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(nóng)產(chǎn)品，其價(jià)格的大幅度波動(dòng)會(huì)給農(nóng)民的穩(wěn)定增收和市民的生活消費(fèi)帶來重大影響。本文采用修正序列相關(guān)和ARCH模型，實(shí)證分析了氣候?yàn)?zāi)害對(duì)蔬菜價(jià)格波動(dòng)的影響，結(jié)果表明發(fā)生氣候?yàn)?zāi)害會(huì)導(dǎo)致蔬菜價(jià)格不規(guī)則波動(dòng)加劇，不同類別蔬菜價(jià)格受氣候?yàn)?zāi)害影響的程度不同，并根據(jù)所得結(jié)論給出相關(guān)政策建議。

[關(guān)鍵詞]蔬菜價(jià)格;氣候?yàn)?zāi)害;X-12-ARIMA;序列相關(guān);ARCH模型

中圖分類號(hào)：F323.7 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.16465/j.gste.cn431252ts.202006

蔬菜是農(nóng)民收入的重要組成部分，同時(shí)也是城鎮(zhèn)居民日常生活消費(fèi)的主要支出來源。因此，蔬菜價(jià)格的異常波動(dòng)會(huì)直接破壞城鄉(xiāng)居民生活水平和蔬菜市場價(jià)格水平的常態(tài)，進(jìn)而給社會(huì)生活質(zhì)量和農(nóng)產(chǎn)品市場穩(wěn)態(tài)造成不利影響。

近些年，我國蔬菜價(jià)格大幅度波動(dòng)，菜賤傷農(nóng)的現(xiàn)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(dǎo)致3月、4月蔬菜價(jià)格跌破1996年以來的最低點(diǎn);2008年1月中國南方大部分地區(qū)遭遇長時(shí)間、高強(qiáng)度低溫、雨雪等自然災(zāi)害，使得蔬菜價(jià)格從1月開始大幅度持續(xù)上漲，2月上漲幅度一度達(dá)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(zāi)害，武漢市監(jiān)測(cè)的20個(gè)蔬菜品種綜合平均零售價(jià)上漲23.74%。蔬菜價(jià)格的異常波動(dòng)嚴(yán)重?fù)p害了蔬菜生產(chǎn)者的利益和消費(fèi)者的福利，給農(nóng)產(chǎn)品市場及相關(guān)產(chǎn)業(yè)造成了重大沖擊，不利于國家宏觀經(jīng)濟(jì)穩(wěn)步健康發(fā)展。

現(xiàn)有研究對(duì)蔬菜價(jià)格的波動(dòng)特征和相關(guān)因素進(jìn)行了不同角度和層面的理論分析，但當(dāng)前關(guān)于氣候?yàn)?zāi)害對(duì)蔬菜價(jià)格波動(dòng)影響的研究尚存在不足：大部分文獻(xiàn)均針對(duì)氣候?yàn)?zāi)害對(duì)蔬菜價(jià)格波動(dòng)的影響做了定性分析，但專門針對(duì)氣候?yàn)?zāi)害對(duì)蔬菜價(jià)格波動(dòng)影響的系統(tǒng)性實(shí)證研究很少。而氣候?yàn)?zāi)害作為隨機(jī)因素的重要組成部分，研究其對(duì)蔬菜價(jià)格波動(dòng)的影響機(jī)理并提出相應(yīng)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(jià)格數(shù)據(jù)，采用X-12-ARIMA季節(jié)調(diào)整模型剝離出不規(guī)則波動(dòng)序列，建立氣候?yàn)?zāi)害的經(jīng)典線性回歸模型和ARCH模型，對(duì)氣候?yàn)?zāi)害與蔬菜價(jià)格波動(dòng)進(jìn)行實(shí)證分析。

1 文獻(xiàn)綜述

1.1 農(nóng)產(chǎn)品價(jià)格影響因素和波動(dòng)原因

對(duì)農(nóng)產(chǎn)品價(jià)格影響因素和波動(dòng)原因的研究一直是國內(nèi)外學(xué)者的研究熱點(diǎn)。從供給局部均衡的角度上，F(xiàn)ox K A[1]通過構(gòu)建價(jià)格均衡模型，把農(nóng)產(chǎn)品市場等相關(guān)領(lǐng)域現(xiàn)象與需求和供給結(jié)合進(jìn)行了分析。Apergins N[2]通過從生產(chǎn)成本的角度分析，認(rèn)為格蘭杰因果關(guān)系顯著性地存在于農(nóng)業(yè)生產(chǎn)資料與農(nóng)產(chǎn)品批發(fā)價(jià)格之間。國內(nèi)學(xué)者針對(duì)貨幣供應(yīng)量、通貨膨脹、農(nóng)業(yè)政策等外部因素和供給關(guān)系、生產(chǎn)成本等內(nèi)在因素，對(duì)農(nóng)產(chǎn)品價(jià)格波動(dòng)進(jìn)行了大量的研究[3-4]。

1.2 蔬菜價(jià)格波動(dòng)特征和影響因素

關(guān)于蔬菜價(jià)格波動(dòng)特征和影響因素的研究一直是學(xué)術(shù)界關(guān)注的焦點(diǎn)問題。大量研究基于時(shí)間序列數(shù)據(jù)特征將蔬菜價(jià)格影響因素分離為季節(jié)因素、趨勢(shì)因素、循環(huán)因素和不規(guī)則因素四類，以此分析蔬菜價(jià)格的波動(dòng)特征。羅超平等[5]研究發(fā)現(xiàn)不規(guī)則波動(dòng)序列振動(dòng)幅度大且振動(dòng)頻繁，季節(jié)因素序列呈現(xiàn)先降后升的態(tài)勢(shì)，趨勢(shì)序列隨時(shí)間的推移直線上升，循環(huán)波動(dòng)序列表現(xiàn)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(jià)數(shù)據(jù)得出類似結(jié)論：蔬菜價(jià)格的周期性和季節(jié)性波動(dòng)較為突出，隨機(jī)因素如自然災(zāi)害等對(duì)其影響較大。針對(duì)蔬菜價(jià)格的影響因素，屠強(qiáng)[7]以黑龍江省為例，分析得出導(dǎo)致其淡季蔬菜價(jià)格波動(dòng)較大的原因有氣候、運(yùn)輸、產(chǎn)地、經(jīng)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(huì)導(dǎo)致較高的流動(dòng)損耗成本，并最終反映在居高不下的蔬菜價(jià)格上。

1.3 自然災(zāi)害對(duì)農(nóng)產(chǎn)品價(jià)格波動(dòng)的影響

眾多農(nóng)產(chǎn)品價(jià)格波動(dòng)原因的研究中都將自然災(zāi)害作為主要的影響因素之一。有相關(guān)研究對(duì)自然災(zāi)害和糧食價(jià)格波動(dòng)進(jìn)行實(shí)證分析，結(jié)果表明農(nóng)業(yè)自然災(zāi)害與糧食價(jià)格波動(dòng)呈高度相關(guān)，且災(zāi)害發(fā)生強(qiáng)度和影響強(qiáng)度直接影響到糧食產(chǎn)量的高低，進(jìn)而引起糧食市場的價(jià)格波動(dòng)[9-10]?；趪H農(nóng)產(chǎn)品貿(mào)易理論，李靜等[11]研究發(fā)現(xiàn)國內(nèi)外自然災(zāi)害事件均會(huì)給食品價(jià)格波動(dòng)造成顯著的直接沖擊和間接影響。付蓮蓮[12]認(rèn)為自然災(zāi)害因素是農(nóng)產(chǎn)品價(jià)格波動(dòng)的深層根源，對(duì)其價(jià)格短期波動(dòng)造成重大影響。但也有部分研究認(rèn)為自然災(zāi)害等突發(fā)性因素對(duì)農(nóng)產(chǎn)品價(jià)格波動(dòng)影響有限，如郭芳[13]認(rèn)為農(nóng)業(yè)自然災(zāi)害雖會(huì)影響農(nóng)產(chǎn)品價(jià)格，但價(jià)格波動(dòng)的主要因素為農(nóng)產(chǎn)品收購價(jià)格而非自然災(zāi)害。

1.4 自然災(zāi)害對(duì)蔬菜價(jià)格波動(dòng)的影響

而蔬菜作為農(nóng)產(chǎn)品的主要組成部分，包含異常災(zāi)害在內(nèi)的氣候因素同樣是影響其價(jià)格波動(dòng)的主要因素。李干瓊等[14]通過格蘭杰因果檢驗(yàn)與VAR模型，驗(yàn)證了氣候因素是蔬菜價(jià)格波動(dòng)的原因并分析了相對(duì)影響程度。王釗[15]基于UMLE模型，從空間分析的角度對(duì)地區(qū)蔬菜價(jià)格變動(dòng)進(jìn)行研究，結(jié)果表明天氣因素是引起地區(qū)蔬菜價(jià)格劇烈波動(dòng)的原因之一。李娜[16]認(rèn)為低溫害和澇漬害等氣象災(zāi)害對(duì)我國蔬菜價(jià)格波動(dòng)的影響程度極大。大量研究認(rèn)為發(fā)生氣候?yàn)?zāi)害時(shí)會(huì)給蔬菜生產(chǎn)、運(yùn)輸流通過程帶來不利影響，導(dǎo)致生產(chǎn)成本、運(yùn)輸成本上漲從而使得蔬菜價(jià)格整體上行[17-18]。

當(dāng)前大部分文獻(xiàn)只對(duì)蔬菜價(jià)格波動(dòng)與氣候?yàn)?zāi)害間的關(guān)系進(jìn)行了定性討論，特定針對(duì)并實(shí)證分析氣候?yàn)?zāi)害對(duì)蔬菜價(jià)格波動(dòng)影響的研究較少。為彌補(bǔ)該研究領(lǐng)域的空白，本文針對(duì)氣候?yàn)?zāi)害對(duì)蔬菜價(jià)格波動(dòng)的影響機(jī)理展開研究分析。

2 研究設(shè)計(jì)和樣本數(shù)據(jù)

2.1 變量定義

2.1.1 蔬菜價(jià)格的不規(guī)則波動(dòng)

時(shí)間序列數(shù)據(jù)（Y）的波動(dòng)原因可歸結(jié)為四種因素：季節(jié)變動(dòng)（S）、趨勢(shì)變動(dòng)（T）、循環(huán)變動(dòng)（C）和不規(guī)則變動(dòng)（I）[19]。而原序列與這四種因素之間的關(guān)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(jià)格原始序列中剝離出不規(guī)則波動(dòng)序列P_IRt，即t期的蔬菜價(jià)格不規(guī)則波動(dòng)。

2.1.2 氣候?yàn)?zāi)害

本文設(shè)置虛擬變量Xt，表示t期是否發(fā)生氣候?yàn)?zāi)害。具體形式如下：

（3）

2.2 研究方法

2.2.1 X-12-ARIMA季節(jié)調(diào)整模型

X-12-ARIMA季節(jié)調(diào)整模型是1998年美國普查局基于X-11-ARIMA改進(jìn)的分離時(shí)間序列數(shù)據(jù)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(dòng)平均算子;

為季節(jié)移動(dòng)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(gòu)建殘差項(xiàng)的自回歸方程AR（p）修正隨機(jī)干擾項(xiàng)序列相關(guān)

蔬菜價(jià)格不規(guī) 則波動(dòng)關(guān)于氣候?yàn)?zāi)害的回歸估計(jì)模型如下：

（5）

其中，P_IRt為各大宗蔬菜價(jià)格t期的不規(guī)則波動(dòng);Xt為虛擬變量氣候?yàn)?zāi)害。

對(duì)于經(jīng)典線性回歸模型，其他基本假設(shè)成立的條件下，隨機(jī)干擾項(xiàng)序列相關(guān)即

（6）

如果t隨機(jī)干擾項(xiàng)存在序列相關(guān)，但仍采用普通最小二乘法進(jìn)行估計(jì)，則參數(shù)估計(jì)量失去有效性，隨機(jī)干擾項(xiàng)方差估計(jì)量有偏誤，擬合優(yōu)度檢驗(yàn)和參數(shù)顯著性檢驗(yàn)均失效，模型的預(yù)測(cè)估計(jì)也無意義。

若隨機(jī)干擾項(xiàng)t存在序列相關(guān)，則采取構(gòu)建殘差項(xiàng)的自回歸方程AR（p）的方式對(duì)序列相關(guān)性進(jìn)行修正[21]。具體操作如下：

（7）

（8）

（9）

隨機(jī)干擾項(xiàng)的一階自回歸方程AR（1）如式（7）所示，其中εt為純隨機(jī)序列，式（8）為t-1期蔬菜價(jià)格不規(guī)則波動(dòng)關(guān)于氣候?yàn)?zāi)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(shí)最小二乘模型的參數(shù)估計(jì)量具備有效性，變量顯著性檢驗(yàn)中t統(tǒng)計(jì)量恢復(fù)正常。

2.2.3 ARCH類模型

（1）ARCH模型。當(dāng)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(xiàng)、q為滯后階數(shù)。其目的是隨機(jī)干擾項(xiàng)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(jī)序列性質(zhì)。

（2）GARCH模型。當(dāng)ARCH模型中存在高階條件異方差效應(yīng)時(shí)，即ARCH模型中殘差的滯后階數(shù)q取值很大時(shí)，可采用條件方差的滯后項(xiàng)替代過多的隨機(jī)干擾項(xiàng)平方的參數(shù)，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(jī)干擾項(xiàng)的平方項(xiàng);ht-j表示t-j期條件方差;γi和t分別體現(xiàn)外部因素和前期自身波動(dòng)對(duì)當(dāng)前波動(dòng)的影響強(qiáng)度。

2.3 樣本數(shù)據(jù)來源

本文分析蔬菜價(jià)格不規(guī)則波動(dòng)采用的均為月度數(shù)據(jù)，選取2004年1月到2018年10月期間，白菜等9種蔬菜共1 602個(gè)月度價(jià)格樣本。

2.3.1 各大宗蔬菜價(jià)格數(shù)據(jù)

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(jià)格數(shù)據(jù)均來自商務(wù)部公布的農(nóng)產(chǎn)品批發(fā)價(jià)格周數(shù)據(jù)，單位為元/kg。根據(jù)所獲得的9種蔬菜的周價(jià)格數(shù)據(jù)計(jì)算對(duì)應(yīng)的月平均價(jià)格，以此新價(jià)格序列作為9種蔬菜價(jià)格的原序列。

2.3.2 氣候?yàn)?zāi)害數(shù)據(jù)

首先匯總2004年到2016年《中國氣象災(zāi)害年鑒》中“重大氣象災(zāi)害”版塊和2017年與2018年《中國氣候公報(bào)》中“中國重大天氣氣候時(shí)間”版塊中記錄的氣候?yàn)?zāi)害事件。然后匯總出有重大氣候?yàn)?zāi)害記錄的月份，查閱各大門戶網(wǎng)站、報(bào)紙刊物等新聞媒體信息，篩選出對(duì)蔬菜生產(chǎn)實(shí)際造成影響的農(nóng)業(yè)氣候?yàn)?zāi)害發(fā)生月份，設(shè)置虛擬變量氣候?yàn)?zāi)害。

3 實(shí)證分析

3.1 基于X-12-ARIMA季節(jié)調(diào)整模型的數(shù)據(jù)處理

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

3.2 各大宗蔬菜價(jià)格不規(guī)則波動(dòng)和氣候?yàn)?zāi)害序列平穩(wěn)性檢驗(yàn)

由于本文選取的是時(shí)間序列數(shù)據(jù)，而以不平穩(wěn)的時(shí)間序列數(shù)據(jù)建立的計(jì)量經(jīng)濟(jì)學(xué)模型會(huì)導(dǎo)致假設(shè)檢驗(yàn)或者參數(shù)估計(jì)等不準(zhǔn)確。蔬菜價(jià)格不規(guī)則波動(dòng)序列和氣候?yàn)?zāi)害序列的ADF平穩(wěn)性檢驗(yàn)結(jié)果如表1所示。其中（c，0）中“c”表示含外生變量常數(shù)項(xiàng)，“0”表示基于SIC準(zhǔn)則下的滯后階數(shù)。此處因?yàn)楸粰z驗(yàn)序列為蔬菜價(jià)格不規(guī)則波動(dòng)序列和氣候?yàn)?zāi)害序列，不具備時(shí)間趨勢(shì)，因此均不加入時(shí)間趨勢(shì)項(xiàng)。

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

3.3 氣候?yàn)?zāi)害對(duì)蔬菜價(jià)格不規(guī)則波動(dòng)的影響

本文通過建立蔬菜價(jià)格不規(guī)則波動(dòng)和氣候?yàn)?zāi)害序列之間的線性回歸模型，進(jìn)而估計(jì)氣候?yàn)?zāi)害對(duì)蔬菜價(jià)格波動(dòng)的影響。回歸結(jié)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(jià)格的不規(guī)則波動(dòng)關(guān)于氣候?yàn)?zāi)害回歸模型中的回歸系數(shù)β1，均在對(duì)應(yīng)1%、5%、10%的顯著性水平下通過檢驗(yàn);且D.W.值均接近于2，說明每個(gè)方程的殘差序列均不存在一階序列相關(guān);n*R2為拉格朗日乘數(shù)檢驗(yàn)（LM檢驗(yàn)）的統(tǒng)計(jì)量，各方程對(duì)應(yīng)該統(tǒng)計(jì)量均不顯著，表明接受原假設(shè)，即殘差序列不存在小于等于一階的序列相關(guān)。

而表3中所示的白菜、白蘿卜、青菜和圓白菜4種蔬菜價(jià)格的不規(guī)則波動(dòng)關(guān)于氣候?yàn)?zāi)害回歸模型中的回歸系數(shù)β1顯著性較低，且存在未通過顯著性檢驗(yàn)的情況;各D.W.值均顯著小于2，說明每個(gè)方程的殘差序列均存在一階序列正相關(guān);每個(gè)方程對(duì)應(yīng)n*R2統(tǒng)計(jì)量均在1%的顯著性水平下通過檢驗(yàn)，拒絕原假設(shè)即殘差序列不存在小于等于二階序列相關(guān)。計(jì)量經(jīng)濟(jì)學(xué)模型一旦出現(xiàn)序列相關(guān)性，如果仍采用最小二乘法模型估計(jì)參數(shù)，則參數(shù)估計(jì)量不再具備有效性，當(dāng)變量顯著性檢驗(yàn)中t統(tǒng)計(jì)量出現(xiàn)偏誤，模型的預(yù)測(cè)估計(jì)也不再準(zhǔn)確。

因此，對(duì)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(gòu)建殘差項(xiàng)的自回歸方程AR（p）來對(duì)隨即干擾項(xiàng)的序列相關(guān)性進(jìn)行修正。

修正序列相關(guān)后的白菜等4種蔬菜價(jià)格不規(guī)則波動(dòng)對(duì)氣候?yàn)?zāi)害的回歸估計(jì)結(jié)果如表4所示。對(duì)于白菜構(gòu)建二階的殘差項(xiàng)自回歸方程，而對(duì)于白蘿卜、青菜、圓白菜構(gòu)建一階的殘差項(xiàng)回歸方程。經(jīng)過修正后，白菜、白蘿卜、青菜、圓白菜4種蔬菜價(jià)格的不規(guī)則波動(dòng)關(guān)于氣候?yàn)?zāi)害回歸模型中的回歸系數(shù)β1均對(duì)應(yīng)在10%、5%的顯著性水平下通過檢驗(yàn)，各個(gè)方程對(duì)應(yīng)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(yàn)中，對(duì)應(yīng)輔助回歸防方程中的二階滯后殘差項(xiàng)的參數(shù)Reside（-2）均未通過10%的顯著性檢驗(yàn)，而白菜的對(duì)應(yīng)參數(shù)也在1%的顯著性水平下拒絕原假設(shè)，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(guān)性。

綜合豆角等5種蔬菜價(jià)格不規(guī)則波動(dòng)關(guān)于氣候?yàn)?zāi)害的直接回歸結(jié)果和白菜等4種蔬菜價(jià)格不規(guī)則波動(dòng)關(guān)于氣候?yàn)?zāi)害的修正序列相關(guān)回歸結(jié)果可以證明，發(fā)生氣候?yàn)?zāi)害會(huì)導(dǎo)致蔬菜價(jià)格不規(guī)則波動(dòng)加劇。

3.4 蔬菜價(jià)格不規(guī)則波動(dòng)關(guān)于氣候?yàn)?zāi)害的ARCH類模型

LM統(tǒng)計(jì)量為LM檢驗(yàn)原回歸方程殘差序列ARCH效應(yīng)的統(tǒng)計(jì)量，豆角、黃瓜、苦瓜、茄子、生菜5種蔬菜價(jià)格關(guān)于氣候?yàn)?zāi)害回歸方程對(duì)應(yīng)的滯后一階LM統(tǒng)計(jì)量均未通過檢驗(yàn)，表明不存在ARCH效應(yīng)。而白菜、白蘿卜、圓白菜、青菜4種蔬菜價(jià)格關(guān)于氣候?yàn)?zāi)害的回歸方程中，滯后一階LM統(tǒng)計(jì)量分別在10%、5%、1%的顯著性水平下拒絕了蔬菜價(jià)格序列不存在ARCH效應(yīng)的原假設(shè)。

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

通過白菜、白蘿卜、圓白菜價(jià)格不規(guī)則波動(dòng)關(guān)于氣候?yàn)?zāi)害的ARCH或GARCH模型，補(bǔ)充證明發(fā)生氣候?yàn)?zāi)害會(huì)導(dǎo)致蔬菜價(jià)格不規(guī)則波動(dòng)加劇。

對(duì)于氣候?yàn)?zāi)害會(huì)導(dǎo)致蔬菜價(jià)格不規(guī)則波動(dòng)加劇的解釋：如發(fā)生嚴(yán)重干旱災(zāi)害，會(huì)影響大部分蔬菜正常生長，導(dǎo)致蔬菜產(chǎn)量下降，供不應(yīng)求，最終使得蔬菜價(jià)格上升;如發(fā)生暴雨洪澇災(zāi)害，除了造成蔬菜產(chǎn)量下降，還會(huì)使得蔬菜運(yùn)輸受阻，從而增加運(yùn)輸成本，使得蔬菜價(jià)格在低產(chǎn)量和高成本的共同作用下急劇增高等。

4 結(jié)論及建議

4.1 結(jié)論

本文基于對(duì)白菜等9種蔬菜剝離季節(jié)性因素和趨勢(shì)—循環(huán)因素得到的對(duì)應(yīng)蔬菜價(jià)格不規(guī)則波動(dòng)序列和氣候?yàn)?zāi)害序列，通過構(gòu)建兩者之間的回歸模型實(shí)證分析了氣候?yàn)?zāi)害對(duì)蔬菜價(jià)格不規(guī)則波動(dòng)的影響。

實(shí)證分析結(jié)果顯示，當(dāng)發(fā)生氣候?yàn)?zāi)害時(shí)，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(jià)格的不規(guī)則波動(dòng)對(duì)應(yīng)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?yàn)?zāi)害會(huì)導(dǎo)致蔬菜價(jià)格不規(guī)則波動(dòng)加劇。

4.2 政策建議

（1）建立健全完善農(nóng)業(yè)氣候?yàn)?zāi)害預(yù)警監(jiān)測(cè)系統(tǒng)，在最大程度上做好災(zāi)前預(yù)防措施以減少損失。各級(jí)地方政府應(yīng)該建立健全農(nóng)業(yè)氣候?yàn)?zāi)害預(yù)警監(jiān)測(cè)系統(tǒng)，完成對(duì)農(nóng)業(yè)氣候?yàn)?zāi)害最大限度的預(yù)測(cè)，使蔬菜生產(chǎn)者和集體組織提前做好防災(zāi)減災(zāi)準(zhǔn)備。同時(shí)應(yīng)及時(shí)公布?xì)夂驗(yàn)?zāi)害監(jiān)測(cè)信息，為蔬菜市場及時(shí)采取相應(yīng)調(diào)控措施提供助力，維持蔬菜價(jià)格市場的穩(wěn)定。

（2）加強(qiáng)農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)，增強(qiáng)蔬菜產(chǎn)區(qū)對(duì)氣候?yàn)?zāi)害的綜合應(yīng)對(duì)能力。各級(jí)政府應(yīng)推動(dòng)包括防洪設(shè)備、農(nóng)機(jī)設(shè)備、氣象設(shè)施等在內(nèi)的生產(chǎn)性基礎(chǔ)設(shè)施建設(shè)，加強(qiáng)蔬菜產(chǎn)區(qū)對(duì)氣候?yàn)?zāi)害的承受能力，提升對(duì)氣候?yàn)?zāi)害的治理水平，以保持蔬菜產(chǎn)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(shí)蔬菜保險(xiǎn)政策和補(bǔ)貼體系，切實(shí)幫助農(nóng)戶分散蔬菜生產(chǎn)風(fēng)險(xiǎn)。推動(dòng)蔬菜保險(xiǎn)補(bǔ)貼措施發(fā)展，科學(xué)優(yōu)化保險(xiǎn)模式且保證其靈活性，在合理區(qū)間內(nèi)提高保險(xiǎn)補(bǔ)償和補(bǔ)貼水平。同時(shí)提升蔬菜生產(chǎn)主體對(duì)蔬菜生產(chǎn)風(fēng)險(xiǎn)的認(rèn)知水平和重視程度，增強(qiáng)其參保意識(shí)和參保積極性。

參考文獻(xiàn)

[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(nóng)產(chǎn)品價(jià)格上漲分析[J].中國農(nóng)村經(jīng)濟(jì)，?2011（2）：11-21.

[4]付蓮蓮，鄧群釗.農(nóng)產(chǎn)品價(jià)格波動(dòng)影響因素的通徑分析：基于2000—2013年月度數(shù)據(jù)[J].經(jīng)濟(jì)經(jīng)緯， 2014，31（6）：29-34.

[5]羅超平，翟瓊，李靖文.基于時(shí)間序列數(shù)據(jù)的蔬菜價(jià)格波動(dòng)特征及影響因子分析[J].西南大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，35（4）：26-31.

[6]王麗娟，劉桂峰，信麗媛，等.天津市蔬菜價(jià)格波動(dòng)規(guī)律及短期預(yù)測(cè)——基于時(shí)間序列的季節(jié)調(diào)整和預(yù)測(cè)[J].中國農(nóng)學(xué)通報(bào)，?2015，31（9）：286-290.

[7]屠強(qiáng).黑龍江省蔬菜批發(fā)價(jià)格變動(dòng)規(guī)律及影響因素的探究[J].對(duì)外經(jīng)貿(mào)，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(duì)外經(jīng)貿(mào)，2014（8）：75-76.

[9]趙霞.農(nóng)業(yè)自然災(zāi)害與糧食價(jià)格波動(dòng)：基于中國1978—2010年間的數(shù)據(jù)[J].統(tǒng)計(jì)與信息論壇，2012，27（10）：38-43.

[10]陳衛(wèi)洪，謝曉英.氣候?yàn)?zāi)害對(duì)糧食安全的影響機(jī)制研究[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2013（1）：12-19.

[11]李靜，楠玉.我國食品價(jià)格波動(dòng)沖擊路徑的隨機(jī)因素分析[J].經(jīng)濟(jì)經(jīng)緯，2013（2）：28-32.

[12]付蓮蓮.國內(nèi)農(nóng)產(chǎn)品價(jià)格波動(dòng)影響因素的結(jié)構(gòu)及動(dòng)態(tài)演變機(jī)制[D].南昌：南昌大學(xué)，2014.

[13]郭芳.中國農(nóng)產(chǎn)品收購價(jià)格農(nóng)業(yè)災(zāi)害與農(nóng)產(chǎn)品產(chǎn)量波動(dòng)分析[J].西南師范大學(xué)學(xué)報(bào)（自然學(xué)科版），2002，27（1）：102-105.

[14]李干瓊，許世衛(wèi)，李哲敏，等.蔬菜市場價(jià)格短期波動(dòng)影響因素分析：基于VAR模型的實(shí)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(jià)格變動(dòng)的空間計(jì)量分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2013（11）：4-14.

[16]李娜.我國蔬菜價(jià)格波動(dòng)的影響因素研究[D].泰安：山東農(nóng)業(yè)大學(xué)，2013.

[17]李崇光，包玉澤.我國蔬菜價(jià)格波動(dòng)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(nóng)產(chǎn)品市場分析與預(yù)測(cè)[J].農(nóng)業(yè)展望，?2009（5）：8-11.

[19]易丹輝.數(shù)據(jù)分析與Eviews應(yīng)用[M].北京：中國人民大學(xué)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(yīng)量蔬菜調(diào)控政策與蔬菜價(jià)格波動(dòng)分析[J].統(tǒng)計(jì)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