©2010-2026 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
1、 影响猪肉价格的因素分析 影响猪肉价格的因素分析 1研究问题的背景 在当前通货膨胀日益严重的情况下，各种物价飞涨，给人们的日常生活带来了极大地影响，生活中一些必需的物质也在涨，蔬菜肉的价格节节攀升，因此我觉得有必要研究一下究竟是什么因素在影响着这些必需品的价格，从而控制这些因素的上涨，使必需品的价格维持在一个比较稳定的水平上。 2研究的主要内容 这里我选取了对人们生活影响较大的猪肉的价格，从城镇居民收入，猪的供给量，饲料价格，替代品鸡蛋的价格，猪肉供给量五个方面来研究，看看它们相不相关，是正相关还是负相关，有多大的影响程度，从而调节这些变量使猪肉的价
2、格比较稳定，对人们的生活产生较小的影响。 关键词：猪肉价格 3选取数据 年份 猪肉价格 城镇居民收入 饲料价格 鸡蛋价格 猪肉供给量 1996 10.5 4838.9 1.5 7.8 3158 1997 12.2 5160.3 1.56 6.2 3596.3 1998 10.1 5425.1 1.49 5.5 3883.7 1999 7.5 5854 1.2 5.2 4005.6 2000 10.102 6280 1.4725 5.09 3966 2001 10.65 6859.6 1.394 5.
3、3 4051.7 2002 10.23 7702.8 1.522 5.39 4123.1 2003 10.74 8472.2 1.6 5.25 4238.6 2004 13.76 9421.6 1.69 6.39 4341 2005 13.19 10493 1.8525 6.57 4555.3 2006 12.13 11759.5 1.868 6.22 4650.5 2007 18.81 13785.5 2.13 7.76 4287.8 2008 23.49 15780.8 2.62 7.84 4620.5
4、 4建立模型 将以上数据导入eviews,就可以建立以下equation 其中y代表猪肉价格，x1表示城镇居民收入，x2代表饲料价格，x3代表鸡蛋价格，x4表示猪肉的供给量. Dependent Variable: Y Method: Least Squares Date: 12/18/10 Time: 14:25 Sample: 1996 2008 Included observations: 13 Variable Coefficient Std. Error t-Statis
5、tic Prob. C 9.157435 13.67733 0.669534 0.5220 X1 0.000498 0.000541 0.919612 0.3847 X2 10.25823 3.192247 3.213482 0.0124 X3 -0.480361 0.861324 -0.557701 0.5923 X4 -0.003689 0.002947 -1.251590 0.2461 R-squared 0.946997 Mean dep
6、endent var 12.56938 Adjusted R-squared 0.920496 S.D. dependent var 4.232883 S.E. of regression 1.193522 Akaike info criterion 3.475417 Sum squared resid 11.39596 Schwarz criterion 3.692706 Log likelihood -17.59021 F-statistic 35.73401 Durbin-Watson stat 2.510756
7、 Prob(F-statistic) 0.000038 表中除x2外，概率均大于0.05,说明其对y的影响不显著，必须对其进行修正，使其对y的影响显著。经修正的结果如下： Dependent Variable: Y Method: Least Squares Date: 12/18/10 Time: 13:42 Sample (adjusted): 1997 2008 Included observations: 12 after adjustments
8、 Variable Coefficient Std. Error t-Statistic Prob. C 26.35190 5.296921 4.974946 0.0016 D(X1) 0.003944 0.001651 2.388183 0.0483 LOG(X2) 14.44949 3.661958 3.945836 0.0056 D(X3) 1.445699 0.584070 2.475213 0.0425 X4(-1) -0.006037 0.001353 -4.463471 0.
9、0029 R-squared 0.973597 Mean dependent var 12.74183 Adjusted R-squared 0.958510 S.D. dependent var 4.373145 S.E. of regression 0.890771 Akaike info criterion 2.900878 Sum squared resid 5.554310 Schwarz criterion 3.102922 Log likelihood -12.40527
10、 F-statistic 64.53091 Durbin-Watson stat 1.689968 Prob(F-statistic) 0.000013 从表中可以看出，t检验的概率均小于0.05,此时的变量对y的影响是显著的，此模型才是可以用的。还可以看出F检验的值也较大，所以拒绝原假设，总体的显著性成立。 可以得到下列模型： Estimation Command: ===================== LS Y C D(X1) LOG(X2) D(X3) X4(-1) Estimation Eq
11、uation: ===================== Y = C(1) + C(2)*D(X1) + C(3)*LOG(X2) + C(4)*D(X3) + C(5)*X4(-1) Substituted Coefficients: ===================== Y = 26.35189582 + 0.003943975368*D(X1) + 14.44948848*LOG(X2) + 1.44569861*D(X3) - 0.006037331562*X4(-1) 5异方差检验（怀特检验） 原假设HO:残差项不存在异方差 备择假设H1：残差项存在异方差
12、 White Heteroskedasticity Test: F-statistic 0.975116 Probability 0.568784 Obs*R-squared 8.666952 Probability 0.371165 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/18/10 Time: 14:44
13、 Sample: 1997 2008 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. C 9.592994 77.99697 0.122992 0.9099 D(X1) 0.002316 0.002147 1.078821 0.3597 (D(X1))^2 2.08E-07 8.06E-07 0.258446 0.8128 LOG(X2) 1
14、659733 5.685647 0.291916 0.7894 (LOG(X2))^2 -4.599365 6.490699 -0.708609 0.5297 D(X3) 0.244016 1.178023 0.207140 0.8492 (D(X3))^2 -0.637393 0.997492 -0.638995 0.5683 X4(-1) -0.002380 0.037570 -0.063353 0.9535 X4(-1)^2 -5.31E-08 4.56E-06 -0.011644 0.9914
15、 R-squared 0.722246 Mean dependent var 0.462859 Adjusted R-squared -0.018431 S.D. dependent var 0.471484 S.E. of regression 0.475809 Akaike info criterion 1.466105 Sum squared resid 0.679182 Schwarz criterion 1.829785 Log likelihood 0.203370 F-statistic 0.97
16、5116 Durbin-Watson stat 2.734176 Prob(F-statistic) 0.568784 从表中可以看出怀特检验的概率均大于0.05,所以接受原假设，说明残差项不存在异方差。 6自相关检验（LM检验） Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.263214 Probability 0.778599 Obs*R-squared 1.143077 Prob
17、ability 0.564656 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 12/18/10 Time: 14:47 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob.
18、 C -0.468137 6.037956 -0.077532 0.9412 D(X1) 0.000289 0.001901 0.152218 0.8850 LOG(X2) -0.725187 4.286532 -0.169178 0.8723 D(X3) -0.223479 0.730846 -0.305781 0.7721 X4(-1) 0.000139 0.001539 0.090647 0.9313 RESID(-1) 0.116150 0.542063 0.214274 0.8388 RESID(-2
19、) -0.416195 0.575909 -0.722675 0.5023 R-squared 0.095256 Mean dependent var -2.09E-15 Adjusted R-squared -0.990436 S.D. dependent var 0.710589 S.E. of regression 1.002519 Akaike info criterion 3.134108 Sum squared resid 5.025226 Schwarz criterio
20、n 3.416970 Log likelihood -11.80465 F-statistic 0.087738 Durbin-Watson stat 1.851760 Prob(F-statistic) 0.994924 从表中可以看出，检验之后的概率均大于0.05,接受原假设，说明残差之间不存在二阶自相关，通过了LM检验。 7正态分布检验 从表中可以看出JB统计量的概率为0.725370,说明残差有百分之72.5370的概率是正态分布，大于0.05,通过了正态分布检验。 8白噪声检验 Date: 12/
21、18/10 Time: 15:00 Sample: 1997 2008 Included observations: 12 Autocorrelation Partial Correlation AC PAC Q-Stat Prob . |* . | . |* . | 1 0.145 0.145 0.3205 0.571 . **| .
22、 | . **| . | 2 -0.213 -0.239 1.0806 0.583 . **| . | . *| . | 3 -0.243 -0.184 2.1823 0.535 . | . | . | . | 4 -0.040 -0.027 2.2161 0.696 . |* . | . | . | 5 0.120 0.044 2.5621 0.767 . | . | . *|
23、 . | 6 0.000 -0.089 2.5621 0.861 . | . | . | . | 7 0.000 0.034 2.5621 0.922 . | . | . | . | 8 0.000 0.012 2.5621 0.959 . | . | . | . | 9 0.000 -0.010 2.5621 0.979 . | . | . | . | 10 0.00
24、0 0.000 2.5621 0.990 从图中可以看出，其自相关系数和偏自相关系数均落在二倍的标注差以内，说明其波动性较小，且在几阶之后趋近于0，说明从长期来看，其是不相干的，属于白噪声。 9伪回归检验 Null Hypothesis: E1 has a unit root Exogenous: None Lag Length: 0 (Automatic based on SIC, MAXLAG=2) t-Statistic Prob.*
25、 Augmented Dickey-Fuller test statistic -2.756569 0.0107 Test critical values: 1% level -2.792154 5% level -1.977738 10% level -1.602074 *MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for
26、 20 observations and may not be accurate for a sample size of 11 Augmented Dickey-Fuller Test Equation Dependent Variable: D(E1) Method: Least Squares Date: 12/18/10 Time: 15:11 Sample (adjusted): 1998 2008 Included observations: 11 after adjust
27、ments Variable Coefficient Std. Error t-Statistic Prob. E1(-1) -0.971494 0.352429 -2.756569 0.0202 R-squared 0.417541 Mean dependent var 0.144408 Adjusted R-squared 0.417541 S.D. dependent var 0.956933 S.E. of
28、 regression 0.730322 Akaike info criterion 2.295845 Sum squared resid 5.333700 Schwarz criterion 2.332017 Log likelihood -11.62715 Durbin-Watson stat 1.779706 从表中可以看出，其概率为0.0107小于0.05,所以不存在伪回归，通过了检验。 9模型平稳性和预测性检验 从图中可以看出，模型的稳定性一直很好，始终在红线的范围内。 从图中可以
29、看出，模型的预测能力较强，稳定性也较强，符合我们所需要的模型。 从图中可以看出，该模型的一步预测能力较好，因为蓝线一直在红线内，处在预测能力之内。 从图中可以看出，其N步预测能力较好，蓝线一直处在红线之内。 图中的红线代表预测能力，蓝线处在两条红线之内则代表稳定性较强，在预测期内结构未发生改变，说明该模型的预测能力和稳定性较好。 10参数约束检验 （1）约束条件：c(1)=0 Wald Test: Equation: EQUATION2 Test Statistic Value df Probabi
30、lity F-statistic 24.75008 (1, 7) 0.0016 Chi-square 24.75008 1 0.0000 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(1) 26.35190 5.296921 Restrictions are linear in
31、 coefficients. 从表中可以看出，其概率小于0.05，所以拒绝原假设，说明参数c(1)=0不成立。 （2）约束条件：c(2)=0 Wald Test: Equation: EQUATION2 Test Statistic Value df Probability F-statistic 5.703420 (1, 7) 0.0483 Chi-square 5.703420 1 0.0169 Null Hy
32、pothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(2) 0.003944 0.001651 Restrictions are linear in coefficients. 从表中可以看出，其概率小于0.05，所以拒绝原假设，说明参数c(2)=0不成立。 （3）约束条件：c(3)=0 Wald Test: Equation: EQUATION2
33、 Test Statistic Value df Probability 0. F-statistic 15.56962 (1, 7) 0.0056 Chi-square 15.56962 1 0.0001 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(3) 14.44949 3.66195
34、8 Restrictions are linear in coefficients. 从表中可以看出，其概率小于0.05，所以拒绝原假设，说明参数c(3)=0不成立。 （4）约束条件：c(4)=0 Wald Test: Equation: EQUATION2 Test Statistic Value df Probability F-statistic 6.126678 (1, 7) 0.0425 Chi-square 6.126678
35、 1 0.0133 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(4) 1.445699 0.584070 Restrictions are linear in coefficients. 从表中可以看出，其概率小于0.05,所以拒绝原假设，说明参数c(4)=0不成立。 （5）约束条件：c(5)=0 Wald T
36、est: Equation: EQUATION2 Test Statistic Value df Probability F-statistic 19.92258 (1, 7) 0.0029 Chi-square 19.92258 1 0.0000 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. E
37、rr. C(5) -0.006037 0.001353 Restrictions are linear in coefficients. 从表中可以看出，其概率小于0.05,所以拒绝原假设，说明参数c(5)=0不成立。 11残差图检验 从图中可以看出，回归方程拟合的较好，残差的波动性不大，模型较稳定，预测能力比较强。 12预测图检验 从图中可以看出，蓝线一直处在两条红线之内，说明其预测的水平较好，一直处在预测能力之内。 13经济意义的检验 Estimation Command: ========
38、 LS Y C D(X1) LOG(X2) D(X3) X4(-1) Estimation Equation: ===================== Y = C(1) + C(2)*D(X1) + C(3)*LOG(X2) + C(4)*D(X3) + C(5)*X4(-1) Substituted Coefficients: ===================== Y = 26.35189582 + 0.003943975368*D(X1) + 14.44948848*LOG(X2) + 1.44569861*D(X3) - 0
39、006037331562*X4(-1) y-猪肉的价格；x1-城镇居民收入；x2-饲料价格；x3-鸡蛋价格；x4-猪肉的供给量 从上式中可以看出，在其他条件不变的情况下，x1变动一个单位会引起y平均变动0.003943975368个单位； X2变动百分之一，会引起y平均变动14.44948848个单位； X3变动一个单位，会引起y平均变动1.44569861个单位； X4变动一个单位，会引起y的上一期变动0.006037331562个单位。 综上所述，城镇居民收入，饲料价格，鸡蛋价格都与猪肉价格呈正方向变化，而猪肉的供给量与猪肉价格呈反方向变化。 当居民收入增加时，会增加对猪肉
40、的购买力，购买的次数也较多量自然增多，需求增加会引起猪肉的价格上升。 当饲料价格上升时，养猪的成本就会上升，猪肉的成本就会变大，成本变大会引起猪肉价格的上涨。 当猪肉的替代品鸡蛋的价格上升时，对鸡蛋的需求就会减少，而对猪肉的需求就会增多，需求增加会引起猪肉的价格上升。 当猪肉的供给量增加时，会使猪肉这种商品的供大于求所以会引起猪肉价格的下降。 从以上分析中可以看出，这些自变量引起因变量的变化符合实际情况，所以符合经济意义。 14建议 在上面的分析中，虽然四个变量都会引起猪肉价格的变化，但是引起变化最显著的是饲料的价格和猪肉的供给量，它们两个直接影响需求和供给，所以对价格产生较直接的影响。替代品鸡蛋和居民收入也会对肉价产生影响，但这种影响不是很明显，因为随着人们生活水平的提高，猪肉可以说是变成了人们生活所必需的物质，它的弹性较小，不易受收入和替代品鸡蛋的影响。 所以在如今通货膨胀的条件下，为保证人民的生活质量，提高生活水平，必须严格控制跟人们生活直接相关的必需品的价格，猪肉即是一例，要从降低饲料的成本和增加供给两方面下手，一方面，研发新技术加大饲料的生产量和提高质量，另一方面，增加要出栏的猪的数量，严防中间商借机炒作，维持人们日常生活的稳定。 DK张
©2010-2026 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
