饲料价格、生猪价格的波动与传导机制分析 ——基于时间序列数据的实证研究

众所周知，猪肉是我国最主要的肉类食品，我国也是世界上最大的猪肉消费国以及生猪生产国，猪肉作为我国饮食的主要肉类，2016年我国猪肉产量达到5 299.15万吨。生猪价格水平不仅影响着农民的收入，还显著影响着我国居民的生活质量。饲料价格的变动与猪肉价格的变动紧密相关，为保障猪肉的有效供给，促进生猪产业的健康发展，研究生猪价格与饲料价格的波动关系与传导机制显得尤为重要。

1 模型简介

1.1 模型的选择

向量自回归模型（简称VAR模型）通常用于研究分析不同类型的随机变量扰动项对系统变量的动态影响，使用这一模型，借助脉冲响应分析、方差分解等方法，分析不同因素是如何引起生猪价格波动以及其影响的大小。然而我国生猪价格的波动存在着很强的时间趋势性，不满足时间序列的平稳性条件，如果把它直接进行回归分析，“伪回归”问题会因此产生，即虽然模型有较高的拟合程度及显著的T统计量，但并不存在模型所反映的变量关系。为了避免这种现象发生，进行计量分析之前，先进行协整检验，然后才可以进行脉冲响应分析和方差分解。

1.2 变量的选择以及数据处理

我国生猪价格剧烈波动是由供求关系和价值规律两者共同作用的结果，其影响因素包括供给、需求因素和外部冲击。通过对这三类生猪价格影响因素的分析，我们对变量进行筛选，最终采用生猪价格、猪肉价格、玉米价格、豆粕价格等四个变量。为了便于分析，运用定价价格指数，将价格数据调整为价格指数，本文选取2017年10月-2008年1月的月度统计数据，其中玉米价格和猪肉价格的数据全部来自布瑞克农产品数据库，生猪价格和豆粕价格月度数据来自《中国统计年鉴》[1]。其中玉米价格指数用P1表示，猪肉价格指数用P2表示，豆粕价格指数用P3表示，生猪价格指数用P5表示，为避开数据中可能存在的异方差问题，使数据具备更好的特性，可以对原始数据先进行取对数处理，然后分别用LNP1、LNP2、LNP3、LNP4表示。

2 实证分析

用玉米价格（P1）、猪肉价格 (P2)、豆粕价格（P3）、生猪价格（P5）的波动关系实证分析，分别选用单位根检验、Johansen协整检验、格兰杰因果关系检验、脉冲响应函数、方差分解分析方法对价格的关系进行实证分析[2]。

2.1 单位根检验

为避免时间序列可能存在的异方差的影响，分别对玉米价格P1、猪肉价格P2、豆粕价格P3、生猪价格 P5进行取对数，以 LNP1、LNP2、LNP3、LNP5表示。首先选用ADF单位根检验方法检验LNP1、LNP2、LNP3的平稳性[3]。表1的检验结果表明，玉米、猪肉、生猪价格序列都是非平稳时间序列，而各自的一阶差分都是平稳的，即三者是同阶单整序列，所以满足协整检验的前提条件。

2.2 Johansen协整检验

为探究玉米价格、猪肉价格、豆粕价格、生猪价格之间的关系，本研究对LNP1、LNP2、LNP3、LNP5序列做Johansen协整检验，来检验各变量间是否存在长期稳定的均衡关系。从表2可知，在5%的显著水平下拒绝原假设，检验表明在5%的水平下含有1个协整关系。因此确定玉米价格、豆粕价格、生猪价格、猪肉价格之间，在5%的显著水平上存在长期的稳定均衡关系[4]。

由表6可知，猪肉价格波动主要受自身因素的影响，其贡献率达到68.85%；玉米价格上涨对猪肉价格波动的贡献率为12.86%；豆粕价格上涨对猪肉价格波动的贡献率为13.09%；生猪价格上涨对猪肉价格波动的贡献率为5.20%。

 

表1 单位根检验结果

  

注：DLNP1、DLNP2、DLNP3、DLNP4、DLNP5为相应的一阶差分，最优滞后期数由AIC准则确定。

 

变量 ADF统计量 1%临界值 5%临界值 10%临界值 P值 是否平稳LNP1 -1.317 009 -4.039 075 -3.449 020 -3.149 720 0.878 8 否DLNP1 -7.176 063 -4.039 075 -3.449 020 -3.149 720 0.000 0 是LNP2 -3.105 154 -4.039 075 -3.449 020 -3.149 720 0.110 0 否DLNP2 -6.091 449 -4.039 075 -3.449 020 -3.149 720 0.000 0 是LNP3 -2.309 995 -4.038 365 -3.448 681 -3.149 521 0.425 0 否DLNP3 -9.427 836 -4.039 075 -3.449 020 -3.149 720 0.000 0 是LNP5 -3.011 603 -4.039 075 -3.449 020 -3.149 720 0.133 6 否DLNP5 -6.966 935 -4.039 797 -3.449 365 -3.149 922 0.000 0 是

 

表2 Johansen协整关系检验结果

  

原假设 特征值 迹检验统计值 5%临界值 P值无⋆ 0.210 049 54.990 33 47.856 13 0.009 2至多有1个协整方程 0.132 432 27.639 32 29.797 07 0.087 0至多有2个协整方程 0.073 987 11.160 24 15.494 71 0.201 9至多有3个协整方程 0.019 157 2.2437 29 3.8414 66 0.134 2

表2中第一行的数据是检验4个时间序列之间是否存在协整关系。由特征值和迹统计量的值可知，在5%显著性水平下的零假设是被拒绝的，说明4个时间序列之间存在1个长期协整关系。

2.3 格兰杰因果关系检验

前文所述检验结果只能解释变量之间是否存在长期的均衡关系，并不能证明这种关系是否构成因果关系。格兰杰因果检验是考察变量间因果关系较为简便的方法，两个变量中，一个为解释变量，另一个为被解释变量做回归，可添加两个变量的滞后项作为解释变量。如果得到回归系数及方程都是显著的，则称解释变量格兰杰导致被解释变量[5]。检验结果见表3。

图5表示生猪价格对玉米价格、猪肉价格和豆粕价格一个标准差大小信息冲击的反应。生猪价格对猪肉价格冲击的响应滞后1期，为较强的正响应，且在第3期达到峰值；生猪价格对玉米价格冲击响应滞后1期，为正响应，第3期以后趋于平稳；生猪价格对藕片价格冲击的响应滞后1期，且呈现较强的负响应。

 

表3 格兰杰因果关系检验

  

原假设 F统计值 P值 结论DLNP2不是DLNP1的格兰杰原因 0.169 81 0.681 1接受DLNP1不是DLNP2的格兰杰原因 0.072 83 0.787 8接受DLNP3不是DLNP1的格兰杰原因 0.373 41 0.542 4接受DLNP1不是DLNP3的格兰杰原因 0.086 32 0.769 5接受DLNP5不是DLNP1的格兰杰原因 3.073 11 0.019 5⋆⋆拒绝DLNP1不是DLNP5的格兰杰原因 1.595 41 0.181 1接受DLNP3不是DLNP2的格兰杰原因 0.080 45 0.777 2接受DLNP2不是DLNP3的格兰杰原因 0.322 89 0.571 0接受DLNP5不是DLNP2的格兰杰原因 2.194 06 0.091 3拒绝DLNP2不是DLNP5的格兰杰原因 1.276 71 0.260 9接受DLNP5不是DLNP3的格兰杰原因 2.395 38 0.095 9⋆拒绝DLNP3不是DLNP5的格兰杰原因 0.005 69 0.994 3接受

由表3可知：（1）玉米价格和猪肉价格之间的关系。以68.11%的临界概率接受“DLNP2不是DLNP1的格兰杰原因”，以78.78%的临界概率接受“DLNP1不是DLNP2的格兰杰原因”，所以玉米价格与生猪价格之间互相没有格兰杰因果关系。（2）玉米价格和豆粕价格之间的关系。以54.24%的临界概率接受“DLNP3不是DLNP1的格兰杰原因”，以76.95%的临界概率接受“DLNP1不是DLNP3的格兰杰原因”，所以玉米价格和豆粕价格之间互相没有格兰杰因果关系[6-9]。（3）玉米价格和生猪价格之间的关系。以1.95%的临界概率拒绝“DLNP5不是DLNP1的格兰杰原因”，即“DLNP5是DLNP1的格兰杰原因”，以18.11%的临界概率接受“DLNP1不是DLNP5的格兰杰原因”，因此生猪价格是玉米价格的格兰杰原因，而玉米价格不是生猪价格的格兰杰原因。（4）猪肉价格和豆粕价格之间的关系。以77.22%的临界概率接受“DLNP3不是DLNP2的格兰杰原因”，以57.10%的临界概率接受“DLNP2不是DLNP3的格兰杰原因”，因此生猪价格与豆粕价格互相没有格兰杰因果关系。（5）猪肉价格和生猪价格之间的关系。以9.13%的临界概率拒绝“DLNP5不是DLNP2的格兰杰原因”，以26.09%的临界概率接受“DLNP2不是DLNP5的格兰杰原因”，因此猪肉价格是生猪价格的格兰杰原因，而猪肉价格不是生猪价格的格兰杰原因。（6）豆粕价格与生猪价格之间的关系。以9.59%的临界概率拒绝“DLNP5不是DLNP3的格兰杰原因”，以99.43%的临界概率接受“DLNP3不是DLNP5的格兰杰原因”[10-14]，因此生猪价格是豆粕价格的格兰杰原因，而豆粕价格不是生猪价格的格兰杰原因。

同时，格兰杰因果关系检验结果显示，玉米价格、豆粕价格分别与猪肉价格没有显著的格兰杰因果关系，究其原因，可能是中间商通过购买较低成本的生猪后加价高价卖出加工后的猪肉，获得了更多的利润，市场秩序在一定程度上也受到了干扰[15]。

2.4 VAR模型进行最佳滞后项选择

建立VAR（1）模型重新进行估计，进行稳定性检验，所有VAR特征多项式的逆根都位于单位圆内，表明模型结构比较稳定，拟合效果较好，结果如图1所示。

利用方差分解技术分析饲料价格、生猪价格、猪肉价格三者之间的关系的变动情况。LNP1、LNP2、LNP3、LNP5价格的方差分解分别见表5～表8。

对VAR模型进行最佳滞后项选择，由表4可见，给出了0～8阶VAR模型的对数似然值、似然比、最终预测误差（FPE）、赤池信息准则（AIC）、施瓦茨准则（SC）和HQ统计量，并以“*”标记出相应准则选择出来滞后阶数，最佳滞后阶数为1。

  

图1 滞后阶数为1的VAR特征多项式逆根

2.5 脉冲响应函数

通过协整分析与格兰杰因果检验滞后，对4个变量进行脉冲响应分析。图2～图5采用正交化方法和Cholesky因子技术，建立DLNP1、DLNP2、DLNP3、DLNP5等四个变量中任意一个变量对另外3个变量影响因素的脉冲响应函数。图中横坐标表示冲击作用的滞后期数（单位：月），纵坐标表示因变量对解释变量的响应程度（单位：%）。

图2表示玉米价格对猪肉价格、豆粕价格、生猪价格一个标准差大小信息冲击的反应。玉米价格对猪肉价格冲击的响应滞后3期，为负响应；玉米价格对豆粕价格冲击响应滞后1期，且呈现较强的正响应，第2到第6期的响应相对平稳；玉米价格对生猪价格冲击的响应滞后1期，且呈现较强的负响应[16-18]。

  

图2 LNP1 对LNP2LNP3、LNP5 一个标准差大小信息冲击的反应

图3表示猪肉价格对玉米价格、豆粕价格、生猪价格一个标准差大小信息冲击的反应。猪肉价格对玉米价格冲击的响应滞后1期，且呈现较强的正响应；猪肉价格对豆粕价格冲击响应滞后1期，且呈现较强的负响应；猪肉价格对生猪价格冲击的响应滞后1期，且呈现较强的正响应，且在第6期达到峰值。

  

图3 LNP2对LNP1、LNP3、LNP5一个标准差信息大小冲击的反应

 

表4 VAR模型最佳滞后阶数选择指标值

  

注：⋆表示在相应指标下，影响显著的滞后阶数。

 

滞后阶数 对数似然值 似然比 最终预测误差 赤池信息准则 施瓦茨准则 HQ统计量0 793.927 3 NA 5.96e-12 -14.494 08 -14.395 31⋆ -14.454 03 1 830.435 9 69.667 76⋆ 4.09e-12⋆ -14.870 38⋆ -14.376 56 -14.670 12⋆2 839.944 4 17.446 75 4.62e-12 -14.751 27 -13.862 39 -14.390 80 3 846.534 8 11.608 80 5.50e-12 -14.578 62 -13.294 67 -14.057 93 4 860.085 6 22.874 76 5.79e-12 -14.533 68 -12.854 67 -13.852 78 5 868.295 1 13.255 70 6.74e-12 -14.390 74 -12.316 67 -13.549 63 6 877.215 4 13.748 78 7.78e-12 -14.260 83 -11.791 71 -13.259 51 7 887.520 1 15.126 20 8.81e-12 -14.156 33 -11.292 15 -12.994 80 8 896.088 7 11.948 84 1.04e-11 -14.019 98 -10.760 73 -12.698 23

图4表示豆粕价格对玉米价格、猪肉价格、生猪价格一个标准差大小信息冲击的反应。豆粕价格对猪肉价格冲击的响应滞后1期，在前7期为正响应，第8期以后为负响应；豆粕价格对玉米价格冲击响应滞后1期，且呈现较强的正响应，在第3期达到峰值；豆粕价格对生猪价格冲击的响应滞后1期，且呈现较强的负响应，且在第5期达到峰值，随后逐渐下降。

  

图4 LNP3对LNP1、LNP2、LNP5一个标准差信息大小冲击的反应

为保证消防车辆全力救灾，美丰加蓝积极行动、统筹协调，与当地经销商携手，迅速成立“美丰加蓝支持灾区建设服务队”，并携带美丰车用尿素及加注设备前往青州消防支队和救灾前线，为消防车辆提供美丰车用尿素及加注服务。

  

图5 LNP5对LNP1、LNP2、LNP3一个标准差信息大小冲击的反应

2.6 方差分解

充电工作模式下,控制充电电流I1保持在2 A,调节直流稳压电源输入电压U2,测量电路的输入电流I2,输出电压U1,则充电效率为:如表1所示。

（1）利用Johansen协整检验，我们发现玉米价格、猪肉价格、豆粕价格、生猪价格之间存在长期稳定的协整关系。

与我国经济社会发展相适应，当今社会所需要的不仅仅是服务于生产一线的操作工，更是大量有知识、高技能、应用型、创新型的技能型人才．这些试题考查学生独立思考，灵活应用所学知识分析问题，通过理论联系实际最终解决问题的实践和创新能力．这体现了“高考作为教育的重要手段和必要环节，要有利于创新人才的培养和选拔，要把考查独立思考、 创新精神和实践能力作为重要的考试内容．在命题中联系实际，深入探索考试的内容创新、形式创新、方法创新和手段创新，引导学生进行独立思考和创新实践，考查学生创新意识和创新素养，发挥高考在人才培养和选拔中的积极作用”[6]．

由表5可知，玉米价格波动主要受自身因素的影响，其贡献率达到81.41%；猪肉价格上涨对玉米价格波动的贡献率为0.73%；豆粕价格上涨对玉米价格波动的贡献率为1.33%；生猪价格上涨对玉米价格波动的贡献率为16.53%。

 

表5 LNP1价格的方差分解

  

注：第二列是标准差，第三列至六列分别代表玉米价格、猪肉价格、豆粕价格和生猪价格

 

时期 标准差 LNP1 LNP2 LNP3 LNP5 1 0.025 040 100.000 0 0.000 000 0.000 000 0.000 000 2 0.041 485 99.329 00 0.000 391 0.487 445 0.183 164 3 0.053 799 98.319 64 0.000 293 0.677 192 1.002 876 4 0.063 364 96.663 70 0.004 401 0.680 252 2.651 646 5 0.071 251 94.371 04 0.023 474 0.641 503 4.963 979 6 0.078 086 91.710 44 0.071 574 0.622 134 7.595 857 7 0.084 195 88.958 49 0.161 355 0.652 656 10.227 50 8 0.089 755 86.287 92 0.300 398 0.761 810 12.649 87 9 0.094 875 83.770 80 0.489 947 0.978 634 14.760 62 10 0.099 630 81.418 21 0.725 628 1.326 502 16.529 66

挤密桩试验的布桩试验施工完成后，在土挤密桩形成强度7d后，应委托第三方检测机构进行检测，检测从处理面起至设计深度每隔1m取样，进行室内土工试验，检测项目有：土的含水量、密度、比重、饱和度、孔隙率、液限、塑限、压缩系数、塑性指数、压缩模量、抗剪强度、湿陷系数。在设计指标能够满足的情况下尽可能使桩间距增大以节省投资，若不能满足，则继续缩小桩间距或增大孔径。取样完成后的取样孔回填中粗沙，灌水沉降稳定。依靠此实验确定满足设计参数后，才能进入正式施工。

 

表6 LNP2价格的方差分解

  

时期 标准差 LNP1 LNP2 LNP3 LNP5 1 0.041 559 6.202 146 93.797 85 0.000 000 0.000 000 2 0.071 367 5.333 261 93.937 19 0.087 139 0.642 413 3 0.094 699 5.416 273 92.213 00 0.435 213 1.935 514 4 0.112 602 6.072 731 89.362 41 1.135 081 3.429 776 5 0.126 402 7.093 073 85.934 49 2.251 438 4.721 001 6 0.137 226 8.308 449 82.314 73 3.814 464 5.562 361 7 0.145 935 9.577 137 78.723 29 5.797 094 5.902 478 8 0.153 163 10.794 35 75.259 05 8.105 295 5.841 309 9 0.159 357 11.897 11 71.960 91 10.591 45 5.550 529 10 0.164 812 12.860 36 68.851 90 13.085 94 5.201 793

由表7可知，豆粕价格波动主要受自身因素的影响，其贡献率达到88.94%；玉米价格上涨对豆粕价格波动的贡献率为6.00%；猪肉价格上涨对豆粕价格波动的贡献率为0.62%；生猪价格上涨对豆粕价格波动的贡献率为4.44%。

由表8可知，生猪价格波动主要受猪肉价格的影响，其贡献率达到39.43%；玉米价格上涨对生猪价格波动的贡献率为0.13%；豆粕价格上涨对生猪价格波动的贡献率为29.96%；受自身波动影响的贡献率为30.48%。

壳牌煤气化装置中，煤粉中间储仓有1套称重系统，用于检测所使用的煤量。在生产过程中，煤流量直接影响氧/煤比的计算及气化炉反应窗口的控制[1]，甚至影响装置的安全稳定运行。目前还没有能直接测量煤流量的仪表，只能通过速度计和密度计间接计算得到。在开车初期，需要用校准后的煤质量作为参考来标定4条煤线上的速度计及密度计。因此，称重仪表的准确与否至关重要，必须从选型、安装、标定等方面进行严格把控。

 

表7 LNP3价格的方差分解

  

时期 标准差 LNP1 LNP2 LNP3 LNP5 1 0.056 265 3.915 935 1.146 037 94.938 03 0.000 000 2 0.081 966 3.976 014 1.130 166 94.332 04 0.561 780 3 0.099 234 4.197 094 1.029 834 93.320 76 1.452 310 4 0.111 580 4.491 815 0.913 299 92.252 13 2.342 755 5 0.120 586 4.805 305 0.813 063 91.296 83 3.084 807 6 0.127 168 5.106 263 0.737 858 90.519 04 3.636 840 7 0.131 958 5.379 445 0.685 679 89.923 13 4.011 751 8 0.135 429 5.619 468 0.651 351 89.484 61 4.244 575 9 0.137 941 5.826 395 0.629 805 89.169 50 4.374 302 10 0.139 763 6.002 928 0.617 082 88.944 87 4.435 119

 

表8 LNP5的方差分解

  

时期 标准差 LNP1 LNP2 LNP3 LNP5 1 0.035 311 1.264 644 34.318 46 0.384 973 64.031 93 2 0.058 834 0.710 290 40.211 50 0.681 715 58.396 49 3 0.077 165 0.431 078 43.806 60 2.132 619 53.629 71 4 0.091 773 0.305 251 45.508 71 4.832 439 49.353 60 5 0.103 772 0.242 539 45.809 79 8.501 921 45.445 75 6 0.113 907 0.203 771 45.184 49 12.760 20 41.851 54 7 0.122 660 0.176 161 44.008 72 17.265 23 38.549 88 8 0.130 349 0.156 078 42.549 41 21.750 10 35.544 42 9 0.137 176 0.142 185 40.984 54 26.022 76 32.850 51 10 0.143 273 0.133 613 39.427 62 29.957 25 30.481 51

3 结论与政策建议

3.1 结论

本文利用2017年的10月-2008年1月的时间序列数据，对玉米价格、猪肉价格、豆粕价格、生猪价格四者之间的关系进行了动态分析，得出了如下的结论：

本文以江浙沪地区乡村旅游公路作为切入点,通过现场调研,分析其现状特征,构建县域乡村旅游公路选线适宜性评价模型,对溧阳南山片区乡村旅游公路评价,找出存在的问题和不足,对代表性的路段提出改造建设的优化建议,为未来此类公路的选线和改造理论研究研究提供借鉴和参考。

（2）格兰杰因果检验表明，玉米价格的波动会带来生猪价格的波动，生猪价格的波动会带来猪肉价格的波动，与此同时豆粕价格的波动也会引起生猪价格的波动。

（3）脉冲响应函数和方差分解分析表明，玉米价格、猪肉价格、豆粕价格、生猪价格之间的波动影响并非完全顺畅，从总体上来看有一些环节的价格波动的影响伴有一定的时滞。

3.2 政策建议

据上述的研究结论并结合当前最新的价格情况，提出如下几点政策建议：

（1）保证玉米、豆粕的持续供应。对于进口饲料来说。政府应当适当调减饲料进口规模，并充分调动农户的种粮积极性，有效指引农户进行合理种粮。此外，政府应构建豆粕价格预警体系，预防豆粕的价格出现剧烈波动以及减少剧烈波动带来的负面影响，抵制不良储备，打击恶意的囤积饲料行为。

（2）防范玉米、豆粕价格对生猪生产造成剧烈冲击。充分认识饲料成本变动对生产波动的传导性。玉米作为大宗粮食作物之一，其价格变动与粮农增收和国家粮食安全息息相关，玉米价格过度上涨会威胁养殖者收益，过度下跌则不利于粮农增收。因此，调控玉米价格的最低收购价政策面临的重大挑战就是寻找最优的价格平衡点，保障种植业和养殖业良性发展。

在美妆市场竞争日益激烈的今天，本土品牌一边要面对消费者的严格要求，一边要面临着进口品牌的冲击，另外一边还要寻求新的发展空间，这个时候，跨界合作无疑成为了本土品牌的一个保护伞。跨界合作能够为双方品牌都带来曝光度、知名度，同时引入精准的流量，这也是国产品牌在面对外资品牌冲击之下的自救之路，而未来，相信国产品牌会发展的更好，能够在美妆市场占据一片江山！

结合数学学科特点，旨在探析数学课堂留白的内涵、理论基础与教学价值，并对当下数学教学实践中存在的问题进行反思，以期提升数学课堂教学的效能，促进学生核心素养的发展．

（3）引导从业者理性决策。政府应加强对市场的监督力度，积极引导生猪养殖户根据合理的市场价格波动适度地安排种植规模，对流通环节的猪肉加工、零售企业合理存储与销售猪肉进行技术和方法上的引导。政策制定者应通过技术推广以及多方面的政策宣传等手段，让从业者正确认识影响猪肉价格波动的各方面因素，从而更理性地决策，防止盲目跟风现象的出现，导致市场的不确定性。

参考文献

[1] 杨宁,张守莉,张一琳.公主岭市猪肉产量波动分析[J].黑龙江畜牧兽医,2016(24):53-56.

[2] 周晶,丁士军,阮冬燕.中国生猪生产波动影响因素分析——基于2000-2012年省级面板数据的实证研究[J].农业现代化研究,2014(6):750-756.

[3] 张晓东,宋继华,毕鹏,等.佳木斯生猪生产影响因素分析——基于动态面板数据模型实证分析[J].中国畜牧杂志,2013(14):36-40.

[4] 王明利,肖洪波.我国生猪生产波动的成因分析[J].农业经济问题,2012(12):28-32.

[5] 岳冬冬,王征兵.中国生猪生产波动幅度的合理区间研究[J].统计与决策,2012(13):120-125.

[6] 王俊能,许振成,杨剑.基于EMD的中国生猪生产波动分析[J].广东农业科学,2012(4):153-156.

[7] 顾莉丽.东北地区生猪生产波动研究[J].黑龙江畜牧兽医,2011(20):26-28.

[8] 冯建中.生猪生产波动分析[J].中国统计,2011(9):23.

[9] 岳冬冬.中国生猪生产波动的同步性特征与平抑对策[J].农业现代化研究,2011(5):513-517.

[10] 潘国言,龙方.湖南生猪生产波动影响因素的实证分析及政策建议[J].农业现代化研究,2011(1):28-31.

[11] 岳冬冬,王征兵.我国生猪生产波动周期研究[J].农业技术经济,2010(10):18-25.

[12] 岳冬冬,王征兵.陕西省生猪生产波动规律研究[J].统计与决策,2010(3):82-85.

[13] 陈蓉.我国生猪生产波动周期分析[J].农业技术经济,2009(3):77-86.

[14] 綦颖,宋连喜.我国生猪生产的波动性研究[J].中国畜牧杂志,2008(20):1-5.

[15] 岳毅.湖南生猪生产波动实证研究[J].财经理论与实践,2003(1):120-124.

[16] 田秋生.信息不完备与生产的盲目性——对90年代以来我国生猪生产波动根源的分析[J].甘肃社会科学,2000(6):59+60-61.

[17] 张空,赵春秀,韩俊文,等.中国养猪业的波动及其对策[J].农业技术经济,1996(6):24-26.

[18] 陈顺友,张金龙.生猪生产波动的成因及对策[J].农业经济问题,1995(9):25-27.