研究中国猪肉需求影响因素

题目：研究中国猪肉需求影响因素学院：经济与管理学院专业：国际经济与贸易学号：姓名：研究中国猪肉需求影响因素猪肉是我国重要的畜产品之一，也是我国城乡居民动物性蛋白的主要来源之一。自1985年以来，猪肉市场从计划流通体制向国家宏观调控下的自由流通体制过渡。始于2021年六月份的这一轮价格的大幅度波动，由于其幅度和速度都是前所未有的，更引起了社会各界的高度关注。而在市场经济条件下，猪肉价格有各自的供需均衡决定，本文目的在于研究猪肉需求的影响因素。1模型的设定和解释变量的说明1.1模型的设定：需求函数是以商品的需求量作为被解释变量，用影响需求量的因素，如收入，价格等作为解释变量的计量经济学模型。中国猪肉需求函数即选择收入和价格为解释变量，同时考虑到，猪肉需求主要包括国内需求和国外需求，影响猪肉需求的因素主要是可替代品的产量。因此，将上述对猪肉影响因素作为解释变量。收入选择的是城镇居民家庭每年人均可支配收入。价格选择的是猪肉生产价格指数即猪肉收购价格指数。模型中的被解释变量为国内人均猪肉消费量（Y）。根据其因素的大小和资料的可用性以及查阅的相关文献，本文选择一下指标作为模型的解释变量：城镇居民家庭人均可支配收入指数（X1）猪肉收购价格指数（X2）、猪肉替代品牛羊肉人均产量（X3）、生猪出口量（X4）。参照单方程线性需求的表达式，国内需求函数模型的形式确定为：Y=b0+b1X1+b2X2+b3X3+b4X4+u其中：Y代表国内人均猪肉消费量（千克）；X1代表城镇居民家庭人均可支配收入指数（1978=100）X2代表猪肉收购价格指数（1978=100）X3代表猪肉替代品牛羊肉人均产量（千克）X4代表生猪出口量（万头）u为随机误差项。得到模型之后，观察复判定系数R2、F值、p值和D-W值，初步对模型的可用性进行判断，然后查看变量的相关系数矩阵，检测模型多重共线性的严重性，用怀特（White）异方差检验方法检验模型是否存在异方差的问题，再在观察D-W值的前提下，用LM检验法检验模型是否存在自相关的问题。最后，根据以上检验得到的结果对模型进行修正，消除或减弱在初次建模中存在的问题，得到最终的模型。1.2解释变量的说明（1）城镇居民家庭人均可支配收入指数：城镇居民可支配收入是城镇居民家庭在调查期获得并且可以用来自由支配的收入。城镇居民可支配收入是通过居民家庭日常获得的总收入计算得来的。居民家庭总收入中包括个人所得税、公积金、养老基金、医疗基金、失业基金等，这些属于国家先发后征或居民家庭成员必须缴纳的刚性支出，因此这部分名义收入（居民不可自由支配的）必须予以扣除，余下的即为居民可以用来自由支配的收入。基于城乡居民收入抽样调查的居民可支配收入统计数据是我国国民经济核算体系中重要的基础数据之一，它不仅是衡量国家和各地区居民生活水平的基本指标，而且在宏观经济学理论及实证研究中有着非常重要的地位，对国家宏观经济政策的制定也有着重要的作用。据此，本文把利用城镇居民家庭人均可支配收入指数作为影响猪肉消费水平的一个重要因素。（2）猪肉收购价格指数:猪肉收购价格指数是反应市场上猪肉收购价格变动的趋势和程度的经济指标。指数中商品分类在全国是统一的。指数计算中的具体商品，各省（区、市）可参照商品目录根据具体情况自行确定，但代表规格品仍按统一的商品目录规定执行。编制猪肉收购价格指数，有利于研究猪肉消费水平情况。（3）猪肉替代品牛羊肉人均产量：牛羊肉是我国除猪肉外的主要消费肉类产品，目前，我国牛羊肉需求快速增长趋势。在我国实施生态保护和禁牧还草政策以后，供需矛盾日益突出。据有关部门分析，2021年我国养殖业变动剧烈，其中肉牛养殖开始进入缓慢恢复进程；与2021年相比，2021年我国牛肉产量530万吨，同比下降9%。2021年我国肉羊存栏基本恢复，羊肉产量410万吨，同比上升5%。目前我国人均牛肉消费量为4。7公斤左右，这和世界人均消费量约10公斤的水平相比，还存在约1倍的差距。这是国内牛肉消费总量将快速增长的主要原因。2021年我国牛肉产量648万吨，中研普华行业研究机构预计2021年末我国牛肉产量将接近700万吨。牛羊肉消费水平的变化必然影响猪肉的消费水平。因此，本文在建模时将猪肉替代品牛羊肉人均产量作为影响猪肉消费水平的一个因素进行分析论证。（4）生猪出口量：是生猪国外销售的数量，本文把生猪出口量作为影响猪肉消费水平的一个重要因素，建立此模型的基础是认为生猪出口量对猪肉消费水平有单项直接的因果联系。2实证分析及结果说明2.1实证分析：2.1.1初步分析本文将选取1996年至2021年的数据来对影响中国猪肉消费水平的因素来进行分析，下表是通过国家统计局查询统计年鉴得到了相关数据：整理得到所需数据为：用表中二十五年的样本数据借助Eviews软件使用最小二乘法（OLS）估计得到：则：得到的样本回归模型为：Y=-9.71e-05X1-0.022135X2+4.385564X3+0.059833X4-4.318606t=(-0.631325)(-0.832702)(-2.220544)(10.46160)（2.759613)R2=0.989762F校正R2=0.9877144（1）检验多重共线性：利用相关矩阵从上表得出：X1与X3、X1与X4、X3与X4等均存在着较为严重的多重共线性。多重共线性并不违反回归假定，OLS估计量仍保持最优线性无偏性质（bestlinearunbiasednessproperty），并且对它们的标准误仍将有正确的估计。但是在存在多重共线性时，会存在比较大的方差和协方差，以使置信区间变宽，还会使一个或多个系数的t比率倾向于在统计上不显著，而总的拟合优度R2仍可能非常高。在上文的模型中，自变量X1的t值为-0.832702，相应的p值为0.4154，但拟合优度R2仍为1.00，这也说明模型中严重的多重共线性影响了最后估计的精确性。（2）补救多重共线性：逐步回归法为了减弱多重共线性对模型分析结果的影响，本文将采用逐步回归法对模型模型进行修正。具体做法是用因变量Y逐一对原模型中的自变量进行一元回归分析，再按拟合优度R2的大小进行排序，选取R2最大的自变量与Y建立一个一元回归模型，然后逐个加入其它自变量，根据R2和t统计量来判断拒绝或接受新加入的自变量，最后得出最佳的多元回归模型。具体步骤如下：1）用因变量对每一个解释变量做简单回归，并将解释变量的重要性按可按R2系数大小排序。通过OLS估计得出：①Y对x1回归得出：X1的R2等于0.755164②Y对X2回归得出：X2的R2等于0.037503③Y对X3回归得出：X3的R2等于0.977878④Y对X4回归得出：X4的R2等于0.925747所以排序结果为：X3>X4>X1>X22)以对因变量贡献最大的变量所对应的回归方程为基础，按解释变量重要性大小为顺序逐个引入其余的解释变量。①观察X3所对应的的回归方程；由于X3代表猪肉替代品牛羊肉人均产量，Y代表国内人均猪肉消费量，两个变量间应为负相关，系数所以应为负号，所以X3放弃。②以X4所对应的的回归方程为基础；因X4代表生猪出口量，Y代表国内人均猪肉消费量，两个变量间应为负相关，系数所以应为负号，符号合理。③以X4为基础回归，引入X1；由留下的条件可知：a、引入X1后，R2提高了；b、由t检验得出，n=24,k=3，a=0.05的临界值为2.080的X1有统计显著性；c、X1代表城镇居民家庭人均可支配收入指数，Y表示的是人均猪肉消费量，关系为正相关，符号应为正号，所以符号不合理，故舍掉X1。④以X4为基础回归，引入X2；由留下的条件可知：a、引入X2后，R2提高了；b、由t检验得出，n=24,k=3,a=0.5得出t的临界值为0.2080的X2具有统计显著性；c、X2代表猪肉收购价格指数，Y表示的是人均猪肉消费量，关系为负相关，符号应为负号，所以符号合理，故留下X2。2.1.2模型修正进行逐步回归后得到新的回归方程为:Y=-0.027X2+0.070X4-7.097t=(-3.214758)(3.968549)(-1.197637)R2=0.926558F=132.4692D-W值=1.257768校正R2=0.98735异方差检验：（怀特检验）由Eviews得出怀特检验结果为：有上述可知：在原假设成立的条件下，检验统计量n*R2=11.016<分布临界值19.6751.所以此模型不具有异方差性。（2）自相关检验（DW值以及LM检验）①D-W值的观察：因D-W值为1.257768，临界值（解释变量为2，N=24）：dt=1.188,du=1.546;得出在不确定区域。②LM检验：上述看出：不具有自相关。所以得到的新回归方程无异方差也无自相关，而且从各个变量的相关矩阵来看，各自变量之间的多重共线性明显减弱，已不存在原来模型存在的严重多重共线性，逐步回归起到了比较好的效果。2.2结果说明在对结果进行说明之前，先把各自变量偏回归系数一一列出，以便下文进行分析和比较。如表2.2所示。表2.2偏回归系数一览表偏回归系数自变量偏回归系数因变量（Y）X2-0.027X40.070由上述我们的分析，近年来国内人均猪肉消费量影响因素主要是：

(1)

生猪出口量不断增加，是促成国内人均猪肉消费量的主要因素；

(2)财政