極端氣候災害對蔬菜價格波動的影響及應對措施研究

王凱　李資穎　劉雅

[摘要]蔬菜是城鄉(xiāng)居民重要的生活必需農產品，其價格的大幅度波動會給農民的穩(wěn)定增收和市民的生活消費帶來重大影響。本文采用修正序列相關和ARCH模型，實證分析了氣候災害對蔬菜價格波動的影響，結果表明發(fā)生氣候災害會導致蔬菜價格不規(guī)則波動加劇，不同類別蔬菜價格受氣候災害影響的程度不同，并根據所得結論給出相關政策建議。

[關鍵詞]蔬菜價格;氣候災害;X-12-ARIMA;序列相關;ARCH模型

中圖分類號：F323.7 文獻標識碼：A DOI：10.16465/j.gste.cn431252ts.202006

蔬菜是農民收入的重要組成部分，同時也是城鎮(zhèn)居民日常生活消費的主要支出來源。因此，蔬菜價格的異常波動會直接破壞城鄉(xiāng)居民生活水平和蔬菜市場價格水平的常態(tài)，進而給社會生活質量和農產品市場穩(wěn)態(tài)造成不利影響。

近些年，我國蔬菜價格大幅度波動，菜賤傷農的現象愈演愈烈，菜貴傷民的情況也接連發(fā)生。2001年12月到2002年1月、2月溫度高于同期平均溫度，導致3月、4月蔬菜價格跌破1996年以來的最低點;2008年1月中國南方大部分地區(qū)遭遇長時間、高強度低溫、雨雪等自然災害，使得蔬菜價格從1月開始大幅度持續(xù)上漲，2月上漲幅度一度達到46%;2016年6月、7月初，武漢等中部地區(qū)遭遇歷史罕見暴雨災害，武漢市監(jiān)測的20個蔬菜品種綜合平均零售價上漲23.74%。蔬菜價格的異常波動嚴重損害了蔬菜生產者的利益和消費者的福利，給農產品市場及相關產業(yè)造成了重大沖擊，不利于國家宏觀經濟穩(wěn)步健康發(fā)展。

現有研究對蔬菜價格的波動特征和相關因素進行了不同角度和層面的理論分析，但當前關于氣候災害對蔬菜價格波動影響的研究尚存在不足：大部分文獻均針對氣候災害對蔬菜價格波動的影響做了定性分析，但專門針對氣候災害對蔬菜價格波動影響的系統(tǒng)性實證研究很少。而氣候災害作為隨機因素的重要組成部分，研究其對蔬菜價格波動的影響機理并提出相應的措施建議意義重大。鑒于此，本文選取了2004年1月到2018年10月白菜等9種常見大宗蔬菜的月度價格數據，采用X-12-ARIMA季節(jié)調整模型剝離出不規(guī)則波動序列，建立氣候災害的經典線性回歸模型和ARCH模型，對氣候災害與蔬菜價格波動進行實證分析。

1 文獻綜述

1.1 農產品價格影響因素和波動原因

對農產品價格影響因素和波動原因的研究一直是國內外學者的研究熱點。從供給局部均衡的角度上，Fox K A[1]通過構建價格均衡模型，把農產品市場等相關領域現象與需求和供給結合進行了分析。Apergins N[2]通過從生產成本的角度分析，認為格蘭杰因果關系顯著性地存在于農業(yè)生產資料與農產品批發(fā)價格之間。國內學者針對貨幣供應量、通貨膨脹、農業(yè)政策等外部因素和供給關系、生產成本等內在因素，對農產品價格波動進行了大量的研究[3-4]。

1.2 蔬菜價格波動特征和影響因素

關于蔬菜價格波動特征和影響因素的研究一直是學術界關注的焦點問題。大量研究基于時間序列數據特征將蔬菜價格影響因素分離為季節(jié)因素、趨勢因素、循環(huán)因素和不規(guī)則因素四類，以此分析蔬菜價格的波動特征。羅超平等[5]研究發(fā)現不規(guī)則波動序列振動幅度大且振動頻繁，季節(jié)因素序列呈現先降后升的態(tài)勢，趨勢序列隨時間的推移直線上升，循環(huán)波動序列表現出明顯的周期性。王麗娟等[6]基于天津市8種蔬菜的批發(fā)均價數據得出類似結論：蔬菜價格的周期性和季節(jié)性波動較為突出，隨機因素如自然災害等對其影響較大。針對蔬菜價格的影響因素，屠強[7]以黑龍江省為例，分析得出導致其淡季蔬菜價格波動較大的原因有氣候、運輸、產地、經銷等多種因素。王興中[8]指出低效率的流通渠道和流通方式會導致較高的流動損耗成本，并最終反映在居高不下的蔬菜價格上。

1.3 自然災害對農產品價格波動的影響

眾多農產品價格波動原因的研究中都將自然災害作為主要的影響因素之一。有相關研究對自然災害和糧食價格波動進行實證分析，結果表明農業(yè)自然災害與糧食價格波動呈高度相關，且災害發(fā)生強度和影響強度直接影響到糧食產量的高低，進而引起糧食市場的價格波動[9-10]。基于國際農產品貿易理論，李靜等[11]研究發(fā)現國內外自然災害事件均會給食品價格波動造成顯著的直接沖擊和間接影響。付蓮蓮[12]認為自然災害因素是農產品價格波動的深層根源，對其價格短期波動造成重大影響。但也有部分研究認為自然災害等突發(fā)性因素對農產品價格波動影響有限，如郭芳[13]認為農業(yè)自然災害雖會影響農產品價格，但價格波動的主要因素為農產品收購價格而非自然災害。

1.4 自然災害對蔬菜價格波動的影響

而蔬菜作為農產品的主要組成部分，包含異常災害在內的氣候因素同樣是影響其價格波動的主要因素。李干瓊等[14]通過格蘭杰因果檢驗與VAR模型，驗證了氣候因素是蔬菜價格波動的原因并分析了相對影響程度。王釗[15]基于UMLE模型，從空間分析的角度對地區(qū)蔬菜價格變動進行研究，結果表明天氣因素是引起地區(qū)蔬菜價格劇烈波動的原因之一。李娜[16]認為低溫害和澇漬害等氣象災害對我國蔬菜價格波動的影響程度極大。大量研究認為發(fā)生氣候災害時會給蔬菜生產、運輸流通過程帶來不利影響，導致生產成本、運輸成本上漲從而使得蔬菜價格整體上行[17-18]。

當前大部分文獻只對蔬菜價格波動與氣候災害間的關系進行了定性討論，特定針對并實證分析氣候災害對蔬菜價格波動影響的研究較少。為彌補該研究領域的空白，本文針對氣候災害對蔬菜價格波動的影響機理展開研究分析。

2 研究設計和樣本數據

2.1 變量定義

2.1.1 蔬菜價格的不規(guī)則波動

時間序列數據（Y）的波動原因可歸結為四種因素：季節(jié)變動（S）、趨勢變動（T）、循環(huán)變動（C）和不規(guī)則變動（I）[19]。而原序列與這四種因素之間的關系有如下兩種形式：

加法模型： ? ? ? ? ? ? ? ? ? ? ? ?（1）

乘法模型： ? ? ? ? ? ? ? ? ? ? ? ? （2）

本文基于第二種乘法模型，從各種蔬菜價格原始序列中剝離出不規(guī)則波動序列P_IRt，即t期的蔬菜價格不規(guī)則波動。

2.1.2 氣候災害

本文設置虛擬變量Xt，表示t期是否發(fā)生氣候災害。具體形式如下：

（3）

2.2 研究方法

2.2.1 X-12-ARIMA季節(jié)調整模型

X-12-ARIMA季節(jié)調整模型是1998年美國普查局基于X-11-ARIMA改進的分離時間序列數據季節(jié)性因素的模型[20]?；拘问饺缦拢?/p>

（4）

其中，為非季節(jié)自回歸算子; ? ? ? ? ? ?為季節(jié)自回歸算子; ? ? ? ? ? ?為非季節(jié)移動平均算子;

為季節(jié)移動平均算子; ? ? ? ? ? ?為非季節(jié)性因素的d階差分; ? ? ? ? ? ? 為季節(jié)性因素的D階差分。

2.2.2 構建殘差項的自回歸方程AR（p）修正隨機干擾項序列相關

蔬菜價格不規(guī) 則波動關于氣候災害的回歸估計模型如下：

（5）

其中，P_IRt為各大宗蔬菜價格t期的不規(guī)則波動;Xt為虛擬變量氣候災害。

對于經典線性回歸模型，其他基本假設成立的條件下，隨機干擾項序列相關即

（6）

如果t隨機干擾項存在序列相關，但仍采用普通最小二乘法進行估計，則參數估計量失去有效性，隨機干擾項方差估計量有偏誤，擬合優(yōu)度檢驗和參數顯著性檢驗均失效，模型的預測估計也無意義。

若隨機干擾項t存在序列相關，則采取構建殘差項的自回歸方程AR（p）的方式對序列相關性進行修正[21]。具體操作如下：

（7）

（8）

（9）

隨機干擾項的一階自回歸方程AR（1）如式（7）所示，其中εt為純隨機序列，式（8）為t-1期蔬菜價格不規(guī)則波動關于氣候災害的回歸方程，將式（8）代入式（7），再將式（7）代入式（5）整理得到式（9），此時最小二乘模型的參數估計量具備有效性，變量顯著性檢驗中t統(tǒng)計量恢復正常。

2.2.3 ARCH類模型

（1）ARCH模型。當前的各類條件異方差模型大多源自Engle[21]提出的自回歸條件異方差模型。ARCH模型一般包括式（5）和下式：

（10）

在ARCH模型中，式（5）為均值方程;式（10）為方差方程，其中ht為t的平方項、q為滯后階數。其目的是隨機干擾項的平方服從AR（q）過程，充分挖掘式（5）殘差序列包含的信息，使得式（10）中的殘差滿足純隨機序列性質。

（2）GARCH模型。當ARCH模型中存在高階條件異方差效應時，即ARCH模型中殘差的滯后階數q取值很大時，可采用條件方差的滯后項替代過多的隨機干擾項平方的參數，即廣義自回歸條件異方差GARCH模型[22-23]：

（11）

其中，表示t-i期隨機干擾項的平方項;ht-j表示t-j期條件方差;γi和t分別體現外部因素和前期自身波動對當前波動的影響強度。

2.3 樣本數據來源

本文分析蔬菜價格不規(guī)則波動采用的均為月度數據，選取2004年1月到2018年10月期間，白菜等9種蔬菜共1 602個月度價格樣本。

2.3.1 各大宗蔬菜價格數據

本文選取的豆角、黃瓜、苦瓜、茄子、生菜、白菜、白蘿卜、青菜、圓白菜9種蔬菜的原始價格數據均來自商務部公布的農產品批發(fā)價格周數據，單位為元/kg。根據所獲得的9種蔬菜的周價格數據計算對應的月平均價格，以此新價格序列作為9種蔬菜價格的原序列。

2.3.2 氣候災害數據

首先匯總2004年到2016年《中國氣象災害年鑒》中“重大氣象災害”版塊和2017年與2018年《中國氣候公報》中“中國重大天氣氣候時間”版塊中記錄的氣候災害事件。然后匯總出有重大氣候災害記錄的月份，查閱各大門戶網站、報紙刊物等新聞媒體信息，篩選出對蔬菜生產實際造成影響的農業(yè)氣候災害發(fā)生月份，設置虛擬變量氣候災害。

3 實證分析

3.1 基于X-12-ARIMA季節(jié)調整模型的數據處理

先剝離出9種蔬菜價格的季節(jié)性因素和趨勢-循環(huán)因素，得到各大宗蔬菜價格的不規(guī)則波動序列P_IRt。本文通過X-12-ARIMA季節(jié)調整模型剝離得到蔬菜價格不規(guī)則波動序列，其中大部分不規(guī)則波動值集中在1.0附近，而部分月份及對應蔬菜價格存在不規(guī)則波動數值偏離1.0較大的情況，且較為集中。

3.2 各大宗蔬菜價格不規(guī)則波動和氣候災害序列平穩(wěn)性檢驗

由于本文選取的是時間序列數據，而以不平穩(wěn)的時間序列數據建立的計量經濟學模型會導致假設檢驗或者參數估計等不準確。蔬菜價格不規(guī)則波動序列和氣候災害序列的ADF平穩(wěn)性檢驗結果如表1所示。其中（c，0）中“c”表示含外生變量常數項，“0”表示基于SIC準則下的滯后階數。此處因為被檢驗序列為蔬菜價格不規(guī)則波動序列和氣候災害序列，不具備時間趨勢，因此均不加入時間趨勢項。

結果顯示：白菜等9種蔬菜價格不規(guī)則波動和氣候災害序列均在1%的顯著性水平下通過檢驗，因此拒絕原序列存在單位根的原假設，即白菜等9種蔬菜價格不規(guī)則波動和氣候災害序列均平穩(wěn)。

3.3 氣候災害對蔬菜價格不規(guī)則波動的影響

本文通過建立蔬菜價格不規(guī)則波動和氣候災害序列之間的線性回歸模型，進而估計氣候災害對蔬菜價格波動的影響?；貧w結果如表2、表3所示。表2中所示的豆角、黃瓜、苦瓜、茄子和生菜5種蔬菜價格的不規(guī)則波動關于氣候災害回歸模型中的回歸系數β1，均在對應1%、5%、10%的顯著性水平下通過檢驗;且D.W.值均接近于2，說明每個方程的殘差序列均不存在一階序列相關;n*R2為拉格朗日乘數檢驗（LM檢驗）的統(tǒng)計量，各方程對應該統(tǒng)計量均不顯著，表明接受原假設，即殘差序列不存在小于等于一階的序列相關。

而表3中所示的白菜、白蘿卜、青菜和圓白菜4種蔬菜價格的不規(guī)則波動關于氣候災害回歸模型中的回歸系數β1顯著性較低，且存在未通過顯著性檢驗的情況;各D.W.值均顯著小于2，說明每個方程的殘差序列均存在一階序列正相關;每個方程對應n*R2統(tǒng)計量均在1%的顯著性水平下通過檢驗，拒絕原假設即殘差序列不存在小于等于二階序列相關。計量經濟學模型一旦出現序列相關性，如果仍采用最小二乘法模型估計參數，則參數估計量不再具備有效性，當變量顯著性檢驗中t統(tǒng)計量出現偏誤，模型的預測估計也不再準確。

因此，對于上述白菜、白蘿卜、青菜和圓白菜4種蔬菜的回歸方程，本文采用構建殘差項的自回歸方程AR（p）來對隨即干擾項的序列相關性進行修正。

修正序列相關后的白菜等4種蔬菜價格不規(guī)則波動對氣候災害的回歸估計結果如表4所示。對于白菜構建二階的殘差項自回歸方程，而對于白蘿卜、青菜、圓白菜構建一階的殘差項回歸方程。經過修正后，白菜、白蘿卜、青菜、圓白菜4種蔬菜價格的不規(guī)則波動關于氣候災害回歸模型中的回歸系數β1均對應在10%、5%的顯著性水平下通過檢驗，各個方程對應的AIC值和SC值均有所降低，各D.W.值均接近于2。在白蘿卜、青菜、圓白菜3種蔬菜的滯后二階LM檢驗中，對應輔助回歸防方程中的二階滯后殘差項的參數Reside（-2）均未通過10%的顯著性檢驗，而白菜的對應參數也在1%的顯著性水平下拒絕原假設，說明修正后4種蔬菜回歸方程不再存在明顯的殘差序列相關性。

綜合豆角等5種蔬菜價格不規(guī)則波動關于氣候災害的直接回歸結果和白菜等4種蔬菜價格不規(guī)則波動關于氣候災害的修正序列相關回歸結果可以證明，發(fā)生氣候災害會導致蔬菜價格不規(guī)則波動加劇。

3.4 蔬菜價格不規(guī)則波動關于氣候災害的ARCH類模型

LM統(tǒng)計量為LM檢驗原回歸方程殘差序列ARCH效應的統(tǒng)計量，豆角、黃瓜、苦瓜、茄子、生菜5種蔬菜價格關于氣候災害回歸方程對應的滯后一階LM統(tǒng)計量均未通過檢驗，表明不存在ARCH效應。而白菜、白蘿卜、圓白菜、青菜4種蔬菜價格關于氣候災害的回歸方程中，滯后一階LM統(tǒng)計量分別在10%、5%、1%的顯著性水平下拒絕了蔬菜價格序列不存在ARCH效應的原假設。

基于此，對白菜采取ARCH（1）模型重新估計，對白蘿卜、圓白菜和青菜采取GARCH（1，1）模型重新估計，估計結果如表5所示。白菜、白蘿卜和圓白菜的主體回歸方程常數項β0和回歸系數β1、輔助方程常數項γ0和回歸系數γ1、1均在對應10%、5%、1%的顯著性水平下通過檢驗，而青菜的主體回歸方程中回歸系數β1未通過顯著性水平10%的檢驗。

通過白菜、白蘿卜、圓白菜價格不規(guī)則波動關于氣候災害的ARCH或GARCH模型，補充證明發(fā)生氣候災害會導致蔬菜價格不規(guī)則波動加劇。

對于氣候災害會導致蔬菜價格不規(guī)則波動加劇的解釋：如發(fā)生嚴重干旱災害，會影響大部分蔬菜正常生長，導致蔬菜產量下降，供不應求，最終使得蔬菜價格上升;如發(fā)生暴雨洪澇災害，除了造成蔬菜產量下降，還會使得蔬菜運輸受阻，從而增加運輸成本，使得蔬菜價格在低產量和高成本的共同作用下急劇增高等。

4 結論及建議

4.1 結論

本文基于對白菜等9種蔬菜剝離季節(jié)性因素和趨勢—循環(huán)因素得到的對應蔬菜價格不規(guī)則波動序列和氣候災害序列，通過構建兩者之間的回歸模型實證分析了氣候災害對蔬菜價格不規(guī)則波動的影響。

實證分析結果顯示，當發(fā)生氣候災害時，豆角、黃瓜、苦瓜、茄子、生菜、白菜、白蘿卜、青菜、圓白菜9種蔬菜價格的不規(guī)則波動對應加劇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，可以證明發(fā)生氣候災害會導致蔬菜價格不規(guī)則波動加劇。

4.2 政策建議

（1）建立健全完善農業(yè)氣候災害預警監(jiān)測系統(tǒng)，在最大程度上做好災前預防措施以減少損失。各級地方政府應該建立健全農業(yè)氣候災害預警監(jiān)測系統(tǒng)，完成對農業(yè)氣候災害最大限度的預測，使蔬菜生產者和集體組織提前做好防災減災準備。同時應及時公布氣候災害監(jiān)測信息，為蔬菜市場及時采取相應調控措施提供助力，維持蔬菜價格市場的穩(wěn)定。

（2）加強農業(yè)基礎設施建設，增強蔬菜產區(qū)對氣候災害的綜合應對能力。各級政府應推動包括防洪設備、農機設備、氣象設施等在內的生產性基礎設施建設，加強蔬菜產區(qū)對氣候災害的承受能力，提升對氣候災害的治理水平，以保持蔬菜產業(yè)的穩(wěn)健發(fā)展，保障主要蔬菜的供給能力。

（3）完善并落實蔬菜保險政策和補貼體系，切實幫助農戶分散蔬菜生產風險。推動蔬菜保險補貼措施發(fā)展，科學優(yōu)化保險模式且保證其靈活性，在合理區(qū)間內提高保險補償和補貼水平。同時提升蔬菜生產主體對蔬菜生產風險的認知水平和重視程度，增強其參保意識和參保積極性。

參考文獻

[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年以來中國農產品價格上漲分析[J].中國農村經濟，?2011（2）：11-21.

[4]付蓮蓮，鄧群釗.農產品價格波動影響因素的通徑分析：基于2000—2013年月度數據[J].經濟經緯， 2014，31（6）：29-34.

[5]羅超平，翟瓊，李靖文.基于時間序列數據的蔬菜價格波動特征及影響因子分析[J].西南大學學報（自然科學版），2013，35（4）：26-31.

[6]王麗娟，劉桂峰，信麗媛，等.天津市蔬菜價格波動規(guī)律及短期預測——基于時間序列的季節(jié)調整和預測[J].中國農學通報，?2015，31（9）：286-290.

[7]屠強.黑龍江省蔬菜批發(fā)價格變動規(guī)律及影響因素的探究[J].對外經貿，2012（6）：70-72.

[8]王興中.黑龍江省蔬菜流通渠道和流通方式的改革與創(chuàng)新[J].對外經貿，2014（8）：75-76.

[9]趙霞.農業(yè)自然災害與糧食價格波動：基于中國1978—2010年間的數據[J].統(tǒng)計與信息論壇，2012，27（10）：38-43.

[10]陳衛(wèi)洪，謝曉英.氣候災害對糧食安全的影響機制研究[J].農業(yè)經濟問題，2013（1）：12-19.

[11]李靜，楠玉.我國食品價格波動沖擊路徑的隨機因素分析[J].經濟經緯，2013（2）：28-32.

[12]付蓮蓮.國內農產品價格波動影響因素的結構及動態(tài)演變機制[D].南昌：南昌大學，2014.

[13]郭芳.中國農產品收購價格農業(yè)災害與農產品產量波動分析[J].西南師范大學學報（自然學科版），2002，27（1）：102-105.

[14]李干瓊，許世衛(wèi)，李哲敏，等.蔬菜市場價格短期波動影響因素分析：基于VAR模型的實證研究[J].中國食物與營養(yǎng)，2013，19（3）：45-49.

[15]王釗.我國蔬菜價格變動的空間計量分析[J].農業(yè)技術經濟，2013（11）：4-14.

[16]李娜.我國蔬菜價格波動的影響因素研究[D].泰安：山東農業(yè)大學，2013.

[17]李崇光，包玉澤.我國蔬菜價格波動特征與原因分析[J].中國蔬菜，2012（9）：1-7.

[18]辛佳臨.近期蔬菜類農產品市場分析與預測[J].農業(yè)展望，?2009（5）：8-11.

[19]易丹輝.數據分析與Eviews應用[M].北京：中國人民大學出版社，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]宋長鳴，徐娟，李崇光.貨幣供應量蔬菜調控政策與蔬菜價格波動分析[J].統(tǒng)計與決策，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