北京市蔬菜价格波动及成因分析

张惠媛

(中国农业大学经济管理学院，北京 100089)

一、引言

蔬菜在居民膳食结构中具有重要地位，随着生活水平持续改善，蔬菜消费支出占食品支出中的比重也在持续提升。蔬菜价格的波动一边牵着农民的“钱袋子”，另一边又牵着居民的“菜篮子”。政府高度重视蔬菜价格波动问题，多年来为促进蔬菜市场的动态平衡出台了一系列调控措施，但是并未达到预期效果。究其原因是缺乏对蔬菜价格波动规律和原因的充分认识和把握。蔬菜价格的频繁波动与多种因素有关，掌握蔬菜价格的波动规律及原因是稳定价格的前提和基础，必须给予足够的重视，并进行细致地研究。

二、文献综述

针对蔬菜波动规律，我国学者从分解波动因素、对比居民收入等角度进行研究；总的来看，我国蔬菜价格在不同时期呈现的增加趋势和波动幅度不尽相同，总体呈现上涨趋势并伴随有随机波动和周期性波动。周振亚等(2012)指出从居民收入的角度来看，蔬菜的零售价格是下降的。沈辰等(2015)分析发现：随机波动对瓜果、叶菜类蔬菜价格的波动贡献不断加强；季节波动对瓜果类蔬菜价格影响强于其他蔬菜；叶菜类蔬菜价格波动更容易受随机因素影响；周期波动对姜蒜类价格波动贡献明显。随学超等(2015)指出：我国蔬菜价格在短期内的季节性波动减弱，同时周期性波动却有所增强。卞靖等(2020)分析指出，从总体趋势看，蔬菜价格在波动中稳步上涨；从周期波动看，蔬菜价格呈现年度季节性“双峰双谷型”周期波动；从波动程度看，蔬菜价格波动幅度明显加大。

国内学者在蔬菜价格影响因素的研究上从蔬菜的生产、流通、销售以及市场、技术等多个方向着手，进行了较为全面的分析。张唯婧(2011)指出，农业生产成本是农产品价格变动的最关键因素。赵安平等(2014)认为突发事件是蔬菜价格随机性波动的主要诱因。黄修杰等(2017)认为我国城市蔬菜价格的波动上涨是因为生产成本上升。项朝阳等(2020)指出影响蔬菜价格波动的因素主要是种植规模、自然灾害、蔬菜生产技术水平。卞靖等(2020)认为蔬菜价格大幅波动主要原因是资金不足、创新不够、流通成本高、储备领域制度体系不完善。

蔬菜价格关系到国计民生，不同学者分别从不同角度对稳定蔬菜价格对策展开研究。周振亚等(2012)提出要对蔬菜生产规模进行宏观调控，构建完善的蔬菜流通体系。殷瑞普(2013)建议我国健全相关蔬菜销售保险体系来调控蔬菜价格。陈璋等(2013)建议要提高蔬菜的生产效率，并保证大城市附近的农业用地与蔬菜用地的比例。赵安平等(2014)建议完善蔬菜产业链条监测、开展蔬菜市场预警建设。李建平等(2017)建议建立蔬菜市场信息发布平台，实时向社会发布市场信息。卞靖等(2020)认为需要重点调控和储备的蔬菜品种选择、完善蔬菜价格调控机制。

综上所述，目前的文献大都对我国的蔬菜价格波动特征、成因及稳定对策进行研究，但是很少有文献通过时间序列分解与多元回归模型相结合综合分析蔬菜价格波动的成因，本文根据2014年～2020年北京市七大市场的蔬菜日度价格数据，先对蔬菜价格进行时间序列分解，然后运用多元回归模型，对蔬菜价格的影响因素进行实证分析。

三、北京市蔬菜价格的时间序列分解

运用2014年1月至2020年11月北京市蔬菜日度价格数据，通过直接平均的方法整理出北京市蔬菜的年度价格数据。就蔬菜年平均价格来说，北京市蔬菜价格整体上呈现上涨趋势。就蔬菜季度平均价格来说，北京市蔬菜价格有显著的季节波动特征。本文为了研究蔬菜价格变动特征，决定使用平时最为常见的加法模型，并把北京市的蔬菜价格逐步分解成季节波动、长期趋势、周期波动以及随机波动。

1.蔬菜价格的季节波动

本文采用全国农产品商务信息服务平台公布的北京市每日蔬菜价格数据，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发市场每日价格数据，经过汇总整理后，得出北京市蔬菜价格的月度数据。本文选取蔬菜整体和不同品种蔬菜相结合的方式。其中，选取了大白菜、黄瓜、茄子、番茄以及青椒五种不同品种的蔬菜。

图1 2014年～2020年蔬菜整体的月均价格走势

图1显示的是2014年～2020年蔬菜整体的每月均价趋势。可以看出，自2014年以来，蔬菜整体价格有着冬季高，夏季低的季节性波动。在每年的12月至第二年2月蔬菜的价格会出现一个小高峰，之后就会不断下跌，大概在7月左右会跌倒谷底，随后价格再次升高，继续重复前面的过程。2014年～2020年蔬菜的平均价格一直在上涨，2017年之后，价格曲线重合部分较多，2016年年度价格波动较大。

蔬菜价格之所以会有明显的季节波动特征，是因为蔬菜生产的时期性以及居民节日消费习惯的双重作用。沈辰等(2015)根据市场供求理论，价格会在需求减少、供给增加时下降。夏季适宜蔬菜生长的温度、湿度可以大幅度压缩蔬菜的种植时间，加快收获，从而形成蔬菜产量增加，不过过于闷热的气候也同时可能引发蔬菜储存难、运输难的问题，从而引起蔬菜价格进一步下降。而冬季本地的产量低，流通过程中的损耗率较高，导致蔬菜价格上升。此外，6月～12月交错的传统和新兴节日不断刺激着城市居民的蔬菜消费需求，蔬菜价格的上涨也符合常理。黄瓜、茄子、青椒、番茄的价格走势均与蔬菜整体的价格走势一致，五种蔬菜中只有大白菜有着截然不同的季节性波动特点。考虑大白菜的种植、上市时期，这种完全相反的季节变动特征就很好理解了。通常情况下，露地大白菜会在8月底，最晚在9月初就种植，在北方11月冬储大白菜就会开始大量上市。而在冬储大白菜大规模上市之后，城镇居民对大白菜的储存需求就会下降，消费量也随之下降，从而造成价格的进一步上涨。

本文采用移动平均法，通过对蔬菜价格的时间序列进行两次移动平均后计算得出季节比率，通过整理调整季节比率后的蔬菜价格序列又算出不同种类蔬菜各月价格的季节指数，结果如图 2所示。

图2 北京市蔬菜每月季节价格指数

由图 2可知，黄瓜、茄子、青椒、番茄的季节指数具有冬春高、夏季低的季节性波动特点，唯一与众不同的蔬菜是大白菜，其季节指数在每年的3月达到峰值为1.25，而11月的季节指数达到谷值为0.77。

2.蔬菜价格的长期趋势

为了获得直线更好的拟合效果，同时也为了更准确地检验蔬菜价格在分离季节性波动趋势后是否还具有长期趋势，本研究把表示时间的变量t(t=1，2，3……)作为自变量，以分离季节性波动趋势后的蔬菜价格Pt作为因变量，建立以下方程：

Pt=α+βt+μ

对回归结果进行t检验，考察时间变量的系数β是否在10%、5%甚至1%的显著性水平下显著为零，借此判断各种类蔬菜价格的趋势波动，将大白菜、黄瓜、青椒、茄子和番茄的价格分别进行回归，结果显示：各蔬菜价格的回归系数在1%的水平下显著为正，这反映了不同品种的蔬菜价格在长期都是上涨的。

3.蔬菜价格的周期性波动

通过整理2014年～2020年经季节指数调整后的北京市蔬菜的月度平均价格数据，算出北京市的年度蔬菜价格序列，然后进行H-P 滤波分解。最终得出结论：随着时间变动，H-P 滤波分解后得到的价格变动线图比原来的价格曲线要平滑很多，这表明北京市不同种类蔬菜价格的长期波动趋势在剥离周期性趋势后依旧有着较为明显的逐年上涨的特征。

四、北京市蔬菜价格波动的成因分析

1.模型构建

需求和供给从两方面作用进而决定价格形成，具体来说，北京市居民人均可支配收入、消费者的消费偏好、通货膨胀水平等因素会影响蔬菜需求；蔬菜生产成本、上市量等因素决定了蔬菜的供给；此外，季节变动、社会经济发展与自然灾害等会对供求两方面都产生影响。本研究首先进行理论分析，综合考虑后决定采用双对数模型进行回归，可以量化的因素直接当做自变量，不可量化的因素放入随机扰动项中。

北京市统计局目前可以量化的数据类型有：北京市居民人均可支配收入，北京市居民消费价格指数，北京市规模以上工业增长值增速，北京市蔬菜产量，北京市农产品生产价格指数。本文用居民消费价格指数来代替通货膨胀对北京市蔬菜价格波动的影响，同时考虑到GDP 能更好地展现经济发展水平，但现有数据是季度的，缺乏具体的月度数据，因此采用北京市规模以上工业增长值增速来代替。不可量化的因素：偏好等纳入随机扰动项。同时，为了考察新冠疫情对于蔬菜价格的影响，设置一个虚拟变量作为自变量之一放入模型，具体含义如下：

根据以上分析，本文最终的回归模型如下：

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

其中为β0常数项，β1、β2……β6为斜率参数，u表示误差项，模型中各变量的含义和预期方向如表1所示。

表1 模型变量含义与预测方向

2.数据来源

本文选取2014年1月至2020年11的月度数据，其中北京市蔬菜价格月度数据是通过全国农产品商务信息服务平台公布的北京市每日蔬菜价格数据整理所得；北京市居民消费价格指数、北京市农产品生产价格指数、北京市居民人均可支配收入、北京市规模以上工业增长值增速和北京市蔬菜产量数据均来自北京市统计局网站。

3.回归结果估计

考虑到多重共线问题，本文采用逐步回归法进行分析，得到以下回归模型：

lnP=5.88+0.794lnIva-0.145lnY

(3.780) (2.505) (-8.742)

式中，括号内数据为对应参数的t值，结果表明，北京市规模以上工业增长值增速，北京市蔬菜产量对蔬菜价格影响显著，而其他变量影响不显著,模型的R2为0.497，说明蔬菜价格变动的49.7%能被模型中自变量所解释。分析如下：

(1)北京市工业增长值增速的斜率估计值为0.794，这说明经济增长会使蔬菜价格上升，产生显著的正向影响，与我们预期一致。

(2)北京市蔬菜产量的参数估计为-0.415，表明蔬菜的供给增加会使价格下降，这同样符合我们的预期。

(3)将北京市农产品生产价格指数，北京市居民消费价格指数，北京市居民人均可支配收入拟合到模型中去后，虽然整个回归模型显著，但出现了这三个变量不显著的结果，分析可能的原因是蔬菜价格数据样本量较小，拟合结果较差。

(4)通过将是否有新冠疫情影响的虚拟变量m纳入模型，同样得到不显著的结果，可能的解释是，本文的主要采用月度数据，而北京市新冠疫情集中暴发期为1月23日到2月21日，随后每日新增确诊人数降至个位数，在3月之后则主要是境外输入，本地无新增。即使在后来的新发地突发新冠疫情期间，也在短短几日实现精准锁定、阻断了传播渠道。可见新冠疫情的影响主要是通过日度数据体现，而月度数据在一定程度上平缓了疫情所造成的蔬菜价格上涨的趋势。所以导致回归结果m并不显著。

另一个原因就是不同种类的蔬菜受新冠疫情影响程度有一定差异，而综合所有品种则抵消了一部分影响。新冠疫情期间居民不愿外出以降低感染风险，大都采用集中购买、多种搭配、优先选择易贮存品种的策略。这使得耐贮藏类蔬菜如大白菜、黄瓜、番茄等需求量相对增加，而设施类蔬菜需求量相对减少(张倩等，2020)。

此外，新冠疫情影响不显著在某种程度上也说明了我国对公共安全事件响应及时，能够运用行政手段为市民的“菜篮子”物流与供给提供保障。张倩等(2020)指出，新冠疫情以来，北京市政府及时多措并举保障蔬菜产品“调得进、供得上、不脱销、不断档”，积极组织货源大幅提升北京市蔬菜供应量。

五、结论及政策建议

本文通过对蔬菜价格变动的时间序列进行分解，然后构建多元回归模型实证分析，最终明确了北京市蔬菜价格变动的成因，主要研究结论如下：

第一，北京市蔬菜价格表现出明显的季节性波动特征。剔除季节性因素后蔬菜的价格变动幅度减小，价格在长期有上涨趋势。第二，以蔬菜价格为因变量构建多元回归模型实证分析，最终证明北京市工业增加值增速、北京市蔬菜产量都对蔬菜价格变动产生显著的正向影响。第三，2020年新冠疫情因素对北京市蔬菜价格影响不明显，可能的原因有新冠疫情的影响主要是通过日度数据体现、不同种类的蔬菜受新冠疫情影响程度有一定差异、我国对公共安全事件响应及时。

基于以上研究结论，结合当前新冠疫情防控形势，本文提出相关的政策建议：

第一，完善对蔬菜生产的补贴政策。第二，促进蔬菜产业供给侧结构性改革。第三，提高产业抵御自然灾害的能力。