High-Dimensional Spatial-Plus-Vertical Price Relationships and Price Transmission: A Machine Learning Approach
高维空间与纵向价格关系及价格传导：机器学习方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确使用 VECM、联合脉冲响应，并比较疫病前后的价格关系变化。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
高维空间与纵向价格关系及价格传导：机器学习方法
- 研究问题
- 如何联合分析跨地区、跨商品的高维农食供应链价格关系，并刻画重大生猪疫病前后价格联系和冲击传导的变化？
- 方法与思路
- 作者用正则化回归扩展向量误差修正模型，分析中国省级仔猪、生猪和猪肉周度价格，并以联合脉冲响应展示假想冲击传导。
- 材料陈述的贡献
- 摘要称，方法支持大型空间与纵向价格系统分析，应用发现疫病前后价格关系变化，以及地区、商品和时间上的传导异质性。
- 阅读关注点
- 应核对协整结构、正则化参数选择、疫病前后样本划分，以及联合脉冲响应中的冲击定义、识别方式与不确定性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明冲击识别和检验结果，前后价格关系差异不能直接归因于疫病。
原文摘要
Price transmission has been studied extensively in agricultural economics through the lens of spatial and vertical price relationships. Classical time series econometric techniques suffer from the "curse of dimensionality" and are applied almost exclusively to small sets of price series, either prices of one commodity in a few regions or prices of a few commodities in one region. However, an agrifood supply chain usually contains several commodities (e.g., cattle and beef) and spans numerous regions. Failing to jointly examine multi-region, multi-commodity price relationships limits researchers' ability to derive insights from increasingly high-dimensional price datasets of agrifood supply chains. We apply a machine-learning method - specifically, regularized regression - to augment the classical vector error correction model (VECM) and study large spatial-plus-vertical price systems. Leveraging weekly provincial-level data on the piglet-hog-pork supply chain in China, we uncover economically interesting changes in price relationships in the system before and after the outbreak of a major hog disease. To quantify price transmission in the large system, we rely on the spatial-plus-vertical price relationships identified by the regularized VECM to visualize comprehensive spatial and vertical price transmission of hypothetical shocks through joint impulse response functions. Price transmission shows considerable heterogeneity across regions and commodities as the VECM outcomes imply and display different dynamics over time.