異常降水一定會加劇蔬菜價格的波動嗎？
——基于武漢地區(qū)的實證分析

喻 妍，田清淞，項朝陽

(華中農業(yè)大學經濟管理學院，武漢 430070)

作為我國農民種植的主要經濟作物、大眾餐桌上的主要菜品和出口創(chuàng)匯的重要來源，蔬菜具有重要的經濟地位。但在蔬菜產業(yè)發(fā)展中，往往面臨均衡供應、質量安全、價格波動三大問題[1]。特別是由于蔬菜生產的季節(jié)性強、蔬菜本身易腐不易儲等特性加劇了蔬菜的供需不平衡，使得蔬菜價格波動更加頻繁。以居民消費者價格分類指數為例，從2008年1月到2017年6月，蔬菜指數有4次上漲幅度超過20%，19次上漲幅度超過10%，同時又有11次下降幅度超過10%，蔬菜價格呈現(xiàn)頻繁而劇烈的變動。這種劇烈的價格波動嚴重影響了居民的正常生活和社會穩(wěn)定，因此，進一步挖掘蔬菜價格波動的原因及其機理具有十分重要的現(xiàn)實意義。

目前，蔬菜價格波動的研究主要集中于價格波動的特征、原因等方面。羅超平等[2]利用PVAR模型認為我國蔬菜價格經常發(fā)生劇烈波動，并且自2007年下半年來波動幅度明顯增大；李崇光等[3]通過將蔬菜價格序列分解，發(fā)現(xiàn)我國蔬菜價格波動主要表現(xiàn)為季節(jié)性波動、循環(huán)性波動和不規(guī)則波動；究其蔬菜價格波動的原因，蔬菜供需不平衡、成本推動、貨幣供應量被認為是主要的因素[4-5]。而關于異常天氣對蔬菜價格的影響也常被媒體報道，如2014年7月的廣州持續(xù)降水，不僅讓當地的氣溫走低，還使得廣州多種蔬菜價格出現(xiàn)不同程度的上漲，其中長豆角的價格上漲約兩成；2016年7月受長江流域連降暴雨影響，7月5日武漢市監(jiān)測的20個蔬菜品種綜合平均零售價格為3.44元(人民幣，下同)，較上周二上漲23.74%；2017年7月的最后1周，華北各地持續(xù)降水，蔬菜價格特別是葉類菜價格出現(xiàn)不同程度上漲。以上報道均一致認為異常天氣發(fā)生后，蔬菜價格有明顯的波動，并且嚴重影響了居民的正常生活。那么，異常天氣下是否所有的蔬菜價格都會上漲？異常天氣對蔬菜價格的影響如何產生？進一步分析這些問題對了解蔬菜價格的波動，特別是應對異常天氣下的波動等都有一定程度的貢獻。

1 異常天氣對蔬菜價格的影響機理

趙安平等[6]認為蔬菜屬于種植業(yè)，無論是露地蔬菜還是設施蔬菜，其價格都會受到天氣因素的直接影響，他還利用北京市的降雨量和積雪數據，構建蔬菜價格波動的回歸模型進行了實證分析；涂濤濤等[7]則對蔬菜價格的波動進行分解，發(fā)現(xiàn)氣候變化和自然災害等突發(fā)事件會影響蔬菜價格的季節(jié)變動和不規(guī)則要素的變動。

這種變動可以分別從蔬菜生產和蔬菜流通兩個角度解釋。一是異常天氣會影響蔬菜生產，由于蔬菜生長對環(huán)境(包括溫度、濕度、降水等)有一定的要求，遇到洪澇、干旱、低溫、高溫等異常氣象均直接導致蔬菜產量受損，間斷了蔬菜的有效供應，如李崇光等[5]具體分析了2009年11月的北方異常天氣對蔬菜生產的影響，研究發(fā)現(xiàn)北方地區(qū)暴雪天給蔬菜生產造成較大影響，特別是河北、河南、山東、山西、陜西等地，導致減產30%，引發(fā)36個大中城市蔬菜價格普遍上漲，批發(fā)價格上漲達到25%；二是異常降水或冰雪天氣使得蔬菜運輸難度變大、流通成本增加，因為城市蔬菜的供應主要來源于城郊或者農村，其中還需要經過大批發(fā)市場或零售市場的中轉，異常天氣會加大蔬菜運輸的難度，蔬菜零售市場可能出現(xiàn)暫時性的供不應求，直接抬高了蔬菜價格，如羅超平等[2]在分析農業(yè)部蔬菜市場行情資料和《中國蔬菜》雜志編輯部編寫的蔬菜產業(yè)大事記中分析發(fā)現(xiàn),2004年第三季度部分地區(qū)的洪澇災害以及第四季度的雨雪天氣致使蔬菜運輸不暢，阻斷了蔬菜的有效供應。

極端天氣下，不同種類的蔬菜價格波動的程度也不同，并且受到蔬菜市場參與者預期[8]的影響。蔬菜中間商的投機行為會加劇蔬菜價格的波動，他們利用市場信息的偏差，在擇機和獲利動機下哄抬蔬菜價格。而政府在異常天氣下的調控行為包括蔬菜的調運、限價政策等都會一定程度減弱部分蔬菜價格的波動，如2016年7月武漢市農委在暴雨發(fā)生后出臺文件采取減免收費、運輸補貼等方式組織蔬菜的調度，及時開展產地收購，并對土豆、冬瓜、蘿卜、白菜四種蔬菜采取限價蔬菜政策從而緩解了蔬菜價格的波動。但并非所有的蔬菜價格在異常天氣下都會直接產生波動，如果不考慮生產的影響，對于耐存儲、易周轉或日常消費量相對較小的蔬菜即使在異常天氣下也不一定會產生波動，如蓮藕、胡蘿卜等根莖類蔬菜；而對于保鮮時間較短、不易周轉或日常消費量大的蔬菜則在異常天氣下波動會較為劇烈，如葉菜類、茄果等蔬菜。

由于異常天氣通過作用于蔬菜的生產環(huán)節(jié)來影響蔬菜價格這個過程需要一定的周期，不易捕捉，因此主要從短期考察異常天氣特別是異常降水對蔬菜價格的影響。在研究方法上，現(xiàn)有研究大多采用案例分析，較少對異常天氣的影響進行實證分析，為了分析蔬菜價格的均值波動和方差波動效果，比較不同蔬菜之間價格變動差異，本研究選用廣義自回歸條件異方差模型(GARCH)分析異常降水對白菜、冬瓜、黃瓜、胡蘿卜、尖椒、苦瓜、蓮藕、茄子、青椒、生菜、萵筍、西紅柿、西葫蘆、西蘭花、洋蔥、油菜等16種蔬菜價格的影響，并將異常天氣通過虛擬變量的方式引入方程，來分析異常降水因素對短期蔬菜價格的影響。在此基礎上，聚焦于2016年6—7月的武漢特大異常降水，具體分析降水期間各類蔬菜價格的實際變化情況。

2 研究方法與數據

2.1 研究方法

本研究引入虛擬變量表征異常降水天氣，并利用廣義自回歸條件異方差(GARCH)模型研究降水異常的天氣現(xiàn)象對蔬菜價格的影響。其中，GARCH模型中的均值方程描述降水量異常對蔬菜價格水平的影響，方差方程則描述其對蔬菜價格波動的影響。

盡管經濟學家在很長一段時間內認為時間序列的方差是恒定不變的，但是Engle[9]發(fā)現(xiàn)時間序列數據也存在著一種包含波動性的特殊異方差，稱之為自回歸條件異方差(Autoregressive conditional heteroskedasticity)，即ARCH模型。這類模型的異方差常具有波動集聚性的特點：若前幾期的方差(波動)較大時，未來幾期的方差(波動)也會較大，反之亦然，會存在著波動扎堆的現(xiàn)象。

1)ARCH模型。ARCH模型首次考慮了方差的波動性，其模型形式如下：

pt=xtθ+εt

(1)

(2)

2)GARCH模型。當ARCH(q)模型中q很大時，待估參數會有很多，因此殘差序列中的高階ARCH效應會造成樣本容量的損失。Bollerslev[10]在ARCH模型的基礎上增加了ht的自回歸部分，使模型可以更好地預測方差，即GARCH(p,q)模型，該模型表示為：

(3)

由于蔬菜價格的波動受到很多因素的影響，用前一期的蔬菜價格正好可以代替這些因素的影響，從而探究異常降水天氣對蔬菜價格的影響。參照宋長鳴等[12]研究法定節(jié)假日對蔬菜價格波動的影響的研究設計，在GARCH(1,1)模型的基礎上引入虛擬變量，用來表示異常降水因素，發(fā)生異常降水則為1，未發(fā)生異常降水則為0，并將降水因素提前1期進行分析。在式(1)和式(3)中添加虛擬變量precip，表示異常降水天氣，得到式(4)和式(5)：

pt=α0+xtθ1+precipt-1×θ2+εt

(4)

(5)

2.2 研究區(qū)域與數據選取

研究區(qū)域選擇在武漢，其具有以下特點：(1)蔬菜消費量大，武漢包括武昌、漢口、漢陽三鎮(zhèn)，全市人口1 060.77萬人，蔬菜消費基數大；(2)武漢地處交通樞紐位置，蔬菜流通量大，且蔬菜供應品種豐富；(3)武漢屬于亞熱帶季風性氣候，年降水量變化較大，存在異常降水等情況，故選擇武漢地區(qū)的蔬菜價格為研究對象具有一定的代表性。選取的主要蔬菜品種有白菜、冬瓜、黃瓜、胡蘿卜、尖椒、苦瓜、蓮藕、茄子、青椒、生菜、萵筍、西紅柿、西葫蘆、西蘭花、洋蔥、油菜等16種蔬菜。根據蔬菜的食用器官，將以上蔬菜分類：其中胡蘿卜、蓮藕、洋蔥、萵筍屬于根莖類；西蘭花屬甘藍類；白菜、生菜、油菜屬于葉菜類；冬瓜、黃瓜、苦瓜、西葫蘆屬于瓜菜類；尖椒、茄子、青椒、西紅柿屬于茄果類。蔬菜價格數據來源于wind數據庫中的商務預報(農副產品價格百家日報)，并選擇武漢白沙洲農副產品大市場有限公司的市場價格。樣本區(qū)間為2014年1月1日至2017年6月30日的日度價格數據。為了確定降水異常值，選取武漢市2005年1月1日至2017年8月31的日降水量進行測度，數據來源于地面氣象公司(http：www.wunderground.com，以下簡稱WU)，并截取2014年1月1日至2017年6月30日的降水數據以便與蔬菜價格數據匹配。

3 實證分析

3.1 異常降水值的確定

對于異常天氣的界定，世界氣象組織對異常天氣(氣候)的判斷主要基于兩個標準：一是距平值(與平均值的距離)達到標準差2倍以上，不管是否在近些年發(fā)生過；另一個則是在最近的30年內(如不足30年，也可以放寬到25年)罕見的天氣現(xiàn)象。其他學者如Cao等[13]采用MF-DFA求閾值法，得出天氣變量對應的極端值點；高雪等[14]采用百分位閾值法，分別以95%和99%的標準來測度極端天氣值和非常極端的天氣值，包括降水、氣溫和高溫等指標。本研究主要參照世界氣象組織的第一個標準，即距平值達到標準差2倍以上來找出對應的極端降水量。考慮到降水的季節(jié)變化顯著，將每年劃分為12個月，利用地面氣象公司2005—2017年武漢的日度降水量測出每個月降水的平均值、標準差和極端值臨界點。并從2014年1月1日到2017年6月30日中選出72個異常值。

表1 武漢各月降水異常臨界值

3.2 模型的適用性檢驗

在建立GARCH模型之前，必須要檢驗數據的平穩(wěn)性、自相關以及異方差性。采用ADF檢驗法對16種蔬菜進行平穩(wěn)性檢驗。如表2所示，白菜、蓮藕、茄子、青椒、生菜、萵筍、西紅柿、西葫蘆、西蘭花、油菜等10種蔬菜在1%的顯著性水平下通過平穩(wěn)性檢驗；冬瓜、黃瓜、尖椒等3種蔬菜在5%的顯著性水平下通過平穩(wěn)性檢驗；胡蘿卜、苦瓜在10%的顯著性水平下通過檢驗。但是洋蔥沒有通過平穩(wěn)性檢驗，即接受存在單位根的原假設。為了防止偽回歸等問題，主要選擇除洋蔥以外的15個蔬菜品種進行進一步分析。

表2 單位根檢驗

采用LM檢驗方法檢驗各時間序列是否存在ARCH效應。如表3所示，白菜等15種蔬菜的F統(tǒng)計量的P值和t×R2統(tǒng)計量的P值均小于0.05，拒絕不存在ARCH效應的原假設，因此可以建立GARCH模型。

表3 LM檢驗結果

3.3 GARCH(1,1)模型分析

利用均值方程分析異常降水是否導致蔬菜價格上漲。考慮到降水對蔬菜價格的影響存在一定的時滯，采用前1期是否發(fā)生異常降水來分析。如表4所示，前1期的異常降水會對黃瓜、胡蘿卜和尖椒的價格均造成不同程度的上漲；但對白菜、冬瓜、苦瓜、蓮藕、茄子、青椒、生菜、萵筍、西紅柿、西葫蘆、西蘭花、油菜的價格的影響則沒有通過顯著性檢驗。受影響的三種蔬菜中，黃瓜、尖椒在0.05的水平下通過顯著性檢驗，對應系數分別為0.059和0.076；而胡蘿卜在0.1的水平顯著，對應系數為0.020，這意味著前一天的異常降水會導致每單位的黃瓜、尖椒、胡蘿卜的價格分別上漲0.059元、0.076元、0.020元。同時白菜等其他12個蔬菜品種對應的系數不顯著，則意味著樣本區(qū)間內的異常降水沒有顯著的導致這12個蔬菜品種價格上漲或下降。總體來看，異常降水對蔬菜價格的上漲并不明顯。

表4 前1期異常降雨情況下15種蔬菜的GARCH(1,1)模型分析

注：***、**、*分別表示在0.01、0.05和0.1的顯著性水平下通過檢驗

通過GARCH(1,1)模型中的方差方程分析異常降水對蔬菜價格波動的影響，研究發(fā)現(xiàn)異常降水會對蔬菜價格的波動產生不同程度的作用。萵筍、西紅柿、西葫蘆均沒有通過顯著性檢驗，即異常降水對這三種蔬菜價格的波動沒有明顯的影響；而包括白菜在內12種蔬菜則都通過顯著性檢驗，即異常降水會顯著影響蔬菜價格的波動(表4)。其中白菜、黃瓜、尖椒、茄子、青椒、生菜、油菜等7種蔬菜對應的系數為正，說明異常降水會加劇這些蔬菜價格的波動。對比7個蔬菜對應的系數值，尖椒和油菜的系數較大，分別為0.024和0.016，則表明加劇的程度更高；剩下的冬瓜、胡蘿卜、苦瓜、蓮藕、西蘭花等5種蔬菜所對應的系數值均小于0，則表明異常天氣反而會降低這些蔬菜價格的波動。所有蔬菜價格序列的均值方程和方差方程的模型擬合度均在90%以上，模型構建合理、有效。

綜合均值分析和方差分析，異常降水對不同蔬菜的價格波動的影響程度存有差異。其中葉菜類、茄果類和瓜菜類價格波動較大，這些蔬菜為大眾日常餐桌的主要菜品，消費量巨大，又不耐存儲，一旦暴雨天之后的蔬菜供應不足，就會加劇蔬菜供應的不平衡；而中間商為了彌補暴雨期間的存儲和運輸成本，以及本身的獲利傾向，會一定程度調整蔬菜價格，因而價格波動大。但苦瓜、蓮藕、胡蘿卜、西蘭花等蔬菜，由于日常購買量相對較小，而且易于運輸和儲存，經銷商可能不會進行價格調整。

4 2016年6—7月武漢特大暴雨對蔬菜價格的影響

為了更加直觀了解暴雨天的蔬菜價格，并對模型分析的結果進行檢驗，選取武漢市2016年6—7月的的蔬菜價格來驗證。在近幾年的異常降水中，2016年6—7月的降水更加極端，為分析異常降水對蔬菜價格的影響提供了很好的自然實驗。此次降水呈現(xiàn)出時間長、降雨量大，暴雨天數多三個特點。據地面氣象公司的數據顯示，降水從2016年6月19日開始，一直持續(xù)到7月中旬，持續(xù)時間一個多月；期間的累計降雨量達到 698.25mm，大大超過正常年份的降水；同時，期間有2 d的日降雨量超過100mm，6 d的日降雨量超過40mm。可知此次降水的異常超乎尋常。

對應武漢市2016年6月19日到7月19日的主要蔬菜價格，發(fā)現(xiàn)此次降水對蔬菜價格存在很大程度的影響，且各不相同。以2016年6月19日為基期，基期指數為100，對所選15種蔬菜價格指數化，價格指數走勢如圖1所示，冬瓜、胡蘿卜、蓮藕、西蘭花的價格變化小，變動緩慢；尖椒、青椒、油菜、大白菜、生菜以及茄子則主要呈現(xiàn)連續(xù)上漲的態(tài)勢；黃瓜、西葫蘆則呈現(xiàn)出“上升-下降”的態(tài)勢。

圖1 2016年6月19日—2016年7月19日武漢蔬菜價格走勢圖Fig.1 Wuhan vegetable price charts during from June 19，2016 to July 19，2016

采用變異系數、收益率、價格上漲天數及其連續(xù)上漲天數進一步分析該時間段蔬菜價格的上漲和波動情況。變異系數主要反映蔬菜價格的波動情況，變異系數越大則表明價格波動越大，反之則越小。如表5所示，15種蔬菜品種中，青椒、尖椒、大白菜的變異系數均超過0.40，處于較高水平，即3種蔬菜在連續(xù)暴雨期間的價格波動較大；油菜、生菜、茄子、苦瓜、西葫蘆的變異系數在0.30—0.40，處于中間水平；胡蘿卜、蓮藕、西紅柿、冬瓜的變異系數均低于0.20，處于較低水平，這4種蔬菜在連續(xù)暴雨期間的價格波動較小。

用收益率和蔬菜價格上漲的天數分析蔬菜價格的上漲情況。對比蔬菜之間的平均收益率(表5)，蓮藕、冬瓜平均收益率低于1，即暴雨期間的蓮藕和冬瓜的價格相對于初期的價格有所下降；胡蘿卜的平均收益率剛好為1，則認為它的價格變動不明顯；而其他蔬菜的收益率則均超過1，且尖椒、青椒、茄子、黃瓜、大白菜的平均收益率相對較高，意味著他們的價格存在不同程度的上漲。比較蔬菜價格上漲的天數，在暴雨期內(共31 d)，油菜、黃瓜、生菜的價格上漲天數超過20 d，尖椒、青椒、苦瓜也均在15 d以上，并且存在較長時間的連續(xù)上漲；不同的是，冬瓜、胡蘿卜、蓮藕和大白菜的上漲天數則相對較低。

表5 2016年6月19日-2016年7月19日蔬菜價格的主要特征

綜合以上分析，武漢市2016年6—7月的異常降雨下，蔬菜價格的變動呈現(xiàn)不同特征。主要表現(xiàn)為葉菜類、茄果類、瓜菜類(冬瓜除外)蔬菜價格均會受到不同程度的影響，其中油菜、生菜、尖椒、青椒等4種蔬菜價格變動相對較大，但是根莖類蔬菜和冬瓜價格變動不明顯。2016年6—7月暴雨期間蔬菜價格的變動情況也進一步印證了上文GARCH(1,1)模型的分析結果。其中冬瓜價格波動不明顯的主要原因可能是政府的限價政策的效果。武漢市2016年7月爆發(fā)特大暴雨后，武漢市農委對蔬菜啟動限價銷售政策，將蘿卜、土豆、包菜、冬瓜的價格限定在1元，極大地緩解了蔬菜價格的波動。

5 結論

基于武漢市2014年1月1日至2017年6月30日的日度降水量和16種主要蔬菜價格，本研究通過對異常降雨天氣引入虛擬變量的形式，構建了GARCH(1，1)模型探究異常降水天氣對白菜等蔬菜價格的水平影響和波動性影響；并采用變異系數、收益率、價格上漲天數及其連續(xù)上漲天數指標進一步分析2016年6—7月武漢市特大暴雨對蔬菜價格的影響，得到以下結論：1)異常降水天氣對各類蔬菜價格的水平趨勢和波動趨勢均存在不同影響。在異常降水的情況下，除胡蘿卜、黃瓜、尖椒、油菜和西葫蘆等5種蔬菜的價格存在不同程度的上漲趨勢外，沒有證據表明其余品種的價格也會存在上漲或下跌的趨勢。另一方面，就價格波動而言，在異常降水期間，除萵筍、西葫蘆、西紅柿外，其他蔬菜價格的波動均存在明顯變化。其中，異常降水會加劇白菜、黃瓜、尖椒、茄子、青椒、生菜、油菜等7種蔬菜價格的波動，而使冬瓜、胡蘿卜、苦瓜、蓮藕、西蘭花等5種蔬菜的價格波動減弱。2)2016年6—7月的長時間異常降雨災害下，蔬菜價格的變動呈現(xiàn)不同特征。大部分蔬菜價格均受到不同程度的影響，但是多數根菜類蔬菜(胡蘿卜、蓮藕)和冬瓜的價格變動不明顯，而葉菜類(白菜、生菜、油菜)、茄果類(青椒、尖椒、茄子、西紅柿)以及瓜菜類(黃瓜、苦瓜、西葫蘆)蔬菜價格變動則相對較大。蔬菜生產和運輸批發(fā)環(huán)節(jié)的流通受阻程度不同，以及蔬菜自身特性所造成的存貯難度差異、病蟲害的耐受性和對暴雨抵抗力的不同是造成蔬菜價格波動分類別呈現(xiàn)不同特征的主要原因。

異常降水對蔬菜價格的影響在于運輸成本的推動和短期的供需不平衡，因而需要防范于未然，鼓勵經銷商通過氣象預報、手機互聯(lián)網等高科技措施及時了解天氣狀況，在暴雨來臨前，加大菜籃子的外采、調運、收儲，做好蔬菜的供給，特別注意保障葉菜類、茄果類、瓜菜類等極端天氣下價格變動較大的蔬菜的供給；利用好根莖類等蔬菜易周轉、不易腐爛等特性確保極端天氣下蔬菜的有效供應。對于大眾消費量大的菜品，則可以在必要時采取“補貼限價”的手段，通過定時定點的限價銷售政策，以此來平衡蔬菜的市場價格，保障蔬菜市場的穩(wěn)定供應。