5.1　预警模型的建立

为了更好地建立云南省生猪价格预警模型，本文将采用k-均值聚类法（K-Means Cluster）对上述测度所得的生猪价格指数进行聚类分析。k-均值聚类过程不仅是快速样本聚类，还是一种逐步聚类分析，即先把被聚对象进行初始分类，然后通过逐步调整得到最终分类。

本文运用SPSS20.0对云南省生猪价格指数进行聚类分析，在分析过程中把生猪价格指数分为5个聚类，即5个初始聚类中心点（见表6）。把这5类作为预警模型结构分类的依据，建立云南省生猪价格预警模型。

表6　初始聚类中心

注：具体归类按照是否接近某个聚类中心点来确定，越接近某个聚类中心点观测量就归为这类。

建立聚类中心点后，每个观测量会分配到与这5个中心距离最小的那个类中，按照这种方法依次迭代直到聚类过程结束，具体分类结果见表7。

表7　各月数据聚类类别情况(www.daowen.com)

按k-均值聚类法对生猪价格指数进行分类后，本文对生猪价格指数的走势进行颜色标识，以此建立价格预警模型。具体标识如下：第一类，蓝色，聚类中心为85.13，生猪价格指数低，处在生猪产业亏损状态；第二类，浅蓝色，聚类中心为95.63，生猪价格指数较低，生猪市场处于低迷状态；第三类，绿色，聚类中心为107.69，该区域生猪市场价格水平合理；第四类，黄色，聚类中心为124.33，生猪价格指数处于较高水平，但是生猪市场价格并没有恶性上涨；第五类，红色，聚类中心为135.46，该区域生猪市场过热，急需对市场进行调控。

根据表7分类结果得出，云南省生猪价格预警区域分布（如图4）。其中，处于蓝色区域的是2009年4至2009年9月；处于浅蓝色区域有2009年1～3月、2009年10月至2010年5月、2012年7月至2013年1月、2014年2月～3月；处于绿色区域有2010年6月至2011年2月、2012年4～6月、2013年2月至2014年1月；处于黄色区域有2011年3～5月、2011年11月至2013年3月；处于红色区域是2011年6～10月。

图4　生猪价格指数波动趋势及预警区域分布图

5.2　预警模型的结果分析

本文运用2014年4月和2014年5月的外生变量数据作为测试样本代入MIMIC模型方程式中，得到这两个月的生猪价格指数分别为100.01和101.22。根据文中对生猪价格预警模型的划分标准可知，2014年4月，云南省生猪价格指数在浅蓝色区域，说明该月生猪市场价格疲软；2014年5月，云南省生猪价格指数在绿色区域，说明该月生猪价格合理，生猪市场价格表现稳定。综合MIMIC模型的精度以及聚类分析的合理性，预测值与生猪价格实际走势情况和相关部门发布的数据考虑，可以说明该模型能够比较准确地预测未来云南省生猪价格走势，起到价格预警的作用。