【编者的话】 农产品电商发展与果品价格相关性研究是理论指导实践的有益尝试。随着农业电商体系、机制的不断完善和发展，相信此方面研究也会显现更进一步的现实意义。我们希望和欢迎更多科研院校的类似研究成果能够见诸本刊，给予果品生产、经营者以更为科学的产销指导。
随着移动互联网基础设施和相关技术的不断完善，兼具便利性和安全性的农产品电商取得了长足发展。我们利用时间序列GRANGER模型对农产品电商发展与果品价格相关性进行了实证研究，并基于研究結论提出了相关分析与建议。
1 农产品电商对果业发展的意义
农产品电子商务依托互联网平台，运用信息化与科学化方式，配合市场化运作，实现果品销售的电子化信息化运营，对果农收入水平提升具有重要意义。
一是农产品电商的发展减少了果品销售中间环节，大大降低了交易成本，有利于果农增收。在传统营销模式中，果品从田间地头到消费者餐桌需经多个中间环节，而随着电商的发展，果农借助农产品电商平台即可在网上出售果品，交易、支付、配送等多环节实现了一站式服务，减少了购销中间环节，从而降低了交易成本。
二是农产品电商的发展有助于消费者更加了解优质果品，利于优质果品销售量的提升。随着收入水平的普遍提高，消费者对果品安全提出了更高要求，他们不但追求物美价廉，而且注重营养和安全。传统果品销售模式不能给消费者提供足够充分的果品信息，导致消费者无从选择，而电商的发展则有利于提升优质果品知名度，从而提高优质果品销量。
三是农产品电商的发展使果业生产更加贴近市场，贴近消费者需求。互联网加快了果品产销信息传播速度，从而有效了解果业生产、销售各阶段各环节信息不对称的问题，有利于果农充分掌握和及时分析果品供需情况，有效降低经营风险。更重要的是，果农可以借助互联网了解相关果品的深加工动向，学习更为先进的生产技术经验，生产出更符合市场需求的优质果品。
据我们初步统计，自2015年以来，涉及农村电子商务的国家级文件就有20多份，各地关于农村电子商务的政策更是数不胜数。2016年中央一号文件指出，“大力推进‘互联网+’现代农业，应用物联网、云计算、大数据、移动互联等现代信息技术，推动农业全产业链改造升级。”2017年的中央一号文件将农村电商单独列出并予以强调，进一步支持农产品电商发展。
2 农产品电商与果品价格相关性研究的意义
前面探讨了农产品电商发展对果农增收的长远意义，但目前农产品电商与果品价格相关性如何，对果农增收效果怎样，仍需通过数据加以验证。
为此，我们参考了《农产品电商发展对农业转型升级的倒逼效应——基于省际静态与动态面板数据的实证分析》等多篇文献，提出假设：果品平均价格将随着农产品电商的发展而 提升。
我们推断，随着农产品电商的发展，优质果品的优势将得以进一步体现，从而实现优果消费需求量的提升，进而实现优果生产量的提升，最终推高果品整体价格。此外我们认为果品价格还可能与以下两个因素有关：一是消费水平的提高使得人们愿意花更多的钱购买更加优质的果品，从而提升对优质果品的需求，进而提升果品均价;二是随着农业机械的广泛使用，果业生产成本大幅降低，果品消费价格将随之降低。
针对以上假设，我们通过时间序列GRANGER模型对相关数据进行了实证检验。
3 GRANGER因果关系模型的构建
3.1 变量选择及预处理
1)变量选择。基于数据可得性原因，我们选取了全国电商物流农村业务量指数作为指标，以近似地代表我国农产品电商发展情况。由于该数据自2015年1月开始发布，因此我们将数据时间范围确定为2015年1月至2019年 6月。
水果具有附加值高、产品地区和质量差异性较为明显、消费半径大等特点，且价格受市场供求关系影响较大，适合利用电商渠道销售。商务部自2005年起每周公布苹果、香蕉、葡萄、鸭梨、香蕉的周环比价格指数，我们以此计算各种水果以2015年1月为基期的价格指数(假设2015年1月的水果价格指数为100)，并通过简单平均法，近似地计算我国自2015年1月以来的总体水果价格指数。
此外，我们选取了全国农业机械行业主营业务收入和全国居民人均可支配收入作为指标，来代表我国农业机械普及程度以及居民财富拥有量。本文选取的变量说明见表1。
2)描述性统计。上述变量中，FRU为周度数据，ELI为月度数据，AMI、INC为季度数据。通过线性插值法将所有变量转换为周度数据。由于AMI和INC属于年度累计数据，而ELI和FRU属于指数数据，具有跨年累计特性，不能直接用于比较，因此使用差分法计算FRU、ELI、AMI和INC这4个指标的周度增量，并分别用DFRU、DELI、DAMI和DINC来表示。差分后数据的描述性统计量见表2。
3)变量预处理。因使用GRANGER因果检验时须确保所有变量为平稳序列，否则可能导致伪回归，所以我们先对以上4个变量的对数值进行了ADF检验及平稳性处理，见表3。
从单位根检验表中可以看到，人均可支配收入和农业机械行业收入的周增量(DAMI和DINC)为一阶单整序列，需要对其进行再次差分后方能得到平稳序列。为保证所有数据的同一性，我们对4个数据均进行差分后进行回归，使用D2FRU、D2ELI、D2AMI和D2INC来代表经过差分后的序列。
随着移动互联网基础设施和相关技术的不断完善，兼具便利性和安全性的农产品电商取得了长足发展。我们利用时间序列GRANGER模型对农产品电商发展与果品价格相关性进行了实证研究，并基于研究結论提出了相关分析与建议。
1 农产品电商对果业发展的意义
农产品电子商务依托互联网平台，运用信息化与科学化方式，配合市场化运作，实现果品销售的电子化信息化运营，对果农收入水平提升具有重要意义。
一是农产品电商的发展减少了果品销售中间环节，大大降低了交易成本，有利于果农增收。在传统营销模式中，果品从田间地头到消费者餐桌需经多个中间环节，而随着电商的发展，果农借助农产品电商平台即可在网上出售果品，交易、支付、配送等多环节实现了一站式服务，减少了购销中间环节，从而降低了交易成本。
二是农产品电商的发展有助于消费者更加了解优质果品，利于优质果品销售量的提升。随着收入水平的普遍提高，消费者对果品安全提出了更高要求，他们不但追求物美价廉，而且注重营养和安全。传统果品销售模式不能给消费者提供足够充分的果品信息，导致消费者无从选择，而电商的发展则有利于提升优质果品知名度，从而提高优质果品销量。
三是农产品电商的发展使果业生产更加贴近市场，贴近消费者需求。互联网加快了果品产销信息传播速度，从而有效了解果业生产、销售各阶段各环节信息不对称的问题，有利于果农充分掌握和及时分析果品供需情况，有效降低经营风险。更重要的是，果农可以借助互联网了解相关果品的深加工动向，学习更为先进的生产技术经验，生产出更符合市场需求的优质果品。
据我们初步统计，自2015年以来，涉及农村电子商务的国家级文件就有20多份，各地关于农村电子商务的政策更是数不胜数。2016年中央一号文件指出，“大力推进‘互联网+’现代农业，应用物联网、云计算、大数据、移动互联等现代信息技术，推动农业全产业链改造升级。”2017年的中央一号文件将农村电商单独列出并予以强调，进一步支持农产品电商发展。
2 农产品电商与果品价格相关性研究的意义
前面探讨了农产品电商发展对果农增收的长远意义，但目前农产品电商与果品价格相关性如何，对果农增收效果怎样，仍需通过数据加以验证。
为此，我们参考了《农产品电商发展对农业转型升级的倒逼效应——基于省际静态与动态面板数据的实证分析》等多篇文献，提出假设：果品平均价格将随着农产品电商的发展而 提升。
我们推断，随着农产品电商的发展，优质果品的优势将得以进一步体现，从而实现优果消费需求量的提升，进而实现优果生产量的提升，最终推高果品整体价格。此外我们认为果品价格还可能与以下两个因素有关：一是消费水平的提高使得人们愿意花更多的钱购买更加优质的果品，从而提升对优质果品的需求，进而提升果品均价;二是随着农业机械的广泛使用，果业生产成本大幅降低，果品消费价格将随之降低。
针对以上假设，我们通过时间序列GRANGER模型对相关数据进行了实证检验。
3 GRANGER因果关系模型的构建
3.1 变量选择及预处理
1)变量选择。基于数据可得性原因，我们选取了全国电商物流农村业务量指数作为指标，以近似地代表我国农产品电商发展情况。由于该数据自2015年1月开始发布，因此我们将数据时间范围确定为2015年1月至2019年 6月。
水果具有附加值高、产品地区和质量差异性较为明显、消费半径大等特点，且价格受市场供求关系影响较大，适合利用电商渠道销售。商务部自2005年起每周公布苹果、香蕉、葡萄、鸭梨、香蕉的周环比价格指数，我们以此计算各种水果以2015年1月为基期的价格指数(假设2015年1月的水果价格指数为100)，并通过简单平均法，近似地计算我国自2015年1月以来的总体水果价格指数。
此外，我们选取了全国农业机械行业主营业务收入和全国居民人均可支配收入作为指标，来代表我国农业机械普及程度以及居民财富拥有量。本文选取的变量说明见表1。
2)描述性统计。上述变量中，FRU为周度数据，ELI为月度数据，AMI、INC为季度数据。通过线性插值法将所有变量转换为周度数据。由于AMI和INC属于年度累计数据，而ELI和FRU属于指数数据，具有跨年累计特性，不能直接用于比较，因此使用差分法计算FRU、ELI、AMI和INC这4个指标的周度增量，并分别用DFRU、DELI、DAMI和DINC来表示。差分后数据的描述性统计量见表2。
3)变量预处理。因使用GRANGER因果检验时须确保所有变量为平稳序列，否则可能导致伪回归，所以我们先对以上4个变量的对数值进行了ADF检验及平稳性处理，见表3。
从单位根检验表中可以看到，人均可支配收入和农业机械行业收入的周增量(DAMI和DINC)为一阶单整序列，需要对其进行再次差分后方能得到平稳序列。为保证所有数据的同一性，我们对4个数据均进行差分后进行回归，使用D2FRU、D2ELI、D2AMI和D2INC来代表经过差分后的序列。
收藏