Traducido del inglés al español - www.onlinedoctranslator.

com

Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790

Listas de contenidos disponibles enCienciaDirecta

Revista de venta minorista y servicios al consumidor

revista Página de inicio:www.elsevier.com/locate/jretconser

Impacto dinámico del sentimiento público negativo sobre los precios de los productos agrícolas
durante el COVID-19

yunqiang liua,1, Sha Liua,1, Deping Yea, Hong-Tanga,b, Colmillo Wanga,*

aFacultad de Administración, Universidad Agrícola de Sichuan, Chengdu, 611130, China
bCentro de Sichuan para la Investigación del Desarrollo Rural, Chengdu, 611130, China

INFORMACIÓN DEL ARTÍCULO RESUMEN

Palabras clave: La pandemia de COVID-19 ha tenido un impacto significativamente negativo en el sentimiento público, lo que ha resultado en pánico y cierto comportamiento de compra irracional, lo que a su vez ha tenido un impacto complejo en los precios de los

COVID-19 productos agrícolas. Este estudio cuantificó el sentimiento negativo en línea utilizando minería de texto de microblog y un modelo autorregresivo de vector de parámetros variable en el tiempo (TVP-VAR) para analizar empíricamente el impacto dinámico

Sentimiento negativo en línea

de las emociones negativas del público en los precios de los productos agrícolas durante la pandemia de COVID-19 en China. Se descubrió que el sentimiento negativo en línea afectó los precios de los productos agrícolas durante COVID-19 y tuvo
Precios de productos agrícolas
características significativas de ciclo de vida, retraso y variación en el tiempo, siendo las respuestas más significativas en los períodos de propagación y recesión. Se encontraron diferencias en las respuestas de precios para diferentes productos agrícolas
Impacto dinámico
y en diferentes áreas de riesgo. Se descubrió que el sentimiento negativo en línea tiene el mayor impacto en los precios de las verduras, ya que los precios de los productos pecuarios y las verduras se ven afectados principalmente de forma positiva, los
Modelo TVP-VAR
precios de las frutas se ven afectados principalmente de forma negativa y los precios de los productos acuáticos se ven afectados negativamente en la etapa inicial y positivamente en la mitad. y etapas tardías. El sentimiento negativo en línea tuvo el

mayor impacto en los precios de los productos agrícolas del área de riesgo medio, seguido de las áreas de bajo riesgo, y el impacto más bajo se encontró en los precios de los productos agrícolas del área de alto riesgo. Con base en los resultados, se

brindan tres sugerencias de políticas para el monitoreo de epidemias, la orientación y el control de la opinión pública y la publicación oportuna de información sobre productos agrícolas. Se descubrió que el sentimiento negativo en línea tiene el mayor

impacto en los precios de las verduras, ya que los precios de los productos pecuarios y las verduras se ven afectados principalmente de forma positiva, los precios de las frutas se ven afectados principalmente de forma negativa y los precios de los

productos acuáticos se ven afectados negativamente en la etapa inicial y positivamente en la mitad. y etapas tardías. El sentimiento negativo en línea tuvo el mayor impacto en los precios de los productos agrícolas del área de riesgo medio, seguido de

las áreas de bajo riesgo, y el impacto más bajo se encontró en los precios de los productos agrícolas del área de alto riesgo. Con base en los resultados, se brindan tres sugerencias de políticas para el monitoreo de epidemias, la orientación y el control

de la opinión pública y la publicación oportuna de información sobre productos agrícolas. Se descubrió que el sentimiento negativo en línea tiene el mayor impacto en los precios de las verduras, ya que los precios de los productos pecuarios y las

verduras se ven afectados principalmente de forma positiva, los precios de las frutas se ven afectados principalmente de forma negativa y los precios de los productos acuáticos se ven afectados negativamente en la etapa inicial y positivamente en la

mitad. y etapas tardías. El sentimiento negativo en línea tuvo el mayor impacto en los precios de los productos agrícolas del área de riesgo medio, seguido de las áreas de bajo riesgo, y el impacto más bajo se encontró en los precios de los productos

agrícolas del área de alto riesgo. Con base en los resultados, se brindan tres sugerencias de políticas para el monitoreo de epidemias, la orientación y el control de la opinión pública y la publicación oportuna de información sobre productos agrícolas. Los precios de los productos p

1. Introducción ser responsable de la producción y el suministro estable de productos agrícolas (

Si bien los mercados agrícolas son importantes para la economía de un país, las
fluctuaciones de los precios de los productos agrícolas pueden tener un impacto negativo en el
producto interno bruto (PIB). La rápida propagación de COVID-19 ha tenido efectos devastadores
en las economías mundiales (Mofijur et al., 2021;Verikios, 2020;Wu et al., 2020) y un impacto
significativo en el comercio de productos agrícolas de China. Una conferencia de prensa de la
Oficina de Información del Consejo de Estado de China el 16 de marzo de 2020 sobre la economía
nacional de enero a febrero anunció que COVID-19 había provocado un aumento del 0,6 % en los
precios de los granos, un aumento del 13,8 % en los precios de las verduras frescas, un aumento
del 125,6 % en los precios de la carne de cerdo, y una caída del 5,3% en los precios de las frutas
frescas. La teoría del equilibrio de precios establece que, en ausencia de choques externos, los
precios de los productos agrícolas generalmente mantienen un equilibrio de interacción entre la
oferta y la demanda (Zeng et al., 2019). El Mecanismo de Responsabilidad del Alcalde de la
“Canasta de Alimentos” (FBMRM, por sus siglas en inglés) introducido en 1988 en China requiere
que los alcaldes locales
Pu y Zhong, 2020) para garantizar que el suministro de todos los principales
productos agrícolas pueda satisfacer la demanda.
En estos días, la mayoría de las personas obtienen su información, comparten
puntos de vista y expresan sus opiniones en las redes sociales mediante texto,
fotos, audio o video (Lorenzo y Alló, 2020;Naseem et al., 2020), siendo una de las
principales fuentes de medios sociales utilizadas por organizaciones e individuos
los microblogs (Zou et al., 2020). El riesgo y las incertidumbres asociadas con la
pandemia de COVID-19 causaron miedo y ansiedad innecesarios (Islam et al., 2020
), con estas emociones negativas que tienden a propagarse rápidamente en
Internet e impactan en el comportamiento individual y la toma de decisiones (
Nicomedes y Ávila, 2020). Esto significa que el contenido de residentes publicado
en las redes sociales puede ser una fuente de datos importante para el estudio de
los efectos de la pandemia de COVID-19 y puede ayudar a establecer políticas
efectivas de control de enfermedades (Li et al., 2020c). La noticia de la pandemia
se difundió rápidamente en las redes sociales, lo que resultó en un

* Autor correspondiente.
Correos electrónicos:liuyunqiang@sicau.edu.cn (Y. Liu),liushadream@foxmail.com (S. Liu),yedepingyerrr@foxmail.com (Teñir),tanghong@sicau.edu.cn (H Tang),
wangfangscnd@sicau.edu.cn (F Wang).
1Yunqiang Liu y Sha Liu contribuyeron igualmente a este trabajo.

https://doi.org/10.1016/j.jretconser.2021.102790
Recibido el 14 de enero de 2021; Recibido en forma revisada el 26 de agosto de 2021; Aceptado el 26 de septiembre de 2021
Disponible en línea el 2 de octubre de 2021
0969-6989/© 2021 Elsevier Ltd. Todos los derechos reservados.
Y. Liu et al.
aumento de la inseguridad ciudadana ante posibles escaseces de bienes y compras de
pánico (Arafat et al., 2020;Prentice et al., 2020), lo que a su vez generó rumores
infundados y fake news que agravaron aún más el pánico. En consecuencia, muchas
personas estaban comprando y acaparando alimentos, lo que provocó un desequilibrio
entre la oferta y la demanda y fluctuaciones en los precios de los productos agrícolas (
Nicola et al., 2020). Sin embargo, la mayoría de los estudios han tendido a ignorar las
posibles diferencias en la compra de pánico de diferentes tipos de productos agrícolas y
de las diferentes regiones de riesgo. Por lo tanto, centrándose en la heterogeneidad de
los productos y las diferencias regionales, este documento exploró el impacto del
sentimiento negativo del público en línea sobre los precios de diferentes productos
agrícolas y en diferentes áreas de riesgo en China. Los efectos cíclicos del sentimiento
negativo del público en línea sobre los precios de los productos agrícolas se analizaron
de acuerdo con el ciclo de vida del desarrollo de la pandemia.
Este estudio hace las siguientes contribuciones. Primero, para
capturar los comportamientos de compra heterogéneos de los
consumidores bajo pánico, se utilizó un modelo de vector de
autorregresión de parámetros variables en el tiempo (TVP-VAR) para
estudiar el impacto dinámico del sentimiento negativo en línea de
COVID-19 en diferentes precios de productos agrícolas. En segundo
lugar, en función de la gravedad regional de COVID-19, las provincias
de China se dividieron en regiones de riesgo alto, medio y bajo para
revelar las respuestas de impulso al sentimiento negativo en línea
sobre los precios agrícolas en las diferentes áreas de riesgo. En tercer
lugar, para evaluar las características del ciclo de vida de los impactos
del sentimiento negativo en línea sobre los precios de los productos
agrícolas, según la teoría del ciclo de vida, el sentimiento negativo en
línea se dividió en un período de formación, un período de brote, un
período de expansión y un período de recesión.
El resto de este trabajo se estructura de la siguiente manera. Sección2revisa
investigaciones previas, Sección3esboza que el análisis teórico y las hipótesis de
investigación, Sección4da el diseño de investigación, Sección5detalla las pruebas
previas de datos de series temporales, Sección6analiza los resultados de la
respuesta al impulso, Sección7da las conclusiones y recomendaciones de política,
y la Sección8da las limitaciones de la investigación y las direcciones futuras de la
investigación.
2. Revisión de la literatura
2.1. Factores que influyen en la fluctuación del precio de los productos agrícolas
Las fluctuaciones de los precios de los productos agrícolas se ven afectadas por
factores endógenos, factores macroeconómicos e incertidumbres externas. La teoría de
la economía agrícola establece que las fluctuaciones de los precios de los productos
agrícolas se ven afectadas principalmente por factores endógenos, como la relación
entre la oferta y la demanda (Li et al., 2020c) y el precio del petróleo crudo, ya que
cualquier cambio en la producción agrícola y los costos de transporte se trasladan a los
precios de los productos (Siguiente, 2016;Wei Su et al., 2019). Los cambios en la oferta
monetaria y los precios agrícolas internacionales causados por la política monetaria
macroeconómica también pueden afectar los precios agrícolas internos (Durevall et al.,
2013); por ejemplo,Liu et al. (2020)descubrió que los cambios en el tipo de cambio
provocaban fluctuaciones en los precios agrícolas. También se ha encontrado que los
factores de incertidumbre externa están asociados con el impacto directo de los
desastres naturales y el cambio climático en la producción y los precios de los productos
agrícolas (Chatzopoulos et al., 2020;Klomp y Hoogezand, 2018;Siddig et al., 2020). En los
últimos años, el impacto de la información externa sobre los precios agrícolas de las
emergencias de salud pública ha atraído la atención de la investigación; por ejemplo,
Seok et al. llegó a la conclusión de que los minoristas y mayoristas de la industria coreana
del huevo habían utilizado su poder de mercado para aumentar los precios del huevo
durante una crisis de seguridad alimentaria (Seok et al., 2018), yYi et al. (2019)encontró
que la opinión pública sobre la influenza aviar conducía directamente a un riesgo de
precio para los pollos de engorde.
2
Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790
2.2. Opinión pública en línea en emergencias públicas
La investigación de la opinión pública en línea sobre emergencias públicas ha
tendido a examinar los factores que influyen en los comportamientos de comunicación
de la opinión pública, las características de la comunicación y las influencias de la
comunicación de la opinión pública. Por ejemplo,Xie et al. (2017)encontró que el género,
la edad, la atención de emergencias públicas y el seguimiento de la demanda de medidas
gubernamentales de respuesta fueron los principales factores que incidieron en la
difusión de la opinión pública, siendo las características de la comunicación relacionadas
con la ley de comunicación y el contenido de la comunicación, y Yu et al. (2017)yChen et
al. (2020)respectivamente, analizaron temas de opinión pública en línea, velocidad,
alcance y tendencias para una fuga de río químico peligroso y la emergencia de salud
pública de Covid-19, y proporcionaron estrategias efectivas de orientación de opinión
pública para los departamentos gubernamentales relevantes. En otra investigación,
Lazard et al. (2015)extrajo las opiniones públicas de Twitter durante la epidemia de ébola
y descubrió que la mayoría de las personas estaban preocupadas por los síntomas y la
vida útil del virus, su infecciosidad y la protección personal,Smith et al. (2018)utilizó el
análisis de contenido y la extracción de emociones para estudiar la opinión pública de las
redes sociales en situaciones de emergencia, yNaeem (2021)encontró que la opinión
pública en línea durante las emergencias de salud pública condujo a cambios en los
comportamientos de consumo público, lo que afectó negativamente la estabilidad del
mercado.
2.3. Relación entre el sentimiento negativo y el comportamiento del precio de mercado
Las emociones guían los pensamientos y acciones de las personas (Wani et al., 2018),
y la mayoría de las investigaciones sobre las relaciones entre las emociones y los precios
de mercado se han centrado en el mercado financiero. Por ejemplo,Straub et al. (2016)
usó la prueba de causalidad de Granger para estudiar las relaciones entre las emociones
en los artículos de los periódicos holandeses y los precios del mercado de valores, y
descubrió que las emociones negativas reflejaban mejor las tendencias del mercado de
valores,Kraaijeveld y De Smedt (2020)también usó la prueba de causalidad de Granger
para determinar si las emociones de Twitter predijeron bitcoin, Li et al. (2020b)llegó a la
conclusión de que la medición directa del sentimiento de los inversores construida
aprovechando los mensajes generados por los usuarios y los métodos de minería de
texto tenía cierto poder predictivo en el mercado de valores chino, yLi et al. (2020a)
mejoró la precisión de las predicciones de precios de acciones mediante la creación de un
nuevo sistema de predicción de acciones que combinaba indicadores técnicos de precios
de acciones y los sentimientos expresados en artículos de noticias. También se han
examinado las influencias del sentimiento en el comportamiento de los precios del
mercado agrícola; por ejemplo,Hassouneh et al. (2012)desarrolló un índice de
información sobre el pánico alimentario de la influenza aviar para analizar el impacto de
la epidemia de influenza aviar en los precios verticales de las aves de corral en Egipto,
Chen et al. (2018)calculó los valores de tendencia emocional positiva y negativa en las
redes sociales y probó la causalidad de Granger entre las emociones y los precios de las
verduras, yZeng et al. (2019)utilizó un modelo TVP-VAR para estudiar el impacto de las
emociones negativas informadas por los medios de comunicación sobre las fluctuaciones
de los precios de los productos agrícolas y las diferencias de impacto en el tiempo, la
región y el producto.
Por lo tanto, ha habido una investigación significativa sobre las características
de la opinión pública en línea de emergencia pública, con algunos estudios que
también examinan los impactos en los precios de los productos agrícolas. Sin
embargo, la mayoría de estos impactos se han medido utilizando índices de
atención pública sin considerar completamente las polaridades emocionales de la
opinión pública. Además, la investigación que examinó los impactos en los precios
de los productos agrícolas se ha centrado solo en unos pocos productos agrícolas
en lugar de en la canasta general de productos agrícolas. La investigación sobre
las relaciones entre las tendencias emocionales y el comportamiento de los
precios de mercado se ha centrado principalmente en el mercado financiero,
siendo los principales instrumentos de análisis la prueba de causalidad de
Granger y el modelo TVP-VAR. Sin embargo, la prueba de causalidad de Granger
observa principalmente las correlaciones de las variables desde una perspectiva
lineal,Jebabli et al., 2014), que es más adecuado para estudios de emergencia de
salud pública. Por lo tanto, este documento utilizó varias técnicas de investigación
para comprender completamente los impactos dinámicos de las compras de
pánico de la opinión pública china en línea.
Y. Liu et al.
comportamiento de los precios de los productos agrícolas durante el COVID-19 y analizar
la heterogeneidad temporal de los productos y las diferencias regionales.
3. Análisis teórico e hipótesis de investigación
La teoría de los precios de equilibrio establece que las interacciones entre las fuerzas
básicas del mercado de la oferta y la demanda son las principales fuerzas impulsoras del
equilibrio del mercado agrícola y las fluctuaciones de los precios agrícolas (Qiu et al.,
2012). Cuando se enfrentaron a los posibles impactos externos del sentimiento negativo
en línea durante la pandemia de COVID-19, la mayoría de los consumidores carecían de
la capacidad de evaluar objetivamente los riesgos (Meents y Verhagen, 2018), lo que
consecuentemente condujo a una mentalidad de pánico consumista. Este cambio
repentino en la demanda condujo a un desequilibrio entre la oferta y la demanda, lo que
a su vez provocó fluctuaciones en los precios de los productos agrícolas (Nazlioglu y
Soytas, 2012;Omar et al., 2021). Además, los comportamientos de compra de los
consumidores también diferían debido a otros factores, como la elasticidad de la
demanda, los precios de los productos agrícolas, las características de transmisión de la
información y las intensidades del sentimiento negativo; por lo tanto, los impactos del
sentimiento negativo en línea sobre los precios agrícolas son heterogéneos.
3.1. Sentimiento negativo en línea y diferentes tipos de precios de productos agrícolas
Los productos agrícolas incluidos en este estudio fueron productos pecuarios,
productos acuáticos y frutas y hortalizas en una “canasta de verduras”. La elasticidad de
la demanda de consumo de productos agrícolas es baja para productos pecuarios y
vegetales porque se consideran artículos de primera necesidad (Xiong et al., 2018;
Zhuang y Abbott, 2007) y algo mayor para los productos acuáticos, y como complemento
para mejorar la calidad de vida y la felicidad (Océano et al., 2019), la fruta tiene una
elasticidad de demanda relativamente alta. El consumo de alimentos de los hogares es
muy sensible a los ingresos y los precios agrícolas (Hussein et al., 2021;Mandal et al.,
2021), con la teoría de la elasticidad ingreso que afirma que los niveles de consumo están
estrechamente relacionados con el ingreso (Zhou et al., 2020). Por lo tanto, cuando los
ingresos de los hogares cayeron durante el COVID-19, los productos agrícolas básicos
asequibles eran deseables (Muflikh et al., 2021), lo que significaba que cuando la
COVID-19 era grave, el pánico público resultante hacía que las personas acumularan más
suministros de los que necesitaban a corto plazo. Dado que la necesidad y el precio son
factores clave en la selección de productos agrícolas, las perturbaciones externas
provocaron reacciones diferentes a los distintos precios de los productos agrícolas (
Zhang y Qu, 2015). Por ejemplo, como artículos de primera necesidad pública se
compraban grandes cantidades de hortalizas, seguidas de productos acuáticos; sin
embargo, los productos pecuarios no eran acaparados por sus altos precios, y la fruta no
era vista como una prioridad ya que no era una necesidad; sin embargo, debido a que la
fruta se echa a perder rápidamente, grandes cantidades de fruta sin vender pueden
resultar en pérdidas económicas significativas.
Hipótesis 1. El impacto de los sentimientos negativos en línea sobre los precios de los productos
agrícolas muestra la heterogeneidad de los productos, con el mayor impacto en los precios de las
verduras, seguido de los precios de los productos acuáticos y los precios de las frutas, y el
impacto más bajo está en los precios de los productos pecuarios.
3.2. Sentimiento negativo en línea y precio de productos agrícolas en diferentes áreas
de riesgo
Mientras que la función de transmisión de información de la teoría de la señal
(Sigurdsson et al., 2020) establece que los consumidores toman decisiones de
consumo en base a la información que reciben, la transmisión de la información
tiene un retraso (Hosoda y Disney, 2012), y antes de que los consumidores
compren, la asimetría de información es dominante (Chang y barbilla, 2018). Sin
embargo, debido a la influencia negativa de COVID-19, la transmisión de
información de opinión pública en línea a menudo se exageraba y distorsionaba (
Taylor et al., 2020), lo que exacerbó la asimetría de la información pública en las
áreas de alto, mediano y bajo riesgo. Debido a experiencias públicas reales en
áreas de alto riesgo, el público en riesgo medio y
3
Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790
Las áreas de bajo riesgo dependían principalmente de las actualizaciones en línea de la
información, lo que significaba que, debido a los retrasos en la información y las
falsificaciones de la información, había una alta posibilidad de compras de pánico.
Regiones que actuaron antes e impusieron medidas de confinamiento, bloqueos y
restricciones de viaje más estrictas por el COVID-19 (Zhou y Guo, 2021) pudieron
estabilizar mejor los mercados agrícolas y reducir la volatilidad de los precios y las
posibles pérdidas económicas (Mishra et al., 2021). Por lo tanto, debido a las estrictas
medidas de intervención impuestas anteriormente en las áreas de alto riesgo de
COVID-19, se aseguró el suministro oportuno de materiales (Wang et al., 2020) y los
precios de los productos agrícolas eran susceptibles a factores externos. La distancia
determina el tipo de información utilizada para tomar decisiones (Brugger, 2020), por lo
que, dado que la gravedad del COVID-19 en las áreas de riesgo medio fue superada solo
por las áreas de alto riesgo, hubo una reducción en la distancia psicológica del público, lo
que significó que tenían percepciones de riesgo más fuertes y tenían más probabilidades
de verse afectados. por los sentimientos negativos online a la hora de tomar sus
decisiones de consumo.
Hipótesis 2. Los impactos del sentimiento negativo en línea sobre los precios de los
productos agrícolas tienen diferencias regionales, con el mayor impacto en los precios de
los productos agrícolas en las áreas de riesgo medio, seguido de las áreas de bajo riesgo,
y el menor impacto en los precios de los productos agrícolas en las áreas de alto riesgo.
3.3. Sentimiento negativo en línea en diferentes ciclos de vida y precios de
productos agrícolas
Como el sentimiento es dinámico y, a menudo, está estrechamente relacionado con
las tendencias de desarrollo de la emergencia de salud pública (Xia et al., 2020), tiene
características de desarrollo de ciclo de vida (Hou et al., 2021). Por lo tanto, como el
grado de sentimiento negativo del público en cada etapa de las tendencias de desarrollo
de COVID-19 fue diferente, el impacto en los precios de las materias primas también fue
diferente (Atri et al., 2021). Cuanto mayor sea el sentimiento negativo, mayor será la
compra de pánico del consumidor y más dinámicas serán las fluctuaciones del precio del
producto (Salisu et al., 2020). En el período de formación, dado que la atención del
público era baja, la propagación del sentimiento negativo en línea fue relativamente
pequeña (An et al., 2021) y compras de pánico raras. Sin embargo, como el repentino
brote de COVID-19 resultó en una propagación bastante rápida, hubo un aumento en el
sentimiento negativo (Zhang et al., 2020) porque la información del procedimiento de
emergencia era limitada e incierta, y había un claro retraso en las noticias oficiales (Jiang
et al., 2020). Cuando se implementaron las medidas de manejo del bloqueo a nivel
nacional (Kalgotra et al., 2021), hubo un aumento significativo en la información y los
rumores en línea no verificados, lo que exacerbó el pánico público y resultó en una toma
de decisiones irracional, lo que posiblemente causó las fluctuaciones proporcionales en
los precios de los productos agrícolas. Para el período de recesión, la mayoría de los
rumores se habían aclarado, lo que aumentó la confianza del público en las medidas de
prevención de la epidemia y disminuyó el sentimiento negativo (Hou et al., 2021), lo que a
su vez redujo el acaparamiento inducido por el pánico.
Hipótesis 3. El impacto del sentimiento negativo en línea sobre los precios de los
productos agrícolas tiene un efecto de ciclo de vida, que es mayor en el período de
brote y propagación, se reduce en el período de recesión y el más bajo en el
período de formación.
4. Diseño de la investigación
4.1. Marco de Investigación
Para confirmar las relaciones entre el sentimiento público negativo y las fluctuaciones de los
precios de los productos agrícolas durante el período de COVID-19, se empleó tecnología de
minería de textos para obtener datos de microblogs de opinión pública en línea y evaluar las
etapas específicas del ciclo de vida de la pandemia de COVID-19. Luego se llevó a cabo un análisis
de sentimiento y se calculó el número de microblogs de sentimiento negativo diarios para
desarrollar una serie temporal de sentimiento negativo público. Se seleccionaron los datos de
precios diarios del mercado mayorista para productos pecuarios, productos acuáticos, verduras y
frutas para desarrollar la serie temporal de precios de productos agrícolas basada en la variedad.
Establecido
Y. Liu et al. Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790

Según los criterios de clasificación del área de riesgo de COVID-19 de China, los precios ⎛ ⎞
1 0 ⋯ 0
diarios del mercado mayorista para los productos agrícolas en las áreas de riesgo alto,
⎜a ⋱ ⋱ ⋮⎟
medio y bajo se clasificaron para desarrollar series temporales de precios de productos At=⎜21,t ⎟ (2)
⎝⋮ ⋱ ⋱ 0⎠
agrícolas regionales. Luego, antes de la estimación del modelo, se realizó una prueba de
ak1,t⋯ak−1,t 1
raíz unitaria en la serie temporal de sentimiento negativo público en línea y la serie
temporal de precios de productos agrícolas. Para garantizar la estabilidad de la serie ⎛ ⎞
σ1,t 0 ⋯ 0
temporal, se seleccionó un orden de retardo óptimo del modelo y se verificó la ∑ ⎜ ⋱⋱ ⋮⎟ ⎟
=⎜0⎝⋮ 0⎠ (3)
racionalidad de la selección mediante una prueba de cointegración. Finalmente, las
t
⋱ ⋱
pruebas lineales y no lineales confirmaron que el modelo TVP-VAR fue el mejor modelo 0 ⋯ 0 σk, t
para analizar las respuestas de impulso. El marco de investigación se muestra en Figura 1
Si los elementos enBise apilan por fila para formar unk2s×1 dimensión
.
′ ′
vectorβ, yXt=yo k⊗ (yt−1,⋯,yt−s)se define, donde⊗representa el
4.2. Método de investigación Producto de Kronecker, Ecuación(1)podría expresarse de la siguiente manera:
∑
yt=Xtβt+A−1 t εt,t=s+1,⋯,norte (4)
Dado que las fluctuaciones resultantes de la pandemia de COVID-19 en los t
precios agrícolas y el sentimiento negativo del público en línea podrían haber
∑
dado lugar a cambios estructurales, analizar el impacto dinámico variable en el dóndeβt,Aty tvarían en el tiempo. Asumir queates el apilado
tiempo del sentimiento negativo del público en línea sobre los precios de los vector para los elementos de la matriz triangular inferior que no son 0 ni 1Aty
diferentes productos agrícolas y los precios de los productos agrícolas en el ht= (h1t,⋯hkt)′,hjt=Iniciar sesiónσ2 jt,j=1,⋯,k, t=s+1,⋯,nortese define. Después,
diferentes zonas de riesgo, el TVP-VAR no lineal propuesto porPrimiceri (2005)y
se supone que los parámetros variables en el tiempo en la Ecuación(4)obedecer el
mejorado por Nakajima (2011)fue empleado. El modelo TVP-VAR pudo capturar las
siguiente proceso de paseo aleatorio:
respuestas de impulso de los precios de los productos agrícolas a los sentimientos
⎛ ⎛yonorte∑ ⎞⎞
negativos del público en línea en cada momento de la serie temporal y demostrar 0 0 0
visualmente el impacto de estos sentimientos negativos en los precios de los
⎛
εt
⎞ ⎜ ⎜0 0 0 ⎟⎟⎟⎟
⎜ ⎜ ⎟⎟
productos agrícolas en cada etapa del ciclo de vida de la epidemia. . βt+1=βt+mβt⎜ ⎟ ⎜ ⎜ β
⎟⎟
⎜ ⎜ ∑
DeNakajima (2011), el modelo TVP-VAR que considera el coeficiente y la
αt+1=αt+mαt⎝m⎜m βt⎟⎠ ∼norte ⎜0,⎜
0 0 ⎟⎟
⎟⎟ (5)
⎜ ⎜0 ⎟⎟
ht+1=ht+mhora αt
⎜ ⎜ α ∑⎟⎟
matriz de covarianza de varianza se estableció de la siguiente manera: mhora ⎝ ⎝ ⎠⎠
∑ 0 0 0
yt=Ct+B1,tyt−1+ ⋯ +BS tyt−s+A−1 t εt, εt∼norte(0,yok) (1) h
t ∑ ∑
dóndet=s+1,⋯,norte,yonortees unnorte-matriz identidad dimensional, ∑ β, αy
dóndeytfue un vector endógeno para lak×1 variable observable dimensional, hson todas matrices definidas positivas, y el impacto no está correlacionado
k=2,Besofue elk×kcoeficiente variable en el tiempo dimensional entre los parámetros variables en el tiempo.
matriz,Atera la matriz triangular inferior con elementos diagonales iguales Para evitar efectivamente las dificultades de estimación de la función de
∑
a 1, y tera una matriz diagonal que contenía el impacto estructural verosimilitud debido a las fluctuaciones aleatorias no lineales, se utilizó un método
Desviación Estándar. bayesiano para estimar el modelo TVP-VAR y un algoritmo de cadena de Markov Monte
Carlo (MCMC) para las estimaciones de parámetros de valor a posteriori. Luego, con base
en la función de respuesta de impulso variable en el tiempo, los impactos dinámicos del
sentimiento negativo público en línea en los diferentes tipos de

Figura 1.Marco de Investigación.

4
Y. Liu et al. Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790

Se dilucidaron los precios de los productos agrícolas y los productos agrícolas en 2020), la carpa cruciana, la carpa y la carpa plateada se seleccionaron como
diferentes áreas de riesgo durante la pandemia de COVID-19. productos acuáticos, según los tipos de productos agrícolas del Anuario de
encuestas de precios agrícolas de China, el apio, el repollo, el pepino, los frijoles y
el pimiento verde se seleccionaron como vegetales representativos, y las
4.3. Variables de investigación
manzanas Fuji , se seleccionaron sandías y plátanos como la fruta representativa.
Luego se obtuvieron los precios promedio de cuatro productos agrícolas en cada
4.3.1. Precio de productos agrícolas
área de riesgo para determinar las series temporales de precios de productos
agrícolas de las áreas de riesgo alto, riesgo medio y riesgo bajo, que se denotaron
(1) Adquisición de datos
foodprice - h, foodprice - m y foodprice - l.

Para analizar el impacto del sentimiento negativo del público en línea sobre
(2) Procesamiento de datos
los productos agrícolas por región y variedad, se seleccionaron los datos de
precios diarios del mercado mayorista de productos pecuarios, productos
Para eliminar la influencia de los factores de la Fiesta de la Primavera, el
acuáticos, verduras y frutas durante 56 días, del 9 de enero de 2020 al 4 de marzo
principio básico propuesto porCampana y Hillmer (1983)para eliminar un efecto de
de 2020. cuyos datos se extrajeron del Centro de Información del Ministerio de
Semana Santa móvil, se empleó un factor de regresión de vacaciones simple para
Agricultura y Asuntos Rurales y de China Pork Network.
establecer una variable ficticia de 0–1 para el efecto de la Fiesta de la Primavera.
Se seleccionaron objetos de investigación específicos del índice de precios de
Se realizó una regresión de la variable ficticia con la serie original para eliminar el
productos agrícolas al por mayor 200 publicado diariamente por el Departamento
impacto del Festival de Primavera y establecer una nueva serie temporal. Para
de Mercado y Tecnología de la Información del Ministerio de Agricultura y Asuntos
garantizar la validez de la estimación, también se recopilaron los precios de los
Rurales para recopilar los precios de los diferentes productos agrícolas. El cerdo, la
productos agrícolas durante los 20 días anteriores a la pandemia de COVID-19
res y el cordero fueron seleccionados como los productos ganaderos
para analizar comparativamente si hubo puntos de ruptura estructural en los
representativos y la carpa cruciana, la carpa y la carpa plateada fueron
precios agrícolas durante la pandemia de COVID-19. Las tendencias de los datos
seleccionados como los productos acuáticos representativos, con 28 vegetales y
de precios ajustados se muestran enFig. 3, de lo que se desprende que hubo
seis tipos de frutas seleccionados como los vegetales y frutas representativos, de
diferencias significativas en los precios de los productos agrícolas pre y post
los cuales el ganado Se obtuvieron series temporales de precios de productos,
COVID-19 (Sun et al., 2021b). Antes del brote de COVID-19, la oferta y la demanda
productos acuáticos, hortalizas y frutas para el país.
en los mercados agrícolas estaban relativamente equilibradas y los precios
Luego se obtuvieron los datos de precios de los productos agrícolas para las
agrícolas se mantuvieron estables. Luego de la influencia externa del COVID-19,
diferentes zonas de riesgo. Primero, las áreas de riesgo epidémico alto, medio y bajo se
los precios de los productos agrícolas tuvieron varios puntos de quiebre
clasificaron según los criterios de clasificación de áreas de riesgo de COVID-19 (Wang et
estructural y fueron altamente volátiles (Sol et al., 2021a). Por lo tanto, fue
al., 2020,2021). Las provincias con ciudades de alto riesgo se clasificaron como zonas de
necesario analizar más a fondo si el pánico público produjo algún comportamiento
alto riesgo, las que tenían ciudades de riesgo medio se clasificaron como zonas de riesgo
de compra inusual. También hubo diferentes tendencias evolutivas en los precios
medio y las que tenían ciudades de riesgo bajo se clasificaron como zonas de riesgo bajo.
de los diferentes productos agrícolas y en los productos agrícolas en las diferentes
Las clasificaciones del nivel de riesgo se muestran enFigura 2. Dos provincias, Hubei y
áreas de riesgo. Los precios de las hortalizas fluctuaron significativamente más
Hunan, fueron identificadas como provincias de alto riesgo (Liu et al., 2021), siete eran
que los otros productos agrícolas (Nicola et al., 2020), y la volatilidad de los precios
provincias de riesgo medio, como Jiangsu, Anhui y Sichuan, y la Región Autónoma Uygur
de los productos agrícolas en las áreas de alto riesgo fue menor que en las otras
de Xinjiang fue seleccionada como provincia de bajo riesgo. Debido a que alrededor de
dos áreas; por lo tanto, se supuso que el impacto del sentimiento negativo del
dos tercios del consumo total de carne en China es carne de cerdo, se seleccionó la carne
público en línea sobre estos precios también había sido diferente.
de cerdo como producto pecuario para evaluar las diferencias de precios de los
productos agrícolas provinciales, (Xie et al.,

Figura 2.División del área de riesgo.

5
Y. Liu et al.
Fig. 3.Evolución de los precios de los productos agrícolas.
4.3.2. Sentimientos negativos públicos en línea
(1) Adquisición de datos
La apertura, difusión e inmediatez de los microblogs amplía la eficiencia de difusión
de los temas de noticias y los canales de audiencia y genera muchos comentarios de la
comunidad (Yang et al., 2021). Sin embargo, como los funcionarios de microblogs no
proporcionan interfaces de datos directas para la minería de datos de red, se utilizó
Python para simular una función de búsqueda avanzada de microblogs para rastrear los
datos. El 9 de enero de 2020 se identificó en Wuhan un patógeno de neumonía
inexplicable como un nuevo tipo de coronavirus y se produjo la primera muerte,
momento en el que el público empezó a prestar atención al desarrollo de la pandemia. El
4 de marzo de 2020, las discusiones del microblog de COVID-19 disminuyeron a medida
que se realizaba un trabajo efectivo de prevención y control de epidemias en toda China
y se reanudaba el trabajo y la producción. Por lo tanto, se utilizó la cadena de búsqueda
"nuevo coronavirus" para rastrear los datos originales de Weibo desde el 9 de enero de
2020 hasta el 4 de marzo de 2020 (56 días en total). Para recopilar los sentimientos
negativos del público en línea de manera precisa y completa durante COVID-19, la
palabra clave "nuevo coronavirus" se ingresó en un WebCrawler para extraer los datos de
texto de microblog originales diarios relevantes del 9 de enero de 2020 al 4 de marzo de
2020, como la hora de publicación, el contenido de la publicación, la identificación del
usuario, la ubicación y el género. Para obtener la mayor cantidad de datos
representativos posible, solo se buscaron textos originales de microblogs en un período
de tiempo mínimo de 1 hora debido al límite de 50 páginas de búsqueda de microblogs.
(2) Procesamiento de datos
Los datos originales recopilados fueron preprocesados, textos de microblog
inválidos que no contenían "nuevo coronavirus" y textos de microblog con menos
de 15 palabras eliminados, y se eliminaron los enlaces @ otros usuarios y otro
contenido irrelevante (Zhang et al., 2018). Finalmente, tras la limpieza, se
obtuvieron 658.538 datos de texto de microblog.
A continuación, se aplicó el diccionario de emociones de Hownet al texto de
microblog preprocesado para el entrenamiento del corpus, y se utilizó Snow NLP
en la biblioteca de clases de Python para el análisis de emociones, a partir del cual
se obtuvieron los valores finales del texto de microblog emocional, que iban desde
0 a 1; cuanto más cerca de 0, mayor es el sentimiento negativo (Fu et al., 2018),
con 0,4 tomado como línea divisoria entre sentimientos negativos, positivos y
neutrales, es decir, todos los textos de microblog con un sentimiento inferior a 0,4
fueron juzgados como negativos. El algoritmo de clasificación Naive Bayes se
utilizó luego como base teórica para la emoción Snow NLP.
cálculo del valor, de la siguiente manera:PAGS(c / w)PAGS(WC)PAGSPAGS
(C) (w) . La probabilidad previa
basado en los datos de entrenamiento completadosPAGS(C)se calculó y se utilizó la herramienta de
segmentación de palabras integrada y la herramienta de eliminación de palabras vacías para el
6
Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790
procesamiento de corpus. Entonces la probabilidad de cada palabraPAGS(w)y la
probabilidad de palabras en diferentes categoríasPAGS(WC)fueron calculados.
Finalmente, la probabilidad posteriorPAGS(c / w)del vocabulario objetivo
perteneciente a la categoría positiva o negativa se calculó para determinar la
categoría de vocabulario. El valor de probabilidad se usó luego como el valor de
sentimiento para determinar la serie temporal diaria de sentimiento negativo
público en línea (Negativo).
(3) Evolución y división de periodos del sentimiento negativo online
La opinión pública en red generalmente sigue un ciclo de vida evolutivo; por lo tanto,
para identificar los posibles impactos diferenciales del sentimiento negativo del público
en los precios de los productos agrícolas en las diferentes etapas del ciclo de vida, los
sentimientos negativos en línea de COVID-19 se dividieron en etapas según la teoría del
ciclo de vida y la teoría de cuatro etapas de gestión de crisis (Wahlberg, 2004). Se
eligieron tanto el índice de Baidu como los índices de microblogs de Weibo para mejorar
la precisión de la división por etapas, y el ciclo de vida del sentimiento negativo en línea
se dividió en cuatro etapas; un período de formación, un período de brote, un período de
expansión y un período de recesión; como se muestra enFigura 4.
Figura 4muestra que el sentimiento negativo del público en línea durante la
pandemia de COVID-19 tenía características variables en el tiempo, y las
tendencias del sentimiento negativo del público en línea eran muy similares a la
curva de atención de la epidemia pública, lo que demostró la solidez de la división
del ciclo. La primera etapa se clasificó como el período de formación, en el que el
brote de COVID-19 aún no había generado ninguna preocupación pública a gran
escala. El 9 de enero de 2020, el patógeno de neumonía viral de causa
desconocida se identificó tentativamente como un nuevo coronavirus en Wuhan.
Hasta el 18 de enero, la pandemia se limitaba principalmente a Wuhan y, por lo
tanto, solo Wuhan había implementado un sistema de notificación diaria (Hou et
al., 2021). La segunda etapa se clasificó como el período de brote. Debido al gran
movimiento de personas en el Festival de la Primavera del 19 al 29 de enero, se
detectaron casos confirmados de COVID-19 en otras regiones chinas y la
información asociada se difundió más ampliamente, lo que provocó discusiones
acaloradas en microblogs y un aumento en el sentimiento negativo en línea. La
tercera etapa se definió como el período de propagación. Del 30 de enero al 14 de
febrero, 31 provincias y regiones autónomas de todo el país lanzaron respuestas
importantes de emergencia de salud pública de magnitud 1 e introdujeron
medidas de prevención y control fuera de línea correspondientes (Kalgotra et al.,
2021); por lo tanto, la discusión negativa en línea se extendió por todo el país. La
cuarta etapa se definió como el período de recesión. Para el 15 de febrero, todos
sabían sobre el nuevo coronavirus y la necesidad de métodos de protección
diarios a medida que se daban informes diarios sobre la pandemia, lo que
disminuyó las discusiones en línea y el sentimiento negativo en línea. Sin
embargo, dado que en este momento se estaban produciendo nuevas infecciones
en muchos países fuera de China
Y. Liu et al. Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790

Figura 4.Etapas de evolución del sentimiento negativo online.

tiempo, la atención pública y el sentimiento negativo en línea no habían
disminuido por completo antes de la fecha límite de adquisición de datos (Duan et
al., 2021).
5. Pruebas previas para los datos de series temporales
5.1. Prueba de estacionariedad
Para evitar la posibilidad de una “falsa regresión”, se realizaron pruebas de
estacionariedad en cada serie de tiempo antes de la estimación del modelo; si no
había raíz unitaria, la serie de tiempo era estacionaria. Para garantizar la
estabilidad de los datos, el sentimiento negativo público en línea y los datos de
precios de productos agrícolas se procesaron logarítmicamente. La prueba Dicky-
Fuller aumentada (ADF) (Dickey y Fuller, 1979) y la prueba de Kwiatkowski-Phillips-
5.2.2. Prueba de relación no lineal
Luego se seleccionó el método de prueba de Brock, Dechert, Scheinkman
(BDS) para probar las relaciones no lineales entre el sentimiento público negativo
y los precios de los productos agrícolas, cuyos resultados se muestran enMesa A4
en elApéndice A. Los resultados indicaron que la mayoría de las hipótesis nulas
fueron rechazadas, es decir, hubo una tendencia no lineal entre los precios de los
productos agrícolas y el sentimiento negativo del público. Por lo tanto, se empleó
el TVP-VAR no lineal para analizar el efecto de choque del sentimiento negativo del
público en línea sobre los precios de los productos agrícolas.
6. Resultados y discusión
6.1. Prueba de parámetros del modelo

Schmidt-Shin (KPSS) (Kwiatkowski et al., 1992) se utilizaron para evaluar la

estabilidad del sentimiento negativo público en línea y la serie temporal de precios 6.1.1. Modelos de heterogeneidad de productos

de productos agrícolas, cuyos resultados se muestran enCuadro A1en elApéndice
A, que muestra que el sentimiento negativo del público en línea y la serie temporal
de precios de los productos agrícolas se mantuvieron estables. Como las series de
tiempo eran estacionarias, fue necesario determinar el orden de retardo óptimo
para ambos modelos, el cual se determinó en siete (7) con base en el criterio de
valor mínimo de AIC (Wen et al., 2019).
Para verificar la racionalidad del ajuste de rezago óptimo y además
determinar si había una relación de equilibrio a largo plazo entre las
variables dentro del modelo, se realizó una prueba de cointegración, cuyos
resultados se muestran enCuadro A2en elApéndice A. Se encontró que la
serie residual después de la regresión de los precios agrícolas y el
sentimiento negativo del público en línea rechazaron la hipótesis nula a un
nivel de significancia del 1%, lo que verificó la efectividad de la selección del
orden de retardo óptimo y permitió realizar más pruebas.
5.2. Prueba de relación de series de tiempo
Antes de utilizar el algoritmo MCMC para estimar el modelo, fue necesario
asignar valores iniciales a los parámetros y extraer muestras efectivas. Basado en
el principio (el, 2020) de acumular 20000 muestras y descartar las 2000 muestras
originales, finalmente se obtuvo un conjunto de muestras efectivo.tabla 1muestra
los valores medios, las desviaciones estándar, los intervalos de confianza del 95 %,
los resultados de la prueba de Geweke del estadístico de convergencia y los
factores de impacto no válidos para la distribución posterior de los parámetros
estimados para los modelos de heterogeneidad del producto (Nakajima, 2011). Se
encontró que los valores medios posteriores para todos los parámetros a estimar
estaban dentro del intervalo de confianza del 95 %, y los resultados de la prueba
de Geweke también estaban dentro del rango del valor crítico del 5 % (1,96), lo
que indica que la hipótesis nula de que la distribución posterior para los
parámetros a estimar convergidos a cero no pueden ser rechazados. Los
resultados del factor de influencia inválida indicaron que los factores inválidos
para todos los parámetros eran bajos (menos de 30), lo que significaba que la
inferencia estadística posterior estaba dentro de un rango razonable (el, 2020) y
los resultados de la estimación de los parámetros del modelo fueron robustos.

Para evitar una desviación obvia en los resultados de la estimación,

fue necesario probar las relaciones lineales y no lineales entre las tabla 1
variables. Resultados de la prueba de parámetros para los modelos de heterogeneidad del producto.

Parámetro Significar Desvst. 95%tu 95%L Geweke Inef.

5.2.1. Prueba de relación lineal
sb1 0.0023 0.0003 0.0018 0.0029 0.778 3.47
Se utilizó la tradicional prueba de causalidad de Granger para probar las
sb2 0.0023 0.0003 0.0018 0.0029 0.063 3.69
correlaciones lineales entre las variables.Cuadro A3en elApéndice Amuestra
sa1 0.0055 0.0016 0.0034 0.0094 0.642 16.20
que todas las hipótesis originales se aceptaron con un nivel de significancia
sa2 0.0055 0.0016 0.0034 0.0094 0.642 16.20
del 10 %, es decir, la relación entre el sentimiento negativo en línea y los
sh1 0.0055 0.0016 0.0034 0.0096 0.963 14.67
precios de los productos agrícolas era obviamente no lineal y variable en el
sh2 0.0057 0.002 0.0034 0.0099 0.185 24.80
tiempo. Por lo tanto, antes de establecer el modelo TVP-VAR, fue necesario
realizar una prueba no lineal en cada variable. Nota: modelo TVP-VAR (Lag = 7); Iteración: 20000; Sigma(b): Diagonal.

7
Y. Liu et al. Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790

6.1.2. Modelos de diferencias regionales sentimiento negativo eran relativamente pequeños. Por el contrario, debido a que los
Tabla 2muestra los resultados de la estimación de parámetros para los modelos de precios de las verduras eran bajos, los supermercados se quedaron sin existencias (
diferencias regionales. El algoritmo MCMC, los valores medios, las desviaciones estándar, los Kukar-Kinney et al., 2012) y, por lo tanto, las fluctuaciones de precios en respuesta al
intervalos de confianza del 95 %, las estadísticas de convergencia, los resultados de la prueba de sentimiento negativo del público en línea fueron relativamente altas.
Geweke y la prueba del factor de influencia no válida del parámetro del modelo indicaron que los Se observó que el sentimiento público negativo tuvo un impacto
resultados de la regresión del modelo de diferencia regional eran sólidos. generalmente positivo en los precios de los productos pecuarios y vegetales y un
efecto negativo en los precios de las frutas. En detalle, el sentimiento público
negativo tuvo un impacto negativo en los precios de los productos acuáticos en la
6.2. Respuesta de impulso variable en el tiempo
etapa inicial, pero un impacto positivo en las etapas media y tardía, lo cual fue
consistente conEftimov et al. (2020)encontrar que el consumo de pescado
Con base en las características variables en el tiempo del modelo TVP-VAR, se
disminuyó durante COVID-19; sin embargo, los hallazgos de impulso-respuesta
dibujaron las cifras de respuesta de impulso dinámico del efecto de histéresis y las
para los precios de productos pecuarios y vegetales fueron similares a los de
cifras de respuesta de impulso del ciclo de vida para observar dinámicamente el
Naeem (2021)y Zhan y Chen (2021). Para reducir la cantidad de veces que la gente
desfase de tiempo y la periodicidad de los impactos negativos del sentimiento
necesitaba salir, el público en general acumuló grandes cantidades de artículos de
público en línea en los precios de las cuatro variedades de productos agrícolas. y
primera necesidad que superaban con creces sus necesidades a corto plazo. Sin
precios de los productos agrícolas en las diferentes áreas de riesgo. Con base en
embargo, como la fruta es más propensa al deterioro, no se le dio prioridad en la
el principio de intervalos iguales y teniendo en cuenta el orden de retardo óptimo,
compra de pánico; por lo tanto, los precios de la fruta fluctuaron negativamente
los períodos de retardo se establecieron en 7 días, 14 días y 21 días para observar
debido a las menores ventas.Lioutas y Charatsari (2021)También encontró que los
y comparar los efectos de histéresis a corto, mediano y largo plazo. del
productos agrícolas perecederos eran más vulnerables a las pérdidas económicas.
sentimiento público negativo sobre los precios de los productos agrícolas. Se
Sin embargo, los efectos inversos de las respuestas de los precios de los
eligieron el 17 de enero, el 29 de enero, el 8 de febrero y el 25 de febrero de 2020
productos acuáticos al sentimiento público negativo se relacionaron
como fechas representativas respectivas para el período de formación, período de
principalmente con el hallazgo de que COVID-19 había aparecido por primera vez
brote, período de propagación,
en un mercado de mariscos del sur de China en Wuhan. En consecuencia, surgió el
rumor de que los peces de agua dulce podrían transmitir el nuevo coronavirus, lo
6.2.1. Heterogeneidad del producto
que provocó un pánico que se tradujo en una reducción del consumo de
productos acuáticos. Después de que el gobierno emitiera un aviso de refutación
(1) Respuestas de impulso por efecto de histéresis
de rumores que afirmaba que el virus de los mamíferos no podía proliferar en los
animales acuáticos, el público comenzó a comprar grandes cantidades de
Figura 5muestra las respuestas de impulso dinámico del efecto de histéresis a corto,
productos acuáticos, lo que resultó en un aumento de precios. Además, como los
mediano y largo plazo para los precios de los productos ganaderos, acuáticos, vegetales
precios de los productos acuáticos eran más bajos que los precios de los
y frutícolas ante el sentimiento negativo del público en línea durante el COVID-19.
productos pecuarios,Pu et al., 2020). Después de que se obviara el rumor de los
Primero, se encontró que los impactos del sentimiento negativo del público en línea
peces de agua dulce, hubo un aumento en las compras de productos acuáticos, lo
sobre los precios agrícolas varían con el tiempo (Omar et al., 2021), es decir, a medida
que resultó en un aumento continuo de los precios.
que se desarrollaba el ciclo de vida de la opinión pública, el pánico público fluctuó, lo que
impactó en los comportamientos de compra de los consumidores (Naem, 2021). En
(2) Respuestas al impulso del ciclo de vida
segundo lugar, los impactos negativos del sentimiento público en línea sobre los precios
agrícolas fueron diferentes en los diferentes períodos de retraso (Omar et al., 2021;Zeng
Figura 6muestra las diferencias en el impacto del sentimiento negativo público
et al., 2019). El retraso de impacto más significativo se encontró dentro de los 7 días; sin
en línea de COVID-19 en los precios de productos pecuarios, productos acuáticos,
embargo, después de 14 días, el efecto de retraso se debilitó drásticamente y después de
vegetales y frutas en las diferentes etapas del ciclo de vida.Atri et al. (2021)realizó
21 días, el retraso se acercó a cero. Esto puede deberse a las restricciones de viaje
una investigación similar y descubrió que, en las diferentes etapas, el índice de
impuestas durante el período de la pandemia, lo que significaba que las personas solo
pánico de COVID-19 tuvo diferentes impactos en los precios de las materias
podían ir a los mercados una vez por semana (Principado et al., 2020).
primas. En general, el sentimiento negativo del público en línea en el período de
formación tuvo el menor impacto en los precios de los productos agrícolas. Como
Se encontró que el sentimiento público negativo en línea afecta más los precios de
el efecto de la COVID-19 se sintió principalmente en Wuhan durante el período de
las verduras, seguido de los precios de los productos acuáticos y las frutas, con el menor
formación, el alcance de la propagación fue pequeño y la discusión en línea
impacto en los precios de los productos pecuarios, lo que verificó Hipótesis 1. Estos
relativamente baja. A medida que el brote se amplió en China, la discusión en línea
resultados fueron similares a los deChen et al. (2018) yNicolás et al. (2020), pero en
aumentó, y el sentimiento negativo comenzó a afectar los comportamientos de
conflicto conShi et al. (2020), que encontró que la enfermedad tenía el impacto más
compra de pánico, lo que a su vez aumentó el impacto en los precios agrícolas (
significativo en las fluctuaciones de precios de los productos pecuarios. A pesar de que
Salisu et al., 2020).
muchas personas estaban comprando cantidades de productos pecuarios mayores de lo
El sentimiento negativo del público en línea durante la pandemia de COVID-19
normal debido a las primeras compras de pánico, debido a los precios relativamente
tuvo el impacto más significativo en los precios de productos pecuarios y
altos de los productos pecuarios, la cantidad de compras mayores fue limitada (Yadav y
vegetales en el período de expansión, seguido por el período de brote y el período
Pathak, 2017), lo que significaba que cualquier cambio de precio de los productos
de recesión, y el impacto más significativo en los precios de frutas y productos
pecuarios en respuesta al público en línea
acuáticos. en el período de recesión, que rechazó Hipótesis 3. Estos resultados
fueron similares a las conclusiones enAn et al. (2021), que encontró que la
Tabla 2 propagación del tema fue más influyente en la fase de recesión y la propagación
Resultados de la prueba de parámetros para los modelos de diferencias regionales.
del sentimiento más influyente en la fase de propagación. Si bien el sentimiento
Parámetro Significar Desvst. 95%tu 95%L Geweke Inef. negativo del público en línea fue más fuerte durante el período del brote, el
impacto en los precios agrícolas no fue mayor. Debido al breve período del brote y
sb1 0.0023 0.0003 0.0018 0.0029 0.126 3.37
a los insuficientes esfuerzos de prevención y control fuera de línea (Pei et al., 2020
sb2 0.0023 0.0003 0.0018 0.0028 0.782 3.95
), se produjeron compras de pánico en algunas áreas. Sin embargo, debido al
sa1 0.0055 0.0016 0.0033 0.0097 0.843 17.92
retraso en la transmisión de información (Hosoda y Disney, 2012), no se
sa2 0.0055 0.0016 0.0033 0.0097 0.843 17.92
produjeron compras de pánico en el mercado a gran escala. Debido al
sh1 0.0056 0.0016 0.0034 0.0096 0.902 14.66
fortalecimiento de los esfuerzos de prevención y control fuera de línea en el
sh2 0.0057 0.0018 0.0034 0.01 0.368 18.95
período de propagación, se fomentó el pánico público, y este efecto de rebaño
Nota: modelo TVP-VAR (Lag = 7); Iteración: 20000; Sigma(b): Diagonal. llevó a más animales grandes y

8
Y. Liu et al. Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790

Figura 5.Respuestas al impulso del efecto de histéresis para los diferentes precios de los productos agrícolas.

Figura 6.Respuestas al impulso del ciclo de vida para los diferentes precios de los productos agrícolas.

compras de verduras y mayor precio fl la uctuación s (Omar et al., 2021). Como negativo en línea El sentimiento sobre los precios de la fruta, que demostró aún más que la
opinión pública evolucionó hacia el rec essión por o
i d, todavía se levantaron no era un nec fruta es esencial y no estaba sujeta a compras excesivas de pánico.
sentimiento negativo; sin embargo, como se kalgunas bajas y el
ubicación de la ciudad

aclararon los rumores de productos acuáticos, taquí wa s aumento de acuático 6.2.2. Región l diferencias
las compras de productos y frutas (océano y al., 2019) . Vale la pena señalar que
cuanto más temprano en el ciclo de vida, más negativo e impacto del público (1) histeria sis efecto impulso respuestas

9
Y. Liu et al.
Figura 7muestra las respuestas de impulso dinámico del efecto de histéresis a corto,
mediano y largo plazo al sentimiento negativo del público durante COVID-19 en los
precios de los productos agrícolas en las áreas de alto, mediano y bajo riesgo. En primer
lugar, se descubrió que los impactos negativos del sentimiento público en línea sobre los
precios agrícolas en las diferentes áreas de riesgo varían con el tiempo, lo que fue similar
a la conclusión enOmar et al. (2021), lo que sugirió que los comportamientos de compra
pública estaban estrechamente relacionados con los sentimientos negativos. En segundo
lugar, los impactos del sentimiento negativo del público en línea sobre los precios de los
productos agrícolas en todas las áreas de riesgo fueron mayores en el desfase de 7 días.
El sentimiento negativo del público en línea tuvo el mayor impacto en los
precios de los productos agrícolas en las áreas de riesgo medio, seguidas por las
áreas de riesgo bajo y alto, que fue similar aZeng et al. (2019), que encontró
diferencias regionales en los impactos negativos del sentimiento público en línea
sobre los precios de los productos agrícolas, yLeung y Cai (2021), que encontró
que el riesgo percibido en las diferentes regiones pandémicas tuvo diferentes
impactos en las intenciones de compra; por lo tanto,Hipótesis 2fue verificado.
Dado que el brote de COVID-19 en las áreas de alto riesgo fue grave y se
desarrolló rápidamente, el gobierno tomó medidas de gestión de bloqueo
estrictas y eficientes, que restringieron severamente los viajes de las personas (
Zhou y Guo, 2021). Para garantizar que se satisfagan las necesidades básicas de
vida de todas las personas en áreas de alto riesgo, el gobierno participó
activamente en la regulación del mercado y la reposición oportuna de bienes (
Wang et al., 2020), que estabilizó los precios (Muflikh et al., 2021). Además, dado
que el público en las áreas de alto riesgo recibió información oportuna, no se vio
excesivamente afectado por el sentimiento negativo del público en línea (Leung y
Cai, 2021), lo que significaba que tenían comportamientos de compra más
racionales. En las áreas de riesgo medio, la intensidad de prevención y control de
la pandemia fue menor que en las áreas de alto riesgo, y las personas dependían
de Internet y de las comunicaciones diarias para obtener información, lo que
generaba distorsión y exageración de la información y una mayor transmisión de
rumores (Taylor et al., 2020). Por lo tanto, era más probable que el público en las
áreas de riesgo medio se viera afectado por el sentimiento negativo del público en
línea y adoptara comportamientos irracionales de compra de pánico, lo que a su
vez resultó en un impacto mayor y sostenido en los precios. Como las áreas de
bajo riesgo se vieron menos afectadas por la pandemia, el público se vio menos
afectado por los sentimientos negativos en línea (Wang et al., 2021), cual
Figura 7.hola steresis efecto impulso respuestas sobre los precios agrícolas en las diferentes áreas de riesgo.
10
Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790
significó que las respuestas de los precios de los productos agrícolas a los sentimientos negativos
del público en línea fueron más bajas que en las áreas de riesgo medio.
(2) Respuestas al impulso del ciclo de vida
Figura 8muestra los impactos en los precios de los productos agrícolas del
sentimiento negativo público en línea de COVID-19 en las áreas de riesgo alto,
riesgo medio y riesgo bajo en las diferentes etapas del ciclo de vida. El sentimiento
público negativo tuvo el impacto más significativo en los precios agrícolas en los
períodos de diferencial y recesión en todas las áreas de riesgo, lo cual fue
diferente a los hallazgos enZeng et al. (2019). Debido al rápido brote de la
pandemia y las insuficientes medidas iniciales de prevención y control fuera de
línea, hubo pocas compras de pánico y, por lo tanto, el efecto en los precios fue
relativamente pequeño. Sin embargo, a medida que se implementaron estrictas
medidas de prevención y control fuera de línea y COVID-19 se extendió
rápidamente por todo el mundo (Duan et al., 2021), los sentimientos de pánico
aumentaron y hubo un aumento en las compras irracionales, lo que condujo a
fluctuaciones de precios evidentes durante los períodos de diferencial y recesión.
Las respuestas dinámicas de los precios de los productos agrícolas al sentimiento
negativo del público en línea en las áreas de riesgo alto y riesgo medio fueron mayores
en el período de recesión, seguidas por el período de diferencial. En las áreas de bajo
riesgo, esta respuesta dinámica fue significativamente mayor en el período de recesión
que en las otras etapas del ciclo de vida; por lo tanto,Hipótesis 3fue rechazada. Estos
hallazgos fueron similares a los deAn et al. (2021), pero no lo mismo enZeng et al. (2019).
Esto se debió a que las zonas de alto y mediano riesgo fueron las primeras afectadas por
la pandemia (Li et al., 2021) y la fermentación continua del sentimiento negativo en línea
provocó el pánico público, lo que condujo a comportamientos de compra de pánico. Sin
embargo, como no hubo casos confirmados de COVID-19 en las áreas de bajo riesgo en
las primeras etapas de la pandemia (Wang et al., 2021), el público era menos susceptible
al sentimiento negativo en línea y tendía a seguir sus comportamientos de compra
normales. A medida que la pandemia se hizo más grave, el público de la zona de bajo
riesgo comenzó a entrar en pánico, temiendo que pudiera haber escasez de suministros
en el futuro, lo que resultó en comportamientos de compra a granel y un aumento
continuo en los precios de los productos agrícolas.
Y. Liu et al. Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790

Figura 8.Respuestas del impulso del ciclo de vida a los precios agrícolas en las diferentes áreas de riesgo.

6.3. Prueba de robustez tenía características no lineales obvias. En segundo lugar, se encontró que las
respuestas de impulso dinámico al retraso de 7 días eran las más grandes, lo
Para verificar la solidez de los resultados anteriores, se utilizó la suma de los nuevos que indica que el sentimiento negativo del público en línea tuvo un efecto de
casos y muertes diarios diagnosticados en China como variable sustituta del sentimiento histéresis a corto plazo en los precios de los productos agrícolas. En tercer lugar,
negativo del público en línea (Atri et al., 2021). Dado que el sentimiento negativo del con base en la teoría del ciclo de vida, se encontró que las respuestas de impulso
público en línea a menudo estaba estrechamente relacionado con el desarrollo de la dinámico en los períodos de expansión y recesión fueron las más significativas.
pandemia, los nuevos casos y muertes diarios confirmados se consideraron
representativos del desarrollo de la pandemia y una variable sustituta adecuada. Los (2) Los impactos del sentimiento negativo del público en línea sobre los precios de los
datos de nuevos casos confirmados y muertes por día se obtuvieron de la columna de productos agrícolas tenían características de heterogeneidad del producto y se
notificación de pandemia de la Comisión Nacional de Salud de la República Popular vieron afectados por la necesidad y un efecto de sustitución de productos
China, con el modelo reestimado después de tomar los logaritmos de datos de agrícolas. El sentimiento público negativo en línea afectó más a los precios de las
pandemia. Los impactos dinámicos de COVID-19 en los diferentes precios de los verduras, seguido de los precios de los productos acuáticos y las frutas, con el
productos agrícolas y los precios de los productos agrícolas en las diferentes áreas de menor impacto en los precios de los productos ganaderos. El análisis de la
riesgo se muestran enFiguras B1 a B4enapéndice B. Se encontró que las respuestas de diferencia en la dirección del impacto encontró que el sentimiento público
impulso de la pandemia de COVID-19 a los precios de los productos agrícolas también negativo tuvo un impacto generalmente positivo en los precios de los productos
tuvieron un retraso significativo que varió en el tiempo, y el ciclo de vida, la pecuarios y vegetales y un efecto negativo en los precios de las frutas. Sin
heterogeneidad del producto, embargo, debido a las primeras rutinas de productos acuáticos
y las características de las diferencias regionales, los que estafa afirmó que las conclusiones Mors, un Se encontró un impacto negativo en la primera etapa de los precios
resultados de la estimación fueron relativamente sólidos y el del modelo son creíbles. en el ea de los productos acuáticos, pero una vez aclarados los rumores, hubo
yo positivo impactos en la etapa media y tardía.
7. Conclusiones e implicaciones (3) El pub Los impactos del sentimiento negativo en línea sobre los precios
producto agrícolas tuvieron características regionales. Las provincias se
7.1. Conclusiones de la investigación dividido yo dividieron en áreas de riesgo alto, riesgo medio y riesgo bajo
a estos según la realidad de los brotes de COVID-19 y el impacto
Basado en la serie temporal de precios enviados mente un d producto agrícola referencias analizado. Se encontró que debido a la información ry y las
negativos en línea públicos en China desde enero, el 9, 2020 t o 4 de marzo de 2020, con asimetría diferentes medidas de prevención y control de pandemias, el
apoyo de la teoría del ciclo de vida, este papel d ividencia del COVID-19 intensificación sentimiento negativo público en línea tuvo el mayor
situación de pandemia en cuatro etapas. Luego, se utilizó un modelo TVP-VAR para analizar los impacto en los precios de los productos agrícolas de la zona de riesgo medio,
impactos del sentimiento negativo del público en línea sobre los precios de los productos seguida de las zonas de riesgo bajo y las zonas de riesgo alto.
agrícolas. Fi nalmente, la heterogeneidad del producto y la diferenciación regional
ences fueron estimados. Las principales conclusiones de esta investigación son 7.2. Implicaciones políticas
detallada a continuación.
Sobre la base de las conclusiones anteriores, se dan las siguientes recomendaciones
impactos
(1) Los precios públicos de productos senti negativos en ambientales en la agricultura de política.
línea tenían tics variables en el tiempo. En primer rezago, y el sentimiento característico
lugar, se publicaron los precios negativos de los del ciclo de vida impacta en lo diferente (1) Mejorar los mecanismos de monitoreo y alerta temprana de pandemias
productos agrícolas en línea. en diferentes períodos y interregionales/intersectoriales. Los acontecimientos pandémicos afectan

11
Y. Liu et al. Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790

sentimiento público, con información de opinión pública inoportuna o
incompleta que resulta en asimetría de información, sentimiento público
negativo y compras de pánico. Para reducir el pánico, el gobierno y los
departamentos pertinentes deben fortalecer su vigilancia de la pandemia
de COVID-19, garantizar publicaciones de información más oportunas y
completas, y realizar "descubrimientos oportunos, informes oportunos y
prevención y control oportunos".
(2) Fortalecer la supervisión y orientación de la opinión pública. En primer lugar, los
departamentos pertinentes deben establecer mecanismos estrictos de
amonestación y castigo para evitar que los anuncios falsos provoquen pánico
público. Al mismo tiempo, también es necesario aclarar los rumores
rápidamente para minimizar el impacto negativo de los rumores. En segundo
lugar, los múltiples canales de opinión pública deben ser monitoreados
cuidadosamente y deben aprovecharse al máximo los principales medios de
comunicación positivos y objetivos y los grandes líderes de opinión de Internet
para construir un entorno de opinión pública saludable.
(3) Mejorar la plataforma de publicación de información sobre productos agrícolas.
Para reducir los comportamientos de compra de pánico y estabilizar los precios
de los productos agrícolas, el gobierno y los departamentos relacionados deben
guiar activamente las emociones del público y proporcionar información precisa
del mercado para reducir el pánico del mercado, estabilizar los precios agrícolas
y garantizar el desarrollo del mercado.
8. Limitaciones y futuras investigaciones
por lo tanto, diferentes grupos de usuarios tienen diferentes influencias y
diferentes posiciones en la transmisión de sentimientos negativos (Lin et al., 2018),
lo que a su vez puede tener efectos diferentes en los precios agrícolas. Por lo
tanto, es necesario explorar más a fondo el impacto del sentimiento negativo en
los diferentes grupos de usuarios sobre los precios de los productos agrícolas.
Además, debido a las características típicas de comunicación entre regiones de las
redes sociales, el sentimiento negativo del público en línea puede tener un efecto de
conducción espacial. Por lo tanto, es necesario explorar más a fondo los efectos
indirectos del sentimiento negativo del público en línea sobre los precios de los
productos agrícolas desde una perspectiva espacial.
Declaración de competencia de intereses
Los autores declaran que no tienen intereses financieros en competencia ni
relaciones personales conocidas que pudieran haber influido en el trabajo
informado en este documento.
Expresiones de gratitud
El documento fue apoyado por el proyecto especial de estadísticas del
Proyecto de Planificación de Ciencias Sociales de Sichuan 2020 (números de
subvención SC20TJ001) y la Fundación Juvenil de Humanidades y Ciencias Sociales,
el Ministerio de Educación de la República Popular China (números de subvención
15YJC630081).

Las plataformas de microblog incluyen Yellow V, Blue V y usuarios comunes;

Apéndice A
Cuadro A1
Resultados de la prueba de raíz unitaria

secuencia variable alimentador automático de documentos KPSS Estacionariedad

T−Estadística (C, T, K)

productos ganaderos − 2.7468** (c,0,0) 0,6925** estable

Productos acuáticos − 3.6506*** (c,0,0) 0.7817*** estable
Verduras − 2.3940 (c,0,1) 0,6126** estable
frutas − 4.5643*** (c,0,0) 0.4705** estable
precio_comida_h − 3.8669*** (c,0,0) 0.3500* estable
precio_comida_m − 3.5678*** (c,0,1) 0.1576** estable
precio_comida_l − 3.7636*** (c,0,0) 0.4940** estable
Negativo − 12.7806*** (c,0,7) 0.4812** estable

Nota:Crepresenta el término constante,Trepresenta el término de tendencia, ykrepresenta el orden de retraso. ***、**y * significa significativo al
nivel del 1%、5% y 10%, respectivamente.

Cuadro A2
Resultados de la prueba de cointegración

secuencia variable alimentador automático de documentos(T−Estadística) (C, T, K) Estacionariedad

Productos ganaderos y negativos − 4.6472*** (c,0,0) estable

Productos acuáticos y negativos − 5.2687*** (c,0,0) estable
Hortalizas y negativos − 4.3919*** (c,0,0) estable
Frutas y Negativo − 5.8017*** (c,0,0) estable
Foodprice_h y Negativo − 5.3519*** (c,0,0) estable
Foodprice_m y Negativo − 4.3629*** (c,0,0) estable
Foodprice_l y Negativo − 4.8028*** (c,0,0) estable

Nota:Crepresenta el término constante,Trepresenta el término de tendencia, ykrepresenta el orden de retraso. *** significa significativo al nivel del
1%.

12
Y. Liu et al. Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790

Cuadro A3
Resultados de la prueba de causalidad lineal de Granger

Hipótesis nula Obs. F−Estadística PAGS

Negativo no Granger Causa Productos ganaderos 49 1.0231 0.4331
Productos ganaderos no Granger Causa Negativo 1.4081 0.2342
Negativo no Granger Causa Productos acuáticos 49 1.1922 0.3334
Productos acuáticos no Granger Causa Negativo 0.7783 0.6097
Negativo no Granger Causa Verduras Verduras no 49 1.1939 0.3326
Granger Causa Negativo Negativo no Granger Causa 1.0863 0.3936
Frutas 49 0.7283 0.6492
Frutas no Granger Causa Negativo Negativo 0.4007 0.8952
no Granger Causa Foodprice_h Foodprice_h no 49 1.5894 0.1721
Granger Causa Negativo Negativo no Granger 2.2186 0.0571
Causa Foodprice_m Foodprice_m no Granger 49 1.2173 0.3203
Causa Negativo Negativo no Granger Causa 1.5346 0.1890
Foodprice_l Foodprice_l no Granger Causa 49 0.1083 0.9974
Negativo 1.3687 0.2501

Mesa A4
Resultados de la prueba BDS no lineal

LinealVARVariables prueba de BDS

X y X y
Negativo Productos acuáticos 9.5603*** 1.7520*
Negativo productos ganaderos 9.3722*** 3.9775***
Negativo Verduras 8.4800*** 2.4235***
Negativo Fruta 6.7975*** 1.1631
Negativo precio_comida_h 7.5061*** 3.1962***
Negativo precio_comida_m 10.0773*** 2.9717***
Negativo precio_comida_l 6.6810*** 1.4671

Nota: ***, ** y * indican un rechazo de la hipótesis nula de "sin relación no lineal" en los niveles del 1 %, 5
% y 10 %, respectivamente.

apéndice B

Higo
ura B1.Histéresis efecto impulso res propuestas para los diferentes precios de los productos agrícolas.

13
Y. Liu et al. Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790

Figura B2.Respuestas al impulso del ciclo de vida a los precios de los diferentes productos agrícolas.

Figura B3.Respuestas impulsos del efecto de histéresis sobre los precios agrícolas en las diferentes zonas de riesgo.

fi figura B4.Respuesta al impulso del ciclo de vida es a los precios agrícolas en las diferentes zonas de riesgo.

14
Y. Liu et al. Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790

Referencias Lin, H.-C., Bruning, PF, Swarna, H., 2018. Usar líderes de opinión en línea para promover la
valor hedónico y utilitario de los productos y servicios. Autobús. Horiz. 61, 431–442.
Lioutas, ED, Charatsari, C., 2021. Mejorar la capacidad de la agricultura para hacer frente a
An, L., Zhou, W., Ou, M., Li, G., Yu, C., Wang, X., 2021. Midiendo y perfilando el
Grandes crisis o desastres: lo que nos enseña la experiencia del COVID-19. agricola sist.
influencia tópica y contagio de sentimientos de las partes interesadas en eventos públicos. En t. J.Inf.
187, 103023.
Administrar 58, 102327.
Liu, L., Tan, S., Wang, Y., 2020. ¿Pueden los precios de las materias primas pronosticar los tipos de cambio? Energía
Arafat, SMY, Kar, SK, Marthoenis, M., Sharma, P., Hoque Apu, E., Kabir, R., 2020.
economía 87, 104719.
Base psicológica de las compras de pánico durante la pandemia (COVID-19).
Liu, M., Liu, M., Li, Z., Zhu, Y., Liu, Y., Wang, X., Tao, L., Guo, X., 2021. El espacio
psiquiatra Res. 289, 113061.
análisis de agrupamiento de COVID-19 y sus factores asociados en China continental a nivel
Atri, H., Kouki, S., Gallali, Mi, 2021. El impacto de las noticias, el pánico y los medios relacionados con el COVID-19
de prefectura. ciencia Entorno Total. 777, 145992.
Cobertura sobre los precios del petróleo y el oro: un enfoque ARDL. recurso polaco 72, 102061. Bell,
Loureiro, ML, Alló, M., 2020. Detección del cambio climático y problemas energéticos: sentimiento y
WR, Hillmer, SC, 1983. Modelado de series de tiempo con variación de calendario. Mermelada. Estadística
análisis de emociones con redes sociales en Reino Unido y España. Política Energética 143,
Asoc. 78, 526–534.
111490. Mandal, SC, Boidya, P., Haque, MI-M., Hossain, A., Shams, Z., Mamun, A.-A., 2021.
Brügger, A., 2020. Comprender la distancia psicológica del cambio climático: la
El impacto de la pandemia de COVID-19 en el consumo de pescado y la seguridad alimentaria de los hogares
limitaciones de la teoría del nivel de interpretación y sugerencias para perspectivas teóricas
en la ciudad de Dhaka, Bangladesh. Seguridad alimentaria mundial 29, 100526.
alternativas. Medio Ambiente Mundial. Cambio 60, 102023.
Meents, S., Verhagen, T., 2018. Reducción del riesgo del consumidor en los mercados electrónicos: la
Chang, E., Chin, H., 2018. Señalización o experiencia: efectos de compromiso HRM en
función de señalización del producto y la información del vendedor. computar Tararear. Comportamiento 86,
reclutamiento y calificaciones en línea de los empleados. J. Autobús. Res. 84, 175–185.
205–217. Mishra, A., Bruno, E., Zilberman, D., 2021. Desastres naturales y humanos compuestos:
Chatzopoulos, T., Pérez Domínguez, I., Zampieri, M., Toreti, A., 2020. Climas extremos
gestionar la sequía y el COVID-19 para sostener los sectores alimentarios y agrícolas mundiales.
y mercados de productos básicos agrícolas: un análisis económico global de eventos
ciencia Entorno Total. 754, 142210.
simulados regionalmente. Tiempo y clima extremos 27, 100193.
Mofijur, M., Fattah, IMR, Alam, MA, Islam, ABMS, Ong, HC, Rahman, SMA,
Chen, J., Zhou, H., Hu, H., Song, Y., Gifu, D., Li, Y., Huang, Y., 2018. Investigación sobre
Najafi, G., Ahmed, SF, Uddin, MA, Mahlia, TMI, 2021. Impacto de COVID-19 en los
sistema de monitoreo agrícola basado en red neuronal convolucional. Futuro
dominios social, económico, ambiental y energético: lecciones aprendidas de una
Generado. computar sist. 88, 271–278.
pandemia global. Producción y consumo sostenibles 26, 343–359. Muflikh, YN,
Chen, L., Liu, Y., Chang, Y., Wang, X., Luo, X., 2020. Análisis de la opinión pública de la novela
Smith, C., Brown, C., Aziz, AA, 2021. Análisis de la volatilidad de precios en
coronavirus de datos en línea. Revista de ciencia de la seguridad y resiliencia. Dickey, DA,
cadenas de valor agrícolas utilizando el pensamiento sistémico: un estudio de caso de la cadena de valor del
Fuller, WA, 1979. Distribución de los estimadores para el tiempo autorregresivo
chile de Indonesia. agricola sist. 192, 103179.
serie con raíz unitaria. Mermelada. Estadística Asoc. 74.
Naeem, M., 2021. ¿Las plataformas de redes sociales desarrollan compras de pánico del consumidor durante el
Duan, H., Bao, Q., Tian, K., Wang, S., Yang, C., Cai, Z., 2021. El éxito de la novela
miedo a la pandemia de Covid-19. J. Consumo Minorista serv. 58.
brote de coronavirus a la economía de China. economía china Rev. 67, 101606. Durevall, D., Loening,
Nakajima, J., 2011. Modelo VAR de parámetros variables en el tiempo con volatilidad estocástica: una
JL, Ayalew Birru, Y., 2013. Dinámica de la inflación y precios de los alimentos en
descripción general de la metodología y las aplicaciones empíricas. Economía Monetaria Semental. 29, 107–
Etiopía. J. Dev. economía 104, 89–106.
142.
Eftimov, T., Popovski, G., Petković, M., Seljak, BK, Kocev, D., 2020. COVID-19
Naseem, U., Razzak, I., Musial, K., Imran, M., 2020. Inteligencia profunda basada en transformadores
La pandemia cambia los patrones de consumo de alimentos. Tendencias Ciencias de la alimentación. Tecnología 104, 268–
incrustación contextual para el análisis de sentimiento de Twitter %. J Sistemas informáticos
272.
de la generación futura 113.
Fowowe, B., 2016. ¿Los precios del petróleo impulsan los precios de los productos básicos agrícolas? Evidencia de
Nazlioglu, S., Soytas, U., 2012. Precio del petróleo, precios de las materias primas agrícolas y el dólar: un
Sudáfrica. Energía 104, 149–157.
cointegración de panel y análisis de causalidad. Economía de la energía. 34, 1098–
Fu, X., Sun, X., Wu, H., Cui, L., Huang, JZ, 2018. Sentimiento del tema poco supervisado
1104. Nicola, M., Alsafi, Z., Sohrabi, C., Kerwan, A., Al-Jabir, A., Iosifidis, C., Agha, M.,
modelo conjunto con incrustaciones de palabras. Saber Sistema base 147, 43–54. Hassouneh, I.,
Agha, R., 2020. Las implicaciones socioeconómicas de la pandemia de coronavirus
Radwan, A., Serra, T., Gil, JM, 2012. Crisis de miedo alimentario y desarrollo
(COVID-19): una revisión. En t. J. Cirugía. 78, 185–193.
países: el impacto de la influenza aviar en la transmisión vertical de precios en el
Nicomedes, CJC, Avila, RMA, 2020. Un análisis sobre el pánico durante el COVID-19
sector avícola egipcio. Política alimentaria 37, 264–274.
pandemia a través de un formulario en línea. J. Afecto. Desorden. 276, 14–22.
He, Z., 2020. Impactos dinámicos del precio del crudo en la confianza de los inversores chinos:
Ocean, N., Howley, P., Ensor, J., 2019. Lettuce be happy: un estudio longitudinal del Reino Unido sobre la
causalidad no lineal y efecto variable en el tiempo. En t. Rev. Econ. Finanzas 66, 131–153.
relación entre el consumo de frutas y verduras y el bienestar. Soc. ciencia Medicina.
Hosoda, T., Disney, SM, 2012. Sobre la política de reposición cuando la demanda del mercado
222, 335–345.
la información se retrasa. En t. J.Prod. economía 135, 458–467.
Pei, Z., Han, G., Ma, X., Su, H., Gong, W., 2020. Respuesta de los principales contaminantes del aire a
Hou, K., Hou, T., Cai, L., 2021. Atención pública sobre COVID-19 en las redes sociales: un
Bloqueos de COVID-19 en China. ciencia Entorno Total. 743, 140879.
investigación basada en minería de datos y análisis de textos. pers. Indiv. Diferir de. 175,
Prentice, C., Chen, J., Stantic, B., 2020. Intervención cronometrada en COVID-19 y pánico
110701.
comprar. J. Consumo Minorista serv. 57, 102203.
Hussein, M., Law, C., Fraser, I., 2021. Un análisis de la demanda de alimentos en un país frágil y
Primiceri, GE, 2005. Autoregresiones de vectores estructurales variables en el tiempo y
país inseguro: Somalia como estudio de caso. Política alimentaria 101, 102092.
Política. Rev. Econ. Semental. 72, 821–852.
Islam, MS, Ferdous, MZ, Potenza, MN, 2020. Pánico y ansiedad generalizada durante
Principato, L., Secondi, L., Cicatiello, C., Mattia, G., 2020. Caring More about Food: the
la pandemia de COVID-19 entre la población de Bangladesh: una encuesta piloto en línea al comienzo
Efecto positivo inesperado del bloqueo de Covid-19 en la gestión y el desperdicio de alimentos
del brote. J. Afecto. Desorden. 276, 30–37.
en el hogar. Ciencias de la Planificación Socioeconómica, p. 100953. Pu, M., Zhong, Y., 2020.
Jebabli, I., Arouri, M., Teulon, F., 2014. Sobre los efectos del mercado mundial de valores y el precio del petróleo
Crecientes preocupaciones sobre la producción agrícola como COVID-19
Choques en los precios de los alimentos: una investigación empírica basada en modelos TVP-VAR con
diferenciales: lecciones de China. Seguridad alimentaria mundial 26, 100409.
volatilidad estocástica. Economía de la energía. 45, 66–98.
Pu, X., Xu, Z., Huang, R., 2020. Selección del modo de entrada y su impacto en la competencia
Jiang, G., Li, S., Li, M., 2020. Difusión dinámica de rumores sobre la inversión de la opinión pública en
entre productos agrícolas orgánicos y convencionales. J. Limpio. Pinchar. 274, 122716.
Weibo basado en un modelo SPNR de dos etapas. física Estadística mecánico aplicación 558,
125005. Kalgotra, P., Gupta, A., Sharda, R., 2021. Ciclo de vida de soporte de información pandémica:
Qiu, C., Colson, G., Escalante, C., Wetzstein, M., 2012. Considering macroeconomic
evidencia de la evolución de las aplicaciones móviles durante COVID-19. J. Autobús. Res.
indicadores en el nexo de alimentos antes de combustible. Economía de la energía. 34, 2021–
Klomp, J., Hoogezand, B., 2018. Desastres naturales y protección agrícola: un panel
2028. Salisu, AA, Akanni, L., Raheem, I., 2020. El índice de miedo global COVID-19 y el
análisis de los datos. Desarrollo mundial 104, 404–417.
previsibilidad de los rendimientos de los precios de las materias primas. Revista de finanzas conductuales y
Kraaijeveld, O., De Smedt, J., 2020. El poder predictivo del sentimiento público de Twitter para
experimentales 27, 100383.
Pronosticar los precios de las criptomonedas. J. Int. Finanzas Marca. Inst. Dinero 65, 101188. Kukar-
Seok, JH, Kim, G., Reed, MR, Kim, S.-E., 2018. El impacto de la influenza aviar en el
Kinney, M., Ridgway, NM, Monroe, KB, 2012. El papel del precio en el comportamiento
Mercado coreano del huevo: ¿quién se benefició? J. Pol. Modelo. 40, 151–165.
y decisiones de compra de compradores compulsivos. J. Venta al por menor 88, 63–71.
Shi, Z., Zhou, H., Hu, X., 2020. Los impactos de las enfermedades en la volatilidad de los precios de
Kwiatkowski, D., Phillips, PCB, Schmidt, P., Shin, Y., 1992. Prueba de la hipótesis nula
Los productos ganaderos de China. Investigación de Modernización Agrícola 41, 863–871.
de estacionariedad frente a la alternativa de raíz unitaria: ¿qué tan seguros estamos de que las series
Siddig, K., Stepanyan, D., Wiebelt, M., Grethe, H., Zhu, T., 2020. Cambio climático y
temporales económicas tienen raíz unitaria? J. Economía. 54, 159–178.
agricultura en el Sudán: vías de impacto más allá de los cambios en la precipitación media y la
Lazard, AJ, Scheinfeld, E., Bernhardt, JM, Wilcox, GB, Suran, M., 2015. Detección
temperatura. Ecol. economía 169, 106566.
temas de interés público: un análisis de minería de texto del chat en vivo de Twitter sobre el ébola de los Centros
Sigurdsson, V., Larsen, NM, Alemu, MH, Gallogly, JK, Menon, RGV, Fagerstrøm, a.,
para el Control y la Prevención de Enfermedades. Soy. J. infectar. Contr. 43, 1109-1111. Leung, XY, Cai, R., 2021.
2020. Ayudar al consumo sostenible de alimentos: los efectos de las señales de calidad derivadas de
Cómo la gravedad de la pandemia modera los riesgos del pedido digital de alimentos
los consumidores y las tiendas en la venta minorista de comestibles en línea y física. J. Autobús. Res.
durante COVID-19: una aplicación de la teoría de la perspectiva y el marco de percepción del riesgo.
112, 458–471.
Hospital J. Gerencia de Turismo 47, 497–505.
Smith, BG, Smith, SB, Knighton, D., 2018. Diálogos en las redes sociales en una crisis: una
Li, T., Rong, L., Zhang, A., 2021. Evaluación del riesgo regional de infección por COVID-19 de
enfoque de métodos para la identificación de públicos en las redes sociales. publ. Relativo Rev. 44, 562–
Wuhan por tren de alta velocidad. Transporte Pol. 106, 226–238.
573.
Li, X., Wu, P., Wang, W., 2020a. Incorporación de precios de acciones y sentimientos de noticias para acciones
Strauß,N., Vliegenthart, R., Verhoeven, P., 2016. ¿Rezagado? emociones en
predicción del mercado: un caso de Hong Kong. información Proceso. Administrar 57, 102212.
artículos de periódicos y cotizaciones bursátiles en los Países Bajos. publ. Relativo Rev. 42,
Li, Y., Bu, H., Li, J., Wu, J., 2020b. El papel del sentimiento inversor extraído de texto en
548–555.
Predicción del precio de las acciones chinas con la mejora del aprendizaje profundo. En t. J.
Sun, T.-T., Su, C.-W., Mirza, N., Umar, M., 2021a. ¿Cómo afecta la incertidumbre de la política comercial
Pronóstico. 36, 1541–1562.
afectan los precios de los productos básicos agrícolas? Pac. Cuenca Finanzas J. 66,
Li, Y., Zhou, H., Lin, Z., Wang, Y., Chen, S., Liu, C., Wang, Z., Gifu, D., Xia, J., 2020c.
101514. Sun, Y., Mirza, N., Qadeer, A., Hsueh, H.-P., 2021b. Conexión entre el petróleo y
Investigación de las influencias de los indicadores de opinión pública sobre los precios de las hortalizas
precios de los productos básicos agrícolas durante un período tranquilo y volátil. ¿Es el petróleo crudo una
mediante construcción de corpus y análisis de artículos de WeChat. Futuro Generado. computar sist. 102, 876–
víctima de hecho? recurso polaco 72, 102131.
888.

15
Y. Liu et al.
Taylor, S., Landry, CA, Paluszek, MM, Rachor, GS, Asmundson, GJG, 2020. Preocupación,
evitación y afrontamiento durante la pandemia de COVID-19: un análisis integral de la red.
J. Trastorno de ansiedad. 76, 102327.
Umar, Z., Gubareva, M., Teplova, T., 2021. El impacto de Covid-19 en los productos básicos
volatilidad de los mercados: análisis de las relaciones de frecuencia temporal entre los precios de las materias
primas y los niveles de pánico del coronavirus. recurso polaco 73, 102164.
Verikios, G., 2020. Los efectos dinámicos de los brotes de enfermedades infecciosas: el caso de
gripe pandémica y coronavirus humano. Soc. economía Planificar ciencia 71, 100898.
Wahlberg, D., 2004. Poner fin al debate: análisis de la comunicación de crisis de una universidad
Identidad atlética de los indios americanos. publ. Relativo Rev. 30, 197–203.
Wang, Q., Dong, W., Yang, K., Ren, Z., Huang, D., Zhang, P., Wang, J., 2021. Temporal
y análisis espacial de la transmisión de COVID-19 en China y sus factores influyentes. En t. J.
infectar. Dis. 105, 675–685.
Wang, X., Lin, L., Xuan, Z., Xu, J., Wan, Y., Zhou, X., 2020. Comunicación de riesgos en
respuestas de comportamiento durante COVID-19 entre la población general en China: un estudio
nacional rápido. J. infectar. 81, 911–922.
Wani, MA, Agarwal, N., Jabin, S., Hussain, SZ, 2018. Análisis de emociones del usuario en
regiones en conflicto versus regiones que no están en conflicto usando redes sociales en línea. Telemática Inf.
35, 2326–2336.
Wei Su, C., Wang, X.-Q., Tao, R., Oana-Ramona, L., 2019. ¿Los precios del petróleo impulsan la agricultura?
precios de las materias primas? Evidencia adicional en un contexto global de bioenergía. Energía 172, 691–
701.
Wen, F., Zhang, M., Deng, M., Zhao, Y., Ouyang, J., 2019. Exploración de los efectos dinámicos
de factores financieros sobre los precios del petróleo en base a un modelo TVP-VAR. física Estadística mecánico aplicación 532,
121881.
Wu, Y., Kwakkenbos, L., Henry, RS, Tao, L., Harb, S., Bourgeault, A., Carrier, M.-E.,
Levis, B., Sun, Y., Bhandari, PM, Carboni-Jiménez, A., Gagarine, M., He, C., Krishnan, A.,
Negeri, ZF, Neupane, D., Mouthon, L., Bartlett, SJ, Benedetti, A., Thombs, BD, Culos-Reed,
N., El-Baalbaki, G., Hebblethwaite, S., Patten, S., Varga, J., Bustamante, L., Duchek, D ., Ellis,
K., Rice, D., Dyas, L., Fortuné, C., Gietzen, A., Guillot, G., Lewis, N., Nielsen, K., Richard, M.,
Sauvé, M ., Welling, J., 2020. Validación de los cuestionarios de temores de COVID-19 para
afecciones médicas crónicas: un estudio de cohorte de COVID-19 de la red de intervención
centrada en el paciente con esclerodermia. J. Psicosom. Res. 139, 110271.
Xia, H., An, W., Li, J., Zhang, Z., 2020. Gestión de conocimientos atípicos para casos extremos
eventos de salud pública: comprender las opiniones públicas sobre COVID-19 según los datos
de microblog. Soc. economía Planificar ciencia 100941.
Xie, D., Zhuo, L., Xie, P., Liu, Y., Feng, B., Wu, P., 2020. Variaciones espaciotemporales y
evolución de las huellas hídricas de la alimentación porcina y la producción de carne de cerdo
en China (2004-2013). agricola ecosistema Reinar. 297, 106932.
Xie, Y., Qiao, R., Shao, G., Chen, H., 2017. Investigación sobre los usuarios chinos de las redes sociales.
Comportamientos de comunicación durante eventos de emergencia pública. Telemática Inf. 34,
740–754.
Xiong, T., Li, C., Bao, Y., 2018. Pronóstico estacional del precio de los productos básicos agrícolas
usando un método híbrido STL y ELM: evidencia del mercado de vegetales en China.
Neurocomputación 275, 2831–2844.
Yadav, R., Pathak, GS, 2017. Determinantes del comportamiento de compra verde de los consumidores en un
nación en desarrollo: aplicación y extensión de la teoría del comportamiento planificado. Ecol.
economía 134, 114–122.
Yang, J., Zou, X., Zhang, W., Han, H., 2021. Análisis de sentimiento de microblog mediante incrustación
contextos sociales en un LSTM atento. Ing. aplicación Artefacto Intel. 97, 104048.
Yi, L., Tao, J., Tan, C., Zhu, Z., 2019. Influenza aviar, opinión pública y contagio de riesgos:
medición, teoría y evidencia del mercado de pollos de engorde de China. Sostenibilidad 11,
1–44.
dieciséis
Diario de Venta al por menor y servicios al consumidor 64 (2022) 102790
Yu, L., Li, L., Tang, L., 2017. ¿Qué pueden hacer los medios de comunicación para controlar el pánico público en los accidentes?
de fugas de sustancias químicas peligrosas en los ríos? Un modelo de difusión de opinión en línea basado
en múltiples agentes. J. Limpio. Pinchar. 143, 1203–1214.
Zeng, H., Su, L., Tan, Y., 2019. El impacto heterogéneo de la cobertura negativa de los medios de
seguridad de los productos agrícolas en las fluctuaciones de precios de los productos agrícolas.
Revista de Economía Agrotécnica 99–114.
Zhan, Y., Chen, KZ, 2021. Creación de un sistema alimentario resiliente en medio de la COVID-19: respuestas
y lecciones de China. agricola sist. 190, 103102.
Zhang, C., Qu, X., 2015. El efecto de las crisis del precio mundial del petróleo en la agricultura de China.
mercancías. Economía de la energía. 51, 354–364.
Zhang, S., Wei, Z., Wang, Y., Liao, T., 2018. Análisis de opinión del microblog chino
texto basado en el diccionario de sentimientos extendido. Futuro Generado. computar sist. 81,
395–403.
Zhang, W., Wang, M., Zhu, Y.-c., 2020. ¿La información del gobierno se publica realmente?
importante en la regulación del contagio-evolución de la emoción negativa durante las emergencias
públicas? Desde la perspectiva del análisis cognitivo de big data. En t. J.Inf. Administrar 50, 498–514.
Zhou, D., Yu, X., Abler, D., Chen, D., 2020. Proyección de la demanda de carne y cereales para China
basado en un metanálisis de las elasticidades del ingreso. economía china Rev. 59, 101135.
Zhou, M., Guo, W., 2021. Angustia subjetiva sobre COVID-19 y sus correlatos sociales:
evidencia empírica de la provincia china de Hubei. J. Afecto. Desorden. 289, 46–54. Zhuang,
R., Abbott, P., 2007. Elasticidades de precios de productos básicos agrícolas clave en China.
economía china Rev. 18, 155–169.
Zou, X., Yang, J., Zhang, W., Han, H., 2020. Microblog colaborativo específico de la comunidad
análisis de sentimientos a través del aprendizaje multitarea. Sistema experto aplicación 114322.
yunqiang liues profesor en la Facultad de Administración de la Universidad Agrícola de Sichuan en China.
Tiene un doctorado. Licenciado en Administración por la Universidad de Sichuan. Sus intereses de
investigación actuales incluyen la calidad del desarrollo y la medición del riesgo de la aglomeración urbana
y la investigación de la opinión pública.
sha liues estudiante de posgrado en la Facultad de Administración de la Universidad Agrícola de Sichuan
en China. Tiene una licenciatura en administración de la Universidad Agrícola de Sichuan. Sus intereses de
investigación actuales incluyen la investigación de la opinión pública y la economía urbana.
Depende de ties estudiante de posgrado en la Facultad de Administración de la Universidad Agrícola de
Sichuan en China. Tiene una licenciatura en administración de la Universidad Agrícola de Sichuan. Sus
intereses de investigación actuales incluyen la investigación de la opinión pública y la economía urbana.
hong tanges profesor asociado en la Facultad de Administración de la Universidad Agrícola de
Sichuan y miembro de China. Tiene un doctorado. título de la Universidad de la Academia de
Ciencias de China. Sus intereses de investigación actuales incluyen la gestión de recursos de
tierras y la asignación y gestión de recursos rurales.
colmillo wanges profesor en la Facultad de Administración de la Universidad Agrícola de Sichuan en China.
Ella tiene un Ph.D. Licenciatura en administración de la Universidad Agrícola de Huazhong. Sus intereses de
investigación actuales incluyen la economía agrotécnica y la gestión de la utilización de los recursos
rurales.