何忠偉，栗衛(wèi)清，劉 芳

（北京農(nóng)學(xué)院經(jīng)管學(xué)院，北京新農(nóng)村建設(shè)研究基地，北京 102206）

乳制品產(chǎn)業(yè)在我國(guó)一直備受關(guān)注，它是現(xiàn)代農(nóng)業(yè)和食品工業(yè)的重要組成部分，也是促進(jìn)一二三產(chǎn)業(yè)融合發(fā)展的戰(zhàn)略性產(chǎn)業(yè)。但目前我國(guó)乳制品消費(fèi)局面不容樂觀，2014年我國(guó)乳制品人均消費(fèi)量增速為8.1%，但之后基本處于停滯狀態(tài)。乳制品消費(fèi)水平滯后與國(guó)民經(jīng)濟(jì)發(fā)展不協(xié)調(diào)說明我國(guó)乳制品消費(fèi)方面還存在一些問題。因此，本研究在收集2000—2016年乳制品消費(fèi)數(shù)據(jù)的基礎(chǔ)上，采用ARMA、VAR和VEC模型對(duì)我國(guó)未來3年內(nèi)的消費(fèi)水平進(jìn)行了實(shí)證分析，并通過綜合集成模型有效提高預(yù)測(cè)的準(zhǔn)確度，為完善奶業(yè)振興計(jì)劃和乳制品供給側(cè)結(jié)構(gòu)性改革提供參考。

1 文獻(xiàn)綜述與概念說明

目前消費(fèi)預(yù)測(cè)的文獻(xiàn)很多，聶迎利[1]采用灰色關(guān)聯(lián)與時(shí)間序列預(yù)測(cè)模型對(duì)2008—2020年我國(guó)城鄉(xiāng)居民乳制品消費(fèi)需求和供給情況進(jìn)行預(yù)測(cè)，得出原料奶供給大于需求。劉強(qiáng)等[2]采用指數(shù)平滑模型和灰色模型對(duì)我國(guó)奶類消費(fèi)需求量的內(nèi)部因素及相互關(guān)系進(jìn)行研究，指出我國(guó)奶業(yè)消費(fèi)需求保持高速增長(zhǎng)，2015年人均消費(fèi)量將增加至82.83 kg。許世衛(wèi)[3]采用收入和消費(fèi)之間關(guān)系模型Holt-Winters-No seasonal法預(yù)測(cè)未來我國(guó)城鄉(xiāng)奶類消費(fèi)量會(huì)呈現(xiàn)快速增加的趨勢(shì)，并預(yù)測(cè)2015年我國(guó)城鄉(xiāng)居民人均奶類年消費(fèi)量將會(huì)達(dá)到31 kg，2020年前后將會(huì)達(dá)到38 kg，2030年前后會(huì)達(dá)到52 kg。翟世賢[4]總結(jié)了232個(gè)收入彈性和160個(gè)收入彈性，采用薈萃回歸方法估計(jì)了牛奶需求與收入、城市化、歷史時(shí)期的關(guān)系，得出隨著收入增加除酸奶外的乳制品均會(huì)下降，基本符合實(shí)際情況，但對(duì)乳制品的需求彈性分析在不同研究間存在分歧。

盡管研究乳制品消費(fèi)預(yù)測(cè)具有十分重要的意義，但很少有文獻(xiàn)能夠準(zhǔn)確預(yù)測(cè)未來具體的消費(fèi)數(shù)據(jù)。同時(shí)，實(shí)際生活中經(jīng)常會(huì)出現(xiàn)很多突發(fā)狀況，預(yù)測(cè)誤差難以避免，但這并不影響預(yù)測(cè)對(duì)現(xiàn)實(shí)的指導(dǎo)作用，也不影響預(yù)測(cè)對(duì)未來消費(fèi)趨勢(shì)的把握。ARMA、VAR、VEC模型具有較好的預(yù)測(cè)作用，被大量應(yīng)用于社會(huì)學(xué)和經(jīng)濟(jì)學(xué)研究領(lǐng)域。近年來，以上3個(gè)模型在其他畜產(chǎn)品的預(yù)測(cè)應(yīng)用中也逐漸增多，但在乳制品的消費(fèi)研究中卻幾乎未被采用。因此，本研究采用ARMA、VAR、VEC模型對(duì)我國(guó)乳制品消費(fèi)水平變動(dòng)趨勢(shì)進(jìn)行分析預(yù)測(cè)。為進(jìn)一步減少單個(gè)模型的預(yù)測(cè)誤差和不穩(wěn)定性，本文采用綜合集成預(yù)測(cè)的方法對(duì)3個(gè)模型進(jìn)行匯總分析。

需要說明的是，當(dāng)前不同研究對(duì)奶業(yè)相關(guān)統(tǒng)計(jì)口徑存在較大差異。例如，《我國(guó)奶業(yè)發(fā)展規(guī)劃2016-2020》指出，2015年我國(guó)乳制品人均消費(fèi)量折合生鮮乳達(dá)到36.1 kg，而統(tǒng)計(jì)年鑒中2015年我國(guó)乳制品人均消費(fèi)量為12.1 kg。為避免折合成生鮮乳的標(biāo)準(zhǔn)不統(tǒng)一造成數(shù)據(jù)出入較大，本文研究數(shù)據(jù)統(tǒng)一采用不折合生鮮乳的中國(guó)統(tǒng)計(jì)年鑒數(shù)據(jù)。乳制品消費(fèi)水平的概念有廣義和狹義之分，狹義的消費(fèi)水平指消費(fèi)量或消費(fèi)支出金額，廣義的消費(fèi)水平指包括消費(fèi)量、消費(fèi)支出、消費(fèi)質(zhì)量、消費(fèi)環(huán)境等反應(yīng)乳制品消費(fèi)狀況的整體指標(biāo)體系。以往的研究文獻(xiàn)中，乳制品消費(fèi)水平基本都采用狹義的消費(fèi)概念，因此本文也基于狹義概念展開研究。

2 模型簡(jiǎn)介

2.1 ARMA模型 ARMA是預(yù)測(cè)分析中經(jīng)常使用的平穩(wěn)時(shí)間序列模型，由Box和Jenkins發(fā)明，也稱B-J法。該模型最大的優(yōu)點(diǎn)是對(duì)一組時(shí)間數(shù)據(jù)進(jìn)行規(guī)律性分析，從數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)特征方面尋找其內(nèi)在變化趨勢(shì)，樣本越大，效果越好，是一種精度較高的短期預(yù)測(cè)方向[5]。模型的一般形式如下：

ARMA模型的建模過程需要綜合3個(gè)次級(jí)模型的運(yùn)行，分別是AR自回歸模型、MA移動(dòng)平均模型和ARMA自回歸移動(dòng)平均模型。建模前提是判斷數(shù)據(jù)特征是否屬于平穩(wěn)序列，對(duì)不同模型選擇不同的參數(shù)，進(jìn)行對(duì)比分析選擇最優(yōu)解。模型具體的操作步驟：第一，采用自相關(guān)和偏自相關(guān)的方法對(duì)時(shí)間和差分后序列性質(zhì)進(jìn)行分析,包括數(shù)據(jù)的隨機(jī)性、平穩(wěn)性和季節(jié)性檢驗(yàn)，一般需要對(duì)數(shù)據(jù)進(jìn)行差分處理，消除序列的非平穩(wěn)性。第二，模型的識(shí)別、建立與檢驗(yàn)。對(duì)差分后的時(shí)間序列，觀察其自相關(guān)和偏相關(guān)圖像和系數(shù)，并依據(jù)圖像性質(zhì)對(duì)模型定階，確定階數(shù)后進(jìn)行參數(shù)估計(jì)，并對(duì)確定階數(shù)的不同模型進(jìn)行參數(shù)對(duì)比分析，選擇出效果好的。參數(shù)確定后分析，進(jìn)行運(yùn)行效果適合性檢驗(yàn)。檢驗(yàn)主要是觀察殘差序列是否隨機(jī)，殘差序列樣本自相關(guān)系數(shù)是否近似為0。 第三，模型預(yù)測(cè)。若模型適合，則可以進(jìn)行短期檢驗(yàn)。判斷預(yù)測(cè)結(jié)果是否符合經(jīng)濟(jì)學(xué)意義。

2.2 VAR模型 向量自回歸模型（VAR）是一種非結(jié)構(gòu)模型，即通過數(shù)據(jù)內(nèi)在關(guān)系對(duì)其變動(dòng)趨勢(shì)進(jìn)行分析。模型是對(duì)多變量時(shí)間序列預(yù)測(cè)，一定程度是對(duì)B-J模型的簡(jiǎn)化，需要多個(gè)時(shí)間序列間有相關(guān)性。由于模型參數(shù)相對(duì)較少，因此更加實(shí)用。模型關(guān)系式為：

模型也要求序列是平穩(wěn)的，基本步驟：第一，平穩(wěn)性檢驗(yàn)。平穩(wěn)性檢驗(yàn)可以在模型參數(shù)估計(jì)前對(duì)每一個(gè)序列進(jìn)行單位根檢驗(yàn)，也可以在參數(shù)估計(jì)后對(duì)系統(tǒng)進(jìn)行檢驗(yàn)。模型平穩(wěn)，即脈沖響應(yīng)沖擊是收斂的。一般使用單位根檢驗(yàn)對(duì)不平穩(wěn)的序列使用取對(duì)數(shù)處理。第二，確定最大滯后階數(shù)。在Eviews 8軟件中滯后期確定給出了5個(gè)對(duì)比結(jié)果，分別是LR檢驗(yàn)系統(tǒng)量、最終預(yù)測(cè)誤差FPE和AIC、SC、HQ 3個(gè)信息準(zhǔn)則。對(duì)滯后階數(shù)進(jìn)行對(duì)比，選擇出每個(gè)檢驗(yàn)都認(rèn)可的最優(yōu)滯后期，保證所有殘差都不存在自相關(guān)性。第三，格蘭杰因果檢驗(yàn)，對(duì)多序列中的兩兩序列的制約關(guān)系進(jìn)行判斷。第四，預(yù)測(cè)，檢查預(yù)測(cè)結(jié)果，判斷預(yù)測(cè)結(jié)果是否符合經(jīng)濟(jì)學(xué)意義。

2.3 VEC模型 向量誤差修正模型（VEC）是含有協(xié)整約束的模型，不同的是數(shù)據(jù)應(yīng)具有非平穩(wěn)性。對(duì)于時(shí)間序列是否具有非平穩(wěn)的特性，一般都要觀察它的協(xié)整關(guān)系，并對(duì)協(xié)整關(guān)系的類型進(jìn)行確定[6]。VEC模型表達(dá)式如下：

式中，Xt是m維非平穩(wěn)序列，Xt是d維確定性變量，最后是新息變量，經(jīng)過變形可以改寫為：

VEC模型的最大長(zhǎng)處在于可以同時(shí)對(duì)長(zhǎng)期靜態(tài)和短期動(dòng)態(tài)關(guān)系進(jìn)行分析。步驟如下：第一，多重協(xié)整和JOHANSEN協(xié)整檢驗(yàn)。對(duì)一組數(shù)據(jù)對(duì)數(shù)化處理后進(jìn)行2種檢驗(yàn)，2種檢驗(yàn)的結(jié)果可能不一致，這就需要根據(jù)具體問題進(jìn)行選擇。由于要求數(shù)據(jù)是非平穩(wěn)的，一般是采用單位根檢驗(yàn)。具體來說，JOHANSEN協(xié)整檢驗(yàn)對(duì)于10維以內(nèi)的序列都是有效的，因此應(yīng)用也較多。第二，確定最優(yōu)滯后階數(shù)，建立VEC模型。需要注意的是對(duì)滯后階數(shù)為1的協(xié)整性檢驗(yàn)，在lag intervals for D的操作中應(yīng)選擇0與0。第三，預(yù)測(cè)，判斷預(yù)測(cè)結(jié)果是否符合經(jīng)濟(jì)學(xué)意義。

2.4 綜合集成預(yù)測(cè) 綜合集成預(yù)測(cè)是應(yīng)用型模型，主要是針對(duì)幾個(gè)相關(guān)模型在同一事件計(jì)算中產(chǎn)生結(jié)果不一致時(shí)，通過運(yùn)算取得良好的實(shí)踐效果。它既能發(fā)揮各模型的長(zhǎng)處，又能有效規(guī)避其帶來的誤差。具體來說，有2種方法。

1）簡(jiǎn)單平均法。即對(duì)各個(gè)模型結(jié)果相加，然后按照個(gè)數(shù)進(jìn)行平均。這種方法操作簡(jiǎn)便，有時(shí)效果也很顯著，可以避免由于單個(gè)模型的誤差過大帶來結(jié)果的偏差較大，但該模型沒有賦予每個(gè)模型預(yù)測(cè)值的權(quán)重，不能更好展示預(yù)測(cè)效果較好模型的優(yōu)勢(shì)。

2）加權(quán)平均法。加權(quán)平均法指各數(shù)值乘以相應(yīng)的權(quán)數(shù)，然后加總求和得到總體值，再除以總的單位數(shù)，即根據(jù)每個(gè)模型的權(quán)重進(jìn)行加權(quán)平均。這種方法有效彌補(bǔ)了簡(jiǎn)單平均法的不足。具體操作：將預(yù)測(cè)值與以往真實(shí)值之間作誤差分析，計(jì)算出每個(gè)模型的預(yù)測(cè)結(jié)果與真實(shí)值之間的誤差數(shù)，并依據(jù)這個(gè)誤差數(shù)給出不同的權(quán)重。權(quán)重的計(jì)算是取每個(gè)模型的誤差值的倒數(shù)，然后進(jìn)行歸一化處理，詳見下文。加權(quán)平均法能夠更好地發(fā)揮擬合較好的模型優(yōu)勢(shì)，同時(shí)又全面地納入了所有模型的預(yù)測(cè)結(jié)果。

3 數(shù)據(jù)描述與實(shí)證分析

3.1 數(shù)據(jù)描述 研究需要的相關(guān)數(shù)據(jù)均來自于中國(guó)統(tǒng)計(jì)年鑒和中國(guó)奶業(yè)年鑒（二者統(tǒng)計(jì)口徑一致）。由于2012年以前2個(gè)統(tǒng)計(jì)年鑒中均未給出全國(guó)乳制品消費(fèi)量的指標(biāo)，僅給出城鄉(xiāng)不同的消費(fèi)量，因此全國(guó)乳制品消費(fèi)量的計(jì)算數(shù)據(jù)是兩者數(shù)據(jù)的平均數(shù)，經(jīng)過對(duì)比發(fā)現(xiàn)能很好地反映實(shí)際情況（圖1）。同時(shí)，由于2000年以前城鄉(xiāng)乳制品消費(fèi)與雞蛋消費(fèi)合計(jì)在一起，因此數(shù)據(jù)從2000年開始統(tǒng)計(jì)。由圖1可以看出，2000—2007年我國(guó)乳制品消費(fèi)處于快速發(fā)展期，乳制品消費(fèi)增速為歷史最高；2008—2012年我國(guó)乳制品消費(fèi)處于危機(jī)應(yīng)對(duì)期，消費(fèi)趨緩；2013—2016年我國(guó)乳制品消費(fèi)處于信心重振時(shí)期，乳制品消費(fèi)增長(zhǎng)緩慢，尤其近兩年甚至出現(xiàn)停滯和倒退的趨勢(shì)。

圖1 2000—2016年我國(guó)居民乳制品消費(fèi)量

3.2 基于ARMA模型的消費(fèi)趨勢(shì)預(yù)測(cè) 在Eviews 8中導(dǎo)入2000—2016年的全國(guó)乳制品消費(fèi)量數(shù)據(jù)，通過繪制數(shù)據(jù)折線圖發(fā)現(xiàn)序列具有明顯的增長(zhǎng)趨勢(shì)，序列屬于非平穩(wěn)。因此，需要對(duì)數(shù)據(jù)進(jìn)行差分處理，之后再通過自和偏相關(guān)性檢驗(yàn)進(jìn)行模型檢驗(yàn)（圖2），通過觀察，差分后的時(shí)間序列自相關(guān)系數(shù)很快趨于0，數(shù)據(jù)平穩(wěn)。然后，通過圖形進(jìn)行模型的識(shí)別和定階。在偏自相關(guān)的分析圖中，k=1后已顯著為0，可以認(rèn)為序列的偏自相關(guān)函數(shù)具有截尾性。因此，對(duì)序列可建立AR（p）模型。因此取p=1。所以，初選AR（2）模型。同樣，觀察自相關(guān)序列，自相關(guān)系數(shù)在1或2后表現(xiàn)為截尾，可以建立MA（q）模型，而取q=1，或q=2。

圖2 ARMA模型中新序列ilx1序列自相關(guān)與偏相關(guān)圖

經(jīng)過以上模型的識(shí)別所確定的階數(shù)，初步確立ARMA(1,1)和ARMA(1,2)模型。在主窗口中選擇quick/estimate equation 對(duì)話框，輸入 iilx1 ar（1）ma（1） ma（1） 和 iilx1 ar（1）ma（1） ma（2）， 對(duì)輸出結(jié)果進(jìn)行對(duì)比。從預(yù)測(cè)R2和AIS/SC值可以看出，ARMA（1,2）模型更適合，預(yù)測(cè)R2為0.61，模型具有較好的解釋力。隨后對(duì)模型進(jìn)行檢驗(yàn)，具體步驟：View/Residual/Correlogram-Q-Statistics，發(fā)現(xiàn)當(dāng) m＜13時(shí)，殘差序列自相關(guān)系數(shù)都落入隨機(jī)區(qū)間，AC的系數(shù)取正值后幾乎全小于0.09，表明殘差序列是隨機(jī)的，檢驗(yàn)通過。最后，通過擴(kuò)展樣本期進(jìn)行樣本預(yù)測(cè)，輸入expand 2000 2020，則樣本序列長(zhǎng)度就變成2000—2020區(qū)間。在方程估計(jì)窗口點(diǎn)擊Forecast，選擇動(dòng)態(tài)預(yù)測(cè)方法（Dynamic Forecast），根據(jù)所選擇的一定的估計(jì)區(qū)間，進(jìn)行多步向前預(yù)測(cè)，預(yù)測(cè)擬合效果如圖3所示。由圖形可以看出擬合效果較好。

圖3 ARMA模型建模預(yù)測(cè)擬合效果圖

3.3 基于VAR模型的消費(fèi)趨勢(shì)預(yù)測(cè) VAR非結(jié)構(gòu)模型需要至少2種相關(guān)性序列，因此將全國(guó)總消費(fèi)量、城市消費(fèi)量和農(nóng)村消費(fèi)量一起導(dǎo)入到Eviews 8軟件中。對(duì)序列分別記為y1、y2和y3。為避免數(shù)據(jù)的波動(dòng)，先對(duì)各序列進(jìn)行對(duì)數(shù)化處理。首先，確定最大滯后階數(shù)，在VAR估計(jì)結(jié)果窗口點(diǎn)擊確定按鈕后選擇View/lag structure/lag length criteria在出現(xiàn)的對(duì)話框中輸入所要考察的最大滯后階數(shù)（例如3），得到結(jié)果（表1）。由結(jié)果可知，“*”標(biāo)記的依據(jù)相應(yīng)規(guī)則選擇出來的滯后階數(shù)大多在3階的位置，可以將模型的滯后階數(shù)定在3階。之后，進(jìn)行參數(shù)估計(jì)，具體步驟為new object/Var，觀察檢驗(yàn)結(jié)果，估計(jì)參數(shù)R2為0.79，說明效果較好。之后，將輸出結(jié)果保存，系統(tǒng)自動(dòng)命名為var01。

接下來，進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果顯示AR特征多項(xiàng)式系數(shù)均小于1。通過觀察graph形式的特征多項(xiàng)式根，其倒數(shù)只有1個(gè)未在單位圓之內(nèi)。表明VAR模型滿足平穩(wěn)性條件。同時(shí)，通過格蘭杰因果檢驗(yàn)表明3個(gè)序列相關(guān)適合建立向量自回歸模型。為進(jìn)行預(yù)測(cè)，在模型結(jié)果中選擇proc/make model，并對(duì)數(shù)據(jù)進(jìn)行擴(kuò)展，得到預(yù)測(cè)結(jié)果如圖4所示。

圖4 VAR模型建模預(yù)測(cè)擬合效果圖

3.4 基于VEC模型的消費(fèi)趨勢(shì)預(yù)測(cè) VEC和VAR模型關(guān)系非常相近，區(qū)別在于VEC是在VAR模型的基礎(chǔ)上加上協(xié)整約束條件。同時(shí)，VEC模型需要非平穩(wěn)序列，而本次使用的時(shí)間序列，其本身就具有非平穩(wěn)性的性質(zhì)。但為減少波動(dòng)，需要對(duì)3個(gè)序列進(jìn)行取對(duì)數(shù)處理后做單位根檢驗(yàn)，得到的統(tǒng)計(jì)值均在95%的置信度下拒絕原假設(shè)。故3個(gè)對(duì)數(shù)化的產(chǎn)出序列滿足協(xié)整檢驗(yàn)的條件。在VAR模型var01模型運(yùn)算的基礎(chǔ)上，在Estimate工具欄中選擇VEC模型，在cointegration和VEC Restrictions處選擇軟件的默認(rèn)設(shè)置即可。擴(kuò)展數(shù)據(jù)為2000-2020，得到最后VEC模型檢驗(yàn)結(jié)果R2為0.89，因此模型具有很好的擬合效果。由圖5也可以看出，模型的實(shí)際值和預(yù)測(cè)值之間具有很強(qiáng)的一致性。

圖5 VEC模型建模預(yù)測(cè)擬合效果圖

3.5 3種模型的綜合集成預(yù)測(cè) 經(jīng)過以上3種模型進(jìn)行分別預(yù)測(cè)后，各模型的預(yù)測(cè)值及相對(duì)預(yù)測(cè)誤差率如表2所示，ARMA模型最大的誤差為2016年，誤差為9%，其余誤差為1.97%、2.3%和7.52%，平均總誤差為5.19%。VAR模型最大誤差為2016年的12.6%，其余誤差為3.68%、4.04%和8.01%，平均總誤差為7.08%。VEC模型最大誤差為2016年，為5.8%，其余誤差為1.97%、2.14%和2.47%，平均總誤差為2.09%。從總誤差比較可以得出，VEC模型預(yù)測(cè)結(jié)果最優(yōu)。整體而言，3種模型的預(yù)測(cè)趨勢(shì)基本相同，2016—2020年我國(guó)乳制品消費(fèi)量基本處于緩慢上升趨勢(shì)，這與當(dāng)前經(jīng)濟(jì)定位和理論分析基本相符。

表1 VAR模型滯后階數(shù)判斷結(jié)果

表2 3種模型下乳制品消費(fèi)量預(yù)測(cè)值及誤差率比較 kg

為減少模型過高和過低預(yù)測(cè)的可能性，進(jìn)行綜合集成預(yù)測(cè)。綜合集成方法是根據(jù)加權(quán)公式，將3個(gè)模型的總誤差值取倒數(shù)，然后歸一化處理得到各自的權(quán)重。集成結(jié)果為：ARMA模型的權(quán)重為24%，VAR模型的權(quán)重為17%，VEC模型的權(quán)重為51%。

通過權(quán)重計(jì)算之后，最終得到在各權(quán)重下集成預(yù)測(cè)結(jié)果（表3）。從表中可以看到綜合集成預(yù)測(cè)之后的結(jié)果更加穩(wěn)定，很好避免了單個(gè)模型預(yù)測(cè)的局限性。由圖6可以看出，2011—2014年我國(guó)乳制品消費(fèi)水平增長(zhǎng)緩慢，2014—2016年，我國(guó)乳制品處于微弱的下降狀態(tài)。從集成預(yù)測(cè)值的增速上看，2017—2020年每年增速位于6%以下。由此可見，今后一段時(shí)期內(nèi)我國(guó)乳制品消費(fèi)增長(zhǎng)緩慢。

表3 我國(guó)乳制品消費(fèi)水平集成權(quán)重結(jié)果

為更好分析我國(guó)乳制品消費(fèi)水平變動(dòng)趨勢(shì)緩慢的原因，需要研究城鄉(xiāng)居民不同消費(fèi)水平的變動(dòng)趨勢(shì)，結(jié)果見表4，2016—2020年我國(guó)城市居民乳制品消費(fèi)水平增速基本處于3%以下，表明城市居民乳制品消費(fèi)水平基本處于停滯期，即不再增長(zhǎng)或有一定程度下降。而農(nóng)村居民乳制品消費(fèi)水平正處于緩慢增長(zhǎng)期，增長(zhǎng)速度逐漸增加。

圖6 2000—2020我國(guó)乳制品變動(dòng)趨勢(shì)集成預(yù)測(cè)

表4 城鄉(xiāng)居民乳制品消費(fèi)水平集成預(yù)測(cè)結(jié)果

4 結(jié)論與建議

通過分析并對(duì)比發(fā)達(dá)國(guó)家乳制品消費(fèi)歷程[7]，得出如下結(jié)論：

1）城市居民對(duì)常溫奶消費(fèi)趨向飽和，正處于擴(kuò)大低溫酸奶的消費(fèi)階段，尚未形成高端乳制品的消費(fèi)習(xí)慣，如奶酪、巴氏奶等，這是我國(guó)乳制品消費(fèi)水平一直較低的重要原因。由于2種乳制品特點(diǎn)不同，低溫酸奶的消費(fèi)量往往低于常溫奶。因此，城市居民總消費(fèi)量會(huì)呈現(xiàn)略微的下降趨勢(shì)。

2）農(nóng)村居民乳制品的需求不斷增加，但由于過去逢年過節(jié)購(gòu)買乳制品送禮的習(xí)慣正在被打破，農(nóng)村居民乳制品消費(fèi)量不會(huì)快速增加。

3）由于城鄉(xiāng)居民乳制品消費(fèi)結(jié)構(gòu)正發(fā)生變化，乳制品消費(fèi)必然要經(jīng)歷一段時(shí)期的緩慢增長(zhǎng)，這是正?，F(xiàn)象。

因此，應(yīng)加強(qiáng)奶業(yè)振興和供給側(cè)結(jié)構(gòu)性改革戰(zhàn)略，更好實(shí)現(xiàn)乳制品的供需匹配；加強(qiáng)乳制品宣傳和引領(lǐng)作用，提高居民消費(fèi)意識(shí)和對(duì)高端乳制品的消費(fèi)追求；擴(kuò)大零售終端網(wǎng)絡(luò)建設(shè)，尤其是中小城市和廣大農(nóng)村，拓寬消費(fèi)者對(duì)不同結(jié)構(gòu)乳制品的消費(fèi)渠道；建立乳制品監(jiān)管的長(zhǎng)效機(jī)制，只有具備過硬的乳制品質(zhì)量安全保障措施，居民對(duì)乳制品的消費(fèi)信心才會(huì)快速恢復(fù)。