中國日系車市場對日本地震海嘯的反應分析

○何應龍 鄧澤宏

（武漢科技大學文法與經濟學院 湖北 武漢 430081）

國內外對地震間接經濟損失的主要研究包括：首先，日本學者的研究。Kawashima等（1990）對1983年的Nihonkai-chubu地震進行了間接損失評估，給出了二次漣漪影響（second ripple effect）評估公式，考慮到投資帶來的正面效應，對地震間接損失作出了較為全面的客觀評價，但是該方法沒有考慮到地震對經濟系統本身的影響而引起的外部系統的損失。其次，美國學者的研究。1970年，美國國家海洋大氣局（NOAA）和美國地質調查局（USGS）對舊金山地區開展了大尺度的地震災害損失預測研究，形成了NOAA-USGS方法。上世紀八十年代由聯邦緊急事務管理局（FEMA）開發出的一致地震破壞／損失評估（Consensus-opinion earthquake damage／loss estimation）專家系統，不僅可用于評估區內結構和設施的直接經濟損失，還可評估由于停減產造成的經濟損失。上世紀末，FEMA與NIS（National Institute of Building science）合作，開發了震害評估軟件包（HAZUS），增加了對地區經濟長期影響的評估。Gordon，Moore和shinozuka等（1997）基于網絡平衡的觀點，并把間接損失分為間接影響（Indirect Impact）和誘發影響（Induced Impact），建立了一個評價地震間接經濟損失的整體模型。最后，中國學者的研究。中國對歷次地震都有宏觀調查。1979年江蘇溧陽地震后編制了第一份地震經濟損失調查報告。1998年出版的《地震現場工作大綱和技術指南》給出了現場地震災害損失的評估方法，其中間接經濟損失的計算是由專家組協商給出。樓寶棠（1996）在統計以往震害的基礎上給出了我國東西部的地震經濟損失和震級的回歸關系圖和回歸關系式。陳頤等（1996）從大量的統計資料入手，計算地震損失與GDP的比值和地震烈度之間的統計關系，以此來進行地震損失估計。但他們都沒有區分直接和間接損失，而且對損失值的估計較粗略。王海茲（1997）著重從投入產出的各個側面建立了地震間接經濟損失評估的理論模型，但尚不具有可操作性。趙直、尹之潛（2002）建立了地震經濟損失預測方法，給出了一種估計一個區域或城市的企業停減產損失的方法，但該方法中的有關參數數據還有待在實踐中積累完善。

日本在汽車工業領域具有雄厚的基礎和優勢，長期以來是中國汽車零部件及整車的第一和第二大進口國，日本大地震對中國汽車產業的影響最為顯著。本文著眼于日本汽車在華的銷售情況的相關數據，采取自組織數據挖掘方法，定量分析日本地震對在華日系車擴散的影響。

一、自組織數據挖掘的GMDH模型方法

GMDH 技術（Group Method of Data Handling，數據分組處理方法）最早由控制論和信息科學領域杰出的科學家，烏克蘭國家科學院A.G.Ivakhnenko院士于1967年提出并將其運用于經濟分析，二十世紀七十年代Barron提出GMDH的多項式網絡訓練算法（NETTR），二十世紀八十年代Elder提出GMDH的多項式網絡綜合算法（ASPN），二十世紀九十年代德國J.A.Muller教授在上述成果基礎上進一步開展GMDH算法研究，他利用自組織數據挖掘理論建立復雜經濟系統動態模型，用恰當的準則選擇一部分“最有希望”的模型，進而再產生大批新的競爭模型，從而使模型的結構從簡單到復雜逐步改進，最后篩選出最優的復雜模型來，并使它成為研究復雜經濟系統模擬預測的有效工具。

GMDH技術是基于這樣的假設：所有關于對象重要變量的相互關系的信息都包含在變量的觀察數據樣本中。通過設置若干輸入變量，從一個簡單的初始模型（稱為參考函數，通常使用一般的Kolmogonov-Gabor多項式形式）集合出發，多項式的每一項為輸入項，GMDH網絡按一定的法則進行組合，經過多層迭代或窮舉模型，在數據樣本的訓練和測試下估計參數，并引入外準則優選模型。重復這樣一個過程，使中間待選模型的復雜度（模型包含的變量個數及變量多項式的次數）不斷增加，直至得到最優復雜度模型。

GMDH的最大優勢在于擬合預測的精確性以及不會出現過擬合的問題。而且最初的參考函數可融入領域專家的經驗知識。此外，建模不需要作事先的假定，GMDH能根據樣本數據自主選擇相關的輸入輸出變量并產生最優函數結構，使建模者能夠盡可能全面考慮所有對輸出有影響的因素，以促進模型的廣泛適用性。

二、日本地震對在華日系車及其零部件擴散影響的GMDH模型估計

1、樣本選取。本文以中國汽車工業協會統計信息網（www.auto-stats.org.cn）的統計數據為數據源，收集整理了2010年2月至2011年7月期間在華日系乘用車的每月銷售數據（見表1）。

表1 2010年2月至2011年7月在華日系乘用車銷售情況

2、確定外準側。從擬合數據的角度考慮，其目標是要盡量減小擬合的殘差，那么，使擬合估計的殘差達到最小是一個較好的外部限制條件。根據對擬合結果的殘差進行比較分析，同時也考慮到模型的簡明性，本文模型項數取值以不超過5項為宜。

外準則可確定如下：選取殘差平方和最小且項數不超過5項的模型，即以RSSminNmaxMinai=1n（yiyi）2∩｛N 5｝為外準則來控制模型的選擇和確定最優復雜度模型。這里，n為樣本規模，N為自組織數據挖掘輸出的系數矩陣的列數，yi為第i月在華日系乘用車/日系轎車銷量或中國進口日本汽車零部件的數量，yi為模型估計的第i月在華日系乘用車/日系轎車銷量或中國進口日本汽車零部件的數量。

3、GMDH估計。根據數據的可獲取性，考慮到前期銷量的擴散效應及其對下一期銷售的影響會因前一期銷量的不同而可能發生變化，并假定其他影響因素的影響最終體現在銷售量上。在上述假定下，本文選取如下兩個變量：一是時間影響變量（x1）。汽車銷售的淡季（每年2月、3月、6月、7月、8月）取值為1，汽車銷售的旺季（每年1月、4月、5月、9月、10月、11月和12月）取值為2。二是銷量影響變量（x2）。每月x2取上一個月的銷量值。依據GMDH技術的原理，構造K-G多項式如下：

等式（1）共有31項作為輸入變量來擬合每月在華日系乘用車銷量（y1）和每月在華日系轎車銷量（y2）以及每月中國進口日本汽車零部件的數量（y3），依據前面所述算法產生待選模型集。

對于所取樣本，任選地震發生前一年的十個月樣本數據為訓練集，剩下四個月樣本數據為檢測集，選地震發生后五個月樣本數據為預測集。應用MATLAB6.5編寫程序生成模型集并用訓練集數據估計參數，用檢測集數據計算殘差的估計值，然后以前面確定的外準則控制篩選輸出最優復雜度模型。

經訓練和檢測，在華日系乘用車銷量的最優復雜度模型如下：

通過擬合模型（2），可得到2011年2月之后的五個月在華日系乘用車銷量的預測值（見表2）。

表2 日本地震發生后在華日系乘用車銷量預測與同比變化

根據等式（2）對所有月份數據的擬合及表2的數據，可以得到如圖1所示的日本地震發生前后在華日系乘用車銷量擬合與預測圖。

圖1 日本地震發生前后在華日系乘用車銷量擬合與預測（單位：萬輛）

根據表1可得到如下趨勢圖（見圖2）。

圖2 日本地震發生前后在華日系乘用車銷量及其占當月乘用車總銷量的比

三、分析與結論

本文采用自組織數據挖掘的GMDH模型方法，分析了日本地震對日系車及其零部件在華擴散的影響。從表2及圖1和圖2可以看出，大地震發生前，在華日系乘用車銷量雖然有一定的波動和變化，但是其占當月乘用車總銷量的比例基本上維持在20%左右，變化不大。大地震發生的前一個月，即2011年2月，無論是乘用車銷量絕對值還是相對值（銷量占比）都會有一個小幅的下降（但是進口結構或進口金額占比沒有發生變化），而在大地震發生的當月都有一個明顯上漲，乘用車銷量上漲了55.78%，占比上漲了11.86%，表明消費者因擔心地震影響產量，計劃在下月及以后提車的購買者提前購車，促使地震發生當月的乘用車銷量和占比上升，同時也表明在華日資汽車生產企業有足以應對當月銷售增長的整車庫存或者生產備件庫存，銷量的增加沒有受到地震海嘯的影響。但在大地震發生的次月，即2011年4月，在華日系乘用車銷量及其占比變化明顯，即使不考慮銷售旺季的來臨兩者也分別比前一月環比下降29.02%和16.25%，同比下降3.24%和14.48%；銷售旺季卻表現出比淡季還要低迷的銷售景象，銷售占比的變化與地震前相比變化顯著。經過四、五兩個月的持續下降和低迷之后，上述指標在2011年6月開始恢復。從模擬與預測的數據及其圖示來看，可以更加直觀地看出，地震發生當月，上述指標實際數據與擬合數據相吻合，表明銷量正常，一個月后，乘用車實際銷量與預測的正常銷量之間差距為下降22.49%，兩個月后，乘用車銷量差距繼續擴大，跌幅達40%，三個月后，銷量才開始慢慢恢復和提升?？梢?，日本大地震后在華日系乘用車銷量經歷了一個由漲—跌—跌—起—正常的過程，地震對后續的三個月在華日系車的生產和銷售有非常嚴重的顯著影響。主要原因在于日本地震造成日本汽車企業大量破產和停產，勢必會沖擊中國對日本汽車零部件供應與整車產品的進口，造成國內部分產品的供應不足，價格上漲，中國一些汽車企業的產能利用率可能會因日本上游及中間產品供貨停頓而降低，這些因素均可導致在華日系汽車銷量發生顯著變化。

[1]Kawashima K，Kanoh T.Evaluation of indirect economic effects caused by the 1983 Nihonkai-chubu，Japan[J].earthquake 1990，6（4）.

[2]美國應用技術委員會：加利福尼亞未來地震的損失估計[M].地震出版社，1991.

[3]Gordon P.Moore J E.Richardson H W.Shinozuka M.An integrated model of bridge performance， highway networks，and the spatial metropolitan economy：towards a general model of how losses due to earthquake impacts on lifelines affect the economy[R].Proceedings of the Workshop on Earthquake Engineering Frontiers in Transportations Facilities，1997.

[4]樓寶棠：中國古今地震災情總匯[M].地震出版社，1996．

[5]陳顳、劉杰、陳棋福、陳凌、李閩峰：地震危險性分析和震害預測[M]．地震出版杜，1996．

[6]王海滋：地震災害經濟損失評估與減災工程投資評價方法研究[D]．同濟大學經濟管理學院，1997．

[7]趙直、尹之潛：震后企業停減產損失估計方法的研究[J]．地震工程與工程振動，2002，2l（1）．

[8]賀昌政等：自組織數據挖掘理論與經濟系統的復雜性研究[J]．系統工程理論與實踐，2001，21（1）.