我國蔬菜價格波動特征

張碧

DOI：10.19699/j.cnki.issn2096-0298.2021.10.

摘 要：本文選用2001—2018年全國各省份的數(shù)據(jù)，構(gòu)建PVAR蔬菜生產(chǎn)成本、蔬菜產(chǎn)量以及蔬菜的需求量等與蔬菜價格的相互影響。研究結(jié)果表明，價格發(fā)揮著重要的調(diào)節(jié)作用，但蔬菜價格并沒有隨著產(chǎn)量的提升而下降，因此應(yīng)持續(xù)完善保障機制，讓價格充分發(fā)揮調(diào)節(jié)作用，同時降低物流、儲藏等成本，從而縮減居民獲取蔬菜的總成本。

關(guān)鍵詞：蔬菜價格;價格走勢;PVAR

中圖分類號：F322 文獻標識碼：A 文章編號：2096-0298（2021）05（b）--04

2020年新冠肺炎疫情波及全球，對我國各行各業(yè)都產(chǎn)生了直接或間接的影響與沖擊。

蔬菜作為日常生活的必需品，其本質(zhì)決定了它們具有易腐蝕質(zhì)變、不易保存、季節(jié)性、周期性和地區(qū)性的特點，面對持續(xù)的疫情，蔬菜價格會大幅波動嗎？項朝陽、李茜凌等對2019年我國蔬菜價格波動特征做了基本分析，認為供求關(guān)系是影響2019年蔬菜價格的主要原因[1]， 張倩、于金瑩等聚焦于京津冀地區(qū)蔬菜市場價格波動特征及同步性，實證研究認為蔬菜間不僅存在共同的影響因素，相互之間也存在影響關(guān)系 [2];原云霄等通過對氣溫變動值與CPI菜價變動率進行關(guān)聯(lián)分析，發(fā)現(xiàn)氣溫變動對蔬菜價格領(lǐng)先約4個旬度，每年春冬季節(jié)蔬菜價格指數(shù)波動最為顯著[3];也有學者研究側(cè)重于對蔬菜價格變動及預(yù)測模型本身的精準度進行比較，如彭紅星等比較研究了基于BP、LSTM和ARIMA 3種不同算法模型預(yù)測蔬菜價格，得出ARIMA模型預(yù)測準確率更高[4]。本文首先分析了2017年至2020年8月價格波動特征，發(fā)現(xiàn)雖然2020年受疫情影響但是蔬菜價格波動趨勢符合歷史規(guī)律;其次結(jié)合蔬菜價格的主要決定因素，利用全國各省份2001—2018年的相關(guān)數(shù)據(jù)構(gòu)建PVAR模型來實證考察蔬菜生產(chǎn)成本、蔬菜產(chǎn)量以及蔬菜的需求量等與蔬菜價格的相互影響;最后提出對策建議。

1 蔬菜價格波動特征

利用2017年1月至2020年8月全國農(nóng)貿(mào)市場農(nóng)產(chǎn)品10種蔬菜的月度全國批發(fā)價計算得出平均月度價格（見圖1），從圖1可看出，近3年來價格波動呈波浪形，有明顯的高峰與低谷期。值得注意的是2019年11月與12月價格變化趨勢與過去兩年完全相反，2020年雖然受疫情影響但是波動變化趨勢和以往相同，即在年度周期內(nèi)，蔬菜在年初保持高位價至2月達到高峰，3—5月逐漸回落，6—10月相對來說價格小幅度波動變化。

首先，總體價格波動上漲，近兩年有加速趨勢。通過對比可以看出，2018全年同比2017年價格水平略低，下降3%;2019全年同比2018年，平均價格上漲11.5%;2020年1—5月蔬菜價格同比2019年1—8月，平均價格上漲約11.8%，其中2020年1月上漲顯著，比去年同期上漲28.3%。

其次，蔬菜價格波動具有周期性，波幅逐年下降。分月度看，選取的10種主要蔬菜批發(fā)價格的均價在2017—2019年每年12月至次年2月，蔬菜價格水平最高，2月之后呈下降趨勢;到6月價格達到一個低位，隨后價格趨勢波動不大。就波動幅度而言，2017年最高價4.88元/kg，最低價3.65元/kg，相差1.23元/kg，2018年最低價與最高價相差1.06元/kg，2019年最低價與最高價相差0.68元/kg，是過去三年波幅最小的一年。

然而，由于蔬菜本身的生長習性，并不是所有的蔬菜都嚴格遵循上面的規(guī)律（見圖2），在選取的10種蔬菜中，如大白菜的幅度有升有降，總體價格平穩(wěn);大蒜的價格在2017年價格最高，波動下降;蓮藕的價格穩(wěn)中有升，但幅度增長較大。

數(shù)據(jù)來源：商務(wù)部和農(nóng)業(yè)部價格監(jiān)測數(shù)據(jù)顯示2017.01—2020.08年全國農(nóng)產(chǎn)品集貿(mào)市場價格中的10種蔬菜 （大白菜、豆角、生姜、西紅柿、萵筍、蓮藕、大蔥、蒜頭、黃瓜、生菜） 周價格， 在此計算上得出平均月度/年度價格。

2 研究方法與數(shù)據(jù)說明

2.1 模型構(gòu)建與變量定義

面板自回歸向量模型（PVAR）是可兼顧多元回歸模型和相關(guān)變量滯后影響動態(tài)關(guān)系的非結(jié)構(gòu)化模型分析方法。傳統(tǒng)經(jīng)濟學理論中，蔬菜的價格受供求關(guān)系影響，遵循與供給變化方向相反、與需求變化同向的規(guī)律。筆者參考羅超平等（2013）[5]、彭紅星（2020）、孫倩[6]等的研究構(gòu)建函數(shù)關(guān)系式。用Vg代表蔬菜價格，Vp代表蔬菜產(chǎn)量，Vc代表蔬菜生產(chǎn)成本，Vx代表蔬菜需求，則以上變量的內(nèi)生關(guān)系可以通過以下聯(lián)立方程組來表示：

其中，Vp-1代表蔬菜價格滯后一期（類似其他變量），S表示滯后期數(shù)，可以根據(jù)實際需要進行設(shè)定。實證考察蔬菜生產(chǎn)成本、蔬菜產(chǎn)量以及蔬菜的需求量等與蔬菜價格的相互影響關(guān)系。

2.2 數(shù)據(jù)選取和方法設(shè)定

本文實證分析采用的數(shù)據(jù)為全國2001—2018年的數(shù)據(jù)，為了避免異方差對回歸結(jié)果的影響，對全部數(shù)據(jù)進行了對數(shù)化處理。其中蔬菜價格、蔬菜需求、蔬菜生產(chǎn)成本數(shù)據(jù)分別來源于《中國統(tǒng)計年鑒》（2002—2019）報告的商品零售價格分類指數(shù)中各地區(qū)居民消費價格分類指數(shù)、《國家統(tǒng)計局》中各省人口數(shù) ×人均蔬菜消費量、《中國統(tǒng)計年鑒》各地區(qū)農(nóng)產(chǎn)品生產(chǎn)價格指數(shù)（種植業(yè)）、中國農(nóng)業(yè)農(nóng)村部全國蔬菜產(chǎn)量。

運用Eviews-10和Stata軟件，使用面板自向量回歸程序 PVAR模型[7]進行建模和實證分析。運用 Eviews進行面板數(shù)據(jù)的平穩(wěn)性檢驗，在此基礎(chǔ)上，利用Stata完成最佳滯后階數(shù)、GMM 估計模型參數(shù)、脈沖響應(yīng)分析、方差分解等分析步驟。

3 實證分析

3.1 變量的平穩(wěn)性檢驗

對影響蔬菜價格的成本、產(chǎn)量、需求量、價格取得對數(shù)變量做了單位根檢驗，可以確定其平穩(wěn)性、避免偽回歸。本文選擇了帶有截距的檢驗式，實驗發(fā)現(xiàn)一階差分后整體在低于15%的顯著水平下趨于平穩(wěn)（見表1）。

3.2 面板協(xié)整要求

筆者選取KAO檢驗對涉及數(shù)據(jù)進行協(xié)整檢驗，結(jié)果如表2所示，數(shù)據(jù)比較顯著，可以認為蔬菜價格、蔬菜產(chǎn)量、蔬菜成本、蔬菜需求量之間存在長期穩(wěn)定的均衡關(guān)系。

3.3 滯后階數(shù)的選擇

為進一步估計蔬菜價格、蔬菜產(chǎn)量、蔬菜成本、蔬菜需求量四個變量構(gòu)成的PVAR模型，需要確定模型的滯后階數(shù)。由表3結(jié)果可知，該模型最優(yōu)滯后階數(shù)為2階。

3.4 在面板數(shù)據(jù)上估計PVAR 模型

筆者借助數(shù)據(jù)處理軟件STATA15.0就上述PVAR模型進行Sys-GMM回歸估計，估計結(jié)果如表4所示，其中，h_，h2_依次表示滯后1期、2期。

當蔬菜價格LnVg作為反應(yīng)變量時，價格本身對自身影響呈現(xiàn)負相關(guān)且在10%的水平下顯著，說明蔬菜價格前期增長對后期呈現(xiàn)一定的抑制作用;蔬菜產(chǎn)量LnVp和蔬菜需求LnVx對蔬菜價格LnVg具有正的影響且在5%的水平下顯著，但在滯后1期下呈現(xiàn)弱得負相關(guān)性，可能的原因是根據(jù)基本經(jīng)濟學原理，蔬菜價格基本是由需求和供給的狀況決定的，在滯后一期時，隨著市場行為調(diào)節(jié)，產(chǎn)量或需求大幅增加對價格的影響有限。

當蔬菜生產(chǎn)成本LnVc為反應(yīng)變量時，價格LnVg系數(shù)分別為1.43和1.14，呈現(xiàn)同方向正相關(guān)趨勢，符合價格影響機制的基本原理。

當蔬菜產(chǎn)量LnVp為反應(yīng)變量時，蔬菜價格系數(shù)在水平期和一期下為0.03和8.42，說明價格上漲會引起產(chǎn)量的急劇增加，但在滯后一期并沒有呈現(xiàn)遞減趨勢，說明蔬菜價格對產(chǎn)品的調(diào)節(jié)機制存在障礙，可能原因是蔬菜一經(jīng)種植無法重新安排生產(chǎn)。

當蔬菜需求LnVx為反應(yīng)變量時，蔬菜價格系數(shù)在水平期和一期下為1.82和-4.91，說明價格對需求總體表現(xiàn)為負的影響且影響顯著。

3.5 響應(yīng)分析

本文使用蒙特卡羅（ MonteCarlo） 模擬500次得到置信區(qū)間在5%～95% 的正交化脈沖響應(yīng)函數(shù)圖（圖3）。正交化脈沖響應(yīng)函數(shù)圖隨著響應(yīng)期（橫軸）的增加，沖擊響應(yīng)程（縱軸）逐漸收斂，說明蔬菜價格內(nèi)部傳導系統(tǒng)是平穩(wěn)的。對圖3進行分析可得到以下結(jié)論：一是蔬菜價格LnVg對蔬菜產(chǎn)量LnVp最初便會產(chǎn)生較大的正影響且在第一期影響最大，隨后影響減弱。說明蔬菜價格對蔬菜產(chǎn)量有較好的調(diào)節(jié)作用。二是對蔬菜成本LnVc進行標準差沖擊，蔬菜價格在第一期顯著上升，第二期急劇下降，小幅度波動后達到趨近于零的極小正響應(yīng)值，符合價格調(diào)節(jié)機制的一般規(guī)律。三是從圖3看出，蔬菜產(chǎn)量LnVp的增加反而引起價格的上漲，在第一期影響達到最大，考慮除去菜價本身，送到居民手中還涉及物流成本、保鮮成本等其他成本導致總成本上漲，而產(chǎn)量上漲對價格影響幅度遠抵消不了其他成本上漲導致價格上漲的幅度，導致結(jié)果看上去違背一般經(jīng)濟規(guī)律。四是蔬菜需求LnVx的增加在第一期顯著對價格產(chǎn)生正影響，隨后幅度減弱但趨勢總體呈正相關(guān)。

4 結(jié)論與政策建議

本文首先對2017年至2020年8月我國蔬菜價格的波動情況進行分析總結(jié)，其次利用2001—2018年我國各個省份的年度數(shù)據(jù)，運用PVAR模型分析了影響蔬菜價格波動的因素，最后根據(jù)分析結(jié)論給出對策建議。

第一，在新冠疫情影響下，蔬菜價格即使是在疫情高峰期也只是略微高漲，總體呈現(xiàn)年度間上漲，年度內(nèi)有明顯的季節(jié)波動，總體菜價波動符合以往發(fā)展趨勢，屬于價格的正常波動。

第二，持續(xù)完善蔬菜市場體系建設(shè)，尊重市場規(guī)律，加強蔬菜信息網(wǎng)的建設(shè)，充分發(fā)揮“無形的手”的作用，保障蔬菜價格的調(diào)節(jié)機制正常發(fā)揮作用。

第三，持續(xù)貫徹落實全國蔬菜產(chǎn)業(yè)發(fā)展規(guī)劃，對重點發(fā)展蔬菜產(chǎn)業(yè)的580個縣持續(xù)從生產(chǎn)、流通及質(zhì)量安全體系等多個方面進行深度優(yōu)化，做大做強示范重點生產(chǎn)基地建設(shè)。在增加蔬菜產(chǎn)量的同時，提高資源配置效率，減少蔬菜端上居民餐桌前不必要的如物流、包裝、冷藏等損耗成本，促進蔬菜產(chǎn)業(yè)良性發(fā)展，有效保障蔬菜供給，也是蔬菜產(chǎn)業(yè)長遠發(fā)展的需要。

第四，充分利用互聯(lián)網(wǎng)+、智慧農(nóng)業(yè)、大數(shù)據(jù)、區(qū)塊鏈、人工智能等新興技術(shù)，堅持創(chuàng)新，優(yōu)化甚至減少生產(chǎn)、流通以及交易、銷售的環(huán)節(jié)，提高產(chǎn)量，充分縮減居民獲取蔬菜的總成本。疫情期間立足互聯(lián)網(wǎng)+創(chuàng)新產(chǎn)生了不同于以往蔬菜流通模式的新商業(yè)模式受到肯定，生鮮電銷如“每日優(yōu)鮮”“叮咚買菜”等商家提供的線上+線下不接觸配送解決了人民的生活需要。在未來不確定環(huán)境中，立足科技、堅持創(chuàng)新是保證蔬菜生產(chǎn)、價格穩(wěn)定、人民安心的根本。

參考文獻

項朝陽，李茜凌.2019年我國蔬菜價格波動特征[J].中國蔬菜，2020（02）：1-5.

張倩，于金瑩，趙姜，等.京津冀蔬菜價格波動同步性研究價格理論與實踐[J].2019（09）：71-74.

原云霄，王寶海，宋潔.氣溫變動對我國蔬菜價格指數(shù)影響的實證分析[J]數(shù)學的實踐與認識，2019（14）：263-269.

彭紅星，鄭楷航，黃國彬，等，基于BP、LSTM和ARIMA模型的蔬菜價格預(yù)測[J].中國農(nóng)機化學報，2020（04）：193-199.

羅超平.蔬菜價格波動及其內(nèi)生因素——基于PVAR模型的實證分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2013（02）：22-30.

孫倩，穆月英.我國蔬菜價格波動、原因及其影響因素分析[J].農(nóng)村金融研究，2011（08）.

陳強，高級計量經(jīng)濟學及Stata應(yīng)用[M].北京：高等教育出版社，2010.

Characteristics of Vegetable Price Fluctuation in China

—— An Empirical Analysis Based on PVAR Model

School of Management， Lanzhou University? ZHANG Bi

Abstract： This article uses data from various provinces in the country from 2001 to 2018 to construct a PVAR model to explain the interaction between vegetable production costs， vegetable output， vegetable demand and vegetable prices. The results show that price plays an important regulatory role， but the price of vegetables does not decline with the increase of output. Therefore， we should continue to improve the security mechanism， let the price play a regulatory role， and reduce the cost of logistics and storage， so as to reduce the total cost of residents to obtain vegetables.

Keywords： vegetable prices; price trends; PVAR