付蓮蓮， 喻龍敏， 趙金霞

(1.江西農(nóng)業(yè)大學計算機與信息工程學院，江西 南昌 330045；2.江西農(nóng)業(yè)大學經(jīng)濟管理學院，江西 南昌 330045)

中國是肉類產(chǎn)銷大國，豬肉、雞肉、牛羊肉等肉類價格波動對于國家經(jīng)濟的健康發(fā)展具有重要影響，其中豬肉作為國內(nèi)肉類結(jié)構(gòu)比重最大的一類，更是重中之重。2020年習近平總書記在“三農(nóng)”工作批示意見中強調(diào)要確保農(nóng)產(chǎn)品穩(wěn)產(chǎn)保供，并且重點指出要推動生豬生產(chǎn)恢復，保障生豬價格的平穩(wěn)，維護國民菜籃子的穩(wěn)定性[1]。然而，近年來，豬藍耳病、布魯氏菌病、豬丹毒等豬疫病層出不窮，生豬價格受到各類疫情影響波動劇烈。尤其是2018—2020年發(fā)生在全球范圍的非洲豬瘟，疫情暴發(fā)范圍廣且程度嚴重[2]。中國整體生豬產(chǎn)業(yè)受到?jīng)_擊，不僅染病的養(yǎng)殖場瀕臨破產(chǎn)、正常養(yǎng)殖場出現(xiàn)大量滯銷，而且使得生豬產(chǎn)業(yè)養(yǎng)殖人員養(yǎng)殖積極性下滑、生豬供給不足，生豬供需缺口遲遲未能填合，對國家經(jīng)濟的穩(wěn)步發(fā)展造成了威脅。

多年來疫情指數(shù)和生豬價格是如何波動的？疫情對生豬價格波動的影響效果如何？影響方式是怎樣？應(yīng)當怎樣推動價格機制的完善？探究以上幾個方面的問題有助于調(diào)節(jié)生豬產(chǎn)品的價格、穩(wěn)定生豬市場的平穩(wěn)發(fā)展。

周愛珠等[3]運用EGARCH 模型和NIF 模型進行研究，發(fā)現(xiàn)消息沖擊會使得農(nóng)產(chǎn)品價格波動起伏更大，沖擊具有明顯的非對稱性且價格上漲信息對價格穩(wěn)定的沖擊作用更強。苗珊珊[4]通過PPM模型和TARCH模型分析發(fā)現(xiàn)，信息沖擊和豬肉零售價格波動之間存在杠桿效應(yīng)，同時發(fā)現(xiàn)疫情對豬肉價格波動的影響的非對稱性，呈現(xiàn)為“倒 U 型”特征。朱增勇等[5]探討了在突發(fā)AFS疫情情況下，產(chǎn)能的迅速下降會帶動生豬價格的快速上升。鄭燕等[6]從GARCH模型入手發(fā)現(xiàn)畜禽產(chǎn)品中白條雞和雞蛋價格波動受到疫情的作用最為明顯，其次是豬肉價格，牛肉價格不受疫情影響。吳佩蓉等[7]構(gòu)建了VAR模型進行分析，發(fā)現(xiàn)疫情會影響供需關(guān)系進而促使生豬價格波動，其影響持續(xù)時間長但影響較小，大致上使得中國生豬價格上漲。

大量專家學者針對畜禽產(chǎn)品價格波動影響的表現(xiàn)形式展開頗多研究，除了對產(chǎn)業(yè)鏈價格波動的研究，還分析了畜禽產(chǎn)品價格波動對整體畜禽市場的影響。朱寧等[8]分析了突發(fā)性疫情首先影響雞蛋價格走勢，進而改變養(yǎng)殖戶生產(chǎn)行為，使得養(yǎng)殖戶在疫情初期減少蛋雞產(chǎn)量，或者是提高獸藥用量，而在疫情后期補欄蛋雞。蔡勛等[9]通過誤差修正模型和有向無環(huán)圖(DAG)技術(shù)指出，肉雛雞價格受禽流感疫情影響最大，蛋雛雞相對較??；家禽產(chǎn)業(yè)受疫情影響明顯，受到禽類之間傳播的禽流感疫情影響時間短，受人禽之間傳播的禽流感疫情影響時間較長。胡向東等[10]發(fā)現(xiàn)生豬疫情會引起價格大幅波動，引發(fā)價格周期出現(xiàn)轉(zhuǎn)變，短期內(nèi)會造成生豬價格的區(qū)域化差別，長期來看會造成價格持續(xù)上漲，進一步地會影響飼料市場，促使替代品價格上漲。馬名慧等[11]發(fā)現(xiàn)非洲豬瘟疫情下，產(chǎn)業(yè)鏈的上中下游會受到傳遞影響，豬肉價格波動推動了雞肉產(chǎn)業(yè)的發(fā)展。

價格波動往往集中在股市或期貨市場，而網(wǎng)民的信息通?？梢酝椒从?，同時大數(shù)據(jù)應(yīng)用統(tǒng)計又促進了價格波動，基于大數(shù)據(jù)統(tǒng)計得到的疫情輿情指數(shù)亦是如此。文洪星等[12]通過搜集新聞報道信息，構(gòu)建了食品安全丑聞報道指數(shù)，發(fā)現(xiàn)其對豬肉產(chǎn)銷價格的非對稱傳導作用，這種不對稱傳導會加劇生豬產(chǎn)業(yè)弱勢群體的風險，改變了產(chǎn)銷價格的一般波動規(guī)律。丁存振等[13]運用大數(shù)據(jù)為基礎(chǔ)的禽流感疫情指數(shù)，發(fā)現(xiàn)了在輿情反映的市場正常狀態(tài)和危機狀態(tài)下，肉雞產(chǎn)業(yè)市場價格的非對稱特征呈現(xiàn)出不同變化。閆曉明[14]選取32家公司對比疫情事件的影響效果，發(fā)現(xiàn)生豬養(yǎng)殖業(yè)受損程度第一，獸藥行業(yè)受損時間最長，肉制品加工業(yè)次之，飼料行業(yè)受損較小。

非洲豬瘟疫情發(fā)生后，許多學者都在理論層面上分析了疫情對中國生豬產(chǎn)業(yè)的影響和展望。黃洪武等[15]認為全國生豬出欄量將會大幅走低，生豬價格預計仍將高位運行。李鵬程等[16]認為，產(chǎn)能斷崖式減少，生豬產(chǎn)能恢復面臨疫病、資金、環(huán)保等多方面的困難。劉國信[17]認為，豬瘟疫情重擊產(chǎn)業(yè)，豬源偏緊以及盲目擴大生豬禁養(yǎng)限養(yǎng)范圍為生豬上漲行情做了鋪墊。胡浩等[18]則認為，豬肉“剛需”始終存在，生豬價格將可能在近2年內(nèi)都處在較高水平。

綜上所述，對于研究內(nèi)容方面，專家學者們的研究集中于討論由疫情所導致的價格沖擊的影響效果和影響方式，而對于研究所采用的數(shù)據(jù)，往往基于大數(shù)據(jù)統(tǒng)計得到的疫情輿情指數(shù)，運用疫情寬度指數(shù)作為疫情指標進行影響效果研究的文獻較少，同時對于近年來暴發(fā)的非洲豬瘟事件研究多局限于理論探究，未充分納入疫情研究實證體系。因此，本文將以國內(nèi)研究為基礎(chǔ)，充分運用疫情寬度指數(shù)，從各年重大疫情入手，通過格蘭杰因果檢驗探究疫情和生豬價格的因果關(guān)系，通過向量自回歸模型、脈沖響應(yīng)分析和方差分解分析疫情對生豬價格波動的影響方式和效果，得出結(jié)論并給出有關(guān)建議，以促進生豬價格的穩(wěn)定性。

1 疫情對生豬價格的作用機理

1.1 歷年重大疫情

(1)豬瘟、豬肺疫(2008年11月至2009年7月)。豬群暴發(fā)疫病主要存在于華南地區(qū)，且通常為混合感染，感染率高且致死率較高，僅豬瘟生豬發(fā)病數(shù)就有7 290頭，死亡數(shù)13 298頭，撲殺數(shù)6 805頭。豬肺疫生豬發(fā)病數(shù)為7 333頭，死亡數(shù)15 591頭，撲殺數(shù)61頭(中國政府網(wǎng))。

(2)豬藍耳病(2010年初)。疫情重點暴發(fā)于南方地區(qū)的中小養(yǎng)殖場，具有高致病性，生豬發(fā)病數(shù)為2 908頭，死亡數(shù)1 522頭。

(3)豬布魯氏菌病(2010年11月至2011年2月)。該病廣泛分布全國各地，是一種典型的人和牲畜均易感的病，致使生豬發(fā)病數(shù)為7 804頭，死亡數(shù)66頭。

(4)豬丹毒、豬肺疫(2011年至2019年)。多年來2種疫病同時存在，疫情影響持續(xù)深遠，范圍廣大。豬丹毒在2012年8月和2014年7月2個時期疫情最為嚴重，分別造成生豬死亡數(shù)死亡1 901頭、2 914頭，歷年累計生豬發(fā)病數(shù)為57 105頭，死亡數(shù)34 996頭。豬肺疫在2015年6月疫情最為嚴重，造成生豬死亡數(shù)1 621頭，歷年累計生豬發(fā)病數(shù)高達85 986頭，死亡數(shù)54 281頭。

(5)非洲豬瘟(2018年8月至2020年)。自2018年8月沈陽正式發(fā)現(xiàn)后廣泛傳播于中國各地，為一種急性的烈性傳染病，導致了一場影響巨大的豬瘟疫情。引發(fā)生豬發(fā)病數(shù)20 319頭，死亡數(shù)13 810頭。

1.2 疫情對生豬價格影響的理論模型

生豬的生產(chǎn)周期跨度長達13個月，生豬生產(chǎn)通常具有周期長、規(guī)模不易變動等特征，供給和需求是生豬價格波動的主要因素，即生豬市場價格會影響下一周期的產(chǎn)量，而本期產(chǎn)量通常受到前期價格的影響。決定當期生豬供給量的上一期價格和決定當期生豬需求量的即期價格有可能不一致，這就導致了生豬產(chǎn)量和生豬價格偏離預想的均衡狀態(tài)，出現(xiàn)產(chǎn)量和價格的非正常波動。在市場自發(fā)機制的作用下，生豬供給出現(xiàn)明顯滯后，養(yǎng)殖人員、生產(chǎn)者很大程度上依照現(xiàn)有滯后信息做出錯誤判斷，進而導致生豬價格呈現(xiàn)周期性的波動。然而，傳統(tǒng)蛛網(wǎng)模型只是指出了具有明顯供給時滯性的價格周期性波動現(xiàn)象的存在。近年來，疫情對生豬價格的沖擊明顯增大，對于生豬價格大幅度的波動，“看不見的手”的市場化理論并不能很好地解釋價格上漲和價賤傷農(nóng)并存的困局，疫情等外部沖擊因素成為這幾年影響價格非正常波動的關(guān)鍵[19]。上述重大疫情都在不同程度上影響了生豬價格的上漲或下跌，這種影響往往先作用于產(chǎn)品的供求關(guān)系，進而引起價格變動。對于需求方面而言，疫情暴發(fā)會引發(fā)消費者恐慌，短時間內(nèi)消費者對生豬及相關(guān)產(chǎn)品需求大幅下降[20]。對于供給方面而言，其一，各類疫病自身帶來的患病和死亡，都會直接減少生豬的供給量。其二，養(yǎng)殖人員在面對疫情時，為防止后續(xù)養(yǎng)殖成本全部虧損，會對已有生豬采取降價處理，因此造成了短期內(nèi)供應(yīng)量上升的情況。其三，部分養(yǎng)殖戶因疫情導致的虧損嚴重，選擇暫時或永久退出養(yǎng)殖市場，市場內(nèi)養(yǎng)殖戶減少，生豬供給量也隨之減少。其四，中小養(yǎng)殖場對疫情的抗擊能力較弱，大型養(yǎng)殖場規(guī)?；图s化程度加強，產(chǎn)能上升，供給量進而增加。當需求變動大于供給變動時，出現(xiàn)供不應(yīng)求現(xiàn)象，生豬價格上漲；當需求變動小于供給變動時，出現(xiàn)供過于求現(xiàn)象，生豬價格下跌。除了消費者和養(yǎng)殖人員造成的影響，政府政策和生豬飼料成本也會影響生豬價格。如生豬禁運政策，加劇了封鎖區(qū)內(nèi)的供過于求和主要消費區(qū)的供不應(yīng)求，最終導致生豬價格上漲。如生豬飼料價格下跌，會直接導致生豬價格下跌。

2 實證分析

2.1 模型構(gòu)建

2.1.1 VAR模型 由于疫情和生豬價格之間不僅存在相互間的當期關(guān)聯(lián)性，還受到彼此滯后期造成的影響，為盡量詳實地反映疫情和生豬價格之間的具體動態(tài)關(guān)系，構(gòu)建向量自回歸模型(VAR模型)，其作為自回歸模型(AR模型)的推廣版本，不設(shè)定預先經(jīng)濟理論約束，通過模型內(nèi)的所有當期變量對其滯后變量的回歸來構(gòu)造VAR模型，可以有效反映時間序列的變動特征和作用方式[21]。因此，本文設(shè)定用于討論疫情和生豬價格波動機制的VAR模型如下。

圖1 疫情對生豬價格的影響路徑

(1)

式中：Yt為第t期的生豬價格；Xt為第t期的疫情寬度指數(shù)；c為常數(shù)項；αi為生豬滯后的t-i期對其第t期的影響系數(shù)；βi為疫情寬度指數(shù)滯后的t-i期對其第t期的影響系數(shù)；et為誤差向量；p為滯后階數(shù)。

2.1.2 ADF檢驗 VAR模型構(gòu)建的前提之一是使用的時間序列數(shù)據(jù)具有平穩(wěn)性，而Augmented Dickey-Fuller檢驗(ADF檢驗)作為擴張的Dickey-Fuller檢驗形式，可以有效地檢驗隨機時間序列的平穩(wěn)性質(zhì)[22]?；凇皶r間序列存在單位根”的原假設(shè)，做出如下3類檢驗：

(2)

式中：Xt為第t期的時間序列數(shù)據(jù);α為常數(shù)項;p表示Xt的滯后期數(shù);βi為被檢驗時間序列數(shù)據(jù)的t-i期對其第t期的影響系數(shù);ct為趨勢項;εt為誤差項。以上模型的原假設(shè)均為H0：γ=0，存在單位根。檢驗結(jié)果選擇Xt-i項時模型回歸得出的T檢驗值作為ADF檢驗值，將該檢驗值和10%、5%、1%顯著性的臨界值做出對比，如果小于臨界值，則可以拒絕原假設(shè)，即認為在該臨界值的顯著性水平下，序列具有平穩(wěn)性。

2.1.3 滯后階數(shù)判定 對滯后階數(shù)做出選擇是VAR模型構(gòu)建的重要環(huán)節(jié)，滯后階數(shù)越大，模型動態(tài)特征越能得到充分反映，然而滯后階數(shù)越大，模型的自由度也會越小。為了保證足夠數(shù)目的滯后，同時又做到盡量少地折損自由度，以下5類檢驗都可以幫助最佳滯后階數(shù)的判定：

(1)似然比統(tǒng)計量(LR)，通常用于驗證線性約束條件能否成立，定義為：

(3)

(2)赤池信息量(Akaike information criterion，簡稱AIC)準則，以“熵”為基礎(chǔ)發(fā)展得來。貝葉斯信息(Bayesian information criterion，簡稱BIC或SC)準則，漢南-奎因(Hannan-Quinn，簡稱HQ)準則，上述3種準則都是能夠反應(yīng)擬合優(yōu)良程度的標準，值越小擬合表現(xiàn)越優(yōu)秀，一般表示為：

(4)

式中：L為似然函數(shù)；k為參數(shù)數(shù)量；n為樣本序列長度。

(3)最終預測誤差(Final Prediction Error，簡稱FPE)準則，通過對AR模型由低階到高階的構(gòu)建，一直到確立出最小p值來最終定階，一般表示為：

(5)

2.2 數(shù)據(jù)說明

本文選取2009年2月至2020年7月共138個樣本，以生豬疫情寬度指數(shù)的月度數(shù)值代表疫情指標，并以全國生豬價格的月度數(shù)據(jù)為生豬價格數(shù)據(jù)。上述數(shù)據(jù)均源于布瑞克農(nóng)業(yè)數(shù)據(jù)庫(http://www.agdata.cn/)，中國畜牧業(yè)信息網(wǎng)(http://www.caaa.cn/)。疫情寬度指數(shù)由布瑞克農(nóng)業(yè)食品產(chǎn)業(yè)鏈調(diào)研中心提供研究支持，根據(jù)暴發(fā)范圍、事態(tài)重要度等方面綜合量化打分得出，主要反映生豬疫病發(fā)生的范圍情況。

生豬價格作為經(jīng)濟變量因素，存在明顯季節(jié)特征。為使數(shù)據(jù)更加準確反映其基本趨勢，本文采取X-12-ARIMA方法進行季節(jié)調(diào)整。季節(jié)調(diào)整診斷報告顯示Q統(tǒng)計量(評價季節(jié)調(diào)整質(zhì)量的復合指標，值小于1時調(diào)整可以被接受，值越小表明季節(jié)調(diào)整質(zhì)量越高)為0.55，給出結(jié)果為接受，且譜圖中垂線未落于峰值上，說明季節(jié)調(diào)整處理不存在不充分，總體結(jié)果可接受。后續(xù)研究中將使用調(diào)整后的生豬價格為研究數(shù)據(jù)。

2.3 生豬價格和疫情的波動趨勢

對比生豬價格波動和疫情寬度指數(shù)起伏情況(圖2)，可得以下特征。生豬價格受到疫情影響起伏波動。由圖2可發(fā)現(xiàn)，在疫情明顯嚴重時，價格波動也較為劇烈。如2010年2月至2015年2月這5年內(nèi)疫情寬度指數(shù)和生豬價格都發(fā)生了相似的持續(xù)起伏波動，疫情寬度指數(shù)在0.15到0.39區(qū)間連續(xù)3次上漲再下跌地重復波動，相應(yīng)地生豬價格在9.53～18.93元·kg-1發(fā)生周期性漲跌。疫情導致的仔豬死亡、能繁母豬存欄減少、生豬飼料價格上升等都會促使生豬產(chǎn)量降低、生豬價格上漲，而消費者恐慌心理又會致使生豬需求量減少，以上因素都會推動生豬價格的起伏波動。

圖2 生豬價格和生豬疫情寬度指數(shù)(寬度指數(shù)高于0.25表明疫情嚴重)

生豬價格波動相對疫情發(fā)生存在滯后性。觀察二者波動趨勢，最為明顯的滯后表現(xiàn)在2018年2月到2020年初期間，非洲豬瘟持續(xù)近一年半的時間，疫情嚴重程度從2018年3月不斷增加直到2019年初達到頂峰，并且在之后一年逐步下降，疫情寬度指數(shù)從2018年2月的0.17上升到2019年1月的0.74。然而生豬價格上漲卻是從2019年初開始，直到最高點發(fā)生在2020年初，生豬價格從2019年3月的14.35元·kg-1上漲到2020年2月的37.11元·kg-1，明顯存在接近一年的滯后期。滯后原因通常是初期政府的調(diào)控，促使疫情在初期對生豬價格的作用效果較低，而后期市場上小規(guī)模養(yǎng)殖人員在受到前期疫情影響，由于虧損過多或考慮到風險較大，養(yǎng)殖積極性下滑，選擇或暫時或徹底退出養(yǎng)殖，從而引發(fā)對生豬價格的滯后波動效果。

2.4 平穩(wěn)性檢驗

為確保時間序列的平穩(wěn)性，消除偽回歸發(fā)生的情況，對模型中的變量X和Y進行取對數(shù)處理，即疫情寬度指數(shù)的對數(shù)形式記為lnX，生豬價格的對數(shù)形式記為lnY，同時取得lnX的一階差分序列D(lnX)和lnY的一階差分序列D(lnY)。通過ADF檢驗方法考察上述各序列的平穩(wěn)性，檢驗結(jié)果如表1。

由表1可得，lnX變量序列平穩(wěn)、lnY變量序列不平穩(wěn)，但其一階差分序列D(lnX)、D(lnY)序列在檢驗精度1%下平穩(wěn)，通過數(shù)據(jù)平穩(wěn)性檢驗，具備構(gòu)建VAR模型條件。

表1 數(shù)據(jù)平穩(wěn)性檢驗—ADF檢驗

2.5 最優(yōu)滯后階數(shù)判定

本文由AIC、SC、HQ三大信息準則、LR統(tǒng)計量以及FPE對滯后階數(shù)進行判定，由表2可得，LR統(tǒng)計量和最終預測誤差FPE、AIC準則均表明該模型滯后期為10，據(jù)此構(gòu)建VAR(10)模型。

表2 滯后階數(shù)判定

2.6 VAR模型穩(wěn)定性檢驗

在對VAR模型后續(xù)操作前，需要檢驗其穩(wěn)定性，因此計算AR特征多項式的逆根，若特征根的模整體均分布在單位圓內(nèi)部，說明模型具有穩(wěn)定性。結(jié)果如圖3，特征根總體都分布在單位圓內(nèi)部，證明模型VAR(10)具有穩(wěn)定性，適合進行后續(xù)模型的討論。

圖3 AR特征多項式的逆根

2.7 GRANGER因果檢驗

為檢驗生豬價格和疫情之間的因果關(guān)系，即疫情與生豬價格之間是否相互存在預測效果，對此本文使用GRANGER因果檢驗方法進行檢驗，檢驗結(jié)果見表3。

由表3可得，在1%顯著性水平下，X是Y的GRANGER原因，Y不是X的GRANGER原因。說明疫情能夠引發(fā)生豬價格波動，疫情的情況在一定程度上對生豬價格未來一段時間的波動有預測效果，而相反地生豬價格走勢情況對未來疫情發(fā)展情況不具備預測效果。

表3 GRANGER因果檢驗

2.8 脈沖響應(yīng)分析和方差分解

為更全面地對VAR模型做出分析，本文運用Eviews9.0軟件對該VAR(10)模型做出脈沖響應(yīng)圖，分析一段時間內(nèi)生豬價格變量發(fā)生的動態(tài)影響。即模型中的一個變量受到?jīng)_擊時，測試該沖擊效果，發(fā)現(xiàn)這個沖擊效果能否對其余變量產(chǎn)生作用，具體表現(xiàn)為生豬價格對應(yīng)疫情波動發(fā)生的動態(tài)影響，將該變化繪制成變量間的脈沖響應(yīng)圖形，如圖4。

圖4 生豬價格對疫情的動態(tài)響應(yīng)

由圖4所示，生豬價格對疫情的動態(tài)響應(yīng)表現(xiàn)為面對疫情指數(shù)每1單位的正向影響，會促使生豬價格首先做出負向反應(yīng)，如最初4個月響應(yīng)函數(shù)小于0，表現(xiàn)為負向響應(yīng)指數(shù)，即在前4個月整體保持每單位疫情沖擊時生豬價格下降的趨勢，最大負向響應(yīng)程度表現(xiàn)為-0.007，但基本穩(wěn)定在-0.005標準差左右。自第5個月起響應(yīng)程度為0.004即出現(xiàn)正向反應(yīng)，說明此時開始疫情沖擊反而使得生豬價格逐漸上漲，上漲幅度到第11個月達到最高點為0.011標準差，一直到第13個月為0標準差，說明影響趨弱，但自第15個月開始反而逐漸出現(xiàn)向上趨勢的正向反應(yīng)，從-0.001開始到第16個月達到0.004，又在第17個月下降到-0.001及至后期影響波動趨弱與0點相貼近。

總體表明，生豬價格在前4個月受到疫情負向影響，第5個月到第13個月和第15個月至第17個月受到正向影響且在第11個月達到最大程度，并在第17個月開始影響趨于消失。這是因為疫情出現(xiàn)初期，消費者出現(xiàn)恐慌情緒，抗拒消費豬肉，轉(zhuǎn)而尋找替代品，豬肉需求量下降，生豬價格下跌。疫情發(fā)生5～18個月左右時間內(nèi)，疫情影響發(fā)酵，豬肉產(chǎn)量大幅下降，促使市場生豬價格上漲。疫情發(fā)生14～17個月，正值前1年受疫情所困的大量散養(yǎng)戶在第2年選擇退出養(yǎng)豬市場，此時消費者需求處于常態(tài)，而市場生豬供給量大大降低，供不應(yīng)求，疫情帶來的后續(xù)影響開始推動生豬價格不斷上漲。在疫情開始約18個月時間后，受到國家政策安撫，疫情基本得到控制或受到疫苗研發(fā)的利好消息刺激，消費者心理轉(zhuǎn)變，恐慌情緒消除，疫情對生豬價格影響逐漸消失。

方差分解分析作為VAR模型分析的重要部分，可以有效解釋變量之間的具體影響程度及發(fā)展趨勢。由圖4可知，生豬價格對疫情的動態(tài)響應(yīng)在14個月后趨于0，因此，本研究對VAR(10)模型中生豬價格方差分解討論時間為14個月。結(jié)果見表4。

表4 生豬價格的方差分解結(jié)果

從表4第3列(疫情對生豬價格的每月影響程度)可以發(fā)現(xiàn)，疫情對生豬價格波動的影響在第1個月僅為0.001%，在第2個月快速上升到0.790%，并且之后呈上升趨勢，最大影響程度出現(xiàn)在第11個月約8.223%，表明疫情的最大影響的出現(xiàn)大概存在約10個月的滯后效應(yīng)，第11個月后呈緩慢下降趨勢，但仍存在約8%的影響程度。同時對14個月影響程度求均值，得出疫情發(fā)生后對生豬價格的平均影響程度約為5.03%。而市場價格趨勢對生豬價格的影響程度在整個14個月內(nèi)大致呈現(xiàn)出“V”字型，從第1個月的99.999%影響下降至第11個月時的91.777%的影響，而后又略微上升至91.908%，明顯始終高達90%以上的影響程度。表明在疫情發(fā)生14個月內(nèi)，生豬價格的波動主要受到市場價格趨勢的影響，上期的價格會對本期的價格產(chǎn)生較大影響，同時疫情造成的沖擊影響也不可忽視。

3 結(jié)論及建議

3.1 研究結(jié)論

(1)疫情對生豬價格的波動影響呈現(xiàn)持續(xù)性和滯后性。

(2)疫情作為生豬價格的GRANGER原因，反之則不成立，其本身在初期4個月內(nèi)對生豬價格造成直接的負向影響，在中期第5個月到第13個月對生豬價格產(chǎn)生正向影響且影響程度在第11個月達到最大，第15個月至第17個月對生豬價格造成間接性的正向影響，第17個月之后疫情的影響趨于消失。

(3)在疫情發(fā)生后14個月內(nèi)，疫情對生豬價格的平均影響程度約為5.03%，最大影響時滯約10個月，在第11個月時影響達到最大值8.223%，疫情是影響生豬價格的重要因素。

3.2 政策建議

(1)加強疫情凈化，實現(xiàn)高效管控。疫情處理效率影響疫情持續(xù)長度，相關(guān)部門應(yīng)當落實到位各項凈化疫情操作[23]，做到快速高效的根除。整體疫情凈化模式方面，參考國際上控制豬瘟疫病的方式，根據(jù)國內(nèi)疫情范圍廣、蔓延快的特點進行部分改良，強調(diào)以國家統(tǒng)一政策和地方特色措施相結(jié)合，在短期內(nèi)控制住疫情的蔓延擴大。在疫情管控細節(jié)方面，應(yīng)建立以政府為主導、以豬肉企業(yè)為核心、以各大小養(yǎng)殖場為關(guān)鍵的疫情管控體系，對屠宰場、豬場等可能受污染的用具做到及時徹底消毒，對疫病影響區(qū)的生豬、冷凍豬肉實施全面檢測。一旦發(fā)現(xiàn)當?shù)匾咔楹笠杆傧蛏霞壊块T通報，嚴格撲殺當?shù)厥芨腥镜牟∝i并實施無污染焚燒，嚴禁風險區(qū)與非風險區(qū)之間生豬轉(zhuǎn)運，控制感染區(qū)內(nèi)生豬移動，禁止使用垃圾食物和泔水對生豬進行喂養(yǎng)。

(2)提升調(diào)控能力，保證供應(yīng)、穩(wěn)定豬價。一方面，相關(guān)部門應(yīng)當加強調(diào)控，在疫情發(fā)生后市場生豬供給嚴重不足時，加強豬肉主要調(diào)出省份產(chǎn)能布局[24]，適度投放儲備豬肉或擴大進口豬肉量，及時保障市場需求的滿足，降低疫情帶來的市場影響。另一方面，關(guān)注市場豬價的波動，建立價格調(diào)控機制，合理控制價格起伏。對于生豬養(yǎng)殖企業(yè)，相關(guān)部門應(yīng)當嚴格把控企業(yè)產(chǎn)能，杜絕無序生產(chǎn)，避免投機主義加劇生豬市場供需失衡，加強引導作用，適度恢復產(chǎn)能，保證行業(yè)穩(wěn)定發(fā)展。同時，及時發(fā)布官方通報，降低消費恐慌心理，保證民眾消費信心，防止價格出現(xiàn)暴漲暴跌，避免生豬市場混亂。

(3)保障生豬養(yǎng)殖，加快穩(wěn)步復產(chǎn)。首先，要加大疫情后的補助資金投入，對積極主動撲殺病豬的人員給予屠宰獎勵，幫助疫情受損養(yǎng)殖人員的資金回流，推動養(yǎng)殖安全保險和養(yǎng)殖業(yè)生產(chǎn)補貼的全面覆蓋，鼓勵養(yǎng)殖人員在疫情受挫后的再生產(chǎn)，幫助市場生豬存量實現(xiàn)有效恢復[25]。其次，要加強養(yǎng)殖人員的科學防疫知識，廣泛宣傳豬瘟疫病的危害，督促養(yǎng)殖人員提高健康養(yǎng)殖的技術(shù)水平。定期開展科學飼養(yǎng)和有效防疫的宣講，適當進行養(yǎng)豬防疫培訓，邀請專業(yè)養(yǎng)殖技術(shù)人員演講并進行實踐指導。最后，相關(guān)部門對不合格豬場進行升級改造，提高豬場分區(qū)化建設(shè)，分期為養(yǎng)殖場注射各類疫病防護疫苗，加強基礎(chǔ)防控。