全 文 ：中国生态农业学报 2015年 6月 第 23卷 第 6期
Chinese Journal of Eco-Agriculture, Jun. 2015, 23(6): 785792


* 2014年度河北省社会科学基金项目 (HB14YJ066)、京津冀一体化协同创新中心招标项目 (2014ZBXM01)和国家科技计划项目
(2014BAD10B06)资助
郭娜, 主要研究方向为农产品流通。E-mail: guonuo0524@sina.com
收稿日期: 20150417 接受日期: 20150505
http://www.ecoagri.ac.cn
DOI: 10.13930/j.cnki.cjea.150456
天气因素对蔬菜价格恢复力的影响*
——以石家庄市本地黄瓜为例
郭 娜 闫英杰
(河北经贸大学 石家庄 050000)
摘 要 蔬菜价格的波动影响到经济和社会生活的诸多方面, 减小各种因素影响，稳定蔬菜价格已成为社会
关注的焦点之一。为了研究天气因素对蔬菜价格恢复力的影响, 本文以石家庄市本地黄瓜为例, 采用 2011 年
10月至 2014年 5月石家庄市月度降水量、气温和日照时数的时间序列数据, 通过向量自回归(VAR)模型的格
兰杰(Granger)因果关系检验, 证实了降水量、气温和日照时数等天气因素的变动会引起黄瓜价格的波动。在
此基础上构建了蔬菜价格恢复力模型, 测度了天气因素对黄瓜价格的干扰压力及黄瓜价格对各天气因素的敏
感程度, 并计算了各天气因素影响下的黄瓜价格恢复力。Granger因果关系检验结果表明, 在 5%显著性水平下,
降水量和气温是黄瓜价格波动的 Granger原因; 在 10%显著性水平下, 日照时数是黄瓜价格波动的 Granger原
因, 即降水量、气温和日照时数等天气因素的变动会引起黄瓜价格的波动。价格敏感系数计算结果表明, 黄瓜
价格对降水量和温度变化的敏感程度相对较小, 而对日照时数的敏感程度较高; 日照时数、气温、降水量都会
影响黄瓜价格恢复力, 其中日照时数的影响最明显, 当日照时数发生变化时, 黄瓜价格恢复力较小; 当降水量
或气温发生变化时, 黄瓜价格恢复力相对较大。考虑到各种天气因素主要是通过影响蔬菜供给而导致其价格
波动, 研究提出, 针对天气因素提升蔬菜价格恢复力应主要从供给角度采取相应措施, 以降低这些不利天气
因素的影响, 具体包括加强雾霾治理力度, 缓解日照时数降低对蔬菜供给的影响; 加快发展设施农业, 提高蔬
菜生产对天气变化的抵御能力; 加强农业基础设施建设, 提高蔬菜生产对天气变化的应对能力; 强化技术创
新, 缓解天气变化对蔬菜供应的负面影响等方面。
关键词 石家庄市 本地黄瓜 蔬菜价格 天气因素 价格敏感系数 价格恢复力 雾霾治理
中图分类号: F32 文献标识码: A 文章编号: 1671-3990(2015)06-0785-08
Impact of weather on vegetable price resilience
— A case study of the local cucumber in Shijiazhuang City
GUO Na, YAN Yingjie
(Hebei University of Economics and Business, Shijiazhuang 050000, China)
Abstract Controlling fluctuation of vegetables prices, which influences many aspects of economy and society, have been one
of focuses of social attention. To clarify the effect of weather factors on vegetables price volatility and resilience, with the
local cucumber of Shijiazhuang City as an example, the paper used monthly time-series data of precipitation, temperature and
sunshine hours of Shijiazhuang from October 2011 to May 2014, and confirmed that cucumber price volatility could be caused
by fluctuations of weather factors, such as, precipitation, temperature and sunshine hours by using Granger causality test of
vector auto regression (VAR) model. On this basis, the paper constructed vegetable price resilience model, measured the
interference pressure of weather factors on cucumber price and the sensitivity of cucumber price to weather factors, and
calculated the cucumber price resilience under weather factors disturbance. Granger causality test results showed significant
relationship of cucumber price volatility with precipitation and temperature at < 5% probability and with sunshine hours at
786 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
< 10% probability. The sensitivity coefficient of cucumber price to sunshine hours change was higher than those to precipita-
tion and temperature changes. Fluctuations of precipitation, temperature and sunshine hours affected cucumber price resilience,
of which sunshine hours was most obvious. The price resilience of cucumber price under changed sunshine hours was weaker
than those under changed precipitation and temperature. Considering that weather factors affected vegetable prices resilience
primarily through affecting vegetables supply, the study proposed that appropriate measures enhancing the vegetable prices
resilience under changed whether factors should aim at adjusting vegetable production. Specific measures included reducing
impact of sunshine hours decreasing on vegetables production through combating haze, developing agricultural facilities and
infrastructure to improve vegetable production resisting ability to weather changes, strengthening agricultural technology
innovation to mitigate the negative impact of weather changes on vegetables production.
Keywords Shijiazhuang City; Local cucumber; Vegetable price; Weather factors; Price sensitivity coefficient; Price resilience;
Combating haze
(Received Apr. 17, 2015; accepted May 5, 2015)
近年来, 我国生鲜蔬菜价格波动频繁, 部分蔬
菜价格持续出现大幅涨跌。蔬菜价格的波动不仅对
消费者的利益、蔬菜生产的稳定造成损害, 也加大
了蔬菜生产者和各级分销商的市场风险 [1], 而且还
影响到总体物价水平[2]、GDP 的增长、相关产业的
发展以及社会秩序的稳定等方面[3]。因此, 如何稳定
蔬菜价格已成为社会各界关注的焦点之一, 而稳定
蔬菜价格的关键则是明确导致蔬菜价格波动的原
因。针对这一问题, 学术界进行了积极探索: 王晶晶
等[4]认为居民对蔬菜需求的增长是价格上涨的原因;
李崇光等 [5]认为蔬菜需求基本稳定, 影响蔬菜价格
长期波动的因素主要来自供给方面; 张唯婧 [6]认为
农业生产成本是农产品价格变动的最关键因素; 辛
佳临等[7]认为春季气温偏低, 蔬菜的产量受到影响,
供给减少导致价格上涨 , 夏季则相反 ; 孙倩等 [8]认
为蔬菜的上市成本是影响蔬菜价格的又一重要因
素。此外, 影响蔬菜价格波动的原因还包括自然灾
害、居民收入水平、国内经济周期、宏观调控手段、
蔬菜进出口、国际农产品价格等因素[9]。根据已有
研究可将蔬菜价格影响因素分为 3 类: 经济因素、
政策因素及自然因素。进一步分析可知, 政策因素
和自然因素均是通过一定的传导机制转化成经济因
素而影响生鲜蔬菜价格的, 即最终这些因素都会通
过对供求的影响反映到价格上。根据西方经济学供
求理论, 生鲜蔬菜的供求变化和价格波动形成了一
个适应性循环 , 其相互影响、相互适应的过程在一
定程度上对蔬菜价格的频繁波动做出了理论解
释[10]。由此可见, 供求关系是决定生鲜蔬菜价格波
动的内在机制, 一旦在一些外在因素作用下, 生鲜
蔬菜供求均衡的理想状态被打破, 其价格即会出现
波动, 具有明显的脆弱性。同时, 蔬菜价格的波动又
会对下一阶段的政策制定、供应者及消费者行为产
生影响, 进而又会通过对供求关系的影响抚平波动,
促进价格的理性回归。由以上分析可以看出, 生鲜
蔬菜价格系统是一个典型的具有恢复力的系统, 将
生态系统稳定性研究中的恢复力理论应用到生鲜蔬
菜价格研究中, 可为其价格稳定机制的建立提供新
的理论基础和实践依据。
根据生态学的恢复力理论, 可将生鲜蔬菜价格
恢复力理解为当蔬菜价格受到各种因素的干扰而出
现波动后, 其能够恢复到稳定、合理状态的能力。
在影响生鲜蔬菜价格的各种因素中，天气因素因具
有难预测、难控制、对生鲜蔬菜的生产及流通极具
破坏性等特征, 一直以来就是导致蔬菜价格剧烈波
动的主要外在因素之一[11]。但是, 不同的天气因素
对蔬菜价格波动的影响力度分别有多大？如何根据
不同天气因素对蔬菜价格波动的影响采取应对措施
促使蔬菜价格迅速回归合理？已有的研究鲜有涉
及。本文以河北省石家庄市本地黄瓜为例, 拟通过
选取不同的天气指标, 全面分析天气因素对蔬菜价
格恢复力的影响, 尝试解答以上问题，力求探明各
类天气因素对蔬菜价格的影响力，从而为应对天气
影响、稳定蔬菜价格提供理论依据。
1 研究区域概况与研究方法
除恶劣天气变化造成的生产破坏及流通阻断外,
一般情况下天气因素对蔬菜价格的影响多通过其对
供给的影响来传导。 由于天气变化具有明显的地域
性, 不同区域的蔬菜价格主要受本地天气变化的影
响, 因此, 关于天气因素对蔬菜价格恢复力影响的
研究应针对特定的区域。同时, 蔬菜种类众多, 其生
物特性受天气变化的影响各异, 价格对天气因素变
化的反应程度也不相同, 若将各类蔬菜综合在一起
分析天气因素对蔬菜价格恢复力的影响, 可能会使
研究结果与实际情况出现偏离, 而选择一种有代表
性的蔬菜展开研究则会更有意义。基于以上考虑 ,
第 6期 郭 娜等: 天气因素对蔬菜价格恢复力的影响 787


http://www.ecoagri.ac.cn
本文以石家庄市所辖区域为研究区域 , 以产量较
大、消费较普遍的黄瓜为研究对象。
1.1 研究区概况
石家庄市位于河北省中南部, 地处北纬 38°27′~
38°47′, 东经 113°30′~115°20′, 属于暖温带大陆性季
风气候 , 四季分明 , 太阳辐射季节性变化显著 , 降
水主要集中于夏秋季节。黄瓜是石家庄市所辖区域
种植规模较大的蔬菜品种之一 , 各县市均有种植 ,
其中无极县是石家庄市黄瓜种植规模最大的区域 ,
正定区、高邑县、深泽县、栾城县的黄瓜种植也具
有一定规模。目前, 石家庄市黄瓜种植主要有两种
方式, 即夏秋露天种植和冬春大棚种植。黄瓜采摘
后一部分流向本地市场, 如石家庄市所辖区域的超
市、农贸市场; 另一部分流向京津地区及附近其他
省份。本文在分析中采用石家庄市本地黄瓜价格指
数代表蔬菜价格水平, 采用本地降水量、气温和日
照时数的距平变化量代表天气变化情况。相关数据
由河北省气象局网站及中国农产品信息服务平台
获得。
1.2 研究方法
1.2.1 指标选取
基于天气因素指标合理性及数据可得性的考虑,
本文选择降水量、气温、日照时数 3 个指标的月平
均数据及其距平变化量代表天气因素的变化; 蔬菜
价格波动情况用其月度变化率(V)进行度量:
V= (PtPt1)/Pt1 (1)
式中: Pt代表当月蔬菜价格, Pt1代表上一个月的蔬
菜价格。
1.2.2 蔬菜价格波动与天气因素关系的测定方法
蔬菜价格波动与天气因素的关系用向量自回归
(VAR)模型进行分析。VAR 模型常用于分析相互联
系的时间序列系统及随机干扰对变量系统的动态冲
击 , 从而解释各种冲击对经济变量形成的影响。
VAR模型的一般数学表达式如下[12]:
yt=1yt1+⋯+pytp+Hxt+t (t=1, 2, 3, ⋯, T)
(2)
式中: yt为 k维内生变量列向量; xt为外生变量列向量;
p为滞后阶数; T为样本个数; 矩阵1, ⋯, p和矩阵
H 是待估计的系数矩阵; t是 k 维随机扰动列向量,
这些向量相互之间可以同期相关, 但不与自己的滞
后值相关且不与等式右边的变量相关。
VAR 模型的一个重要应用就是 Granger 因果关
系检验, 为了识别和检验 VAR 模型的合理性, 运用
Granger方法来验证各变量之间的相互影响关系。本
文在选定指标基础上, 运用 2011年 10月至 2014年
5 月石家庄市各天气因素的月度数据以及本地黄瓜
价格的月度数据构建时间序列, 然后运用 VAR模型
进行 Granger因果关系分析。
1.2.3 蔬菜价格恢复力模型构建
在运用VAR模型明确蔬菜价格波动与天气因素
关系的基础上, 借用生态系统恢复力的概念[13]对蔬
菜价格恢复力进行实证研究, 进而确定蔬菜价格对
不同天气因素的敏感程度以及不同天气因素对蔬菜
价格恢复力的影响。
恢复力与脆弱性被认为是同一事物的正反两面,
恢复力高, 脆弱性就低, 反之亦然[14]。脆弱性取决于
系统对干扰因素的敏感性和所受外部干扰力的大小,
可通过下式计算[15]:
F=K+aU (3)
式中: F为系统的脆弱性; a为系统的敏感性因子; U
为外部干扰力; K 为常数, 表示当外部干扰力 U=0
时系统的背景脆弱性。由于恢复力与脆弱性的一体
两面性, 因此可以使用下述公式进行系统恢复力的
测定:
R=1/(U ia ) (i=1, 2, ⋯, n) (4)
式中: R 为系统的恢复力; ai为系统的第 i 个敏感因
子。可见, 系统的恢复力大小取决于系统对外部干
扰的敏感程度和干扰压力的大小, 并与之呈负相关
关系。
作为一个随机事件, 天气状况是蔬菜价格系统
最主要的外部干扰因素之一, 直接对蔬菜价格的稳
定性产生影响。因此, 可利用(4)式计算天气因素对
蔬菜价格恢复力的影响, 将相对稳定、合理的蔬菜
价格可看作是一个稳定的系统, 将降水量、气温和
日照时数的变化作为天气对蔬菜价格系统的外部干
扰因素, 即用 R代表蔬菜价格恢复力, U在这里表示
蔬菜价格所受到的天气因素干扰压力, 蔬菜价格对
天气因素的敏感程度用敏感因子 a 来表示, 即 a=蔬
菜价格变化率/天气因素的距平变化率。其中, 蔬菜
价格对降水量、气温、日照时数的敏感度系数分别
用 a1、a2和 a3表示。敏感度系数的绝对值越大表示
蔬菜价格对天气因素的干扰越敏感, 敏感度系数为
正值表示蔬菜价格与天气因素同方向变化, 负值则
代表呈反方向变化。
2 结果与分析
2.1 蔬菜价格与天气因素的关系
由于 VAR模型的 Granger因果关系检验要求各
个变量必须是平稳的, 或存在协整关系, 所以在建
立 VAR模型之前, 首先要对 4个变量序列进行平稳
788 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
性检验即单位根检验。经检验, 黄瓜价格波动(价格
月变化率)、降水量、气温和日照时数 4个变量在 5%
显著性水平下都是平稳序列。因此, 模型直接利用
蔬菜价格月变化率、降水量、气温和日照时数序列
进行回归, 因果关系检验结果如表 1所示。模型中 V
代表黄瓜价格波动、Rw代表降水量、Sw代表日照时
数、Tw代表气温。
表 1 黄瓜价格波动与各天气因素变化的Granger因果关
系检验结果
Table 1 Granger causality test results between cucumber price
volatility and weather factors fluctuations
原假设
Hypothesis
滞后期
Lag
概率
Probability
结论
Conclusion
Rw does not Granger cause V 2 0.018 9 拒绝 Rejection
Sw does not Granger cause V 2 0.087 6 拒绝 Rejection
Tw does not Granger cause V 2 0.000 7 拒绝 Rejection
V: 黄瓜价格波动; Rw: 降水量; Sw: 日照时数; Tw: 气温。
V: price fluctuation of cucumber; Rw: precipitation; Sw: sunshine
hours; Tw: temperature.

从表 1 可以看出, 在 5%显著性水平下, 降水量
和气温是黄瓜价格波动的 Granger 原因; 在 10%显
著性水平下 , 日照长短是黄瓜价格波动的 Granger
原因。由此可以看出, 降水量、气温和日照时数等
天气因素的变动会引起黄瓜价格的波动, 结果符合
实际情况。
2.2 天气因素对蔬菜价格恢复力的影响分析
VAR模型分析的结果证实了各种天气因素是导
致本地黄瓜价格波动的原因, 使分析天气因素对蔬
菜价格恢复力的影响具备了必要前提。
2.2.1 天气因素对蔬菜价格的干扰压力
本文把供求均衡时的蔬菜价格视为一个稳定系
统, 各种外部因素对稳定价格干扰压力的大小通过
蔬菜价格波动率来衡量。生产成本、居民收入水平、
政府政策以及天气等多种因素变化通过对供求的影
响导致蔬菜价格的波动, 但在一定时期内, 生产成
本、居民收入水平、政府政策等因素相对稳定, 其
变化需要一定的时间, 因此这些因素引起的蔬菜价
格波动会产生趋势性变化, 属于长期趋势波动; 天
气条件的变化及一些其他突发因素, 例如炒作、传
言等, 通常会导致蔬菜价格在相对较短的时间内出
现波动, 因一些突发因素发生的几率相对较低, 因
此, 本文用天气因素引起的蔬菜价格波动近似代表
蔬菜价格的短期波动。据此, 可把蔬菜价格波动分
解为趋势波动和短期波动两部分, 即:
V=Vt+U (5)
式中: V表示蔬菜价格波动率, Vt表示蔬菜价格的长
期趋势波动, U 为蔬菜价格所受到的天气因素干扰
压力即价格短期波动。
计量分析变量趋势变化就是分析某变量总体变
化情况中的趋势成分, 把该变量作为因变量、时间 t
作为自变量 , 用最小二乘(OLS)法进行一元线性回
归。在这里因变量为黄瓜价格总体波动率, 时间 t
用月份数值表示, 即 t=1, 2, 3, ⋯, 12, 对 2011年 10
月至 2014年 5月石家庄市本地黄瓜价格波动率进行
模拟回归, 结果如表 2所示。
表 2 黄瓜价格波动率与时间(t)的回归系数检验结果
Table 2 Regression coefficient test results between cucumber
price volatility and time (t)
变量
Variable
系数
Coefficient
统计值
Statistics
P值
Probability
c 1.184 711 2.145 134 0.040 2
t 0.185 739 2.465 126 0.019 6

表 2中 c是回归方程中的常数项, 由以上回归结
果构造趋势方程为:
Vt=0.185 739t+1.184 711 (6)
由表 2可知, 回归方程及系数在 5%的显著性水
平下均通过检验。将回归结果代入式(5), 经计算可
得出 U。
蔬菜价格的正波动率表示蔬菜价格较平均价格
出现上涨, 负值表示蔬菜价格较平均价格出现下降,
其绝对值越大表明外界因素对蔬菜价格稳定的压力
越大, 反之则越小。图 1显示了 2011年 10月至 2014
年 5 月期间, 在天气因素影响下, 石家庄市本地黄
瓜价格不同月份波动率的变化情况, 由此可以看出
天气因素干扰对蔬菜价格压力的变化。石家庄市本
地黄瓜价格一般在每年 10 月至 12 月较平均价格呈
明显上涨, 在 12月达到高峰, 之后回落, 而在每年 3
月至 6月较平均价格呈明显下跌, 在 5、6月份降至
最低, 之后回升。另外, 图 1 还显示 2013 年 1 月和
2014 年 1 月, 石家庄本地黄瓜价格均出现了一个断
崖式下跌。
2.2.2 蔬菜价格对天气变化的敏感程度
蔬菜价格对降水量、气温及日照的敏感度分析
结果如图 2和图 3所示。
由图 2和图 3可知: 1)2011年 10月至 2014年 5
月间, 石家庄市月降水量的波动较大, 降水波动率
的变化具有明显规律性: 一般在前一年 9月份到第 2
年 3 月份为负值, 且从 9 月份开始不断下降, 在 12
月份或 1月份降至最低, 之后逐渐回升; 在 4月份至
8月份为正值, 且从 4月份开始不断上升, 在 7月份
达到最高。石家庄市本地黄瓜价格对降水量变化的
敏感度系数 a1 波动更为频繁, 呈无规则状态, 说明
第 6期 郭 娜等: 天气因素对蔬菜价格恢复力的影响 789


http://www.ecoagri.ac.cn

图 1 2011年 10月至 2014年 5月石家庄市本地黄瓜月平均价格波动率
Fig. 1 Cucumber price volatility of Shijiazhuang City from October 2011 to May 2014

图 2 2011年 10月至 2014年 5月石家庄市各天气因素变化率
Fig. 2 Weather factors change rates of Shijiazhuang City from October 2011 to May 2014

图 3 2011年 10月至 2014年 5月石家庄市本地黄瓜价格对各天气因素的敏感度系数
Fig. 3 Sensitivity coefficient of Shijiazhuang local cucumber price to weather factors from October 2011 to May 2014
降水量过大造成的“涝”及降水量过小造成的“旱”,
都会导致蔬菜减产, 在一定程度上影响蔬菜的供给,
从而推升蔬菜价格; 如果降水量适中则会促进蔬菜
生产 , 提高产量 , 当有效供给与需求基本平衡时 ,
蔬菜价格趋于平稳, 而当有效供给超过需求时, 蔬
菜价格就会下滑。进一步分析可知, 石家庄市本地
黄瓜价格对降水量变化的敏感系数的绝对值相对较
小, 即黄瓜价格对降水量变化的敏感程度相对较小,
且总体变化也相对稳定, 说明尽管降水量对蔬菜生
产有明显影响, 但是目前一些人为干预措施的应用,
减少了降水量对蔬菜生产的影响。2)在研究期间, 石
家庄市月度气温波动率具有明显的周期性, 季节性
明显, 且不同年度波幅基本一致。而石家庄市本地
黄瓜价格对气温变化的敏感系数 a2的波动却呈无规
则状态 , 有的月份为正值 , 有的月份为负值 , 可见
无论气温上升, 还是下降, 只要达到有利于蔬菜生
长的适宜范围, 就会使产量增加, 当供给大于需求
时, 蔬菜价格就会下降; 同样, 当气温上升或下降
的程度超出了蔬菜生长对温度的要求时, 必然会造
成减产, 一旦出现供不应求, 蔬菜价格就会上升。3)
在研究期间, 石家庄市各月日照时数距平变化率总
体波动较小, 但蔬菜价格对日照时数的敏感系数 a3
790 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
波动幅度较大, 说明日照时数对蔬菜生产进而对蔬
菜产量的影响非常大。
2.2.3 天气因素对蔬菜价格恢复力的影响分析
根据公式(4)可对蔬菜价格恢复力进行定量评价,
蔬菜价格恢复力的数值越大表示蔬菜价格受到天气
因素干扰后恢复到稳定状态的能力越大, 反之则越
小, 结果如图 4所示。
由图 4 可知, 研究期间石家庄市本地黄瓜价格
对天气因素干扰的恢复力呈现波动式变化, 无明显
规律。其中 2012 年 9 月、2013 年 3 月和 7 月恢复
力处于明显高值, 其中又以 2013年 7月最高, 说明该
月黄瓜价格恢复到稳定状态的能力较大, 结合图 2可
以看出, 该月降水量波动率、气温波动率均偏高, 日
照时数波动率处于中等, 而对应的降水量敏感系数、
气温敏感系数、日照敏感系数绝对值基本上均处于最
低状态, 说明研究期的 32 个月中, 相对于其他月份,
2013 年 7 月的降水量、气温、日照时数对黄瓜的生
产最为有利, 这些良好的天气条件保证了本地黄瓜
的有效供给, 促进了黄瓜价格的稳定。2011 年 11 月
和 12月、2014年 4月的恢复力处于明显低值, 均低
于 0.1, 说明受天气因素的干扰这几个月黄瓜价格恢
复到稳定状态的能力均较差, 但由图 3 可以看出, 导
致这几个月黄瓜价格恢复力处于低值的天气原因不
同, 其中 2011年 11月和 12月, 降水量敏感系数和气
温敏感系数绝对值在纳入统计的 32 个月中均处于中
等水平, 而日照敏感系数绝对值基本处于最高值, 可
见, 日照时数是导致这两个月价格恢复力较低的主
要原因。2014年 4月, 降水量敏感系数、气温敏感系
数、日照敏感系数绝对值均处于较高水平, 且降水量
敏感系数绝对值在 32 个月中是最高的。可见, 降水
量、气温、日照时数的变化共同拉低了该月的价格恢
复力, 其中降水量的变化发挥了主要作用。

图 4 2011年 10月至 2014年 5月石家庄市本地黄瓜价格对各天气因素干扰的恢复力
Fig. 4 Resilience of Shijiazhuang local cucumber price to weather factors changes from October 2011 to May 2014
由于不同月份蔬菜价格对各天气因素的敏感程
度不同, 故其受到天气干扰后的恢复力也不同。由
式(4)可知, 蔬菜价格恢复力与蔬菜价格对天气因素
的敏感程度呈反比, 即蔬菜价格对天气因素越敏感
则其恢复力越小, 反之则越大。由图 3可知, 石家庄
市本地黄瓜价格对各天气因素的敏感程度具体表现
为: 日照敏感系数明显高于降水量敏感系数和气温
敏感系数, 有的月份降水量敏感系数高于气温敏感
系数, 有的月份则相反。可见, 在其他天气因素不变
的情况下, 当日照时数发生变化时, 黄瓜价格恢复
力较小; 当降水量或气温发生变化时, 黄瓜价格恢
复力相对较大。这一结论可以在实践中得到很好的
验证, 即在这 3 个因素中, 日照时数的变化对蔬菜
生产的影响是最难通过一些具体措施加以改变的 ;
而长期以来在农业生产中所采取的人为干预主要体
现在应对降水量和气温的变化上, 如人工灌溉、设
施农业等, 这在一定程度上缓解了降水量和气温的
变化对蔬菜生产的影响。
3 结论与讨论
本研究利用 2011年 10月至 2014年 5月石家庄
市各天气因素的月度数据以及本地黄瓜价格的月度
数据构建时间序列, 通过 Granger因果关系分析, 证
实了降水量、气温、日照时数等天气因素是导致本
地黄瓜价格波动的原因, 在此基础上将生态系统恢
复力模型应用到本地黄瓜价格对天气因素干扰的恢
复力的测算中。结果表明, 研究期间石家庄市本地
黄瓜价格对天气因素干扰的恢复力呈现波动式变化,
无明显规律, 主要原因在于不同月份黄瓜价格对各
天气因素的敏感程度不同, 故其受到天气干扰后的
恢复力也不同，分析表明黄瓜价格对日照的敏感度
明显高于降水量和气温。
第 6期 郭 娜等: 天气因素对蔬菜价格恢复力的影响 791


http://www.ecoagri.ac.cn
由于日照时数、气温、降水量等天气因素对蔬
菜价格恢复力的影响主要是通过对蔬菜供给的影响
而向蔬菜价格传导, 因此, 针对天气因素提升蔬菜
价格恢复力应主要从供给角度采取相应措施, 以降
低这些不利天气因素的影响。一是加强雾霾治理力
度, 缓解日照时数降低对蔬菜供给的影响。要实现
蔬菜供给的相对稳定 , 必须要保证一定的日照时
数。近年来, 石家庄市年均日照时数有逐渐减少的
趋势 [16], 除自然因素的变化外, 这与雾霾天气频繁
出现有很大关系。其他地区也存在类似情况。因此,
要在一定程度上扭转石家庄乃至全国年均日照时数
逐渐减少的趋势, 必须通过调整能源结构、投入专
项治理资金、加强对污染排放物的管理等人为干预,
加强雾霾治理。二是加快发展设施农业, 提高蔬菜
生产对天气变化的抵御能力。采用露天种植方式的
蔬菜对于高温、严寒、霜冻、暴雨、冰雹、飓风等
恶劣天气状况缺乏抵御能力, 设施农业应运而生。
目前, 最为普遍的是通过建立塑料大棚、温室等来
改变传统的蔬菜种植方式, 但当出现极端恶劣天气
时, 这些设施往往无能为力。在一些经济发达的地
区, 抵御能力更强的、具有人工环境控制设施的智
能温室也已出现, 但因投入高、技术含量高并未得
到大范围应用。鉴于设施农业对天气变化的抵御能
力, 设施农业尤其是以智能温室为代表的现代化设
施农业应成为下一阶段蔬菜种植发展的重点, 政府
应继续鼓励设施农业发展, 加大对蔬菜温室大棚及
智能温室建设的投入力度, 加强对菜农发展设施农
业的技术指导。三是加强农业基础设施建设, 提高
蔬菜生产对天气变化的应对能力。这里所说的农业
基础设施建设主要是指农业水、电设施建设。水利
建设主要包括灌溉、排水、调水、防洪、保护水源、
水土保持等, 当出现洪涝、干旱等恶劣天气时, 良好
的水利建设能够将蔬菜生产遭受的损失降到最低。
电力建设则通过为水利建设提供动力, 使水利建设
发挥更好的效果, 即目前蔬菜生产中的灌溉、排水
等工作都以电作为动力。由此可见, 加强农业水电
建设, 可提高蔬菜生产对天气变化的应对能力, 保
证有效供给。四是强化技术创新, 缓解天气变化对
蔬菜供应的负面影响。要积极发展蔬菜生产技术 ,
引进或培育具有抗旱、抗涝、抗寒等优良特性的先
进蔬菜品种, 加强蔬菜生产技术的创新。并大力完
善蔬菜运输、储存的基础设施, 建设具有冷藏、保
温、抗晒等功能的流通和储存系统, 增强恶劣天气
条件下蔬菜流通的能力。
本研究首次将恢复力理论应用到蔬菜价格研究
中, 通过分析得出的相关结论基本与现实相符, 研
究方法可为价格研究提供新的理论依据和思路, 研
究结果可为生鲜蔬菜价格稳定机制的建立提供参
考。但是在分析中由于相关数据的缺乏, 难以精确
计算蔬菜价格所受到的天气因素干扰压力, 只好将
蔬菜价格波动分解为趋势波动和短期波动两部分 ,
用天气因素引起的蔬菜价格波动近似代表蔬菜价格
的短期波动, 这对分析结果可能会产生一定影响。
另外, 本研究只是针对日照时数、气温、降水量等
天气因素对蔬菜价格恢复力的影响进行了分析, 而
如何将影响蔬菜价格的所有主要因素综合在一起 ,
对蔬菜价格恢复力进行全面分析则更有研究价值和
实践意义, 这将会成为下一阶段建立蔬菜价格稳定
机制的全新研究方向。
参考文献
[1] 宋长鸣 , 徐娟 , 章胜勇 . 蔬菜价格波动和纵向传导机制研
究——基于 VAR 和 VECH 模型的分析[J]. 农业技术经济,
2013(2): 10–21
Song C M, Xu J, Zhang S Y. Research of vegetable price
fluctuation and the longitudinal transmission mechanism —
Analysis based on the VAR and VECH model [J]. Journal of
Agrotechnical Economics, 2013(2): 10–21
[2] 程冬旭 . 农产品价格走势与整体物价水平关系分析——从
本轮农产品价格上涨谈起[J]. 青海金融, 2011(1): 26–28
Cheng D X. Analysis of the relationship between agricultural
product price trends and the overall price level — From the
current agricultural product prices rising[J]. Qinghai
Financial, 2011(1): 26–28
[3] 黄东梅. 应对蔬菜价格波动的理性思考[J]. 辽宁农业科学,
2012(5): 43–46
Huang D M. Rational thinking about vegetables price
volatility[J]. Liaoning Agricultural Sciences, 2012(5): 43–46
[4] 王晶晶, 陈永福. 2010 年我国蔬菜市场分析与预测[J]. 农
业展望, 2010, 6(4): 21–25
Wang J J, Chen Y F. Analysis and forecast of Chinese
vegetable market in 2010[J]. Agricultural Outlook, 2010, 6(4):
21–25
[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(9): 1–7
Li C G, Bao Y Z. Analysis of the characteristics and reasons
of Chinese vegetable price fluctuation[J]. China Vegetables,
2012(9): 1–7
[6] 张唯婧. 中国农产品价格波动影响因素研究——基于 VAR
模型的协整分析[J]. 价格月刊, 2011(8): 32–36
Zhang W J. Study on influence factors of price fluctuation of
Chinese agricultural products — Based on the integration
analysis of VAR model[J]. Prices Monthly, 2011(8): 32–36
[7] 辛佳临 , 陈永福 . 近期蔬菜类农产品市场分析与预测 [J].
农业展望, 2009, 5(5): 8–11
792 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
Xin J L, Chen Y F. Analysis and forecast of recent vegetable
market[J]. Agricultural Outlook, 2009, 5(5): 8–11
[8] 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(9): 9–14
Sun Q, Mu Y Y. Vegetable price changes, influencing factors
and price forecast — Taking Beijing City wholesale market as
an example[J]. China Vegetables, 2011(9): 9–14
[9] 罗超平 , 李伟毅 , 翟琼 . 外部冲击对蔬菜价格波动的影
响——基于面板向量自回归模型(PVAR)的实证分析[J]. 中
国蔬菜, 2013(10): 16–22
Luo C P, Li W Y, Zhai Q. Impact of external shock on
fluctuation of vegetable price — Based on inter-provincial
panel data VAR model[J]. China Vegetables, 2013(10): 16–22
[10] 高鸿业. 西方经济学(微观部分)[M]. 4 版. 北京: 中国人民
大学出版社, 2007
Gao H Y. Microeconomics[M]. 4nd ed. Beijing: Renmin
University of China Press, 2007
[11] 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(5):
598–602
Zhao A P, Zhao Y S, Wang C. Analysis and evaluation of
vegetable price fluctuation influencing factors in Beijing and
suggestions on policy[J]. Research of Agricultural Moderni-
zation, 2012, 33(5): 598–602
[12] 高铁梅. 计量经济分析方法与建模[M]. 2版. 北京: 清华大
学出版社, 2009
Gao T M. Econometric Analysis Method and Modeling[M].
2nd ed. Beijing: Tsinghua University Press, 2009
[13] 闫海明 , 战金艳 , 张韬. 生态系统恢复力研究进展综述[J].
地理科学进展, 2012, 31(3): 303–314
Yan H M, Zhan J Y, Zhang T. Review of ecosystem resilience
research progress[J]. Progress in Geography, 2012, 31(3):
303–314
[14] 孙晶 , 王俊 , 杨新军 . 社会生态系统恢复力研究综述[J].
生态学报, 2007, 27(12): 5371–5381
Sun J, Wang J, Yang X J. An overview on the resilience of
social-ecological systems[J]. Acta Ecologica Sinica, 2007,
27(12): 5371–5381
[15] 王俊, 杨新军, 刘文兆. 半干旱区社会生态系统干旱恢复
力 的 定 量 化 研 究 [J]. 地 理 科 学 进 展 , 2010, 29(11):
1385–1390
Wang J, Yang X J, Liu W Z. A quantitative research on the
resilience of social-ecological system to drought in the
semiarid area[J]. Progress in Geography, 2010, 29(11):
1385–1390
[16] 廖颖慧, 齐晓华, 崔倩, 等. 石家庄市 56 a日照时数变化特
征及影响因素分析 [J]. 气象水文海洋仪器 , 2013, 30(2):
45–48
Liao Y H, Qi X H, Cui Q, et al. Variation characteristics of
sunshine duration in Shijiazhuang City and analysis of its
influencing factors[J]. Meteorological, Hydrological and
Marine Instruments, 2013, 30(2): 45–48