基于VAR-NETWORK模型的生猪价格关联网络构建与分析

王品 熊超

摘要：该文以我国2011年至2020年的生猪月度价格为研究对象，利用VAR模型对两两地区进行格兰杰因果关系检验，构建我国生猪价格因果关联网络。通过网络分析得出以下结论：（1）我国生猪价格因果关联网络反映我国各省市生猪价格关联较为紧密，但仍有很大提升空间。（2）生猪价格溢出型省市主要集中在北部、中部和东部地区，而受益型主要集中在西部地区。（3）第四板块地区相对其他板块地区来说，更容易受到来自省外生猪价格波动的影响，其稳定性较差。

关键词：生猪价格  关联网络  VAR模型  格兰杰因果检验  社交网络分析

中图分类号：TP393   文献标识码：A   文章编号：1672-3791（2022）03（a）-0000-00

Construction and Analysis of Live Pig Price Association Network Based on VAR-NETWORK Model

WANG PinXIONG Chao

（Guizhou University of Finance and Economics，Guiyang，Guizhou Province，550025 China）

Abstract： This paper takes the monthly price of pigs in China from 2011 to 2020 as the research object， uses VAR model to test Granger causality in two regions， and constructs the causality correlation network of pig prices in China. The following conclusions are drawn through network analysis： （1） the causal correlation network of pig prices in China reflects that pig prices in various provinces and cities in China are closely related， but there is still much room for improvement. （2） Pig price spillover provinces and cities are mainly concentrated in the north， central and eastern regions， while the benefit type is mainly concentrated in the western region. （3） Compared with other plate regions， the fourth plate region is more vulnerable to the impact of pig price fluctuations outside the province， and its stability is poor.

Key Words： Pig price;Correlation network;VAR model;Granger causality test;Social network analysis

我國猪肉的消费总量占全球消费总量的1/2，且在我国的肉类消费结构中，猪肉的消费量占到了2/3，充分体现猪肉在百姓餐桌上的重要性。根据《中国畜牧业统计年鉴》的统计数据显示，近20年来，我国猪肉产量由2003年的4518.6万t提升到2018年5403.7万t。然而，根据市场规律，某省市的生猪价格不会是独立，必然受到周边省市的生猪价格波动影响。在省际价格关联研究中，也有学者对其进行了实证，谭莹和周建军（2017年）采用杜宾模型研究我国省际猪肉价格的空间传导机制，发现省际间猪肉价格波动空间传导的主要原因是猪肉价格溢出效应，并证明了猪肉价格空间传导效应的存在。因此，研究者认为省市间生猪价格关联及分析全国生猪关联网络格局至关重要。

农产品价格紧系民生，在生猪价格关联的研究中，现有研究已经取到了丰厚的成果。宁攸凉和乔娟（2012年）在研究生猪产业链横向传导机制中，发现在生猪产业链中各环节价格存在长期的均衡关系，并相互影响。在此基础上，夏龙和刘芳（2014年）在国内生猪价格与国际价格的传导机制研究中，发现国际价格对国内价格有均值溢出效应，而国内价格与国际价格之间不存在任何方向的波动溢出。结合已有研究归纳，现有生猪价格关联影响研究中主要分为横向传导和纵向传导两个方向。虽然部分学者使用的方法不一样，导致了结果存在差异。幸运地是这部分研究都得出一个共识：生猪产业链的各环节间以及各省市间都存在长期的相互影响关系。王娅鑫（2019年）较为完整地阐述了在省际视角下生猪价格波动之间的关联关系，但缺少对所构建的生猪关联网络的整体分析，也有学者从地理空间和产业链两个角度构建猪肉价格关联网络，对网络进行社交分析，但构建方法并没有考虑数据特征。因此，该文基于VAR-NETWORK模型对生猪价格关联网络进行构建和分析。

1  生猪价格因果关联网络构建

该文重点在于利用VAR模型构建生猪价格因果关联网络，并分析。其中数据收集至关重要。该文数据来自《中国畜牧业统计年鉴》，时间跨度为2011年1月至2020年12月。该文选取全国30个省市的生猪月度价格为研究对象，对于某时间节点的缺失数据采用均值进行补齐。在构建关联网络的研究中，大多数学者会采用两种方法：一种是基于引力模型，该模型结合经济和地理两个因素测算出两地之间的贸易引力值;另一种是基于VAR模型，从数据本身出发，检验两地区之间是否存在格兰杰因果关系。也就是说，某地会的价格波动会不会受到其他地区价格波动滞后的影响。因影响猪肉价格波动的因素繁多，该文选用了更完整体现数据信息的VAR模型来构建生猪价格因果关联网络。

1.1  平稳性检验

在进行VAR模型构建前，为满足经典假设，需要对原数据进行平稳性检验。该文在结合以往研究后，采用检验结果更为直观的ADF检验法对时间序列数据进行平稳性检验。为了消除物价上涨的影响，首先对原始数据进行对数处理，进行平稳性检验。发现各省市对数化数据均不能通过平稳性检验。需要进行一阶差分，各省市差分数据均通过了平稳性检验。

1.2  VAR模型构建因果关联网络

向量自回归（VAR）模型不仅把内生变量的滞后值纳入系统，还允许有外生变量的滞后值，在价格传导领域得到广泛的应用。其数学表达式为：

其中，是个省市时刻生猪价格序列;是维系数矩阵;是独立分布的30维随机随机变量。在构建VAR模型之前，需要确定模型最优阶数。该文采用AIC最低的方法来确定模型最优阶数。然后，构建两两地区间的VAR模型，每一个模型再进行格兰杰因果检验，该文选取5%作为显著性水平检验结果。

2  生猪价格因果关联网络分析

通过上文构建的VAR模型，进行格兰杰因果关系检验，将存在因果关联的赋值为1，反之赋值为0，构建一个生猪价格因果关联网络。根据关联网络得出关联矩阵，地区间通过检验的有428条，软件计算可得网络密度为0.492，观测到具有价格因果关联接近一半。

2.1  度分析

该文以全国30个省市为研究对象，即节点数为30，节点的度是节点属性中最基本的特征，两个地区之间存在因果关联且具有方向。例如：天津的生猪价格是北京生猪价格的格兰杰因果关系，则两个地区存在边，且方向为天津指向北京。通过软件可归纳出各省市的出入度，如表1所示。

该文将入度大于出度的省市归纳为受益型省市，将入度小于出度的省市归纳为溢出型省市。由表可知，入度排在前五的省市有：宁夏、贵州、甘肃、青海、云南，说明这些省市的生猪价格容易受到周边生猪价格波动的影响。结合这些省市自身情况分析可知，这些省市分布于中国西北和西南地区。这些地区大多为高原、喀斯特地貌或边疆，不具备大规模饲养活猪的最优条件，以散养形式为主，这也造成了省内供给不足的情况，主要依靠省外的调运来满足省内的需求。因此，省内生猪价格很大程度上受到省外生猪价格的影响。出度排在前五的省市有：北京、辽宁、黑龙江、河南、山西，说明这些省市生猪价格不易受到其他省市生猪价格波动的影响。除北京市以外，其他四个省市均具有庞大生猪存栏量，且具有巨大的供应能力，在一定程度上影响了其他省市的生猪价格。

2.2 社团分析

通过度分析，可以明确知道，不同省市的度数是不一样的，这也说明了各省市在整体网络中具有不同角色的作用，充当同样的角色也有可能所处不同的社团，因此该节为了分析整体网络中的社团构建块模型，当社团数选择4时，我们很容易发现，第四板块与其他板块的联系是非常密切了，第四板块的省市大多数为边缘地区、经济欠发达地区，地形和气候都不适合大规模养殖生猪，因此省内供给不足，极需省外调运供应，补充省内供不应求的局面，因此生猪价格相对其他板块来说，更容易受到省外价格波动的影响。第一板块与其他板块的联系排在第二，因为该板块的省市为东北和华东地区，在粮食生产力和储备方面在国内排在前列，拥有很强的生猪供应能力，在很大程度上影响着周围省市的生猪供应，进而影响着其他省市的生猪价格波动。

3 结语

该文利用各省市的生猪月度价格的格兰杰因果关系构建了全国生猪价格因果關联网络，采用节点度分析和社团分析，从局部和整体上分析我国生猪价格关联的分布格局，结果表明：（1）我国生猪价格关联网络密度虽然为0.49，但仍有很大提升空间。（2）我国生猪产业呈现出区域不均衡现象，中东部地区以及北部地区属于生猪价格稳定地区，而西部地区处于生猪价格非稳定地区，极易受到关联省市生猪价格的波动影响。

基于此，该文提出了以下几点参考建议：（1）生猪价格关联密集的区域集中在我国中北东部地区，西部地区较为稀疏，应在西部地区确立中心城市，增强各省市之间的联系。（2）分析发现第四板块地区与其他板块地区具有紧密的联系，同时也反映了第四板块极易受到其他板块生猪价格波动的影响，应增强第四板块的生猪的供需稳定，保证充足的供给力，具有一定的抵御风险能力。

参考文献

[1]   谭莹，周建军，何勤英.我国猪肉价格波动的省际空间传导研究[J].价格理论与实践，2017（5）：65-68.

[2]   ZHANG D B，LI Q，MUGERA A W，etal.AHybrid Model Considering Cointegration for Interval‐valued Pork Price Forecasting in China[J].Journal of Forecasting，2020，39（8）：1324-1341.

[3]   张俊峰.玉米-生猪产业链价格传导机制研究[D].上海：上海交通大学，2019.

[4]   宁攸凉，乔娟，宁泽逵.中国生猪产业链价格传导机制研究[J].统计与决策，2012（10）：96-98.

[5]   夏龙，刘芳.中国生猪价格国际传导中的溢出效应研究[J].农林经济管理学报，2014（6）：628-635.

[6]   王娅鑫.省域视角下生猪价格波动的空间关联研究[D].武汉：华中农业大学，2019.

[7]   LIU M Y，BAI J Y，MA L，et al. Provincial Linkage Characteristics of Hog Price in China Based on Linkage Social Network Analysis Method[J].International Journal of Agricultural and Environmental Information Systems （IJAEIS），2020，11（3）：61-74.

[8]   CAI M S，HUANG G，TAN Y J，etal.Decoding the Complexity of Large-scale Pork Supply Chain Networks in China[J].Industrial Management & Data Systems，2020，120（8）：1483-1500.

[9]   方大春，裴梦迪.房价空间关联网络结构实证分析[J].上海经济研究，2018（1）：63-73.