北京市蔬菜價格波動及成因分析

張惠媛

(中國農業大學經濟管理學院，北京 100089)

一、引言

蔬菜在居民膳食結構中具有重要地位，隨著生活水平持續改善，蔬菜消費支出占食品支出中的比重也在持續提升。蔬菜價格的波動一邊牽著農民的“錢袋子”，另一邊又牽著居民的“菜籃子”。政府高度重視蔬菜價格波動問題，多年來為促進蔬菜市場的動態平衡出臺了一系列調控措施，但是并未達到預期效果。究其原因是缺乏對蔬菜價格波動規律和原因的充分認識和把握。蔬菜價格的頻繁波動與多種因素有關，掌握蔬菜價格的波動規律及原因是穩定價格的前提和基礎，必須給予足夠的重視，并進行細致地研究。

二、文獻綜述

針對蔬菜波動規律，我國學者從分解波動因素、對比居民收入等角度進行研究；總的來看，我國蔬菜價格在不同時期呈現的增加趨勢和波動幅度不盡相同，總體呈現上漲趨勢并伴隨有隨機波動和周期性波動。周振亞等(2012)指出從居民收入的角度來看，蔬菜的零售價格是下降的。沈辰等(2015)分析發現：隨機波動對瓜果、葉菜類蔬菜價格的波動貢獻不斷加強；季節波動對瓜果類蔬菜價格影響強于其他蔬菜；葉菜類蔬菜價格波動更容易受隨機因素影響；周期波動對姜蒜類價格波動貢獻明顯。隨學超等(2015)指出：我國蔬菜價格在短期內的季節性波動減弱，同時周期性波動卻有所增強。卞靖等(2020)分析指出，從總體趨勢看，蔬菜價格在波動中穩步上漲；從周期波動看，蔬菜價格呈現年度季節性“雙峰雙谷型”周期波動；從波動程度看，蔬菜價格波動幅度明顯加大。

國內學者在蔬菜價格影響因素的研究上從蔬菜的生產、流通、銷售以及市場、技術等多個方向著手，進行了較為全面的分析。張唯婧(2011)指出，農業生產成本是農產品價格變動的最關鍵因素。趙安平等(2014)認為突發事件是蔬菜價格隨機性波動的主要誘因。黃修杰等(2017)認為我國城市蔬菜價格的波動上漲是因為生產成本上升。項朝陽等(2020)指出影響蔬菜價格波動的因素主要是種植規模、自然災害、蔬菜生產技術水平。卞靖等(2020)認為蔬菜價格大幅波動主要原因是資金不足、創新不夠、流通成本高、儲備領域制度體系不完善。

蔬菜價格關系到國計民生，不同學者分別從不同角度對穩定蔬菜價格對策展開研究。周振亞等(2012)提出要對蔬菜生產規模進行宏觀調控，構建完善的蔬菜流通體系。殷瑞普(2013)建議我國健全相關蔬菜銷售保險體系來調控蔬菜價格。陳璋等(2013)建議要提高蔬菜的生產效率，并保證大城市附近的農業用地與蔬菜用地的比例。趙安平等(2014)建議完善蔬菜產業鏈條監測、開展蔬菜市場預警建設。李建平等(2017)建議建立蔬菜市場信息發布平臺，實時向社會發布市場信息。卞靖等(2020)認為需要重點調控和儲備的蔬菜品種選擇、完善蔬菜價格調控機制。

綜上所述，目前的文獻大都對我國的蔬菜價格波動特征、成因及穩定對策進行研究，但是很少有文獻通過時間序列分解與多元回歸模型相結合綜合分析蔬菜價格波動的成因，本文根據2014年～2020年北京市七大市場的蔬菜日度價格數據，先對蔬菜價格進行時間序列分解，然后運用多元回歸模型，對蔬菜價格的影響因素進行實證分析。

三、北京市蔬菜價格的時間序列分解

運用2014年1月至2020年11月北京市蔬菜日度價格數據，通過直接平均的方法整理出北京市蔬菜的年度價格數據。就蔬菜年平均價格來說，北京市蔬菜價格整體上呈現上漲趨勢。就蔬菜季度平均價格來說，北京市蔬菜價格有顯著的季節波動特征。本文為了研究蔬菜價格變動特征，決定使用平時最為常見的加法模型，并把北京市的蔬菜價格逐步分解成季節波動、長期趨勢、周期波動以及隨機波動。

1.蔬菜價格的季節波動

本文采用全國農產品商務信息服務平臺公布的北京市每日蔬菜價格數據，收集了2014年1月1日到2020年11月30日北京市的七大蔬菜批發市場每日價格數據，經過匯總整理后，得出北京市蔬菜價格的月度數據。本文選取蔬菜整體和不同品種蔬菜相結合的方式。其中，選取了大白菜、黃瓜、茄子、番茄以及青椒五種不同品種的蔬菜。

圖1 2014年～2020年蔬菜整體的月均價格走勢

圖1顯示的是2014年～2020年蔬菜整體的每月均價趨勢?？梢钥闯?，自2014年以來，蔬菜整體價格有著冬季高，夏季低的季節性波動。在每年的12月至第二年2月蔬菜的價格會出現一個小高峰，之后就會不斷下跌，大概在7月左右會跌倒谷底，隨后價格再次升高，繼續重復前面的過程。2014年～2020年蔬菜的平均價格一直在上漲，2017年之后，價格曲線重合部分較多，2016年年度價格波動較大。

蔬菜價格之所以會有明顯的季節波動特征，是因為蔬菜生產的時期性以及居民節日消費習慣的雙重作用。沈辰等(2015)根據市場供求理論，價格會在需求減少、供給增加時下降。夏季適宜蔬菜生長的溫度、濕度可以大幅度壓縮蔬菜的種植時間，加快收獲，從而形成蔬菜產量增加，不過過于悶熱的氣候也同時可能引發蔬菜儲存難、運輸難的問題，從而引起蔬菜價格進一步下降。而冬季本地的產量低，流通過程中的損耗率較高，導致蔬菜價格上升。此外，6月～12月交錯的傳統和新興節日不斷刺激著城市居民的蔬菜消費需求，蔬菜價格的上漲也符合常理。黃瓜、茄子、青椒、番茄的價格走勢均與蔬菜整體的價格走勢一致，五種蔬菜中只有大白菜有著截然不同的季節性波動特點?？紤]大白菜的種植、上市時期，這種完全相反的季節變動特征就很好理解了。通常情況下，露地大白菜會在8月底，最晚在9月初就種植，在北方11月冬儲大白菜就會開始大量上市。而在冬儲大白菜大規模上市之后，城鎮居民對大白菜的儲存需求就會下降，消費量也隨之下降，從而造成價格的進一步上漲。

本文采用移動平均法，通過對蔬菜價格的時間序列進行兩次移動平均后計算得出季節比率，通過整理調整季節比率后的蔬菜價格序列又算出不同種類蔬菜各月價格的季節指數，結果如圖 2所示。

圖2 北京市蔬菜每月季節價格指數

由圖 2可知，黃瓜、茄子、青椒、番茄的季節指數具有冬春高、夏季低的季節性波動特點，唯一與眾不同的蔬菜是大白菜，其季節指數在每年的3月達到峰值為1.25，而11月的季節指數達到谷值為0.77。

2.蔬菜價格的長期趨勢

為了獲得直線更好的擬合效果，同時也為了更準確地檢驗蔬菜價格在分離季節性波動趨勢后是否還具有長期趨勢，本研究把表示時間的變量t(t=1，2，3……)作為自變量，以分離季節性波動趨勢后的蔬菜價格Pt作為因變量，建立以下方程：

Pt=α+βt+μ

對回歸結果進行t檢驗，考察時間變量的系數β是否在10%、5%甚至1%的顯著性水平下顯著為零，借此判斷各種類蔬菜價格的趨勢波動，將大白菜、黃瓜、青椒、茄子和番茄的價格分別進行回歸，結果顯示：各蔬菜價格的回歸系數在1%的水平下顯著為正，這反映了不同品種的蔬菜價格在長期都是上漲的。

3.蔬菜價格的周期性波動

通過整理2014年～2020年經季節指數調整后的北京市蔬菜的月度平均價格數據，算出北京市的年度蔬菜價格序列，然后進行H-P 濾波分解。最終得出結論：隨著時間變動，H-P 濾波分解后得到的價格變動線圖比原來的價格曲線要平滑很多，這表明北京市不同種類蔬菜價格的長期波動趨勢在剝離周期性趨勢后依舊有著較為明顯的逐年上漲的特征。

四、北京市蔬菜價格波動的成因分析

1.模型構建

需求和供給從兩方面作用進而決定價格形成，具體來說，北京市居民人均可支配收入、消費者的消費偏好、通貨膨脹水平等因素會影響蔬菜需求；蔬菜生產成本、上市量等因素決定了蔬菜的供給；此外，季節變動、社會經濟發展與自然災害等會對供求兩方面都產生影響。本研究首先進行理論分析，綜合考慮后決定采用雙對數模型進行回歸，可以量化的因素直接當做自變量，不可量化的因素放入隨機擾動項中。

北京市統計局目前可以量化的數據類型有：北京市居民人均可支配收入，北京市居民消費價格指數，北京市規模以上工業增長值增速，北京市蔬菜產量，北京市農產品生產價格指數。本文用居民消費價格指數來代替通貨膨脹對北京市蔬菜價格波動的影響，同時考慮到GDP 能更好地展現經濟發展水平，但現有數據是季度的，缺乏具體的月度數據，因此采用北京市規模以上工業增長值增速來代替。不可量化的因素：偏好等納入隨機擾動項。同時，為了考察新冠疫情對于蔬菜價格的影響，設置一個虛擬變量作為自變量之一放入模型，具體含義如下：

根據以上分析，本文最終的回歸模型如下：

lnP=β0+β1lncpi+β2lnagrpi+β3lnincome+β4lnIva+β5lnY+β6lnm+u

其中為β0常數項，β1、β2……β6為斜率參數，u表示誤差項，模型中各變量的含義和預期方向如表1所示。

表1 模型變量含義與預測方向

2.數據來源

本文選取2014年1月至2020年11的月度數據，其中北京市蔬菜價格月度數據是通過全國農產品商務信息服務平臺公布的北京市每日蔬菜價格數據整理所得；北京市居民消費價格指數、北京市農產品生產價格指數、北京市居民人均可支配收入、北京市規模以上工業增長值增速和北京市蔬菜產量數據均來自北京市統計局網站。

3.回歸結果估計

考慮到多重共線問題，本文采用逐步回歸法進行分析，得到以下回歸模型：

lnP=5.88+0.794lnIva-0.145lnY

(3.780) (2.505) (-8.742)

式中，括號內數據為對應參數的t值，結果表明，北京市規模以上工業增長值增速，北京市蔬菜產量對蔬菜價格影響顯著，而其他變量影響不顯著,模型的R2為0.497，說明蔬菜價格變動的49.7%能被模型中自變量所解釋。分析如下：

(1)北京市工業增長值增速的斜率估計值為0.794，這說明經濟增長會使蔬菜價格上升，產生顯著的正向影響，與我們預期一致。

(2)北京市蔬菜產量的參數估計為-0.415，表明蔬菜的供給增加會使價格下降，這同樣符合我們的預期。

(3)將北京市農產品生產價格指數，北京市居民消費價格指數，北京市居民人均可支配收入擬合到模型中去后，雖然整個回歸模型顯著，但出現了這三個變量不顯著的結果，分析可能的原因是蔬菜價格數據樣本量較小，擬合結果較差。

(4)通過將是否有新冠疫情影響的虛擬變量m納入模型，同樣得到不顯著的結果，可能的解釋是，本文的主要采用月度數據，而北京市新冠疫情集中暴發期為1月23日到2月21日，隨后每日新增確診人數降至個位數，在3月之后則主要是境外輸入，本地無新增。即使在后來的新發地突發新冠疫情期間，也在短短幾日實現精準鎖定、阻斷了傳播渠道?？梢娦鹿谝咔榈挠绊懼饕峭ㄟ^日度數據體現，而月度數據在一定程度上平緩了疫情所造成的蔬菜價格上漲的趨勢。所以導致回歸結果m并不顯著。

另一個原因就是不同種類的蔬菜受新冠疫情影響程度有一定差異，而綜合所有品種則抵消了一部分影響。新冠疫情期間居民不愿外出以降低感染風險，大都采用集中購買、多種搭配、優先選擇易貯存品種的策略。這使得耐貯藏類蔬菜如大白菜、黃瓜、番茄等需求量相對增加，而設施類蔬菜需求量相對減少(張倩等，2020)。

此外，新冠疫情影響不顯著在某種程度上也說明了我國對公共安全事件響應及時，能夠運用行政手段為市民的“菜籃子”物流與供給提供保障。張倩等(2020)指出，新冠疫情以來，北京市政府及時多措并舉保障蔬菜產品“調得進、供得上、不脫銷、不斷檔”，積極組織貨源大幅提升北京市蔬菜供應量。

五、結論及政策建議

本文通過對蔬菜價格變動的時間序列進行分解，然后構建多元回歸模型實證分析，最終明確了北京市蔬菜價格變動的成因，主要研究結論如下：

第一，北京市蔬菜價格表現出明顯的季節性波動特征。剔除季節性因素后蔬菜的價格變動幅度減小，價格在長期有上漲趨勢。第二，以蔬菜價格為因變量構建多元回歸模型實證分析，最終證明北京市工業增加值增速、北京市蔬菜產量都對蔬菜價格變動產生顯著的正向影響。第三，2020年新冠疫情因素對北京市蔬菜價格影響不明顯，可能的原因有新冠疫情的影響主要是通過日度數據體現、不同種類的蔬菜受新冠疫情影響程度有一定差異、我國對公共安全事件響應及時。

基于以上研究結論，結合當前新冠疫情防控形勢，本文提出相關的政策建議：

第一，完善對蔬菜生產的補貼政策。第二，促進蔬菜產業供給側結構性改革。第三，提高產業抵御自然災害的能力。