title: "Agricultural Prices"
author: "Yung-Wen Liu"
date: "2017年11月29日"
output: html_document
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```
## Product: Banana
**香蕉**屬於芭蕉科、芭蕉屬的草本植物，生長於熱帶地區，通常從種植到可以採收的時間大約一年。由於是草本植物，加上葉片巨大，很容易受到風災影響。
**香蕉**今年年初價格昂貴，約在9月之後崩盤。菜土菜金、看天吃飯，一直以來是台灣農業的寫照。希望藉由一些能容易查詢到的資料做一些整理，了解市場價格變化的趨勢以及可能導致的因素，從中能有一些體悟。資料來源: [農產品批發市場交易行情站](http://amis.afa.gov.tw/main/Main.aspx)。
把下載的資料整理如下:
## Importing and Cleaning Data
```{r}
price <- read.table("clipboard", header = T, sep = "\t")
colnames(price) <- c("date", "market", "product", "high", "medium", "low", "price_avg", "volume", "value")
price$date <- as.Date(paste(as.numeric(substr(price$date, 1, 3)) + 1911, substr(price$date, 4, 9), sep = ""))
price$volume <- as.numeric(price$volume)
price$market <- as.character(price$market)
price$product <- as.character(price$product)
```
## Plot
畫出時間與平均價格、交易量的變化圖。
```{r fig.width = 14, fig.height = 7}
library(ggplot2)
ggplot(price, aes(date, price_avg)) +
geom_line() +
facet_grid(product ~ market, scales = "free_y")
ggplot(price, aes(date, volume)) +
geom_bar(stat = "identity") +
facet_grid(product ~ market, scales = "free_y")
```
來看看昂貴價格、便宜價格、最大交易量與最少交易量。
```{r}
min_price <- min(price$price_avg)
max_price <- max(price$price_avg)
min_volume <- min(price$volume)
max_volume <- max(price$volume)
knitr::kable(subset(price, price_avg == min_price | price_avg == max_price | volume == min_volume | volume == max_volume))
```
交易量少時價格較為昂貴，符合供需法則。直接取最大值與最小值來看會觀察到極端值。 接著對交易量與平均價格做關係圖。
```{r fig.width = 14, fig.height = 7}
ggplot(price, aes(volume, price_avg, col = product)) +
geom_point() +
facet_wrap(~ market, ncol = 5)
```
觀察**A1 香蕉**的最貴價格在100元上下，交易量超過25,000公斤時出現最低價格。
以**109 台北一**市場做為觀察指標，因為交易量較大，價格與產量比較符合線性關係，避免觀察到極端值。
```{r}
library(dplyr)
a1_109 <- price %>% filter(market == "109 台北一 " & product == "A1 香蕉 ")
summary(a1_109)
lm <- lm(data = a1_109, price_avg ~ volume)
plot(a1_109$volume, a1_109$price_avg)
abline(lm, col = "red", lwd = 2)
summary(lm)
```
價格大約在10元上下觸底，此價格應該是農民的成本價，不合成本不會交易。 來看看價格17.55元以下、76.5元以上的交易量有多少。
```{r}
knitr::kable(subset(a1_109, price_avg <= 17.55 | price_avg >= 76.5, decreasing = TRUE))
```
2015-2016年間的低價時間，交易量大約都有25,000公斤以上的水準，發生時間在6-7月之間。 2017年的低價時間出現在7-10月之間，低價時間明顯比前兩年久。
## Conclusion
**香蕉**近三年來價格變化最大的年份在2017年，由1月高價96.5元，於10月跌落至9.7元。農作物受到影響最大的因素是氣候，其中颱風造成的影響甚大。
查詢颱風的歷史資料可以發現2016侵略台灣的颱風有梅姬、莫蘭蒂與尼伯特，皆對中南部造成一定程度的影響。2015年為蘇迪勒，2014年為麥德姆，2017則沒有嚴重的颱風災情。資料來源: [颱風資料庫](http://rdc28.cwb.gov.tw/TDB/ntdb/pageControl/ty_warning)。 由於2016年有三個颱風侵襲，2017年沒有颱風對**香蕉**造成太大影響，導致2017年初價格上漲，接著進入產期後，價格開始下跌。
近年來香蕉的栽種面積有上升的趨勢，如何調節產季會是重要的課題。若沒有風災發生，如何消化過多的產量。[農糧署預估香蕉價格大跌，農民反彈「政府唱衰」產銷如何調節？](https://www.newsmarket.com.tw/blog/95441/)
這篇文章描述很多，這些問題大家應該都知道，也許政府不要干預太多，站在輔導的立場，讓價格回歸市場機制。風調雨順對於台灣農業是好事或者壞事?
以上是以 R 語言來看農產品價格的起跌 --- 香蕉為例的 markdown 內容。markdown 的詳細使用方式可按此連結查閱。以下講述此篇有使用到的內容。
嵌入 R 語言
```{r}code
```
在 code 區域編寫想要執行的指令即可。其中可以簡單分為幾種狀況:
R 語言與結果皆不顯示，{r, include = FALSE}
僅顯示結果，{r, echo = FALSE}
僅顯示指令，{r, result = "hide"}
測試部分區塊的指令有無問題，可以點選 Run Current Chunk，或者在 R 語言區塊的右上角有一個小小的撥放鍵可以點來執行此部分的 R 語言。
內文的編輯
markdown 可以使用一些簡單的符號來達到編輯文字的效果:*文字* 斜體
**文字** 粗體
# 標題
## 標題
* 項目符號黑點
1. 項目符號數字
2. 項目符號數字
[文字](連結網址)
詳細的內容可見此份 R markdown 速查表。
文件編輯好後點選左上角的 Knit 按鈕輸出為網頁。
檢視內容沒有問題後點選右上角的藍色符號，可以上傳到 Rpubs 上發表。
最後的成果 Banana Price in Taiwan。
