异常降水一定会加剧蔬菜价格的波动吗？——基于武汉地区的实证分析

喻 妍，田清淞，项朝阳

(华中农业大学经济管理学院，武汉 430070)

作为我国农民种植的主要经济作物、大众餐桌上的主要菜品和出口创汇的重要来源，蔬菜具有重要的经济地位。但在蔬菜产业发展中，往往面临均衡供应、质量安全、价格波动三大问题[1]。特别是由于蔬菜生产的季节性强、蔬菜本身易腐不易储等特性加剧了蔬菜的供需不平衡，使得蔬菜价格波动更加频繁。以居民消费者价格分类指数为例，从2008年1月到2017年6月，蔬菜指数有4次上涨幅度超过20%，19次上涨幅度超过10%，同时又有11次下降幅度超过10%，蔬菜价格呈现频繁而剧烈的变动。这种剧烈的价格波动严重影响了居民的正常生活和社会稳定，因此，进一步挖掘蔬菜价格波动的原因及其机理具有十分重要的现实意义。

目前，蔬菜价格波动的研究主要集中于价格波动的特征、原因等方面。罗超平等[2]利用PVAR模型认为我国蔬菜价格经常发生剧烈波动，并且自2007年下半年来波动幅度明显增大；李崇光等[3]通过将蔬菜价格序列分解，发现我国蔬菜价格波动主要表现为季节性波动、循环性波动和不规则波动；究其蔬菜价格波动的原因，蔬菜供需不平衡、成本推动、货币供应量被认为是主要的因素[4-5]。而关于异常天气对蔬菜价格的影响也常被媒体报道，如2014年7月的广州持续降水，不仅让当地的气温走低，还使得广州多种蔬菜价格出现不同程度的上涨，其中长豆角的价格上涨约两成；2016年7月受长江流域连降暴雨影响，7月5日武汉市监测的20个蔬菜品种综合平均零售价格为3.44元(人民币，下同)，较上周二上涨23.74%；2017年7月的最后1周，华北各地持续降水，蔬菜价格特别是叶类菜价格出现不同程度上涨。以上报道均一致认为异常天气发生后，蔬菜价格有明显的波动，并且严重影响了居民的正常生活。那么，异常天气下是否所有的蔬菜价格都会上涨？异常天气对蔬菜价格的影响如何产生？进一步分析这些问题对了解蔬菜价格的波动，特别是应对异常天气下的波动等都有一定程度的贡献。

1 异常天气对蔬菜价格的影响机理

赵安平等[6]认为蔬菜属于种植业，无论是露地蔬菜还是设施蔬菜，其价格都会受到天气因素的直接影响，他还利用北京市的降雨量和积雪数据，构建蔬菜价格波动的回归模型进行了实证分析；涂涛涛等[7]则对蔬菜价格的波动进行分解，发现气候变化和自然灾害等突发事件会影响蔬菜价格的季节变动和不规则要素的变动。

这种变动可以分别从蔬菜生产和蔬菜流通两个角度解释。一是异常天气会影响蔬菜生产，由于蔬菜生长对环境(包括温度、湿度、降水等)有一定的要求，遇到洪涝、干旱、低温、高温等异常气象均直接导致蔬菜产量受损，间断了蔬菜的有效供应，如李崇光等[5]具体分析了2009年11月的北方异常天气对蔬菜生产的影响，研究发现北方地区暴雪天给蔬菜生产造成较大影响，特别是河北、河南、山东、山西、陕西等地，导致减产30%，引发36个大中城市蔬菜价格普遍上涨，批发价格上涨达到25%；二是异常降水或冰雪天气使得蔬菜运输难度变大、流通成本增加，因为城市蔬菜的供应主要来源于城郊或者农村，其中还需要经过大批发市场或零售市场的中转，异常天气会加大蔬菜运输的难度，蔬菜零售市场可能出现暂时性的供不应求，直接抬高了蔬菜价格，如罗超平等[2]在分析农业部蔬菜市场行情资料和《中国蔬菜》杂志编辑部编写的蔬菜产业大事记中分析发现,2004年第三季度部分地区的洪涝灾害以及第四季度的雨雪天气致使蔬菜运输不畅，阻断了蔬菜的有效供应。

极端天气下，不同种类的蔬菜价格波动的程度也不同，并且受到蔬菜市场参与者预期[8]的影响。蔬菜中间商的投机行为会加剧蔬菜价格的波动，他们利用市场信息的偏差，在择机和获利动机下哄抬蔬菜价格。而政府在异常天气下的调控行为包括蔬菜的调运、限价政策等都会一定程度减弱部分蔬菜价格的波动，如2016年7月武汉市农委在暴雨发生后出台文件采取减免收费、运输补贴等方式组织蔬菜的调度，及时开展产地收购，并对土豆、冬瓜、萝卜、白菜四种蔬菜采取限价蔬菜政策从而缓解了蔬菜价格的波动。但并非所有的蔬菜价格在异常天气下都会直接产生波动，如果不考虑生产的影响，对于耐存储、易周转或日常消费量相对较小的蔬菜即使在异常天气下也不一定会产生波动，如莲藕、胡萝卜等根茎类蔬菜；而对于保鲜时间较短、不易周转或日常消费量大的蔬菜则在异常天气下波动会较为剧烈，如叶菜类、茄果等蔬菜。

由于异常天气通过作用于蔬菜的生产环节来影响蔬菜价格这个过程需要一定的周期，不易捕捉，因此主要从短期考察异常天气特别是异常降水对蔬菜价格的影响。在研究方法上，现有研究大多采用案例分析，较少对异常天气的影响进行实证分析，为了分析蔬菜价格的均值波动和方差波动效果，比较不同蔬菜之间价格变动差异，本研究选用广义自回归条件异方差模型(GARCH)分析异常降水对白菜、冬瓜、黄瓜、胡萝卜、尖椒、苦瓜、莲藕、茄子、青椒、生菜、莴笋、西红柿、西葫芦、西兰花、洋葱、油菜等16种蔬菜价格的影响，并将异常天气通过虚拟变量的方式引入方程，来分析异常降水因素对短期蔬菜价格的影响。在此基础上，聚焦于2016年6—7月的武汉特大异常降水，具体分析降水期间各类蔬菜价格的实际变化情况。

2 研究方法与数据

2.1 研究方法

本研究引入虚拟变量表征异常降水天气，并利用广义自回归条件异方差(GARCH)模型研究降水异常的天气现象对蔬菜价格的影响。其中，GARCH模型中的均值方程描述降水量异常对蔬菜价格水平的影响，方差方程则描述其对蔬菜价格波动的影响。

尽管经济学家在很长一段时间内认为时间序列的方差是恒定不变的，但是Engle[9]发现时间序列数据也存在着一种包含波动性的特殊异方差，称之为自回归条件异方差(Autoregressive conditional heteroskedasticity)，即ARCH模型。这类模型的异方差常具有波动集聚性的特点：若前几期的方差(波动)较大时，未来几期的方差(波动)也会较大，反之亦然，会存在着波动扎堆的现象。

1)ARCH模型。ARCH模型首次考虑了方差的波动性，其模型形式如下：

pt=xtθ+εt

(1)

(2)

2)GARCH模型。当ARCH(q)模型中q很大时，待估参数会有很多，因此残差序列中的高阶ARCH效应会造成样本容量的损失。Bollerslev[10]在ARCH模型的基础上增加了ht的自回归部分，使模型可以更好地预测方差，即GARCH(p,q)模型，该模型表示为：

(3)

由于蔬菜价格的波动受到很多因素的影响，用前一期的蔬菜价格正好可以代替这些因素的影响，从而探究异常降水天气对蔬菜价格的影响。参照宋长鸣等[12]研究法定节假日对蔬菜价格波动的影响的研究设计，在GARCH(1,1)模型的基础上引入虚拟变量，用来表示异常降水因素，发生异常降水则为1，未发生异常降水则为0，并将降水因素提前1期进行分析。在式(1)和式(3)中添加虚拟变量precip，表示异常降水天气，得到式(4)和式(5)：

pt=α0+xtθ1+precipt-1×θ2+εt

(4)

(5)

2.2 研究区域与数据选取

研究区域选择在武汉，其具有以下特点：(1)蔬菜消费量大，武汉包括武昌、汉口、汉阳三镇，全市人口1 060.77万人，蔬菜消费基数大；(2)武汉地处交通枢纽位置，蔬菜流通量大，且蔬菜供应品种丰富；(3)武汉属于亚热带季风性气候，年降水量变化较大，存在异常降水等情况，故选择武汉地区的蔬菜价格为研究对象具有一定的代表性。选取的主要蔬菜品种有白菜、冬瓜、黄瓜、胡萝卜、尖椒、苦瓜、莲藕、茄子、青椒、生菜、莴笋、西红柿、西葫芦、西兰花、洋葱、油菜等16种蔬菜。根据蔬菜的食用器官，将以上蔬菜分类：其中胡萝卜、莲藕、洋葱、莴笋属于根茎类；西兰花属甘蓝类；白菜、生菜、油菜属于叶菜类；冬瓜、黄瓜、苦瓜、西葫芦属于瓜菜类；尖椒、茄子、青椒、西红柿属于茄果类。蔬菜价格数据来源于wind数据库中的商务预报(农副产品价格百家日报)，并选择武汉白沙洲农副产品大市场有限公司的市场价格。样本区间为2014年1月1日至2017年6月30日的日度价格数据。为了确定降水异常值，选取武汉市2005年1月1日至2017年8月31的日降水量进行测度，数据来源于地面气象公司(http：www.wunderground.com，以下简称WU)，并截取2014年1月1日至2017年6月30日的降水数据以便与蔬菜价格数据匹配。

3 实证分析

3.1 异常降水值的确定

对于异常天气的界定，世界气象组织对异常天气(气候)的判断主要基于两个标准：一是距平值(与平均值的距离)达到标准差2倍以上，不管是否在近些年发生过；另一个则是在最近的30年内(如不足30年，也可以放宽到25年)罕见的天气现象。其他学者如Cao等[13]采用MF-DFA求阈值法，得出天气变量对应的极端值点；高雪等[14]采用百分位阈值法，分别以95%和99%的标准来测度极端天气值和非常极端的天气值，包括降水、气温和高温等指标。本研究主要参照世界气象组织的第一个标准，即距平值达到标准差2倍以上来找出对应的极端降水量。考虑到降水的季节变化显著，将每年划分为12个月，利用地面气象公司2005—2017年武汉的日度降水量测出每个月降水的平均值、标准差和极端值临界点。并从2014年1月1日到2017年6月30日中选出72个异常值。

表1 武汉各月降水异常临界值

3.2 模型的适用性检验

在建立GARCH模型之前，必须要检验数据的平稳性、自相关以及异方差性。采用ADF检验法对16种蔬菜进行平稳性检验。如表2所示，白菜、莲藕、茄子、青椒、生菜、莴笋、西红柿、西葫芦、西兰花、油菜等10种蔬菜在1%的显著性水平下通过平稳性检验；冬瓜、黄瓜、尖椒等3种蔬菜在5%的显著性水平下通过平稳性检验；胡萝卜、苦瓜在10%的显著性水平下通过检验。但是洋葱没有通过平稳性检验，即接受存在单位根的原假设。为了防止伪回归等问题，主要选择除洋葱以外的15个蔬菜品种进行进一步分析。

表2 单位根检验

采用LM检验方法检验各时间序列是否存在ARCH效应。如表3所示，白菜等15种蔬菜的F统计量的P值和t×R2统计量的P值均小于0.05，拒绝不存在ARCH效应的原假设，因此可以建立GARCH模型。

表3 LM检验结果

3.3 GARCH(1,1)模型分析

利用均值方程分析异常降水是否导致蔬菜价格上涨。考虑到降水对蔬菜价格的影响存在一定的时滞，采用前1期是否发生异常降水来分析。如表4所示，前1期的异常降水会对黄瓜、胡萝卜和尖椒的价格均造成不同程度的上涨；但对白菜、冬瓜、苦瓜、莲藕、茄子、青椒、生菜、莴笋、西红柿、西葫芦、西兰花、油菜的价格的影响则没有通过显著性检验。受影响的三种蔬菜中，黄瓜、尖椒在0.05的水平下通过显著性检验，对应系数分别为0.059和0.076；而胡萝卜在0.1的水平显著，对应系数为0.020，这意味着前一天的异常降水会导致每单位的黄瓜、尖椒、胡萝卜的价格分别上涨0.059元、0.076元、0.020元。同时白菜等其他12个蔬菜品种对应的系数不显著，则意味着样本区间内的异常降水没有显著的导致这12个蔬菜品种价格上涨或下降。总体来看，异常降水对蔬菜价格的上涨并不明显。

表4 前1期异常降雨情况下15种蔬菜的GARCH(1,1)模型分析

注：***、**、*分别表示在0.01、0.05和0.1的显著性水平下通过检验

通过GARCH(1,1)模型中的方差方程分析异常降水对蔬菜价格波动的影响，研究发现异常降水会对蔬菜价格的波动产生不同程度的作用。莴笋、西红柿、西葫芦均没有通过显著性检验，即异常降水对这三种蔬菜价格的波动没有明显的影响；而包括白菜在内12种蔬菜则都通过显著性检验，即异常降水会显著影响蔬菜价格的波动(表4)。其中白菜、黄瓜、尖椒、茄子、青椒、生菜、油菜等7种蔬菜对应的系数为正，说明异常降水会加剧这些蔬菜价格的波动。对比7个蔬菜对应的系数值，尖椒和油菜的系数较大，分别为0.024和0.016，则表明加剧的程度更高；剩下的冬瓜、胡萝卜、苦瓜、莲藕、西兰花等5种蔬菜所对应的系数值均小于0，则表明异常天气反而会降低这些蔬菜价格的波动。所有蔬菜价格序列的均值方程和方差方程的模型拟合度均在90%以上，模型构建合理、有效。

综合均值分析和方差分析，异常降水对不同蔬菜的价格波动的影响程度存有差异。其中叶菜类、茄果类和瓜菜类价格波动较大，这些蔬菜为大众日常餐桌的主要菜品，消费量巨大，又不耐存储，一旦暴雨天之后的蔬菜供应不足，就会加剧蔬菜供应的不平衡；而中间商为了弥补暴雨期间的存储和运输成本，以及本身的获利倾向，会一定程度调整蔬菜价格，因而价格波动大。但苦瓜、莲藕、胡萝卜、西兰花等蔬菜，由于日常购买量相对较小，而且易于运输和储存，经销商可能不会进行价格调整。

4 2016年6—7月武汉特大暴雨对蔬菜价格的影响

为了更加直观了解暴雨天的蔬菜价格，并对模型分析的结果进行检验，选取武汉市2016年6—7月的的蔬菜价格来验证。在近几年的异常降水中，2016年6—7月的降水更加极端，为分析异常降水对蔬菜价格的影响提供了很好的自然实验。此次降水呈现出时间长、降雨量大，暴雨天数多三个特点。据地面气象公司的数据显示，降水从2016年6月19日开始，一直持续到7月中旬，持续时间一个多月；期间的累计降雨量达到 698.25mm，大大超过正常年份的降水；同时，期间有2 d的日降雨量超过100mm，6 d的日降雨量超过40mm。可知此次降水的异常超乎寻常。

对应武汉市2016年6月19日到7月19日的主要蔬菜价格，发现此次降水对蔬菜价格存在很大程度的影响，且各不相同。以2016年6月19日为基期，基期指数为100，对所选15种蔬菜价格指数化，价格指数走势如图1所示，冬瓜、胡萝卜、莲藕、西兰花的价格变化小，变动缓慢；尖椒、青椒、油菜、大白菜、生菜以及茄子则主要呈现连续上涨的态势；黄瓜、西葫芦则呈现出“上升-下降”的态势。

图1 2016年6月19日—2016年7月19日武汉蔬菜价格走势图Fig.1 Wuhan vegetable price charts during from June 19，2016 to July 19，2016

采用变异系数、收益率、价格上涨天数及其连续上涨天数进一步分析该时间段蔬菜价格的上涨和波动情况。变异系数主要反映蔬菜价格的波动情况，变异系数越大则表明价格波动越大，反之则越小。如表5所示，15种蔬菜品种中，青椒、尖椒、大白菜的变异系数均超过0.40，处于较高水平，即3种蔬菜在连续暴雨期间的价格波动较大；油菜、生菜、茄子、苦瓜、西葫芦的变异系数在0.30—0.40，处于中间水平；胡萝卜、莲藕、西红柿、冬瓜的变异系数均低于0.20，处于较低水平，这4种蔬菜在连续暴雨期间的价格波动较小。

用收益率和蔬菜价格上涨的天数分析蔬菜价格的上涨情况。对比蔬菜之间的平均收益率(表5)，莲藕、冬瓜平均收益率低于1，即暴雨期间的莲藕和冬瓜的价格相对于初期的价格有所下降；胡萝卜的平均收益率刚好为1，则认为它的价格变动不明显；而其他蔬菜的收益率则均超过1，且尖椒、青椒、茄子、黄瓜、大白菜的平均收益率相对较高，意味着他们的价格存在不同程度的上涨。比较蔬菜价格上涨的天数，在暴雨期内(共31 d)，油菜、黄瓜、生菜的价格上涨天数超过20 d，尖椒、青椒、苦瓜也均在15 d以上，并且存在较长时间的连续上涨；不同的是，冬瓜、胡萝卜、莲藕和大白菜的上涨天数则相对较低。

表5 2016年6月19日-2016年7月19日蔬菜价格的主要特征

综合以上分析，武汉市2016年6—7月的异常降雨下，蔬菜价格的变动呈现不同特征。主要表现为叶菜类、茄果类、瓜菜类(冬瓜除外)蔬菜价格均会受到不同程度的影响，其中油菜、生菜、尖椒、青椒等4种蔬菜价格变动相对较大，但是根茎类蔬菜和冬瓜价格变动不明显。2016年6—7月暴雨期间蔬菜价格的变动情况也进一步印证了上文GARCH(1,1)模型的分析结果。其中冬瓜价格波动不明显的主要原因可能是政府的限价政策的效果。武汉市2016年7月爆发特大暴雨后，武汉市农委对蔬菜启动限价销售政策，将萝卜、土豆、包菜、冬瓜的价格限定在1元，极大地缓解了蔬菜价格的波动。

5 结论

基于武汉市2014年1月1日至2017年6月30日的日度降水量和16种主要蔬菜价格，本研究通过对异常降雨天气引入虚拟变量的形式，构建了GARCH(1，1)模型探究异常降水天气对白菜等蔬菜价格的水平影响和波动性影响；并采用变异系数、收益率、价格上涨天数及其连续上涨天数指标进一步分析2016年6—7月武汉市特大暴雨对蔬菜价格的影响，得到以下结论：1)异常降水天气对各类蔬菜价格的水平趋势和波动趋势均存在不同影响。在异常降水的情况下，除胡萝卜、黄瓜、尖椒、油菜和西葫芦等5种蔬菜的价格存在不同程度的上涨趋势外，没有证据表明其余品种的价格也会存在上涨或下跌的趋势。另一方面，就价格波动而言，在异常降水期间，除莴笋、西葫芦、西红柿外，其他蔬菜价格的波动均存在明显变化。其中，异常降水会加剧白菜、黄瓜、尖椒、茄子、青椒、生菜、油菜等7种蔬菜价格的波动，而使冬瓜、胡萝卜、苦瓜、莲藕、西兰花等5种蔬菜的价格波动减弱。2)2016年6—7月的长时间异常降雨灾害下，蔬菜价格的变动呈现不同特征。大部分蔬菜价格均受到不同程度的影响，但是多数根菜类蔬菜(胡萝卜、莲藕)和冬瓜的价格变动不明显，而叶菜类(白菜、生菜、油菜)、茄果类(青椒、尖椒、茄子、西红柿)以及瓜菜类(黄瓜、苦瓜、西葫芦)蔬菜价格变动则相对较大。蔬菜生产和运输批发环节的流通受阻程度不同，以及蔬菜自身特性所造成的存贮难度差异、病虫害的耐受性和对暴雨抵抗力的不同是造成蔬菜价格波动分类别呈现不同特征的主要原因。

异常降水对蔬菜价格的影响在于运输成本的推动和短期的供需不平衡，因而需要防范于未然，鼓励经销商通过气象预报、手机互联网等高科技措施及时了解天气状况，在暴雨来临前，加大菜篮子的外采、调运、收储，做好蔬菜的供给，特别注意保障叶菜类、茄果类、瓜菜类等极端天气下价格变动较大的蔬菜的供给；利用好根茎类等蔬菜易周转、不易腐烂等特性确保极端天气下蔬菜的有效供应。对于大众消费量大的菜品，则可以在必要时采取“补贴限价”的手段，通过定时定点的限价销售政策，以此来平衡蔬菜的市场价格，保障蔬菜市场的稳定供应。