奶牛主產(chǎn)區(qū)奶價波動趨勢預測及穩(wěn)定對策

劉秀娟+劉立爭+趙慧峰

摘要：目前原料奶價格大幅下跌，嚴重打擊了奶農(nóng)的養(yǎng)牛積極性。為了分析奶價波動規(guī)律，預測奶價的未來趨勢，穩(wěn)定奶價，促進奶牛產(chǎn)業(yè)的健康發(fā)展，利用2006—2015年奶牛主產(chǎn)區(qū)原料奶月度價格數(shù)據(jù)，分析奶價的波動特點。根據(jù)ARIMA、灰色預測模型建立綜合集成預測模型，分別對2016年的原料奶價格進行預測，并將3種預測結(jié)果進行對比，證實綜合集成預測效果最好，預測結(jié)果表明，在未來一年奶價將有上漲趨勢。在此基礎(chǔ)上提出穩(wěn)定原料奶價格的對策，即提高原料奶生產(chǎn)者的競爭力、調(diào)節(jié)原料奶的市場供給、增加原料奶的市場黏性、保障奶農(nóng)合理利潤。

關(guān)鍵詞：原料奶價格；價格預測；穩(wěn)定對策；奶牛主產(chǎn)區(qū)；綜合集成預測；ARIMA模型；灰色預測模型

中圖分類號： F323.7 文獻標志碼： A

文章編號：1002-1302（2016）11-0569-05

隨著國民生活水平的提高，社會加大了對畜產(chǎn)品的需求。牛奶作為一種重要的畜產(chǎn)品，已經(jīng)形成了獨立的產(chǎn)業(yè)體系，受市場供求、生產(chǎn)周期等因素影響較大，其價格敏感性不斷增強。2008年“三聚氰胺事件”后，原料奶的價格出現(xiàn)過劇烈的下跌；2013年“奶荒”事件引起奶價急劇攀升；2014年由于奶價的持續(xù)下降，倒奶事件頻發(fā)。2015年農(nóng)業(yè)部下發(fā)《關(guān)于協(xié)調(diào)處理賣奶難穩(wěn)定奶業(yè)生產(chǎn)的緊急通知》，要求各級地方農(nóng)牧部門采取有效措施，確保奶農(nóng)利益。本研究所稱奶牛主產(chǎn)區(qū)是指河北、山西、內(nèi)蒙古、遼寧、黑龍江、山東、河南、陜西、寧夏、新疆等10個?。▍^(qū)），2014年該區(qū)域生鮮乳產(chǎn)量占全國的 78.0%。奶價大幅波動，使當?shù)啬剔r(nóng)陷入高價進口奶牛、倒奶、殺牛的惡性循環(huán)，不利于奶業(yè)的平穩(wěn)、健康發(fā)展，因此采取措施防止奶價大幅波動成為一個現(xiàn)實問題。本研究目的在于對奶牛主產(chǎn)區(qū)原料奶收購價格的波動規(guī)律進行深入分析；預測未來一年奶價的走勢，有助于乳企、奶農(nóng)擬定合理生產(chǎn)計劃；就穩(wěn)定原料奶價格提供政策建議，有利于整個行業(yè)的健康發(fā)展。

1 文獻綜述

1.1 關(guān)于價格研究方面

最早在農(nóng)產(chǎn)品領(lǐng)域進行價格實證預測的是經(jīng)濟學家Henry L. Moore發(fā)表的《經(jīng)濟周期》和《棉花收益和價格的預測》，直接促進了美國20世紀20年代關(guān)于農(nóng)業(yè)供給、需求和價格的研究[1]。1930年美國的Schultz、意大利的Ricci、荷蘭的Tinbergen各自獨立揭示了價格和產(chǎn)量連續(xù)變動關(guān)系，即著名的“蛛網(wǎng)理論”。Kinnucan等分析了農(nóng)場牛奶的價格變化與4大奶制品（流體牛奶、黃油、奶酪和冰淇淋）的零售價格之間的關(guān)系[2]。Westhoff 等分析了1999年12月31日美國乳品價格支持計劃結(jié)束后對美國乳品行業(yè)的影響[3]。

國內(nèi)關(guān)于農(nóng)產(chǎn)品價格的研究起步較晚，具體到奶價的研究較少，近年的研究主要有曹志軍等分析了中國2007年原料奶價格的變化情況及變化的原因，從原料奶生產(chǎn)成本和乳制品銷售終端倒推分析原料奶的合理價格，同時提出保證原料奶合理價格的措施[4]。陳新等分析了上海地區(qū)生奶收購價格與奶牛精料價格比值指數(shù)歷史軌跡，牛奶銷售價格與生奶收購價格的比價關(guān)系，提出了創(chuàng)建生奶價格形成機制的具體建議[5]。于冬旭等從價格體系的角度對原料奶價格進行分析，發(fā)現(xiàn)原料奶混合料比價波動較大，鮮奶原料奶差價波動較小，體現(xiàn)出奶農(nóng)收益的不穩(wěn)定和乳制品加工企業(yè)對利潤的把控性較強[6]。趙建偉等從經(jīng)濟博弈論的角度出發(fā)，通過建立Bertrand模型，分析了宏升村奶牛合作社牛奶利潤減少的經(jīng)濟學原因[7]。白燕飛等采用時間序列分析，通過Granger因果檢驗對進口乳制品價格序列與國內(nèi)乳制品價格序列之間的因果關(guān)系進行檢驗[8]。

1.2 關(guān)于預測方法方面

傳統(tǒng)的價格預測方法有時間序列預測法、因果關(guān)系預測法；目前較為流行的智能預測方法有人工神經(jīng)網(wǎng)絡、灰色系統(tǒng)、遺傳算法、粗糙集、小波分析等。其中，Bessler等為探索畜產(chǎn)品價格的影響因素建立了專家預測、實際價格、期貨價格的向量自回歸模型[9]。Kohzadi等以1950—1990年的月度活牛和小麥價格數(shù)據(jù)為基礎(chǔ)，利用前饋神經(jīng)網(wǎng)絡測度ARIMA和神經(jīng)網(wǎng)絡價格預測性能[10]。Rutherford利用2000年之前的肉、奶平均年增長率，對部分亞洲國家2000—2010年肉、奶的生產(chǎn)量、消費量進行了預測，以測度不同國家的自給自足能力[11]。Schmit等利用當前的總量預測數(shù)據(jù)，結(jié)合現(xiàn)有的供需經(jīng)濟模型，預測未來10年的液體奶和奶酪的零售需求、農(nóng)場牛奶的供應和價格[12]。Vere等將多種模型進行集成，試驗結(jié)果表明集成模型在分析經(jīng)濟問題時沒有帶來不利影響，反而提供了1種比單個模型更有效的評估機制[13]。

國內(nèi)在農(nóng)產(chǎn)品預測方法上呈現(xiàn)多樣化，謝華文利用時間序列自回歸模型和普通回歸模型對近3年來廣西壯族自治區(qū)南寧市的豬肉價格進行了分析預測[14]。錢貴霞等利用CensusX12季節(jié)調(diào)整方法和HP濾波法分析了鮮奶價格數(shù)據(jù)變動、波動周期和季節(jié)性變動，并且利用季節(jié)指數(shù)預測法和Holt-Winters季節(jié)乘積模型對未來2年我國鮮奶價格的變動進行了預測[15]。張瑞榮等運用ARIMA模型對肉雞產(chǎn)品價格進行了模擬分析和預測評價[16]。李寧等運用修正的AIDS模型對內(nèi)蒙古城鎮(zhèn)居民肉類消費結(jié)構(gòu)的變化趨勢進行了實證分析[17]。

縱觀國內(nèi)外文獻發(fā)現(xiàn)，價格的變動有規(guī)律可循，選擇恰當?shù)念A測方法，可以形成合理的預期。國外對奶價的研究集中于變化調(diào)整、預測，既有堅實的理論基礎(chǔ)，也有成熟的研究方法；國內(nèi)主要研究奶價的形成、變動和利益分享，農(nóng)產(chǎn)品價格預測方法比較豐富，但奶價預測研究不多。由于奶牛主產(chǎn)區(qū)原料奶價格是自相關(guān)非平穩(wěn)的時間序列，影響原料奶價格的因素有很多，如供給量、需求量、飼料價格、市場景氣指數(shù)、國際貿(mào)易輸出及輸入量等，而且這些因素又常常存在多重共線性，所以準確找出影響原料奶價格的重要因素進行建模比較困難。但是ARIMA模型在單時序建模中簡單易行，操作步驟規(guī)范，預測精度較高。另外，奶價的變化過程是灰色的，很多影響因素無法定量描述，灰色預測模型可以將影響奶價的各種因素隱含在模型內(nèi)部，對小樣本數(shù)據(jù)預測效果較好。因此，本研究采用ARIMA模型和灰色預測模型對原料奶價格進行擬合并短期預測，最后為避免單個模型預測精度的可能不穩(wěn)定，采用回歸方法進行綜合集成預測。

2 奶牛主產(chǎn)區(qū)原料奶價格波動的特點

2.1 名義價格由上漲轉(zhuǎn)為下跌

自2006年5月以來，奶牛主產(chǎn)區(qū)原料奶的名義價格波動較大，由長期上漲轉(zhuǎn)為下跌（圖1）。2006年價格平穩(wěn)，2007年開始步入上升通道，于2008年3月達到第一個峰值 2.93元/kg，而后進入下降通道直到2009年9月2.31元/kg，接著進入慢漲趨勢直到2014年2月第二個峰值4.26元/kg，隨后進入下降趨勢至2015年5月。從月度價格走勢來看，每年5—8月相對價格最低。

2.2 實際價格在波動中上升

以2010年不變價格為基期，去除CPI對原料奶名義價格的影響，發(fā)現(xiàn)自2006年5月以來，奶牛主產(chǎn)區(qū)原料奶的實際價格波動區(qū)間為2.10～3.75元/kg，有2個明顯的波峰，總體趨勢是波動中上升，2015年價格較低（圖2）。第一個波峰在2008年3月。從3月開始三鹿奶粉屢遭消費者投訴，逐步演變成三聚氰胺事件，在消費者恐慌心理的影響下，原料奶價格一路下滑，到2009年8—9月達到最低點。2009年10月開始，國內(nèi)市場對乳制品的需求逐漸恢復，原料奶價格觸底回升，奶業(yè)開始恢復性增長。第二個波峰出現(xiàn)在2014年2月。隨著2013年奶牛散養(yǎng)戶大量退出，規(guī)?；翀鑫茨芴钛a缺口，主產(chǎn)區(qū)奶牛存欄量、牛奶產(chǎn)量大幅減少，形成“奶荒”，2013年5月開始，原奶收購價格直線攀升，至2014年2月達到最高點，此后進入下滑區(qū)間。

3 研究方法及數(shù)據(jù)說明

3.1 ARIMA模型及建模過程

ARIMA模型即差分自回歸移動平均模型，是博克斯等于20世紀70年代提出的一種時間序列預測方法。ARIMA模型是將非平穩(wěn)時間序列轉(zhuǎn)化為平穩(wěn)時間序列，然后將因變量僅對它的滯后值以及隨機誤差項的現(xiàn)值和滯后值進行回歸所建立的模型。ARIMA模型將預測指標隨時間推移而形成的數(shù)據(jù)序列看作1個隨機序列，這組隨機變量所具有的依存關(guān)系體現(xiàn)著原始數(shù)據(jù)在時間上的延續(xù)性，利用序列過去的觀察值，可以外推出序列的未來值。其模型的一般形式如下式所示：

ARIMA模型的建模過程具體可以分為以下4個步驟，即時間序列的平穩(wěn)性檢驗、確定模型的階數(shù)、參數(shù)估計、診斷檢驗[18]；用建立的ARIMA模型進行預測。

3.2 灰色預測模型及建模過程

灰色預測是一種對含有不確定因素的系統(tǒng)進行預測的方法。灰色預測通過鑒別系統(tǒng)因素之間發(fā)展趨勢的相異程度，并對原始數(shù)據(jù)進行生成處理來尋找系統(tǒng)變動的規(guī)律，生成有較強規(guī)律性的數(shù)據(jù)序列，然后建立相應的微分方程模型，從而預測事物未來發(fā)展趨勢的狀況。該方法用等時距觀測到的反應預測對象特征的一系列數(shù)量值構(gòu)造灰色預測模型，預測未來某一時刻的特征量。本研究預測采用的是對序列進行1次累加生成的處理方式，生成新數(shù)據(jù)序列后建模，最后累減形成預測值，即GM（1，1）。

灰色預測的建模過程具體可以分為以下3個步驟：

（1）對原數(shù)據(jù)進行預處理。計算1次累加生成數(shù)據(jù)y（t）及均值生成數(shù)據(jù)z（t）。設(shè)經(jīng)過預處理的原料奶實際價格數(shù)據(jù)為x（1），x（2），…，x（n），記為X=[x（1），x（2），…，x（n）]。

3.3 綜合集成預測

觀察ARIMA、灰色預測模型的優(yōu)缺點，將這2種模型進行綜合集成，以期獲得更加精確、穩(wěn)定的預測結(jié)果。集成模型采用回歸方法進行，設(shè)y=αx1+βx2，其中，y表示全國原料奶實際價格，x1表示ARIMA模型預測值，x2表示灰色預測值。

3.4 原始數(shù)據(jù)來源

本研究采用2006年5月—2015年5月原料奶收購價格月度數(shù)據(jù)作為分析樣本，共計109個。數(shù)據(jù)來源于河北、山西、內(nèi)蒙古、遼寧、黑龍江、山東、河南、陜西、寧夏、新疆等10個奶牛主產(chǎn)?。▍^(qū)）農(nóng)業(yè)部監(jiān)測的原料奶周度價格，經(jīng)過歸納整理形成月度平均價格。為了剔除通貨膨脹對數(shù)據(jù)的影響，本研究以2010年價格為基期，根據(jù)國際貨幣基金組織測算的中國CPI去除通脹，得到原料奶實際價格作為原始數(shù)據(jù)。

4 原料奶價格變化趨勢預測

4.1 ARIMA模型預測

4.1.1 確定模型的形式

4.2 灰色預測

根據(jù)后驗差檢查結(jié)果，發(fā)現(xiàn)精度滿足要求，可以用此模型進行預測，預測結(jié)果見表2。

4.3 綜合集成預測

集成模型采用回歸方法，設(shè)y=αx1+βx2，其中，y表示原料奶實際價格，x1表示ARIMA模型預測值，x2表示灰色預測值，由SPSS19.0軟件回歸工具確定α=0.587，β=0.407，然后對2種預測數(shù)據(jù)進行集成，集成預測結(jié)果見表3。

4.4 預測精度比較

把3種預測結(jié)果和實際值進行比較，通過分別測定Theil不相等系數(shù)、偏誤比例、方差比例、協(xié)方差比例來判定不同方法的預測精度（表4）。

Theil不相等系數(shù)、偏誤比例、方差比例越小，協(xié)方差比例越接近1，說明預測精度越高。由于灰色預測結(jié)果方差比例最高，Theil不相等系數(shù)最大；ARIMA預測結(jié)果偏誤比例最高；集成預測結(jié)果Theil不相等系數(shù)、偏誤比例最小，協(xié)方差比例接近1（表4）。綜合3種預測結(jié)果，認為集成預測結(jié)果的穩(wěn)定性和預測精度最優(yōu)。2006年5月至2015年5月奶牛主產(chǎn)區(qū)原料奶實際價格數(shù)據(jù)與預測結(jié)果擬合效果見圖3。

5 結(jié)論與穩(wěn)定原料奶價格的政策建議

5.1 結(jié)論

第一，根據(jù)預測結(jié)果，盡管截至2015年5月奶牛主產(chǎn)區(qū)原料奶收購價格還在持續(xù)下跌，但是在未來1年有上漲趨勢。但這基于如下假設(shè)，假設(shè)在預測時間段內(nèi)不發(fā)生重大事件，如疫情、重大食品安全事故等。理論依據(jù)在于，雖然目前下跌還在持續(xù)，但是近年來原料奶的生產(chǎn)成本在不斷上升，而目前的收購價格已經(jīng)逼近原料奶的成本價，隨著雙方的博弈，價格在未來會出現(xiàn)小幅上升，給奶農(nóng)必要的生存空間。第二，由圖3可知，預測值和實際值在2013年8月到2014年10月期間偏差較大，反映出2013年的暴漲和2014年的急跌外在干擾因素較多，如國際市場變化、偶然事件。2014年初期原料奶價格下行是市場自身調(diào)節(jié)的理性回歸。2014年11月至2015年5月奶價持續(xù)下跌已近底部，在市場自身調(diào)節(jié)下將會出現(xiàn)價格反彈。第三，隨著玉米、豆粕等飼料價格的上漲，截至2014年原料奶的價格是在波動中上升。2006—2014年，大幅度的價格波動有2次，分別是2008年、2014年，平均波動周期為4.5年。從月度價格來看，每年5—8月相對價格較低，呈現(xiàn)明顯的季節(jié)變動。

5.2 政策建議

5.2.1 提高主產(chǎn)區(qū)原料奶生產(chǎn)者的競爭力

主產(chǎn)區(qū)奶農(nóng)面對2015年的價格探底，深刻體會到國際競爭的緊迫性。當前國外奶價遠遠低于國內(nèi)，政策性協(xié)調(diào)乳企和奶農(nóng)間利益的行為都是短期的。任何一個理性的乳品企業(yè)，從盈利的角度出發(fā)，必然選擇進口。雖然中國未加入TPP，但是我國已經(jīng)和TPP內(nèi)2大乳制品出口商新西蘭、澳大利亞簽訂了自由貿(mào)易協(xié)定。2015年歐盟取消牛奶配額制度，牛奶產(chǎn)量將會上升，中國市場備受歐盟關(guān)注。雖然國際市場沖擊將持續(xù)存在，但是國內(nèi)奶牛主產(chǎn)區(qū)大都分布于北緯黃金奶帶或大城市周邊，具有良好的產(chǎn)銷地緣優(yōu)勢，所以奶牛主產(chǎn)區(qū)的乳品企業(yè)還是會以國內(nèi)為立足點；但是主產(chǎn)區(qū)的牛奶生產(chǎn)者需要慎重思考如何轉(zhuǎn)型升級，通過降低飼料成本、提高轉(zhuǎn)化率、提高單人養(yǎng)殖規(guī)模、發(fā)展乳肉兼用牛等多種途徑降低原料奶的單位成本，提高原奶質(zhì)量，增加競爭力。

5.2.2 調(diào)節(jié)原料奶的市場供給

根據(jù)蛛網(wǎng)理論，當供給價格彈性大于需求價格彈性時，蛛網(wǎng)模型是發(fā)散的，價格是不穩(wěn)定的。由于國人的飲食結(jié)構(gòu)、消費習慣相對比較穩(wěn)定，所以需求價格彈性較小。原料奶供給價格彈性大，當奶價下跌時，奶農(nóng)就會減產(chǎn)、殺牛，供給大幅波動。所以調(diào)節(jié)原料奶的市場供給，可以增加奶價的穩(wěn)定性。由于原料奶的易腐性，只能通過加工成易保存的奶粉、黃油、奶酪調(diào)節(jié)供需矛盾。而目前乳企和大部分牛奶生產(chǎn)者利益是分離的，所以奶農(nóng)有必要考慮延長產(chǎn)業(yè)鏈，組建加工企業(yè)加工剩余原料奶，根據(jù)市場的需求，調(diào)節(jié)原料奶供應量，減小價格波動。如果奶農(nóng)資金有限，無力發(fā)展加工企業(yè)，也可以委托乳企加工。奶牛主產(chǎn)區(qū)的農(nóng)業(yè)管理部門可以在一定的情況下（若連續(xù)2個月原料奶均價和平均飼料成本之差低于最低保障利潤時），聯(lián)合慈善機構(gòu)以市場價購買奶制品，捐贈給低收入家庭。

5.2.3 增加原料奶的市場黏性

雖然國外原料奶的品質(zhì)、價格優(yōu)勢存在，但是鮮奶保質(zhì)期短（1周左右），且全程運輸、儲藏需冷鏈支持，所以進口乳制品主要以奶粉、黃油、奶酪等固態(tài)形式進入國內(nèi)。奶牛主產(chǎn)區(qū)奶農(nóng)的優(yōu)勢在于生產(chǎn)生鮮乳，所以發(fā)展高品質(zhì)的生鮮乳制品（發(fā)展鮮奶制品店、巴氏奶配送、乳制品原料來源注明屬于復原乳還是生鮮乳），以此吸引消費者群體，保證市場對本地原料奶的需求，是增加其市場黏性的基礎(chǔ)，這是穩(wěn)定價格的關(guān)鍵。

5.2.4 保障奶農(nóng)合理利潤

根據(jù)國家奶牛產(chǎn)業(yè)技術(shù)體系牛場信息監(jiān)測數(shù)據(jù)，2015年2月河北、河南、山東、山西等省場均700頭奶牛，其他奶牛主產(chǎn)區(qū)均高于這一水平。隨著奶牛主產(chǎn)區(qū)以散養(yǎng)為主的模式被徹底打破，直到今天，奶牛養(yǎng)殖業(yè)一直處于不斷變革的高風險狀態(tài)。規(guī)模化養(yǎng)殖快速發(fā)展，基礎(chǔ)設(shè)施不斷升級，轉(zhuǎn)型發(fā)展帶來的持續(xù)資本投入使一些小規(guī)模養(yǎng)殖戶效益下滑、甚至退出奶牛養(yǎng)殖業(yè)。再加上目前國際原料奶價格低迷，乳企降低國內(nèi)原料奶收購價、收購量，使奶農(nóng)的投資毫無保障。因此，為了保障奶農(nóng)可持續(xù)生產(chǎn)能力，分擔轉(zhuǎn)型發(fā)展的成本，在奶農(nóng)利益維護組織和國家價格支持政策缺位的情況下，奶牛主產(chǎn)區(qū)政府有必要根據(jù)平均生產(chǎn)成本設(shè)定目標價格，保障奶農(nóng)的合理利潤。如當主產(chǎn)區(qū)原料奶價格過低時，政府向乳企收購黃油、奶粉、奶酪等儲藏起來，從而保證奶農(nóng)和乳企之間的原料奶價格位于政府設(shè)定的目標價格之上。當奶價回升時，政府再予以出售，以維持原料奶價格基本穩(wěn)定。

參考文獻：

[1]劉慶元，王天春. 市場價格理論與實務[M]. 大連：東北財經(jīng)大學出版社，1998.

[2]Kinnucan H W，F(xiàn)orker O D.Asymmetry in farm-retail price transmission for major dairy products[J].American Journal of Agricultural Economics，1987，69（2）：285-292.

[3]Westhoff P，Brown D S.U.S. dairy sector without price supports[J].Canadian Journal of Agricultural Economics，1999，47（5）：19-27.

[4]曹志軍，李勝利. 2007年中國原料奶價格分析[J]. 中國畜牧雜志，2008（2）：41-46.

[5]陳 新，潘鴻飛. 建立合理的生奶價格形成機制的探討[J]. 中國乳業(yè)，2008（5）：8-10.

[6]于冬旭，張 京. 我國原料奶價格體系分析[J]. 北方經(jīng)濟，2012（12）：17-18.

[7]趙建偉，蘇義坤. 基于經(jīng)濟博弈視角的奶牛合作社原奶價格分析[J]. 安徽農(nóng)業(yè)科學，2014，42（35）：12707-12709.

[8]白燕飛，劉 芳，何忠偉. 液態(tài)奶價格國際傳導機制研究[J]. 中國奶牛2015（6）：43-48.

[9]Bessler D A，Brandt J A. An analysis of forecasts of livestock prices[J]. Journal of Economic Behavior and Organization，1992，18（2）：249-263.

[10]Kohzadi N，Boyd M S，Kermanshahi B，et al.A comparison of artificial neural network and time series models for forecasting commodity prices[J]. Neurocomputing，1996，10（2）：169-181.

[11]Rutherford A S.Meat and milk self-sufficiency in Asia：forecast trends and implications[J]. Agricultural Economics，1999，21（1）：21-39.

[12]Schmit T M，Kaiser H M.Forecasting fluid milk and cheese demands for the next decade[J]. Journal of Diary science，2006，89（12）：4924-4936.

[13]Vere D T，Griffith G R.Structural econometric modeling in Australias livestock production and marketing systems：the potential benefits of model integration for industry analysis[J]. Agricultural Systems，2004，81（2）：115-131.

[14]謝華文. 廣西農(nóng)產(chǎn)品價格預測初探——以南寧市為例[J]. 廣西農(nóng)業(yè)科學，2010（8）：862-865.

[15]錢貴霞，陳 思. 鮮奶零售價格波動規(guī)律與趨勢預測[J]. 農(nóng)業(yè)經(jīng)濟與管理，2011（5）：46-55.

[16]張瑞榮，王濟民，申向明. 肉雞產(chǎn)品價格預測模型分析[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟，2013（8）：23-31.

[17]李 寧，張瑞榮，姜美夷，等. 牧民消費行為差異分析——基于LA/AIDS模型[J]. 經(jīng)濟論壇，2013（9）：112-117.

[18]李 曉，母培松，雷 波，等. 豬肉消費需求預警分析與應用示范研究[J]. 西南農(nóng)業(yè)學報，2011，24（6）：2414-2419.

[19]鄭 莉，段冬梅，陸鳳彬，等. 我國豬肉消費需求量集成預測——基于ARIMA、VAR和VEC模型的實證[J]. 系統(tǒng)工程理論與實踐，2013（4）：918-925.