生猪产业政策不确定性对产业链价格波动的影响

时间：2024-05-24

王刚毅，王志琳，李春雷

（东北农业大学经济管理学院，黑龙江哈尔滨 150030）

生猪产业在我国具有举足轻重的地位。在生产方面，2020年生猪出栏量达52 704.1万头，猪肉产量达4 113.3万t，生猪产值达19 676.5亿元，占牧业产值的48.87%。在消费方面，猪肉消费占肉类消费的主体地位，2020年城镇和农村居民人均猪肉消费量分别为19 kg和17.1 kg，占人均畜肉消费量的69.34%及79.9%，占人均畜肉和禽肉消费量之和的47.03%及50.59%。生猪产业的稳定向上连接众多生猪养殖主体，向下连接千家万户的“菜篮子”，其稳定发展关乎我国国计民生。

近年来，生猪产业发展面临食品安全事件[1]、疫病[2]、突发公共安全事件[3]等诸多问题，为保障我国生猪产业及猪肉市场的稳定发展，国家及各地方政府制定了诸多针对生猪养殖、屠宰、流通、消费等环节的调控政策[4]。而政策的频繁出台始终伴随着不确定性，主要表现为：其一，政策调控时机不清晰，部分政策在实施过程中，地方与中央政府的启动步伐可能是不一致的[5]，且市场上各经济主体难以获得国家调控的明确信号[6]；其二，政策效力持续性差，部分政策持续时间短，一方面导致养殖主体丧失信心，另一方面也给养殖主体带来损失[7]；其三，政策实施存在时滞效应，部分调控政策不能及时生效，反而引起下一周期的非正常波动[8]。已有研究表明，政策变动等所带来的不确定性已成为导致价格波动的重要原因之一[9-11]。因此，深入研究政策不确定性对生猪产业链价格波动的影响，对于维护生猪产业链价格的相对稳定，促进生猪产业的健康发展具有重要意义。

当前，不确定性指数测度的相关研究中，诸多学者认为，Baker等[12]所构建的经济政策不确定性指数能够在一定程度上准确地度量不确定性[13]，且具有连续性、实时性等优点[14]。学者们对Baker的方法进行延伸，如杨赞等[15]基于《人民日报》《环球日报》等作为报刊来源，选取相关关键词进行样本文章的搜索与统计，构建了中国房地产政策不确定性指数；管芳芳[16]通过筛选财政相关新闻，构建了中国财政政策不确定性指数；王丽纳等[17]使用Python技术从全国各省级党报的电子版中获取相关符合要求的文章，并对各省份的数据进行按月汇总，得到中国汇率政策不确定性指数。然而，目前鲜少有针对中国生猪产业的政策不确定性所构建的生猪产业政策不确定性指数。生猪产业在我国具有重要的地位，猪肉价格的上涨直接带动CPI的上涨[18]，为探究生猪产业政策不确定性对生猪产业链各环节价格波动的影响，有必要构建一个能够反映中国生猪产业政策不确定性的指数。

通过对文献的梳理发现，一方面，生猪产业链各环节价格的波动易受到产业政策调整所带来的不确定性的影响，认识并有效控制生猪产业政策不确定性对生猪产业链价格波动的影响，对稳定生猪产业链价格具有重要意义；另一方面，现有不确定性测度的研究较为丰富，能够为本文测度生猪产业政策不确定性提供方法借鉴。基于此，本文借鉴国内外学者的研究思路，基于《人民日报》构建生猪产业政策不确定性指数，运用时变参数向量自回归（TVP-VAR）模型，深入考察生猪产业政策不确定性对生猪产业链各环节价格波动的影响，同时分析其影响机理，探究其内在原因，为缓解生猪产业链各环节价格波动提供参考意见。

1 研究方法与数据说明

1.1 计量模型设定

为考察不确定性对生猪产业链各环节价格波动的影响，本文选取Nakajima[19]构建的时变参数向量自回归（TVP-VAR）模型进行考察，TVP-VAR模型由VAR模型演变而来，相比之下能够更有效地反映随机动态波动信息。模型设定为：

式中：t表示时间，s表示滞后期数，t=s+1，s+2，…，s+n，yt为待考察变量所组成的k×1维向量，k表示待考察变量的数量；B1,t，B2,t，…，Bs,t为k×k维的时变系数矩阵，μt为不可观测的差异性冲击，且μt~N(0,∑t∑'t)，Ωt为k×k维时变协方差矩阵，其方程表达为：AtΩtA't= ∑t∑'t，其中，

进一步地，将B1,t，B2,t，…，Bs,t的合集转为βt，可将式（1）转化为：

式中：εt~ N(0,Ik)，X't=Ik⊗ [1, y't-1,…y't-k]， ⊗ 为克罗内克积（Kronecker），Ik为单位矩阵，时变参数模型服从随机游走过程：βt+1=βt+μβt,αt+1=αt+μαt,ht+1=ht+μht,且ht=log(σt)2, 假设εt,μβt,μαt,μht服从：

式中：βs+1~N(μβ0, ∑β0) ，αs+1~N(μα0, ∑α0) ，hs+1~N(μh0, ∑h0)。在模型拟合过程中，参数的后验数值借助马尔科夫链蒙特卡洛（MCMC）方法进行估计。

1.2 生猪产业政策不确定性指数构建

不确定性主要源于两方面：一方面是政府换届、经济危机等外部冲击，另一方面则是经济主体内生的不确定性[20]。对于生猪产业来说，疫病、公共卫生事件爆发后，政府通常会采取政策措施对生猪产业链各个环节进行调控，此外，为促进生猪产业的健康稳定发展，政府也会出台相关政策对生猪产业进行规范与指导，政策的出台时间、出台频率、执行力度存在随机性和不确定性，进而导致生猪产业政策不确定性的产生。根据经济心理学的研究，经济主体在面对不确定性时，往往会通过搜索相关报道以获得更多的信息[21]，而政策调整等事件的发生会引起新闻媒体及社会各界的关注与讨论，因此通过获取权威媒体报道量的信息，能够准确反应不确定性程度，即相关媒体报道的频率越高，不确定性程度就越高。

基于此，本文通过搜索并统计《人民日报》与“生猪”，“猪肉”等关键词相关的样本文章，按月统计相关新闻的频度，以获取生猪产业政策不确定性指数。其中，选择《人民日报》作为报刊来源的原因主要在于：其一，《人民日报》具有较强的政策性和指导性，能够较为全面地反应相关政策的风向；其二，《人民日报》系统地记录了政策文件及各时期发生的重要事件，同时承载着传递公共价值、舆情沟通等作用[22-23]。《人民日报》中与“生猪”，“猪肉”等关键词相关的文章本身就是对生猪产业相关政策的解读以及市场信息的反映，可以反映生猪产业政策不确定性。

经过搜索与统计，2001年1月—2020年9月间，与“生猪”相关的样本数量为2 364篇，与“猪肉”相关的样本数量为2 180篇，剔除重复项后样本文章数量为3 778篇，随后采取人工阅读的方式剔除“饺子的馅儿用……猪肉等调拌而成”、“加入……猪肉等肉类”、“送上……猪肉等慰问品”等与研究不相关的样本，最终得到样本文章数量计3 257篇。本文参照朱军[24]对Baker等[12]的方法进行修正后的公式进行计算，具体形式如下：

式中：Fi表示与生猪产业政策不确定性相关报道样本出现的频数，N表示样本区间的月份数列，其中，本文样本期为2001年1月—2020年9月，则样本数为237；X-1为频数的月度平均数；进一步地，得到处理后的月度平均数X2；最后，将相关报道样本出现的频数与月度平均数X2相乘，即获得某一期i的不确定性指数PUi。

1.3 数据来源

本文选取饲料价格、仔猪价格、生猪价格以及猪肉价格来表示生猪产业链中“饲料供应—育种扩繁—生猪养殖—市场流通”等关键环节，以探究生猪产业政策不确定性对生猪产业链各环节价格波动的影响。数据来源于中国畜牧业信息网，样本区间为2001年1月—2020年9月，具体走势见图1。2001年以来，饲料价格呈现上升趋势，但总体来说走势较为缓慢；仔猪、生猪、猪肉价格的变化趋势较为相似，其中，2001—2006年间，价格走势相对平稳，波动幅度较小；2006年以后，仔猪、生猪及猪肉价格整体上呈波动性上涨趋势，波动幅度逐渐加大，且价格上升的过程比较迅速，而下降的过程中伴随着几次向上回调的过程，下调周期更长。

图1 生猪产业链各环节价格时序图Fig.1 Price timing diagram of each sector of the hog industry chain

在获取数据的基础上，首先对生猪产业链各环节价格数据以2001年1月为基期进行平减，以剔除通货膨胀的影响；其次，为消除季节性因素的影响，利用Census X-12季节调整法对生猪产业政策不确定性指数、饲料、仔猪、生猪和猪肉价格进行季节调整；最后，为更好地反映价格的波动，计算价格收益率序列，即Rt=100×Ln（Pt/Pt-1），其中，Rt为第t期生猪产业链价格收益率序列，Pt为第t期生猪产业链各环节价格，处理后各序列分别记为饲料价格收益率（SL），仔猪价格收益率（ZZ），生猪价格收益率（SZ），猪肉价格收益率（ZR）。

2 结果与分析

2.1 生猪产业政策不确定性指数测算结果

2.1.1 基本结果通过对《人民日报》中“生猪”、“猪肉”等关键词的搜索与统计，获得生猪产业政策不确定性指数，具体结果如图2所示。从图中可以看出，本文建立的生猪产业政策不确定性指数的峰值点所对应的时期均为生猪产业遭受较为严重的外部冲击或重要政策出台的时期。

2007年，受到蓝耳病的影响，生猪供应出现阶段性偏紧的情况，政府接连发布《关于进一步加强猪肉、禽蛋等副食品市场监管的紧急通知》、《国务院关于促进生猪生产发展稳定市场供应的意见》等政策，从扶持生猪生产、生猪防疫体系、市场调节与监管、猪肉储备体系、财政补贴等多个方面对生猪产业的各个环节进行宏观调控，以稳定生猪的生产与供应。

2018年，非洲猪瘟爆发，对生猪产业及猪肉市场造成了重大冲击，政府先后制定了《应对非洲猪瘟疫情影响做好生猪市场保供稳价工作的方案》、《国务院办公厅关于稳定生猪生产促进转型升级的意见》，以保障生猪产业的稳定，此外农业农村部、财政部、交通运输部等多部门联合部署，从稳定生猪生产、构建现代化养殖体系、加强疫病防控、健全现代化物流体系以及强化措施保障等方面对政策措施进行细化，后续制定了《关于做好种猪场和规模猪场流动资金贷款贴息工作的通知》、《关于进一步规范畜禽养殖禁养区划定和管理促进生猪生产发展的通知》等一系列政策，以推进生猪养殖的健康可持续发展。生猪产业政策不确定性指数在以上时期均呈现迅猛上升的趋势。

将生猪产业政策不确定性指数与饲料、仔猪、生猪及猪肉价格进行对比发现，生猪产业政策不确定性与价格之间存在较强的联动性，以2007年蓝耳病期间以及2018年非洲猪瘟期间为例，生猪产业政策不确定性指数在这两个时期呈现迅猛上升的趋势，同时期，仔猪、生猪以及猪肉价格也出现了剧烈波动。

2.1.2 稳健性检验为保障指标的稳健性，检验所构建指数是否依赖于报刊的选取，本文采取同样的方法对《光明日报》数据库进行数据处理，得到基于《光明日报》的生猪产业政策不确定性指数。并对两组数据进行相关性检验，结果表明，基于《人民日报》和《光明日报》构建的生猪产业政策不确定性指数的相关性系数为0.4134，两者之间存在中等程度正相关（图2），对比朱军[24]基于《经济日报》构建的基准指数，以《人民日报》和《光明日报》为对照组构建的月度指数所进行的稳健性测试，其相关性大于0.2，本文所构建的生猪产业政策不确定性指数具有一定的稳健性。

图2 生猪产业政策不确定性指数趋势Fig.2 Policy uncertainty index trend of the hog industry

2.2 模型估计

2.2.1 变量平稳性检验本文采用ADF检验方法对数据进行平稳性检验，如表1所示，生猪产业政策不确定性指数(PU)、饲料价格收益率(SL)、仔猪价格收益率(ZZ)、生猪价格收益率(SZ)以及猪肉价格收益率(ZR)均在1%水平上通过平稳性检验，说明以上时间序列均为平稳时间序列。

表1 生猪产业政策不确定性指数与生猪产业链价格收益率序列平稳性检验Table 1 Test of the hog industry policy uncertainty index and price yield sequence of the hog industry chain

2.2.2 最优滞后期数确定在构建TVP-VAR模型之前，借助一般VAR模型最优滞后期数的选择方法对模型中各变量的最优滞后期数进行确定，表2显示了1-4期滞后期数检验的FPE值、AIC值，SC值以及HQ值，根据最小值准则，可知模型中各变量的最优滞后期数为1。

表2 模型滞后期数选择结果Table 2 Results of model lag periods

2.2.3 模型估计在进行MCMC模拟抽样之前，根据Nakajima[19]的研究对模型参数初始值进行设定：μβ0=μα0=μh0=0，∑β0=∑α0=10I, ∑h0=100I，~Gamma(40, 0.02),~ Gamma(4, 0.02)，~Gamma(4, 0.02)。用MCMC方法模拟抽样10 000次，并舍去初始抽取的1 000次样本，得到有效样本。表3为TVP-VAR模型的参数后验分布的均值、标准差、95%置信区间，Geweke的CD收敛诊断值和无效因子。结果显示：参数的Geweke值均未超过5%的临界值1.96，无法拒绝后验分布收敛于零的假设；无效因子的最大值为143.14，表明经过抽样后至少可得到约70个不相关样本。由此可见，TVP-VAR模型参数所进行的估计是有效的。

表3 模型参数估计结果Table 3 Model parameter estimation results

2.3 时变脉冲响应分析

图3显示了生猪产业链各环节价格收益率对生猪产业政策不确定性冲击的等间隔脉冲响应情况，本文选取滞后2期、滞后4期和滞后6期以分析和解读饲料、仔猪、生猪及猪肉价格在不同滞后期的脉冲响应情况。

图3 生猪产业链各环节价格对生猪产业政策不确定性的等间隔脉冲响应Fig.3 Equal-interval impulse response of the price of each sector of the hog industry chain to the policy uncertainty

2.3.1 从冲击方向分析生猪产业政策不确定性对产业链各环节价格的冲击影响在不同时期呈现正向冲击与负向冲击交替的特征。具体而言，1）受生猪产业政策不确定性冲击影响，饲料价格2001—2015年间表现为正负交替变化的特征，2015—2017年间呈现剧烈波动，且冲击主要表现为正向冲击，2017年后呈现正负交替变化的特点；2）仔猪价格受到冲击后的影响方向表现为：2001年以来，不确定性冲击影响总体呈现下降趋势，于2006年降至谷底，2007—2016年主要表现为负向影响，且波动较为剧烈，随后几年，冲击主要表现为正向影响；3）生猪价格和猪肉价格对生猪产业政策不确定性冲击的反应较为一致，生猪和猪肉价格受到冲击在前期主要表现为正向冲击，中期表现为负向冲击且反应较为剧烈，后期则主要表现为正向冲击。

也就是说，生猪产业政策不确定性能够推动生猪产业链各环节价格的上涨或下跌。从不同的滞后期来看，滞后2期受到的冲击影响最大，其次是滞后4期，滞后6期所受到的冲击最弱，这也在一定程度上说明随着滞后期数的增加，生猪产业政策不确定性对价格的冲击影响是不断减弱的。

2.3.2 从冲击强度分析 1）仔猪价格受到生猪产业政策不确定性的影响相对更大，仔猪本身的特点可能是造成其价格易受到生猪产业政策不确定性冲击的原因，一方面，我国仔猪多为自繁自养，养殖主体专业化分工程度较低[25]，且仔猪抗风险能力弱于育肥猪，受到冲击时，所受影响更大[26]；另一方面，政策调控等不确定性的冲击导致猪舍建设、技术、管理等的成本增加，进而给仔猪价格带来剧烈影响。2）生猪价格受到生猪产业政策不确定性的影响较仔猪价格受到的影响小，现阶段我国生猪养殖主要以小散户养殖为主，散养户多缺乏理性补栏[27]，易受到技术水平低下，管理不科学等因素的制约，抵御各类风险的能力较弱，在一定程度上加剧了生猪价格波动[28]。3）猪肉价格受到的影响相对较小，其原因可能在于猪肉价格受到冲击产生剧烈波动时，国家会调配储备肉或采取相应的价格调控政策对猪肉价格进行调节，这也在一定程度上弱化了生猪产业政策不确定性对猪肉价格的冲击[29]。4）饲料价格受到生猪产业政策不确定性的影响最小，究其本质，饲料业在生猪产业链中占据市场优势[28]，因此饲料价格受到生猪产业政策不确定性冲击的影响较小。此外，近年来饲料、仔猪、生猪及猪肉价格对生猪产业政策不确定性的脉冲响应较以往更为剧烈，其原因可能在于随着新媒体等信息技术的快速发展，不确定性等风险造成的恐慌情绪得以快速传播，进而加剧了生猪产业链各环节价格的波动[30]。

2.4 时点脉冲响应分析

本文选取2007年8月、2011年7月以及2018年10月，分别代表蓝耳病、“瘦肉精”事件以及非洲猪瘟所处的时期，以探究这三个时期生猪产业政策不确定性对生猪产业链各环节价格的冲击。2006年，我国部分生猪主产区爆发蓝耳病疫情，随后一段时间，疫情向其他省份蔓延，对生猪产业带来巨大冲击。按照文中所构建的指数，生猪产业政策不确定性指数于2007年8月达到波峰。基于此，本文选取2007年8月代表蓝耳病时期。根据图4所示，该时期仔猪价格受到生猪产业政策不确定性的冲击影响最大，最大冲击可以达到0.53，且基本表现为正向冲击，也就是说该时期生猪产业政策不确定性在一定程度上造成了仔猪价格的迅速上涨；生猪产业政策不确定性对生猪价格和猪肉价格的冲击则表现为正负交替的特征，进一步证实了前文所分析的结果。

图4 生猪产业链各环节价格对生猪产业政策不确定性的时点脉冲响应Fig.4 Time point impulse responses of the price of each sector in the hog industry chain to the policy uncertainty

2011年中央电视台“3·15”特别节目曝光“瘦肉精”事件，通过各类媒体的报道，“瘦肉精”事件在消费者中引起巨大反响。“瘦肉精”事件时期，生猪产业政策不确定性对饲料价格的冲击主要表现为正向影响；对仔猪、生猪以及猪肉价格的冲击影响较为相似，短期内，仔猪、生猪以及猪肉价格对生猪产业政策不确定性表现为正向响应，在随后的1~2期，表现为负向响应；此外，从冲击强度来看，生猪产业政策不确定性对猪肉价格所造成的负向冲击最为强烈。

非洲猪瘟时期，生猪产业政策不确定性对各环节价格的冲击主要表现为正向冲击，即造成了价格的迅速上涨，其中对生猪价格造成的冲击最为剧烈，在第一个月达到峰值，随后呈现下降的趋势。分析其原因，政府对疫病进行宏观调控的过程中往往伴随着不利影响，其主要体现在扑杀、防控等政策扭曲了市场供给信号，改变了养殖主体的预期决策以及行为[31]，进一步加剧了价格的波动。

从冲击时长来看，生猪产业政策不确定性对饲料价格的脉冲响应持续时间在11个月左右；对于仔猪、生猪以及猪肉价格来说，蓝耳病时期，“瘦肉精”事件以及非洲猪瘟时期生猪产业政策不确定性所造成的冲击在13个月左右收敛于0。这可能是由于短期内生猪产业政策不确定性变动使市场上各经济主体产生恐慌心理，进而影响养殖主体及消费者的行为，造成价格的剧烈波动，但长期内，随着政策的逐步稳定与落实，价格在价值规律的作用下逐渐归于常态。

2.5 生猪产业政策不确定性冲击传导机制分析

通过对生猪产业政策不确定性指数的构建以及时变脉冲响应分析可以发现，生猪产业政策不确定性确实对生猪产业链各环节价格的波动产生了影响。究其本质，生猪产业政策不确定性在一定程度上代表着生猪产业所处的市场环境，生猪产业政策不确定性波动会引起市场各环节经济主体预期决策和行为的改变，进而影响生猪产业链各个环节的供求关系，最终造成生猪产业链各环节价格的波动。

实证结果表明生猪产业政策不确定性对产业链各环节价格的影响存在差异，其可能原因如下：首先，生猪产业链各环节主体的风险偏好与管理能力有所不同，面对生猪产业政策不确定性，各经济主体的反应往往有所差异，或选择盲目扩张，或谨慎观望，进而导致供给与需求发生改变；其次，由于信息不对称的存在，生猪产业链各环节参与主体获取不确定性等信息的渠道，对信息的掌握程度以及接收信息的早晚有所不同，各经济主体的响应速度和强度也有所差异；最后，生猪产业链各环节主体市场结构及风险承受能力不同，一般而言，育种扩繁以及生猪养殖环节是整个生猪产业链中承担风险最大的环节。一方面，生猪养殖环节规模化程度较低，导致养殖主体市场势力较弱，抗风险能力较低；另一方面，育种扩繁技术难度高，投资规模大，成本高，极易受到政策调控的影响，在一定程度上导致育种扩繁的抗风险能力偏低，多种因素共同作用导致仔猪价格和生猪价格受到的冲击较其他环节受到的冲击强度更大。

3 结论与政策启示

3.1 结论

为分析生猪产业政策不确定性对生猪产业链价格波动的影响，本文基于《人民日报》的相关报道构建生猪产业政策不确定性指数，采用2001年1月—2020年9月生猪产业链各环节价格的月度数据，运用时变参数向量自回归（TVP-VAR）模型实证分析生猪产业政策不确定性对生猪产业链各环节价格波动的影响，得出以下结论：

1）生猪产业政策不确定性对生猪产业链各环节价格的冲击存在差异，从冲击强度看，生猪产业政策不确定性对仔猪价格的冲击最大，生猪价格次之，猪肉价格再次之，对饲料价格的冲击最小；从冲击的方向看，生猪产业政策不确定性对生猪产业链各环节价格的冲击呈现正负交替变化的特征。

2）蓝耳病、“瘦肉精”事件、非洲猪瘟所处的三个时期，生猪产业政策不确定性对产业链各环节价格的冲击影响存在差异性，其中，蓝耳病时期，生猪产业政策不确定性对仔猪价格的冲击最大，且主要表现为正向冲击；“瘦肉精”事件时期，生猪产业政策不确定性对猪肉价格带来的负向冲击最为剧烈；非洲猪瘟时期对各环节价格的影响主要表现为正向冲击，造成了价格的迅速上涨。

3）生猪产业政策不确定性导致经济主体预期决策和行为发生改变，造成供求关系的变化是价格波动的重要原因，此外，信息不对称，产业链各环节市场结构，风险承受能力不同等因素是导致生猪产业政策不确定性对生猪产业链各环节价格冲击存在差异的原因。