第一章導論第四章蔬菜價格的分解與分析蔬菜價格一直處于波動中，本章運用時間序列相關方法研究蔬菜價格的波動，將蔬菜價格分解為將蔬菜價格分解為季節性波動、長期趨勢、周期性波動和隨機性波動4部分，研究各波動成分。在此基礎上建立AR模型，研究蔬菜價格變動的自相關性，進一步分析蔬菜價格的波動。4.1蔬菜價格的波動分解圖4-1北京市蔬菜價格每月的季節指數4.1.1圖4-1北京市蔬菜價格每月的季節指數通過SPSS24.0，基于乘法模型，對蔬菜價格進行時間序列分解，得到“SAF”、“SAS”、“STC”、“ERR”序列?！癝AF”為季節性調整因子序列，即為季節性指數。由圖4-1可知，蔬菜整體呈現出冬春季季節指數偏高，夏季季節指數較低的特點。不同蔬菜的季節因素影響程度不同。菠菜2月、8月的季節指數較高，季節指數分別為1.17、1.52，4月、11月季節指數較低，季節指數分別為0.64、0.83，根據季節性指數偏離均值1的程度，可知季節性因素8月對菠菜價格的影響程度大于2月的影響程度，季節性因素4月對菠菜價格的影響程度大于11月的影響程度。黃瓜、西紅柿具有相似的季節變動趨勢，均表現為冬春季節季節指數較高、夏季指數較低，這與蔬菜整體的季節指數變化特點相同。黃瓜在2月達到季節指數最大值1.48，在6月達到季節指數最小值0.66。西紅柿的最高季節指數出現在2月，為1.38；最低季節指數出現在7月，為0.64。胡蘿卜的季節指數相對較平穩，在5月份達到最大值，為1.26。4.1.2蔬菜價格的長期趨勢圖4-2剔除季節變動因素前后的蔬菜整體價格趨勢呈現出某種持續向上或持續下降的狀態或規律?！癝AS”為季節性調整序列，表示剔除季節性因素后的序列，根據剔除季節性因素的序列確定趨勢成分。圖4-2剔除季節變動因素前后的蔬菜整體價格剔除季節變動因素前，蔬菜整體價格具有明顯的季節波動，且波動幅度較大，而剔除季節變動因素后的蔬菜整體價格變動幅度明顯變小，價格波動更為平緩。剔除季節變動因素后蔬菜整體價格有上漲趨勢，圖中的直線為蔬菜整體價格的擬合線，根據分離季節性因素的序列確定趨勢線方程為：公式（4-1）趨勢線方程回歸系數為正，且系數較小，表明蔬菜整體價格長期具有緩慢上漲的趨勢。圖4-3至圖4-6依次為菠菜、黃瓜、胡蘿卜、西紅柿的長期趨勢圖，從圖上可以發現除胡蘿卜外，剔除季節變動因素后，蔬菜價格的波動幅度明顯減少，由于胡蘿卜的耐儲藏性，胡蘿卜價格的季節性波動并不明顯，即使剔除季節變動因素，胡蘿卜的價格波動幅度變化不大。圖4-3剔除季節變動因素前后的菠菜價格圖4-4剔除季節變動因素前后的黃瓜價格圖4-6剔除季節變動因素前后的西紅柿價格圖4-5剔除季節變動因素前后的胡蘿卜價格通過計算得出，菠菜、黃瓜、胡蘿卜、西紅柿的趨勢方程如下：圖4-3剔除季節變動因素前后的菠菜價格圖4-4剔除季節變動因素前后的黃瓜價格圖4-6剔除季節變動因素前后的西紅柿價格圖4-5剔除季節變動因素前后的胡蘿卜價格公式（4-2）公式（4-3）公式（4-4）公式（4-5）黃瓜、西紅柿的趨勢線方程回歸系數為正，從長期來看黃瓜和西紅柿均具有價格上漲的趨勢，但菠菜、胡蘿卜的趨勢線方程回歸系數為負，他們二者的價格長期有下降趨勢。4.1.3蔬菜價格的周期性波動周期性也稱循環波動，是時間序列中呈現出來的圍繞長期趨勢的一種波浪形或振蕩式變動。農產品價格的周期性波動是指在長期內反復出現的包含一個完整價格高峰期和一個完整價格低谷期的價格走勢形態。本研究通過H-P濾波法分離循環變動成分，將2015-2020年經季節指數調整后的北京市蔬菜整體的月度價格進行整理，運用EViews10.0對此蔬菜價格序列進行分解，結果如圖4-7所示。圖4圖4-7蔬菜價格的周期性波動“Price”曲線表示經季節調整后的北京市蔬菜整體價格，“Trend”曲線表示分解出來蔬菜整體價格變動的長期趨勢，“Cycle”曲線表示分解得到的蔬菜整體價格的周期成分。從圖上可以發現蔬菜價格存在一定的周期性波動，2005年至2020年可大致分為2個完整周期。2015年1月至2017年6月為第一個完整的周期，2017年6月至2019年12月為第二個完整的周期，兩個周期的波動軌跡大致相同，但仍存在區別，第二個周期的價格波動幅度要略高于第一個周期。2020年后由于新冠疫情的爆發，蔬菜價格短期內出現劇烈波動，與前兩個周期的波動軌跡有所不同。同時由圖可知，分解得到的Trend曲線比原價格曲線平滑得多，蔬菜整體價格存在顯著的長期趨勢，呈現出長期緩慢上漲的特點。4.1.4蔬菜價格的隨機性波動圖4-8蔬菜價格的隨機波動隨機性波動也稱不規則波動，是指由于突發和偶然事件作用進而在短期內導致價格出現異常變化，其反映的是除季節性波動、長期趨勢、周期波動外，其他因素對蔬菜價格的綜合影響?！癊RR”序列即為從序列中刪除季節性、趨勢和循環成分之后的隨機波動成分，如圖4-8圖4-8蔬菜價格的隨機波動隨機性波動因子表現出無序性的特點。隨機性波動因子越接近于1，說明對應時期的隨機波動幅度越小，對比新冠疫情前后，疫情發生后的隨機性波動因子并未出現大幅波動，與疫情前的隨機波動因子無過多區別。4.2蔬菜價格的自相關性分析4.2.1平穩性檢驗只有平穩的時間序列才能夠直接建立ARMA模型，非平穩的數列要經過適當的處理，序列滿足平衡性要求再建立模型。根據蔬菜整體2015年至2020年的月度價格構成時間序列{Pt}，蔬菜價格數據來源于商務部新農村商網以及菜籃子市場信息公眾號。通過前文的研究發現蔬菜價格存在明顯的季節性和一定上漲的趨勢，這些因素的存在使得序列本身不滿足平穩性的假定，分離序列{Pt}的季節性因素，處理后的序列記為{Xt}，用Eviews10.0對{Xt}序列進行ADF檢驗，判斷時間序列的平穩性，平穩性檢驗結果見表4-1。表4-1序列{Xt}平穩性檢驗表t統計量p值ADF檢驗值-3.5113340.04581%顯著水平臨界值-4.0925475%顯著水平臨界值-3.47436310%顯著水平臨界值-3.164499由表4-1可知，序列{Xt}的t統計值為-3.511334，小于顯著水平為5%的臨界值，說明在95％的置信水平下可以拒絕原假設，即不存在單位根，認為序列{Xt}是平穩序列。4.2.2模型識別及確立模型識別包括模型形式以及滯后階數的確定。首先根據自相關函數圖和偏自相關圖確定模型的形式，若自相關函數是拖尾的，偏自相關函數是截尾的，則建立AR模型；若自相關函數是截尾的，偏自相關函數是拖尾的，則建立MA模型；若自相關函數、偏自相關函數均為拖尾，則建立ARMA模型。下一步通過自相關函數圖和偏相關函數圖拖尾截尾的性質初步判斷滯后階數，再利用AIC、SC、HQ準則進一步確定滯后階數。AIC、BIC、HQ準則可以有效彌補根據自相關圖和偏自相關圖定階的主觀性，在有限的階數范圍內尋找相對最優的擬合模型。用Eviews10.0對序列{Xt}進行自相關和偏相關分析，結果見圖4-9。根據輸出結果判定，自相關函數圖拖尾，偏自相關函數圖截尾，所以選擇AR(p)模型。圖4-9序列相關圖接下來基于AIC、SC、HQ法則，確定滯后階數。偏相關系數大致是2階截尾，初步確定模型為AR(2)，通過EViews10.0分別得出AR(1)、AR(2)、AR(3)三個模型的信息準則，如下表4-2所示。一般來說信息準則越小，模型越好，從表上可以發現AR(1)模型的信息準則最小，因此確定AR(p)模型滯后階數為1圖4-9序列相關圖表4-2模型信息準則表模型形式AICSCHQAR(1)0.5614100.6251470.586756AR(2)0.5921190.6884830.630396AR(3)0.5878290.7173420.639211進一步對模型參數進行估計，得到模型如下：公式（4-6）參數估計結果如表4-3。從表中可以看出，模型的t統計量非常顯著，R2為0.49，整個模型的擬合效果一般，D.W.值為1.92，在2附近，認為模型不存在一階自相關。t-1期蔬菜價格變量回歸系數為正，且該變量在1%的水平下通過顯著性檢驗，說明蔬菜價格存在顯著的自相關性，當期蔬菜價格受上一期價格的影響較大，蔬菜價格月度間延續的特點明顯。表4-3參數估計結果變量系數t統計量p值c1.0493.5310.0007Xt-10.6958.0780.00004.2.3模型檢驗參數估計后，需要對模型進行殘差序列相關檢驗和異方差檢驗。首先通過EViews10.0對模型進行LM檢驗，檢驗殘差序列是否存在一階自相關，結果見表4-3。LM檢驗統計量Obs*R-squared的P值為0.7848，在5%的顯著性水平下，不拒絕原假設，表明殘差不具有序列相關，模型已消除自相關。再對序列進行ARCH異方差檢驗，結果見表4-3，檢驗中Obs*R-squared統計量對應的P值0.2510，在5%的顯著性水平下，不拒絕原假設，檢驗結果表明無ARCH效應，即無ARCH形式的異方差，認為該模型是可行的。表4-4模型檢驗結果LM檢驗ARCH異方差檢驗Obs*R-squared0.1434131.872923P值0.70490.17114.3本章小結本章運用時間序列相關方法對蔬菜價格進行分解與分析。首先基于時間序列方法對蔬菜價格進行波動分解，將蔬菜價格分解為季節性波動、長期趨勢、周期性波動和隨機性波動，并依次分析各波動成分。再基于時間序列方法對蔬菜價格進行分析，建立AR模型，探究蔬菜價格的自相關性，主要結論如下：（1）北京市蔬菜價格有明顯的季節波動特征，季節指數夏季偏高，冬春季較低。菠菜季節指數在2月、8月到達峰值，4月、11月降到谷底。黃瓜和西紅柿2月份的季節指數最大，6-7月的最小。胡蘿卜季節指數波動變化較小，在5月份達到最大值。（2）剔除季節因素后蔬菜價格變動幅度明顯減小，長期來看蔬菜整體價格具有上漲趨勢。但對于部分蔬菜，如胡蘿卜等，價格長期具有下降的趨勢。（3）蔬菜價格具有一定的周期波動性，2015-2020年可劃分為2個周期，第1個周期為2015年1月至2017年6月，第2個周期為2017年6月至2019年12月，第2個周期的波動幅度大于第1個周期。（4）蔬菜價格具有一定的隨機波動性，隨機波動因子的波動無明顯規律。（5）蔬菜價格具有強烈的自相關性，蔬菜價格呈現出月度間延續的特點，蔬菜當期價格受上一期價格的影響，上一期蔬菜價格越高，當期蔬菜價格也隨之越高。第五章蔬菜價格波動的影響因素蔬菜作為北京市“菜籃子工程”的重要組成部分，是人們日常飲食中不可或缺的一部分，蔬菜價格一方面影響著生產者的收益，另一方面關系著消費者的利益，因此研究蔬菜價格影響因素，對于穩定蔬菜價格具有重要意義。本章通過person相關分析法考察影響蔬菜價格的因素，并通過構建多元回歸模型進一步探討蔬菜價格波動的影響因素。5.1變量選擇及模型設立影響蔬菜價格波動的因素很多，但主要的有生產成本、流通成本、蔬菜產量、天氣因素、國家政策、通貨膨脹水平、居民消費水平等。通過閱讀文獻了解目前研究的影響蔬菜價格變化的因素，且基于前文的分析，本研究對蔬菜價格的影響因素設定如下，具體指標選取見表5-1。（1）供求關系：李崇光和包玉澤（2012）在研究中提出供給與需求共同決定了蔬菜價格，但由于蔬菜需求的剛性特征，蔬菜需求基本穩定，所以供給是影響蔬菜價格的主要因素[5]?；诖吮狙芯恳策x取供給因素，研究供給對蔬菜價格產生的影響。（2）成本因素：李崇光等（2015）在研究中指出蔬菜供給成本分為生產成本和流通成本等[11]。蔬菜的生產離不開生產資料，同時蔬菜需要經過運輸才能最終達到消費者的手中，生產成本和流通成本的上漲都會帶來蔬菜價格的上漲，因此本文選取生產成本和流通成本，研究成本因素對蔬菜價格的影響。（3）季節性因素：蔬菜價格波動具有明顯的季節性，冬季價格偏高，夏季價格較低，因此選取了季節性因素，研究季節變化對蔬菜價格的影響。（4）重大節日：基于前文對蔬菜價格波動特征的分析發現，春節期間蔬菜價格普遍比較高，因此選取重大節日因素，研究重大節日對蔬菜價格的影響。（5）天氣變化：蔬菜生產受氣候、自然條件的影響，因此本文選取了天氣因素，研究天氣變化對蔬菜價格帶來的影響。（6）通貨膨脹：趙曉飛（2015）在研究中提出通貨膨脹是影響我國蔬菜價格波動的重要因素[6]。通貨膨脹導致物價上漲，蔬菜價格也會隨之上漲，因此本文選取通貨膨脹因素，研究通貨膨脹對蔬菜價格的影響。（7）新冠疫情：疫情發生后，蔬菜價格市場出現了劇烈的波動，因此本文也將研究研究疫情因素對蔬菜價格的影響。表5-1變量定義與說明變量名稱定義及賦值蔬菜價格（p）用各類蔬菜的月均價格表示蔬菜供給（yield）用蔬菜產量除以10%表示生產成本（vegpi）用蔬菜生產價格指數表示流通成本（oil）用每日油價數據加權平均為月度數據表示季節性因素（q）q2、q3、q4分別表示第二、第三和第四季度的季節性虛擬變量重大節日（cj）重大節日主要指春節，春節所在月份=1，其余月份=0天氣變化（rain）用一個月內每天的降水量加和后的數據代表每個月的降水量情況通貨膨脹（infla）用貨幣供應量來衡量通貨膨脹新冠疫情（xg）未發生疫情=0，發生了疫情=1本研究采用多元回歸模型，對北京市2015-2020年相關蔬菜價格數據進行回歸分析，以驗證供求關系、成本因素、季節性因素、重大節日、天氣變化、通貨膨脹、新冠疫情對蔬菜價格的影響。構建多元回歸模型要求解釋變量之間不相關，首先對各解釋變量進行相關性分析，檢驗結果如表4-2。從表中可以發現生產成本、流通成本、季節性變化、重大節日、天氣變化、通貨膨脹、新冠疫情因素之間的相關系數絕對值均在0.4以下，可以判斷這幾個變量之間不存在因果關系或相關性比較弱，他們之間建立多元回歸模型是合理的。但蔬菜供給變量和流通成本、天氣變化、通貨膨脹因素之間相關性較高，因此在模型中剔除蔬菜供給變量。蔬菜供給和流通成本之間相關性高的原因可能是油價的增長帶來流通成本的增加，進而導致流通的蔬菜有所減少，蔬菜上市量降低，供給減少。蔬菜供給和天氣變化間相關性高的原因是天氣因素直接影響蔬菜的生產，從生產源頭影響蔬菜的供給，天氣因素與蔬菜供給密切相關。蔬菜供給和通貨膨脹之間相關性高的原因可能是通貨膨脹導致物價上漲，生產資料價格隨之上漲，生產成本增加，蔬菜供給減少。表5-2解釋變量間的相關性檢驗結果yieldvegpioilq2q3q4cjraininflaxgyield1.0000vegpi0.13471.0000oil-0.7109-0.10271.0000q20.0000-0.1110-0.01051.0000q30.00000.0917-0.0147-0.33331.0000q40.0000-0.03460.0163-0.3333-0.33331.0000cj0.00000.02810.0351-0.1741-0.1741-0.17411.0000rain0.6686-0.1760-0.27990.15290.1972-0.1203-0.07291.0000infla-0.4663-0.01090.5795-0.0394-0.01920.00910.2031-0.14711.0000xg--0.1039-0.37250.00000.00000.00000.0000-0.3151-0.11661.0000通過stata16.0構建的多元回歸模型如下，以驗證生產成本、流通成本、季節性變化、重大節日、天氣變化、新冠疫情因素對蔬菜價格的影響：公式（4-7）其中p是指蔬菜價格，vegpi是生產成本，oil是指流通成本，q2、q3、q4表示季節性因素，cj表示重大節日，rain表示天氣變化，infla表示通貨膨脹水平，xg表示新冠疫情因素，β0為常數項，β1、β2、β3、β4、β5、β6、β7、β8、β9分別為vegpi、oil、q1、q2、q3、cj、rain、infla、xj前面的系數，是殘差項。5.2數據來源及處理說明本研究選取了2015—2020年的相關蔬菜價格月度數據，月度數據是在日數據的基礎上整理形成，具體的數據來源以及處理說明如下：（1）蔬菜價格（元）：選擇蔬菜中典型的葉菜類、瓜菜類、根莖菜類、茄果類為研究對象，選取了北京市七大批發市場，分別是新發地、大洋路、岳各莊、石門、八里橋、水屯、錦繡批發市場，將各類蔬菜在七大批發市場的每日價格進行加權平均作為日度價格，再對日度價格進行加權平均測算出月度價格，以此來表示本月的蔬菜價格水平，數據來源于商務部新農村商網以及菜籃子市場信息公眾號。（2）蔬菜供給（萬噸）：趙友森等（2011）在研究北京市場蔬菜來源地分布的調查研究中提出北京本地蔬菜占北京市蔬菜市場供應平均比例約為10%[28]。所以用北京市蔬菜產量除以10%得到的數據來衡量北京市蔬菜供給量，北京市蔬菜產量數據來源于《北京統計年鑒》。（3）生產成本：莊稼漢和劉偉平（2016）在研究用蔬菜生產價格指數表示生產成本[10]。由于北京市的蔬菜生產者價格指數難以獲得，徐依婷等（2017）在研究用全國蔬菜生產者價格指數代替北京市蔬菜生產者價格指數[1]?；诖吮疚膶⒉捎萌珖卟松a者價格指數來衡量北京市的蔬菜生產成本，全國蔬菜生產者價格指數數據來源于《中國農產品價格統計年鑒》。（4）流通成本（元）：借鑒趙安平（2012）的研究用油價變化來測算運輸成本[4]，本文也采用油價數據來衡量運輸成本。利用北京市92#汽油價格代表油價變化情況，通過對每日油價進行加權平均測算出月度油價，以此來表示本月的油價水平，數據來源于東方財富網。（5）季節性因素：設定虛擬變量q2，q3，q4來表示季節性因素，q2、q3、q4分別表示第二、第三和第四季度，即4、5、6月均使用q2來表示，7、8、9月均用q3來表示，10、11、12月均用q4來表示。（6）重大節日：基于前文的分析，發現春節期間蔬菜價格普遍偏高，因此設定虛擬變量來表示春節這一重大節日，春節所在月份取值1，其余月份取值0。（7）天氣變化（米）：借鑒趙安平（2012）的研究選擇降水量表示天氣因素[4]，將一個月內每天的降水量進行加和，加和得到的月度數據表示這個月的降水水平，數據來源于中國氣象網。（8）通貨膨脹:借鑒李靚等（2017）在研究中選取消費者價格指數反映通貨膨脹水平[29]，本文選取北京市月度cpi數據衡量通貨膨脹水平，數據來源于北京市統計局網站。（9）新冠疫情：將疫情因素設置為虛擬變量，取值0表示未發生疫情，取值1表示發生了疫情。5.3回歸結果分析通過上述構建的模型，利用Stata16.0得到菠菜、黃瓜、胡蘿卜、西紅柿的回歸結果如表5-3。表5-3回歸估計結果變量菠菜黃瓜胡蘿卜西紅柿vegpi0.046***0.045***0.046***0.049***（2.98）（2.78）（6.60）（5.43）oil0.219-0.3410.107-0.281（0.81）（-1.59）（0.79）（-1.19）q2-0.834**-1.777***0.611***-1.740***（-2.39）（-5.99）（3.42）（-5.41）q31.592***-1.220***0.278-2.242***（4.48）（-4.16）（1.55）（-6.29）q4-0.291-0.613**-0.167-1.369***（-0.86）（-2.17）（-0.96）（-4.40）cj1.276***1.144***-0.0400.174（2.76）（2.98）（-0.17）（0.41）rain0.003-0.0250.0210.010（0.12）（-1.26）（1.70）（0.46）infla-0.1880.196-0.0050.513***（-1.09）（1.38）（-0.05）（3.27）xg-0.1640.0450.1721.279***（0.43）（0.15）（0.90）（3.63）_cons16.922-17.831-3.224***-50.240（1.03）（-1.30）（-0.38）（-3.30）注：“***”表示P<0.01,“**”表示P<0.05從菠菜價格變化方程來說，生產成本對菠菜價格產生顯著正向影響，回歸系數為0.046，表明生產成本每提高1個單位，菠菜價格會隨之上漲0.046個單位。菠菜價格的季節性變化明顯，第二季度的回歸系數為負，春菠菜一般在3月份左右播種，30-50天后收獲，第二季度正值菠菜的上市季節，菠菜供給增加，供大于求，此時價格處于低谷期。第三季度的回歸系數為正，由于選種夏菠菜的農戶較少，此時處于菠菜生產的淡季，市場上菠菜供給減少，供不應求，價格處于高峰期。春節因素對菠菜價格有正向影響，且該變量在5%顯著性的水平下通過檢驗，說明春節會顯著促進菠菜價格的提高，春節期間蔬菜消費需求量增加，蔬菜價格有所提高。流通成本、天氣變化、通貨膨脹、新冠疫情因素在95%的置信水平下均不顯著。從黃瓜價格變化方程來說，生產成本因素在1%的水平下通過顯著性檢驗，表明生產成本顯著促進黃瓜價格上漲，該變量的回歸系數為0.045，說明生產成本每提高1個單位，黃瓜價格就上漲0.045個單位。黃瓜價格的季節性波動明顯，第二、第三、第四季度的回歸系數均為負，露地春黃瓜一般在4月中下旬至5月中上旬種植，6月左右收獲，露地秋黃瓜在7月中下旬至8月中上旬種植，10月前后收獲，二、三、四季度是黃瓜生產的旺季，黃瓜價格較低。春節因素在1%的水平下通過顯著性檢驗，該變量回歸系數為正，說明春節因素對黃瓜價格產生積極促進作用，由于春節期間黃瓜需求增加，價格隨之上漲。流通成本、天氣變化、通貨膨脹、新冠疫情因素在95%的置信水平未通過顯著性檢驗。從胡蘿卜價格變化方程來說，vegpi的回歸系數為0.046，說明生產成本對胡蘿卜價格產生顯著積極作用，生產成本每增加一個單位，價格會增長0.046個單位。變量q2在1%的水平下通過顯著性檢驗，q3、q4在10%的水平下未通過顯著性檢驗，由于胡蘿卜是耐儲藏的作物，胡蘿卜價格受季節變化的影響不大，q2的系數為正說明第二季度對胡蘿卜價格有促進作用，北方地區一般分春、秋兩季栽培胡蘿卜，其中以秋季栽培為主，也有少量夏季栽培和春季地膜覆蓋或塑料棚栽培，第二季度處于胡蘿卜生產的淡季，市場供應量較少，胡蘿卜價格會有所提高。流通成本、季節性因素、天氣變化、通貨膨脹、新冠疫情變量在95%的置信水平下不顯著。從西紅柿價格變化方程來說，生產成本對西紅柿價格的增長有顯著助推作用，vegpi的回歸系數為0.049，說明生產成本每提高1個單位，西紅柿價格會增長0.049個單位。西紅柿價格變化與季節變化密切相關，季節性虛擬變量q2、q3、q4在1%的水平下通過顯著性檢驗，且回歸系數均為負，說明第二季度、第三季度、第四季度會促使西紅柿價格下降，北方地區露地春番茄一般在2月份左右播種，6月份前后收獲，而露地秋番茄一般在6-7月播種，10月份左右收獲，二、三、四季度是西紅柿的生產旺季和上市旺季，市場供應量增加，供求關系發生變化，導致西紅柿價格下降。通貨膨脹的回歸系數為0.513，該變量在1%的水平下通過顯著性檢驗，表明通貨膨脹水平每提高一個單位，西紅柿價格顯著提高0.513個單位。新冠疫情因素在1%的水平下通過顯著性檢驗，表明受新冠疫情的影響，西紅柿價格顯著上漲。流通成本、春節因素、天氣變化在該方程中不顯著。5.4本章小結本章基于相關性分析、多元回歸模型研究蔬菜價格的影響因素，首先通過梳理了影響蔬菜價格的因素，確定了研究變量，然后介紹了數據來源以及處理數據的方法，通過相關性分析考察各解釋變量間的相關性，由于蔬菜供給和流通成本、天氣變化、通貨膨脹因素之間相關性較高，所以剔除蔬菜供給變量，建立回歸模型進行分析，主要結論如下：（1）生產成本對蔬菜價格產生顯著正向影響，生產成本是構成蔬菜價格的基礎，直接影響蔬菜價格的高低，生產成本的增加會導致蔬菜價格的增長。（2）蔬菜價格的季節性波動明顯，這與蔬菜的生產周期密切相關，但胡蘿卜價格的季節性波動并不明顯。一般來說，處于蔬菜生產旺季以及蔬菜上市季，蔬菜供給增加，供大于求，蔬菜價格有所下降；而處于蔬菜生產淡季，市場供應量減少，蔬菜供不應求，價格會上漲。而胡蘿卜屬于耐儲藏、易運輸的蔬菜，因此胡蘿卜價格受季節性因素影響不大。（3）春節因素對蔬菜價格上漲有顯著助推作用，春節期間，蔬菜需求量增加，且冬季北方露地蔬菜難以生產，而南方蔬菜產量減少，蔬菜供給有所下降，二者共同作用導致蔬菜價格提高。在西紅柿回歸方程中，春節因素對西紅柿價格產生正向影響，但影響卻并不顯著。由于胡蘿卜是一種耐儲存且易于運輸的蔬菜，即使是春節期間，市場上胡蘿卜的需求和供給也不會出現大幅變化，春節因素對胡蘿卜價格的影響不顯著。（4）通貨膨脹對蔬菜價格具有顯著促進作用，但通貨膨脹變量僅在西紅柿的價格變化方程中顯著，其余方程中該變量均不顯著，原因可能蔬菜價格本質上由供應能力決定，而近年來蔬菜產量持續上漲，根據國家統計局數據，2015年全國蔬菜產量66425.10萬噸，2019年蔬菜年產量為72102.56萬噸，蔬菜產量增長了7%，蔬菜供應充足，通貨膨脹對大部分蔬菜價格影響不顯著。（5）新冠疫情背景下，西紅柿價格顯著增長，但該變量僅在西紅柿的價格變化方程中顯著。新冠疫情變量在其余方程中均不顯著，原因可能是疫情爆發后，政府相繼出臺了不少政策，統籌“菜籃子”產品穩產保供，在政府政策的助力下，盡可能減小疫情對蔬菜價格帶來的沖擊，穩定蔬菜價格，所以新冠疫情因素對大部分蔬菜的影響不顯著。（6）流通成本、天氣因素對蔬菜價格產生的影響幾乎不顯著，原因可能是國家對蔬菜流通渠道的補貼力度不斷加大，所以流通成本的上漲無法對蔬菜價格帶來顯著性影響。而隨著大棚技術的普及，蔬菜生產可以不再受限于自然天氣的影響，天氣因素僅在胡蘿卜價格變化方程中產生顯著影響。第六章研究結論與政策建議蔬菜是人們飲食中必不可少的食物之一，蔬菜價格與人民生活密切相關，因此研究蔬菜價格變動及影響因素，對于穩定蔬菜價格，促進蔬菜產業健康發展，保障農戶和居民利益具有重要作用。本文在梳理了相關供求及價格理論的基礎上，運用時間序列分析方法研究了蔬菜價格的變動及規律，通過文獻閱讀以及Pearson相關分析確定研究變量，并建立多元回歸模型考察各影響因素對蔬菜價格的影響。本章對以上各章節研究問題得到的主要結論進行系統性歸納，并基于此提出相關建議。6.1主要結論本文對蔬菜價格的變動及特征進行了研究，并運用多元回歸模型分析了蔬菜價格的影響因素，主要研究結論如下：（1）蔬菜價格波動特征的分析研究表明：從年際間角度分析，蔬菜價格在波動中緩慢上漲。從年內角度分析，第一季度的蔬菜價格偏高，第二季度價格下降，之后有所回升。蔬菜價格波動有三種類型，葉菜類蔬菜呈現出“兩峰兩谷”的特點，價格高峰期為2月和8月，價格低谷期為5月和11月。瓜菜類蔬菜、茄果類蔬菜呈現出“一峰一谷”的特點，價格在2月份左右達到最高點，在6月份前后達到最低點。而根莖類蔬菜的價格波動呈現出“谷峰不明顯”的特點，整體價格波動較為平穩。從疫情前后角度分析，疫情爆發后蔬菜價格有所上漲，不同種類蔬菜漲幅有所差異，但蔬菜價格波動規律相較于疫情前變化不大。(2)蔬菜價格的分解與分析研究表明：北京市蔬菜價格具有明顯的季節波動性，季節指數整體表現為冬春季節偏高，夏季偏低。剔除季節指數后，長期來看北京市蔬菜價格具有上漲的趨勢。北京市蔬菜價格具有一定的周期波動性和隨機波動性，可將2015-2020年的蔬菜價格波動分為2個周期，其中第二個周期的波動幅度略大于第一個周期，而隨機波動因子呈現出無序性的特點。同時，蔬菜價格具有顯著自相關性，上一期價格越高，當期價格隨之越高。（3）蔬菜價格影響因素的分析研究表明：影響北京市蔬菜價格的主要因素有生產成本、季節性變化以及重大節日因素。生產成本對蔬菜價格增長有顯著促進作用，生產成本越高，蔬菜價格越高。由于蔬菜生產的季節性，季節性因素通過影響蔬菜的生產，進而影響蔬菜上市量，導致蔬菜市場供求關系改變而影響蔬菜價格。重大節日主要指春節，春節因素顯著促進蔬菜價格提高。新冠疫情的爆發導致蔬菜價格上漲，但新冠疫情的促進作用并不顯著。6.2政策建議基于以上研究結論，為進一步穩定蔬菜價格、促進農民增收、保障消費者利益、促進蔬菜產業健康發展，提出了如下政策建議：（1）政府應不斷完善相關監管制度，建立蔬菜價格預警機制，完善風險防范制度。實行對蔬菜價格波動的監督，加強各商超、零售銷售點蔬菜價格日常監管,嚴格發揮政府的監督管理作用，同時政府應不斷建立健全蔬菜產銷體系，防止因突發情況或偶然因素導致蔬菜價格突然暴漲或者暴跌的現象，促進價格的合理波動，增強蔬菜產業的抗風險能力，穩定蔬菜價格。（2）針對蔬菜價格波動特征，政府應合理利用政策穩定蔬菜價格。北京市蔬菜價格季節性波動特征明顯。蔬菜需求屬于剛性需求，應主要從穩定供給量方面入手穩定蔬菜價格。在蔬菜供給較少且價格較高的季節，政府可以加大蔬菜補貼，鼓勵菜農種植蔬菜，保證蔬菜供給、穩住菜價，保障居民購菜；在蔬菜供給量較大且價格較低的季節，保證銷售渠道暢通，避免蔬菜價格的劇烈波動，保證菜農穩定收入。（3）針對蔬菜價格主要影響因素，政府可以實施科技化發展戰略，提高蔬菜單產，保障蔬菜品質，依靠科學技術降低蔬菜直接生產成本。鼓勵發展蔬菜生產合作社，發揮龍頭企業的帶頭作用，提高農業生產效率，降低農戶生產成本。同時蔬菜價格受季節性變化、重大節日等因素的影響，政府一方面應不斷完善相關的補貼政策，保障農民在生產淡季的收益，另一方面可以發掘新型蔬菜銷售模式，如農家樂、果園采摘等，提高蔬菜的銷售，促進農民增收，從而保障蔬菜生產，促進蔬菜價格的穩定。參考文獻[1]徐依婷,穆月英,趙友森.北京市蔬菜價格變動及影響因素分析[J].中國蔬菜,2017(11):62-69.[2]潘鳳杰,穆月英.北京市蔬菜價格變動趨勢及影響因素分析[J].農業展望,2010,6(08):24-28.[3]孫倩,穆月英.蔬菜價格變動、影響因素及價格預測——以北京市批發市場為例[J].中國蔬菜,2011(09):9-14.[4]趙安平,趙友森,王川.北京市蔬菜價格波動的影響因素和評估及政策建議[J].農業現代化研究,2012,33(05):598-602.[5]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(09):1-7.[6]趙曉飛.蔬菜價格波動的規律、影響因素與調控對策研究[J].當代經濟管理,2015,37(02):37-42.[7]趙安平,王大山,肖金科,蘆天罡,王曉東.蔬菜價格時間序列的分解與分析——基于北京市2002-2012年數據[J].華中農業大學學報(社會科學版),2014(01):49-53.[8]郭力野.我國蔬菜價格周期性波動規律分析[J].中國蔬菜,2014(01):41-45.[9]趙仕紅.蔬菜價格上漲及波動的成因分析[J].企業經濟,2012,31(06):100-103.[10]莊稼漢,劉偉平.福建省蔬菜價格波動的影響因素分析[J].福建農業學報,2016,31(01):84-88.[11]李崇光,肖小勇,張有望.蔬菜流通不同模式及其價格形成的比較——山東壽光至北京的蔬菜流通跟蹤考察[J].中國農村經濟,2015(08):53-66.[12]劉凱,穆月英,韓婷.蔬菜價格波動及風險研究——以北京為例[J].中