏量。

综上所述，生猪价格、猪仔价格、活鸡价格以及玉米价格冲击对能繁母猪存栏量的长期影响均趋于0，但是生猪疫情和经济政策不确定冲击会对能繁母猪存栏量产生持久影响。由于经济政策和生猪疫病均属于随机因素，因此导致能繁母猪存栏量周期波动的重要原因是随机因素冲击。真实经济周期理论认为无处不在的随机因素或者冲击是真实生活的常态，而这些随机因素的发生破坏了经济体应有的平衡，于是产生了经济周期，真实经济周期的理论也可以解释本文的研究结论。

另外，大量研究表明，任何供给和需求冲击均会影响畜产品价格波动[26-27]，这就意味着随机因素冲击可以通过影响供给，进而引发价格波动。王明利和李威夷[28]研究也正好表明猪肉价格的长期波动中90%来源于随机冲击。由此可见，能繁母猪存栏量周期波动源于随机冲击的结论具有一定理论和现实依据。

2.5 时点脉冲响应分析

依据前文分析可知，影响能繁母猪中长期（短期）周期波动的主要因素是生猪疫情和经济政策不确定性（玉米价格），因此，本文以玉米价格、生猪疫情以及经济政策不确定性变量相关的重大冲击事件作为选取时点的依据。具体如下：1）第一个时点是2015年9月，2015年9月中国首次下调玉米临时储备收购价格，玉米价格的市场化改革使得玉米价格自2015年开始呈现出显著的下降趋势；2）第二个时点是2018年8月，此时正是非洲猪瘟疫情爆发的时刻，非洲猪瘟是研究期内生猪产业爆发的最严重疫情，导致大量能繁母猪和生猪死亡或者被扑杀；3）第三个时点是2020年1月，此时正是经济政策不确定性较高的时刻，英国脱欧、新冠疫情等一系列事件的爆发导致经济政策不确定性显著提升。因此，本文将基于上述三个关键时点，刻画不同时点上能繁母猪存栏量对生猪价格、猪仔价格、活鸡价格、玉米价格、生猪疫情以及经济政策不确定性冲击的脉冲响应，具体结果见图3。

首先，在不同时点上，生猪价格、猪仔价格、活鸡价格以及玉米价格因素冲击对能繁母猪存栏量的影响均在12期内逐步收敛于0，这正好与前面各价格因素冲击对能繁母猪存栏量的长期影响接近为0的结论相吻合。但是，不同时点上，能繁母猪存栏量对上述价格冲击的动态反应路径存在显著差异。

具体而言：1）一个标准差生猪和猪仔价格冲击对能繁母猪存栏量的影响是正向的，并在第2期达到最大，然后逐渐减弱，三个时点上的脉冲响应发展趋势基本一致，但是在2020年1月受到的冲击影响最大，其次是2018年8月，2015年9月所受影响相对较小。

2）一个标准差正向活鸡价格冲击对能繁母猪存栏量的影响是负向的，且在不同时点上，没有显著差别。因此，活鸡价格冲击对能繁母猪存栏量的负向影响较为稳健，几乎不会受到相关市场政策、经济以及疫情等外界冲击的影响。

3）一个标准差正向玉米价格冲击对能繁母猪存栏量的影响在前3期内为正向，然后转为负向，这主要是由于短期内，养殖户无法快速调整产能，短期玉米价格上升仅会推动猪仔和生猪价格上涨，进而增加能繁母猪存栏量，但是从长期来看，玉米价格上涨会增加养殖成本，导致利润下降，因此养殖户会减少能繁母猪存栏量。玉米价格冲击对能繁母猪存栏量的影响在2015年9月是最强的，其次是2020年1月，最后是2018年8月，这就表明玉米价格市场化政策冲击显著提升了玉米价格对能繁母猪存栏量的影响效应。因此，能繁母猪养殖户应该密切关注玉米等饲料价格及其调控政策的变动情况。

其次，一个标准差正向生猪疫情和经济政策不确定性冲击对能繁母猪存栏量的影响分别在前5期和前2期是负向的，随后转为正向，呈现出显著的周期波动态势，再次证明生猪疫情和经济政策不确定性是导致能繁母猪存栏量周期波动的重要因素。其中，能繁母猪存栏量对生猪疫情负向冲击的响应在第2期达到最大，响应值为-0.000 2；对生猪疫情正向冲击的响应在第12期达到最大，响应值为0.000 1；能繁母猪存栏量对经济政策不确定性负向冲击的响应在第1期达到最大，响应值为-0.000 05，对经济政策不确定性正向冲击的响应在第7期达到最大，响应值为0.000 25。通过对比正向和负向冲击程度可知，相比于正向冲击，生猪疫情对能繁母猪存栏量的负向冲击程度更大，且持续期更长；相比于负向冲击，经济政策不确定性对能繁母猪存栏量的正向冲击程度更大，持续期更长。在不同时点上，生猪疫情和经济政策不确定性冲击对能繁母猪存栏量的影响路径基本一致，但是能繁母猪存栏量在2020年1月和2018年8月受到的影响明显高于2015年9月，这就表明生猪疫情和经济政策不确定性程度较高时，会对能繁母猪存栏量产生更大的冲击。

3 结论与启示

3.1 研究结论

本文首先构建能繁母猪供给反应模型，然后应用TVP-VAR-SV模型研究不同时间间隔和不同时间点上能繁母猪存栏量对生猪价格、猪仔价格、玉米价格、活鸡价格、生猪疫情以及经济政策不确定性的时变供给反应，主要研究结论如下：

1）从长期来看，生猪、猪仔、活鸡以及玉米价格冲击对能繁母猪存栏量的影响均接近于0，即各价格因素冲击并非能繁母猪存栏量长期波动的主要原因。但是，在短期和中期内，各价格因素冲击对能繁母猪存栏量具有显著的影响，且短期影响效应显著大于中期。其中，生猪和猪肉价格对能繁母猪存栏量具有正向冲击，且生猪价格的冲击效果最为显著；活鸡价格对能繁母猪存栏量具有负向冲击；玉米价格冲击对能繁母猪存栏量的影响呈现出由正转负的结构性波动，表明玉米价格是能繁母猪存栏量短期波动的主要原因。

2）从中长期来看，生猪疫情和经济政策不确定性冲击对能繁母猪存栏量的影响均呈现出正负交替出现的结构性波动，且生猪疫情（经济政策不确定性）冲击对能繁母猪存栏量的负向（正向）影响程度最大，持续期最长。因此，生猪疫情和经济政策不确定性这两个随机因素是导致能繁母猪存栏量周期波动的重要原因，该结论与真实经济周期理论相符。

3）玉米价格市场化改革冲击显著提升了玉米价格对能繁母猪存栏量的影响效应，而较强的生猪疫情和经济政策不确定性冲击，也对能繁母猪存栏量产生更大的影响效应。

3.2 政策启示

首先，提升养殖户的生猪疫情防范和应对能力。加大生猪产业相关疫病的疫苗研发，采用政府财政补贴等措施积极推进疫苗应用的广度和深度，同时建立疫情发生的应急响应和预警机制以及各省联动机制，有效降低生猪疫情对能繁母猪供给的负面冲击。

其次，降低经济政策不确定性，提升养殖户应对经济政策不确定性冲击的应变能力。一方面，政府可以通过保持宏观经济政策的稳健性，降低对国际市场的依赖度等措施来降低经济政策不确定性；另一方面，政府应该及时公布经济政策信息，提升养殖户对经济政策变化的预期和应对能力，进而科学地做好生产决策，减少经济政策不确定性对能繁母猪供给的冲击力度。

最后，充分应用保险和期货等经济手段稳定玉米和生猪价格，降低玉米和生猪市场价格波动风险对能繁母猪存栏量的影响。对于玉米价格来说，养殖户应该密切关注玉米市场价格政策的调整，利用玉米饲料成本“保险+期货”模式提前锁定玉米价格；对于生猪价格来说，政府可以积极开展生猪保险补贴，激励养殖户购买生猪价格保险，其次，加大生猪期货等金融知识宣讲和普及，鼓励养殖企业和规模化养殖户利用期货市场规避生猪价格波动风险。