论文部分内容阅读
DOI：10.19699/j.cnki.issn2096-0298.2021.10.
摘 要：本文选用2001—2018年全国各省份的数据，构建PVAR蔬菜生产成本、蔬菜产量以及蔬菜的需求量等与蔬菜价格的相互影响。研究结果表明，价格发挥着重要的调节作用，但蔬菜价格并没有随着产量的提升而下降，因此应持续完善保障机制，让价格充分发挥调节作用，同时降低物流、储藏等成本，从而缩减居民获取蔬菜的总成本。
关键词：蔬菜价格;价格走势;PVAR
中图分类号：F322 文献标识码：A 文章编号：2096-0298（2021）05（b）--04
2020年新冠肺炎疫情波及全球，对我国各行各业都产生了直接或间接的影响与冲击。
蔬菜作为日常生活的必需品，其本质决定了它们具有易腐蚀质变、不易保存、季节性、周期性和地区性的特点，面对持续的疫情，蔬菜价格会大幅波动吗？项朝阳、李茜凌等对2019年我国蔬菜价格波动特征做了基本分析，认为供求关系是影响2019年蔬菜价格的主要原因[1]， 张倩、于金莹等聚焦于京津冀地区蔬菜市场价格波动特征及同步性，实证研究认为蔬菜间不仅存在共同的影响因素，相互之间也存在影响关系 [2];原云霄等通过对气温变动值与CPI菜价变动率进行关联分析，发现气温变动对蔬菜价格领先约4个旬度，每年春冬季节蔬菜价格指数波动最为显著[3];也有学者研究侧重于对蔬菜价格变动及预测模型本身的精准度进行比较，如彭红星等比较研究了基于BP、LSTM和ARIMA 3种不同算法模型预测蔬菜价格，得出ARIMA模型预测准确率更高[4]。本文首先分析了2017年至2020年8月价格波动特征，发现虽然2020年受疫情影响但是蔬菜价格波动趋势符合历史规律;其次结合蔬菜价格的主要决定因素，利用全国各省份2001—2018年的相关数据构建PVAR模型来实证考察蔬菜生产成本、蔬菜产量以及蔬菜的需求量等与蔬菜价格的相互影响;最后提出对策建议。
1 蔬菜价格波动特征
利用2017年1月至2020年8月全国农贸市场农产品10种蔬菜的月度全国批发价计算得出平均月度价格（见图1），从图1可看出，近3年来价格波动呈波浪形，有明显的高峰与低谷期。值得注意的是2019年11月与12月价格变化趋势与过去两年完全相反，2020年虽然受疫情影响但是波动变化趋势和以往相同，即在年度周期内，蔬菜在年初保持高位价至2月达到高峰，3—5月逐渐回落，6—10月相对来说价格小幅度波动变化。
首先，总体价格波动上涨，近两年有加速趋势。通过对比可以看出，2018全年同比2017年价格水平略低，下降3%;2019全年同比2018年，平均价格上涨11.5%;2020年1—5月蔬菜价格同比2019年1—8月，平均价格上涨约11.8%，其中2020年1月上涨显著，比去年同期上涨28.3%。
其次，蔬菜价格波动具有周期性，波幅逐年下降。分月度看，选取的10种主要蔬菜批发价格的均价在2017—2019年每年12月至次年2月，蔬菜价格水平最高，2月之后呈下降趋势;到6月价格达到一个低位，随后价格趋势波动不大。就波动幅度而言，2017年最高价4.88元/kg，最低价3.65元/kg，相差1.23元/kg，2018年最低价与最高价相差1.06元/kg，2019年最低价与最高价相差0.68元/kg，是过去三年波幅最小的一年。
然而，由于蔬菜本身的生长习性，并不是所有的蔬菜都严格遵循上面的规律（见图2），在选取的10种蔬菜中，如大白菜的幅度有升有降，总体价格平稳;大蒜的价格在2017年价格最高，波动下降;莲藕的价格稳中有升，但幅度增长较大。
数据来源：商务部和农业部价格监测数据显示2017.01—2020.08年全國农产品集贸市场价格中的10种蔬菜 （大白菜、豆角、生姜、西红柿、莴笋、莲藕、大葱、蒜头、黄瓜、生菜） 周价格， 在此计算上得出平均月度/年度价格。
2 研究方法与数据说明
2.1 模型构建与变量定义
面板自回归向量模型（PVAR）是可兼顾多元回归模型和相关变量滞后影响动态关系的非结构化模型分析方法。传统经济学理论中，蔬菜的价格受供求关系影响，遵循与供给变化方向相反、与需求变化同向的规律。笔者参考罗超平等（2013）[5]、彭红星（2020）、孙倩[6]等的研究构建函数关系式。用Vg代表蔬菜价格，Vp代表蔬菜产量，Vc代表蔬菜生产成本，Vx代表蔬菜需求，则以上变量的内生关系可以通过以下联立方程组来表示：
其中，Vp-1代表蔬菜价格滞后一期（类似其他变量），S表示滞后期数，可以根据实际需要进行设定。实证考察蔬菜生产成本、蔬菜产量以及蔬菜的需求量等与蔬菜价格的相互影响关系。
2.2 数据选取和方法设定
本文实证分析采用的数据为全国2001—2018年的数据，为了避免异方差对回归结果的影响，对全部数据进行了对数化处理。其中蔬菜价格、蔬菜需求、蔬菜生产成本数据分别来源于《中国统计年鉴》（2002—2019）报告的商品零售价格分类指数中各地区居民消费价格分类指数、《国家统计局》中各省人口数 ×人均蔬菜消费量、《中国统计年鉴》各地区农产品生产价格指数（种植业）、中国农业农村部全国蔬菜产量。
运用Eviews-10和Stata软件，使用面板自向量回归程序 PVAR模型[7]进行建模和实证分析。运用 Eviews进行面板数据的平稳性检验，在此基础上，利用Stata完成最佳滞后阶数、GMM 估计模型参数、脉冲响应分析、方差分解等分析步骤。
3 实证分析
3.1 变量的平稳性检验
对影响蔬菜价格的成本、产量、需求量、价格取得对数变量做了单位根检验，可以确定其平稳性、避免伪回归。本文选择了带有截距的检验式，实验发现一阶差分后整体在低于15%的显著水平下趋于平稳（见表1）。 3.2 面板协整要求
笔者选取KAO检验对涉及数据进行协整检验，结果如表2所示，数据比较显著，可以认为蔬菜价格、蔬菜产量、蔬菜成本、蔬菜需求量之间存在长期稳定的均衡关系。
3.3 滞后阶数的选择
为进一步估计蔬菜价格、蔬菜产量、蔬菜成本、蔬菜需求量四个变量构成的PVAR模型，需要确定模型的滞后阶数。由表3结果可知，该模型最优滞后阶数为2阶。
3.4 在面板数据上估计PVAR 模型
笔者借助数据处理软件STATA15.0就上述PVAR模型进行Sys-GMM回归估计，估计结果如表4所示，其中，h_，h2_依次表示滞后1期、2期。
当蔬菜价格LnVg作为反应变量时，价格本身对自身影响呈现负相关且在10%的水平下显著，说明蔬菜价格前期增长对后期呈现一定的抑制作用;蔬菜产量LnVp和蔬菜需求LnVx对蔬菜价格LnVg具有正的影响且在5%的水平下显著，但在滞后1期下呈现弱得负相关性，可能的原因是根据基本经济学原理，蔬菜价格基本是由需求和供给的状况决定的，在滞后一期时，随着市场行为调节，产量或需求大幅增加对价格的影响有限。
当蔬菜生产成本LnVc为反应变量时，价格LnVg系数分别为1.43和1.14，呈现同方向正相关趋势，符合价格影响机制的基本原理。
当蔬菜产量LnVp为反应变量时，蔬菜价格系数在水平期和一期下为0.03和8.42，说明价格上涨会引起产量的急剧增加，但在滞后一期并没有呈现递减趋势，说明蔬菜价格对产品的调节机制存在障碍，可能原因是蔬菜一经种植无法重新安排生产。
当蔬菜需求LnVx为反应变量时，蔬菜价格系数在水平期和一期下为1.82和-4.91，说明价格对需求总体表现为负的影响且影响显著。
3.5 响应分析
本文使用蒙特卡罗（ MonteCarlo） 模拟500次得到置信区间在5%～95% 的正交化脉冲响应函数图（图3）。正交化脉冲响应函数图随着响應期（横轴）的增加，冲击响应程（纵轴）逐渐收敛，说明蔬菜价格内部传导系统是平稳的。对图3进行分析可得到以下结论：一是蔬菜价格LnVg对蔬菜产量LnVp最初便会产生较大的正影响且在第一期影响最大，随后影响减弱。说明蔬菜价格对蔬菜产量有较好的调节作用。二是对蔬菜成本LnVc进行标准差冲击，蔬菜价格在第一期显著上升，第二期急剧下降，小幅度波动后达到趋近于零的极小正响应值，符合价格调节机制的一般规律。三是从图3看出，蔬菜产量LnVp的增加反而引起价格的上涨，在第一期影响达到最大，考虑除去菜价本身，送到居民手中还涉及物流成本、保鲜成本等其他成本导致总成本上涨，而产量上涨对价格影响幅度远抵消不了其他成本上涨导致价格上涨的幅度，导致结果看上去违背一般经济规律。四是蔬菜需求LnVx的增加在第一期显著对价格产生正影响，随后幅度减弱但趋势总体呈正相关。
4 结论与政策建议
本文首先对2017年至2020年8月我国蔬菜价格的波动情况进行分析总结，其次利用2001—2018年我国各个省份的年度数据，运用PVAR模型分析了影响蔬菜价格波动的因素，最后根据分析结论给出对策建议。
第一，在新冠疫情影响下，蔬菜价格即使是在疫情高峰期也只是略微高涨，总体呈现年度间上涨，年度内有明显的季节波动，总体菜价波动符合以往发展趋势，属于价格的正常波动。
第二，持续完善蔬菜市场体系建设，尊重市场规律，加强蔬菜信息网的建设，充分发挥“无形的手”的作用，保障蔬菜价格的调节机制正常发挥作用。
第三，持续贯彻落实全国蔬菜产业发展规划，对重点发展蔬菜产业的580个县持续从生产、流通及质量安全体系等多个方面进行深度优化，做大做强示范重点生产基地建设。在增加蔬菜产量的同时，提高资源配置效率，减少蔬菜端上居民餐桌前不必要的如物流、包装、冷藏等损耗成本，促进蔬菜产业良性发展，有效保障蔬菜供给，也是蔬菜产业长远发展的需要。
第四，充分利用互联网+、智慧农业、大数据、区块链、人工智能等新兴技术，坚持创新，优化甚至减少生产、流通以及交易、销售的环节，提高产量，充分缩减居民获取蔬菜的总成本。疫情期间立足互联网+创新产生了不同于以往蔬菜流通模式的新商业模式受到肯定，生鲜电销如“每日优鲜”“叮咚买菜”等商家提供的线上+线下不接触配送解决了人民的生活需要。在未来不确定环境中，立足科技、坚持创新是保证蔬菜生产、价格稳定、人民安心的根本。
参考文献
项朝阳，李茜凌.2019年我国蔬菜价格波动特征[J].中国蔬菜，2020（02）：1-5.
张倩，于金莹，赵姜，等.京津冀蔬菜价格波动同步性研究价格理论与实践[J].2019（09）：71-74.
原云霄，王宝海，宋洁.气温变动对我国蔬菜价格指数影响的实证分析[J]数学的实践与认识，2019（14）：263-269.
彭红星，郑楷航，黄国彬，等，基于BP、LSTM和ARIMA模型的蔬菜价格预测[J].中国农机化学报，2020（04）：193-199.
罗超平.蔬菜价格波动及其内生因素——基于PVAR模型的实证分析[J].农业技术经济，2013（02）：22-30.
孙倩，穆月英.我国蔬菜价格波动、原因及其影响因素分析[J].农村金融研究，2011（08）.
陈强，高级计量经济学及Stata应用[M].北京：高等教育出版社，2010.
Characteristics of Vegetable Price Fluctuation in China
—— An Empirical Analysis Based on PVAR Model
School of Management， Lanzhou University ZHANG Bi
Abstract： This article uses data from various provinces in the country from 2001 to 2018 to construct a PVAR model to explain the interaction between vegetable production costs， vegetable output， vegetable demand and vegetable prices. The results show that price plays an important regulatory role， but the price of vegetables does not decline with the increase of output. Therefore， we should continue to improve the security mechanism， let the price play a regulatory role， and reduce the cost of logistics and storage， so as to reduce the total cost of residents to obtain vegetables.
Keywords： vegetable prices; price trends; PVAR
摘 要：本文选用2001—2018年全国各省份的数据，构建PVAR蔬菜生产成本、蔬菜产量以及蔬菜的需求量等与蔬菜价格的相互影响。研究结果表明，价格发挥着重要的调节作用，但蔬菜价格并没有随着产量的提升而下降，因此应持续完善保障机制，让价格充分发挥调节作用，同时降低物流、储藏等成本，从而缩减居民获取蔬菜的总成本。
关键词：蔬菜价格;价格走势;PVAR
中图分类号：F322 文献标识码：A 文章编号：2096-0298（2021）05（b）--04
2020年新冠肺炎疫情波及全球，对我国各行各业都产生了直接或间接的影响与冲击。
蔬菜作为日常生活的必需品，其本质决定了它们具有易腐蚀质变、不易保存、季节性、周期性和地区性的特点，面对持续的疫情，蔬菜价格会大幅波动吗？项朝阳、李茜凌等对2019年我国蔬菜价格波动特征做了基本分析，认为供求关系是影响2019年蔬菜价格的主要原因[1]， 张倩、于金莹等聚焦于京津冀地区蔬菜市场价格波动特征及同步性，实证研究认为蔬菜间不仅存在共同的影响因素，相互之间也存在影响关系 [2];原云霄等通过对气温变动值与CPI菜价变动率进行关联分析，发现气温变动对蔬菜价格领先约4个旬度，每年春冬季节蔬菜价格指数波动最为显著[3];也有学者研究侧重于对蔬菜价格变动及预测模型本身的精准度进行比较，如彭红星等比较研究了基于BP、LSTM和ARIMA 3种不同算法模型预测蔬菜价格，得出ARIMA模型预测准确率更高[4]。本文首先分析了2017年至2020年8月价格波动特征，发现虽然2020年受疫情影响但是蔬菜价格波动趋势符合历史规律;其次结合蔬菜价格的主要决定因素，利用全国各省份2001—2018年的相关数据构建PVAR模型来实证考察蔬菜生产成本、蔬菜产量以及蔬菜的需求量等与蔬菜价格的相互影响;最后提出对策建议。
1 蔬菜价格波动特征
利用2017年1月至2020年8月全国农贸市场农产品10种蔬菜的月度全国批发价计算得出平均月度价格（见图1），从图1可看出，近3年来价格波动呈波浪形，有明显的高峰与低谷期。值得注意的是2019年11月与12月价格变化趋势与过去两年完全相反，2020年虽然受疫情影响但是波动变化趋势和以往相同，即在年度周期内，蔬菜在年初保持高位价至2月达到高峰，3—5月逐渐回落，6—10月相对来说价格小幅度波动变化。
首先，总体价格波动上涨，近两年有加速趋势。通过对比可以看出，2018全年同比2017年价格水平略低，下降3%;2019全年同比2018年，平均价格上涨11.5%;2020年1—5月蔬菜价格同比2019年1—8月，平均价格上涨约11.8%，其中2020年1月上涨显著，比去年同期上涨28.3%。
其次，蔬菜价格波动具有周期性，波幅逐年下降。分月度看，选取的10种主要蔬菜批发价格的均价在2017—2019年每年12月至次年2月，蔬菜价格水平最高，2月之后呈下降趋势;到6月价格达到一个低位，随后价格趋势波动不大。就波动幅度而言，2017年最高价4.88元/kg，最低价3.65元/kg，相差1.23元/kg，2018年最低价与最高价相差1.06元/kg，2019年最低价与最高价相差0.68元/kg，是过去三年波幅最小的一年。
然而，由于蔬菜本身的生长习性，并不是所有的蔬菜都严格遵循上面的规律（见图2），在选取的10种蔬菜中，如大白菜的幅度有升有降，总体价格平稳;大蒜的价格在2017年价格最高，波动下降;莲藕的价格稳中有升，但幅度增长较大。
数据来源：商务部和农业部价格监测数据显示2017.01—2020.08年全國农产品集贸市场价格中的10种蔬菜 （大白菜、豆角、生姜、西红柿、莴笋、莲藕、大葱、蒜头、黄瓜、生菜） 周价格， 在此计算上得出平均月度/年度价格。
2 研究方法与数据说明
2.1 模型构建与变量定义
面板自回归向量模型（PVAR）是可兼顾多元回归模型和相关变量滞后影响动态关系的非结构化模型分析方法。传统经济学理论中，蔬菜的价格受供求关系影响，遵循与供给变化方向相反、与需求变化同向的规律。笔者参考罗超平等（2013）[5]、彭红星（2020）、孙倩[6]等的研究构建函数关系式。用Vg代表蔬菜价格，Vp代表蔬菜产量，Vc代表蔬菜生产成本，Vx代表蔬菜需求，则以上变量的内生关系可以通过以下联立方程组来表示：
其中，Vp-1代表蔬菜价格滞后一期（类似其他变量），S表示滞后期数，可以根据实际需要进行设定。实证考察蔬菜生产成本、蔬菜产量以及蔬菜的需求量等与蔬菜价格的相互影响关系。
2.2 数据选取和方法设定
本文实证分析采用的数据为全国2001—2018年的数据，为了避免异方差对回归结果的影响，对全部数据进行了对数化处理。其中蔬菜价格、蔬菜需求、蔬菜生产成本数据分别来源于《中国统计年鉴》（2002—2019）报告的商品零售价格分类指数中各地区居民消费价格分类指数、《国家统计局》中各省人口数 ×人均蔬菜消费量、《中国统计年鉴》各地区农产品生产价格指数（种植业）、中国农业农村部全国蔬菜产量。
运用Eviews-10和Stata软件，使用面板自向量回归程序 PVAR模型[7]进行建模和实证分析。运用 Eviews进行面板数据的平稳性检验，在此基础上，利用Stata完成最佳滞后阶数、GMM 估计模型参数、脉冲响应分析、方差分解等分析步骤。
3 实证分析
3.1 变量的平稳性检验
对影响蔬菜价格的成本、产量、需求量、价格取得对数变量做了单位根检验，可以确定其平稳性、避免伪回归。本文选择了带有截距的检验式，实验发现一阶差分后整体在低于15%的显著水平下趋于平稳（见表1）。 3.2 面板协整要求
笔者选取KAO检验对涉及数据进行协整检验，结果如表2所示，数据比较显著，可以认为蔬菜价格、蔬菜产量、蔬菜成本、蔬菜需求量之间存在长期稳定的均衡关系。
3.3 滞后阶数的选择
为进一步估计蔬菜价格、蔬菜产量、蔬菜成本、蔬菜需求量四个变量构成的PVAR模型，需要确定模型的滞后阶数。由表3结果可知，该模型最优滞后阶数为2阶。
3.4 在面板数据上估计PVAR 模型
笔者借助数据处理软件STATA15.0就上述PVAR模型进行Sys-GMM回归估计，估计结果如表4所示，其中，h_，h2_依次表示滞后1期、2期。
当蔬菜价格LnVg作为反应变量时，价格本身对自身影响呈现负相关且在10%的水平下显著，说明蔬菜价格前期增长对后期呈现一定的抑制作用;蔬菜产量LnVp和蔬菜需求LnVx对蔬菜价格LnVg具有正的影响且在5%的水平下显著，但在滞后1期下呈现弱得负相关性，可能的原因是根据基本经济学原理，蔬菜价格基本是由需求和供给的状况决定的，在滞后一期时，随着市场行为调节，产量或需求大幅增加对价格的影响有限。
当蔬菜生产成本LnVc为反应变量时，价格LnVg系数分别为1.43和1.14，呈现同方向正相关趋势，符合价格影响机制的基本原理。
当蔬菜产量LnVp为反应变量时，蔬菜价格系数在水平期和一期下为0.03和8.42，说明价格上涨会引起产量的急剧增加，但在滞后一期并没有呈现递减趋势，说明蔬菜价格对产品的调节机制存在障碍，可能原因是蔬菜一经种植无法重新安排生产。
当蔬菜需求LnVx为反应变量时，蔬菜价格系数在水平期和一期下为1.82和-4.91，说明价格对需求总体表现为负的影响且影响显著。
3.5 响应分析
本文使用蒙特卡罗（ MonteCarlo） 模拟500次得到置信区间在5%～95% 的正交化脉冲响应函数图（图3）。正交化脉冲响应函数图随着响應期（横轴）的增加，冲击响应程（纵轴）逐渐收敛，说明蔬菜价格内部传导系统是平稳的。对图3进行分析可得到以下结论：一是蔬菜价格LnVg对蔬菜产量LnVp最初便会产生较大的正影响且在第一期影响最大，随后影响减弱。说明蔬菜价格对蔬菜产量有较好的调节作用。二是对蔬菜成本LnVc进行标准差冲击，蔬菜价格在第一期显著上升，第二期急剧下降，小幅度波动后达到趋近于零的极小正响应值，符合价格调节机制的一般规律。三是从图3看出，蔬菜产量LnVp的增加反而引起价格的上涨，在第一期影响达到最大，考虑除去菜价本身，送到居民手中还涉及物流成本、保鲜成本等其他成本导致总成本上涨，而产量上涨对价格影响幅度远抵消不了其他成本上涨导致价格上涨的幅度，导致结果看上去违背一般经济规律。四是蔬菜需求LnVx的增加在第一期显著对价格产生正影响，随后幅度减弱但趋势总体呈正相关。
4 结论与政策建议
本文首先对2017年至2020年8月我国蔬菜价格的波动情况进行分析总结，其次利用2001—2018年我国各个省份的年度数据，运用PVAR模型分析了影响蔬菜价格波动的因素，最后根据分析结论给出对策建议。
第一，在新冠疫情影响下，蔬菜价格即使是在疫情高峰期也只是略微高涨，总体呈现年度间上涨，年度内有明显的季节波动，总体菜价波动符合以往发展趋势，属于价格的正常波动。
第二，持续完善蔬菜市场体系建设，尊重市场规律，加强蔬菜信息网的建设，充分发挥“无形的手”的作用，保障蔬菜价格的调节机制正常发挥作用。
第三，持续贯彻落实全国蔬菜产业发展规划，对重点发展蔬菜产业的580个县持续从生产、流通及质量安全体系等多个方面进行深度优化，做大做强示范重点生产基地建设。在增加蔬菜产量的同时，提高资源配置效率，减少蔬菜端上居民餐桌前不必要的如物流、包装、冷藏等损耗成本，促进蔬菜产业良性发展，有效保障蔬菜供给，也是蔬菜产业长远发展的需要。
第四，充分利用互联网+、智慧农业、大数据、区块链、人工智能等新兴技术，坚持创新，优化甚至减少生产、流通以及交易、销售的环节，提高产量，充分缩减居民获取蔬菜的总成本。疫情期间立足互联网+创新产生了不同于以往蔬菜流通模式的新商业模式受到肯定，生鲜电销如“每日优鲜”“叮咚买菜”等商家提供的线上+线下不接触配送解决了人民的生活需要。在未来不确定环境中，立足科技、坚持创新是保证蔬菜生产、价格稳定、人民安心的根本。
参考文献
项朝阳，李茜凌.2019年我国蔬菜价格波动特征[J].中国蔬菜，2020（02）：1-5.
张倩，于金莹，赵姜，等.京津冀蔬菜价格波动同步性研究价格理论与实践[J].2019（09）：71-74.
原云霄，王宝海，宋洁.气温变动对我国蔬菜价格指数影响的实证分析[J]数学的实践与认识，2019（14）：263-269.
彭红星，郑楷航，黄国彬，等，基于BP、LSTM和ARIMA模型的蔬菜价格预测[J].中国农机化学报，2020（04）：193-199.
罗超平.蔬菜价格波动及其内生因素——基于PVAR模型的实证分析[J].农业技术经济，2013（02）：22-30.
孙倩，穆月英.我国蔬菜价格波动、原因及其影响因素分析[J].农村金融研究，2011（08）.
陈强，高级计量经济学及Stata应用[M].北京：高等教育出版社，2010.
Characteristics of Vegetable Price Fluctuation in China
—— An Empirical Analysis Based on PVAR Model
School of Management， Lanzhou University ZHANG Bi
Abstract： This article uses data from various provinces in the country from 2001 to 2018 to construct a PVAR model to explain the interaction between vegetable production costs， vegetable output， vegetable demand and vegetable prices. The results show that price plays an important regulatory role， but the price of vegetables does not decline with the increase of output. Therefore， we should continue to improve the security mechanism， let the price play a regulatory role， and reduce the cost of logistics and storage， so as to reduce the total cost of residents to obtain vegetables.
Keywords： vegetable prices; price trends; PVAR