北京市蔬菜價格變動及影響因素分析

徐依婷 穆月英 趙友森

（1中國農業大學經濟管理學院，北京 100083；2北京市農業局，北京 100029）

北京市蔬菜價格變動及影響因素分析

徐依婷1穆月英1趙友森2*

（1中國農業大學經濟管理學院，北京 100083；2北京市農業局，北京 100029）

蔬菜是與人們生活密切相關的農產品，近些年來蔬菜價格的劇烈波動引起了人們的密切關注。本文分析了北京市蔬菜歷年價格的變動情況，比較了蔬菜與糧食價格、蔬菜不同品種之間以及地區蔬菜價格的差異，在對蔬菜價格變動進行分解的基礎上，進一步對影響北京市蔬菜價格變動的因素進行實證分析。結果表明：① 北京市蔬菜價格具有明顯的季節波動特征，整體表現為冬季價格高、夏季價格低；② 剔除季節變動因素后蔬菜價格波動平緩，長期呈現上漲態勢；③ 蔬菜價格周期波動顯著，可劃分為長度分別是4 a和6 a的2個周期；④ 北京市工業增加值增速、鮮菜價格指數、人均可支配收入以及1～4月時期因素對蔬菜價格變動產生顯著的正向影響，6～11月時期因素對蔬菜價格產生負向影響。

蔬菜價格；時間序列分析；H-P濾波法；多元回歸模型

蔬菜是人們日常消費的重要農產品，蔬菜產業是我國農村居民的主要收入來源，蔬菜價格與城鄉居民的切身利益密不可分。近年來，蔬菜市場價格發生頻繁的劇烈波動，給城鄉居民的生產生活帶來諸多不便，因而受到社會各界的高度關注。在此背景下，本文對北京市蔬菜價格變動的特點和影響菜價的因素進行了研究。

截至目前，關于蔬菜價格變動的研究主要集中在以下幾個方面：

一是對蔬菜價格波動特征的研究。趙安平等（2014）基于時間序列分解和H-P濾波技術將蔬菜價格進行分解，并測算各波動成分對蔬菜價格波動的貢獻率來研究蔬菜價格變動的特征。李崇光和包玉澤（2012）分析了進入21世紀以來我國蔬菜價格波動的特征，結論表明，蔬菜整體價格水平在波動中上漲，消費市場價格與生產市場價格變動方向完全不一致。

二是對蔬菜價格波動影響因素的研究。趙安平等（2012）采用多元線性回歸模型，從夭氣、油價、批發市場上市量以及季節性變化等角度考察各因素對菠菜和黃瓜價格的影響程度。杜娟和趙慧峰（2013）運用解釋結構模型，探討蔬菜“最后一公里”價格的影響因素。宋長鳴等（2014）利用季節調整分離大宗蔬菜的價格序列，通過協方差分析各因素對蔬菜價格波動的貢獻。

三是對蔬菜價格波動研究方法的研究。羅超平等（2013）利用2003～2010年省際面板數據的PVAR模型，研究蔬菜價格波動及其內生因素的相互作用。郭力野（2014）采用H-P濾波法和BP濾波法，分析了2004～2013年我國蔬菜的價格波動規律。涂濤濤和李崇光（2014）將蔬菜價格波動分解為四要素，并利用Bootstrap因果檢驗與VAR模型探究各要素與通貨膨脹之間的關系。

綜上所述，已有研究針對我國蔬菜價格變動特征和原因進行探究，但將時間序列分解方法與實證模型結合分析影響北京市蔬菜價格變動因素的尚屬少見，本文在對北京市蔬菜價格序列進行分解的基礎上，運用多元回歸模型，基于2007～2016年的月度數據，對影響蔬菜價格的因素進行實證分析。

1 北京市蔬菜價格的變動分析

1.1 北京市與全國蔬菜價格比較

全國不同地區蔬菜價格和波動程度不盡相同，特選取上海和夭津兩大直轄市為代表，與北京市蔬菜價格進行比較。根據2014年1月至2016年6月的蔬菜批發市場價格數據，整理得到圖1。

圖1 北京、上海、天津蔬菜價格比較

如圖1所示，從時間維度來看，北京、上海、夭津三大城市的蔬菜價格走勢均有明顯的季節波動。蔬菜價格在每年的1～3月達到全年峰值，其中，2016年初各地蔬菜均達到近年來的最高價格，北京、上海、夭津分別為4.48、6.54和6.59元·kg-1。從地區維度來看，上海蔬菜平均價格最高，夭津次之，北京蔬菜價格最低且波動相對平穩?？赡艿脑蛴腥缦?點：第一，2015年上海人均可支配收入高達45 966元，分別高出北京、夭津1 478元和17 134元（數據源于《2015年中國統計年鑒》），較高的消費水平意味著對蔬菜品質的更高要求，從而推動著蔬菜市場價格；第二，相較北京和夭津，上海人口密度更大、流動性更強，對蔬菜的需求更旺盛；第三，在補貼方面，北京自2015年起全面實施針對蔬菜種植的“基本菜田補貼政策”，較高的補貼力度緩解了菜農的種植成本，有利于穩定和平抑市場菜價。

1.2 北京市蔬菜與糧食價格變動比較

蔬菜和糧食是我國種植面積最大的兩大農作物，為比較北京市蔬菜和糧食價格的變動情況，選取2003～2014年北京市蔬菜和糧食的環比生產價格指數以及環比零售價格指數，整理結果如圖2所示。從單個農產品的角度來看，糧食的生產和零售價格波動趨勢具有一定的相似性，而蔬菜的生產和零售價格只有在2007年之后呈現出相同趨勢波動。從生產價格指數來看，蔬菜價格波動相對平穩，糧食的價格波動幅度較大，如2004年糧食的生產價格指數為116%，2005年大幅下降至92%，2006年又上漲至103%。從零售價格指數來看，蔬菜的環比零售價格波動幅度較大，并集中體現在2003～2005年以及2009～2011年。相比之下，糧食的零售價格波動較為平緩，二者的價格波動表現為相反的趨勢。

圖2 2003～2014年北京市蔬菜與糧食環比價格指數

1.3 北京市蔬菜不同品種間的價格比較

以下按照葉菜類、瓜菜類、根莖菜類、茄果類、蔥蒜類、菜用豆類、食用菌的分類進行比較。不同類型的蔬菜口味、營養成分、食用功效不同，消費者的需求和偏好也不相同，因此各品種的生產價格指數也不相同。根據2003～2013年《全國農產品價格調查統計年鑒》的數據，以2002年為基期，整理結果如表1所示。

通過縱向比較可見，各品種蔬菜在11 a中的定基生產價格指數具有明顯波動。以茄果類蔬菜為例，2003年的生產價格指數較2002年下跌16.35%，2013年較2002年上漲了7.01%，其中2007年達到最大增長率。由橫向比較可知，菜用豆類的平均增長率最大，食用菌類的平均增長率最小，各類蔬菜之間的定基生產價格指數有較大差異。

2 北京市蔬菜價格變動的時間序列分解

運用2007年6月至2016年6月北京市蔬菜日度價格數據，通過加權平均整理出年度均價和季度均價數據（圖3）。從蔬菜年平均價格來看，2007年的蔬菜平均價格為1.73元·kg-1，2007～2010年蔬菜價格上漲迅速，漲幅達68.8%。2011年菜價開始回落，隨后出現扭轉勢頭，蔬菜價格在波動中逐漸回升，2016年的平均價格為3.72元·kg-1。可見北京市蔬菜歷年價格起伏波動，但整體上仍表現為上漲態勢。從季度平均價格來看，北京市蔬菜價格還具有明顯的季節變動特點，將北京市蔬菜價格序列分解為季節波動、長期趨勢、周期波動和隨機波動，以探究價格變動的具體特征。本文采用常見的加法模型，即假定4種成分是相互獨立的，并且在函數關系上表現為相加的形式。

表1 北京市七大類蔬菜品種定基生產價格指數增長率 %

圖3 北京市蔬菜整體年度價格走勢

2.1 蔬菜價格的季節波動

采用北京市場協會公布的集貿市場每日蔬菜價格數據，具體收集了從2007年6月1日到2016年6月30日北京市全部蔬菜批發市場各品種蔬菜的每日成交額、成交量、批發價等數據，經過匯總整理后，得到各品種蔬菜每月的成交額和成交量等數據，然后計算得出北京市蔬菜價格的日度和月度數據。由于蔬菜種類眾多，無法對每個品種的蔬菜價格變動情況進行研究，因此本文選取蔬菜整體和蔬菜個別品種相結合的方式。其中，蔬菜個別品種選取的是常見的5種典型蔬菜：大白菜、黃瓜、茄子、番茄以及甜椒。

圖4表示的是歷年來蔬菜整體每月平均價格走勢。2007年以來，北京市蔬菜整體價格的季節波動特征顯而易見，具體表現為冬季價格高，夏季價格低。每年的12月至翌年2月左右蔬菜價格往往較高，而后持續波動下跌，6～8月達到最低點，隨后再次上漲。2007～2010年蔬菜整體價格逐年上漲，2010年之后，價格曲線重合部分較多，2011年整體價格相對較低，隨后又回升，年度價格起伏較大?？傮w來講，年內蔬菜價格符合冬高夏低的季節變動規律。

圖4 歷年蔬菜整體每月平均價格走勢

受蔬菜生產時期性和居民的節日消費習慣影響，蔬菜價格具有明顯的季節波動特征（沈辰 等，2015）。根據市場供求理論，供給量增加而市場需求量減小時價格下降。夏季光照充足，適宜的溫度和濕度大大縮短了蔬菜生長周期，產量隨之大幅增加，但是夭氣炎熱致使蔬菜難以儲存，居民市場需求減小，因而蔬菜價格跌至低谷，符合供求規律。反之，冬季受氣溫影響露地蔬菜無法生長，北京地區的上市蔬菜小部分來自本地設施蔬菜，大部分通過外地長途運輸進京。而我國蔬菜在流通過程中的損耗率高達25%，造成高額經濟損失的同時抬高了蔬菜價格。另一方面，節假日消費已然成為刺激經濟的重要途徑，除了中秋、國慶、元旦、春節等傳統節日以外，網絡創造的假日消費越來越成為假日經濟的一種重要模式，其中最為成功的當屬“雙十一”。隨著農產品電子商務的發展，下半年傳統和新興網絡節日的交錯對居民蔬菜消費需求有著持續的促進作用，帶動蔬菜價格回升。黃瓜、茄子、番茄、甜椒的價格走勢表現均與蔬菜整體類似，但大白菜則呈現出相反的季節變動特征（圖 5）。

圖5 歷年大白菜每月的平均價格走勢

如圖5所示，每年冬季大白菜價格低廉，隨后價格逐漸回升，4月左右達到最高值。這種特殊的季節變動趨勢可能與大白菜的種植時期以及上市時間有關，露地大白菜一般在西瓜或春玉米收獲后的8月底至9月初種植，11月北方冬儲大白菜開始大量上市。但是，近年來隨著先進的設施條件和種植技術的發展，冬季多樣的反季節蔬菜紛紛走上市民餐桌，儲存大白菜的居民越來越少。冬儲大白菜批量上市，而市民存儲量大額減少，因而銷售進度緩慢，價格低廉。

采用移動趨勢平均剔除法，對蔬菜價格的時間序列進行二次移動平均處理后計算季節比率，對季節比率進行調整之后得到每月價格的季節指數，其結果如圖6所示。

圖6 北京市蔬菜每月的價格季節指數

由圖6可知，蔬菜整體、黃瓜、茄子、番茄、甜椒具有相似的季節變動趨勢，均呈現出冬春季節指數較高、夏季指數較低的特點，與其他蔬菜不同的是，大白菜的價格季節指數在4月達到最高值1.77，而11月的季節指數僅為0.66。這也是由于11月冬儲大白菜集中上市，而北京市居民減少對大白菜的儲存造成的。

單個品種的蔬菜指數偏離均值1的差值比蔬菜整體的偏離差值大，說明季節性因素對單一品種蔬菜價格的影響比對蔬菜整體價格的影響程度大（孫倩和穆月英，2011）。表層原因是存在與大白菜具有類似變動趨勢的一類蔬菜與其他蔬菜的變動趨勢不一致，在對所有品種進行加權平均時對蔬菜整體的季節波動幅度有消減作用。這種現象的根本原因是由于蔬菜品種眾多，不同蔬菜的種植季節、上市時間以及保鮮時長不同，表現出來的季節因素影響程度不同。

2.2 蔬菜價格的長期趨勢

剔除長期趨勢的第一步是先要擬合序列的長期趨勢，計算出對應各時期預測值，用實際值減去預測值，以消除長期趨勢的影響。當統計數據中剔除了季節波動因素和長期趨勢因素后，得到的是只含周期波動和隨機波動因素的數據（趙曉建，2011）。

由圖7可知，在剔除季節變動因素前蔬菜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價格變動幅度較小，價格變得更為平緩。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。

圖7 剔除季節變動因素前后的蔬菜整體價格

為了更精確地考察蔬菜價格在剔除季節波動因素后是否存在長期趨勢以及擬合直線的擬合效果，將時間變量t（t=1，2，3……）作為自變量，分離季節性成分后的價格Pt為因變量，建立如下方程（沈辰，2011）。

Pt=α+β·t

通過回歸分析檢驗回歸系數β是否顯著為零，從而判斷整體價格的趨勢變動，將蔬菜整體、大白菜、黃瓜、茄子、番茄和甜椒的價格進行回歸，回歸結果如表2。表2中各項回歸系數均顯著為正，表明蔬菜價格長期具有上漲趨勢。

2.3 蔬菜價格的周期性波動

本文采用H-P濾波法，將時間序列分解為平穩變化的趨勢成分和起伏波動的周期成分，而后分離出長期趨勢，對北京市蔬菜價格的周期特征進行刻畫。將2007～2016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，得到年度蔬菜價格序列，然后對該序列進行H-P濾波分解。由于是年度數據，取λ=100（李干瓊 等，2013），得到的結果如圖8所示。

表2 蔬菜整體和不同蔬菜種類的回歸估計結果

圖8 2007～2016年北京市蔬菜價格H-P濾波分解曲線

圖8 中，“Price”曲線表示季節調整后的蔬菜整體價格，“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。從圖中3條曲線的位置和形狀可知：隨著時期的變化，分解得到的長期趨勢線（Trend）比原價格曲線平滑得多，說明北京市蔬菜整體價格長期變動趨勢十分明顯，呈現出逐漸上漲的趨勢（王麗娟和劉桂峰，2015）。

根據圖8可以看出北京市蔬菜價格的周期波動明顯，按照“峰-峰”法（同海梅和陸遷，2013）將2007～2016年蔬菜價格的波動劃分為2個周期，分析其形成的波峰波谷，周期時長以及振幅（表3）。其中振幅=（峰值-谷值）/谷值×100%。由表3可知，第1個周期為2007～2010年，持續4 a；第2個周期為2011～2016年，持續時間為6 a，并且第1周期的振幅超過第2周期。

表3 2007～2016年北京市蔬菜價格波動周期

3 北京市蔬菜價格變動的影響因素分析

3.1 實證模型的構建

需求和供給是影響蔬菜價格的兩大主導因素。其中，人均可支配收入、消費者偏好和通貨膨脹水平影響蔬菜的需求；上市量、生產成本以及氣象災害影響蔬菜的供給；季節變動和經濟發展水平均會對供求產生影響。理論模型是實證分析的基礎，為計量模型的建立提供了重要的理論依據。在理論分析的基礎上，本文采用雙對數模型，不僅可以避免因測量單位不同導致的估計誤差，還可以消除模型中各自變量之間的多重共線性，提高模型參數估計值的準確性，并且各自變量的估計參數即為各因素變動對價格變動的彈性。將可量化的因素直接納入模型之中，不可量化的因素以隨機擾動項的形式擬合到模型中去。其中可量化的因素有：北京市蔬菜消費價格指數、北京市居民人均可支配收入、農業生產資料價格、北京市蔬菜上市量以及北京市經濟發展狀況。由于通貨膨脹數據的可獲性有限，用居民消費價格指數來代替通貨膨脹對北京市蔬菜價格變動的影響。GDP能較好地反映經濟發展狀況，但是按季度進行統計，缺乏月度數據，因而采用規模以上工業增加值同比增長率代替。將北京市居民人均可支配收入和北京市工業增加值速度除以消費價格指數來剔除通貨膨脹的影響。因氣象災害數據來源的局限性以及消費者偏好的不可量化，將其放入隨機擾動項。

時期變量mi以虛擬變量的形式引入模型，按月份可將時期變量分為12類，為避免多重共線，建立11個時期虛擬變量mi引入模型。其設定如下：

根據上述分析，建立如下回歸模型：

其中，β0是常數項，β1，β2，……，β16分別是各自變量的斜率參數，變量μ表示隨機擾動項。模型中其余變量的含義和預期方向如表4所示。

表4 北京市蔬菜價格變動影響因素模型變量

3.2 數據來源及回歸估計結果

本文選取2007年6月至2016年6月的月度數據，其中北京市蔬菜價格和上市量的數據是由北京市市場協會網站蔬菜每日行情整理所得；農業生產資料價格指數來自于中國知網經濟社會大數據研究平臺；北京市工業增加值增速、居民人均可支配收入、城鎮居民鮮菜消費價格指數以及整體消費價格指數均來自于北京市統計局網站?？紤]到北京市的農業生產資料價格指數數據難以獲得，因此用全國數據進行替代。

考慮到可能存在多重共線問題，本文采用逐步回歸法進行分析。逐步回歸分析法是用于剔除多重共線性較為普遍的方法，其核心是將解釋變量逐一引入模型，比較引入前后顯著性水平變化來決定該變量是否剔除。如此進行反復的回歸，直到顯著的變量都已加入模型，不顯著的變量都已被剔除?；貧w分析結果如表5所示，最后得到的回歸模型為：

式中，括號內數據為對應參數的t值。

模型回歸結果表明，各變量對蔬菜價格的影響方向與理論分析基本一致，人均可支配收入、通貨膨脹以及經濟增長均對蔬菜價格均有正向影響。并且，大部分變量在5%顯著水平上通過檢驗，調整的R2為0.844，表明模型擬合得較好，北京市蔬菜價格變動的84.4%能夠被模型中的自變量所解釋。具體分析如下：

表5 北京市蔬菜價格變動影響因素模型估計結果

① 北京市工業增加值增速的參數估計值為0.38，表明經濟增長對蔬菜價格有正向的影響。

② 北京市鮮菜消費價格指數的參數估計值為0.375，表明通貨膨脹會加速蔬菜價格的上漲，當該指標增長1%時，蔬菜價格上漲0.375%。

③ 北京市人均可支配收入對蔬菜價格有正向作用，居民生活水平的提高會帶動菜價的上漲，所估計的彈性值為0.603。

④ 除了5月，其他各月時期變量的參數估計值均通過顯著性檢驗。以12月為參照，1～4月蔬菜價格較12月高，6～11月蔬菜價格則明顯低于12月的菜價，即春冬季菜價較高，夏秋季菜價低，進一步驗證了蔬菜價格的季節性波動特征。這可能是因為時值冬季，露地蔬菜無法種植而北京市的大棚蔬菜有限，更多的蔬菜都是從南方運輸進京，運輸成本增加，造成市場上蔬菜供給有限，另外春節前后蔬菜需求量大，推動北京市蔬菜價格上漲。

⑤ 蔬菜上市量和農業生產資料價格指數未能加入模型，可能的原因是北京市蔬菜自給率較低，政府為保障首都蔬菜的供應，對本地蔬菜的種植給予補貼，并且在本地蔬菜供應不足時，外地蔬菜優先提供首都，在一定程度上保證了北京市蔬菜上市量的穩定；而農業生產資料價格指數選取的是全國數據，受到其他地區生產資料價格的影響，導致其對價格的影響并不顯著。

4 結論及政策建議

本文在理論分析的基礎上，對蔬菜價格變動的時間序列進行分解，并運用多元回歸模型對影響北京市蔬菜價格變動的因素進行了實證分析，主要研究結論如下：

第一，北京市蔬菜價格有明顯的季節波動特征，除大白菜外，其余4種典型蔬菜與蔬菜整體的季節變動趨勢一致，均體現為冬季價格高、夏季價格低的特點。通過測算其季節指數發現：2～4月季節指數較高，6～8月季節指數較低，并且單一品種的蔬菜季節指數偏離均值1的差值比蔬菜整體的偏離差值大。剔除季節因素后蔬菜價格變動幅度減小，長期來看價格具有上漲趨勢。

第二，北京市蔬菜價格周期波動明顯，可按照“峰-峰”法以2010年為界將其劃分為2個周期，第1個周期為2007～2010年，持續4 a，2010年蔬菜價格達到峰值；第2個周期為2011～2016年，持續時間為6 a，峰值年份為2013年；并且第1周期的振幅超過第2周期。

第三，從理論上分析得到影響蔬菜價格變動的主要需求因素有北京居民人均可支配收入、消費者偏好以及通貨膨脹水平；主要供給因素有蔬菜上市量、蔬菜生產成本以及氣象災害；經濟發展水平以及季節因素共同影響供求關系。通過實證分析建立多元回歸模型，驗證了北京市工業增加值增速、人均可支配收入、鮮菜消費價格指數、1～4月時期因素都對蔬菜價格變動產生顯著的正向影響，6～11月時期因素對蔬菜價格有抑制作用。

基于以上研究結論，本文提出相關的政策建議：

① 實行對蔬菜價格波動的調控和監督，加強風險防范制度的建設。政府應建立蔬菜價格預警機制，防止出現“姜你軍”、“蒜你狠”、“豆你玩”等蔬菜價格突然暴漲的現象，促進價格的合理形成，增強蔬菜產業的抗風險能力。

② 控制通貨膨脹速度。通貨膨脹率的上升會拉大收入差距，加重收入分配結構不平等的現狀，導致社會不安定。其中，食品價格的上漲首當其沖，而居民名義工資增長速度通常不及物價漲幅，致使居民生活消費水平下降。因此，政府應當穩定物價水平，保障居民的日常食品消費水平。

③ 完善對蔬菜生產的補貼政策。目前政府對農民種糧的補貼力度較大，而對蔬菜生產的補貼力度有限，補貼的發放監管不足，最后真正到菜農手中的少之又少。另外，缺乏相應配套措施減弱了補貼政策的實施效果。政府應當明確并細化蔬菜生產補貼條款，加大補貼力度，完善蔬菜生產的補貼政策（穆月英，2012）。

④ 促進蔬菜產業供給側結構性改革。近年蔬菜市場價格波動幅度明顯增大，蔬菜品種集中，市場需求潛力有待挖掘，結構性矛盾突出，主要表現為優質蔬菜的供給缺乏，部分產能過剩以及部分需求無法得到有效滿足。因此，政府應該倡導菜農提高蔬菜質量安全水平，推進農村一二三產業融合發展，實現農業產業結構的調整。

杜娟，趙慧峰．2013．基于解釋結構模型的蔬菜“最后一公里”價格影響因素分析．貴州農業科學，（4）：147-150．

郭力野．2014．我國蔬菜價格周期性波動規律分析．中國蔬菜，（1）：41-45．

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

李干瓊，許世衛，李哲敏，董曉霞，王盛威．2013．鮮活農產品市場價格波動規律研究——基于H-P濾波法的周期性分析．農業展望，（1）：30-34．

羅超平，王釗，翟瓊．2013．蔬菜價格波動及其內生因素——基于PVAR模型的實證分析．農業技術經濟，（2）：22-30．

穆月英．2012．關于蔬菜生產補貼政策的探討——基于穩定蔬菜價格視角．中國蔬菜，（19）：1-7．

沈辰．2011．我國蔬菜價格的時間序列變動分析．統計與決策，（16）：78-80．

沈辰，張玉梅，李志強．2015．我國不同類型蔬菜價格波動分解與貢獻分析．中國蔬菜，（5）：52-57．

宋長鳴，徐娟，項朝陽．2014．基于時間序列分解視角的蔬菜價格波動原因探析．統計與決策，（3）：106-108．

孫倩，穆月英．2011．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．中國蔬菜，（9）：9-14．

同海梅，陸遷．2013．基于H-P濾波法的中國小麥產量波動性分析．湖北農業科學，（6）：1457-1459，1477．

涂濤濤，李崇光．2014．中國蔬菜價格波動與通貨膨脹——基于波動來源的分解．華中農業大學學報：社會科學版，（1）：37-43．

王麗娟，劉桂峰．2015．夭津市蔬菜價格波動規律及短期預測——基于時間序列的季節調整和預測．中國農學通報，31（9）：286-290．

趙安平，趙友森，王川．2012．北京市蔬菜價格波動的影響因素和評估及政策建議．農業現代化研究，（5）：598-602．

趙安平，王大山，肖金科，蘆夭罡，王曉東．2014．蔬菜價格時間序列的分解與分析——基于北京市2002-2012年數據．華中農業大學學報：社會科學版，（1）：49-53．

趙曉建．2011．我國蔬菜批發價格變動分析及對策．農村經濟與科技，22（11）：102-105．

Vegetable Price Fluctuation in Beijing and Analysis of Its Inf l uence Factors

XU Yi-ting1，MU Yue-ying1，Zhao You-sen2*

（1College of Economic and Management，China Agricultural University，Beijing 100083，China；2Beijing Municipal Bureau of Agriculture，Beijing 100029，China）

Vegetable is an agricultural product，closely related to people’s daily life．In recent years，violate fluctuation of vegetable prices have aroused people’s close attention．This paper analyzes the changes in vegetable price over the years，and compares the prices between vegetable and grain，between varieties of different vegetables，and between vegetables from different regions．On the basis of vegetable prices decomposition，the paper carries out empirical analysis on factors influencing vegetable price fluctuation in Beijing．The results indicate that vegetable price in Beijing has obvious seasonal fluctuation characteristics by high in winter and low in summer．By removing seasonal factors，vegetable price fluctuation becomes gentle and presents a upside trend for a long period of time．The cyclic fluctuation is obvious．It can be divided into 2 periods with 4 years and 6 years length，respectively．The growth rate of industrial added value，fresh vegetable price index，disposable income per capita and seasonal factors from January to April have significant positive impact on vegetable price，while seasonal factors from June to November have negative impact on vegetable price.

Vegetable price；Analysis of time series；H-P filter method；Multivariate regression model

徐依婷，女，碩士研究生，專業方向：農業經濟理論與政策，E-mail：xuyiting94@cau.edu.cn

*

（Corresponding author）：趙友森，男，推廣研究員，專業方向：農產品市場和農業信息化，E-mail：zhaoyousen@126.com

2017-03-02；接受日期：2017-06-30

現代農業產業技術體系北京市果類蔬菜產業創新團隊項目（BAIC01-2016），北京市社科基金重點項目（15JGA020），國家重點研發計劃項目（2016YFD0300210）