全球家禽市场中的价格传导与领导效应：参数与非参数方法的研究结果

《Agribusiness》：Price Transmission and Leadership in the Global Poultry Market: Results From Parametric and Nonparametric Approaches

　　摘要

巴西和美国占全球家禽出口总量的40%以上，中国和韩国是它们的主要目的地市场。本研究利用1990年1月至2024年12月的月度家禽出口价格数据，探讨了巴西和美国之间的价格传导和市场联系，并评估了这两个国家中哪个更频繁地充当价格领导者。实证分析采用了向量自回归（VAR）和自回归分布滞后（ARDL）模型作为参数化方法，同时使用动态时间规整（DTW）作为非参数化的价格路径相似性度量工具。研究结果表明，两国之间存在强烈的短期和长期价格联系，并有证据表明存在协整现象，尽管“一个价格法则”并未得到支持。DTW估计进一步揭示了两个价格序列之间的显著差异，美国更频繁地成为价格领导者。总体而言，研究结果表明这两个出口市场都具有信息效率，宏观经济条件和政策环境可能在塑造全球家禽贸易中发挥重要作用。

1 引言

尽管目前有关于过量肉类消费对健康影响的争论（例如，Petersen等人2023年；Petersen和Hirsch 2023年），但由于家禽的饱和脂肪含量相对较低，因此被广泛认为是一种健康的动物蛋白来源，这可能有助于降低心血管疾病的风险（Marangoni等人2015年；Ramel等人2023年）。此外，其价格合理和供应广泛使得2010年至2022年间全球人均家禽消费量增加了22%（FAOSTAT 2022a）。对于许多面临粮食安全挑战的低收入国家来说，家禽也是重要的蛋白质来源。然而，全球家禽市场主要由少数几个主要出口国主导。例如，2023年，虽然有196个国家进口家禽肉，但只有24个国家占了总出口量的94.4%（FAOSTAT 2024）。这突显了进口国对稳定家禽供应和价格的依赖。巴西和美国是世界上最大的家禽出口国。2023年，全球家禽出口总量达到2090万吨，其中巴西出口了497万吨（23.8%），美国出口了389万吨（18.6%）（FAOSTAT 2022b）。这两个国家合计占全球家禽出口总量的42%以上，这就引发了关于哪个国家对全球家禽价格具有更大影响力或领导力的问题。回答这个问题对于经济、战略和地缘政治原因都至关重要。当一个国家在商品市场上充当价格领导者时，它可以显著影响全球价格形成、贸易流动和整体市场稳定性。一个相关问题是巴西和美国之间的家禽出口价格是否存在有意义的关系。世界主要家禽出口国之间的这种价格联系对于贸易动态、市场效率和经济稳定性具有重要意义。此外，它还可能影响全球供应链、价格冲击的传导以及全球生产者和消费者的福利。一些关于全球家禽供应链的研究考察了英国和美国（Rose等人2019年）、加拿大和美国（Vollrath和Hallahan 2006年）以及韩国和美国（Oh-Bok 2002年）之间的市场整合和价格传导。其他研究则关注国内市场内部的整合，包括美国家禽、牛肉和玉米市场之间的互动（Awokuse和Bernard 2007年；Ramsey等人2021年；Unveren 2019年）以及巴西的家禽和玉米市场（Belarmino等人2023年；Caldarelli 2013年）。然而，据我们所知，还没有研究探讨过巴西和美国家禽出口市场之间的市场联系和整合，也没有确定该领域的价格领导者。为了填补这一空白，本研究分析了1990年1月至2024年12月期间巴西和美国的月度家禽出口价格数据。通过使用参数化和非参数化方法，研究了这两个出口市场之间的市场联系和价格传导，确定了全球家禽市场中的价格领导地位，并评估了原油和玉米价格等外部因素在塑造家禽出口价格中的作用。研究这些问题对于理解全球家禽贸易动态、市场间的价格传导机制以及整体市场稳定性至关重要，同时也有助于制定有效的贸易和农业政策。家禽肉的价格远低于红肉（如牛肉和羊肉）。2024年12月，全球鸡肉出口价格为1.42美元/公斤，而牛肉为6.23美元/公斤，羊肉为5.84美元/公斤（世界银行2025年）。相对较低的价格是家禽肉广受欢迎的主要原因之一（Klein和Vidal 2022年）。由于巴西和美国是主要家禽出口国，它们家禽行业之间的强市场整合可以提高价格稳定性，使全球出口国和进口国的整个家禽价值链中的利益相关者受益。此外，了解这两个主要出口国的家禽出口价格之间的关系有助于更有效地进行市场监测和制定旨在维持全球价格稳定的政策干预措施。因此，本研究的一个核心目标是考察巴西和美国之间家禽市场的整合程度。研究表明，家禽是一种需求缺乏弹性的常规食品（Gallet 2010年）。因此，随着人口和收入的增加，家禽消费量也趋于上升。事实上，从2010年到2020年，全球人均家禽消费量从14公斤增加到17公斤（FAOSTAT 2022a）。预计到2050年，全球人口将从2023年的80.6亿增加到96.7亿（联合国2025年），而全球实际人均GDP（按2017年价格计算）预计将从2010年的9525美元增加到2034年的14,400美元（美国农业部2025a）。随着全球人口和收入水平的增加，未来全球家禽总需求可能会以更快的速度增长（Klein和Vidal 2022年）。具体来说，预计许多低收入国家，包括撒哈拉以南非洲的国家，将成为主要的家禽进口国（Hansen等人2022年）。这提出了一个重要的政策问题：如何确保全球市场的家禽供应和价格稳定？通过确定全球家禽价格领导者，本研究有助于市场监测和价格稳定工作。宏观和微观层面的贸易政策的成功在很大程度上取决于市场整合和价格传导的程度（Barrett 2008年）。更高的市场整合促进了更大的价格传导，符合李嘉图比较优势理论（Baulch 1997a, 1997b）。然而，贸易的好处取决于一个国家的净贸易地位。对于净进口国来说，更强的市场整合和更高的价格传导会导致更低的价格，使进口国的消费者受益（Alam等人2012年）。相反，对于净出口国来说，更强的市场整合会推高出口价格，增加收入并增强其应对全球市场波动的能力（Alam等人2012年）。因此，本研究的发现对全球出口国和进口国的整个家禽价值链中的利益相关者都有用。本文的其余部分安排如下：第2节讨论了通过回顾相关文献来了解当前全球家禽生产、消费和贸易的情况。第3节描述了用于实证分析的数据和方法。第4节展示了研究结果。最后，第5节讨论了研究结果的政策含义并总结了文章。

2 背景、文献综述和具体研究目标

2.1 当前家禽生产、消费和贸易的情况

全球家禽出口市场由六个国家主导：巴西、美国、波兰、荷兰、泰国和中国。2023年，这些国家合计占全球家禽出口总量的70%，其中巴西占比24%，美国占比19%（图1）。从货币价值来看，2023年全球家禽出口总额达到473亿美元，巴西贡献了94亿美元，美国贡献了53亿美元（FAOSTAT 2024）。图1显示了2023年前六大家禽出口国（按百分比计算）。对全球家禽消费总量及其占全球消费总量的比例的分析显示，全球十大家禽消费国是中国、美国、巴西、俄罗斯联邦、墨西哥、印度、印度尼西亚、日本和英国（图2）。巴西是最大的家禽出口国，2023年生产了1490万吨家禽，出口了497万吨（FAOSTAT 2024）。巴西的人均年家禽消费量约为47公斤（FAOSTAT 2025），其家禽行业雇用了约360万人，对巴西GDP的贡献约为1.5%（ABPA 2021）。尽管家禽产业最初起源于欧洲和美国，但巴西已成为全球最大的出口国（Klein和Vidal 2022）。动物产品贸易是美国农业出口的重要组成部分（Muhammad等人2014年），美国是世界上最大的家禽生产国和第二大出口国。2023年，美国生产了2220万吨家禽（FAOSTAT 2024），出口价值55.3亿美元（美国农业部-FAS 2025）。美国的人均年家禽消费量为53.5公斤（FAOSTAT 2025），家禽行业创造了约200万个就业岗位，为经济贡献了约6646亿美元，并每年产生541亿美元的税收（美国家禽与鸡蛋协会2024）。一项研究强调，美国家禽出口的增长与该国经济增长呈正相关（Wen等人2019）。对主要出口市场的分析显示，巴西的主要家禽出口目的地是中国（15%）、阿拉伯联合酋长国（10.6%）、日本（10.6%）、沙特阿拉伯（9.47%）和韩国（4.52%）（经合组织2022）。相比之下，美国主要向墨西哥（26.5%）、加拿大（9.6%）、中国（8.9%）、古巴（5.7%）和危地马拉（3.7%）出口家禽（美国农业部-FAS 2025）。有报告指出，巴西主要针对中东的清真鸡肉市场（Aquino和Degreenia 2024）。这些目的地通常有特定的质量和加工标准，这可能导致价格溢价。与此模式一致的是，巴西的平均家禽出口价格（1640美元/吨）高于美国（1094美元/吨）。这种不同的出口结构为关于价格领导和调整动态提出了明确的、可检验的假设。巴西在清真家禽方面的专业化及其在中东市场的集中可能通过产品差异化和降低替代性赋予其更大的价格设定能力。另一方面，这种市场细分可能会限制巴西对全球基准价格的影响，反而导致其对来自更加多样化和流动性更强的市场（特别是美国）的价格信号调整速度较慢。综合这些竞争性假设，为评估巴西在全球家禽市场中是价格领导者还是价格追随者提供了实证基础。对市场份额动态的分析表明，美国在关键市场中的出口份额有所下降，而巴西则有所增加。在美国家禽的最大出口目的地墨西哥，美国的市场份额从2000年的84%下降到2023年的65%，而巴西的份额在同一时期从不到1%增加到28%（联合国2023年）。在加拿大，美国的市场份额从2000年的86.6%下降到2024年的83.5%，而巴西的份额也从9.2%下降到7.8%。在中国，巴西的份额从2020年的36.3%增加到2023年的38.6%，而美国的份额从2000年的21.8%下降到2023年的16.9%。在日本，巴西的市场份额保持稳定，从2000年的57%不变，而美国的份额从2.0%下降到1.3%。在阿拉伯联合酋长国，巴西的份额从2000年的60%增加到2023年的79%，而美国的份额在同一时期从4.9%略微增加到5.5%。这些趋势表明，即使是在墨西哥和加拿大等传统目的地，美国的市场份额也在持续下降，支持了Hansen等人（2022年）的预测，即到2031年美国家禽出口量将减少约两个百分点。这些不断演变的市场份额模式引发了一个额外的研究问题：巴西在关键目的地市场中的影响力扩大是否意味着其对全球禽肉价格形成的影响也增强了？原则上，市场份额的增加，特别是在中国和墨西哥这样的大型且具有战略重要性的市场中，可能会增强一个国家影响全球价格的能力。然而，市场份额本身并不一定意味着价格领导地位，因为领导地位取决于市场启动价格变动和对国际价格动态施加主导影响的能力。因此，我们测试了巴西不断增长的出口份额是否伴随着在全球禽肉市场中更大的定价权力。高致病性禽流感（HPAI）在巴西和美国的出现对禽肉出口构成了重大威胁。HPAI于2023年5月首次在巴西的埃斯皮里图桑托州被发现，到2025年3月，它已经蔓延到东部沿海的八个州（Aquino和Degreenia 2024）。在美国，HPAI在2025年2月之前就已经在多个州被报告，包括俄亥俄州、爱荷华州、密苏里州、加利福尼亚州和宾夕法尼亚州（USDA 2024a）。与HPAI相关的进口禁令导致2022年至2023年间美国禽肉出口下降了16%（Padilla等人2025）。鉴于巴西和美国共同供应了全球40%的禽肉，HPAI爆发对禽肉供应链的进一步破坏可能会对全球营养安全以及出口国的禽肉农民的生计产生负面影响。

2.2 文献综述和研究目标

国际贸易中的领导地位概念根植于先发优势、定价策略、生产效率和市场可及性（Lieberman和Montgomery 1988）。在出口市场中，当一个国家拥有结构性优势时，例如较低的边际成本、更先进的生产技术、更广泛的市场多样化、更强的信息网络或更深的财务和物流能力，使其能够比竞争对手更快、更可信地调整价格时，价格领导地位就会出现。这些优势使领先的出口国能够启动价格变化，这些变化随后会传递给其他出口国。成本结构较高、市场集中度较低或对特定目的地市场依赖性较大的国家更有可能响应而不是启动全球价格变动，从而在国际价格形成中扮演追随者的角色。附录中的图A1说明了结构性市场特征如何转化为战略行为，并最终转化为全球出口市场中的价格领导地位。确定巴西和美国之间的价格领导者对于制定有效的贸易政策和提高禽肉行业的效率至关重要。虽然没有研究专门探讨巴西和美国禽肉市场之间的价格关系，但之前的研究分析了其他禽肉市场中的价格传递和市场联系。Rose等人（2019）使用1988年1月至2016年8月的月度价格数据，应用向量误差校正（VEC）方法、格兰杰因果关系检验和阈值自回归估计，研究了英国和美国肉鸡市场之间的价格传递。他们发现英国零售肉鸡市场的调整率为16%，美国为15%，没有长期不对称的证据。同样，Vollrath和Hallahan（2006）使用1985年1月至2002年的月度数据进行了向量自回归（VAR）分析，发现美国和加拿大的整鸡市场是分割的。Oh-Bok（2002）使用1990年1月至2001年的月度数据和VAR估计，发现美国和韩国鸡肉价格之间没有价格联系。几项研究分析了美国肉鸡市场的空间市场联系。Awokuse和Bernard（2007）使用1991年6月至2002年5月的月度肉鸡价格数据进行了VEC估计，显示美国肉鸡市场在长期内是空间上共整合的，尽管“一个价格法则”并不成立。Ramsey等人（2021）应用阈值自回归、VEC和阈值VEC模型研究了牛肉、猪肉和鸡肉的每周批发和零售价格，得出美国肉类市场是良好共整合的结论。关于巴西禽肉市场的研究有限。Belarmino等人（2023）使用政策分析矩阵（PAM）发现，COVID-19引发的动荡使巴西的禽肉生产成本增加了30.5%，总要素生产率降低了19.5%。鉴于巴西和美国共同供应了全球40%的禽肉，HPAI爆发对禽肉供应链的进一步破坏可能会对全球营养安全和出口国的禽肉农民的生计产生负面影响。

3 材料与方法

3.1 数据

本研究依赖于联合国粮食及农业组织（FAO）的开放获取数据门户网站上的数据，即食品价格监测与分析（FAO-FPMA 2025）。巴西和美国的月度禽肉出口价格（美元/吨）数据可从1990年1月获取到2024年12月。月度原油和玉米价格来自世界银行的Pink Sheet在线数据门户网站（World Bank 2025）。此外，还从美国农业部生产、供应和分配（USDA-PSD）数据库的开放数据门户网站收集了月度国家层面的生产、消费和出口数据（USDA 2025b）。所有名义价格都使用美国消费者价格指数（CPI）转换为实际价格，以2012年12月为基准（=100）。表1展示了变量的描述性统计信息。

表1. 描述性统计。变量
观察数量
平均价格（美元/吨）
标准差
最小值
最大值

巴西
420
1640
329
985
2406

美国
420
1094
281
642
2018

玉米
420
176
52
100
334

原油
420
54
27
15
139

来源：作者基于（FAO-FPMA 2025）。由于本研究的目标是考察巴西和美国之间的价格传递和市场联系，因此最初通过将数据转换为z分数（减去均值并除以标准差）来标准化这些序列。这种标准化去除了数据的原始经济单位，但使价格序列在可比的尺度上表达，便于比较不同回归方程中的估计系数和动态模式。重要的是，动态时间弯曲（DTW）算法依赖于两个序列的相对时间对齐，而不是它们的绝对大小。因此，标准化不会影响领先-滞后结构的识别，而只是重新调整了对齐过程中使用的距离度量。为了确保结果不受标准化程序的影响，我们通过使用未经标准化的原始价格序列重新估计参数和非参数分析来进行稳健性检验。具体来说，我们使用了价格序列的自然对数而不是z分数标准化。对数转换保留了数据的经济规模，同时减少了异方差性，并允许比较不同市场之间的比例价格变动。这种方法还使我们能够验证参数和非参数方法识别的领先-滞后关系是否对其他数据转换具有鲁棒性。

3.2 参数估计方法

在国际贸易研究中，不同市场之间价格关系的研究有着悠久的历史（例如，Baffes和Ajwad 2001）。早期的研究主要依赖于描述性分析，并通过相关系数来解读不同商品之间的价格关系（Dawe 2008；Lele 1967；Southworth等人1979）。然而，最近的研究应用了回归分析来探讨这个问题（Mottaleb和Durand-Morat 2024；Wongpiyabovorn和Hart 2024；Baquedano和Liefert 2014；Minot 2011）。回归估计的主要假设是同一种商品在所有市场上的价格是相同的，这一概念被称为“一个价格法则”（Ardeni 1989）。根据Baulch（1997a）和Hendry等人（1984）的规范，可以通过以下方程来考察巴西和美国禽肉市场之间的联系：

P_t B_t = α_0 + β_1 P_t U_t + μ_t，
(1)

其中 P_t B_t 是巴西在时间t的禽肉出口价格，P_t U_t 是美国在时间t的禽肉出口价格；α_0 和 β_1 是待估计的参数；μ_t 是假设为独立同分布的误差项，均值为零，方差为σ^2。在一个价格法则下，零假设为：

H_0 : α_0 = 0, β_1 = 1。

在这个限制下，巴西和美国的预期禽肉出口价格是相等的，这意味着巴西和美国之间的价格差异应该是平稳的，随时间围绕零波动，并且预期是独立同分布（iid）的，均值为零，方差为σ^2。估计方程（1）和检验零假设有两个挑战：首先，在存在单位根的情况下，检验H_0可能会产生误导性的结果。其次，产品质量的差异在检验一个价格法则时也可能构成挑战（参见Baffes和Ajwad 2001）。为了解决这些问题，Hendry等人（1984）提出了以下修改后的规范：

P_t B_t = α_0 + β_1 P_t U_t + β_2 (P_t - P_t U_t) + μ_t，
(3)

其中 μ_t 是独立同分布的，均值为零，方差为σ^2。如果β_1 + β_2 = 1，则长期比例性或同质性假设成立。

3.2.1 向量自回归（VAR）模型

鉴于其结构，方程（3）可以在向量自回归（VAR）框架内进行估计。全球市场中的商品价格是同时确定的，VAR方法非常适合捕捉价格形成中的这种相互依赖性。在本研究中，基于方程（3）指定了不受限制和受限制的实证VAR模型，如下所示：

P_t B_t = α_0 + ∑_i p_i P_t - i B_t + ∑_i γ_i P_t - i U_t + ?_2 (P_t - B_t) + ∑_i δ_i P_t - i U_t + ?_2 (P_t - B_t) + ∑_i δ_i (P_t - U_t) + μ_t，
(4)

P_t U_t = α_20 + ∑_i p_i β_i P_t - i B_t + ∑_i γ_i P_t - i U_t + ?_2 (P_t - B_t) + ∑_i δ_i (P_t - U_t) + μ_t，
(5)

其中 P_t B_t 和 P_t U_t 分别表示巴西和美国的禽肉出口价格；p_i 和 β_i 是待估计的参数；δ_i 和 μ_t 是误差项。为了提供比较基准，限制模型通过排除交叉价格效应和其他外生回归量来指定：

P_t B_t = δ_10 + ∑_i θ_i P_t - i B_t + θ_1 (P_t - B_t) + ?_1 (P_t - U_t) + θ_2 (P_t - B_t)，
(6)

在方程（4）和（5）中，原油和玉米价格被作为外生变量包括进来，以捕捉可能影响禽肉出口价格的外部成本冲击。这些变量被视为弱外生的，因为它们是在更广泛的全球商品市场中确定的，并不直接受到巴西和美国之间双边禽肉价格动态的影响。包括这些价格是为了控制可能影响两国禽肉生产和出口价格的共同投入成本和能源价格波动。此外，根据Ditzen等人（2021）的研究，本研究通过生成和包括结构断点虚拟变量（D_j）来检验价格序列中的结构断裂。因为在VAR型模型中，外生变量通常在所有方程中以相同的方式被引入，所以结构突变虚拟变量是基于巴西和美国的结构突变指标的交互作用来构建的联合虚拟变量。例如，第一个联合虚拟变量被定义为巴西的第一个结构突变虚拟变量与美国的第一个结构突变虚拟变量的乘积。在方程（4）中，系数γ_i捕捉了美国禽肉出口价格滞后对巴西禽肉出口价格的影响，而在方程（5）中，系数γ_i捕捉了巴西禽肉出口价格滞后对美国禽肉出口价格的影响。因此，这些系数反映了动态价格传递效应，而不是同时期的效应。为了检验这两个价格序列之间的相互关联性，即预测性传递或格兰杰因果关系，我们测试了以下假设：

对于从美国到巴西的因果关系：

H0: 至少存在一个i，使得γ_i ≠ 0。

对于从巴西到美国的因果关系：

H0: 至少存在一个i，使得γ_i ≠ 0。

如果拒绝原假设，说明一个市场的过去价格包含了预测另一个市场价格的有用信息，从而证实了巴西和美国禽肉出口价格之间的动态关联性。

3.2.2 自回归分布滞后（ARDL）模型

虽然VAR模型是检验动态价格关联性的一个有用工具，但它并没有明确捕捉长期市场整合过程。为了研究巴西和美国禽肉出口价格之间的短期和长期动态关系，本研究还采用了ARDL方法。在长期比例性假设下，方程（3）可以重写为误差修正形式如下：

ΔP_t = α_0 + β_1ΔP_t-1 + β_2(P_t-1 - U_t-1) + μ_t

（6）

通过施加长期比例性约束，