新冠肺炎疫情對(duì)中國(guó)食品價(jià)格的影響及預(yù)測(cè)研究

張?bào)銒? 譚瑩

摘要 在新冠肺炎疫情這一重大公共衛(wèi)生事件背景下，研究疫情對(duì)食品價(jià)格的影響，有助于穩(wěn)定農(nóng)產(chǎn)品的供求。在收集廣東、上海、浙江和河南4地的肉蛋及主食4類食品的價(jià)格日度數(shù)據(jù)以及疫情相關(guān)數(shù)據(jù)的基礎(chǔ)上，建立FI-GARCH模型，探究新冠肺炎疫情對(duì)食品價(jià)格的影響，此外還構(gòu)建GRNN模型對(duì)4地食品價(jià)格進(jìn)行預(yù)測(cè)。結(jié)果表明：新冠肺炎疫情對(duì)各類食品的影響存在省際差異，上海、浙江的豬肉價(jià)格顯著提高，4地的雞蛋價(jià)格均有下降，其中上海下降最為明顯，各地雞肉價(jià)格整體上無(wú)明顯波動(dòng)，廣東、上海和浙江大米價(jià)格出現(xiàn)上漲;GRNN模型對(duì)食物價(jià)格進(jìn)行預(yù)測(cè)的精度較好，有助于主管部門提前感知風(fēng)險(xiǎn)并采用有效措施予以應(yīng)對(duì)?；谀Ｐ凸烙?jì)結(jié)果，提出了相應(yīng)的穩(wěn)定農(nóng)產(chǎn)品供求狀況的政策建議。

關(guān)鍵詞 新冠肺炎疫情;食物供應(yīng)鏈;食物價(jià)格;FI-GARCH模型;GRNN模型

中圖分類號(hào) S-9-文獻(xiàn)標(biāo)識(shí)碼 A

文章編號(hào) 0517-6611（2021）11-0205-11

doi：10.3969/j.issn.0517-6611.2021.11.055

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Impact of COVID-19 Epidemic on Food Prices in China and Its Prediction—Analysis of Food Prices in Four Places

ZHANG Xiao-xian，TAN Ying

（College of Economics & Management，South China Agricultural University，Guangzhou，Guangdong 510642）

Abstract In the context of COVID-19 epidemic，the study of the impact of the epidemic on the food market will help to stabilize the supply and demand of agricultural products.Based on the daily price data of meat，eggs and staple food in Guangdong，Shanghai，Zhejiang and Henan，as well as epidemic related data，this paper establishes FI-GARCH model to explore the impact of epidemic on food prices，and constructs GRNN model to predict the food prices in the four regions.The results showed that：the impact of COVID-19 epidemic on various kinds of food is different among provinces.The pork prices in Shanghai and Zhejiang have increased significantly，and the egg prices in the four places have decreased，especially in Shanghai.There is no obvious fluctuation in chicken prices in all regions，and rice prices in Guangdong，Shanghai and Zhejiang have increased.GRNN model has a good prediction accuracy for food prices，which is helpful for the competent department to perceive the risk in advance and take effective measures to deal with it.Based on the results of the model estimation，this paper puts forward the corresponding policy recommendations to stabilize the supply and demand of agricultural products.

Key words COVID-19 epidemic;Food supply chain;Food price;FI-GARCH model;GRNN model

新型冠狀病毒肺炎（COVID-19）是由新型冠狀病毒引起的嚴(yán)重呼吸道傳染病，傳染性強(qiáng)，目前已發(fā)展成為全球大流行病。新冠肺炎疫情的蔓延對(duì)各國(guó)的食品供應(yīng)鏈造成了巨大沖擊。世界糧農(nóng)組織（FAO）指出，新冠肺炎疫情將對(duì)最脆弱社區(qū)或群體的食物安全造成嚴(yán)重威脅。在新冠肺炎疫情蔓延下，一些國(guó)家和地區(qū)脆弱的食物供應(yīng)鏈承受不住沖擊，食物需求很難得到滿足，爆發(fā)嚴(yán)重的人道主義危機(jī)[1]。

疫情期間，多國(guó)政府相繼發(fā)布居家隔離令或封城政策，食物的供給和消費(fèi)均受到影響。在消費(fèi)方面，消費(fèi)者由于居家隔離令的限制或?qū)ν獬龈腥撅L(fēng)險(xiǎn)的考量，傾向于減少餐飲消費(fèi)，或減少外出購(gòu)買食物的次數(shù)。在供應(yīng)上，食物供應(yīng)鏈在疫情籠罩下更易收縮與中斷，食物供應(yīng)不足，物價(jià)飛升，這一境況對(duì)無(wú)力承擔(dān)食物消費(fèi)的弱勢(shì)群體是極為不利的。

人類歷史上多次傳染病事件表明，重大公共衛(wèi)生事件導(dǎo)致的社會(huì)群體恐慌，加劇了食物危機(jī)。社會(huì)群體性恐慌的典型表現(xiàn)為，疫情使民眾的不安全感增加，消費(fèi)者出于避險(xiǎn)心理紛紛囤積食物。居民囤積食物的行為會(huì)進(jìn)一步打破食品市場(chǎng)的均衡狀態(tài)，繼續(xù)導(dǎo)致消費(fèi)者的恐慌，食品市場(chǎng)進(jìn)入惡性循環(huán)，食品價(jià)格再次上漲。假設(shè)投機(jī)商人在其中囤積居奇，市場(chǎng)狀況可能會(huì)進(jìn)一步惡化，從而超出政府的控制。

食品供應(yīng)鏈安全議題始終處于許多國(guó)家發(fā)展政策中的優(yōu)先地位。中國(guó)作為世界上人口最多的國(guó)家，糧食和食物供應(yīng)鏈的安全對(duì)我國(guó)的穩(wěn)定與發(fā)展至關(guān)重要。新冠肺炎疫情爆發(fā)后，我國(guó)在采取空前嚴(yán)格的舉國(guó)防疫政策的同時(shí)，充分保障各類食物供應(yīng)的穩(wěn)定，確保了民眾日常食物消費(fèi)的需求得到滿足。盡管我國(guó)的品價(jià)格在疫情期間保持相對(duì)穩(wěn)定，但也出現(xiàn)了一些價(jià)格波動(dòng)。研究這一時(shí)期疫情對(duì)食物市場(chǎng)的影響以及對(duì)食品價(jià)格進(jìn)行合理的擬合與預(yù)測(cè)，能為我國(guó)應(yīng)對(duì)重大公共衛(wèi)生事件時(shí)保證食品市場(chǎng)穩(wěn)定積累經(jīng)驗(yàn)和提供決策依據(jù)，也有助于為其他仍處于新冠肺炎疫情危機(jī)中的國(guó)家以及世界未來(lái)應(yīng)對(duì)重大公共衛(wèi)生事件提供參考。

1 相關(guān)研究文獻(xiàn)評(píng)述

全球范圍內(nèi)曾爆發(fā)過(guò)多次重大公共衛(wèi)生事件，包括2003年的“非典”疫情、2014年非洲的“埃博拉”疫情以及2020年的新冠肺炎疫情，已有眾多學(xué)者研究了傳染病流行對(duì)食物供應(yīng)及食物價(jià)格波動(dòng)的影響。

傳染病疫情會(huì)引致居民恐慌情緒，食物搶購(gòu)潮爆發(fā)，造成短期內(nèi)食物價(jià)格的明顯上漲。2002年底我國(guó)爆發(fā)了“非典”疫情，首先在我國(guó)廣東發(fā)生，并擴(kuò)散至東南亞乃至全球，直至2003年中期疫情才被逐漸消滅?！胺堑洹币咔楸l(fā)對(duì)我國(guó)食品市場(chǎng)造成的沖擊較為顯著。孫泉等[2]的調(diào)查顯示，“非典”疫情引發(fā)的食物市場(chǎng)異動(dòng)發(fā)生突然，發(fā)展迅速，價(jià)格波動(dòng)劇烈;食品、副食品的搶購(gòu)潮迅速波及多個(gè)城市，北京、天津、山西、內(nèi)蒙、浙江及西北、東北的部分城市先后出現(xiàn)搶購(gòu)大米、方便面、食鹽、雞蛋、蔬菜的情況，大米、食鹽價(jià)格上漲1倍左右，雞蛋、部分蔬菜價(jià)格上漲20%～50%。北京作為“非典”疫情震中，食物價(jià)格變動(dòng)更為劇烈，王曉東等[3]研究了“非典”疫情對(duì)北京市蔬菜市場(chǎng)供應(yīng)的影響，發(fā)現(xiàn)“非典”疫情初期北京蔬菜市場(chǎng)恐慌情緒明顯，北京蔬菜價(jià)格大幅上揚(yáng)，波動(dòng)程度加劇，蔬菜日均上市量比疫情前下降超過(guò)10%;通過(guò)采取相應(yīng)保供措施后，疫情后期北京蔬菜供應(yīng)量逐步恢復(fù)正常，價(jià)格回落至疫情前水平。

重大公共衛(wèi)生事件的發(fā)生會(huì)對(duì)食物供應(yīng)鏈造成劇烈沖擊。自從新冠肺炎疫情爆發(fā)以來(lái)，眾多研究者著眼于新冠肺炎疫情對(duì)各國(guó)食物供應(yīng)鏈的沖擊。劉威等[4]評(píng)估了新冠肺炎疫情對(duì)我國(guó)不同農(nóng)業(yè)產(chǎn)業(yè)鏈環(huán)節(jié)的沖擊大小，各環(huán)節(jié)受影響的程度不同，食物消費(fèi)和種植環(huán)節(jié)受到的影響相對(duì)較小，但養(yǎng)殖業(yè)受疫情沖擊較大，其形勢(shì)不容樂(lè)觀;區(qū)域間的食物流通風(fēng)險(xiǎn)整體可控，加工環(huán)節(jié)“斷鏈”現(xiàn)象明顯;農(nóng)機(jī)服務(wù)和休閑農(nóng)業(yè)短期內(nèi)受到?jīng)_擊較大。Workie等[5]認(rèn)為，新冠肺炎疫情會(huì)導(dǎo)致食品供求失衡，這可能是由于農(nóng)民感染或者由于“封鎖隔離”策略導(dǎo)致市場(chǎng)中斷;消費(fèi)者對(duì)食物需求下降也會(huì)影響農(nóng)民生產(chǎn)農(nóng)產(chǎn)品的意愿，依賴發(fā)展中國(guó)家食物供應(yīng)的發(fā)達(dá)國(guó)家將從食物供應(yīng)中斷中受到的影響最大。Mishra等[6]總結(jié)，疫情主要通過(guò)較低的產(chǎn)出價(jià)格以及對(duì)勞動(dòng)力流動(dòng)和交通運(yùn)輸?shù)南拗朴绊戅r(nóng)民，但對(duì)農(nóng)民的直接影響相對(duì)較小，相較之下食品加工商和零售商會(huì)由于隔離政策遭受重大損失。

從以往研究中可以看出，學(xué)者在研究世界范圍內(nèi)的大流行病對(duì)食物市場(chǎng)的沖擊時(shí)，大多進(jìn)行定性分析，深入探討了疫病爆發(fā)后食物供應(yīng)鏈中斷的機(jī)理及對(duì)各國(guó)居民的影響，但較少對(duì)疫情造成的食物價(jià)格波動(dòng)幅度進(jìn)行衡量。定量分析新冠肺炎疫情下我國(guó)食物市場(chǎng)價(jià)格的波動(dòng)程度，既能為我國(guó)政府在應(yīng)對(duì)重大公共衛(wèi)生危機(jī)的進(jìn)程中調(diào)節(jié)食物市場(chǎng)均衡積累經(jīng)驗(yàn)，也能為各國(guó)克服疫病和食物供應(yīng)的雙重壓力提供有益啟示。因此，筆者在收集2019年1月1日—2020年7月31日食品價(jià)格日度數(shù)據(jù)的基礎(chǔ)上，以豬肉、雞蛋、雞肉和主食4種食品為著眼點(diǎn)，運(yùn)用FI-GARCH模型研究了新冠肺炎疫情對(duì)廣東、上海、浙江和河南4個(gè)省區(qū)食物價(jià)格的影響，并構(gòu)建廣義回歸神經(jīng)網(wǎng)絡(luò)模型（GRNN）對(duì)4地的食物價(jià)格進(jìn)行擬合和預(yù)測(cè)。

2 理論模型

2.1 食物市場(chǎng)的供需平衡

在一個(gè)運(yùn)行平穩(wěn)的食物市場(chǎng)中，供給St等于需求Dt時(shí)，市場(chǎng)保持均衡。假設(shè)食物的供求是由市場(chǎng)價(jià)格Pt和關(guān)于新冠肺炎疫情的信息Ct共同決定的。Ct可以是模擬新冠肺炎疫情的離散變量，也可以是衡量疾病嚴(yán)重程度的感染人數(shù)。參考Yu[7]的分析框架，首先得到：

Dt（Pt，Ct）=St（Pt，Ct）（1）

對(duì)式（1）兩邊同時(shí)求導(dǎo)得：

DtPtdPt+DtCtdCt=StPtdPt+StCtdCt（2）

由式（2）可得：

dPtdCt=（StCt-DtCt）/（DtPt-StPt）（3）

假設(shè)市場(chǎng)均衡Dt=St，式（3）可化為

dPtdCt·CtPt=（StCt·CtSt-DtCt·CtDt）/（DtPt·PtDt-StPt·PtSt），可重寫為以下公式：

ηP，C=ηS，C-ηD，CηD，P-ηS，P（4）

式中，ηP，C代表疫情信息的價(jià)格彈性，反映了食物價(jià)格對(duì)新冠肺炎疫情信息變化的反應(yīng)程度，彈性越大代表食物價(jià)格波動(dòng)對(duì)疫情信息的變化越敏感，是該研究的焦點(diǎn)。ηS，C和ηD，C分別表示疫情信息的食物供給和需求彈性。同樣地，ηD，P和ηS，P分別表示食物供給與需求對(duì)食物價(jià)格波動(dòng)的敏感程度。

在一般情況下，對(duì)正常的食品而言，ηD，P< 0，ηS，P>0，所以式（4）中ηP，C的符號(hào)與（ηD，C-ηS，C）的符號(hào)相同。因此，食物價(jià)格的波動(dòng)是由疫情信息的供給彈性ηS，C和需求彈性ηD，C之差決定的。新冠肺炎疫情爆發(fā)后，各國(guó)政府通常會(huì)采取嚴(yán)格的限制措施，封鎖城市和控制人員流動(dòng)，以遏制或減緩疫情的傳播。新冠肺炎疫情對(duì)食物價(jià)格的影響是不確定的，減少人員流動(dòng)的措施可能同時(shí)減少食物的需求和供應(yīng)。如果需求下降超過(guò)供給，食物價(jià)格就會(huì)下降，反之亦然。

2.2 食物價(jià)格預(yù)測(cè)模型

國(guó)內(nèi)關(guān)于食品價(jià)格預(yù)測(cè)的研究較多，學(xué)界用于預(yù)測(cè)食品價(jià)格的模型方法體系較為成熟，許世衛(wèi)等[8]把這些預(yù)測(cè)方法大體上歸納為4類：計(jì)量經(jīng)濟(jì)預(yù)測(cè)法、數(shù)理統(tǒng)計(jì)預(yù)測(cè)法、智能分析法和組合模型法。計(jì)量經(jīng)濟(jì)預(yù)測(cè)法即回歸分析法，應(yīng)用各種回歸模型進(jìn)行農(nóng)產(chǎn)品價(jià)格的預(yù)測(cè)，如張萌等[9]采用符號(hào)回歸方程對(duì)我國(guó)2016—2025年的馬鈴薯實(shí)際價(jià)格和名義價(jià)格分別進(jìn)行了預(yù)測(cè)，該預(yù)測(cè)模型顯示了較好的擬合優(yōu)度。數(shù)理統(tǒng)計(jì)預(yù)測(cè)方法中應(yīng)用最為廣泛的是時(shí)間序列法，常用的包括趨勢(shì)外推法[10]、季節(jié)分解法[11]、移動(dòng)平均法[12-13]、指數(shù)平滑法[14]、平穩(wěn)時(shí)間序列預(yù)測(cè)法[15]、狀態(tài)空間模型[16]和卡爾曼濾波法[17]。智能分析法采用了信息技術(shù)和智能技術(shù)，其中較多用于食品價(jià)格預(yù)測(cè)的有人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法[18]、灰色預(yù)測(cè)法[19]和專家系統(tǒng)預(yù)測(cè)法[20]。組合模型法是將不同預(yù)測(cè)方法所得的預(yù)測(cè)結(jié)果組合起來(lái)形成一個(gè)新的預(yù)測(cè)結(jié)果的方法，可以是同類模型間的組合，也可以是不同類別模型間的組合[21]?，F(xiàn)有文獻(xiàn)用于食物價(jià)格預(yù)測(cè)的方法主要是時(shí)間序列法，但相較之下，各種時(shí)間序列模型的預(yù)測(cè)精度和的泛化能力不足，神經(jīng)網(wǎng)絡(luò)模型具有更強(qiáng)的逼近能力和泛化能力。

廣義回歸神經(jīng)網(wǎng)絡(luò)（generalized regression neural network，GRNN）的理論基礎(chǔ)是基于非線性回歸分析得到的，其工作原理來(lái)源于統(tǒng)計(jì)學(xué)中的概率論思想[22]。假設(shè)隨機(jī)變量x和隨機(jī)變量y的聯(lián)合概率密度函數(shù)為f（x，y），矢量隨機(jī)變量x的觀測(cè)值為X，則在統(tǒng)計(jì)學(xué)上y就相當(dāng)于X的回歸，即標(biāo)量隨機(jī)變量y在觀測(cè)值X條件下的條件均值（X），其條件均值的函數(shù)表達(dá)式如下：

（X）=E（y|X）=∫+∞-∞yf（X，y）dy∫+∞-∞f（X，y）dy（5）

式（5）中，由于f（X，y）是未知的，所以在根據(jù)隨機(jī)變量x的觀測(cè)值X得到隨機(jī)變量y預(yù)測(cè)輸出向量之前，需要首先應(yīng)用泊松估計(jì)對(duì)密度函數(shù)f（X，y）進(jìn)行估計(jì)，其密度函數(shù)估計(jì)如下：

（X，y）=1n（2π）m+12σm+1ni=1 exp-（X-Xi）T（X-Xi）2σ2 exp-（X-Yi）22σ2（6）

式（6）中，Xi為矢量隨機(jī)變量x的樣本觀測(cè)值;m為矢量隨機(jī)變量x的維數(shù);Yi為標(biāo)量隨機(jī)變量y的樣本觀測(cè)值;n為樣本容量;σ為高斯函數(shù)的密度系數(shù)，是廣義回歸神經(jīng)網(wǎng)絡(luò)模型的光滑因子，當(dāng)樣本觀測(cè)值確定后，σ是唯一需要確定的值。

把密度估計(jì)函數(shù)代入式（5）中，簡(jiǎn)化后得到隨機(jī)變量y的預(yù)測(cè)輸出如下：

（X）=ni=1Yiexp（X-Xi）T（X-Xi）2σ2

ni=1exp（X-Xi）T（X-Xi）2σ2（7）

從式（7）中可以看出，估計(jì)值相當(dāng)于隨機(jī)變量的樣本觀測(cè)值的加權(quán)平均值，且每個(gè)樣本觀測(cè)值的加權(quán)系數(shù)都與光滑因子唯一相關(guān)。當(dāng)光滑因子取值非常大時(shí)，每個(gè)樣本觀測(cè)值的加權(quán)系數(shù)趨向于1，就相當(dāng)于估計(jì)值趨向于所有樣本的均值;相反，當(dāng)光滑因子取值0時(shí)，估計(jì)值基本上能與訓(xùn)練樣本非常接近，這說(shuō)明當(dāng)隨機(jī)變量和隨機(jī)變量的觀測(cè)值都包含在訓(xùn)練樣本集合中時(shí)，根據(jù)公式（7）求出的隨機(jī)變量的樣本觀測(cè)值的估計(jì)值會(huì)非常接近訓(xùn)練樣本中所對(duì)應(yīng)的樣本觀測(cè)值，但是當(dāng)所需預(yù)測(cè)的小部分樣本不在這個(gè)訓(xùn)練樣本集合中時(shí)，則可能導(dǎo)致網(wǎng)絡(luò)預(yù)測(cè)效果很差，出現(xiàn)過(guò)擬合的狀態(tài)。因此，光滑因子的取值要適中。

3 實(shí)證模型設(shè)定

3.1 變量選取與數(shù)據(jù)來(lái)源

3.1.1 食品價(jià)格。豬肉及其產(chǎn)品是中國(guó)最大眾化的肉類食品，盡管隨著居民收入的不斷提高和食物消費(fèi)結(jié)構(gòu)的轉(zhuǎn)型升級(jí)，豬肉消費(fèi)在肉類消費(fèi)中的比重逐漸降低，豬肉仍為消費(fèi)量最大的肉類品種[23]。豬肉價(jià)格的頻繁變動(dòng)，會(huì)對(duì)居民生活帶來(lái)重大影響。雞蛋是居民日常生活中重要的蛋白質(zhì)來(lái)源，是“菜籃子”中的重要產(chǎn)品，在改善居民飲食結(jié)構(gòu)上發(fā)揮了重要作用[24]。雞蛋價(jià)格合理波動(dòng)，能使雞蛋產(chǎn)業(yè)在健康發(fā)展的同時(shí)，保證消費(fèi)者的利益。我國(guó)是雞肉生產(chǎn)和消費(fèi)大國(guó)，隨著我國(guó)居民生活水平的逐步提高，消費(fèi)者對(duì)以雞肉為代表的“白肉”表現(xiàn)出越來(lái)越多的青睞，雞肉成為僅次于豬肉的第二大肉類需求品[25]。鑒于雞肉在家庭肉類消費(fèi)中的重要地位，對(duì)其價(jià)格變化的研究具有重要意義。此外，確保我國(guó)糧食安全是一項(xiàng)重要的戰(zhàn)略任務(wù)，研究各地主食價(jià)格的變動(dòng)，能為維持物價(jià)穩(wěn)定和維護(hù)糧食安全提供依據(jù)。綜上所述，探析新冠肺炎疫情沖擊下各地食品價(jià)格的波動(dòng)程度，有助于促進(jìn)各類食品的穩(wěn)產(chǎn)保供以及合理引導(dǎo)消費(fèi)者預(yù)期。

國(guó)家衛(wèi)健委發(fā)布的疫情地圖顯示，廣東、上海、浙江和河南是湖北省外疫情最嚴(yán)重的4個(gè)省級(jí)行政區(qū)，且由于4省區(qū)常住人口多，人口密度大，對(duì)肉蛋及主食的需求量大，疫情會(huì)對(duì)4地食物市場(chǎng)造成一定影響?；诖?，該研究收集了2019年1月2日—2020年7月31日廣東、上海、浙江和河南4地豬肉、雞肉、雞蛋、主食的市場(chǎng)批發(fā)價(jià)格日度數(shù)據(jù)，食品價(jià)格數(shù)據(jù)均來(lái)源于Wind數(shù)據(jù)庫(kù)。值得注意的是，該研究根據(jù)各地區(qū)的飲食習(xí)慣差異來(lái)確定對(duì)應(yīng)的主食研究對(duì)象，廣東、上海和浙江3地位于南方地區(qū)，居民主食為大米，而河南地屬北方，以面粉為主食，故根據(jù)各地飲食習(xí)慣的不同，分別研究新冠肺炎疫情對(duì)大米或面粉價(jià)格的影響。這幾種食品在很大程度上可以代表各區(qū)域消費(fèi)者的日?；臼称沸枨螅绕涫窃谖C(jī)時(shí)期。

各變量的描述性統(tǒng)計(jì)結(jié)果見(jiàn)表1。4?。ㄊ校┎煌称穬r(jià)格的變化趨勢(shì)如圖1所示。

3.1.2 新冠肺炎疫情數(shù)據(jù)。

國(guó)家衛(wèi)生健康委員會(huì)于2020年1月17日開(kāi)始正式通報(bào)新冠肺炎確診感染病例，全國(guó)各省級(jí)行政區(qū)開(kāi)始報(bào)告確診病例的起始時(shí)間不同。除上海是從2020年1月20日開(kāi)始通報(bào)病例的，廣東、浙江和河南省衛(wèi)健委均從1月21日開(kāi)始通報(bào)本省病例數(shù)，該研究根據(jù)各地開(kāi)始報(bào)告病例數(shù)的日期來(lái)確定疫情虛擬變量的取值進(jìn)行研究，病例數(shù)從4地的省級(jí)衛(wèi)生健康委員會(huì)官網(wǎng)收集得到。

在采取了強(qiáng)有力的抗疫措施后，中國(guó)基本控制住了疫情。4個(gè)省區(qū)新確診感染的趨勢(shì)見(jiàn)圖2。新冠肺炎疫情的沖擊可能有兩方面：一方面是疫情本身，另一方面是其嚴(yán)重程度。這兩個(gè)維度將在計(jì)量模型中進(jìn)行定量分析。在計(jì)量模型中，該研究使用每天新增確診病例來(lái)衡量疫情的嚴(yán)重程度。

3.2 自相關(guān)與單位根檢驗(yàn)

GARCH模型被廣泛應(yīng)用于研究?jī)r(jià)格波動(dòng)。然而，GARCH的有效性取決于時(shí)間序列的自相關(guān)。該研究使用Box-Pierce檢驗(yàn)所有價(jià)格序列的自相關(guān)性[26]，檢驗(yàn)結(jié)果見(jiàn)表2。檢驗(yàn)結(jié)果顯示，所有價(jià)格序列都拒絕不存在自相關(guān)的零假設(shè)。因此，GARCH模型是一種有效的方法。

使用GARCH模型通常要滿足平穩(wěn)性，一般采用ADF檢驗(yàn)來(lái)檢驗(yàn)時(shí)間序列是否存在單位根。表1結(jié)果顯示，在0.05顯著性水平下，ADF檢驗(yàn)不能拒絕所有序列存在單位根的原假設(shè)。在這種情況下，在Baillie Richard等[27]研究的基礎(chǔ)上，該研究采用FI-GARCH模型（Fractionally Integrated GARCH），該模型允許序列存在些微的長(zhǎng)期記憶性。

3.3 FI-GARCH模型設(shè)定

GARCH模型是一個(gè)非常靈活的時(shí)間序列模型，在文獻(xiàn)中被廣泛用于研究?jī)r(jià)格波動(dòng)。假設(shè)中國(guó)的食品價(jià)格遵循GARCH（1，1）， GARCH（1，1）在學(xué)術(shù)界中被廣泛認(rèn)為是一個(gè)強(qiáng)有力的工具[7]。

yt=μ0+μ1yt-1+εt+ρ1εt-1（8）

在式（8）中，yt是t時(shí)刻的食物價(jià)格，εt為擾動(dòng)項(xiàng)，并且滿足εt|Ψt～N（0，σ2t）。式（8）為ARMA（1，1）模型，能夠捕捉到大多數(shù)短期沖擊。為了能捕捉到時(shí)間序列中的GARCH成分，通常作出假設(shè)：

σ2t=ω+ασ2t-1+βε2t-1（9）

在式（9）中，假設(shè)α+β<1，這意味著GARCH（1，1）模型是弱平穩(wěn)的，序列yt不存在長(zhǎng)期記憶性。不幸的是，對(duì)于存在自相關(guān)的弱平穩(wěn)性，這個(gè)條件是不充分的。在Engle等[28]提出IGARCH（Integrated GARCH）模型的基礎(chǔ)上，Baillie Richard首次引入FI-GARCH模型。在FI-GARCH模型中，存在以下關(guān)系：α+β=1。這一設(shè)定允許序列yt存在長(zhǎng)期記憶性，對(duì)應(yīng)的GARCH模型中存在單位根。因此，F(xiàn)I-GARCH模型可用于該研究。

新冠肺炎疫情的爆發(fā)是外生事件，可能會(huì)同時(shí)沖擊價(jià)格的均值和方差。此外，我國(guó)自2020年1月份爆發(fā)新冠肺炎疫情后，存在兩個(gè)影響。首先，疫情本身可能造成重大的社會(huì)、經(jīng)濟(jì)和心理沖擊，疫情爆發(fā)前后的食物價(jià)格可能會(huì)有所不同，該研究采用一個(gè)虛擬變量來(lái)模擬這種效果。其次，疫情嚴(yán)重程度可能從另一個(gè)層面影響食品價(jià)格，故將每天新感染的病例數(shù)納入模型。因此模型設(shè)定為

yt=μ0+μ1yt-1+μ2Dt+μ3Ct+εt+ρ1εt-1（10）

式中，εt|Ψt～N（0，σ2t）;Dt是關(guān)于疫情的虛擬變量，各地通報(bào)新冠病例的起始日以前取值為0，在此之后的日期取值為1;Ct是由各省級(jí)衛(wèi)健委報(bào)告的每天新增確診感染人數(shù)。FI-GARCH模型為

σ2t=ω+ω1Dt+ω2Ct+ασ2t-1+βε2t-1（11）

值得注意的是，GARCH模型中的厚尾問(wèn)題會(huì)使估計(jì)結(jié)果有偏差，所以在實(shí)證研究時(shí)假設(shè)εt服從t學(xué)生分布比正態(tài)分布效果更佳。在完成模型的設(shè)定后，該研究利用EViews 10軟件對(duì)FI-GARCH模型進(jìn)行估計(jì)。

4 新冠肺炎疫情對(duì)食品價(jià)格的影響實(shí)證結(jié)果分析

4.1 豬肉價(jià)格

表3報(bào)告了新冠肺炎疫情對(duì)豬肉價(jià)格的影響。從AR（1）的系數(shù)來(lái)看，除浙江外，廣東、上海和河南3地的對(duì)應(yīng)系數(shù)均為正，且在0.01的水平上顯著，說(shuō)明3地豬肉的歷史價(jià)格均對(duì)當(dāng)前價(jià)格有顯著的正影響。與新冠肺炎疫情相關(guān)的兩項(xiàng)變量中，上海的 “新冠肺炎疫情爆發(fā)”對(duì)應(yīng)變量系數(shù)在0.01的水平上顯著，疫情爆發(fā)使上海的豬肉價(jià)格平均提高了約5元/kg;浙江的“新冠肺炎疫情爆發(fā)”變量系數(shù)在0.01水平上顯著，“病例數(shù)”變量系數(shù)在0.05的水平上顯著，這說(shuō)明疫情使浙江豬肉價(jià)格平均提高了約14元/kg，且平均每新增一例確診病例，價(jià)格提高約0.1元/kg。GARCH等式的估計(jì)結(jié)果顯示，浙江的“病例數(shù)”系數(shù)在0.01的水平上顯著為負(fù)，表示浙江每新增一例確診新冠病例，豬肉價(jià)格的波動(dòng)程度將降低。

從新冠肺炎疫情對(duì)4地豬肉價(jià)格的影響估計(jì)結(jié)果中不難看出，新冠肺炎疫情這一突發(fā)重大公共衛(wèi)生事件對(duì)上海和浙江的豬肉市場(chǎng)價(jià)格造成的沖擊較大，對(duì)廣東和河南豬肉市場(chǎng)的影響較小。新冠肺炎疫情爆發(fā)后，上海和浙江兩地的豬肉價(jià)格相較于廣東與河南出現(xiàn)了明顯上揚(yáng)，這是由于上海、浙江2地并不是生豬主產(chǎn)區(qū)，距離主產(chǎn)區(qū)省份較遠(yuǎn)，當(dāng)?shù)刎i肉供應(yīng)需要依靠外省長(zhǎng)距離調(diào)運(yùn)。而疫情導(dǎo)致豬肉供應(yīng)運(yùn)輸渠道不暢，兩地的豬肉供應(yīng)相對(duì)于需求出現(xiàn)了暫時(shí)性失衡，價(jià)格隨之上漲。廣東和河南兩地的豬肉市場(chǎng)價(jià)格受到新冠肺炎疫情的沖擊較小，這是因?yàn)楹幽鲜巧i主產(chǎn)區(qū)，廣東臨近生豬生產(chǎn)大省湖南，豬肉可以進(jìn)行快速調(diào)運(yùn)，運(yùn)輸距離較短，因此兩省在疫情發(fā)生后供應(yīng)存在較大缺口的狀況不常出現(xiàn)，即使出現(xiàn)缺口后，通過(guò)有效的物流調(diào)配體系，豬肉消費(fèi)需求也能較快得到滿足。

值得注意的是，疫情期間浙江豬肉市場(chǎng)價(jià)格的波動(dòng)程度隨著新增確診病例數(shù)的增加而降低，這源于浙江疫情初期面臨豬肉供應(yīng)相對(duì)不足而價(jià)格上漲的情況后，后期中央和當(dāng)?shù)卣雠_(tái)各種措施保障豬肉的供應(yīng)與調(diào)配能力，供應(yīng)和需求趨于平衡，供求相對(duì)狀況波動(dòng)幅度縮小，所以豬肉價(jià)格也逐漸平穩(wěn)。

4.2 雞蛋價(jià)格

表4報(bào)告了新冠肺炎疫情對(duì)4地雞蛋價(jià)格的影響。從AR（1）的系數(shù)來(lái)看，與豬肉價(jià)格估計(jì)結(jié)果相似，4地除浙江外，其余3地的AR（1）系數(shù)均在0.01的水平上顯著為正，表明廣東、上海和河南的雞蛋歷史價(jià)格對(duì)當(dāng)前價(jià)格有顯著的正向影響。從均值等式估計(jì)結(jié)果可以看出，新冠肺炎疫情對(duì)廣東、上海和浙江3地的雞蛋市場(chǎng)價(jià)格沖擊顯著。廣東、上海和浙江的“病例數(shù)”變量系數(shù)均在0.01的水平上顯著為正，即每新增一例新冠確診病例，上海市場(chǎng)雞蛋價(jià)格相應(yīng)的上漲幅度最大，平均價(jià)格提高約0.08元/kg，廣東和浙江的雞蛋價(jià)格漲幅較小，分別上漲約0.018和0.015元/kg。

值得關(guān)注的是，4地的“新冠肺炎疫情爆發(fā)” 變量的系數(shù)均為負(fù)，但只有上海的對(duì)應(yīng)系數(shù)具有顯著性，雞蛋價(jià)格相較疫情爆發(fā)前平均下降了約2.57元/kg。此現(xiàn)象一個(gè)可能的解釋為，疫情期間農(nóng)戶以及家禽養(yǎng)殖業(yè)的雞蛋銷售渠道受阻，各類養(yǎng)殖戶的禽蛋庫(kù)存總量較高，隨著疫情逐步得到控制，養(yǎng)殖戶的雞蛋庫(kù)存量得以釋放，市場(chǎng)上流通的雞蛋供應(yīng)量大，導(dǎo)致雞蛋價(jià)格較疫情前有明顯回落。

GARCH等式估計(jì)結(jié)果表明，新冠肺炎疫情對(duì)廣東和浙江的雞蛋價(jià)格波動(dòng)性影響較大。廣東“新冠肺炎疫情爆發(fā)”變量在0.01的水平上顯著為負(fù)，疫情發(fā)生后相比疫情發(fā)生前雞蛋價(jià)格的波動(dòng)程度有明顯降低，這得益于雞蛋物流供應(yīng)體系的平穩(wěn)運(yùn)行，使供求相對(duì)平衡，較少出現(xiàn)失衡狀況。浙江“新冠肺炎疫情爆發(fā)”和“病例數(shù)”變量均在0.01的水平上顯著為正，即疫情和確診病例的增加略微加劇了浙江雞蛋市場(chǎng)價(jià)格的波動(dòng)性，這背后的可能原因是，疫情期間各類信息對(duì)居民產(chǎn)生心理影響，居民根據(jù)掌握的疫情信息做出的異常購(gòu)買行為增多，雞蛋價(jià)格的變動(dòng)也隨之增加。

4.3 雞肉價(jià)格

表5報(bào)告了新冠肺炎疫情對(duì)4省區(qū)雞肉價(jià)格的影響。從AR（1）的系數(shù)來(lái)看，4地的系數(shù)均在0.01的水平上顯著為正，即雞肉當(dāng)前價(jià)格均會(huì)受到歷史價(jià)格的正向影響。在新冠肺炎疫情相關(guān)變量的所有系數(shù)中，只有上海“新冠肺炎疫情爆發(fā)”變量系數(shù)在0.10的水平上顯著，可見(jiàn)新冠肺炎疫情對(duì)4地雞肉價(jià)格的沖擊整體不顯著，僅對(duì)上海雞肉價(jià)格有輕微影響，疫情使當(dāng)?shù)仉u肉價(jià)格平均提高了約0.25元/kg。與此同時(shí)，新冠肺炎疫情降低了浙江雞肉市場(chǎng)價(jià)格的波動(dòng)程度，兩項(xiàng)疫情變量系數(shù)分別在0.01和0.05的水平上顯著。

4.4 主食價(jià)格

表6報(bào)告了新冠肺炎疫情對(duì)主食價(jià)格的影響估計(jì)結(jié)果。廣東、上海和浙江對(duì)應(yīng)均值等式的AR（1）系數(shù)在0.01的水平上顯著為正，說(shuō)明3地的主食大米歷史價(jià)格會(huì)正向影響當(dāng)前價(jià)格，而河南居民的主食面粉歷史價(jià)格對(duì)現(xiàn)價(jià)無(wú)顯著影響。在以大米為主食的廣東、上海與浙江3地，新冠肺炎疫情的發(fā)生抬高了當(dāng)?shù)卮竺變r(jià)格。廣東“新冠肺炎疫情爆發(fā)” 變量系數(shù)在0.01的水平上顯著為正，疫情發(fā)生后的大米價(jià)格比疫情前的大米價(jià)格平均上漲了約0.14元/kg;上?！安±龜?shù)”變量系數(shù)在0.01的水平上顯著為正，表明上海每新增一例新冠確診病例，大米價(jià)格平均提高0.002元/kg;浙江“新冠肺炎疫情爆發(fā)”變量系數(shù)在0.01的水平上顯著為正，則浙江省疫情發(fā)生后的大米市場(chǎng)價(jià)格比疫情前的大米價(jià)格平均上漲了約0.45元/kg。從主食價(jià)格的波動(dòng)程度看，疫情對(duì)廣東、浙江兩地的大米價(jià)格以及河南的面粉價(jià)格波動(dòng)程度存在較為顯著的影響，但從量綱看，這3地的主食價(jià)格波動(dòng)性變化幅度不大。

FI-GARCH估計(jì)結(jié)果表明，新冠肺炎疫情提高了主食價(jià)格的波動(dòng)程度。對(duì)以上現(xiàn)象的可能解釋是，新冠肺炎疫情的爆發(fā)對(duì)主食需求的影響大于對(duì)供給的影響，其中還伴隨了新冠肺炎危機(jī)后的社會(huì)恐慌。具體來(lái)說(shuō)，新冠肺炎疫情引發(fā)了社會(huì)性恐慌，由于主食保質(zhì)期較長(zhǎng)，價(jià)格較低，包括大米和面粉在內(nèi)的主食是居民囤積食物的首選，人們傾向于囤積存貨，這就抬升了食品需求，導(dǎo)致短期內(nèi)價(jià)格上漲，搶購(gòu)潮的爆發(fā)讓供求相對(duì)狀況變化劇烈，主食價(jià)格的波動(dòng)程度加劇。

總而言之，新冠肺炎疫情相關(guān)信息會(huì)導(dǎo)致食物價(jià)格波動(dòng)加劇，背后的作用機(jī)制是，一方面，在疫情擴(kuò)散的情況下，政府執(zhí)行嚴(yán)格的防疫措施后人員流動(dòng)下降，食物的消費(fèi)和生產(chǎn)過(guò)程均會(huì)受到不同程度影響;另一方面，疫情信息可能對(duì)社會(huì)個(gè)體產(chǎn)生心理影響，社會(huì)個(gè)體對(duì)疫情信息有不同的解讀，導(dǎo)致異常購(gòu)買和生產(chǎn)行為，食物價(jià)格的變動(dòng)也隨之增加。

5 基于GRNN模型對(duì)食品價(jià)格的預(yù)測(cè)

5.1 學(xué)習(xí)樣本的選擇與數(shù)據(jù)處理

為了利用GRNN模型對(duì)食品價(jià)格進(jìn)行擬合和預(yù)測(cè)，分別把4地每種食品2019年1月2日—2020年7月16日的價(jià)格作為訓(xùn)練樣本，假設(shè)食品價(jià)格與時(shí)間相關(guān)，即把時(shí)間作為食品價(jià)格的變量，把4地前一天的食品價(jià)格作為GRNN模型的輸入值，其對(duì)應(yīng)的后一天價(jià)格作為輸出值，來(lái)訓(xùn)練樣本。

將輸入和輸出的數(shù)據(jù)進(jìn)行歸一化后分析，從樣本中隨機(jī)選取兩個(gè)樣本的擬合值與真實(shí)值作為訓(xùn)練網(wǎng)絡(luò)的待估點(diǎn)，用來(lái)確定光滑因子。

5.2 網(wǎng)絡(luò)的構(gòu)建與訓(xùn)練

構(gòu)建GRNN模型預(yù)測(cè)食品價(jià)格時(shí)，不同大小的σ光滑因子將導(dǎo)致預(yù)測(cè)結(jié)果的不同，進(jìn)而導(dǎo)致預(yù)測(cè)的有效性和精度不同。預(yù)測(cè)中一個(gè)較為常見(jiàn)的標(biāo)準(zhǔn)為，運(yùn)用均方根誤差RMSE（Root Mean Square Error）值的大小來(lái)判斷精度，RMSE值越小，則精度越高。RMSE的計(jì)算公式為

RMSE=1NNi=1（Pi-i）2（12）

式中，i表示預(yù)測(cè)值;Pi表示實(shí)際值。

該研究利用Matlab R2015b軟件編寫并實(shí)現(xiàn)GRNN模型。將光滑因子從0.001開(kāi)始逐漸增加0.001至1，比較不同光滑因子對(duì)應(yīng)的待估點(diǎn)預(yù)測(cè)值與真實(shí)值誤差序列的RMSE值。多次嘗試后，最終確定4地省每種食品價(jià)格對(duì)應(yīng)的光滑因子，進(jìn)一步構(gòu)建GRNN模型。以2020年7月16日—2020年7月31日4地對(duì)應(yīng)食品價(jià)格作為GRNN網(wǎng)絡(luò)的輸入，用訓(xùn)練好的網(wǎng)絡(luò)預(yù)測(cè)2020年7月17—31日食品價(jià)格，并將預(yù)測(cè)值進(jìn)行反歸一化得到最終的預(yù)測(cè)結(jié)果。

GRNN模型的預(yù)測(cè)值與真實(shí)值如圖3～6所示，可以看出GRNN模型能夠?qū)?省食品價(jià)格進(jìn)行較好的預(yù)測(cè)。

5.3 預(yù)測(cè)效果評(píng)估

為了準(zhǔn)確地評(píng)價(jià)GRNN模型對(duì)4省市食品價(jià)格的預(yù)測(cè)效果，該研究選取Theil不相等系數(shù)（Theil disequilibrium index）來(lái)評(píng)價(jià)預(yù)測(cè)效果的好壞。Theil不相等系數(shù)的計(jì)算公式為

T=1NNi=1（Pi-i）2

1NNi=1（Pi）2+1NNi=1（i）2（13）

式中，i表示預(yù)測(cè)值，Pi表示實(shí)際值，對(duì)于Theil不相等系數(shù)來(lái)說(shuō)，T=1時(shí)預(yù)測(cè)效果最差，T=0時(shí)預(yù)測(cè)值和真實(shí)值完全接近，此時(shí)模型預(yù)測(cè)效果最好。表7展示了各省食品價(jià)格預(yù)測(cè)的Theil不相等系數(shù)。Theil不相等系數(shù)模型結(jié)果顯示，從整體看GRNN模型對(duì)4省市每種食品價(jià)格的預(yù)測(cè)性能較好，預(yù)測(cè)值同真實(shí)值較為接近。

6 結(jié)論與建議

6.1 結(jié)論 為了研究新冠肺炎疫情對(duì)我國(guó)食品市場(chǎng)價(jià)格造成的沖擊，該研究基于2019年1月2日—2020年7月31日的食品價(jià)格日度數(shù)據(jù)，運(yùn)用FI-GARCH模型估計(jì)了新冠肺炎疫情對(duì)廣東、上海、浙江和河南豬肉、雞蛋、雞肉和主食4類食品價(jià)格的影響，比較了疫情導(dǎo)致的食品價(jià)格變動(dòng)在省級(jí)間的差異，同時(shí)還構(gòu)建GRNN模型對(duì)各地的價(jià)格進(jìn)行了合理的擬合預(yù)測(cè)。主要結(jié)論有：①新冠肺炎疫情爆發(fā)下，豬肉調(diào)運(yùn)不暢，導(dǎo)致上海、浙江的豬肉價(jià)格均顯著提高，但浙江的波動(dòng)程度降低了;②由于疫情得到控制后雞蛋生產(chǎn)商逐漸釋放了雞蛋庫(kù)存量，4地的雞蛋價(jià)格均有下降，其中以上海下降最為明顯，而浙江蛋價(jià)的波動(dòng)性增加了;③除上海雞肉價(jià)格有輕微上漲外，疫情對(duì)各地雞肉價(jià)格整體上影響不顯著;④主食是疫情期間消費(fèi)者囤積食物的首選，廣東、上海和浙江大米價(jià)格出現(xiàn)上漲，河南面粉價(jià)格無(wú)明顯變動(dòng);⑤建立的GRNN模型具有較好的泛化能力、魯棒性和可靠性，對(duì)食物價(jià)格進(jìn)行預(yù)測(cè)研究，真實(shí)值和預(yù)測(cè)值之間的Theil不相等系數(shù)和0較為接近，預(yù)測(cè)精度較高，有助于各地監(jiān)測(cè)食物市場(chǎng)價(jià)格出現(xiàn)大幅波動(dòng)風(fēng)險(xiǎn)時(shí)，對(duì)其進(jìn)行提前感知并采用有效措施予以應(yīng)對(duì)，從而減少經(jīng)濟(jì)損失。

6.2 政策建議 自2020年初新冠肺炎疫情爆發(fā)，全國(guó)各地政府均采取了嚴(yán)格的抗疫政策，及時(shí)發(fā)布疫情相關(guān)信息并有效管控人群聚集和流動(dòng)，成功控制了疫情;同時(shí)在抗擊新冠肺炎疫情的過(guò)程中，確保了充足的食品供應(yīng)，避免了人道主義危機(jī)。這在很大程度上穩(wěn)定了市場(chǎng)，減少了恐慌。如今我國(guó)已進(jìn)入疫情常態(tài)化防控階段，在這一背景下確保食品市場(chǎng)供應(yīng)和價(jià)格穩(wěn)定，關(guān)乎民生，連接民心。為此，針對(duì)后疫情時(shí)期的食品價(jià)格形勢(shì)，提出以下建議。

6.2.1 穩(wěn)產(chǎn)放儲(chǔ)并舉，夯實(shí)穩(wěn)價(jià)基礎(chǔ)。

全面摸排掌握各地范圍內(nèi)相關(guān)食品生產(chǎn)情況，加大政策扶持力度，統(tǒng)籌協(xié)調(diào)各方資源，全力以赴促?gòu)?fù)產(chǎn)、提產(chǎn)能、挖庫(kù)存、擴(kuò)進(jìn)口。把穩(wěn)產(chǎn)保供作為2020年“米袋子”省長(zhǎng)負(fù)責(zé)制和“菜籃子”市長(zhǎng)負(fù)責(zé)制考核的關(guān)鍵內(nèi)容，省、市、縣共同擔(dān)責(zé)，產(chǎn)銷兩端同時(shí)發(fā)力，逐項(xiàng)打通制約農(nóng)產(chǎn)品供應(yīng)鏈生產(chǎn)流通銷售各環(huán)節(jié)的堵點(diǎn)和難點(diǎn)。根據(jù)疫情防控需要和市場(chǎng)供給情況，及時(shí)投放儲(chǔ)備食品，同時(shí)調(diào)節(jié)收儲(chǔ)力度。

6.2.2 開(kāi)辟綠色通道，確保物資運(yùn)輸暢通。杜絕“一刀切”式交通管制，及時(shí)開(kāi)辟綠色通道，確保菜籃子產(chǎn)品運(yùn)輸暢通。組織開(kāi)展“農(nóng)超對(duì)接”“農(nóng)社對(duì)接”等產(chǎn)銷對(duì)接活動(dòng)，促進(jìn)采購(gòu)主體與產(chǎn)區(qū)、與產(chǎn)地有效精準(zhǔn)對(duì)接，建立穩(wěn)定可靠的產(chǎn)銷協(xié)作關(guān)系。同時(shí)，組織商超和批發(fā)市場(chǎng)積極采購(gòu)滯銷果蔬，加快推進(jìn)農(nóng)村電子商務(wù)發(fā)展和冷鏈物流建設(shè)，充分運(yùn)用信息化手段促進(jìn)農(nóng)產(chǎn)品線上銷售[29]。

6.2.3 強(qiáng)化監(jiān)測(cè)預(yù)警，前移價(jià)格調(diào)控關(guān)口。

在疫情防控特殊時(shí)期，應(yīng)把價(jià)格調(diào)控的關(guān)口向前移，及時(shí)制定價(jià)格應(yīng)急監(jiān)測(cè)制度，將豬肉、大米等農(nóng)產(chǎn)品列為重點(diǎn)監(jiān)測(cè)對(duì)象，實(shí)行一日一報(bào)，發(fā)現(xiàn)價(jià)格異動(dòng)的苗頭性、傾向性、潛在性問(wèn)題，盡快反應(yīng)、盡快跟進(jìn)，及時(shí)采取措施穩(wěn)定物價(jià)，以實(shí)現(xiàn)價(jià)格調(diào)控由被動(dòng)“滅火”向主動(dòng)“防火”轉(zhuǎn)變。

6.2.4 加強(qiáng)宣傳引導(dǎo)，穩(wěn)定市場(chǎng)價(jià)格預(yù)期。

發(fā)揮政府、專家學(xué)者、商會(huì)協(xié)會(huì)作用，全方位、多渠道宣傳疫情防控成效及采取的措施，及時(shí)對(duì)保障“菜籃子”商品市場(chǎng)供應(yīng)和價(jià)格穩(wěn)定的各項(xiàng)政策措施進(jìn)行解讀，切實(shí)穩(wěn)定市場(chǎng)預(yù)期。同時(shí)，密切關(guān)注價(jià)格輿情動(dòng)態(tài)，及時(shí)回應(yīng)社會(huì)和群眾關(guān)切，妥善化解可能影響預(yù)期市場(chǎng)穩(wěn)定的重大風(fēng)險(xiǎn)，并對(duì)散布涉及市場(chǎng)供應(yīng)和價(jià)格方面的虛假信息行為予以嚴(yán)厲打擊。針對(duì)部分緊缺商品供不應(yīng)求的情況，應(yīng)指導(dǎo)商超及時(shí)補(bǔ)貨，做好消費(fèi)疏導(dǎo)，避免出現(xiàn)搶購(gòu)潮[30] 。

6.2.5 充分兜底民生底線。

進(jìn)一步完善社會(huì)保障和民生救助機(jī)制，確保困難家庭補(bǔ)貼按時(shí)足額發(fā)放。當(dāng)居民消費(fèi)價(jià)格漲幅達(dá)到啟動(dòng)條件時(shí)，應(yīng)立即啟動(dòng)聯(lián)動(dòng)機(jī)制，并確保在指數(shù)發(fā)布的當(dāng)月內(nèi)將價(jià)格臨時(shí)補(bǔ)貼發(fā)放到位[31]。要摸清因疫情失業(yè)或返貧群體的情況，及時(shí)納入社會(huì)保障體系。鼓勵(lì)有條件的地方提高價(jià)格臨時(shí)補(bǔ)貼標(biāo)準(zhǔn)或者向困難群眾發(fā)放一次性生活補(bǔ)助，努力保障困難群眾的基本生活不因物價(jià)上漲而受到影響。

參考文獻(xiàn)

[1]

HASINER E，YU X H.Meat consumption and democratic governance：A cross-national analysis[J/OL].China economic review，2020，59[2020-09-25].htts：//doi.org/10.1016/j.chieco.2016.06.008.

[2] 孫泉，蔣曉芒，程曉東.“非典”引發(fā)的市場(chǎng)異常波動(dòng)及啟示[J].價(jià)格理論與實(shí)踐，2003（7）：29-30.

[3] 王曉東，戈雪松，趙安平，等.災(zāi)害天氣、重大事件、重要節(jié)日對(duì)北京市蔬菜市場(chǎng)供應(yīng)的影響[J].農(nóng)業(yè)展望，2015，11（1）：47-55.

[4] 劉威，馬恒運(yùn).突發(fā)公共衛(wèi)生事件對(duì)中國(guó)食物供給及農(nóng)業(yè)發(fā)展的沖擊及應(yīng)對(duì)[J].重慶社會(huì)科學(xué)，2020（5）：32-42.

[5] WORKIE E，MACKOLIL J，NYIKA J，et al.Deciphering the impact of COVID-19 pandemic on food security，agriculture，and livelihoods：A review of the evidence from developing countries[J].Current research in environmental sustainability，2020，2：1-6.

[6] MISHRA A，BRUNO E，ZILBERMAN D.Compound natural and human disasters： Managing drought and COVID-19 to sustain global agriculture and food sectors[J/OL].Science of the total environment，2021，754[2020-09-25].htts//doi.org/10.1016/j.scitoenv.2020.

[7] YU X H.Monetary easing policy and long-run food prices： Evidence from China[J].Economic modelling，2014，40：175-183.

[8] 許世衛(wèi)，李哲敏，李干瓊，等.農(nóng)產(chǎn)品市場(chǎng)價(jià)格短期預(yù)測(cè)研究進(jìn)展[J].中國(guó)農(nóng)業(yè)科學(xué)，2011，44（17）：3666-3675.

[9] 張萌，高明杰，羅其友.中國(guó)馬鈴薯價(jià)格波動(dòng)定量分析[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2020，41（1）：113-121.

[10] MANI V，SUBRAMANIAN S R，SHANMUGASUNDARAM S.Forecasting of egg production and wholesale egg price in salem district of Tamil Nadu[J].Indian journal of agricultural economics，2000，55（4）：683-690.

[11] 劉雪，劉錦濤，李佳利，等.基于季節(jié)分解和長(zhǎng)短期記憶的北京市雞蛋價(jià)格預(yù)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2020，36（9）：331-340.

[12] 張一凡，范梅華.基于ARIMA模型對(duì)全國(guó)集貿(mào)市場(chǎng)雞蛋價(jià)格的分析和預(yù)測(cè)[J].中國(guó)家禽，2020，42（1）：82-86.

[13]韓雯.ARIMA模型在貴州省農(nóng)產(chǎn)品價(jià)格預(yù)測(cè)中的應(yīng)用：以辣椒為例[J].安徽農(nóng)業(yè)科學(xué)，2011，39（21）：13226-13227，13229.

[14] 劉海清，方佳.基于指數(shù)平滑模型的海南省芒果價(jià)格預(yù)測(cè)[J].熱帶農(nóng)業(yè)科學(xué)，2010，30（1）：79-81.

[15] 李蘇，寶哲.我國(guó)豬肉價(jià)格波動(dòng)特征及預(yù)測(cè)研究[J].價(jià)格理論與實(shí)踐，2020（6）：80-83，153.

[16] BAZEN S，CARDEBAT J M.Forecasting Bordeaux wine prices using state-space methods[J].Applied economics，2018，50（47）：5110-5121.

[17] 金瑤，蔡之華.基于AR模型的Kalman濾波在股票價(jià)格預(yù)測(cè)中的應(yīng)用[J].統(tǒng)計(jì)與決策，2013（6）：80-82.

[18] 周李涌，李娟娟，李寶山，等.基于PCA-BP神經(jīng)網(wǎng)絡(luò)的羊肉價(jià)格預(yù)測(cè)研究[J].黑龍江畜牧獸醫(yī)，2020（14）：5-7.

[19] 謝錦濤.婁底市豬肉價(jià)格的影響因素分析及預(yù)測(cè)[J].湖南農(nóng)業(yè)科學(xué)，2020（2）：91-93，98.

[20] 王桂紅，楊勇，吳華瑞，等.農(nóng)產(chǎn)品市場(chǎng)價(jià)格Web信息智能分析方法[J].沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2013，44（3）：284-288.

[21] 熊巍，祁春節(jié)，高瑜，等.基于組合模型的農(nóng)產(chǎn)品市場(chǎng)價(jià)格短期預(yù)測(cè)研究：以紅富士蘋果、香蕉、橙為例[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2015（6）：57-65.

[22] 張艷.基于ARIMA與GRNN組合模型對(duì)人民幣匯率的預(yù)測(cè)[D].武漢：湖北工業(yè)大學(xué)，2017.

[23] 韓磊，王術(shù)坤.2019年中國(guó)豬肉供需形勢(shì)及2020年展望[J].農(nóng)業(yè)展望，2020，16（4）：7-11，17.

[24] 堵鶴明.我國(guó)雞蛋價(jià)格波動(dòng)及傳導(dǎo)機(jī)制研究[D].石家莊：河北經(jīng)貿(mào)大學(xué)，2020.

[25] 喻開(kāi)志，王小軍，田明言.國(guó)內(nèi)雞肉價(jià)格波動(dòng)及其影響因素研究：基于市場(chǎng)不確定因素的實(shí)證分析[J].價(jià)格理論與實(shí)踐，2019（12）：59-62.

[26] BOX G E P，PIERCE D A.Distribution of residual autocorrelations in autoregressive-integrated moving average time series models[J].Journal of the American statistical association，1970，65（332）：1509-1526.

[27] BAILLIE R T，BOLLERSLEV T，MIKKELSEN H O.Fractionally integrated generalized autoregressive conditional heteroskedasticity[J].Journal of econometrics，1996，74（1）：3-30.

[28] ENGLE R F，BOLLERSLEV T.Modelling the persistence of conditional variances[J].Econometric reviews，1986，5（1）：1-50.

[29] 蔣和平，楊東群，郭超然.新冠肺炎疫情對(duì)我國(guó)農(nóng)業(yè)發(fā)展的影響與應(yīng)對(duì)舉措[J].改革，2020（3）：5-13.

[30] 葉興慶，程郁，周群力，等.新冠肺炎疫情對(duì)2020年農(nóng)業(yè)農(nóng)村發(fā)展的影響評(píng)估與應(yīng)對(duì)建議[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2020，41（3）：4-10.

[31] 魏后凱，蘆千文.新冠肺炎疫情對(duì)“三農(nóng)”的影響及對(duì)策研究[J].經(jīng)濟(jì)縱橫，2020（5）：36-45.