我国是世界第一大猪肉生产国和消费国[1]。猪肉供应链是否稳定直接关系到我国居民的“菜篮子”[2]。但就实际情况分析，猪肉市场不确定性因素时有发生，在一定程度上会刺激猪肉供应链企业生产经营，导致猪肉供应链遭遇不稳定风险。据统计局数据显示，受2018年8月非洲猪瘟暴发影响，2018—2020年中国猪肉价格出现暴涨，由21.96元/kg飙升至59.64元/kg，使生猪市场偏离正常运行轨道，对猪肉供应链价格稳定性造成直接影响。为此，2022年中央一号文件提出：“稳定生猪生产长效性支持政策，稳定基础产能，防止生产大起大落”。2022年5月28日召开的国务院常务会议从“抓好重大疫病防控，加强猪肉储备应急调节”“稳定财政、金融、用地等长效性支持政策，保护生猪养殖场（户）积极性”“建立生猪生产逆周期调控机制”3方面确定稳定生猪产能的具体措施，以增强猪肉安全供应保障能力。因此，探索如何维护猪肉供应链稳定性对于居民生活、经济社会发展具有重要意义。有关生猪疫情与猪肉供应链稳定性关系的研究，偏重于考察生猪疫情对猪肉价格、猪肉消费量的影响。苏贵芳等[3]研究发现，生猪疫情宽度指数低于阈值时，生猪疫情冲击对猪肉价格波动无显著影响，但当生猪疫情宽度指数高于阈值时，生猪疫情冲击显著加剧猪肉价格波动。马驰等[4]指出，生猪疫情网络关注会放大生猪疫情事件的冲击，致使猪肉及生猪产业链价格异常波动，且猪肉产业链下游产品价格波动对生猪疫情事件冲击的反应速度、程度更大。谭莹等[5]认为，不同生猪疫病对猪肉价格的冲击存在显著差异，其中非洲猪瘟对猪肉价格的冲击最大，其次为A型口蹄疫，猪病毒性腹泻的冲击最小。朱宁等[6]指出，非洲猪瘟暴发会促使城镇居民选择牛肉、羊肉、鸡肉与鸡蛋作为猪肉的消费替代品，降低猪肉消费量。王刚毅等[7]研究表明，非洲猪瘟会促使市场猪肉价格飙升，导致市场整体猪肉消费量下降。从上述研究可以发现，研究多集中于生猪疫情对猪肉供应链下游猪肉价格、猪肉消费的影响，鲜有学者从猪肉供应链稳定性视角展开探索。为更好地探索如何维护猪肉供应链相对稳定，有必要对猪肉供应链稳定性的影响因素进行研究。本文基于猪肉供应链发展实际，对猪肉供应链上游、下游稳定性进行测算，采用面板Tobit模型进行实证探讨，考察影响我国猪肉供应链稳定性的主要因素，并依据分析结果提出相应对策建议。1理论分析1.1猪肉供应链稳定性及其动因猪肉供应链是由生猪养殖场、生猪屠宰厂、猪肉加工厂、猪肉物流配送以及猪肉流通销售等环节共同组成的链状网络结构[8]。猪肉供应链稳定性指猪肉市场中，猪肉产量、肉质、物流配送效率以及供需平衡程度等各方面表现均保持相对稳定的状态[9]。围绕猪肉供应链稳定性展开分析，可以将猪肉供应链分为两部分，一是上游原材料供应商对本企业的供应链，二是本企业对下游客户的供应链。就猪肉供应链上游稳定性分析，猪肉供应链上游稳定能够有效减少企业向外部重新搜寻原材料的时间成本与劳动力成本[10]。对于绝大多数猪肉供应链上企业，拥有稳定的原材料供应是保证自身稳健发展的重要前提[11]。就猪肉供应链下游稳定性分析，猪肉供应链下游稳定可促进企业依据下游客户需求合理配置各类生产要素，减少无效资源损耗与资源投入过剩；提升链上猪肉产品的周转效率，降低猪肉原材料与成品的库存成本[12]。猪肉供应链上下游企业链条的高质量管理有利于均衡猪肉市场供需[13]，避免链上企业因盲目生产及库存导致成本上升，加剧猪肉供应链不稳定风险。政策支持、疾病控制、市场需求能够驱动猪肉供应链稳定发展。在政策支持方面，政府对猪肉产业提供政策支持，包括金融支持、税收优惠、市场准入等政策，有利于提高猪肉生产效率和产品质量，促进猪肉供应链的稳定发展。在疾病控制方面，政府通过加强猪瘟、口蹄疫等重大疫病的防控和治理，减少养殖业损失，降低市场波动性，对猪肉供应链稳定发展有积极作用。在场需求方面，市场对猪肉的需求量大于生产量，可刺激生产者加快升级技术和提升生产效率，为猪肉供应链稳定发展助益。1.2猪肉供应链稳定性影响因素1.2.1供给端变量猪肉供应链稳定性的影响因素众多。根据文献调研从猪肉供应链供给端展开分析发现，猪肉供应链供给端主要受生猪生产养殖成本[14]、养殖者预期[15]以及其他外生性因素[16]影响。生猪生产养殖成本主要包括仔猪成本、饲料成本等。其中，仔猪成本是猪肉供应链中生猪养殖环节的基础成本。饲料成本是生猪养殖环节的主要成本，约占整体生产成本的60%。仔猪成本以及饲料成本的增加可能引发生猪供给骤减，抬升猪肉价格，对猪肉供应链稳定性造成冲击。从养殖者预期角度分析，国内生猪养殖多为小规模与散户，其往往面临信息不对称与信息滞后困局。当猪肉供应链下游猪肉价格较高时，国内小规模养殖户与散户出于乐观预期，可能会扩大生猪养殖规模，致使猪肉市场供给大于需求，引发猪肉价格下跌，冲击猪肉供应链稳定性。从其他外生性因素分析，生猪养殖模式、养殖技术层次、局部生猪疫情发生频率等都是导致猪肉供应链稳定性变化的重要原因。因此，结合数据可得性，本文选择仔猪价格、玉米价格、生猪养殖规模化水平对猪肉供应链供给端影响因素进行表征。1.2.2需求端变量猪肉供应链下游是否稳定主要反映在猪肉消费需求方面。随着人民生活水平日益提高，居民对肉类食品的需求愈发旺盛[17]。受我国巨大的人口基数以及居民对猪肉消费的独特偏好影响，市场对猪肉的需求往往呈一种相对稳定状态[18]。但就微观层面分析，猪肉消费需求会受到居民可支配收入[19]、猪肉替代品价格[20]的影响。就居民可支配收入分析，居民可支配收入高低直接决定其对猪肉的消费能力。对于低收入阶层来说，春夏季是猪肉消费淡季，国庆与春节等节日较多的秋冬季是猪肉消费旺季。居民可支配收入水平是猪肉供应链下游稳定性的直接信号。从猪肉替代品价格分析，猪肉的替代品众多，主要包括水产品、羊肉、牛肉、鸡肉等。猪肉价格过高的情况下，消费者往往会选择这些肉类消费品替代猪肉。所以水产品、羊肉、牛肉、鸡肉等肉类消费品的价格会直接影响到猪肉的消费需求，对猪肉供应链产生影响。因此，选择城镇居民人均可支配收入、农村居民人均可支配收入、鸡肉价格、牛肉价格作为猪肉供应链需求端影响因素。2实证分析2.1数据来源我国沪深猪肉上市公司共有37家，选择12家企业作为样本。具体筛选步骤如下：按照饲料加工、生猪养殖、屠宰加工三项主营业务将37家猪肉上市公司进行划分，每个环节选择4家2014年前上市、目前经营状况仍旧良好、与供应链上下游存在良好合作关系的企业，最终获得12家猪肉上市企业。选用企业的2014—2021年度报告、年终报告以及研究期内全国投入产出表作为数据来源。2.2猪肉供应链稳定性测算参考鉴钟涛[21]对供应链稳定性（Chain）的测算方法，对猪肉供应链稳定性进行测算。在此基础上，从猪肉供应链上游稳定性与下游稳定性两方面展开分析。供应链稳定性=1-供应链波动率(1)猪肉供应链上游稳定性(Chainup)=1-前五大采购商占比的波动率(2)猪肉供应链下游稳定性(Chaindown)=1-前五大客户占比的波动率(3)式中：前五大采购商占比的波动率为前五大采购商年度采购金额占比变动的绝对值之和与上一年度前五大采购商采购金额占比之和的比值；前五大客户占比的波动率为前五大客户年度采购金额占比变动的绝对值之和与上一年度前五大客户采购金额占比之和的比值。本文对猪肉供应链上下游稳定性进行测算，结果见表1。由表1可知，我国猪肉供应链稳定性整体呈上升态势。细分比较，猪肉供应链上游稳定性高于下游。原因可能是猪肉生产周期长，农户有充足的时间应对市场需求波动，进行决策和调整。相比之下，下游零售商和加工商面对的周期较短，更容易受到市场需求波动影响。进一步分析，2018年猪肉供应链稳定性出现小幅下降，这可能是非洲猪瘟暴发所致。10.13557/j.cnki.issn1002-2813.2023.08.031.T001表12014—2021年猪肉供应链稳定性测算结果年份/年供应链稳定性/%上游下游20140.239 60.123 020150.268 00.135 820160.273 10.135 020170.296 70.145 320180.292 10.140 220190.319 40.146 020200.373 80.157 020210.386 70.158 02.3变量选择与模型设计2.3.1变量选择解释变量与被解释变量描述性统计结果见表2。10.13557/j.cnki.issn1002-2813.2023.08.031.T002表2解释变量与被解释变量描述性统计结果变量项目最大值最小值平均值被解释变量猪肉供应链上游稳定性/%0.308 000.028 6猪肉供应链下游稳定性/%0.340 600.090 5解释变量供给端变量仔猪价格/(元/kg)1.555 20.117 80.356 8玉米价格/(元/kg)0.607 20.136 90.373 6生猪养殖规模化水平/%1.494 10.200 00.405 4需求端变量城镇居民人均可支配收入/(元/年)9.944 92.273 66.913 6农村居民人均可支配收入/(元/年)6.784 20.181 92.361 9鸡肉价格/(元/kg)0.482 90.001 50.094 9牛肉价格/(元/kg)2.185 80.130 70.409 5由表2可知，解释变量包括供给端变量与需求端变量。供给端变量有仔猪价格（lnPig）、玉米价格（lnCP）、生猪养殖规模化水平（lnScale）。其中，仔猪价格用地区仔猪平均价格表示，玉米价格用地区集市玉米平均批发价表示，生猪养殖规模化水平采用年出栏500头及以上养殖户占全部养殖场户的比重衡量。需求端变量有城镇居民人均可支配收入（lnTown）、农村居民人均可支配收入（lnRural）、鸡肉价格（lnCK）、牛肉价格（lnBeef）。为消除各变量异方差影响，对所取数值进行对数处理。为避免各解释变量之间存在相关性导致模型回归结果出现偏误，使用SPSS对上述变量进行多重线性检验，见表3。由表3可知，各变量方差膨胀因子（VIF）值均小于10，容差均大于0.1，条件指标均小于30。表明变量之间不存在多重共线性问题，可进行下一步回归分析。10.13557/j.cnki.issn1002-2813.2023.08.031.T003表3多重共线性检验结果检验项目猪肉供应链上游稳定性猪肉供应链下游稳定性VIF容差条件指标VIF容差条件指标（常量）——1.000 0——1.000 0仔猪价格4.257 80.259 42.358 34.257 80.259 42.358 3玉米价格4.853 10.226 82.930 64.853 10.226 82.930 6生猪养殖规模化水平4.697 70.234 23.408 34.697 70.234 23.408 3城镇居民人均可支配收入2.093 70.527 15.541 92.093 70.527 15.541 9农村居民人均可支配收入2.326 80.473 68.680 42.326 80.473 68.680 4鸡肉价格1.643 30.671 014.228 61.643 30.671 014.228 6牛肉价格1.200 20.918 821.684 61.200 20.918 821.684 62.3.2模型设计基于前述理论分析，采用面板Tobit模型进行估计，分别建立猪肉供应链上游稳定性与下游稳定性基本模型。其中，猪肉供应链上游稳定性、下游稳定性基本模型为：Chainup=∂0+∂1lnPig+∂2lnCP+∂3lnScale+∂4lnBlight+∂5lnTown+∂6lnRural+∂7lnCK+∂8lnBeef+σ (4)Chaindown=∂0+∂1lnPig+∂2lnCP+∂3lnScale+∂4lnBlight+∂5lnTown+∂6lnRural+∂7lnCK+∂8lnBeef+σ (5)2.4实证结果考虑非洲猪瘟是对猪肉价格冲击最大的生猪疫情，故选择非洲猪瘟暴发时间作为生猪疫情研究的时间分界点。以2018年为时间节点，选择2014—2018年样本数据表示生猪疫情暴发前，2018—2021年样本数据表示生猪疫情暴发后。2.4.1猪肉供应链上游稳定性影响实证分析结果（见表4）由表4可知，列（1）为生猪疫情暴发前，各影响因素对猪肉供应链上游稳定性影响的回归结果。仔猪价格、玉米价格与猪肉供应链上游稳定性呈显著负相关；生猪养殖规模化水平与猪肉供应链上游稳定性呈显著正相关。列（2）为生猪疫情暴发后，各影响因素对猪肉供应链上游稳定性影响的回归结果。生猪疫情暴发后，仔猪价格、玉米价格、生猪养殖规模化水平与猪肉供应链上游稳定性的关系未发生变化。10.13557/j.cnki.issn1002-2813.2023.08.031.T004表4猪肉供应链上游稳定性影响实证分析结果项目（1）（2）仔猪价格-0.179 1***-0.173 1***（4.629 3）（5.366 2）玉米价格-0.243 9**-0.272 2***（2.236 5）（3.720 4）生猪养殖规模化水平0.010 1***0.027 3***（5.212 5）（4.414 9）城镇居民人均可支配收入0.006 10.005 1（1.234 6）（0.738 8）农村居民人均可支配收入0.013 20.007 1（1.751 9）（1.108 7）鸡肉价格0.075 9-0.160 9（-1.461 0）（-0.278 9）牛肉价格-0.006 1-0.009 1（-0.495 9）（-0.172 0）常数-0.003 0***-0.004 0***（-4.356 1）（3.153 7）注：“*”“**”“***”分别表示在10%、5%、1%置信水平上显著，括号内为t值；下表同。2.4.2猪肉供应链下游稳定性影响实证分析结果（见表5）列（1）、列（2）分别为生猪疫情暴发前后，各影响因素对猪肉供应链下游稳定性影响的回归结果。由表5可知，生猪疫情暴发前，仔猪价格、玉米价格对猪肉供应链下游稳定性为显著负影响；城镇居民人均可支配收入、农村居民人均可支配收入、鸡肉价格、牛肉价格对猪肉供应链下游稳定性为显著正影响。生猪疫情暴发后，城镇居民人均可支配收入、农村居民人均可支配收入对猪肉供应链下游稳定性的影响转为不显著；仔猪价格、玉米价格鸡肉价格、牛肉价格的影响未发生明显变化。10.13557/j.cnki.issn1002-2813.2023.08.031.T005表5猪肉供应链下游稳定性影响实证分析结果项目（1）（2）仔猪价格-0.281 3***-0.501 2***（-5.062 6）（-4.708 4）玉米价格-0.595 1***-0.712 5***（-4.459 2）（-4.204 3）生猪养殖规模化水平0.049 60.682 1（0.880 4）（5.383 8）城镇居民人均可支配收入0.002 0**0.135 6（3.232 8）（0.016 2）农村居民人均可支配收入0.005 1**0.422 4（3.414 9）（0.660 8）鸡肉价格1.042 4***1.758 3***（5.022 3）（4.065 8）牛肉价格1.062 6**0.971 5**（2.010 1）（3.032 4）常数2.560 4-0.519 2**（0.805 6）（-3.106 8）3讨论3.1猪肉供应链稳定性我国猪肉供应链稳定性整体呈上升态势。细分比较，猪肉供应链上游稳定性高于下游。进一步分析，2018年猪肉供应链稳定性出现小幅下降，表明生猪疫情会对猪肉供应链稳定性产生影响。3.2猪肉供应链上游稳定性的影响因素生猪疫情暴发前，仔猪价格、玉米价格越高，猪肉供应链上游稳定性越差；生猪养殖规模化水平越高，猪肉供应链上游稳定性越强。生猪疫情暴发后，仔猪价格、玉米价格、生猪养殖规模化水平与猪肉供应链上游稳定性的关系未发生变化。3.3猪肉供应链下游稳定性的影响因素生猪疫情暴发前，仔猪价格、玉米价格越高，猪肉供应链下游稳定性越差；城镇居民人均可支配收入、农村居民人均可支配收入、鸡肉价格、牛肉价格越高，猪肉供应链下游稳定性越强。生猪疫情暴发后，城镇居民人均可支配收入、农村居民人均可支配收入对猪肉供应链下游稳定性的影响转为不显著，仔猪价格、玉米价格、鸡肉价格、牛肉价格的影响未发生明显变化。4对策与建议4.1完善猪肉供应链供应体系政府有必要推动猪肉主要销售区与生产区进行良好合作对接，共同探索建立双向认证供应体系，实现点对点的猪肉供应。在此基础上，进一步强化猪肉供应链生产与销售区域之间的流通基础设施建设，推动猪肉供应链流通环节的重构与调整，完善猪肉消费品跨区域流通体系与猪肉供给体系，确保猪肉消费品稳定供给。4.2优化生猪疫情应急管理平台与系统一方面，优化生猪疫情信息共享平台。相关部门可对猪肉供应链各环节信息进行统筹，利用数字技术优化生猪疫情信息共享平台，实现生猪疫情信息全程记录、档案可查。另一方面，优化生猪疫情预警监测系统。相关部门应在生猪疫情暴发后快速掌握疫情细节并及时上报，优化生猪疫情预警监测系统，预测该疫情发生的可能风险，为生猪疫情防治决策提供参考。4.3健全市场价格干预手段首先，应利用大数据手段实时监测市场与猪肉供应链相关的产品价格波动情况，合理引导市场预期，避免因部分产品价格波动引发的生猪养殖者盲目决策行为以及消解消费者过度恐慌。其次，通过“保险+期货”模式，采用市场风险管理工具稳定猪肉供应链相关产品市场价格，引导市场供需平衡。最后，适时释放价格临时补贴，启动社会保障与物价上涨挂钩联动机制，积极引导猪肉相关行业协商定价，避免因猪肉供应链相关产品价格大幅波动导致的猪肉供应链风险。