生猪价格预测的研究方法
生猪行业价格分析报告
生猪行业价格分析报告1. 引言本报告分析了当前生猪行业的价格趋势，并提供了一些关于价格波动的原因和未来发展的预测。
通过对市场供求状况、政策影响和国内外因素的考察，我们对生猪价格的变动进行了评估。
2. 供需状况生猪是我国主要的畜牧产品之一，生猪价格受供需关系的影响较大。
近年来，随着人们生活水平的提高和饮食习惯的改变，对肉类的需求不断增加，尤其是猪肉的需求量在持续增长。
而供应方面，生猪养殖面积的减少和非洲猪瘟疫情的爆发导致了生猪生产的不稳定，从而对价格产生了较大的影响。
3. 政策影响政府在生猪行业中发挥了积极的作用。
为了稳定生猪价格并保障居民的生活需求，政府出台了一系列的支持政策。
例如，加大对生猪养殖业的扶持力度，提供贷款和补贴以促进生产；同时，加强对非洲猪瘟的防控，减少疫情的蔓延。
这些政策的实施对于稳定生猪价格和保障市场供应起到了积极的推动作用。
4. 国内外因素影响生猪行业价格受到国内外因素的共同影响。
国际市场上的猪肉价格波动以及进出口政策的变化都会对国内的价格产生影响。
另外，天气因素也会对生猪价格造成影响。
例如，自然灾害对猪场的破坏以及气温对生猪生长周期的影响都会导致价格波动。
5. 未来发展预测根据当前的市场状况和政策导向，我们对未来生猪行业的价格发展进行预测。
预计猪肉需求将继续增长，而供应则可能面临一定的压力。
政府将进一步加大对生猪养殖业的支持力度，采取一系列措施鼓励生产。
同时，预计在非洲猪瘟疫情得到有效控制后，生猪产能将逐渐恢复，供应将逐渐增加。
因此，未来生猪行业的价格可能会出现逐步下降的趋势。
6. 结论通过对生猪行业价格的分析，我们可以得出以下结论：- 生猪行业价格受供需关系的影响较大。
- 政府的支持政策对于稳定生猪价格起到了积极的推动作用。
- 国内外因素都对生猪价格产生影响，包括国际价格波动和天气因素。
- 未来生猪行业的价格可能会逐步下降。
综上所述，生猪行业价格分析报告预测了未来的发展趋势，并提供了一些影响因素的考量。
生猪价格的预测模型
实证分析：实验过程
10.30 9.30 8.30
7.30
6.30
5.30
实际值 逐步回归预测值 逐步回归组合模型预测值
2000年1月 2000年4月 2000年7月 2000年10月 2001年1月 2001年4月 2001年7月 2001年10月 2002年1月 2002年4月 2002年7月 2002年10月 2003年1月 2003年4月 2003年7月 2003年10月 2004年1月 2004年4月 2004年7月 2004年10月 2005年1月 2005年4月 2005年7月 2005年10月 2006年1月 2006年4月
Yt=0.99727+0.50665*MEAT t+0.42317*FEEDt2 (1)
此模型拟合效果见下页图
实证分析：实验过程 多项式回归拟合效果
10.30
实际值
9.30
预测值
8.30
7.30
6.30
5.30 2000年210月00年240月00年2070月0年1200月01年210月01年240月01年2070月1年1200月02年210月02年240月02年2070月2年1200月03年210月03年240月03年2070月3年1200月04年210月04年240月04年2070月4年1200月05年210月05年240月05年2070月5年1200月06年210月06年4月
国外生猪市场定性预测研究方法也大致类似，也是采 用猪粮比价为标准，分定性析预测市场变化方向。
国内外生猪市场预测研究概况
定量预测方面： 国内方面研究较少 国外方面研究
市场价格预测方法简介
回归分析法
此方法是根据被预测变量与其他变量之间的因果关系 预测未来，因此是建立在因果关系分析的基础上的。 因而针对具体的经济问题，首先要进行背景因素分析， 收集影响该问题的主要经济指标，收集历史数据，然 后构建理论模型。
专家教你如何预测养猪能否盈利
专家教你如何预测养猪能否盈利
如何预测养猪业的市场形势，是广大养猪户极为关心的问题，这是摘要介绍中国农业大学刘少伯教授等的研究成果供大家参考。
为了预测养猪业能否盈利，必须掌握市场经济的三个“差”。
即价格的时间差、价格的区位差和生产的结构差。
所以要分析以下规律：(1)用猪粮比价分析市场波动规律。
猪粮比价即待宰活猪与玉米的比价，若为5.5∶1以上则盈利多于亏损。
(2)用料猪比价分析规模饲养波动的规律。
即以料猪比价来分析规模饲养是否盈利，其比价的标准为4.5∶1。
料即养猪配合料。
(3)仔猪价格波动规律及市场预测。
分析说明仔猪价格波动与粮猪比价吻合，但较之落后。
仔猪价是肥猪需求量的最佳指标，饲养户应密切关注仔猪价，若猪粮价超过 5.5∶1，即超过盈利标准，那末可以预计猪于4～6个月后出栏时肥猪定能盈利，仔猪价必将上涨，种猪饲养户应增加仔猪繁殖数量。
(4)活猪价格波动不明显可能受国家调控政策的影响，但猪价受肉价的影响，即肉价上涨，猪价也可能上涨。
生猪年末存栏量和猪肉价格的预测模型
生猪年末存栏量和猪肉价格的预测模型摘要本文针对生猪年末存栏量以及猪肉的价格进行了预测。
首先通过最小二乘法对生猪的出栏量进行了预测，然后引入了两次参数拟合的灰色马尔科夫链模型，对猪肉价格进行了宏观趋势以及微观波动进行了讨论，最后得出预测值，并给出了预测值的变动范围。
第一问中，由于生猪的出栏量总体呈上升趋势，而且波动较小，所以我们采用最小二乘法进行预测。
在预测过程中充分考虑1995~1996年的金融危机对生猪出栏量的影响，用5次和3次多项式分别对1976~2009年和1996~2009年的数据进行了拟合，得到四条拟合曲线，通过比较可以看出，其中一条曲线的误差较大，其他三条曲线基本重合，最后在对这三条曲线的数据求平均，得到最终结果。
预测出来的2007、2008、2009年的生猪出栏量都与真实值误差很小，而预测出的2010年的生猪出栏量为52562.7万头。
第二问，预测猪肉价格时，以每月为一个单位。
由于猪肉的价格波动性比较大，建立了两次参数拟合的灰色马尔科夫链模型。
先用两次参数拟合的灰色理论对猪肉价格的趋势进行了分析，得到猪肉价格的趋势值。
然后再用马尔科夫链对猪肉价格的波动性进行了研究，给出了猪肉价格的预测值，并得到了预测值的变动范围。
相比于GM（1，1）模型，本模型对时间响应方程进行了二次参数拟合，这样得到的数据比普通的GM（1，1）模型的数据更精确。
在用马尔科夫链预测时，首先用相对价格将价格的波动情况划分为j个状态区间，然后求出状态转移概率矩阵，列出价格预测表，可能转移到的概率最大的那个状态即为下一月份的状态。
则猪肉价格的趋势值乘以这一状态的上下限即可得到预测值的波动范围，而取这一状态区间的中点与趋势值的成绩既为这一预测值。
最后得到的结果是2010年1月的猪肉价格是11.80元与实际值11.75元比较，误差为0.43%，相对于灰色GM(1,1)模型预测的猪肉价格11.14元，误差为 5.19%，误差很小，说明了两次参数拟合灰色马尔科夫链模型的准确性。
如何预测猪价
如何预测半年内的猪价走势？一头40斤左右的猪苗饲养到240~250斤出栏，要4~5个月时间。
那时猪价可能上升，可能持平，也可能下降。
如果高进（猪苗价）低出（肉猪价），肯定没有钱赚，甚至血本无归。
因此准确预测肉猪出栏时的行情很有必要。
一•首先要预算成本。
肉猪生产成本由猪苗成本.饲料成本和饲养费用三部分构成。
1. 猪苗成本：猪苗采购价加运输费和差旅费，再除以成活率。
如某人8月20日在广西购猪苗300头，付猪苗款25万元。
运费1000元，差旅费600元，育肥成活率预计95%.则猪苗成本=（250000+1000+600）/300/95%=883元/头（头均重50斤）。
2. 饲料成本。
料肉比3.1~3.2：1.由于猪出栏体重较大，按3.2：1计算。
饲料现价1.5元/斤。
育肥期饲料有涨价趋势，按1.53元/斤计。
增重200斤x3.2x1.53=979元3. 饲养费用。
含工人工资，生活费，医药费，水电费，场租，固定资产折旧费等。
每头约100元。
一头250斤左右肉猪合计成本=883+979+100=1962元.每斤7.85元。
这就是保本价。
加上0.5元利润，肉猪出栏价应不低于8.35元，方可获得基本利润。
二.预测4个多月后的肉猪行情。
1.预计出栏时间。
本次大猪期气候凉爽，适宜肉猪生长。
日增重以780克计算，100千克/0.78千克=128天。
（4个月另8天）即2012年元旦前后半个月可以陆续出栏。
2.预计肉猪行情。
预测行情要3看：一看肉猪出栏时期是猪肉消费旺季还是淡季。
一般来说春节期间是猪肉消费旺季，生猪价格较高；4~6月是消费淡季，生猪价格较低。
二看出栏时处在猪价波动的什么阶段。
一轮猪价波动可分4个阶段，即猪价低谷期，猪价上升期，猪价高峰期和猪价下滑期。
抓猪苗时要注意，肉猪出栏一定要避开猪价低谷期；另外在猪价下滑期抓猪苗风险会很大，一定要慎重。
三看省内外有无重大疫情，造成仔猪大批死亡。
如有，则5~6个月后，市场猪源一定紧张，猪价肯定上涨；如母猪大批死亡，则一年后猪价暴涨。
2023年生猪价格变动分析及预测报告模板
首先，饲料价格是影响生猪价格的重要因素之一。饲料成本直接决定了生猪的生长 成本，而这个成本又直接影响了生猪的价格。如果饲料价格上涨，生猪的生长成本 也会随之增加，这将导致生猪价格的上涨。
生猪价格受疾病影响
其次，疾病也是影响生猪价格的重要因素之一。生猪在生长过程中，可能会感染疾 病，这会导致生猪的死亡率增加，从而影响生猪的数量。而生猪数量的减少，将会 导致生猪价格的上涨。
预测生猪价格继续上涨，饲料成本上升，生猪供应减少
预测未来几个月生猪价格将继续上涨。主要原因是，饲料成本（如玉米和大豆价格）预计将继续上升，而由于COVID-19疫 情的影响，生猪的生产和运输可能会受到进一步的限制。此外，生猪供应量的减少可能会加剧价格上涨。
尽管短期内生猪价格受压，但长期来看需求稳定，预计生猪价 格将呈上升趋势
生猪价格变动分析
一、生猪价格变动概述
根据国家统计局数据显示，2022年我国生猪价 格呈现了较大的波动。从年初的每公斤19.8元， 降至年末的每公斤11.6元，全年平均价格为 16.3元，同比下降39.4%。这种价格变动不仅 影响了养殖业的收益，也影响了消费者的生活 成本。
二、生猪价格预测方法
政策与法规对生猪价格的影响
生猪价格变动原因分析
生猪价格变动原因分析：饲料价格影响
生猪价格变动分析
在分析生猪价格变动时，我们收集了最近5年的数据，包括生猪价格、饲料价格、政府政策等。
1.生猪价格变动原因分析 2. 饲料价格的影响
生猪饲料成本高涨，生猪价格受玉米、小麦价格影 响
根据我们的数据，生猪饲料成本占到总成本的60%以上。最近5年，玉米和小麦的价格涨幅较大，这对 生猪价格产生了很大的影响。以一头生猪为例，每增加1元人民币的饲料成本，生猪价格就会上涨约1.2 元人民币。
我国生猪周期理论与模式评估及价格预测分析
我国生猪周期理论与模式评估及价格预测分析近年来，我国养猪产业受到了生猪周期的影响，生猪价格的波动使得养殖户面临着巨大的经济压力。
为了有效应对这种周期性的特点，研究人员提出了我国生猪周期理论与模式评估及价格预测分析。
本文将对这一理论进行介绍并进行评估与预测。
我国生猪周期理论认为，生猪市场具有一定的周期性，其价格会在一定的时间内发生波动。
这种周期性主要受到供需关系、种猪库存、政策调控等多种因素的影响。
周期性的发生使得生猪价格的波动性增大，给养殖户带来了较大的风险和不确定性。
为了更好地评估生猪周期理论的准确性，研究人员通过实证分析了过去几年生猪市场的价格数据。
他们发现，生猪价格确实存在周期波动，且周期长度约为2至3年。
同时，种猪产能、进口环境以及政策调控等因素在周期性波动中扮演重要角色。
通过对这些因素的综合分析，可以较为准确地预测未来生猪价格的变动趋势。
基于以上分析，研究人员提出了一种生猪价格预测的模型。
该模型基于时间序列分析和经济数据分析，通过考虑种猪养殖规模、屠宰企业库存、国内外市场需求等因素，对未来生猪价格进行预测。
研究人员利用历史数据对模型进行验证，并取得了一定的预测准确率。
这种模型的应用使得养殖户能够提前调整生产策略，降低经济风险。
综上所述，我国生猪周期理论与模式评估及价格预测分析为养殖户提供了有效应对生猪价格波动的方法。
通过该理论和模型，养殖户能够更好地应对市场风险，并进行合理经营决策，从而减少经济损失。
这一理论的应用和发展对于稳定我国生猪市场，促进养猪产业的可持续发展具有重要意义。
随着我国经济的快速发展和人民生活水平的提高，对猪肉的需求不断增长。
然而，由于生猪周期的存在，生猪价格的波动性较大，给养殖户带来了一定的风险和不确定性。
为了更好地应对这一问题，研究人员开始关注生猪周期的理论与模式评估，并通过价格预测分析来提前进行经营决策。
生猪周期是指生猪价格在一定时间内发生周期性波动的现象。
这种周期性主要受到供需关系、种猪库存、政策调控等多种因素的影响。
关于生猪生产销售及价格的调查报告
关于生猪生产销售及价格的调查报告调查报告：生猪生产销售及价格一、调查目的本调查旨在了解当地生猪生产行业的现状、销售情况以及价格波动等情况，为相关部门提供参考依据。
二、调查方法1. 采访：我们对当地的生猪养殖场进行了实地采访，了解其生产规模、饲养方式、饲养成本等相关情况。
2. 数据分析：我们收集了生猪市场的销售数据，并进行统计分析，以了解市场的供需情况和价格变动趋势。
三、调查结果1. 生猪生产规模：（1）养殖户数量：本地共有XX家养殖场，平均每家养殖场饲养XX头生猪。
（2）养殖方式：大部分养殖场采用传统的栏舍式养殖方式，少部分已经转向规模化标准化养殖。
（3）饲养成本：根据采访结果，每头生猪的饲养成本约为XX元。
2. 生猪销售情况：（1）销售渠道：生猪主要通过当地的农贸市场、超市和直接销售给餐饮企业等销售渠道。
（2）销售价格：根据我们收集的数据，生猪的平均销售价格为XX元/斤。
（3）销售量波动：根据数据分析，销售量存在一定的季节性波动，冬季销售量较春季和夏季有所增长。
3. 生猪价格波动情况：（1）批发价波动：生猪的批发价格存在一定的波动，受季节变化、市场需求和生猪疫情等因素的影响较大。
（2）消费者价格波动：生猪的消费者价格也存在一定的波动，但波动范围相对较小。
四、调查结论1. 生猪生产规模：本地生猪生产规模较为稳定，但仍以传统的栏舍式养殖为主，需要进一步推广规模化和标准化养殖模式。
2. 生猪销售情况：生猪销售主要通过农贸市场和超市等销售渠道，需进一步加强与餐饮企业等的合作，拓宽销售渠道。
3. 生猪价格波动情况：生猪价格受季节变化和市场需求等因素的影响较大，因此生产者应根据市场情况灵活调整销售策略。
以上是本次关于生猪生产销售及价格的调查报告，希望对相关部门的决策提供一定的参考依据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
生猪价格预测的研究方法生猪价格预测的研究方法养猪业是我国农业中的优势产业，在农业和农村经济中占有重要地位。
自1985 年国家开肉类市场，生猪供应局面大有改观，其价格亦表现出明显的波动特点和波动周期。
纵观1995年以来我国生猪价格历史数据，可以发现，1995 年至1998 年4 月份，以及2003 年10 月份至今，生猪价格几乎都在7 元以上；而1998 年5 月份至2003 年9 月份共64 个月，生猪价格一度处于7元以下。
2005年下半年四川猪链球菌感染事件爆发以来，生猪价格更是一路走低，不断下跌，中小生产者损失惨重，集约化猪场也是苦不堪言。
表1是1995年1月至2006年2月我国平均生猪价格变化波动情况。
生猪市场的频繁波动以及价格持续低靡给广大生产经营者带来了很大困惑。
若波动之前一段时间能对市场价格进行比较准确的预测，对于生产经营的资源投入、生产计划及产品行为提供一定的参考，则会从很大程度上减缓这些波动的不良影响，从而减少生产经营者的损失。
本文的目的就是对生猪价格波动进行分析，并从数量经济学的角度，建立生猪价格的经济预测模型，并就此方面做一些初步的探索。
表1. 1995年1月~2006年2月我国平均生猪价格变化(单位：元/kg )数据来源：2000~2006数据来自畜牧兽医总站网站，2000年以前数据来源于参考文献[1]1 生猪市场价格预测简介对于生猪市场价格预测，主要有定性分析和定量分析两个方面。
目前在我国，生猪市场价格分析还绝大多数采用的是定性分析方法，行业内专家同行就历史交易数据，结合当前市场趋势及个人经验进行分析，预测市场价格一定时期内的波动方向及大致的价格波动范围，我们可以称此方法为专家预测法。
而定量研究方面，主要是结合数量经济学及系统工程等方面的研究进展，有回归分析法，时间序列分析法，回归—时间序列组合法以及人工神经网络预测等方法。
其中回归分析，时间序列分析，回归—时间序列组合分析方法由于所需数学知识简洁，又有现成的分析软件（SAS, SPSS, Eviews等)，因而可以迅速快捷的进行分析预测。
1.1定性预测研究方面目前国内主要用猪粮比价分析市场波动规律。
猪粮比价即待宰活猪与玉米的比价，猪粮比价若为5.5:1以上则盈利多于亏损；生猪价格对于猪肉价格反应比较敏感，肉价上涨，猪价也可能上涨。
中国农业大学刘少伯教授等人定期在行业杂志期刊上发表此类市场预测相关文章；而中国农业信息网，畜牧兽医总站及种猪信息网等网络媒体也定期发布市场行情预测信息，但是这些信息大多都是处于定性分析阶段，对于市场的导向性也不是特别明确。
国外生猪市场定性预测研究方法也大致类似，也是采用猪粮比价为标准，分定性析预测市场变化方向。
1.2 定量预测研究方面目前国内此方面研究较少。
陆宜清[2]等曾于1998年运用回归分析法预测河南省待宰活猪市场价格。
通过分析1995年1月～1997年9月的待宰活猪价格y(元/公斤)随时间t(月)变化的情况，看出二者成弦函数关系，考虑到1998年国家对待宰活猪价格宏观预测是下降的，故认为变化周期是3年，即T＝36(月)，所以y = b0 + a sin(ω(t-φ0))，其中ω= 2 π/ 36，b0，a，φ0 为待估参数。
b0为平均价格，a为变化的振幅，φ0为初相位。
通过参数估计及检验，最后预测出了1997年10月～1998年9月待宰活猪市场价格预测。
此预测比较粗糙，也没有推广开来，但是毕竟在定量研究方面迈出了第一步，此后在国内的文献中几乎看不到此类研究。
定量预测生猪价格的研究在国外开展的较早。
早在二十世纪五六十年代，美国专家学者就生猪市场进行了大量的定量分析研究。
Wilson[10]于1972年在其硕士学位论文中运用数量经济学分析方法，对于美国养猪生产供求等关系进行了分析，并且建立了一个基于多变量的递归式回归方程来预测生猪季度价格和月价格。
Jon A. Brandt[8]等于1981年运用组合预测的方法，分析了1961年~1975年生猪季度价格，并预测了1976年第一季度~1979年第二季度的价格。
他们运用了数量经济学方法，ARIMA方法(一种时间序列分析方法)及专家预测价格三种方法进行分析，对比其结果，并最终将三种方法的预测结果按照两两简单平均、加权平均和三种方法简单平均进行组合分析，对照其结果，得出了组合预测分析方法由于结合各种分析方法的优点，因而其结果精确度最高的结论。
Merlinda(1983)[9]也在其硕士学位论文中运用数量经济学方法和ARIMA方法对美国生猪市场价格进行了分析研究，并建立了生猪市场价格预测的年度模型，季节模型，以及ARIMA模型。
挪威大学的Ole Gj?berg[7]于1995年就北欧四个国家(挪威，瑞典，丹麦和芬兰)的生猪市场价格和仔猪价格进行分析，针对两者关系，并结合饲料转化效率，屠宰体重等因子，将仔猪价格和滞后其一季度的生猪价格进行建模分析，并建立了合适的预测生猪价格的回归—时间序列组合预测模型。
Lonnie Hamm等人于1997年还采用神经网络的方法预测了美国的生猪市场价格。
美国堪萨斯州州立大学农经系Kevin[11]等于2004运用其研究的K-State公式(一种多项式回归分析方法）预测过美国断奶仔猪市场价格。
定量预测在国内的研究远远落后于国外，因此在这个方面，我们还有还长的路要走。
1.3 预测方法简介1.3.1 回归分析方法回归预测方法是根据被预测变量与其他变量之间的因果关系预测未来，因此是建立在因果关系分析的基础上的。
因而针对具体的经济问题，首先要进行背景因素分析，收集影响该问题的主要经济指标，收集历史数据，然后构建理论模型。
预测模型参数估计的方法一般是最小二乘法(Least square)，之后进行方程显著性检验，随机误差的序列相关检验，异方差检验，解释变量的多重共线性检验等。
根据自变量的个数可以分为一元回归法，多元回归法等。
运用回归模型进行经济问题的分析时还要注意从问题的实际意义出发评价模型[6]。
1.3.2 时间序列分析法经济生活中的数据一般都是按照时间排列的时间序列，因此也可以从时间序列的角度来分析。
与回归分析有所不同的是，时间序列分析是依靠历史数据的变化来推测未来数据，主要的准则是“让数据说话”。
目前在时间序列分析中最主要的方法就是ARMA(Autoregression Moving Average)方法。
ARMA方法是有美国学者George Box和英国统计学家Gwilym Jenkins于1968年提出的，因此此方法又称为Box-Jenkins 方法，简称B-J法[5]。
ARA方法进行预测的基本思想是：首先假设所分析的时间序列是由某个随机过程产生的，然后用时间序列的原始数据去建立估计描述这一随机过程的模型；运用所建立的模型，在已知过去和现在的时间序列的观测值的条件下，求出未来事件序列的最佳预测值。
ARMA模型的一般形式如下：记为ARMA(p, q)。
其中Y t 是一平稳时间序列，C, φ, θ是未知参数，p是自回归项阶数，q是移动平均项阶数，εt是随机误差项，εt-1, εt-2…是模型在t-1, t-2期的误差。
实际生活中，大多数时间序列都不是平稳序列，需要进行差分处理，变成平稳序列之后才能用ARMA模型处理，此时的模型称为ARIMA(p, d, q)模型。
其中d为差分次数。
该模型数学形式如下：其中，B为滞后算子，其他变量含义同上。
BY=Yt-1 , B2Yt = Y t-2 , …, Bp Y t = Y t-p ,对于序列平稳性检验，模型中p, d, q参数的确定及模型其他参数的估计，在Eviews, SAS, SPSS等统计分析软件中都有现成模块可以直接进行运算，并能打印出相关分析图。
2 实证分析本文拟通过各因素间相关分析，采用多元回归分析法，多项式回归分析法，多元回归—时间序列组合分析法建立生猪价格预测模型，并对其做出初步分析。
2.1 材料：数据，数据来源实验所用数据来源于中国畜牧兽医信息网( /doc/index.htm )的数据月报。
最终使用数据为全国29个省市自治区（其中西藏、新疆数据缺失较多，最终不予考虑）2000年1月~2006年1月的仔猪价格，生猪价格，猪肉价格（去皮带骨猪肉），豆粕价格，玉米价格，育肥猪配合饲料价格。
一共73期数据，本文主要针对的是北京数据进行分析。
根据养猪业特点，我们选择了仔猪价格，生猪价格，育肥猪配合饲料价格，豆粕价格，玉米价格这六项资料数据，并进行了一系列的分析。
2.1.1 各因素间相关分析相关分析所采用的分析软件为SAS 8.2 。
分析结果见下表（表2），由表可以看出各个因素之间有着非常高的正相关。
也就意味着我们可以通过其中部分因素的变化情况来预测其他因素的变化发展。
表2 北京2000.1~2006.1数据相关分析表变量MEAT PIGLET CORN SOYBEANFEED HOG MEAT 1PIGLET 0.8 748 1CORN 0 .7695 0.7636 1SOYBEAN 0.67 75 0.6897 0.669 1FEED 0.8550.8081 0.8413 0.7483 1HOG 0.94790.8792 0.7745 0.7715 0.8 52 1注：表中价格数据变量，MEAT代表猪肉，PIGLET 代表仔猪，CORN代表玉米，SOYBEAN代表豆粕，FEED代表育肥猪配合饲料，HOG代表生猪(下同)2.1.2 多项式回归分析我们参考Kevin等人研究的K-State公式，并考虑生猪价格的基本结构，用SAS统计分析软件建立了一个多项式回归方程，具体如下，该方程的决定系数为0.9056 。
t=0.99727 + 0.50665 * MEAT t + 0.4 2317 * FEED t 2(1)此模型的拟合效果如下图所示。
2.1.3 多元回归分析由相关分析我们可以看出，所考虑的各个因素之间相关度极高，存在共线性，因此不能直接采用普通多元回归分析方法，此处我们采取的方法是多元逐步回归分析。
在SAS统计分析软件中调用REG过程，然后采用STEPWISE(逐步回归)方法，并将自变量选择的显著性水平设置为0.05，进行分析，得出以下回归方程，方程中所有自变量均达到了0.05的显著水平，模型决定系数R2 为0.9335。
t =0.27947 + 0.48524 * MEAT t + 0.80204 * SOYBEAN t(2)此方程拟合效果如下图所示。
2.1.4 残差数列的时间序列分析针对方程(1)和(2)，分别计算它们的残差数列，得到一个包含73期数据的时间数列。
运用SAS统计分析软件的时间序列分析中的ARIMA (Autoregressive integrated movin g average model)模型对其进行分析，经检验两个数列均为平稳白噪声数列。