高维空间-纵向价格关系与价格传导：一种机器学习方法

价格传导在农业经济学中通过空间和纵向价格关系的视角得到了广泛研究。经典的时间序列计量经济技术受制于“维度灾难”，几乎只适用于小规模的价格序列集，要么是少数几个地区的单一商品价格，要么是一个地区的少数几种商品价格。然而，一个农业食品供应链通常包含多种商品(例如，牛和牛肉)并跨越众多地区。未能联合检验多地区、多商品的价格关系限制了研究人员从日益高维的农业食品供应链价格数据集中获取洞察的能力。我们应用一种机器学习方法——具体而言，正则化回归——来增强经典的向量误差修正模型(VECM)，并研究大规模的空间-纵向价格系统。利用中国仔猪-生猪-猪肉供应链的周度省级数据，我们揭示了在重大猪病爆发前后，系统中价格关系发生的具有经济意义的显著变化。为了量化大系统中的价格传导，我们依靠正则化VECM识别的空间-纵向价格关系，通过联合脉冲响应函数来可视化假设冲击的全面空间和纵向价格传导。正如VECM结果所暗示的，价格传导在地区和商品之间表现出相当大的异质性，并随时间呈现不同的动态变化。