我國主要蔬菜價格波動的關聯性分析

喻妍，田清淞，李崇光

（華中農業大學經濟管理學院/湖北農村發展研究中心，湖北 武漢 430070）

近年來，我國主要蔬菜價格呈現頻繁劇烈的波動，且大部分蔬菜價格的波動均同期發生，呈一致性走勢。如每年6、7月大宗蔬菜價格均處價格波谷，而在1、2月又反彈至價格的波峰，形成一跌俱跌，一漲俱漲的局面。如果價格在短期、同期處于高峰，將大幅提高消費者生活成本，直接影響城鄉居民尤其是低收入居民的日常生活，因此破解這一局面，將會直接提高消費者福利。從蔬菜價格波動的因素出發，季節性因素、貨幣因素和不規則因素被視為波動的三大主要因素[1-2]。其中，季節性因素影響最大，由于蔬菜強季節性的生產、供給和全年性的蔬菜需求之間的不對稱，加之蔬菜易腐不易儲存等特性，使得大部分蔬菜在每年的6、7月等蔬菜高供給期價格下跌，而在1、2月等低供給期價格高漲。但這一觀點較好的解釋了單個品種蔬菜價格的波動周期，并未就蔬菜價格之間的一致性和關聯性給予解釋。如果能基于整個蔬菜系統，對不同蔬菜間價格波動的關聯性進行分析，則有助于為防范蔬菜價格的同期劇烈波動提供新思路。

回顧相關文獻，關聯性的研究已在金融市場和農產品市場得到廣泛的應用。該研究興起于金融市場，并逐漸成為現代風險計量的核心[3]。因為市場之間的過度關聯會提高風險影響范圍和破壞水平[4]，而作為風險傳導的主要媒介——價格，其關聯效應得到廣泛關注。有關農產品價格關聯性的研究包括以下兩類：一是不同市場的關聯，隨著市場整合程度的提高，不同市場之間的依賴加強，存在較強的關聯性，因而價格的波動也具有一致性，其顯著存在于我國蔬菜城鄉市場[5]、國內外市場[6-7]；同時，期現貨市場的價格關聯性也是現有研究的重點，期現貨市場間關聯主要在于品種的一致性，其市場的基礎供求關系使得期現貨市場相互關聯[8]。二是同一市場內產品之間的關聯性，其關聯性主要來源于產品之間的替代性，尤其是同類型產品如不同油料產品[9]、糧食產品[10]、蔬菜產品[11]、畜產品[12]等,且產品之間的替代性越強，則關聯度也越高。

以上文獻從不同視角分析了農產品價格之間的關聯性，為本文分析蔬菜價格之間的關聯性提供了良好的理論基礎和分析方法。而蔬菜市場由于品種多、日消費量大、交易靈活等特點使其具有類似金融市場的特點，但不同品種是否具有關聯性需要理論探討和實證檢驗。其次，在研究方法上，以前研究主要基于VAR模型采用脈沖響應和Cholesky方差分解分析變量之間的相互關系，但是蔬菜價格之間由于傳導關系的不確定性，使得傳統方差分解方法受到變量順序的影響而有所偏誤，因而對不同品種之間的影響程度難以準確衡量?；谝陨蟽牲c，本文的實證思路首先分析我國蔬菜價格之間是否具有因果關系，在此基礎上分析蔬菜價格之間的傳導方向和程度，以便找出蔬菜價格之間的關聯性；此外，采用Diebold和Yilmaz[3]提出的廣義預測誤差方差分解，該方法可以有效避免因變量間的排序不同而產生的偏誤，從而準確衡量變量之間的關聯度，并利用網絡拓撲模型（Ucinet軟件）對其關聯度進行圖像刻畫，以便準確把握蔬菜價格之間的關系。

1 蔬菜價格高關聯性的理論分析

理論上，蔬菜價格的關聯性可以通過替代效應、逐利效應、市場整合效應三個方面予以解釋。

1.1 替代效應

農產品尤其是蔬菜產品由于其相似的口味與功能使其在市場上具有較強的替代效果，替代效應的存在使市場需求產生變動，進而影響價格。當農產品價格受到外部沖擊致使其價格上漲后，消費者會因價高因素導致其效用降低，而針對這一農產品的需求減少，轉而尋求其他替代產品。在蔬菜市場中，各類蔬菜的功能均是為了滿足人類的日常生活需求，加之其口味相似、且屬于價格相對而言不高的生活必需品，消費者更加容易因價格的變動，從對一種蔬菜的需求轉而消費其他蔬菜品種，進而導致對該蔬菜替代品的需求增多，在供給短時間內無法改變時，會推動其他蔬菜品種的價格上漲。同時，正是由于蔬菜市場上替代效應的存在，才能緩解受到沖擊蔬菜品種的價格上漲趨勢。當這種價格上漲趨勢減退后，消費者又因蔬菜替代品的供給不足而導致的價格上漲，轉而又開始消費原來受到外部沖擊的蔬菜品種。如Arnade等[13]在分析市場上短期的替代關系時發現蔬菜市場上由價格變動引起的替代關系是循環往復、長期動態的。因而，蔬菜價格在這種周而復始的替代關系中，產生一定的關聯關系。

1.2 逐利效應

逐利效應是從市場供給角度探討蔬菜價格的聯動關系。市場上的生產者、中間商等都屬于理性經濟人，受共同的利益趨動，常采取行動通過改變供給來提升價格，從而使自身獲利。當一種農產品受到外部沖擊價格抬高，生產者和中間商會因為機會成本相對變小、利潤空間變大，而進入該市場，增加該產品的供給。但是，在資源有限性的約束下，生產者和中間商就必然要減少生產其他類別農產品的勞動力等要素的投入，進而導致供應量相對減少，價格抬高。由于這種具有選擇性機會成本的存在，使價格表現為產品間價格上漲的聯動性，價格下跌時亦然[14]。其次，由于逐利動機的存在，會使生產者或中間商存在“搭便車”漲價的行為，且在同一種屬的蔬菜品種中尤為明顯[15-16]。如果有某一蔬菜受到外部沖擊后致使價格上升，與該蔬菜屬于同一種屬的其他蔬菜，尤其是與其蔬菜外觀相近的種植戶或中間商常由于利益趨動趁機“搭便車”漲價，從而表現出部分品種的價格聯動。正是由于供給方逐利行為的存在，以利益動機指導行為，才使得蔬菜市場價格的漲跌具有聯動性特征。

1.3 市場整合效應

蔬菜品種間的市場整合使得某一蔬菜品種的價格波動將完全傳導至另一個蔬菜品種市場，其外在表現為價格的聯動性。周章躍和萬廣華[17]指出市場整合是指某一市場價格的變化會引起其他市場價格的反應，概括來說是一種連續的價格運動，在農產品市場屬于完全競爭的市場結構背景下，兩個達到完全整合的農產品市場，其市場價格的差額有且僅穩定地等于市場間的運輸成本，于是市場間的價格波動能夠得到完全的傳導。反之，若兩個市場間的價格并非具有聯動關系，則市場間不存在整合關系。由于當前市場整合這種趨勢的存在，蔬菜市場上的價格存在一定的聯動性，如宋長鳴和李崇光[11]在探究四種具有代表性的大宗蔬菜價格變化時，發現蔬菜品種的價格兩兩之間均存在內生關系，驗證了蔬菜市場間具有整合關系。

2 研究方法與數據來源

2.1 研究方法

考慮到Sim[18]的Cholesky方差分解中分解結果受模型中變量順序影響的問題，本文采用廣義預測誤差方差分解解決變量順序的影響[19]，參照Diebold和Yilmaz[3]測量系統內其他對象受到外部沖擊后對所研究對象的總變化的解釋百分比，判斷其他變量對該變量的相對重要性，即關聯度信息。

為測量關聯度信息，假設系統中有N個變量，每個變量的預測誤差都可以分解為N個部分，其中包括自身沖擊的占比以及其他N-1個變量沖擊的百分比。于是，N個變量全部的分解結果構成一個N*N的矩陣DH，其中H表示向前H階的預測誤差方差分解，那么DH矩陣中第i行j列的元素表示為，其數值信息代表由于j變量受到沖擊而引起變量i的向前H階預測誤差方差變動的占比，公式如下：

其中，ei表示第j個數為1其他數均為0的向量，是指在非正交化的VAR模型轉換為VMA模型的無限移動平均表達式中滯后了h階沖擊向量的系數矩陣，∑表示在非正交化VAR模型中沖擊向量的協方差矩陣，σjj是∑矩陣中對角線上的第j行j列元素。由于在GVD方法下沖擊矩陣并非是正交化的，導致各子結果之和不一定是100%。

關聯度的測量與網絡拓撲中連通性的概念相似，鄰接矩陣的信息全部可以由網絡圖來概括。廣義方差分解矩陣DH類似于一個網絡圖結構中的鄰接矩陣A，因此，連通度的測量綜合了廣義方差分解和網絡連通性的思想。但是基于廣義方差分解得到的網絡圖較一般的網絡拓撲稍復雜，它是一個有向、加權、非對稱的網絡圖，即前者有影響方向，對應的數值并非只有0，1這類簡單的數值，而是由權重構成，并且在網絡里成對變量的連通性會隨著影響的方向不同而不同，如i到j的連通強度可能并不等于j到i的連通強度?；诖?，可以形成一張如表1所示的關聯度信息表。

在關聯度表中的對角線元素均代表某變量對自身影響的部分，剩下的非對角線元素表示成對關聯度信息（帶有方向性的），如j到i的成對關聯度為且大部分時候因而在N個變量的情況下，存在N2-N個成對關聯度。此外，凈的成對關聯度表示為：“To”和“From”分別表示除去對自身影響后的列和以及行和，我們將該數值稱之為總關聯度，分別來看，“To”是某變量i對系統內其他變量的總關聯度：

表 1 變量之間的關聯度信息Table 1 Co-integration table of variables

“From”是系統中其他變量對某一變量j的總關聯

關聯度表相當于網絡鄰接矩陣A，由此形成網絡拓撲圖。網絡拓撲圖由節點、線和箭頭構成。在網絡結構中，具有系統重要性的變量往往是那些對其他變量有較大影響，即風險溢出效應顯著的變量，該特征由節點的大小反映。為了達到這個目的，我們選擇“To”值刻畫度中心性，用以表達蔬菜體系中品種 的系統重要性強度，其公式為：

其次，線由蔬菜品種間的成對關聯關系形成，其線條的粗細由成對關聯關系的強弱決定，并用不同顏色加以區分，箭頭表示的是關聯的方向?；诰W絡鄰階矩陣的信息，即采用廣義方差分解得到的關聯度表，最終形成一張有向、加權、非對稱的網絡拓撲圖。

2.2 數據來源

本文主要選擇居民日常消費的蔬菜。其中由于蔥姜蒜是屬于輔助佐料類蔬菜，且土豆已日益主糧化，因此最終確定蘿卜、西紅柿、白菜、苦瓜、茄子、黃瓜、油菜、芹菜、生菜、青椒、冬瓜、豆角共12種蔬菜的平均批發市場價格，單位為元/kg。此外，考慮到蔬菜價格波動速度快，高頻率數據更能精確測量其關聯程度的大小。最終確定樣本周期為2004年1月2日—2017年12月29日的周度數據，每種蔬菜共731個樣本，所有數據均來源于wind數據庫。鑒于本文采用的是周度數據，數據頻率較高，而在有關季節調整的定義中表示季節性影響常出現于季度或月度時間跨度稍大的數據，且本文的研究重點在于蔬菜價格之間的關聯度分析，關聯度本身就包含了季節性因素，因此本文不考慮季節性因素對價格的影響。

3 實證分析

3.1 蔬菜價格基本走勢

12種蔬菜價格走勢呈現明顯的一致性。按照價格高低，將其分為四組，如圖1所示，2004年以來，各蔬菜價格均呈現出頻繁劇烈的波動，形成連續波動且逐漸上升的曲線。并且蔬菜之間的價格波動周期、速度、幅度具有明顯的一致性。其中茄子、黃瓜、西紅柿三者之間的一致性最高，其價格波動的峰值和谷值分別在每年的1月和7月，并且價格變化的速度基本保持一致；青椒、豆角、苦瓜的價格也呈現較高的一致性。芹菜、油菜、生菜之間的價格變化的一致性較前兩組較弱，波動周期基本一致，波動幅度有所差異。從中可以看出，蔬菜價格呈現“同漲同跌”的事實特征，但仍須進一步實證。

圖1 2004-2017年我國主要蔬菜價格走勢Fig. 1 Main vegetable price trends in China from 2004 to 2017

3.2 蔬菜價格的因果關系檢驗

采用格蘭杰檢驗蔬菜價格之間的依賴關系，以作為關聯度分析的定性判斷。在此之前先檢驗數據的平穩性，避免偽回歸關系，采用ADF方法對各類蔬菜價格進行平穩性檢驗，結果發現12種大宗蔬菜價格均在0.01的顯著性水平上拒絕不平穩的原假設，符合本文的分析要求。

格蘭杰因果檢驗表明，蔬菜價格間絕大多數存在格蘭杰因果關系，具有關聯性基礎。由于格蘭杰因果關系的判斷是關聯度分析的定性基礎，結合蔬菜價格波動的特征，分別考慮滯后1期和滯后2期的格蘭杰因果關系。如表2所示，標題行表示格蘭杰因果關系的因，標題列表示格蘭杰因果關系的果。結果發現，由不同蔬菜品種組成的132組成對的格蘭杰因果關系中，有79組成對關系在滯后1期和滯后2期時均顯著且具有雙向的格蘭杰因果關系，45組是在滯后1期或者滯后2期時具有雙向的格蘭杰因果關系，雙向因果關系的比例高達94%。僅剩8組成對關系在兩種滯后期情況下均只具有單向格蘭杰因果關系，但蔬菜品種之間的聯通性有時并非如格蘭杰因果中的單純線性關系，可能通過其他中介品種影響另一個蔬菜品種的價格。因此，可以認為，所選蔬菜價格的成對組合都有關聯性存在的定性基礎。

表2 大宗蔬菜價格間格蘭杰因果關系表Table 2 Granger causality table among bulk vegetable prices

3.3 蔬菜價格的靜態關聯度分析

分析蔬菜價格之間的關聯度?；诟裉m杰因果關系檢驗的基礎，可以建立VAR模型，基于AIC、SC、HQ最小準則和少數服從多數原則，并確定最佳滯后期為2期，進一步采用廣義預測誤差方差分解對蘿卜在內的12個品種進行方差分解，預測步數1-12期，借鑒Diebold和Yilmaz[3]的做法，并對12期結果取平均值，以此表示蔬菜價格之間的關聯度。

總體上，各蔬菜之間呈現出較高關聯度。高關聯度表現為某個蔬菜品種與其他11種蔬菜之間均有不同程度影響和被影響關系，這也意味著一種蔬菜價格的波動會進一步擴散到其他品種。在所有132組成對關聯度中，25組在10%以上，81組在5%以上，僅10組在1%以下，可見不同蔬菜之間息息相關。以蘿卜為例，蘿卜價格的變動在12期平均之后受自身的影響僅占23.90%，而其他蔬菜對蘿卜價格的影響在2.01%到10.95%之間，其中油菜最高，占10.95%，總影響為76.10%；而蘿卜價格對其他價格變動的貢獻也在1.08%到9.39%，總影響達45.75%。

而受蔬菜屬性、口味等影響，蔬菜兩兩之間的關聯度則存在明顯的差異。一是同種蔬菜或者同口味蔬菜之間由于其替代效應更強，關聯度較高，以茄子和黃瓜、苦瓜和西紅柿為代表的茄果類、以油菜和生菜為代表的葉菜類，相互之間的關聯度均在10%左右，意味著一種對另一種蔬菜價格波動的貢獻達10%左右，其中成對關聯度最大的品種是黃瓜對茄子的影響，為18.72%；二是白菜和苦瓜、冬瓜和生菜等蔬菜品種之間存在較弱的關聯度，均在3%以下，其中白菜和苦瓜之間的關聯度僅為0.24%和0.2%，兩者之間存在較弱的替代性；三是冬瓜對其他品種的影響均保持在較低水平，保持在2%以下，而茄子、黃瓜對其他品種的影響則經常保持在10%以上，呈現出較高的影響。

表3 全樣本靜態關聯度表Table 3 Full-sample co-integration test

品種之間的高關聯度使得各蔬菜品種受自身影響逐漸落到較低水平。如蘿卜、茄子、豆角等受其他蔬菜價格的影響之和達到75%以上，而自身影響均降到25%以下；冬瓜在12個品種中受自身影響最大，但也僅達到40%；從預測1步到12步來看，所有蔬菜受自身影響在預測1步時最大，12步時最小，呈現持續下降的過程，以蘿卜為例，蘿卜受自身影響從1期的40.16%下降到12期的16.76%，而油菜、芹菜、生菜等蔬菜對蘿卜的影響則持續上升到10%以上，最高達到13.90%，其他蔬菜價格也呈現出相似的變化，這也佐證了蔬菜價格之間的傳導效應。

整個蔬菜體系內，蘿卜存在較強脆弱性，黃瓜、茄子具有較強傳染性。脆弱性是衡量系統內某一蔬菜品種受到其他品種影響的大小，體現這一蔬菜品種是否易受風險傳播以及風險深度的大??；傳染性是指在各類大宗蔬菜中某一品種蔬菜對其他品種蔬菜的風險溢出效應總和，意味著這一品種蔬菜在體系內傳播價格波動與風險沖擊的能力。蔬菜系統內，不同蔬菜品種的傳染性在10%至143%范圍內變化，差異較大，如黃瓜和茄子兩個品種對蔬菜系統內其他蔬菜的總溢出效應高達100%以上，傳染性能力較強，能將自己的價格波動或其他外部沖擊傳播到其他品種，應重點監控其價格的變化或遇到的外部沖擊情況；而冬瓜和蘿卜則恰好相反，對其他蔬菜品種的總溢出效應均在50%以下，冬瓜的甚至低至10%，傳染性較弱。但蔬菜品種的脆弱性分布與傳染性則并不相同，數值較為集中，在59%至77%的范圍內變化，各品種在脆弱性特征上差異相差不大，蘿卜和茄子受到其他品種的總溢出效應均超過76%，脆弱性較強，易受到其他品種的影響。因黃瓜的傳染性最強導致其最具系統風險性，同時茄子的脆弱性大使它最易被傳染風險，由此可以推測，黃瓜和茄子是整個大宗蔬菜體系內最應重點監控其價格變化及外部沖擊的品種；而冬瓜則是系統內較不重要品種，不論是傳染性還是脆弱性指標均處于較弱的地位，相比較而言，冬瓜與其他品種的連通性也較小。

3.4 基于網絡拓撲的蔬菜系統重要性識別

采用蔬菜價格分析得到的廣義預測誤差方差分解矩陣同時也是蔬菜體系的網絡鄰接矩陣，根據網絡鄰接矩陣以及度中心性等信息，可以構建蔬菜體系的網絡拓撲圖。網絡拓撲圖是一個有向、加權的網絡結構，可以反映體系內各品種的影響關聯性。

成對凈關聯度能更好的體現蔬菜品種間的關聯關系同時進行關聯大小的對比。如圖2所示，線條粗細及顏色反映該品種對其他品種影響能力的強弱，與度中心性成正比，線條越粗意味著對其他品種的影響能力越強，即越具有系統重要性；箭頭表示凈關聯度的方向，如果圖中的影響方向是i→j，則表示i對j具有正的溢出效應；邊線顏色表示成對關聯度的強弱，不同顏色由0%至11%的關聯度能成。

整個蔬菜系統形成復雜的網絡模型，但黃瓜的系統重要性最強，冬瓜的系統重要性最弱。網絡拓撲中度中心性排名前三的品種分別是黃瓜、茄子和油菜，在黃瓜的節點上，箭頭均指向其他品種，且線條顏色較深，顯示為黃瓜對其他品種有較強的影響關聯度。茄子和油菜的影響類似，但弱于黃瓜，他們是蔬菜體系中最為重要的品種，具有較強的風險傳染能力，在受到外部沖擊時能將自身的波動或風險迅速且較強程度的傳染給其他品種。其次，生菜和西紅柿兩個品種的度中心性大小相似，風險傳染能力相當，總體而言系統重要性處于中上等水平。蘿卜、冬瓜主要表現為受到其他品種的影響，其中有11種蔬菜均對冬瓜具有正的凈溢出效應，10種蔬菜對蘿卜有正的凈溢出效應，其他蔬菜價格的波動對這兩類蔬菜價格的波動產生較強的影響。

圖2 網絡拓撲模型圖Fig. 2 Network topology model diagram

3.5 蔬菜關聯度敏感性分析

圖3 蔬菜關聯度敏感性分析Fig. 3 Sensitivity of vegetable price co-integration

分別分析蔬菜價格之間的直接關聯度后，進一步分析VAR滯后階數和預測步數對整個蔬菜關聯度影響，以確保結果的穩健性。采用150周滾動窗口動態估計2004—2017年的總關聯度。如圖3所示，整個樣本期間12種蔬菜價格的總關聯度基本位于60%至80%，整體表現為較高的關聯性，但也存在一定的波動。一是分別在2010年10月和2011年10月關聯度呈現明顯的下降；二是在2012年以后蔬菜關聯度呈現出下降趨勢。前者可能由于異常天氣的影響，蔬菜價格發生了暴漲暴跌，打破了原有蔬菜價格之間的傳導關系，后者在于隨著居民收入水平的提高，居民對蔬菜消費的需求旺盛，消費量隨之遞增，且品種差異明顯，對部分居民來說，即使蔬菜價格上漲，選擇該類蔬菜的替代產品的意愿并不強，弱化了替代效應，因而使得蔬菜之間的關聯性在2012年以后有所減弱。

蔬菜價格的關聯性對滯后階數的反應較小，但對預測步數的反應較為靈敏。具體來看，選擇滯后2～4階，蔬菜價格的關聯度保持在60%～78%之間，且上限、下限緊緊圍繞均值線波動，尤其是在2008—2012年間。在預測3～6步時，整個期間蔬菜結果的關聯度也在62%～80%之間，蔬菜價格關聯度的上下限則圍繞均值形成了一定的寬度，差異最大的約8%，意味著蔬菜價格的關聯度對其預測步數反應較為靈敏，這與方差分解的預期一致，主要由于蔬菜價格之間的影響速度的差異，部分產品之間的間接影響或反復的影響使得步數越高，蔬菜受自身的影響越小，而蔬菜之間影響越大，其關聯度也越高，直至平穩。

4 結論與對策建議

4.1 結論

基于蔬菜價格走勢的一致性表現，本文從理論和實證上進行了解釋。理論上，由于蔬菜供需層面的替代效應、逐利效應、整合效應，使得蔬菜價格之間具有較強的關聯效應。選取2004—2017年的蘿卜、西紅柿、白菜、苦瓜、茄子、黃瓜、油菜、芹菜、蔬菜、青椒、冬瓜、豆角12種蔬菜的平均批發市場周度價格數據進一步實證分析發現：

1）格蘭杰因果檢驗表明蔬菜體系具有關聯性分析的定性基礎，進一步通過廣義預測誤差方差分解發現各蔬菜之間呈現出較高關聯度；同時受口味、蔬菜屬性影響，不同蔬菜品種兩兩之間成對關聯度差異明顯，其中蘿卜存在較強脆弱性，黃瓜、茄子等具有較強傳染性；

2）基于凈關聯所形成的網絡拓撲模型顯示，蔬菜價格之間的相互影響、交織從而形成復雜的網絡模型，但其中黃瓜、茄子、油菜的系統重要性最強，冬瓜、蘿卜的系統重要性最弱。以上分析可以得出蔬菜價格走勢的一致性具有一定的必然性。

3）調整滯后階數和預測步數，采用滾動窗口估計所得整個蔬菜價格關聯度保持在60%～80%之間，整體水平較高，且關聯度對滯后階數的反應較小，但對預測步數的反應較為靈敏。

4.2 對策建議

在蔬菜價格波動頻發的背景下，可以借助蔬菜價格之間的關聯性做好蔬菜價格預警和防控。同時，也可以利用蔬菜之間的替代和整合效應，緩解蔬菜價格的波動。

1）預防蔬菜價格的暴漲暴跌，要把握好蔬菜價格波動的系統性和蔬菜價格之間的高關聯性。充分利用不同蔬菜之間的相互作用和替代性，做好相對價格較低且耐儲存的蔬菜品種如蘿卜、白菜等的充分供應，用價格相對較低的蔬菜品種緩解其他蔬菜價格的上漲。并且可以進一步利用好設施蔬菜技術和冷藏技術，保證部分蔬菜供應的穩定性，降低蔬菜價格波動的系統性風險。

2）要做好黃瓜、茄子、油菜等重點品種的防控，這些蔬菜價格波動具有較強的傳染性，其價格一旦發生上漲或下跌，往往會傳導到其他蔬菜價格，因此要實時、重點監控這些重點蔬菜品種價格的異常波動，并以此構建蔬菜指數信息平臺，完善蔬菜價格的監測預警機制。進而發布準確的市場信號，引導蔬菜市場的后期生產和消費。