1.浙江大学中国农村发展研究院2.西南财经大学中国西部经济研究院3.普渡大学农业经济系4.普渡大学统计系
摘要：含糖饮料因其高热量而导致慢性疾病，引起的健康问题得到全球的关注。在外卖平台迅速发展的大背景下，本文基于中国六个城市的外卖平台的销售数据，运用机器学习方法识别外卖含糖饮料消费动态，并对价格折扣、糖税等模拟情景进行了销售变动分析。研究发现，第一，有监督机器学习模型中的神经网络相较于传统计量回归模型更加适用于消费趋势预测分析。第二，模型预测结果表明，当价格降低10%时，总销售额将比原始销售增加0.49%,说明含糖饮料消费富有价格弹性；此外，当价格上升10%时，总销量额将比原始销售下降0.17%,表明通过税收手段来减少含糖饮料的消费是可行策略。第三，外卖含糖饮料的销售情况存在时空差异，长三角地区外卖含糖饮料的销售量高于其他地区，周中的销售量高于周末时段，下午的销售量是一天的高峰。本文研究对于建立降低含糖饮料的过度消费的路径与机制，引导消费者健康饮食选择，推动外卖服务行业的可持续发展具有重要意义。
关键词：含糖饮料;外卖;机器学习;神经网络;
基金资助：教育部人文社科重点研究基地重大项目“多重冲击与韧性食物系统研究”(编号：22JJD790079);教育部人文社会科学研究一般项目“食品公众政策与健康食品消费：基于含糖饮料消费的实证研究”(编号：21YJA790013)； 四川省社会科学基金青年项目“数字经济背景下四川省粮食品牌发展路径与政策保障研究”(编号：SCJJ23ND418)；
DOI：10.13246/j.cnki.iae.2024.07.005
专辑：经济与管理科学;农业科技;信息科技
专题：自动化技术;工业经济;贸易经济
分类号：TP181;F724.6;F426.82
《农业经济问题》2024年（07）
