基于TVP-VAR-SV模型的能繁母豬時變供給反應(yīng)研究

潘方卉，王寧，鄧昊楠

（東北農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，黑龍江 哈爾濱 150030）

中國是世界上第一大豬肉生產(chǎn)國和消費(fèi)國，豬肉在畜產(chǎn)品消費(fèi)序列中也一直占有優(yōu)勢地位，是大眾主要的肉類消費(fèi)品[1]，因此保障豬肉供應(yīng)是關(guān)乎民生的重要問題。2017—2021年，連續(xù)5年的中央一號文件中均將生豬保供作為政府的重要工作目標(biāo)。為了有效防止生豬產(chǎn)能的大幅度波動，2021年9月19日，農(nóng)業(yè)農(nóng)村部制定了《生豬產(chǎn)能調(diào)控實施方案（暫行）》，將能繁母豬存欄量作為生豬生產(chǎn)的基礎(chǔ)和市場供應(yīng)的總開關(guān)，以期通過將能繁母豬存欄量保持在合理區(qū)間，來實現(xiàn)生豬保供穩(wěn)價的政策目標(biāo)。而實現(xiàn)上述政策目標(biāo)的關(guān)鍵就在于探尋影響能繁母豬存欄量波動的關(guān)鍵因素，從而找到穩(wěn)定能繁母豬存欄量的方法和途徑，能繁母豬供給反應(yīng)研究為解決上述問題提供了理論和方法支撐。

國內(nèi)外學(xué)者對農(nóng)產(chǎn)品供給反應(yīng)展開了廣泛且深入的研究，迄今為止最為成熟的模型當(dāng)屬Nerlove[2]供給反應(yīng)模型。在早期研究中，各國學(xué)者的研究對象主要集中于種植業(yè)，如：王德文和黃季熴[3]、張爽[4]、范壟基等[5]、劉宏曼和郭鑒碩[6]、李鎖平和王利農(nóng)[7]、丁建國等[8]均應(yīng)用Nerlove供給反應(yīng)模型對小麥、稻谷、玉米、大豆、蔬菜、棉花等糧經(jīng)作物的供給反應(yīng)進(jìn)行了研究。隨著畜牧業(yè)的快速發(fā)展以及肉類在居民消費(fèi)中所占比例的提升，畜牧業(yè)產(chǎn)品的供給反應(yīng)研究正在逐步增多，辛翔飛等[9]、楊春和王明利[10]、馬林靜和吳娟[11]分別對肉雞、肉牛、肉鴨等市場的供給反應(yīng)進(jìn)行了研究。近些年，由于受到非洲豬瘟等生豬疫情的影響，生豬產(chǎn)業(yè)價格和供給波動劇烈，因此關(guān)于生豬供給反應(yīng)的研究逐步得到了我國學(xué)者的重視，相關(guān)研究文獻(xiàn)主要也是基于Nerlove供給反應(yīng)模型，研究能繁母豬存欄量、生豬或豬肉供給對價格等因素變動的反應(yīng)行為，大多研究結(jié)論表明生豬產(chǎn)業(yè)供給短期彈性較低，長期彈性較高，但是也有少數(shù)學(xué)者認(rèn)為生豬產(chǎn)業(yè)供給的長短期彈性均較低[12]。在研究方法上，主要可以分為兩類：一類為面板數(shù)據(jù)模型[13]，另一類是時間序列模型，如ARIMA模型[14]、誤差修正模型[15-17]。以上這些研究成果重點在于分析價格對農(nóng)產(chǎn)品供給的影響，僅有少數(shù)學(xué)者研究疫病、天氣沖擊、能源價格沖擊等隨機(jī)因素對農(nóng)產(chǎn)品供給的影響[17-19]，而且模型均屬于常系數(shù)模型，無法反應(yīng)經(jīng)濟(jì)結(jié)構(gòu)變化對供給反應(yīng)行為的影響。

有鑒于此，考慮到當(dāng)前非洲豬瘟等疫情頻發(fā)，中美貿(mào)易戰(zhàn)、英國脫歐等國際事件引發(fā)經(jīng)濟(jì)政策不確定性顯著提升，本文將在Nerlove供給反應(yīng)模型中引入生豬疫情和經(jīng)濟(jì)政策不確定性指數(shù)等隨機(jī)因素，構(gòu)建包含生豬疫情和經(jīng)濟(jì)政策不確定性的能繁母豬供給反應(yīng)模型；另外，在研究方法上，采用可以反映供給反應(yīng)行為時變特征的TVP-VAR-SV模型，與常系數(shù)模型相比，該模型通過等間隔和不同時點脈沖響應(yīng)函數(shù)，揭示能繁母豬存欄量在短期（4個月），中期（8個月）和長期（12個月）以及在不同事件沖擊下的動態(tài)供給反應(yīng)路徑及其特征。

綜上，本文將基于能繁母豬供給反應(yīng)模型，應(yīng)用TVP-VAR-SV方法分析能繁母豬存欄量對生豬疫情、經(jīng)濟(jì)政策不確定性等影響因素的時變供給反應(yīng)特征，進(jìn)而揭示導(dǎo)致能繁母豬存欄量波動的根本原因，借以為養(yǎng)殖戶科學(xué)制定生產(chǎn)決策提供重要參考和依據(jù)，為政府實現(xiàn)生豬穩(wěn)定保供政策目標(biāo)提供合理路徑與建議。

1 研究方法與數(shù)據(jù)說明

1.1 能繁母豬供給反應(yīng)模型

依據(jù)Nerlove供給反應(yīng)模型構(gòu)建的基本方法，即供給反應(yīng)模型應(yīng)該由局部調(diào)整模型與適應(yīng)性預(yù)期理論模型結(jié)合起來構(gòu)建[20]，局部調(diào)整模型形式如下：

式中：Qt和Qt-1分別為第t期和t-1期的能繁母豬存欄量，是t-1期的預(yù)期能繁母豬存欄量或者長期均衡存欄量，λ為預(yù)期供給調(diào)整系數(shù)，且0＜λ≤1，即產(chǎn)量的實際調(diào)整數(shù)量是預(yù)期調(diào)整數(shù)量的一個比例函數(shù)。

適應(yīng)性預(yù)期模型形式如下：

一般情況下，t期的預(yù)期能繁母豬存欄量是養(yǎng)殖戶根據(jù)自己的生產(chǎn)條件和預(yù)期的豬仔（或生豬）價格做出決策，即

本文依據(jù)供給理論，對模型（3）進(jìn)行拓展，引入了影響供給的其他關(guān)鍵因素：生產(chǎn)成本、替代品價格、政府政策以及其他特殊因素，具體理論關(guān)系分析如下：

1）生產(chǎn)成本：生產(chǎn)成本是決定供給的關(guān)鍵因素，決定生產(chǎn)成本的主要因素是投入品價格，當(dāng)一種商品的投入品價格增加時，那么該商品的生產(chǎn)成本就會提升，因此廠商將傾向于減少該商品供給。由于飼料成本是養(yǎng)殖能繁母豬的主要成本，而玉米占飼料成本比重可達(dá)60%[22]，因此本文采用玉米價格（PCt）來表示生產(chǎn)成本。

2）替代品價格：如果一種商品的替代品價格上升，那么廠商將更傾向于生產(chǎn)價格更高的替代品，那么該商品的供給量就會下降。參考以往文獻(xiàn)將肉雞作為豬肉替代品的做法[13]，本文將活雞作為生豬替代品，采用活雞價格（PKt）作為替代品價格。

3）政府政策：政府政策也會對供給產(chǎn)生重大影響，這些政策既包括產(chǎn)業(yè)發(fā)展政策，也包括國家宏觀經(jīng)濟(jì)調(diào)控政策，這些政策對供給的影響取決于政策制定的目標(biāo)和實施效果，為了全面反映影響能繁母豬供給決策的政策和經(jīng)濟(jì)環(huán)境，本文引入經(jīng)濟(jì)政策不確定性指數(shù)（EPUt）作為政策變量。

4）其他特殊因素：每個產(chǎn)業(yè)都有影響自身供給的特殊因素，疫病是影響生豬產(chǎn)業(yè)供給的重要因素，豬瘟、豬繁殖與呼吸綜合征、豬丹毒、豬肺疫等疫病，尤其是2018年8月爆發(fā)的非洲豬瘟，導(dǎo)致大量能繁母豬死亡或被捕殺，能繁母豬存欄量大幅度下降。因此，本文引入生豬疫情深度指數(shù)（EPIt）作為能繁母豬存欄量的特殊影響因素。

綜上，假定t期的預(yù)期能繁母豬存欄量（Q*t）是養(yǎng)殖戶根據(jù)預(yù)期的豬仔（或生豬）價格P*t、玉米價格（PCt）、活雞價格（PKt）、經(jīng)濟(jì)政策不確定性指數(shù)（EPUt）以及生豬疫情深度指數(shù)（EPIt）做出決策，即：

最后，綜合方程（1）、（2）和（4），可以得到能繁母豬的供給反應(yīng)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）中變量估計系數(shù)為常數(shù)，使得模型（5）無法刻畫經(jīng)濟(jì)發(fā)生突變時，影響因素的時變特征，因此本文假設(shè)模型（5）中的系數(shù)為時變參數(shù)，服從隨機(jī)游走過程，從而揭示能繁母豬存欄量供給反應(yīng)的時變特征。

1.2 TVP-VAR-SV模型

時變參數(shù)向量自回歸模型（TVP-VAR-SV）是由Nakajima等[23]提出的，該模型的系數(shù)和協(xié)方差矩陣都可以隨時間推移而不斷變化，因此能夠靈活地捕獲各變量之間關(guān)系的時變與非線性特征，并且能準(zhǔn)確地觀測到在不同時間間隔和時點上各經(jīng)濟(jì)變量之間的相互作用機(jī)制。與以往的VAR模型相比，TVP-VAR-SV模型不僅能夠有效地提高估計的精準(zhǔn)度，而且可以更好地擬合出不同時點的經(jīng)濟(jì)數(shù)據(jù)。TVP-VAR-SV模型具體形式如下：

式中：yt是包含能繁母豬存欄量、豬仔價格、生豬價格、玉米價格、活雞價格、生豬疫情深度指數(shù)以及經(jīng)濟(jì)政策不確定性指數(shù)7個變量的列向量；Xt=Ik?（yt-1,yt-2, …,yt-s），?表示Kronecker乘積，Ik是單位矩陣，k是變量個數(shù)，t表示時間，s表示滯后階數(shù)；系數(shù)βt，εt為殘差項，聯(lián)立參數(shù)At以及隨機(jī)波動協(xié)方差矩陣∑t具有時變性，下三角矩陣At與∑t可以表示如下：

假定式（6）中的時變參數(shù)服從隨機(jī)游走過程，如式（9）所示：

式中，βs+1~N(μβ0,∑β0)，αs+1~N(μα0,∑α0)，hs+1~N(μh0,∑h0)。借鑒Nakajima等[23]的研究，進(jìn)一步假定∑β、∑α和∑h為對角矩陣，且滿足分布：

最后，借用貝葉斯推斷并采用馬爾科夫蒙特卡洛（MCMC）抽樣方法模擬抽樣，進(jìn)行測算。對于TVP-VAR-SV模型估計時涉及的先驗分布選取、貝葉斯估計以及蒙特卡洛模擬的詳細(xì)步驟可以參考Nakajima等[23]。

1.3 數(shù)據(jù)來源與說明

1）數(shù)據(jù)選取。本文選取樣本區(qū)間為2009年2月~2020年9月，能繁母豬存欄量（Q）、豬仔價格（PP）、生豬價格（PH）、玉米價格（PC）、活雞價格（PK）、生豬疫情深度指數(shù)（EPI）數(shù)據(jù)均來源于《布瑞克農(nóng)業(yè)數(shù)據(jù)庫》。經(jīng)濟(jì)政策不確定性指數(shù)（EPU）是Baker等[24]利用經(jīng)濟(jì)政策不確定性綜合指數(shù)中的新聞指數(shù)，以《華南早報》為分析對象，對該報紙每月刊發(fā)的關(guān)于中國經(jīng)濟(jì)政策不確定性的文章進(jìn)行識別，將識別結(jié)果除以該報紙該月總刊發(fā)量計算得到，數(shù)據(jù)來源于網(wǎng)站www. PolicyUncertainty.com。

2）數(shù)據(jù)處理。首先采用X-12方法剔除生豬、豬仔、玉米和活雞價格序列中的季節(jié)因素。其次，使用以2000年為基期的居民消費(fèi)價格指數(shù)剔除所有價格序列中的通脹因素。然后，為了降低變量的異方差性，對能繁母豬存欄量（Q）、豬仔價格（PP）、生豬價格（PH）、玉米價格（PC）、活雞價格（PK）、生豬疫情深度指數(shù)（EPI）和經(jīng)濟(jì)政策不確定性指數(shù)（EPU）變量做取對數(shù)處理，處理后的變量分別使用LQ、LPP、LPH、LPC、LPK、LEPI和LEPU表示。

2 結(jié)果與分析

2.1 能繁母豬存欄量動態(tài)走勢分析

圖1給出能繁母豬存欄量及其增長率的變動情況，圖中左側(cè)坐標(biāo)軸表示能繁母豬存欄量，右側(cè)坐標(biāo)軸表示能繁母豬存欄量增長率，上下兩條橫線分別表示能繁母豬正常保有量（4 100萬頭）和最低保有量（3 700萬頭），數(shù)據(jù)來源于2021年9月19日農(nóng)業(yè)農(nóng)村部頒布的《生豬產(chǎn)能調(diào)控實施方案（暫行）》。

從圖1可知，2015年之前，能繁母豬存欄量一直高于正常保有量，2015年之后，由于《環(huán)境保護(hù)法》的正式實施，眾多中小型生豬養(yǎng)殖場由于無法滿足環(huán)保要求被關(guān)停，因此能繁母豬存欄量持續(xù)下降，在2017年之后，已經(jīng)低于最低保有量。2018年，非洲豬瘟疫情的爆發(fā)導(dǎo)致大量能繁母豬死亡或被撲殺，因此能繁母豬存欄量呈現(xiàn)大幅度下降態(tài)勢，于2019年6月達(dá)到最低點。隨后，在國家一系列恢復(fù)產(chǎn)能的政策調(diào)控下，能繁母豬存欄量才開始逐步上升，但是截止到2020年9月，能繁母豬存欄量依然遠(yuǎn)低于最低保有量。

從能繁母豬增長率序列來看，2018年之前，能繁母豬存欄量的波動率較低，且呈現(xiàn)出正負(fù)交替出現(xiàn)的周期波動態(tài)勢，但是2018年之后，由于受到非洲豬瘟的影響，能繁母豬存欄量波動率顯著提升。由此可見，非洲豬瘟對能繁母豬存欄量的影響劇烈，因此在能繁母豬供給反應(yīng)模型中加入生豬疫情變量是十分必要的。

2.2 數(shù)據(jù)檢驗與模型選擇

由于TVP-VAR-SV模型主要用于平穩(wěn)時間序列建模，因此需要對變量進(jìn)行單位根檢驗，檢驗結(jié)果見表1。ADF單位根檢驗結(jié)果表明，除了疫情深度指數(shù)和經(jīng)濟(jì)政策不確定性指數(shù)外，其余變量均在5%的顯著性水平上是非平穩(wěn)的，但其一階差分序列均在1%的顯著性水平上平穩(wěn)，即為一階單整序列。為了避免使用非平穩(wěn)序列估計造成的偽回歸問題，并保持變量處理的一致性，本文對所有序列均進(jìn)行了一階差分處理[25]。因此，本文將基于一階差分后的增長率序列展開研究。

表1 單位根檢驗結(jié)果Table 1 Unit root test results

最后，需要確定模型的最優(yōu)滯后階數(shù)，具體結(jié)果見表2。由表2可知，除LR統(tǒng)計量外，F(xiàn)PE、AIC、HQIC和SBIC值均表明，當(dāng)模型滯后階數(shù)為1時，檢驗統(tǒng)計量FPE、AIC、HQIC和SBIC值達(dá)到最小。因此，TVP-VAR-SV模型的最優(yōu)滯后階數(shù)設(shè)定為1。

表2 最優(yōu)滯后階數(shù)確定Table 2 Determination of the optimal lag order

2.3 參數(shù)估計和收斂性診斷

本文采用Matlab R2018a軟件對TVP-VAR-SV模型進(jìn)行模擬檢驗，MCMC算法抽樣次數(shù)設(shè)定為10 000次。同時，為了確保獲取的樣本不依賴于初始值的選取，得到更為穩(wěn)健的估計結(jié)果，模擬過程中舍去前1 000次抽取的預(yù)抽樣樣本。根據(jù)模型估計結(jié)果的后驗分布均值、標(biāo)準(zhǔn)差、95%置信區(qū)間、Geweke收斂診斷值和無效因子來判斷模型是否有效，詳細(xì)結(jié)果見表3。

從表3可知，各個參數(shù)的后驗分布均值均處在95%的置信區(qū)間以內(nèi)；Geweke值均低于1.96，表明在5%的顯著性水平上不能拒絕參數(shù)收斂于后驗分布的零假設(shè)，在迭代周期中預(yù)抽樣能夠有效使得馬爾科夫鏈趨于集中；無效因子的最大值為61.22，低于一般所能接受的范圍，表明MCMC算法對參數(shù)的后驗分布進(jìn)行了有效抽樣。因此，本文使用TVP-VAR-SV模型可以有效的測定能繁母豬存欄量對生豬價格、豬仔價格、玉米價格、活雞價格、生豬疫情以及經(jīng)濟(jì)政策不確定性的動態(tài)供給反應(yīng)。

表3 TVP-VAR-SV模型參數(shù)估計結(jié)果Table 3 Parameter estimation results of the TVP-VAR-SV model

2.4 等間隔脈沖響應(yīng)分析

圖2給出了能繁母豬存欄量對生豬價格、豬仔價格、玉米價格、活雞價格、生豬疫情和經(jīng)濟(jì)政策不確定性沖擊的等間隔脈沖響應(yīng)圖。等間隔滯后期分別選取滯后4期、8期和12期，借以刻畫短期、中期和長期能繁母豬存欄量的時變供給反應(yīng)特征。

2.4.1 各價格因素沖擊對能繁母豬存欄量的影響 從長期來看，生豬價格、豬仔價格、活雞價格以及玉米價格沖擊對能繁母豬存欄量的影響接近于零，這就表明上述價格因素并不是能繁母豬存欄量長期波動的原因，但是在短期內(nèi)，各價格沖擊對能繁母豬存欄量具有顯著的影響效應(yīng)，且短期影響效應(yīng)顯著大于中期。

具體而言：1）一個標(biāo)準(zhǔn)差正向生豬（豬仔）價格沖擊對能繁母豬存欄量的影響是正的，即生豬（豬仔）價格上漲會提高能繁母豬存欄量，該結(jié)論與經(jīng)濟(jì)理論相符，也和中國學(xué)者的研究結(jié)論相一致[13-14]。相比之下，能繁母豬存欄量對生豬價格的反應(yīng)程度明顯大于對豬仔價格的反應(yīng)程度，表明養(yǎng)殖戶重點依據(jù)對生豬價格而非豬仔價格的預(yù)期進(jìn)行生產(chǎn)決策。另外，生豬（豬仔）價格沖擊對能繁母豬存欄量的影響效應(yīng)在2010—2012年間是下降的，分析原因可能是由于2009年中國開始是豬肉儲備政策，該政策的實施在一定程度上起到了穩(wěn)定市場的作用，降低了養(yǎng)殖戶面對短期生豬和豬仔價格沖擊的反應(yīng)程度；其余時間都呈現(xiàn)出不斷提高的態(tài)勢，這可能是由于自2015年開始，非洲豬瘟等突發(fā)事件頻發(fā)，使得生豬和豬仔價格波動水平顯著增加所致。

2）一個標(biāo)準(zhǔn)差正向活雞價格沖擊對能繁母豬存欄量的影響效應(yīng)是負(fù)的，該研究結(jié)果與經(jīng)濟(jì)理論是相符合的，即一種商品的替代品價格上漲會導(dǎo)致該商品產(chǎn)量的下降。鑒于活雞是生豬的替代品，因此當(dāng)活雞價格上漲時，為了能取得更高的預(yù)期收入，養(yǎng)殖戶將會更傾向于選擇養(yǎng)殖母雞而非能繁母豬，從而導(dǎo)致能繁母豬存欄量的降低。

3）一個標(biāo)準(zhǔn)差正向玉米價格沖擊對能繁母豬存欄量的影響在2015年前后發(fā)生由正轉(zhuǎn)負(fù)的結(jié)構(gòu)性波動，表明玉米價格是能繁母豬存量短期波動的原因，而這種結(jié)構(gòu)性波動可能與玉米市場價格調(diào)控政策轉(zhuǎn)變密切相關(guān)。2015年之前，玉米臨時儲備收購政策的實施支撐玉米價格長期居高不下，2015年9月政府首次下調(diào)玉米收購價格，隨即將玉米市場價格政策轉(zhuǎn)為“市場化收購”加“補(bǔ)貼”的新機(jī)制，玉米價格市場化水平顯著提升。依據(jù)經(jīng)濟(jì)學(xué)理論可知，玉米價格提高會增加能繁母豬的養(yǎng)殖成本，那么能繁母豬存欄量應(yīng)該傾向于減少，即一個標(biāo)準(zhǔn)差正向玉米價格沖擊對能繁母豬存欄量的影響應(yīng)該是負(fù)向的。由此可見，玉米臨時儲備收購政策的實施在一定程度上扭曲了玉米價格與能繁母豬存欄量之間的經(jīng)濟(jì)關(guān)系。

2.4.2 生豬疫情對能繁母豬存欄量的影響 從短期來看，一個標(biāo)準(zhǔn)差正向生豬疫情沖擊對能繁母豬存欄量的影響是負(fù)向的，這主要是由于在動物疫情爆發(fā)初期，大量能繁母豬會因感染疫病而死亡或者被撲殺，因此能繁母豬存欄量會顯著降低。從中長期來看，能繁母豬存欄量對生豬疫情沖擊的脈沖響應(yīng)呈現(xiàn)出由負(fù)轉(zhuǎn)正的結(jié)構(gòu)性波動，分析原因主要是由于疫情初期能繁母豬存欄量的降低會導(dǎo)致生豬價格逐漸增加，進(jìn)而刺激養(yǎng)殖戶增加能繁母豬存欄量。這就意味著在中長期，養(yǎng)殖戶有足夠的時間根據(jù)實際情況調(diào)整生產(chǎn)決策，因此生豬疫情沖擊對能繁母豬存欄量的中長期影響主要是正向的。另外，養(yǎng)殖戶應(yīng)對疫情沖擊進(jìn)行生產(chǎn)決策調(diào)整的速度在不斷提高，2013年后，短期的負(fù)向影響需經(jīng)過長期（12個月）才會轉(zhuǎn)為正向影響，但是2016年后，短期的負(fù)向影響經(jīng)過中期（6個月）即轉(zhuǎn)為正向影響，這也是近些年來能繁母豬存欄量波動顯著提升的主要原因。綜上，短期生豬疫情沖擊對能繁母豬存欄量的影響是負(fù)向的，而中長期影響卻主要是正向的，這種影響規(guī)律是引發(fā)能繁母豬存欄量周期波動的重要原因。

2.4.3 經(jīng)濟(jì)政策不確定性對能繁母豬存欄量的影響

一個標(biāo)準(zhǔn)差正向經(jīng)濟(jì)政策不確定性沖擊對能繁母豬存欄量的影響呈現(xiàn)出正負(fù)交替效應(yīng)，表明經(jīng)濟(jì)政策不確定性沖擊是導(dǎo)致能繁母豬存欄量周期波動的重要原因。再者，經(jīng)濟(jì)政策不確定性沖擊對能繁母豬存欄量的中期影響明顯高于長、短期，而且經(jīng)濟(jì)政策不確定性沖擊對能繁母豬存欄量的影響在2010年9月~2012年7月之間是負(fù)向的，其余時間均為正向，并且隨時間推移表現(xiàn)出不斷擴(kuò)大態(tài)勢。這主要是由于自2013年起，中國經(jīng)濟(jì)政策不確定性指數(shù)不斷提升，尤其是2017年之后，中美貿(mào)易戰(zhàn)、美國大選和歐債危機(jī)等重大沖擊事件頻發(fā)導(dǎo)致中國經(jīng)濟(jì)政策不確定性顯著提升。為了應(yīng)對經(jīng)濟(jì)政策不確定性的負(fù)面影響，中國政府提出了實現(xiàn)國內(nèi)市場大循環(huán)和國內(nèi)國外市場雙循環(huán)等一系列拉動內(nèi)需，促進(jìn)經(jīng)濟(jì)增長的政策，同時生豬產(chǎn)業(yè)也采取相應(yīng)措施恢復(fù)和提升產(chǎn)能，這些政策的實施對增加能繁母豬存欄量起到了積極引導(dǎo)作用。因此，經(jīng)濟(jì)政策不確定性的提高反而有助于增加能繁母豬存欄量。

綜上所述，生豬價格、豬仔價格、活雞價格以及玉米價格沖擊對能繁母豬存欄量的長期影響均趨于0，但是生豬疫情和經(jīng)濟(jì)政策不確定沖擊會對能繁母豬存欄量產(chǎn)生持久影響。由于經(jīng)濟(jì)政策和生豬疫病均屬于隨機(jī)因素，因此導(dǎo)致能繁母豬存欄量周期波動的重要原因是隨機(jī)因素沖擊。真實經(jīng)濟(jì)周期理論認(rèn)為無處不在的隨機(jī)因素或者沖擊是真實生活的常態(tài)，而這些隨機(jī)因素的發(fā)生破壞了經(jīng)濟(jì)體應(yīng)有的平衡，于是產(chǎn)生了經(jīng)濟(jì)周期，真實經(jīng)濟(jì)周期的理論也可以解釋本文的研究結(jié)論。

另外，大量研究表明，任何供給和需求沖擊均會影響畜產(chǎn)品價格波動[26-27]，這就意味著隨機(jī)因素沖擊可以通過影響供給，進(jìn)而引發(fā)價格波動。王明利和李威夷[28]研究也正好表明豬肉價格的長期波動中90%來源于隨機(jī)沖擊。由此可見，能繁母豬存欄量周期波動源于隨機(jī)沖擊的結(jié)論具有一定理論和現(xiàn)實依據(jù)。

2.5 時點脈沖響應(yīng)分析

依據(jù)前文分析可知，影響能繁母豬中長期（短期）周期波動的主要因素是生豬疫情和經(jīng)濟(jì)政策不確定性（玉米價格），因此，本文以玉米價格、生豬疫情以及經(jīng)濟(jì)政策不確定性變量相關(guān)的重大沖擊事件作為選取時點的依據(jù)。具體如下：1）第一個時點是2015年9月，2015年9月中國首次下調(diào)玉米臨時儲備收購價格，玉米價格的市場化改革使得玉米價格自2015年開始呈現(xiàn)出顯著的下降趨勢；2）第二個時點是2018年8月，此時正是非洲豬瘟疫情爆發(fā)的時刻，非洲豬瘟是研究期內(nèi)生豬產(chǎn)業(yè)爆發(fā)的最嚴(yán)重疫情，導(dǎo)致大量能繁母豬和生豬死亡或者被撲殺；3）第三個時點是2020年1月，此時正是經(jīng)濟(jì)政策不確定性較高的時刻，英國脫歐、新冠疫情等一系列事件的爆發(fā)導(dǎo)致經(jīng)濟(jì)政策不確定性顯著提升。因此，本文將基于上述三個關(guān)鍵時點，刻畫不同時點上能繁母豬存欄量對生豬價格、豬仔價格、活雞價格、玉米價格、生豬疫情以及經(jīng)濟(jì)政策不確定性沖擊的脈沖響應(yīng)，具體結(jié)果見圖3。

首先，在不同時點上，生豬價格、豬仔價格、活雞價格以及玉米價格因素沖擊對能繁母豬存欄量的影響均在12期內(nèi)逐步收斂于0，這正好與前面各價格因素沖擊對能繁母豬存欄量的長期影響接近為0的結(jié)論相吻合。但是，不同時點上，能繁母豬存欄量對上述價格沖擊的動態(tài)反應(yīng)路徑存在顯著差異。

具體而言：1）一個標(biāo)準(zhǔn)差生豬和豬仔價格沖擊對能繁母豬存欄量的影響是正向的，并在第2期達(dá)到最大，然后逐漸減弱，三個時點上的脈沖響應(yīng)發(fā)展趨勢基本一致，但是在2020年1月受到的沖擊影響最大，其次是2018年8月，2015年9月所受影響相對較小。

2）一個標(biāo)準(zhǔn)差正向活雞價格沖擊對能繁母豬存欄量的影響是負(fù)向的，且在不同時點上，沒有顯著差別。因此，活雞價格沖擊對能繁母豬存欄量的負(fù)向影響較為穩(wěn)健，幾乎不會受到相關(guān)市場政策、經(jīng)濟(jì)以及疫情等外界沖擊的影響。

3）一個標(biāo)準(zhǔn)差正向玉米價格沖擊對能繁母豬存欄量的影響在前3期內(nèi)為正向，然后轉(zhuǎn)為負(fù)向，這主要是由于短期內(nèi)，養(yǎng)殖戶無法快速調(diào)整產(chǎn)能，短期玉米價格上升僅會推動豬仔和生豬價格上漲，進(jìn)而增加能繁母豬存欄量，但是從長期來看，玉米價格上漲會增加養(yǎng)殖成本，導(dǎo)致利潤下降，因此養(yǎng)殖戶會減少能繁母豬存欄量。玉米價格沖擊對能繁母豬存欄量的影響在2015年9月是最強(qiáng)的，其次是2020年1月，最后是2018年8月，這就表明玉米價格市場化政策沖擊顯著提升了玉米價格對能繁母豬存欄量的影響效應(yīng)。因此，能繁母豬養(yǎng)殖戶應(yīng)該密切關(guān)注玉米等飼料價格及其調(diào)控政策的變動情況。

其次，一個標(biāo)準(zhǔn)差正向生豬疫情和經(jīng)濟(jì)政策不確定性沖擊對能繁母豬存欄量的影響分別在前5期和前2期是負(fù)向的，隨后轉(zhuǎn)為正向，呈現(xiàn)出顯著的周期波動態(tài)勢，再次證明生豬疫情和經(jīng)濟(jì)政策不確定性是導(dǎo)致能繁母豬存欄量周期波動的重要因素。其中，能繁母豬存欄量對生豬疫情負(fù)向沖擊的響應(yīng)在第2期達(dá)到最大，響應(yīng)值為-0.000 2；對生豬疫情正向沖擊的響應(yīng)在第12期達(dá)到最大，響應(yīng)值為0.000 1；能繁母豬存欄量對經(jīng)濟(jì)政策不確定性負(fù)向沖擊的響應(yīng)在第1期達(dá)到最大，響應(yīng)值為-0.000 05，對經(jīng)濟(jì)政策不確定性正向沖擊的響應(yīng)在第7期達(dá)到最大，響應(yīng)值為0.000 25。通過對比正向和負(fù)向沖擊程度可知，相比于正向沖擊，生豬疫情對能繁母豬存欄量的負(fù)向沖擊程度更大，且持續(xù)期更長；相比于負(fù)向沖擊，經(jīng)濟(jì)政策不確定性對能繁母豬存欄量的正向沖擊程度更大，持續(xù)期更長。在不同時點上，生豬疫情和經(jīng)濟(jì)政策不確定性沖擊對能繁母豬存欄量的影響路徑基本一致，但是能繁母豬存欄量在2020年1月和2018年8月受到的影響明顯高于2015年9月，這就表明生豬疫情和經(jīng)濟(jì)政策不確定性程度較高時，會對能繁母豬存欄量產(chǎn)生更大的沖擊。

3 結(jié)論與啟示

3.1 研究結(jié)論

本文首先構(gòu)建能繁母豬供給反應(yīng)模型，然后應(yīng)用TVP-VAR-SV模型研究不同時間間隔和不同時間點上能繁母豬存欄量對生豬價格、豬仔價格、玉米價格、活雞價格、生豬疫情以及經(jīng)濟(jì)政策不確定性的時變供給反應(yīng)，主要研究結(jié)論如下：

1）從長期來看，生豬、豬仔、活雞以及玉米價格沖擊對能繁母豬存欄量的影響均接近于0，即各價格因素沖擊并非能繁母豬存欄量長期波動的主要原因。但是，在短期和中期內(nèi)，各價格因素沖擊對能繁母豬存欄量具有顯著的影響，且短期影響效應(yīng)顯著大于中期。其中，生豬和豬肉價格對能繁母豬存欄量具有正向沖擊，且生豬價格的沖擊效果最為顯著；活雞價格對能繁母豬存欄量具有負(fù)向沖擊；玉米價格沖擊對能繁母豬存欄量的影響呈現(xiàn)出由正轉(zhuǎn)負(fù)的結(jié)構(gòu)性波動，表明玉米價格是能繁母豬存欄量短期波動的主要原因。

2）從中長期來看，生豬疫情和經(jīng)濟(jì)政策不確定性沖擊對能繁母豬存欄量的影響均呈現(xiàn)出正負(fù)交替出現(xiàn)的結(jié)構(gòu)性波動，且生豬疫情（經(jīng)濟(jì)政策不確定性）沖擊對能繁母豬存欄量的負(fù)向（正向）影響程度最大，持續(xù)期最長。因此，生豬疫情和經(jīng)濟(jì)政策不確定性這兩個隨機(jī)因素是導(dǎo)致能繁母豬存欄量周期波動的重要原因，該結(jié)論與真實經(jīng)濟(jì)周期理論相符。

3）玉米價格市場化改革沖擊顯著提升了玉米價格對能繁母豬存欄量的影響效應(yīng)，而較強(qiáng)的生豬疫情和經(jīng)濟(jì)政策不確定性沖擊，也對能繁母豬存欄量產(chǎn)生更大的影響效應(yīng)。

3.2 政策啟示

首先，提升養(yǎng)殖戶的生豬疫情防范和應(yīng)對能力。加大生豬產(chǎn)業(yè)相關(guān)疫病的疫苗研發(fā)，采用政府財政補(bǔ)貼等措施積極推進(jìn)疫苗應(yīng)用的廣度和深度，同時建立疫情發(fā)生的應(yīng)急響應(yīng)和預(yù)警機(jī)制以及各省聯(lián)動機(jī)制，有效降低生豬疫情對能繁母豬供給的負(fù)面沖擊。

其次，降低經(jīng)濟(jì)政策不確定性，提升養(yǎng)殖戶應(yīng)對經(jīng)濟(jì)政策不確定性沖擊的應(yīng)變能力。一方面，政府可以通過保持宏觀經(jīng)濟(jì)政策的穩(wěn)健性，降低對國際市場的依賴度等措施來降低經(jīng)濟(jì)政策不確定性；另一方面，政府應(yīng)該及時公布經(jīng)濟(jì)政策信息，提升養(yǎng)殖戶對經(jīng)濟(jì)政策變化的預(yù)期和應(yīng)對能力，進(jìn)而科學(xué)地做好生產(chǎn)決策，減少經(jīng)濟(jì)政策不確定性對能繁母豬供給的沖擊力度。

最后，充分應(yīng)用保險和期貨等經(jīng)濟(jì)手段穩(wěn)定玉米和生豬價格，降低玉米和生豬市場價格波動風(fēng)險對能繁母豬存欄量的影響。對于玉米價格來說，養(yǎng)殖戶應(yīng)該密切關(guān)注玉米市場價格政策的調(diào)整，利用玉米飼料成本“保險+期貨”模式提前鎖定玉米價格；對于生豬價格來說，政府可以積極開展生豬保險補(bǔ)貼，激勵養(yǎng)殖戶購買生豬價格保險，其次，加大生豬期貨等金融知識宣講和普及，鼓勵養(yǎng)殖企業(yè)和規(guī)?；B(yǎng)殖戶利用期貨市場規(guī)避生豬價格波動風(fēng)險。