基于TVP-VAR-SV模型的能繁母豬時變供給反應研究

潘方卉，王寧，鄧昊楠

（東北農業大學經濟管理學院，黑龍江 哈爾濱 150030）

中國是世界上第一大豬肉生產國和消費國，豬肉在畜產品消費序列中也一直占有優勢地位，是大眾主要的肉類消費品[1]，因此保障豬肉供應是關乎民生的重要問題。2017—2021年，連續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。為了有效防止生豬產能的大幅度波動，2021年9月19日，農業農村部制定了《生豬產能調控實施方案（暫行）》，將能繁母豬存欄量作為生豬生產的基礎和市場供應的總開關，以期通過將能繁母豬存欄量保持在合理區間，來實現生豬保供穩價的政策目標。而實現上述政策目標的關鍵就在于探尋影響能繁母豬存欄量波動的關鍵因素，從而找到穩定能繁母豬存欄量的方法和途徑，能繁母豬供給反應研究為解決上述問題提供了理論和方法支撐。

國內外學者對農產品供給反應展開了廣泛且深入的研究，迄今為止最為成熟的模型當屬Nerlove[2]供給反應模型。在早期研究中，各國學者的研究對象主要集中于種植業，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[7]、丁建國等[8]均應用Nerlove供給反應模型對小麥、稻谷、玉米、大豆、蔬菜、棉花等糧經作物的供給反應進行了研究。隨著畜牧業的快速發展以及肉類在居民消費中所占比例的提升，畜牧業產品的供給反應研究正在逐步增多，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進行了研究。近些年，由于受到非洲豬瘟等生豬疫情的影響，生豬產業價格和供給波動劇烈，因此關于生豬供給反應的研究逐步得到了我國學者的重視，相關研究文獻主要也是基于Nerlove供給反應模型，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行為，大多研究結論表明生豬產業供給短期彈性較低，長期彈性較高，但是也有少數學者認為生豬產業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：一類為面板數據模型[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產品供給的影響，僅有少數學者研究疫病、天氣沖擊、能源價格沖擊等隨機因素對農產品供給的影響[17-19]，而且模型均屬于常系數模型，無法反應經濟結構變化對供給反應行為的影響。

有鑒于此，考慮到當前非洲豬瘟等疫情頻發，中美貿易戰、英國脫歐等國際事件引發經濟政策不確定性顯著提升，本文將在Nerlove供給反應模型中引入生豬疫情和經濟政策不確定性指數等隨機因素，構建包含生豬疫情和經濟政策不確定性的能繁母豬供給反應模型；另外，在研究方法上，采用可以反映供給反應行為時變特征的TVP-VAR-SV模型，與常系數模型相比，該模型通過等間隔和不同時點脈沖響應函數，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供給反應路徑及其特征。

綜上，本文將基于能繁母豬供給反應模型，應用TVP-VAR-SV方法分析能繁母豬存欄量對生豬疫情、經濟政策不確定性等影響因素的時變供給反應特征，進而揭示導致能繁母豬存欄量波動的根本原因，借以為養殖戶科學制定生產決策提供重要參考和依據，為政府實現生豬穩定保供政策目標提供合理路徑與建議。

1 研究方法與數據說明

1.1 能繁母豬供給反應模型

依據Nerlove供給反應模型構建的基本方法，即供給反應模型應該由局部調整模型與適應性預期理論模型結合起來構建[20]，局部調整模型形式如下：

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期的預期能繁母豬存欄量或者長期均衡存欄量，λ為預期供給調整系數，且0＜λ≤1，即產量的實際調整數量是預期調整數量的一個比例函數。

適應性預期模型形式如下：

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

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

1）生產成本：生產成本是決定供給的關鍵因素，決定生產成本的主要因素是投入品價格，當一種商品的投入品價格增加時，那么該商品的生產成本就會提升，因此廠商將傾向于減少該商品供給。由于飼料成本是養殖能繁母豬的主要成本，而玉米占飼料成本比重可達60%[22]，因此本文采用玉米價格（PCt）來表示生產成本。

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生重大影響，這些政策既包括產業發展政策，也包括國家宏觀經濟調控政策，這些政策對供給的影響取決于政策制定的目標和實施效果，為了全面反映影響能繁母豬供給決策的政策和經濟環境，本文引入經濟政策不確定性指數（EPUt）作為政策變量。

4）其他特殊因素：每個產業都有影響自身供給的特殊因素，疫病是影響生豬產業供給的重要因素，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月爆發的非洲豬瘟，導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（EPIt）作為能繁母豬存欄量的特殊影響因素。

綜上，假定t期的預期能繁母豬存欄量（Q*t）是養殖戶根據預期的豬仔（或生豬）價格P*t、玉米價格（PCt）、活雞價格（PKt）、經濟政策不確定性指數（EPUt）以及生豬疫情深度指數（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）中變量估計系數為常數，使得模型（5）無法刻畫經濟發生突變時，影響因素的時變特征，因此本文假設模型（5）中的系數為時變參數，服從隨機游走過程，從而揭示能繁母豬存欄量供給反應的時變特征。

1.2 TVP-VAR-SV模型

時變參數向量自回歸模型（TVP-VAR-SV）是由Nakajima等[23]提出的，該模型的系數和協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系的時變與非線性特征，并且能準確地觀測到在不同時間間隔和時點上各經濟變量之間的相互作用機制。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度，而且可以更好地擬合出不同時點的經濟數據。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、生豬疫情深度指數以及經濟政策不確定性指數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，t表示時間，s表示滯后階數；系數βt，εt為殘差項，聯立參數At以及隨機波動協方差矩陣∑t具有時變性，下三角矩陣At與∑t可以表示如下：

假定式（6）中的時變參數服從隨機游走過程，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步驟可以參考Nakajima等[23]。

1.3 數據來源與說明

1）數據選取。本文選取樣本區間為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（EPI）數據均來源于《布瑞克農業數據庫》。經濟政策不確定性指數（EPU）是Baker等[24]利用經濟政策不確定性綜合指數中的新聞指數，以《華南早報》為分析對象，對該報紙每月刊發的關于中國經濟政策不確定性的文章進行識別，將識別結果除以該報紙該月總刊發量計算得到，數據來源于網站www. PolicyUncertainty.com。

2）數據處理。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因素。其次，使用以2000年為基期的居民消費價格指數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（EPI）和經濟政策不確定性指數（EPU）變量做取對數處理，處理后的變量分別使用LQ、LPP、LPH、LPC、LPK、LEPI和LEPU表示。

2 結果與分析

2.1 能繁母豬存欄量動態走勢分析

圖1給出能繁母豬存欄量及其增長率的變動情況，圖中左側坐標軸表示能繁母豬存欄量，右側坐標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），數據來源于2021年9月19日農業農村部頒布的《生豬產能調控實施方案（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《環境保護法》的正式實施，眾多中小型生豬養殖場由于無法滿足環保要求被關停，因此能繁母豬存欄量持續下降，在2017年之后，已經低于最低保有量。2018年，非洲豬瘟疫情的爆發導致大量能繁母豬死亡或被撲殺，因此能繁母豬存欄量呈現大幅度下降態勢，于2019年6月達到最低點。隨后，在國家一系列恢復產能的政策調控下，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，且呈現出正負交替出現的周期波動態勢，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模型中加入生豬疫情變量是十分必要的。

2.2 數據檢驗與模型選擇

由于TVP-VAR-SV模型主要用于平穩時間序列建模，因此需要對變量進行單位根檢驗，檢驗結果見表1。ADF單位根檢驗結果表明，除了疫情深度指數和經濟政策不確定性指數外，其余變量均在5%的顯著性水平上是非平穩的，但其一階差分序列均在1%的顯著性水平上平穩，即為一階單整序列。為了避免使用非平穩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 單位根檢驗結果Table 1 Unit root test results

最后，需要確定模型的最優滯后階數，具體結果見表2。由表2可知，除LR統計量外，FPE、AIC、HQIC和SBIC值均表明，當模型滯后階數為1時，檢驗統計量FPE、AIC、HQIC和SBIC值達到最小。因此，TVP-VAR-SV模型的最優滯后階數設定為1。

表2 最優滯后階數確定Table 2 Determination of the optimal lag order

2.3 參數估計和收斂性診斷

本文采用Matlab R2018a軟件對TVP-VAR-SV模型進行模擬檢驗，MCMC算法抽樣次數設定為10 000次。同時，為了確保獲取的樣本不依賴于初始值的選取，得到更為穩健的估計結果，模擬過程中舍去前1 000次抽取的預抽樣樣本。根據模型估計結果的后驗分布均值、標準差、95%置信區間、Geweke收斂診斷值和無效因子來判斷模型是否有效，詳細結果見表3。

從表3可知，各個參數的后驗分布均值均處在95%的置信區間以內；Geweke值均低于1.96，表明在5%的顯著性水平上不能拒絕參數收斂于后驗分布的零假設，在迭代周期中預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算法對參數的后驗分布進行了有效抽樣。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、生豬疫情以及經濟政策不確定性的動態供給反應。

表3 TVP-VAR-SV模型參數估計結果Table 3 Parameter estimation results of the TVP-VAR-SV model

2.4 等間隔脈沖響應分析

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、生豬疫情和經濟政策不確定性沖擊的等間隔脈沖響應圖。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，各價格沖擊對能繁母豬存欄量具有顯著的影響效應，且短期影響效應顯著大于中期。

具體而言：1）一個標準差正向生豬（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，該結論與經濟理論相符，也和中國學者的研究結論相一致[13-14]。相比之下，能繁母豬存欄量對生豬價格的反應程度明顯大于對豬仔價格的反應程度，表明養殖戶重點依據對生豬價格而非豬仔價格的預期進行生產決策。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定市場的作用，降低了養殖戶面對短期生豬和豬仔價格沖擊的反應程度；其余時間都呈現出不斷提高的態勢，這可能是由于自2015年開始，非洲豬瘟等突發事件頻發，使得生豬和豬仔價格波動水平顯著增加所致。

2）一個標準差正向活雞價格沖擊對能繁母豬存欄量的影響效應是負的，該研究結果與經濟理論是相符合的，即一種商品的替代品價格上漲會導致該商品產量的下降。鑒于活雞是生豬的替代品，因此當活雞價格上漲時，為了能取得更高的預期收入，養殖戶將會更傾向于選擇養殖母雞而非能繁母豬，從而導致能繁母豬存欄量的降低。

3）一個標準差正向玉米價格沖擊對能繁母豬存欄量的影響在2015年前后發生由正轉負的結構性波動，表明玉米價格是能繁母豬存量短期波動的原因，而這種結構性波動可能與玉米市場價格調控政策轉變密切相關。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月政府首次下調玉米收購價格，隨即將玉米市場價格政策轉為“市場化收購”加“補貼”的新機制，玉米價格市場化水平顯著提升。依據經濟學理論可知，玉米價格提高會增加能繁母豬的養殖成本，那么能繁母豬存欄量應該傾向于減少，即一個標準差正向玉米價格沖擊對能繁母豬存欄量的影響應該是負向的。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濟關系。

2.4.2 生豬疫情對能繁母豬存欄量的影響 從短期來看，一個標準差正向生豬疫情沖擊對能繁母豬存欄量的影響是負向的，這主要是由于在動物疫情爆發初期，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呈現出由負轉正的結構性波動，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致生豬價格逐漸增加，進而刺激養殖戶增加能繁母豬存欄量。這就意味著在中長期，養殖戶有足夠的時間根據實際情況調整生產決策，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，養殖戶應對疫情沖擊進行生產決策調整的速度在不斷提高，2013年后，短期的負向影響需經過長期（12個月）才會轉為正向影響，但是2016年后，短期的負向影響經過中期（6個月）即轉為正向影響，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向的，而中長期影響卻主要是正向的，這種影響規律是引發能繁母豬存欄量周期波動的重要原因。

2.4.3 經濟政策不確定性對能繁母豬存欄量的影響

一個標準差正向經濟政策不確定性沖擊對能繁母豬存欄量的影響呈現出正負交替效應，表明經濟政策不確定性沖擊是導致能繁母豬存欄量周期波動的重要原因。再者，經濟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，而且經濟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月之間是負向的，其余時間均為正向，并且隨時間推移表現出不斷擴大態勢。這主要是由于自2013年起，中國經濟政策不確定性指數不斷提升，尤其是2017年之后，中美貿易戰、美國大選和歐債危機等重大沖擊事件頻發導致中國經濟政策不確定性顯著提升。為了應對經濟政策不確定性的負面影響，中國政府提出了實現國內市場大循環和國內國外市場雙循環等一系列拉動內需，促進經濟增長的政策，同時生豬產業也采取相應措施恢復和提升產能，這些政策的實施對增加能繁母豬存欄量起到了積極引導作用。因此，經濟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，但是生豬疫情和經濟政策不確定沖擊會對能繁母豬存欄量產生持久影響。由于經濟政策和生豬疫病均屬于隨機因素，因此導致能繁母豬存欄量周期波動的重要原因是隨機因素沖擊。真實經濟周期理論認為無處不在的隨機因素或者沖擊是真實生活的常態，而這些隨機因素的發生破壞了經濟體應有的平衡，于是產生了經濟周期，真實經濟周期的理論也可以解釋本文的研究結論。

另外，大量研究表明，任何供給和需求沖擊均會影響畜產品價格波動[26-27]，這就意味著隨機因素沖擊可以通過影響供給，進而引發價格波動。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%來源于隨機沖擊。由此可見，能繁母豬存欄量周期波動源于隨機沖擊的結論具有一定理論和現實依據。

2.5 時點脈沖響應分析

依據前文分析可知，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濟政策不確定性（玉米價格），因此，本文以玉米價格、生豬疫情以及經濟政策不確定性變量相關的重大沖擊事件作為選取時點的依據。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的時刻，非洲豬瘟是研究期內生豬產業爆發的最嚴重疫情，導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，此時正是經濟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導致經濟政策不確定性顯著提升。因此，本文將基于上述三個關鍵時點，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、生豬疫情以及經濟政策不確定性沖擊的脈沖響應，具體結果見圖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反應路徑存在顯著差異。

具體而言：1）一個標準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期達到最大，然后逐漸減弱，三個時點上的脈沖響應發展趨勢基本一致，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）一個標準差正向活雞價格沖擊對能繁母豬存欄量的影響是負向的，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向影響較為穩健，幾乎不會受到相關市場政策、經濟以及疫情等外界沖擊的影響。

3）一個標準差正向玉米價格沖擊對能繁母豬存欄量的影響在前3期內為正向，然后轉為負向，這主要是由于短期內，養殖戶無法快速調整產能，短期玉米價格上升僅會推動豬仔和生豬價格上漲，進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殖成本，導致利潤下降，因此養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。因此，能繁母豬養殖戶應該密切關注玉米等飼料價格及其調控政策的變動情況。

其次，一個標準差正向生豬疫情和經濟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期是負向的，隨后轉為正向，呈現出顯著的周期波動態勢，再次證明生豬疫情和經濟政策不確定性是導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向沖擊的響應在第2期達到最大，響應值為-0.000 2；對生豬疫情正向沖擊的響應在第12期達到最大，響應值為0.000 1；能繁母豬存欄量對經濟政策不確定性負向沖擊的響應在第1期達到最大，響應值為-0.000 05，對經濟政策不確定性正向沖擊的響應在第7期達到最大，響應值為0.000 25。通過對比正向和負向沖擊程度可知，相比于正向沖擊，生豬疫情對能繁母豬存欄量的負向沖擊程度更大，且持續期更長；相比于負向沖擊，經濟政策不確定性對能繁母豬存欄量的正向沖擊程度更大，持續期更長。在不同時點上，生豬疫情和經濟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濟政策不確定性程度較高時，會對能繁母豬存欄量產生更大的沖擊。

3 結論與啟示

3.1 研究結論

本文首先構建能繁母豬供給反應模型，然后應用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、生豬疫情以及經濟政策不確定性的時變供給反應，主要研究結論如下：

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，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向沖擊；玉米價格沖擊對能繁母豬存欄量的影響呈現出由正轉負的結構性波動，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，生豬疫情和經濟政策不確定性沖擊對能繁母豬存欄量的影響均呈現出正負交替出現的結構性波動，且生豬疫情（經濟政策不確定性）沖擊對能繁母豬存欄量的負向（正向）影響程度最大，持續期最長。因此，生豬疫情和經濟政策不確定性這兩個隨機因素是導致能繁母豬存欄量周期波動的重要原因，該結論與真實經濟周期理論相符。

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，而較強的生豬疫情和經濟政策不確定性沖擊，也對能繁母豬存欄量產生更大的影響效應。

3.2 政策啟示

首先，提升養殖戶的生豬疫情防范和應對能力。加大生豬產業相關疫病的疫苗研發，采用政府財政補貼等措施積極推進疫苗應用的廣度和深度，同時建立疫情發生的應急響應和預警機制以及各省聯動機制，有效降低生豬疫情對能繁母豬供給的負面沖擊。

其次，降低經濟政策不確定性，提升養殖戶應對經濟政策不確定性沖擊的應變能力。一方面，政府可以通過保持宏觀經濟政策的穩健性，降低對國際市場的依賴度等措施來降低經濟政策不確定性；另一方面，政府應該及時公布經濟政策信息，提升養殖戶對經濟政策變化的預期和應對能力，進而科學地做好生產決策，減少經濟政策不確定性對能繁母豬供給的沖擊力度。

最后，充分應用保險和期貨等經濟手段穩定玉米和生豬價格，降低玉米和生豬市場價格波動風險對能繁母豬存欄量的影響。對于玉米價格來說，養殖戶應該密切關注玉米市場價格政策的調整，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貼，激勵養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，鼓勵養殖企業和規?；B殖戶利用期貨市場規避生豬價格波動風險。