极端气候灾害对蔬菜价格波动的影响及应对措施研究

王凯　李资颖　刘雅

[摘要]蔬菜是城乡居民重要的生活必需农产品，其价格的大幅度波动会给农民的稳定增收和市民的生活消费带来重大影响。本文采用修正序列相关和ARCH模型，实证分析了气候灾害对蔬菜价格波动的影响，结果表明发生气候灾害会导致蔬菜价格不规则波动加剧，不同类别蔬菜价格受气候灾害影响的程度不同，并根据所得结论给出相关政策建议。

[关键词]蔬菜价格;氣候灾害;X-12-ARIMA;序列相关;ARCH模型

中图分类号：F323.7 文献标识码：A DOI：10.16465/j.gste.cn431252ts.202006

蔬菜是农民收入的重要组成部分，同时也是城镇居民日常生活消费的主要支出来源。因此，蔬菜价格的异常波动会直接破坏城乡居民生活水平和蔬菜市场价格水平的常态，进而给社会生活质量和农产品市场稳态造成不利影响。

近些年，我国蔬菜价格大幅度波动，菜贱伤农的现象愈演愈烈，菜贵伤民的情况也接连发生。2001年12月到2002年1月、2月温度高于同期平均温度，导致3月、4月蔬菜价格跌破1996年以来的最低点;2008年1月中国南方大部分地区遭遇长时间、高强度低温、雨雪等自然灾害，使得蔬菜价格从1月开始大幅度持续上涨，2月上涨幅度一度达到46%;2016年6月、7月初，武汉等中部地区遭遇历史罕见暴雨灾害，武汉市监测的20个蔬菜品种综合平均零售价上涨23.74%。蔬菜价格的异常波动严重损害了蔬菜生产者的利益和消费者的福利，给农产品市场及相关产业造成了重大冲击，不利于国家宏观经济稳步健康发展。

现有研究对蔬菜价格的波动特征和相关因素进行了不同角度和层面的理论分析，但当前关于气候灾害对蔬菜价格波动影响的研究尚存在不足：大部分文献均针对气候灾害对蔬菜价格波动的影响做了定性分析，但专门针对气候灾害对蔬菜价格波动影响的系统性实证研究很少。而气候灾害作为随机因素的重要组成部分，研究其对蔬菜价格波动的影响机理并提出相应的措施建议意义重大。鉴于此，本文选取了2004年1月到2018年10月白菜等9种常见大宗蔬菜的月度价格数据，采用X-12-ARIMA季节调整模型剥离出不规则波动序列，建立气候灾害的经典线性回归模型和ARCH模型，对气候灾害与蔬菜价格波动进行实证分析。

1 文献综述

1.1 农产品价格影响因素和波动原因

对农产品价格影响因素和波动原因的研究一直是国内外学者的研究热点。从供给局部均衡的角度上，Fox K A[1]通过构建价格均衡模型，把农产品市场等相关领域现象与需求和供给结合进行了分析。Apergins N[2]通过从生产成本的角度分析，认为格兰杰因果关系显著性地存在于农业生产资料与农产品批发价格之间。国内学者针对货币供应量、通货膨胀、农业政策等外部因素和供给关系、生产成本等内在因素，对农产品价格波动进行了大量的研究[3-4]。

1.2 蔬菜价格波动特征和影响因素

关于蔬菜价格波动特征和影响因素的研究一直是学术界关注的焦点问题。大量研究基于时间序列数据特征将蔬菜价格影响因素分离为季节因素、趋势因素、循环因素和不规则因素四类，以此分析蔬菜价格的波动特征。罗超平等[5]研究发现不规则波动序列振动幅度大且振动频繁，季节因素序列呈现先降后升的态势，趋势序列随时间的推移直线上升，循环波动序列表现出明显的周期性。王丽娟等[6]基于天津市8种蔬菜的批发均价数据得出类似结论：蔬菜价格的周期性和季节性波动较为突出，随机因素如自然灾害等对其影响较大。针对蔬菜价格的影响因素，屠强[7]以黑龙江省为例，分析得出导致其淡季蔬菜价格波动较大的原因有气候、运输、产地、经销等多种因素。王兴中[8]指出低效率的流通渠道和流通方式会导致较高的流动损耗成本，并最终反映在居高不下的蔬菜价格上。

1.3 自然灾害对农产品价格波动的影响

众多农产品价格波动原因的研究中都将自然灾害作为主要的影响因素之一。有相关研究对自然灾害和粮食价格波动进行实证分析，结果表明农业自然灾害与粮食价格波动呈高度相关，且灾害发生强度和影响强度直接影响到粮食产量的高低，进而引起粮食市场的价格波动[9-10]。基于国际农产品贸易理论，李静等[11]研究发现国内外自然灾害事件均会给食品价格波动造成显著的直接冲击和间接影响。付莲莲[12]认为自然灾害因素是农产品价格波动的深层根源，对其价格短期波动造成重大影响。但也有部分研究认为自然灾害等突发性因素对农产品价格波动影响有限，如郭芳[13]认为农业自然灾害虽会影响农产品价格，但价格波动的主要因素为农产品收购价格而非自然灾害。

1.4 自然灾害对蔬菜价格波动的影响

而蔬菜作为农产品的主要组成部分，包含异常灾害在内的气候因素同样是影响其价格波动的主要因素。李干琼等[14]通过格兰杰因果检验与VAR模型，验证了气候因素是蔬菜价格波动的原因并分析了相对影响程度。王钊[15]基于UMLE模型，从空间分析的角度对地区蔬菜价格变动进行研究，结果表明天气因素是引起地区蔬菜价格剧烈波动的原因之一。李娜[16]认为低温害和涝渍害等气象灾害对我国蔬菜价格波动的影响程度极大。大量研究认为发生气候灾害时会给蔬菜生产、运输流通过程带来不利影响，导致生产成本、运输成本上涨从而使得蔬菜价格整体上行[17-18]。

当前大部分文献只对蔬菜价格波动与气候灾害间的关系进行了定性讨论，特定针对并实证分析气候灾害对蔬菜价格波动影响的研究较少。为弥补该研究领域的空白，本文针对气候灾害对蔬菜价格波动的影响机理展开研究分析。

2 研究设计和样本数据

2.1 变量定义

2.1.1 蔬菜价格的不规则波动

时间序列数据（Y）的波动原因可归结为四种因素：季节变动（S）、趋势变动（T）、循环变动（C）和不规则变动（I）[19]。而原序列与这四种因素之间的关系有如下两种形式：

加法模型：                        （1）

乘法模型：                         （2）

本文基于第二種乘法模型，从各种蔬菜价格原始序列中剥离出不规则波动序列P_IRt，即t期的蔬菜价格不规则波动。

2.1.2 气候灾害

本文设置虚拟变量Xt，表示t期是否发生气候灾害。具体形式如下：

（3）

2.2 研究方法

2.2.1 X-12-ARIMA季节调整模型

X-12-ARIMA季节调整模型是1998年美国普查局基于X-11-ARIMA改进的分离时间序列数据季节性因素的模型[20]。基本形式如下：

（4）

其中，为非季节自回归算子;            为季节自回归算子;            为非季节移动平均算子;

为季节移动平均算子;            为非季节性因素的d阶差分;             为季节性因素的D阶差分。

2.2.2 构建残差项的自回归方程AR（p）修正随机干扰项序列相关

蔬菜价格不规 则波动关于气候灾害的回归估计模型如下：

（5）

其中，P_IRt为各大宗蔬菜价格t期的不规则波动;Xt为虚拟变量气候灾害。

对于经典线性回归模型，其他基本假设成立的条件下，随机干扰项序列相关即

（6）

如果t随机干扰项存在序列相关，但仍采用普通最小二乘法进行估计，则参数估计量失去有效性，随机干扰项方差估计量有偏误，拟合优度检验和参数显著性检验均失效，模型的预测估计也无意义。

若随机干扰项t存在序列相关，则采取构建残差项的自回归方程AR（p）的方式对序列相关性进行修正[21]。具体操作如下：

（7）

（8）

（9）

随机干扰项的一阶自回归方程AR（1）如式（7）所示，其中εt为纯随机序列，式（8）为t-1期蔬菜价格不规则波动关于气候灾害的回归方程，将式（8）代入式（7），再将式（7）代入式（5）整理得到式（9），此时最小二乘模型的参数估计量具备有效性，变量显著性检验中t统计量恢复正常。

2.2.3 ARCH类模型

（1）ARCH模型。当前的各类条件异方差模型大多源自Engle[21]提出的自回归条件异方差模型。ARCH模型一般包括式（5）和下式：

（10）

在ARCH模型中，式（5）为均值方程;式（10）为方差方程，其中ht为t的平方项、q为滞后阶数。其目的是随机干扰项的平方服从AR（q）过程，充分挖掘式（5）残差序列包含的信息，使得式（10）中的残差满足纯随机序列性质。

（2）GARCH模型。当ARCH模型中存在高阶条件异方差效应时，即ARCH模型中残差的滞后阶数q取值很大时，可采用条件方差的滞后项替代过多的随机干扰项平方的参数，即广义自回归条件异方差GARCH模型[22-23]：

（11）

其中，表示t-i期随机干扰项的平方项;ht-j表示t-j期条件方差;γi和t分别体现外部因素和前期自身波动对当前波动的影响强度。

2.3 样本数据来源

本文分析蔬菜价格不规则波动采用的均为月度数据，选取2004年1月到2018年10月期间，白菜等9种蔬菜共1 602个月度价格样本。

2.3.1 各大宗蔬菜价格数据

本文选取的豆角、黄瓜、苦瓜、茄子、生菜、白菜、白萝卜、青菜、圆白菜9种蔬菜的原始价格数据均来自商务部公布的农产品批发价格周数据，单位为元/kg。根据所获得的9种蔬菜的周价格数据计算对应的月平均价格，以此新价格序列作为9种蔬菜价格的原序列。

2.3.2 气候灾害数据

首先汇总2004年到2016年《中国气象灾害年鉴》中“重大气象灾害”版块和2017年与2018年《中国气候公报》中“中国重大天气气候时间”版块中记录的气候灾害事件。然后汇总出有重大气候灾害记录的月份，查阅各大门户网站、报纸刊物等新闻媒体信息，筛选出对蔬菜生产实际造成影响的农业气候灾害发生月份，设置虚拟变量气候灾害。

3 实证分析

3.1 基于X-12-ARIMA季节调整模型的数据处理

先剥离出9种蔬菜价格的季节性因素和趋势-循环因素，得到各大宗蔬菜价格的不规则波动序列P_IRt。本文通过X-12-ARIMA季节调整模型剥离得到蔬菜价格不规则波动序列，其中大部分不规则波动值集中在1.0附近，而部分月份及对应蔬菜价格存在不规则波动数值偏离1.0较大的情况，且较为集中。

3.2 各大宗蔬菜价格不规则波动和气候灾害序列平稳性检验

由于本文选取的是时间序列数据，而以不平稳的时间序列数据建立的计量经济学模型会导致假设检验或者参数估计等不准确。蔬菜价格不规则波动序列和气候灾害序列的ADF平稳性检验结果如表1所示。其中（c，0）中“c”表示含外生变量常数项，“0”表示基于SIC准则下的滞后阶数。此处因为被检验序列为蔬菜价格不规则波动序列和气候灾害序列，不具备时间趋势，因此均不加入时间趋势项。

结果显示：白菜等9种蔬菜价格不规则波动和气候灾害序列均在1%的显著性水平下通过检验，因此拒绝原序列存在单位根的原假设，即白菜等9种蔬菜价格不规则波动和气候灾害序列均平稳。

3.3 气候灾害对蔬菜价格不规则波动的影响

本文通过建立蔬菜价格不规则波动和气候灾害序列之间的线性回归模型，进而估计气候灾害对蔬菜价格波动的影响。回归结果如表2、表3所示。表2中所示的豆角、黄瓜、苦瓜、茄子和生菜5种蔬菜价格的不规则波动关于气候灾害回归模型中的回归系数β1，均在对应1%、5%、10%的显著性水平下通过检验;且D.W.值均接近于2，说明每个方程的残差序列均不存在一阶序列相关;n*R2为拉格朗日乘数检验（LM检验）的统计量，各方程对应该统计量均不显著，表明接受原假设，即残差序列不存在小于等于一阶的序列相关。

而表3中所示的白菜、白萝卜、青菜和圆白菜4种蔬菜价格的不规则波动关于气候灾害回归模型中的回归系数β1显著性较低，且存在未通过显著性检验的情况;各D.W.值均显著小于2，说明每个方程的残差序列均存在一阶序列正相关;每个方程对应n*R2统计量均在1%的显著性水平下通过检验，拒绝原假设即残差序列不存在小于等于二阶序列相关。计量经济学模型一旦出现序列相关性，如果仍采用最小二乘法模型估计参数，则参数估计量不再具备有效性，当变量显著性检验中t统计量出现偏误，模型的预测估计也不再准确。

因此，对于上述白菜、白萝卜、青菜和圆白菜4种蔬菜的回归方程，本文采用构建残差项的自回归方程AR（p）来对随即干扰项的序列相关性进行修正。

修正序列相关后的白菜等4种蔬菜价格不规则波动对气候灾害的回归估计结果如表4所示。对于白菜构建二阶的残差项自回归方程，而对于白萝卜、青菜、圆白菜构建一阶的残差项回归方程。经过修正后，白菜、白萝卜、青菜、圆白菜4种蔬菜价格的不规则波动关于气候灾害回归模型中的回归系数β1均对应在10%、5%的显著性水平下通过检验，各个方程对应的AIC值和SC值均有所降低，各D.W.值均接近于2。在白萝卜、青菜、圆白菜3种蔬菜的滞后二阶LM检验中，对应辅助回归防方程中的二阶滞后残差项的参数Reside（-2）均未通过10%的显著性检验，而白菜的对应参数也在1%的显著性水平下拒绝原假设，说明修正后4种蔬菜回归方程不再存在明显的残差序列相关性。

综合豆角等5种蔬菜价格不规则波动关于气候灾害的直接回归结果和白菜等4种蔬菜价格不规则波动关于气候灾害的修正序列相关回归结果可以证明，发生气候灾害会导致蔬菜价格不规则波动加剧。

3.4 蔬菜价格不规则波动关于气候灾害的ARCH类模型

LM统计量为LM检验原回归方程残差序列ARCH效应的统计量，豆角、黄瓜、苦瓜、茄子、生菜5种蔬菜价格关于气候灾害回归方程对应的滞后一阶LM统计量均未通过检验，表明不存在ARCH效应。而白菜、白萝卜、圆白菜、青菜4种蔬菜价格关于气候灾害的回归方程中，滞后一阶LM统计量分别在10%、5%、1%的显著性水平下拒绝了蔬菜价格序列不存在ARCH效应的原假设。

基于此，对白菜采取ARCH（1）模型重新估计，对白萝卜、圆白菜和青菜采取GARCH（1，1）模型重新估计，估计结果如表5所示。白菜、白萝卜和圆白菜的主体回归方程常数项β0和回归系数β1、辅助方程常数项γ0和回归系数γ1、1均在对应10%、5%、1%的显著性水平下通过检验，而青菜的主体回归方程中回归系数β1未通过显著性水平10%的检验。

通过白菜、白萝卜、圆白菜价格不规则波动关于气候灾害的ARCH或GARCH模型，补充证明发生气候灾害会导致蔬菜价格不规则波动加剧。

对于气候灾害会导致蔬菜价格不规则波动加剧的解释：如发生严重干旱灾害，会影响大部分蔬菜正常生长，导致蔬菜产量下降，供不应求，最终使得蔬菜价格上升;如发生暴雨洪涝灾害，除了造成蔬菜产量下降，还会使得蔬菜运输受阻，从而增加运输成本，使得蔬菜价格在低产量和高成本的共同作用下急剧增高等。

4 结论及建议

4.1 结论

本文基于对白菜等9种蔬菜剥离季节性因素和趋势—循环因素得到的对应蔬菜价格不规则波动序列和气候灾害序列，通过构建两者之间的回归模型实证分析了气候灾害对蔬菜价格不规则波动的影响。

实证分析结果显示，当发生气候災害时，豆角、黄瓜、苦瓜、茄子、生菜、白菜、白萝卜、青菜、圆白菜9种蔬菜价格的不规则波动对应加剧0.024 2、0.042 5、0.017 7、0.025 3、0.036 8、0.030 4、0.021 1、0.023 0、0.029 4。因此，可以证明发生气候灾害会导致蔬菜价格不规则波动加剧。

4.2 政策建议

（1）建立健全完善农业气候灾害预警监测系统，在最大程度上做好灾前预防措施以减少损失。各级地方政府应该建立健全农业气候灾害预警监测系统，完成对农业气候灾害最大限度的预测，使蔬菜生产者和集体组织提前做好防灾减灾准备。同时应及时公布气候灾害监测信息，为蔬菜市场及时采取相应调控措施提供助力，维持蔬菜价格市场的稳定。

（2）加强农业基础设施建设，增强蔬菜产区对气候灾害的综合应对能力。各级政府应推动包括防洪设备、农机设备、气象设施等在内的生产性基础设施建设，加强蔬菜产区对气候灾害的承受能力，提升对气候灾害的治理水平，以保持蔬菜产业的稳健发展，保障主要蔬菜的供给能力。

（3）完善并落实蔬菜保险政策和补贴体系，切实帮助农户分散蔬菜生产风险。推动蔬菜保险补贴措施发展，科学优化保险模式且保证其灵活性，在合理区间内提高保险补偿和补贴水平。同时提升蔬菜生产主体对蔬菜生产风险的认知水平和重视程度，增强其参保意识和参保积极性。

参考文献

[1]Fox K A.A Spatial Equilibrium Model of the Live-stock-Feed  Economy in the United States[J].Economitrica， 1953，21（4）：547-566.

[2]Apergis N，Rezitis A.Food price volatility and macroeconomic factor volatility：‘heat waves or ‘meteor showers？[J].Applied Economics Letters，2003，10（3）：155-160.

[3]李國祥.2003年以来中国农产品价格上涨分析[J].中国农村经济， 2011（2）：11-21.

[4]付莲莲，邓群钊.农产品价格波动影响因素的通径分析：基于2000—2013年月度数据[J].经济经纬， 2014，31（6）：29-34.

[5]罗超平，翟琼，李靖文.基于时间序列数据的蔬菜价格波动特征及影响因子分析[J].西南大学学报（自然科学版），2013，35（4）：26-31.

[6]王丽娟，刘桂峰，信丽媛，等.天津市蔬菜价格波动规律及短期预测——基于时间序列的季节调整和预测[J].中国农学通报， 2015，31（9）：286-290.

[7]屠强.黑龙江省蔬菜批发价格变动规律及影响因素的探究[J].对外经贸，2012（6）：70-72.

[8]王兴中.黑龙江省蔬菜流通渠道和流通方式的改革与创新[J].对外经贸，2014（8）：75-76.

[9]赵霞.农业自然灾害与粮食价格波动：基于中国1978—2010年间的数据[J].统计与信息论坛，2012，27（10）：38-43.

[10]陈卫洪，谢晓英.气候灾害对粮食安全的影响机制研究[J].农业经济问题，2013（1）：12-19.

[11]李静，楠玉.我国食品价格波动冲击路径的随机因素分析[J].经济经纬，2013（2）：28-32.

[12]付莲莲.国内农产品价格波动影响因素的结构及动态演变机制[D].南昌：南昌大学，2014.

[13]郭芳.中国农产品收购价格农业灾害与农产品产量波动分析[J].西南师范大学学报（自然学科版），2002，27（1）：102-105.

[14]李干琼，许世卫，李哲敏，等.蔬菜市场价格短期波动影响因素分析：基于VAR模型的实证研究[J].中国食物与营养，2013，19（3）：45-49.

[15]王钊.我国蔬菜价格变动的空间计量分析[J].农业技术经济，2013（11）：4-14.

[16]李娜.我国蔬菜价格波动的影响因素研究[D].泰安：山东农业大学，2013.

[17]李崇光，包玉泽.我国蔬菜价格波动特征与原因分析[J].中国蔬菜，2012（9）：1-7.

[18]辛佳临.近期蔬菜类农产品市场分析与预测[J].农业展望， 2009（5）：8-11.

[19]易丹辉.数据分析与Eviews应用[M].北京：中国人民大学出版社，2008：103-104.

[20]Findley D F，Monsell B C，Bell W R，et al.New Capabilities and Methods of the X-12-ARIMA Seasonal Adjustment Program[J].Journal of Business and Economics Statistics，1998，16（2）：127-152.

[21]宋长鸣，徐娟，李崇光.货币供应量蔬菜调控政策与蔬菜价格波动分析[J].统计与决策，2013（22）：105-108.

[22]Engle R F.Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K.Inflation[J].Econometrica，1982，50（4）：987-1007.

[23]Bollerslev T.Generalized Autoregressive Conditional Heteroskedasticity[J].Journal of Econometrica，1986，31（3）：307-327.

The Impact of Extreme Climate Disaster on the Price Fluctuations of Vegetables and the Countermeasures

Wang Kai，Li Ziying，Liu Ya

（College of Economics&Management，Huazhong Agricultural University，Wuhan，Hubei 430070）

Abstract：Vegetable is an important agricultural product for urban and rural residents，whose price fluctuation will bring great impact on the stable income increase of farmers and the living consumption of citizens.In this paper，we use the modified sequence correlation and arch model to analyse the effects of climate disasters on vegetable price fluctuations.The results show that the occurrence of climate disasters will lead to the increase of irregular fluctuations in vegetable prices，and the impact of climate disasters on different types of vegetable prices is different.According to the conclusion，some policy suggestions are given.

Key Words：vegetable price，climate disaster，X-12-ARIMA，sequence correlation，ARCH model