《基于H-P滤波法和AR模型的北京市蔬菜价格变动影响因素实证研究22000字（论文）》

第一章导论第四章蔬菜价格的分解与分析蔬菜价格一直处于波动中，本章运用时间序列相关方法研究蔬菜价格的波动，将蔬菜价格分解为将蔬菜价格分解为季节性波动、长期趋势、周期性波动和随机性波动4部分，研究各波动成分。在此基础上建立AR模型，研究蔬菜价格变动的自相关性，进一步分析蔬菜价格的波动。4.1蔬菜价格的波动分解图4-1北京市蔬菜价格每月的季节指数4.1.1图4-1北京市蔬菜价格每月的季节指数通过SPSS24.0，基于乘法模型，对蔬菜价格进行时间序列分解，得到“SAF”、“SAS”、“STC”、“ERR”序列。“SAF”为季节性调整因子序列，即为季节性指数。由图4-1可知，蔬菜整体呈现出冬春季季节指数偏高，夏季季节指数较低的特点。不同蔬菜的季节因素影响程度不同。菠菜2月、8月的季节指数较高，季节指数分别为1.17、1.52，4月、11月季节指数较低，季节指数分别为0.64、0.83，根据季节性指数偏离均值1的程度，可知季节性因素8月对菠菜价格的影响程度大于2月的影响程度，季节性因素4月对菠菜价格的影响程度大于11月的影响程度。黄瓜、西红柿具有相似的季节变动趋势，均表现为冬春季节季节指数较高、夏季指数较低，这与蔬菜整体的季节指数变化特点相同。黄瓜在2月达到季节指数最大值1.48，在6月达到季节指数最小值0.66。西红柿的最高季节指数出现在2月，为1.38；最低季节指数出现在7月，为0.64。胡萝卜的季节指数相对较平稳，在5月份达到最大值，为1.26。4.1.2蔬菜价格的长期趋势图4-2剔除季节变动因素前后的蔬菜整体价格趋势呈现出某种持续向上或持续下降的状态或规律。“SAS”为季节性调整序列，表示剔除季节性因素后的序列，根据剔除季节性因素的序列确定趋势成分。图4-2剔除季节变动因素前后的蔬菜整体价格剔除季节变动因素前，蔬菜整体价格具有明显的季节波动，且波动幅度较大，而剔除季节变动因素后的蔬菜整体价格变动幅度明显变小，价格波动更为平缓。剔除季节变动因素后蔬菜整体价格有上涨趋势，图中的直线为蔬菜整体价格的拟合线，根据分离季节性因素的序列确定趋势线方程为：公式（4-1）趋势线方程回归系数为正，且系数较小，表明蔬菜整体价格长期具有缓慢上涨的趋势。图4-3至图4-6依次为菠菜、黄瓜、胡萝卜、西红柿的长期趋势图，从图上可以发现除胡萝卜外，剔除季节变动因素后，蔬菜价格的波动幅度明显减少，由于胡萝卜的耐储藏性，胡萝卜价格的季节性波动并不明显，即使剔除季节变动因素，胡萝卜的价格波动幅度变化不大。图4-3剔除季节变动因素前后的菠菜价格图4-4剔除季节变动因素前后的黄瓜价格图4-6剔除季节变动因素前后的西红柿价格图4-5剔除季节变动因素前后的胡萝卜价格通过计算得出，菠菜、黄瓜、胡萝卜、西红柿的趋势方程如下：图4-3剔除季节变动因素前后的菠菜价格图4-4剔除季节变动因素前后的黄瓜价格图4-6剔除季节变动因素前后的西红柿价格图4-5剔除季节变动因素前后的胡萝卜价格公式（4-2）公式（4-3）公式（4-4）公式（4-5）黄瓜、西红柿的趋势线方程回归系数为正，从长期来看黄瓜和西红柿均具有价格上涨的趋势，但菠菜、胡萝卜的趋势线方程回归系数为负，他们二者的价格长期有下降趋势。4.1.3蔬菜价格的周期性波动周期性也称循环波动，是时间序列中呈现出来的围绕长期趋势的一种波浪形或振荡式变动。农产品价格的周期性波动是指在长期内反复出现的包含一个完整价格高峰期和一个完整价格低谷期的价格走势形态。本研究通过H-P滤波法分离循环变动成分，将2015-2020年经季节指数调整后的北京市蔬菜整体的月度价格进行整理，运用EViews10.0对此蔬菜价格序列进行分解，结果如图4-7所示。图4图4-7蔬菜价格的周期性波动“Price”曲线表示经季节调整后的北京市蔬菜整体价格，“Trend”曲线表示分解出来蔬菜整体价格变动的长期趋势，“Cycle”曲线表示分解得到的蔬菜整体价格的周期成分。从图上可以发现蔬菜价格存在一定的周期性波动，2005年至2020年可大致分为2个完整周期。2015年1月至2017年6月为第一个完整的周期，2017年6月至2019年12月为第二个完整的周期，两个周期的波动轨迹大致相同，但仍存在区别，第二个周期的价格波动幅度要略高于第一个周期。2020年后由于新冠疫情的爆发，蔬菜价格短期内出现剧烈波动，与前两个周期的波动轨迹有所不同。同时由图可知，分解得到的Trend曲线比原价格曲线平滑得多，蔬菜整体价格存在显著的长期趋势，呈现出长期缓慢上涨的特点。4.1.4蔬菜价格的随机性波动图4-8蔬菜价格的随机波动随机性波动也称不规则波动，是指由于突发和偶然事件作用进而在短期内导致价格出现异常变化，其反映的是除季节性波动、长期趋势、周期波动外，其他因素对蔬菜价格的综合影响。“ERR”序列即为从序列中删除季节性、趋势和循环成分之后的随机波动成分，如图4-8图4-8蔬菜价格的随机波动随机性波动因子表现出无序性的特点。随机性波动因子越接近于1，说明对应时期的随机波动幅度越小，对比新冠疫情前后，疫情发生后的随机性波动因子并未出现大幅波动，与疫情前的随机波动因子无过多区别。4.2蔬菜价格的自相关性分析4.2.1平稳性检验只有平稳的时间序列才能够直接建立ARMA模型，非平稳的数列要经过适当的处理，序列满足平衡性要求再建立模型。根据蔬菜整体2015年至2020年的月度价格构成时间序列{Pt}，蔬菜价格数据来源于商务部新农村商网以及菜篮子市场信息公众号。通过前文的研究发现蔬菜价格存在明显的季节性和一定上涨的趋势，这些因素的存在使得序列本身不满足平稳性的假定，分离序列{Pt}的季节性因素，处理后的序列记为{Xt}，用Eviews10.0对{Xt}序列进行ADF检验，判断时间序列的平稳性，平稳性检验结果见表4-1。表4-1序列{Xt}平稳性检验表t统计量p值ADF检验值-3.5113340.04581%显著水平临界值-4.0925475%显著水平临界值-3.47436310%显著水平临界值-3.164499由表4-1可知，序列{Xt}的t统计值为-3.511334，小于显著水平为5%的临界值，说明在95％的置信水平下可以拒绝原假设，即不存在单位根，认为序列{Xt}是平稳序列。4.2.2模型识别及确立模型识别包括模型形式以及滞后阶数的确定。首先根据自相关函数图和偏自相关图确定模型的形式，若自相关函数是拖尾的，偏自相关函数是截尾的，则建立AR模型；若自相关函数是截尾的，偏自相关函数是拖尾的，则建立MA模型；若自相关函数、偏自相关函数均为拖尾，则建立ARMA模型。下一步通过自相关函数图和偏相关函数图拖尾截尾的性质初步判断滞后阶数，再利用AIC、SC、HQ准则进一步确定滞后阶数。AIC、BIC、HQ准则可以有效弥补根据自相关图和偏自相关图定阶的主观性，在有限的阶数范围内寻找相对最优的拟合模型。用Eviews10.0对序列{Xt}进行自相关和偏相关分析，结果见图4-9。根据输出结果判定，自相关函数图拖尾，偏自相关函数图截尾，所以选择AR(p)模型。图4-9序列相关图接下来基于AIC、SC、HQ法则，确定滞后阶数。偏相关系数大致是2阶截尾，初步确定模型为AR(2)，通过EViews10.0分别得出AR(1)、AR(2)、AR(3)三个模型的信息准则，如下表4-2所示。一般来说信息准则越小，模型越好，从表上可以发现AR(1)模型的信息准则最小，因此确定AR(p)模型滞后阶数为1图4-9序列相关图表4-2模型信息准则表模型形式AICSCHQAR(1)0.5614100.6251470.586756AR(2)0.5921190.6884830.630396AR(3)0.5878290.7173420.639211进一步对模型参数进行估计，得到模型如下：公式（4-6）参数估计结果如表4-3。从表中可以看出，模型的t统计量非常显著，R2为0.49，整个模型的拟合效果一般，D.W.值为1.92，在2附近，认为模型不存在一阶自相关。t-1期蔬菜价格变量回归系数为正，且该变量在1%的水平下通过显著性检验，说明蔬菜价格存在显著的自相关性，当期蔬菜价格受上一期价格的影响较大，蔬菜价格月度间延续的特点明显。表4-3参数估计结果变量系数t统计量p值c1.0493.5310.0007Xt-10.6958.0780.00004.2.3模型检验参数估计后，需要对模型进行残差序列相关检验和异方差检验。首先通过EViews10.0对模型进行LM检验，检验残差序列是否存在一阶自相关，结果见表4-3。LM检验统计量Obs*R-squared的P值为0.7848，在5%的显著性水平下，不拒绝原假设，表明残差不具有序列相关，模型已消除自相关。再对序列进行ARCH异方差检验，结果见表4-3，检验中Obs*R-squared统计量对应的P值0.2510，在5%的显著性水平下，不拒绝原假设，检验结果表明无ARCH效应，即无ARCH形式的异方差，认为该模型是可行的。表4-4模型检验结果LM检验ARCH异方差检验Obs*R-squared0.1434131.872923P值0.70490.17114.3本章小结本章运用时间序列相关方法对蔬菜价格进行分解与分析。首先基于时间序列方法对蔬菜价格进行波动分解，将蔬菜价格分解为季节性波动、长期趋势、周期性波动和随机性波动，并依次分析各波动成分。再基于时间序列方法对蔬菜价格进行分析，建立AR模型，探究蔬菜价格的自相关性，主要结论如下：（1）北京市蔬菜价格有明显的季节波动特征，季节指数夏季偏高，冬春季较低。菠菜季节指数在2月、8月到达峰值，4月、11月降到谷底。黄瓜和西红柿2月份的季节指数最大，6-7月的最小。胡萝卜季节指数波动变化较小，在5月份达到最大值。（2）剔除季节因素后蔬菜价格变动幅度明显减小，长期来看蔬菜整体价格具有上涨趋势。但对于部分蔬菜，如胡萝卜等，价格长期具有下降的趋势。（3）蔬菜价格具有一定的周期波动性，2015-2020年可划分为2个周期，第1个周期为2015年1月至2017年6月，第2个周期为2017年6月至2019年12月，第2个周期的波动幅度大于第1个周期。（4）蔬菜价格具有一定的随机波动性，随机波动因子的波动无明显规律。（5）蔬菜价格具有强烈的自相关性，蔬菜价格呈现出月度间延续的特点，蔬菜当期价格受上一期价格的影响，上一期蔬菜价格越高，当期蔬菜价格也随之越高。第五章蔬菜价格波动的影响因素蔬菜作为北京市“菜篮子工程”的重要组成部分，是人们日常饮食中不可或缺的一部分，蔬菜价格一方面影响着生产者的收益，另一方面关系着消费者的利益，因此研究蔬菜价格影响因素，对于稳定蔬菜价格具有重要意义。本章通过person相关分析法考察影响蔬菜价格的因素，并通过构建多元回归模型进一步探讨蔬菜价格波动的影响因素。5.1变量选择及模型设立影响蔬菜价格波动的因素很多，但主要的有生产成本、流通成本、蔬菜产量、天气因素、国家政策、通货膨胀水平、居民消费水平等。通过阅读文献了解目前研究的影响蔬菜价格变化的因素，且基于前文的分析，本研究对蔬菜价格的影响因素设定如下，具体指标选取见表5-1。（1）供求关系：李崇光和包玉泽（2012）在研究中提出供给与需求共同决定了蔬菜价格，但由于蔬菜需求的刚性特征，蔬菜需求基本稳定，所以供给是影响蔬菜价格的主要因素[5]。基于此本研究也选取供给因素，研究供给对蔬菜价格产生的影响。（2）成本因素：李崇光等（2015）在研究中指出蔬菜供给成本分为生产成本和流通成本等[11]。蔬菜的生产离不开生产资料，同时蔬菜需要经过运输才能最终达到消费者的手中，生产成本和流通成本的上涨都会带来蔬菜价格的上涨，因此本文选取生产成本和流通成本，研究成本因素对蔬菜价格的影响。（3）季节性因素：蔬菜价格波动具有明显的季节性，冬季价格偏高，夏季价格较低，因此选取了季节性因素，研究季节变化对蔬菜价格的影响。（4）重大节日：基于前文对蔬菜价格波动特征的分析发现，春节期间蔬菜价格普遍比较高，因此选取重大节日因素，研究重大节日对蔬菜价格的影响。（5）天气变化：蔬菜生产受气候、自然条件的影响，因此本文选取了天气因素，研究天气变化对蔬菜价格带来的影响。（6）通货膨胀：赵晓飞（2015）在研究中提出通货膨胀是影响我国蔬菜价格波动的重要因素[6]。通货膨胀导致物价上涨，蔬菜价格也会随之上涨，因此本文选取通货膨胀因素，研究通货膨胀对蔬菜价格的影响。（7）新冠疫情：疫情发生后，蔬菜价格市场出现了剧烈的波动，因此本文也将研究研究疫情因素对蔬菜价格的影响。表5-1变量定义与说明变量名称定义及赋值蔬菜价格（p）用各类蔬菜的月均价格表示蔬菜供给（yield）用蔬菜产量除以10%表示生产成本（vegpi）用蔬菜生产价格指数表示流通成本（oil）用每日油价数据加权平均为月度数据表示季节性因素（q）q2、q3、q4分别表示第二、第三和第四季度的季节性虚拟变量重大节日（cj）重大节日主要指春节，春节所在月份=1，其余月份=0天气变化（rain）用一个月内每天的降水量加和后的数据代表每个月的降水量情况通货膨胀（infla）用货币供应量来衡量通货膨胀新冠疫情（xg）未发生疫情=0，发生了疫情=1本研究采用多元回归模型，对北京市2015-2020年相关蔬菜价格数据进行回归分析，以验证供求关系、成本因素、季节性因素、重大节日、天气变化、通货膨胀、新冠疫情对蔬菜价格的影响。构建多元回归模型要求解释变量之间不相关，首先对各解释变量进行相关性分析，检验结果如表4-2。从表中可以发现生产成本、流通成本、季节性变化、重大节日、天气变化、通货膨胀、新冠疫情因素之间的相关系数绝对值均在0.4以下，可以判断这几个变量之间不存在因果关系或相关性比较弱，他们之间建立多元回归模型是合理的。但蔬菜供给变量和流通成本、天气变化、通货膨胀因素之间相关性较高，因此在模型中剔除蔬菜供给变量。蔬菜供给和流通成本之间相关性高的原因可能是油价的增长带来流通成本的增加，进而导致流通的蔬菜有所减少，蔬菜上市量降低，供给减少。蔬菜供给和天气变化间相关性高的原因是天气因素直接影响蔬菜的生产，从生产源头影响蔬菜的供给，天气因素与蔬菜供给密切相关。蔬菜供给和通货膨胀之间相关性高的原因可能是通货膨胀导致物价上涨，生产资料价格随之上涨，生产成本增加，蔬菜供给减少。表5-2解释变量间的相关性检验结果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通过stata16.0构建的多元回归模型如下，以验证生产成本、流通成本、季节性变化、重大节日、天气变化、新冠疫情因素对蔬菜价格的影响：公式（4-7）其中p是指蔬菜价格，vegpi是生产成本，oil是指流通成本，q2、q3、q4表示季节性因素，cj表示重大节日，rain表示天气变化，infla表示通货膨胀水平，xg表示新冠疫情因素，β0为常数项，β1、β2、β3、β4、β5、β6、β7、β8、β9分别为vegpi、oil、q1、q2、q3、cj、rain、infla、xj前面的系数，是残差项。5.2数据来源及处理说明本研究选取了2015—2020年的相关蔬菜价格月度数据，月度数据是在日数据的基础上整理形成，具体的数据来源以及处理说明如下：（1）蔬菜价格（元）：选择蔬菜中典型的叶菜类、瓜菜类、根茎菜类、茄果类为研究对象，选取了北京市七大批发市场，分别是新发地、大洋路、岳各庄、石门、八里桥、水屯、锦绣批发市场，将各类蔬菜在七大批发市场的每日价格进行加权平均作为日度价格，再对日度价格进行加权平均测算出月度价格，以此来表示本月的蔬菜价格水平，数据来源于商务部新农村商网以及菜篮子市场信息公众号。（2）蔬菜供给（万吨）：赵友森等（2011）在研究北京市场蔬菜来源地分布的调查研究中提出北京本地蔬菜占北京市蔬菜市场供应平均比例约为10%[28]。所以用北京市蔬菜产量除以10%得到的数据来衡量北京市蔬菜供给量，北京市蔬菜产量数据来源于《北京统计年鉴》。（3）生产成本：庄稼汉和刘伟平（2016）在研究用蔬菜生产价格指数表示生产成本[10]。由于北京市的蔬菜生产者价格指数难以获得，徐依婷等（2017）在研究用全国蔬菜生产者价格指数代替北京市蔬菜生产者价格指数[1]。基于此本文将采用全国蔬菜生产者价格指数来衡量北京市的蔬菜生产成本，全国蔬菜生产者价格指数数据来源于《中国农产品价格统计年鉴》。（4）流通成本（元）：借鉴赵安平（2012）的研究用油价变化来测算运输成本[4]，本文也采用油价数据来衡量运输成本。利用北京市92#汽油价格代表油价变化情况，通过对每日油价进行加权平均测算出月度油价，以此来表示本月的油价水平，数据来源于东方财富网。（5）季节性因素：设定虚拟变量q2，q3，q4来表示季节性因素，q2、q3、q4分别表示第二、第三和第四季度，即4、5、6月均使用q2来表示，7、8、9月均用q3来表示，10、11、12月均用q4来表示。（6）重大节日：基于前文的分析，发现春节期间蔬菜价格普遍偏高，因此设定虚拟变量来表示春节这一重大节日，春节所在月份取值1，其余月份取值0。（7）天气变化（米）：借鉴赵安平（2012）的研究选择降水量表示天气因素[4]，将一个月内每天的降水量进行加和，加和得到的月度数据表示这个月的降水水平，数据来源于中国气象网。（8）通货膨胀:借鉴李靓等（2017）在研究中选取消费者价格指数反映通货膨胀水平[29]，本文选取北京市月度cpi数据衡量通货膨胀水平，数据来源于北京市统计局网站。（9）新冠疫情：将疫情因素设置为虚拟变量，取值0表示未发生疫情，取值1表示发生了疫情。5.3回归结果分析通过上述构建的模型，利用Stata16.0得到菠菜、黄瓜、胡萝卜、西红柿的回归结果如表5-3。表5-3回归估计结果变量菠菜黄瓜胡萝卜西红柿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从菠菜价格变化方程来说，生产成本对菠菜价格产生显著正向影响，回归系数为0.046，表明生产成本每提高1个单位，菠菜价格会随之上涨0.046个单位。菠菜价格的季节性变化明显，第二季度的回归系数为负，春菠菜一般在3月份左右播种，30-50天后收获，第二季度正值菠菜的上市季节，菠菜供给增加，供大于求，此时价格处于低谷期。第三季度的回归系数为正，由于选种夏菠菜的农户较少，此时处于菠菜生产的淡季，市场上菠菜供给减少，供不应求，价格处于高峰期。春节因素对菠菜价格有正向影响，且该变量在5%显著性的水平下通过检验，说明春节会显著促进菠菜价格的提高，春节期间蔬菜消费需求量增加，蔬菜价格有所提高。流通成本、天气变化、通货膨胀、新冠疫情因素在95%的置信水平下均不显著。从黄瓜价格变化方程来说，生产成本因素在1%的水平下通过显著性检验，表明生产成本显著促进黄瓜价格上涨，该变量的回归系数为0.045，说明生产成本每提高1个单位，黄瓜价格就上涨0.045个单位。黄瓜价格的季节性波动明显，第二、第三、第四季度的回归系数均为负，露地春黄瓜一般在4月中下旬至5月中上旬种植，6月左右收获，露地秋黄瓜在7月中下旬至8月中上旬种植，10月前后收获，二、三、四季度是黄瓜生产的旺季，黄瓜价格较低。春节因素在1%的水平下通过显著性检验，该变量回归系数为正，说明春节因素对黄瓜价格产生积极促进作用，由于春节期间黄瓜需求增加，价格随之上涨。流通成本、天气变化、通货膨胀、新冠疫情因素在95%的置信水平未通过显著性检验。从胡萝卜价格变化方程来说，vegpi的回归系数为0.046，说明生产成本对胡萝卜价格产生显著积极作用，生产成本每增加一个单位，价格会增长0.046个单位。变量q2在1%的水平下通过显著性检验，q3、q4在10%的水平下未通过显著性检验，由于胡萝卜是耐储藏的作物，胡萝卜价格受季节变化的影响不大，q2的系数为正说明第二季度对胡萝卜价格有促进作用，北方地区一般分春、秋两季栽培胡萝卜，其中以秋季栽培为主，也有少量夏季栽培和春季地膜覆盖或塑料棚栽培，第二季度处于胡萝卜生产的淡季，市场供应量较少，胡萝卜价格会有所提高。流通成本、季节性因素、天气变化、通货膨胀、新冠疫情变量在95%的置信水平下不显著。从西红柿价格变化方程来说，生产成本对西红柿价格的增长有显著助推作用，vegpi的回归系数为0.049，说明生产成本每提高1个单位，西红柿价格会增长0.049个单位。西红柿价格变化与季节变化密切相关，季节性虚拟变量q2、q3、q4在1%的水平下通过显著性检验，且回归系数均为负，说明第二季度、第三季度、第四季度会促使西红柿价格下降，北方地区露地春番茄一般在2月份左右播种，6月份前后收获，而露地秋番茄一般在6-7月播种，10月份左右收获，二、三、四季度是西红柿的生产旺季和上市旺季，市场供应量增加，供求关系发生变化，导致西红柿价格下降。通货膨胀的回归系数为0.513，该变量在1%的水平下通过显著性检验，表明通货膨胀水平每提高一个单位，西红柿价格显著提高0.513个单位。新冠疫情因素在1%的水平下通过显著性检验，表明受新冠疫情的影响，西红柿价格显著上涨。流通成本、春节因素、天气变化在该方程中不显著。5.4本章小结本章基于相关性分析、多元回归模型研究蔬菜价格的影响因素，首先通过梳理了影响蔬菜价格的因素，确定了研究变量，然后介绍了数据来源以及处理数据的方法，通过相关性分析考察各解释变量间的相关性，由于蔬菜供给和流通成本、天气变化、通货膨胀因素之间相关性较高，所以剔除蔬菜供给变量，建立回归模型进行分析，主要结论如下：（1）生产成本对蔬菜价格产生显著正向影响，生产成本是构成蔬菜价格的基础，直接影响蔬菜价格的高低，生产成本的增加会导致蔬菜价格的增长。（2）蔬菜价格的季节性波动明显，这与蔬菜的生产周期密切相关，但胡萝卜价格的季节性波动并不明显。一般来说，处于蔬菜生产旺季以及蔬菜上市季，蔬菜供给增加，供大于求，蔬菜价格有所下降；而处于蔬菜生产淡季，市场供应量减少，蔬菜供不应求，价格会上涨。而胡萝卜属于耐储藏、易运输的蔬菜，因此胡萝卜价格受季节性因素影响不大。（3）春节因素对蔬菜价格上涨有显著助推作用，春节期间，蔬菜需求量增加，且冬季北方露地蔬菜难以生产，而南方蔬菜产量减少，蔬菜供给有所下降，二者共同作用导致蔬菜价格提高。在西红柿回归方程中，春节因素对西红柿价格产生正向影响，但影响却并不显著。由于胡萝卜是一种耐储存且易于运输的蔬菜，即使是春节期间，市场上胡萝卜的需求和供给也不会出现大幅变化，春节因素对胡萝卜价格的影响不显著。（4）通货膨胀对蔬菜价格具有显著促进作用，但通货膨胀变量仅在西红柿的价格变化方程中显著，其余方程中该变量均不显著，原因可能蔬菜价格本质上由供应能力决定，而近年来蔬菜产量持续上涨，根据国家统计局数据，2015年全国蔬菜产量66425.10万吨，2019年蔬菜年产量为72102.56万吨，蔬菜产量增长了7%，蔬菜供应充足，通货膨胀对大部分蔬菜价格影响不显著。（5）新冠疫情背景下，西红柿价格显著增长，但该变量仅在西红柿的价格变化方程中显著。新冠疫情变量在其余方程中均不显著，原因可能是疫情爆发后，政府相继出台了不少政策，统筹“菜篮子”产品稳产保供，在政府政策的助力下，尽可能减小疫情对蔬菜价格带来的冲击，稳定蔬菜价格，所以新冠疫情因素对大部分蔬菜的影响不显著。（6）流通成本、天气因素对蔬菜价格产生的影响几乎不显著，原因可能是国家对蔬菜流通渠道的补贴力度不断加大，所以流通成本的上涨无法对蔬菜价格带来显著性影响。而随着大棚技术的普及，蔬菜生产可以不再受限于自然天气的影响，天气因素仅在胡萝卜价格变化方程中产生显著影响。第六章研究结论与政策建议蔬菜是人们饮食中必不可少的食物之一，蔬菜价格与人民生活密切相关，因此研究蔬菜价格变动及影响因素，对于稳定蔬菜价格，促进蔬菜产业健康发展，保障农户和居民利益具有重要作用。本文在梳理了相关供求及价格理论的基础上，运用时间序列分析方法研究了蔬菜价格的变动及规律，通过文献阅读以及Pearson相关分析确定研究变量，并建立多元回归模型考察各影响因素对蔬菜价格的影响。本章对以上各章节研究问题得到的主要结论进行系统性归纳，并基于此提出相关建议。6.1主要结论本文对蔬菜价格的变动及特征进行了研究，并运用多元回归模型分析了蔬菜价格的影响因素，主要研究结论如下：（1）蔬菜价格波动特征的分析研究表明：从年际间角度分析，蔬菜价格在波动中缓慢上涨。从年内角度分析，第一季度的蔬菜价格偏高，第二季度价格下降，之后有所回升。蔬菜价格波动有三种类型，叶菜类蔬菜呈现出“两峰两谷”的特点，价格高峰期为2月和8月，价格低谷期为5月和11月。瓜菜类蔬菜、茄果类蔬菜呈现出“一峰一谷”的特点，价格在2月份左右达到最高点，在6月份前后达到最低点。而根茎类蔬菜的价格波动呈现出“谷峰不明显”的特点，整体价格波动较为平稳。从疫情前后角度分析，疫情爆发后蔬菜价格有所上涨，不同种类蔬菜涨幅有所差异，但蔬菜价格波动规律相较于疫情前变化不大。(2)蔬菜价格的分解与分析研究表明：北京市蔬菜价格具有明显的季节波动性，季节指数整体表现为冬春季节偏高，夏季偏低。剔除季节指数后，长期来看北京市蔬菜价格具有上涨的趋势。北京市蔬菜价格具有一定的周期波动性和随机波动性，可将2015-2020年的蔬菜价格波动分为2个周期，其中第二个周期的波动幅度略大于第一个周期，而随机波动因子呈现出无序性的特点。同时，蔬菜价格具有显著自相关性，上一期价格越高，当期价格随之越高。（3）蔬菜价格影响因素的分析研究表明：影响北京市蔬菜价格的主要因素有生产成本、季节性变化以及重大节日因素。生产成本对蔬菜价格增长有显著促进作用，生产成本越高，蔬菜价格越高。由于蔬菜生产的季节性，季节性因素通过影响蔬菜的生产，进而影响蔬菜上市量，导致蔬菜市场供求关系改变而影响蔬菜价格。重大节日主要指春节，春节因素显著促进蔬菜价格提高。新冠疫情的爆发导致蔬菜价格上涨，但新冠疫情的促进作用并不显著。6.2政策建议基于以上研究结论，为进一步稳定蔬菜价格、促进农民增收、保障消费者利益、促进蔬菜产业健康发展，提出了如下政策建议：（1）政府应不断完善相关监管制度，建立蔬菜价格预警机制，完善风险防范制度。实行对蔬菜价格波动的监督，加强各商超、零售销售点蔬菜价格日常监管,严格发挥政府的监督管理作用，同时政府应不断建立健全蔬菜产销体系，防止因突发情况或偶然因素导致蔬菜价格突然暴涨或者暴跌的现象，促进价格的合理波动，增强蔬菜产业的抗风险能力，稳定蔬菜价格。（2）针对蔬菜价格波动特征，政府应合理利用政策稳定蔬菜价格。北京市蔬菜价格季节性波动特征明显。蔬菜需求属于刚性需求，应主要从稳定供给量方面入手稳定蔬菜价格。在蔬菜供给较少且价格较高的季节，政府可以加大蔬菜补贴，鼓励菜农种植蔬菜，保证蔬菜供给、稳住菜价，保障居民购菜；在蔬菜供给量较大且价格较低的季节，保证销售渠道畅通，避免蔬菜价格的剧烈波动，保证菜农稳定收入。（3）针对蔬菜价格主要影响因素，政府可以实施科技化发展战略，提高蔬菜单产，保障蔬菜品质，依靠科学技术降低蔬菜直接生产成本。鼓励发展蔬菜生产合作社，发挥龙头企业的带头作用，提高农业生产效率，降低农户生产成本。同时蔬菜价格受季节性变化、重大节日等因素的影响，政府一方面应不断完善相关的补贴政策，保障农民在生产淡季的收益，另一方面可以发掘新型蔬菜销售模式，如农家乐、果园采摘等，提高蔬菜的销售，促进农民增收，从而保障蔬菜生产，促进蔬菜价格的稳定。参考文献[1]徐依婷,穆月英,赵友森.北京市蔬菜价格变动及影响因素分析[J].中国蔬菜,2017(11):62-69.[2]潘凤杰,穆月英.北京市蔬菜价格变动趋势及影响因素分析[J].农业展望,2010,6(08):24-28.[3]孙倩,穆月英.蔬菜价格变动、影响因素及价格预测——以北京市批发市场为例[J].中国蔬菜,2011(09):9-14.[4]赵安平,赵友森,王川.北京市蔬菜价格波动的影响因素和评估及政策建议[J].农业现代化研究,2012,33(05):598-602.[5]李崇光,包玉泽.我国蔬菜价格波动特征与原因分析[J].中国蔬菜,2012(09):1-7.[6]赵晓飞.蔬菜价格波动的规律、影响因素与调控对策研究[J].当代经济管理,2015,37(02):37-42.[7]赵安平,王大山,肖金科,芦天罡,王晓东.蔬菜价格时间序列的分解与分析——基于北京市2002-2012年数据[J].华中农业大学学报(社会科学版),2014(01):49-53.[8]郭力野.我国蔬菜价格周期性波动规律分析[J].中国蔬菜,2014(01):41-45.[9]赵仕红.蔬菜价格上涨及波动的成因分析[J].企业经济,2012,31(06):100-103.[10]庄稼汉,刘伟平.福建省蔬菜价格波动的影响因素分析[J].福建农业学报,2016,31(01):84-88.[11]李崇光,肖小勇,张有望.蔬菜流通不同模式及其价格形成的比较——山东寿光至北京的蔬菜流通跟踪考察[J].中国农村经济,2015(08):53-66.[12]刘凯,穆月英,韩婷.蔬菜价格波动及风险研究——以北京为例[J].中