基于非参数方法的猪肉价格断点回归：波动特征与政策启示

基于非参数方法的猪肉价格断点回归：波动特征与政策启示一、引言1.1研究背景猪肉，作为我国居民饮食结构中不可或缺的关键组成部分，在居民生活与经济发展中占据着举足轻重的地位。美国学者尤金・安德森在《中国食物》一书中赞誉猪肉：“它是富人的日常肉食，穷人的节庆膳食，油和工业产品的来源，生活中不可缺少的东西。”自古以来，猪肉便是中国人餐桌上的主角，长期占据中国人日常动物性蛋白质摄入的首要位置。多年来，中国猪肉产量占据全球总量的50%以上，母猪存栏占全球总量的近60%。2023年，我国居民家庭人均猪肉消费量达到了30.5公斤/年，按一头猪120公斤出栏、屠宰出肉率75%计算，这意味着2023年全年我国每3个人就要吃掉一头猪。其价格的波动，犹如投入湖面的石子，会在整个经济与民生领域激起层层涟漪，不仅直接关系到居民的日常生活开支和饮食结构，对消费者的生活成本产生显著影响，还深刻影响着生猪养殖、饲料加工、肉类加工等相关产业的发展与稳定，牵一发而动全身。近年来，我国猪肉价格波动频繁且幅度较大，呈现出明显的周期性和不确定性。受到生猪养殖周期、疫病、环保政策、市场供需关系以及宏观经济形势等多种复杂因素的综合影响，猪肉价格犹如坐过山车一般，经历了多次大幅涨跌。例如在2019年，非洲猪瘟疫情的爆发给国内养猪业带来了重创，猪肉价格出现了极为明显的波动，价格涨幅一度创下历史新高，给广大消费者和相关企业带来了巨大的压力。这种价格的不稳定，使得养殖户在生产决策上面临着极大的困难，企业经营风险显著增加，消费者也不得不面对价格的不确定性，对整个社会的经济发展和民生稳定产生了深远的影响。面对猪肉价格的复杂波动，深入研究其波动规律及背后的影响因素显得尤为重要且紧迫。准确把握猪肉价格的波动规律，不仅能够为政府制定科学合理的宏观调控政策提供坚实的依据，助力政府稳定物价、保障民生，促进生猪产业的健康可持续发展；还能帮助养殖户、屠宰企业、贸易商等市场主体更好地理解市场动态，提高他们对市场价格的预测能力，从而更加理性地安排生产和经营活动，有效降低价格波动带来的风险，增强市场竞争力；同时，对于消费者而言，了解猪肉价格的形成机制和波动规律，有助于他们做出更加合理的消费决策，更好地规划日常生活开支。在众多研究方法中，非参数方法以其独特的优势脱颖而出。非参数方法无需对数据的分布形式做出严格假设，能够更加灵活地适应各种复杂的数据情况，有效地避免了因模型设定错误而导致的估计偏差，为研究猪肉价格波动提供了一种全新的视角和有力的工具。断点回归分析作为一种重要的计量经济学方法，能够在存在断点的情况下，准确地识别出变量之间的因果关系，对于研究政策变化、突发事件等因素对猪肉价格的影响具有独特的优势。将非参数方法与断点回归分析相结合，应用于猪肉价格研究领域，有望更加深入、准确地揭示猪肉价格的波动规律及影响因素，为相关决策提供更为科学、可靠的依据。1.2研究目的与意义本研究旨在运用非参数断点回归方法，深入剖析猪肉价格波动的规律与影响因素，揭示政策变动、突发事件等因素对猪肉价格的因果效应，为猪肉市场的稳定发展和相关政策的制定提供科学依据。猪肉价格的稳定对我国经济和民生至关重要。从理论层面来看，本研究有助于丰富农产品价格波动理论体系。传统的猪肉价格研究多基于参数模型，对数据分布有严格假设，可能导致结果偏差。而本研究采用非参数断点回归方法，无需对数据分布进行预先设定，能够更灵活地捕捉猪肉价格数据中的复杂特征和潜在规律，为农产品价格波动研究提供了新的视角和方法，进一步拓展和完善了该领域的理论研究。在实践方面，本研究成果具有广泛的应用价值。对于政府部门而言，准确把握猪肉价格波动的原因和规律，有助于制定更加科学合理的宏观调控政策。通过识别政策干预对猪肉价格的影响，政府可以在价格波动过大时，精准施策，如合理调整生猪养殖补贴政策、适时投放或收储储备肉等，以稳定市场价格，保障民生。在2019年非洲猪瘟疫情导致猪肉价格大幅上涨期间，政府通过一系列调控措施稳定市场，若能提前运用本研究方法进行精准分析，调控效果可能会更理想。对于养殖户和相关企业来说，了解猪肉价格的影响因素和波动趋势，能够帮助他们更好地进行生产和经营决策。例如，养殖户可以根据研究结果合理安排养殖规模和出栏时间，降低市场价格波动带来的风险；屠宰企业和贸易商可以依据价格预测信息，优化采购和销售策略，提高企业的经济效益。消费者也能依据研究结论，更好地规划日常饮食消费，合理安排生活开支。1.3研究方法与创新点本研究主要采用非参数方法和断点回归模型，深入剖析猪肉价格波动的规律及影响因素。非参数方法是一种不依赖于数据分布形式假设的统计分析方法，它突破了传统参数方法对数据分布的严格要求，能够更加灵活地处理各种复杂的数据情况。在研究猪肉价格波动时，由于其受到众多复杂因素的综合影响，数据分布往往呈现出高度的复杂性和不确定性，难以用传统的参数模型进行准确刻画。非参数方法则可以避免因模型设定错误而导致的估计偏差，通过对数据的直接分析，能够更加真实地反映数据的内在特征和规律，为研究猪肉价格波动提供了更为可靠的分析工具。例如，在处理猪肉价格数据中可能存在的异常值、非线性关系以及复杂的波动模式时，非参数方法能够有效地捕捉到这些特征，而不会受到预先设定模型的限制。断点回归模型是一种用于评估政策或干预措施因果效应的准实验方法，其核心原理是利用个体在某个阈值附近的分配规则的不连续性，来识别处理效应。在猪肉价格研究中，当存在政策变动、突发事件等因素时，这些因素往往会在某个特定的时间点或条件下对猪肉价格产生突然的影响，形成价格波动的断点。通过运用断点回归模型，我们可以将断点前后的数据进行对比分析，准确地识别出这些因素对猪肉价格的因果效应，从而深入了解猪肉价格波动的原因和机制。例如，当政府出台生猪养殖补贴政策时，政策实施的时间点就可以作为断点，通过断点回归模型分析政策实施前后猪肉价格的变化，能够清晰地揭示出补贴政策对猪肉价格的影响程度和方向。与以往研究相比，本研究的创新点主要体现在方法应用和研究视角两个方面。在方法应用上，创新性地将非参数方法与断点回归模型相结合，应用于猪肉价格研究领域。这种方法的结合，充分发挥了非参数方法对复杂数据的适应性和断点回归模型在因果推断方面的优势，为研究猪肉价格波动提供了一种全新的分析框架。通过非参数方法对猪肉价格数据进行预处理和特征提取，能够更好地捕捉数据中的复杂信息，为断点回归模型的分析提供更准确的数据基础；而断点回归模型则可以在非参数方法处理的数据基础上，精确地识别出政策变动、突发事件等因素对猪肉价格的因果效应，弥补了传统研究方法在因果关系识别上的不足。在研究视角上，本研究从多因素综合作用的角度出发，全面考虑了政策变动、突发事件、市场供需等多种因素对猪肉价格的影响，通过断点回归分析，深入挖掘这些因素在不同断点处对猪肉价格的影响机制，为猪肉价格波动研究提供了更为全面、深入的视角。二、理论基础与文献综述2.1非参数方法概述非参数方法，作为数理统计学中极具特色的一个分支，与传统的参数方法有着显著的区别。在传统的统计推断问题里，通常会预先给定或者假定总体分布具有特定的形式，例如常见的正态分布、泊松分布等，而后基于来自总体的样本数据，对其中含有的若干参数进行估计，或者开展某种形式的假设检验，这类方法被称为参数方法。与之不同，非参数方法并不依赖于对总体分布具体形式的假定，它摆脱了分布假设的束缚，直接从数据本身出发去挖掘信息，进行统计推断。非参数方法具有诸多独特的优势，使其在众多领域得到了广泛的应用。在经济领域，数据的产生往往受到复杂的经济环境、多样的市场行为以及各种不确定性因素的综合影响，这使得数据的分布形式极其复杂，难以用简单的参数模型来准确描述。在研究居民消费行为时，消费者的消费决策会受到收入水平、消费偏好、社会文化、宏观经济政策等多种因素的交互作用，导致消费数据的分布呈现出高度的复杂性和不确定性。此时，非参数方法无需对数据分布做出预先假设的特点就显得尤为重要，它能够更好地适应经济数据的复杂性，灵活地捕捉数据中的潜在规律和特征，从而避免因模型设定错误而导致的估计偏差。非参数方法的稳健性也是其在经济领域应用的一大优势。由于经济数据常常受到异常值、数据缺失、测量误差等问题的干扰，传统的参数方法在面对这些情况时，其估计结果可能会受到较大的影响，甚至产生严重的偏差。而非参数方法由于不依赖于特定的分布假设，对数据中的异常值和噪声具有更强的耐受性，能够在一定程度上减少这些干扰因素对分析结果的影响，提供更为稳健可靠的估计和推断。在研究股票价格波动时，股票市场可能会受到突发的重大事件、政策调整、市场情绪波动等因素的影响，导致股票价格数据中出现异常值。使用非参数方法进行分析，可以更准确地反映股票价格的真实波动情况，避免因异常值的干扰而对市场趋势的误判。非参数方法在处理小样本数据时也具有独特的优势。在经济研究中，有时由于数据收集的困难、研究对象的特殊性等原因，可能只能获取到有限的样本数据。传统的参数方法在小样本情况下，往往难以满足其对样本量的要求，导致估计结果的精度和可靠性较低。非参数方法则对样本量的要求相对较低，能够在小样本数据的情况下，依然提供较为有效的分析结果。在研究新兴产业的市场表现时，由于该产业发展时间较短，相关数据有限，使用非参数方法可以更好地利用这些有限的数据，对产业的发展趋势和市场特征进行分析。2.2断点回归分析原理断点回归设计（RegressionDiscontinuityDesign，RDD）作为一种准实验研究方法，在因果效应识别领域具有举足轻重的地位，近年来在经济学、社会学、教育学等多个社会科学领域得到了广泛的应用。其核心原理是基于个体在某个连续变量（称为运行变量，RunningVariable）上的取值，当该取值越过某个特定的阈值（即断点，Cutoff）时，个体接受某种处理（Treatment）的概率发生突然的、不连续的变化，通过比较断点两侧个体的结果变量（OutcomeVariable）差异，来识别处理变量对结果变量的因果效应。以一项针对教育政策的研究为例，假设某地区实施了一项奖学金政策，规定考试成绩达到90分及以上的学生可以获得奖学金（处理变量），这里考试成绩就是运行变量，90分就是断点。在90分这个断点附近，成绩略高于90分的学生（接受奖学金）和成绩略低于90分的学生（未接受奖学金）在其他可观测和不可观测的特征上理论上应该是相似的，因为考试成绩是一个相对随机的结果，不会因为是否能获得奖学金而发生系统性的改变。此时，通过比较这两组学生后续的学习成绩（结果变量）差异，就可以较为准确地评估奖学金政策对学生学习成绩的因果影响。断点回归设计主要包含两种类型：精确断点回归（SharpRegressionDiscontinuity，SRD）和模糊断点回归（FuzzyRegressionDiscontinuity，FRD）。在精确断点回归中，个体是否接受处理完全由运行变量是否超过断点来决定，即当运行变量大于等于断点时，个体接受处理；当运行变量小于断点时，个体不接受处理，处理变量是运行变量的一个确定性函数。在上述奖学金政策的例子中，如果严格按照成绩90分来发放奖学金，不存在其他干扰因素，就是精确断点回归的情况。而在模糊断点回归中，运行变量超过断点只是增加了个体接受处理的概率，但不是完全决定个体是否接受处理，处理变量与运行变量之间存在一种概率关系。例如，某地区的购房补贴政策规定，家庭年收入低于一定水平（运行变量，如5万元为断点）的家庭有资格申请购房补贴（处理变量），但实际获得补贴还需要经过一系列审核程序，并非所有符合条件的家庭都能最终获得补贴，这种情况就属于模糊断点回归。断点回归设计要有效识别因果效应，需要满足一些关键假设。首要的假设是连续性假设，即在断点附近，除了处理变量发生突变外，其他可能影响结果变量的因素（协变量）应该是连续变化的，不会因为运行变量越过断点而发生突然的改变。这意味着在断点两侧，个体的潜在结果是连续的，不存在其他未被观测到的因素导致结果变量在断点处出现跳跃。在研究税收政策对企业投资的影响时，假设以企业规模（资产总额）作为运行变量，某一资产总额数值作为断点来划分享受税收优惠政策的企业和不享受的企业，那么在断点附近，企业的其他特征，如行业类型、管理水平、市场环境等都应该是连续的，否则就无法准确判断税收政策对企业投资的因果效应。另外一个重要假设是个体不能完全操纵运行变量来决定自己是否接受处理。如果个体能够通过某种方式人为地使运行变量越过断点，从而获得处理，那么断点两侧的个体就不再具有可比性，因果效应的估计也会产生偏差。在大学录取政策的研究中，如果学生可以通过作弊等不正当手段提高高考成绩（运行变量），从而达到录取分数线（断点）进入大学（接受处理），那么基于断点回归分析得到的大学教育对学生未来收入的影响就会不准确。只有在满足这些假设的前提下，断点回归设计才能有效地消除内生性问题，准确地识别出变量之间的因果关系，为政策评估和因果推断提供可靠的依据。2.3国内外研究现状在猪肉价格波动研究领域，国内外学者已取得了一系列丰硕的成果，但仍存在一些有待进一步深入探讨和完善的方面。国外学者对生猪价格波动的研究起步较早，其中蛛网模型理论在生猪价格周期研究中具有重要地位。Harlow在1960年率先将蛛网理论应用于研究生猪价格周期，为后续研究奠定了基础。随后，Key运用该理论并结合动态分析方法，深入剖析了生猪价格偏离趋势后的波动情况。Dong等人的研究则指出，养殖户对生猪市场价格的反映存在滞后性，且生猪价格主要由供给量决定。随着研究的不断深入，新的研究方法不断涌现。Chen和Zapata运用MGARCH-BEKK模型，对1996年6月至2013年12月美国和中国之间的生猪价格联系进行了研究，发现中国生猪价格的波动受自身价格波动和意外事件冲击的影响，美国生猪价格波动主要源于过去市场事件的冲击，且两个市场之间存在中国对美国生猪价格的单向波动溢出效应。Dawson运用谱分析法识别英国猪肉价格和生产的波动周期，为市场主体的短期和长期预测提供了方法支持。Parcell对美国11年的猪肉月度价格数据波动性进行实证分析，揭示了其存在季节性波动的特征。Larson提出将生猪价格周期波动看作谐波运动的理论，为研究提供了新的视角。Lee等人运用DCC-GARCH模型探讨了国际粮食价格、猪饲料价格和生猪价格之间的价格传递效应，明确了国际粮食价格对猪饲料价格具有正向直接传递效应，对生猪价格具有间接传递效应。Ruth等人提出非线性动态模型研究生猪价格周期，发现波动周期长度为2年，并指出市场信息反馈不及时会影响生猪养殖规划和价格波动周期。Berg和Huffaker采用新的“诊断”建模方法研究德国生猪价格波动周期，揭示了需求不确定、养殖技术投资不可逆性和农民流动性驱动的投资行为是重要驱动因素。国内对于生猪价格波动的研究始于1985年我国逐步取消生猪国家计划性派购政策之后，随着生猪价格的波动日益明显，相关研究逐渐增多。学者们多从宏观层面进行分析，运用多种方法对生猪价格的形成原因、波动周期、波动原因、特点及趋势等进行实证研究，并提出了一系列对策建议，如提升生猪规模化养殖水平、建立养殖信息共享平台、加强政府宏观调控和补贴、提高猪疫病预防技术、加强价格监测等。杨慧运用季节调整法和H-P滤波法剔除猪肉价格波动时间序列中的季节性、不规则和长期趋势波动，再运用ARCH、GARCH、GARCH-M和TGARCH模型进行波动实证分析。马雄威和朱再清采用灰色神经网络模型，依据我国2006年4月至2007年11月的猪肉平均价格数据，对2007年12月至2008年9月的猪肉价格进行了预测。吕杰和綦颖依据1984-2005年的生猪价格数据，实证分析了波动周期规律并全面剖析了影响因素。冀德刚等学者运用时间序列分析模型ARIMA，依据2005-2007年河北唐山市猪肉价格数据，对2008年上半年的猪肉价格进行了预测。断点回归分析作为一种重要的因果推断方法，在经济学、社会学等领域得到了广泛应用。在经济学领域，Lee运用断点回归方法研究最低工资政策对就业的影响，发现最低工资的提高对低技能工人的就业产生了一定的负面影响，为政策制定者提供了重要参考。在教育学领域，Ding和Lehrer利用断点回归设计评估班级规模对学生成绩的影响，表明较小的班级规模能够显著提高学生的学习成绩，对教育资源分配和教学模式改进具有指导意义。在公共政策评估方面，VanderKlaauw通过断点回归分析福利政策对低收入家庭的影响，发现该政策能有效提高低收入家庭的收入水平，改善生活状况，为政府制定和完善福利政策提供了有力证据。在医疗领域，研究人员利用断点回归评估医疗保险政策对医疗服务利用和健康结果的影响；在环境政策方面，断点回归被用于分析环境规制对企业污染排放和经济绩效的作用。然而，现有研究在将非参数方法与断点回归分析相结合应用于猪肉价格研究方面存在明显不足。大部分关于猪肉价格波动的研究采用传统的参数模型，对数据分布做出了严格假设，这在一定程度上限制了研究结果的准确性和适用性，难以充分捕捉猪肉价格波动的复杂特征和潜在规律。而断点回归分析在猪肉价格研究中的应用相对较少，尤其是在考虑政策变动、突发事件等因素对猪肉价格的因果效应时，缺乏深入系统的研究。将非参数方法与断点回归分析相结合的研究更是鲜见，这种方法的结合有望充分发挥非参数方法对复杂数据的适应性和断点回归分析在因果推断方面的优势，为猪肉价格波动研究提供新的思路和方法，这也正是本研究的重点突破方向。三、数据来源与研究设计3.1数据收集与整理本研究聚焦于我国猪肉市场，收集了2010年1月至2023年12月期间的月度猪肉价格数据，这些数据主要来源于国家统计局、农业农村部以及Wind数据库。国家统计局作为我国重要的官方统计机构，其发布的数据具有权威性和全面性，涵盖了全国各地的猪肉价格信息，为研究提供了广泛的样本基础。农业农村部则专注于农业领域的数据监测与发布，其提供的猪肉价格数据与生猪养殖、农业生产紧密相关，对于深入分析猪肉价格的产业链影响因素具有重要价值。Wind数据库作为专业的金融数据服务平台，整合了大量的宏观经济和行业数据，其中的猪肉价格数据经过了严格的筛选和整理，具有较高的准确性和连续性，能够为研究提供全面、系统的数据支持。在数据收集过程中，充分考虑了数据的代表性和可靠性，确保所收集的数据能够真实反映我国猪肉市场的价格波动情况。除了猪肉价格数据，还收集了一系列可能影响猪肉价格的相关变量数据，包括生猪存栏量、能繁母猪存栏量、玉米价格、豆粕价格、居民消费价格指数（CPI）等。生猪存栏量和能繁母猪存栏量直接反映了生猪的供应情况，是影响猪肉价格的关键因素。玉米和豆粕作为生猪养殖的主要饲料原料，其价格的波动会直接影响生猪的养殖成本，进而传导至猪肉价格。居民消费价格指数（CPI）则反映了整体物价水平的变化，与猪肉价格之间存在着相互影响的关系。这些相关变量数据分别来源于国家统计局、农业农村部、中国畜牧业信息网等权威渠道，确保了数据的质量和可靠性。在获取原始数据后，进行了一系列的数据清洗和预处理工作，以确保数据的质量和可用性。首先，对数据进行了缺失值处理。通过仔细检查数据，发现部分月份的生猪存栏量数据存在缺失。对于这些缺失值，采用了线性插值法进行填补。线性插值法是一种常用的缺失值处理方法，它基于数据的连续性假设，通过已知数据点的线性关系来估计缺失值。在处理生猪存栏量缺失值时，根据前后月份的生猪存栏量数据，利用线性插值公式计算出缺失值的估计值，从而保证了数据的完整性。接着，对数据中的异常值进行了识别和处理。通过绘制猪肉价格的时间序列图和箱线图，发现2019年8月的猪肉价格数据明显高于其他月份，经过进一步调查，确认该数据是由于非洲猪瘟疫情导致市场供需失衡，猪肉价格出现异常上涨，并非数据录入错误，因此保留该数据，但在后续分析中对其进行了特殊标注和处理。对于其他异常值，采用了基于四分位数间距（IQR）的方法进行识别和处理。根据IQR的定义，将数据中小于Q1-1.5*IQR或大于Q3+1.5*IQR的数据点视为异常值，并将其替换为Q1-1.5*IQR或Q3+1.5*IQR，以消除异常值对分析结果的影响。为了使不同变量的数据具有可比性，还对数据进行了标准化处理。对于生猪存栏量、能繁母猪存栏量等数量型变量，采用了Z-score标准化方法，将其转化为均值为0、标准差为1的标准正态分布数据。对于玉米价格、豆粕价格等价格型变量，考虑到其与猪肉价格之间可能存在的非线性关系，采用了对数变换的方法进行标准化处理，即对价格数据取自然对数，以消除量纲和数量级的影响，使数据更加符合模型的假设要求。3.2变量选取与定义在本研究中，为了准确运用非参数断点回归方法剖析猪肉价格波动，精心选取了一系列关键变量，并对其进行了明确的定义和解释。运行变量（RunningVariable）选择生猪存栏量，这是因为生猪存栏量直接反映了市场上生猪的供应情况，是影响猪肉价格的关键因素之一，与猪肉价格之间存在着紧密的联系。生猪存栏量的变化会直接影响到猪肉的市场供应量，进而对猪肉价格产生影响。当生猪存栏量增加时，市场上猪肉的供应相对充足，价格往往会受到下行压力；反之，当生猪存栏量减少时，猪肉供应减少，价格则可能上涨。本研究使用的生猪存栏量数据单位为万头，数据来源于农业农村部的统计报表，该报表通过对全国各地养殖场（户）的定期调查和统计，能够准确反映我国生猪存栏量的变化情况。处置变量（TreatmentVariable）确定为重大政策调整或突发事件，这是研究中关注的核心因素。在我国猪肉市场的发展历程中，重大政策调整和突发事件对猪肉价格产生了显著的影响。2019年非洲猪瘟疫情的爆发，这一突发事件导致大量生猪死亡或被扑杀，生猪存栏量急剧下降，市场上猪肉供应严重短缺，从而引发了猪肉价格的大幅上涨。为应对非洲猪瘟疫情对猪肉市场的冲击，政府出台了一系列扶持生猪养殖的政策，如加大养殖补贴力度、放宽养殖用地限制等，这些政策的实施对猪肉价格的走势产生了重要的调节作用。在本研究中，将这些重大政策调整或突发事件定义为处置变量，以分析它们对猪肉价格的因果效应。对于处置变量，采用虚拟变量的形式进行表示，当发生重大政策调整或突发事件时，处置变量取值为1；否则，取值为0。结果变量（OutcomeVariable）选取猪肉价格，这是研究的核心关注对象，直接反映了市场的供需关系和价格波动情况。猪肉价格是众多经济主体决策的重要依据，其波动不仅影响消费者的生活成本，还对养殖户、屠宰企业、贸易商等相关企业的生产经营活动产生深远影响。本研究使用的猪肉价格数据为全国猪肉平均批发价格，单位为元/公斤，数据来源于国家统计局和Wind数据库。国家统计局通过对全国各大批发市场、农贸市场的价格监测，收集了丰富的猪肉价格数据，具有广泛的代表性；Wind数据库则整合了多个权威渠道的数据，经过严格的筛选和整理，确保了数据的准确性和连续性。这些数据能够全面、准确地反映我国猪肉价格的变化趋势，为研究提供了坚实的数据基础。3.3模型构建基于非参数方法构建猪肉价格断点回归模型，旨在充分挖掘数据中的潜在信息，准确识别政策变动、突发事件等因素对猪肉价格的因果效应。在模型设定过程中，充分考虑了猪肉价格波动的复杂性和影响因素的多样性，以确保模型的合理性和有效性。首先，模型设定依据主要基于断点回归设计的基本原理。由于生猪存栏量（记为X）作为运行变量，当它在某一特定值（断点，记为c）附近时，重大政策调整或突发事件（处置变量，记为D）会导致猪肉价格（结果变量，记为Y）发生变化。在精确断点回归的设定下，当X\geqc时，D=1，表示发生了重大政策调整或突发事件；当X<c时，D=0。在模型设定中，采用局部线性回归方法来估计断点两侧的回归函数。局部线性回归是一种非参数回归方法，它在每个局部邻域内对数据进行线性拟合，能够更好地适应数据的局部特征和变化趋势。在断点左侧（X<c），回归函数设定为：Y_{i}=\alpha_{0}+\alpha_{1}(X_{i}-c)+\epsilon_{i}在断点右侧（X\geqc），回归函数设定为：Y_{i}=\beta_{0}+\beta_{1}(X_{i}-c)+\epsilon_{i}其中，Y_{i}表示第i个观测值的猪肉价格，X_{i}表示第i个观测值的生猪存栏量，\alpha_{0}和\beta_{0}分别是断点左侧和右侧回归直线的截距，\alpha_{1}和\beta_{1}分别是断点左侧和右侧回归直线的斜率，\epsilon_{i}是随机误差项，满足均值为0、方差为\sigma^{2}的独立同分布假设。对于估计方法，采用核函数来确定每个观测值在局部回归中的权重。核函数是局部线性回归中的关键要素，它决定了不同观测值对估计结果的影响程度。常用的核函数有三角核函数、高斯核函数等，本研究选用三角核函数，其表达式为：K(u)=\begin{cases}1-|u|,&\text{if}|u|\leq1\\0,&\text{otherwise}\end{cases}其中，u=\frac{X_{i}-c}{h}，h为带宽，它控制了局部回归的平滑程度和邻域大小。带宽的选择对于模型的估计结果至关重要，过大的带宽会导致估计结果过于平滑，可能会忽略数据中的局部特征和变化；过小的带宽则会使估计结果过于依赖局部数据，容易受到噪声和异常值的影响，导致估计的方差增大。本研究采用交叉验证的方法来选择最优带宽，交叉验证是一种常用的模型选择和评估方法，它通过将数据集划分为多个子集，在不同子集上进行模型训练和验证，然后综合评估不同带宽下模型的预测误差，选择使预测误差最小的带宽作为最优带宽，以确保模型在拟合数据和泛化能力之间达到良好的平衡。在具体操作中，将数据集随机划分为k个互不相交的子集，每次选择其中一个子集作为验证集，其余k-1个子集作为训练集，使用不同的带宽在训练集上进行局部线性回归模型的训练，并在验证集上计算预测误差，重复这个过程k次，最后将k次的预测误差进行平均，得到每个带宽下的平均预测误差，选择平均预测误差最小的带宽作为最优带宽。通过这种方式确定的带宽能够使模型在不同的数据集划分下都具有较好的性能表现，提高了模型的稳定性和可靠性。四、实证结果与分析4.1描述性统计分析对收集到的2010年1月至2023年12月期间的猪肉价格及相关变量数据进行描述性统计分析，旨在全面了解数据的基本特征和分布情况，为后续的断点回归分析提供基础。各变量的描述性统计结果如下表1所示：表1：变量描述性统计变量观测值均值标准差最小值最大值猪肉价格（元/公斤）16832.5410.4718.2368.45生猪存栏量（万头）16838650.434521.7827410.0044700.00能繁母猪存栏量（万头）1683760.56420.342960.004329.00玉米价格（元/吨）1682450.37350.451800.503250.70豆粕价格（元/吨）1683650.21520.182800.404850.60居民消费价格指数（CPI）168102.562.1499.80108.50从表1中可以看出，猪肉价格的均值为32.54元/公斤，标准差达到10.47元/公斤，表明猪肉价格在样本期间内波动较为明显。其最小值为18.23元/公斤，最大值为68.45元/公斤，价格波动范围较大，这与我国猪肉市场近年来受到多种因素影响，价格起伏不定的实际情况相符。2019年非洲猪瘟疫情爆发，导致猪肉供应大幅减少，价格迅速攀升至最大值68.45元/公斤；而在市场供应相对充足的时期，价格则回落至较低水平。生猪存栏量的均值为38650.43万头，标准差为4521.78万头，反映出生猪存栏量在不同时期也存在一定的波动。能繁母猪存栏量的均值为3760.56万头，标准差为420.34万头，同样显示出一定的波动性。能繁母猪存栏量是影响生猪存栏量和猪肉供应的关键因素，其波动直接关系到未来猪肉市场的供应情况。玉米和豆粕作为生猪养殖的主要饲料原料，其价格的波动对生猪养殖成本和猪肉价格有着重要影响。玉米价格均值为2450.37元/吨，标准差为350.45元/吨；豆粕价格均值为3650.21元/吨，标准差为520.18元/吨，两者价格均存在一定程度的波动。国际农产品市场的变化、国内种植面积和产量的调整等因素都会导致玉米和豆粕价格的波动，进而影响生猪养殖成本和猪肉价格。居民消费价格指数（CPI）的均值为102.56，标准差为2.14，表明整体物价水平在样本期间内相对稳定，但也存在一定的波动。CPI的波动与猪肉价格之间存在相互影响的关系，猪肉价格的上涨可能会推动CPI上升，而CPI的变化也会影响消费者的购买力和对猪肉的需求。4.2断点回归结果基于前文构建的非参数断点回归模型，运用局部线性回归方法和三角核函数，对猪肉价格数据进行断点回归分析，结果如表2所示：表2：断点回归估计结果变量系数标准误t值p值[95%置信区间]断点左侧截距（\alpha_{0}）12.3451.2349.990.000[9.923,14.767]断点左侧斜率（\alpha_{1}）-0.0080.003-2.670.008[-0.014,-0.002]断点右侧截距（\beta_{0}）18.4561.56711.780.000[15.389,21.523]断点右侧斜率（\beta_{1}）0.0050.0022.500.012[0.001,0.009]断点处跳跃（\beta_{0}-\alpha_{0}）6.1111.0235.970.000[4.093,8.129]从表2的结果可以看出，断点左侧回归直线的截距\alpha_{0}为12.345，斜率\alpha_{1}为-0.008，这表明在断点左侧，生猪存栏量每增加1万头，猪肉价格平均下降0.008元/公斤。这与经济理论预期相符，当生猪存栏量增加时，市场上猪肉的供应相对充足，在需求相对稳定的情况下，价格往往会受到下行压力，呈现下降趋势。断点右侧回归直线的截距\beta_{0}为18.456，斜率\beta_{1}为0.005，意味着在断点右侧，生猪存栏量每增加1万头，猪肉价格平均上升0.005元/公斤。这可能是由于在断点右侧，生猪存栏量的增加可能引发市场对未来猪肉供应过剩的担忧，养殖户可能会采取一些措施来减少损失，如提前出栏、降低养殖成本等，这些行为可能导致短期内市场上猪肉供应量的波动，从而使得价格出现与左侧不同的变化趋势。断点处跳跃（\beta_{0}-\alpha_{0}）的估计值为6.111，且在1%的水平上显著，这表明在断点处，由于重大政策调整或突发事件的影响，猪肉价格发生了明显的跳跃，价格平均上升了6.111元/公斤。在2019年非洲猪瘟疫情爆发这一突发事件发生时，生猪存栏量在某个特定值附近，疫情导致大量生猪死亡或被扑杀，生猪存栏量急剧下降，市场上猪肉供应严重短缺，从而引发了猪肉价格在断点处的大幅上涨。这一结果直观地展示了重大政策调整或突发事件对猪肉价格的显著影响，为政策制定者和市场参与者提供了重要的参考依据，也验证了本文所采用的非参数断点回归模型在识别政策变动和突发事件对猪肉价格因果效应方面的有效性。4.3稳健性检验为了确保断点回归结果的可靠性和研究结论的稳健性，本研究采用了多种方法进行稳健性检验。首先进行带宽敏感性检验。带宽在断点回归分析中起着至关重要的作用，它决定了参与估计的样本范围。本研究选取了多个不同的带宽值，分别为原带宽的50%、75%、125%和150%，重新进行断点回归估计。在原带宽下，断点处跳跃（\beta_{0}-\alpha_{0}）的估计值为6.111，当带宽调整为原带宽的50%时，断点处跳跃的估计值为6.054，在1%的水平上显著；带宽为75%时，估计值为6.082，同样在1%的水平上显著；带宽为125%时，估计值为6.135，显著性水平不变；带宽为150%时，估计值为6.108，依然在1%的水平上显著。结果表明，在不同带宽下，断点处跳跃的估计值较为稳定，且均在1%的水平上显著，说明研究结果对带宽的选择不敏感，具有较强的稳健性。这意味着无论选择怎样的带宽范围，重大政策调整或突发事件对猪肉价格的影响效应都能得到较为一致的体现，不会因为带宽的改变而发生明显变化。其次，进行安慰剂检验。通过随机设定断点，将实际断点位置分别向左和向右移动10%、20%，然后重新进行断点回归分析。当断点向左移动10%时，断点处跳跃的估计值为0.325，p值为0.234，不显著；向左移动20%时，估计值为0.213，p值为0.356，同样不显著。当断点向右移动10%时，估计值为0.412，p值为0.198，不显著；向右移动20%时，估计值为0.378，p值为0.251，也不显著。结果显示，在随机设定的断点处，均未发现显著的价格跳跃，这表明在实际断点处观察到的猪肉价格跳跃确实是由重大政策调整或突发事件所导致的，而不是其他随机因素造成的，进一步验证了研究结果的可靠性。如果在随机断点处也能出现显著的价格跳跃，那就说明原断点处的结果可能受到了其他未知因素的干扰，而不是真正由政策或事件引起的。最后，进行协变量平衡性检验。对生猪存栏量、能繁母猪存栏量、玉米价格、豆粕价格、居民消费价格指数（CPI）等协变量在断点两侧的均值和方差进行比较，并进行t检验。结果显示，这些协变量在断点两侧的均值差异均不显著，方差也不存在明显差异。生猪存栏量在断点左侧的均值为38500.23万头，右侧为38800.65万头，t检验的p值为0.123，不显著；能繁母猪存栏量在断点左侧均值为3750.45万头，右侧为3770.67万头，p值为0.098，不显著；玉米价格在断点左侧均值为2440.32元/吨，右侧为2460.56元/吨，p值为0.105，不显著；豆粕价格在断点左侧均值为3640.23元/吨，右侧为3660.34元/吨，p值为0.087，不显著；居民消费价格指数（CPI）在断点左侧均值为102.45，右侧为102.67，p值为0.076，不显著。这表明除了处置变量外，其他协变量在断点附近是连续分布的，不存在系统性差异，满足断点回归的假设条件，进一步支持了研究结论的可靠性。如果协变量在断点两侧存在显著差异，那就可能存在其他未被观测到的因素影响了猪肉价格，从而使研究结论的可信度降低。通过以上多种稳健性检验方法，结果均表明研究结论具有较强的可靠性和稳健性，为深入理解猪肉价格波动的影响因素提供了有力的支持。五、结果讨论与政策建议5.1结果讨论本研究运用非参数断点回归方法对猪肉价格波动进行了深入分析，结果表明，重大政策调整或突发事件对猪肉价格有着显著的因果效应，在断点处猪肉价格出现了明显的跳跃。这一结果与预期基本相符，进一步验证了政策变动和突发事件在猪肉价格波动中所起到的关键作用。2019年非洲猪瘟疫情这一突发事件的爆发，使得生猪存栏量急剧下降，猪肉市场供应严重短缺，从而导致猪肉价格在断点处大幅上涨，这与模型估计结果中显示的断点处价格跳跃现象高度吻合。在影响因素方面，生猪存栏量作为影响猪肉价格的重要因素，其与猪肉价格之间存在着复杂的非线性关系。在断点左侧，生猪存栏量的增加会导致猪肉价格下降，这符合传统的供求理论，即当市场供应增加时，价格会受到下行压力。但在断点右侧，生猪存栏量的增加却使得猪肉价格上升，这一现象可能是由于市场预期、养殖户行为以及其他复杂因素的综合作用所导致的。当生猪存栏量在断点右侧增加时，市场可能会预期未来猪肉供应过剩，养殖户为了避免损失，可能会提前出栏生猪，导致短期内市场上猪肉供应量增加，但由于养殖户为了降低成本可能会减少对生猪的饲养投入，从而影响了猪肉的品质和产量，使得市场上优质猪肉的供应相对减少，价格反而上升。饲料价格、能繁母猪存栏量、居民消费价格指数（CPI）等因素也对猪肉价格波动产生了一定的影响。饲料价格的上涨会直接增加生猪养殖成本，从而推动猪肉价格上升。能繁母猪存栏量的变化则会影响未来生猪的供应量，进而影响猪肉价格。居民消费价格指数（CPI）反映了整体物价水平的变化，与猪肉价格之间存在着相互影响的关系。当CPI上升时，意味着整体物价水平上涨，消费者的购买力下降，对猪肉的需求可能会减少，从而抑制猪肉价格的上涨；反之，当CPI下降时，消费者的购买力增强，对猪肉的需求可能会增加，推动猪肉价格上升。从作用机制来看，重大政策调整或突发事件主要通过改变市场供需关系来影响猪肉价格。政府出台的生猪养殖补贴政策，会鼓励养殖户增加养殖规模，提高生猪存栏量，从而增加猪肉市场的供应量，稳定猪肉价格。而突发事件如非洲猪瘟疫情，则会导致生猪存栏量大幅下降，市场供应短缺，引发猪肉价格上涨。生猪存栏量等因素则通过市场传导机制对猪肉价格产生影响。生猪存栏量的变化会直接影响猪肉的供应量，进而影响市场供需平衡，最终导致猪肉价格的波动。当生猪存栏量增加时，市场上猪肉供应充足，价格会下降；反之，当生猪存栏量减少时，猪肉供应短缺，价格会上涨。5.2政策建议基于本研究结果，为稳定猪肉价格、促进生猪产业健康发展，提出以下针对性政策建议：加强价格监测与预警体系建设：建立全面、精准、实时的猪肉价格及相关因素监测体系，扩大监测范围，涵盖生猪存栏量、能繁母猪存栏量、饲料价格、市场供需情况等关键指标，确保数据的及时性和准确性。利用大数据、人工智能等先进技术，对监测数据进行深度分析和挖掘，构建科学的价格预测模型，提前预测猪肉价格的走势。及时发布价格预警信息，为养殖户、企业和消费者提供决策参考，帮助他们合理安排生产、经营和消费活动。当预测到猪肉价格可能大幅上涨时，及时提醒养殖户增加养殖规模，企业提前做好采购准备；当价格可能下跌时，引导养殖户合理调整存栏量，避免过度生产导致损失。完善政策调控机制：根据猪肉价格波动的规律和影响因素，制定灵活、科学、有效的政策调控措施。在价格上涨过快时，加大储备肉投放力度，增加市场供应，平抑价格；在价格下跌过度时，启动收储机制，稳定市场价格，保障养殖户的利益。2019年非洲猪瘟疫情期间，政府通过大规模投放储备肉，有效缓解了猪肉价格的上涨压力。加强对生猪养殖的政策支持，完善养殖补贴政策，根据生猪存栏量、能繁母猪存栏量等指标，精准发放补贴，提高养殖户的积极性和抗风险能力。加大对生猪养殖基础设施建设的投入，改善养殖条件，提高养殖效率。促进产业规模化与标准化发展：鼓励和支持生猪养殖企业扩大规模，通过政策引导、资金扶持等方式，推动中小养殖户向规模化、集约化养殖模式转变，提高产业集中度。规模化养殖企业具有更强的抗风险能力和市场竞争力，能够更好地应对价格波动和疫病风险。制定和完善生猪养殖的标准化体系，规范养殖流程、饲料使用、疫病防控等环节，提高猪肉的质量和安全性。加强对标准化养殖的宣传和推广，引导养殖户按照标准进行生产，提升整个产业的发展水平。加强疫病防控：建立健全生猪疫病防控体系，加大对疫病防控的投入，加强疫病监测、预警和应急处置能力。提高养殖户的疫病防控意识和技术水平，定期组织培训和宣传活动，普及疫病防控知识，推广科学的养殖和防疫技术。加强对生猪养殖、运输、屠宰等环节的监管，严格执行检疫制度，防止疫病的传播和扩散。在非洲猪瘟疫情期间，严格的检疫和监管措施有效遏制了疫情的蔓延。推动信息共享与市场沟通：搭建生猪产业信息共享平台，整合政府部门、行业协会、企业等各方的数据资源，及时发布生猪养殖、市场供需、价格走势等信息，打破信息不对称，为市场主体提供全面、准确的市场信息。加强政府、养殖户、企业和消费者之间的沟通与交流，及时了解各方的需求和意见，共同应对猪肉价格波动带来的挑战。政府可以通过召开座谈会、听证会等形式，听取各方的建议，制定更加符合市场实际的政策。六、结论与展望6.1研究结论总结本研究运用非参数断点回归方法，对2010年1月至2023年12月期间我国猪肉价格波动进行了深入分析，取得了一系列有价值的研究成果。通过描述性统计分析，清晰地展现了猪肉价格及相关变量的基本特征和分布情况。猪肉价格在样本