基于DIIM 的經濟系統關聯型損失評估
——以新冠肺炎疫情對中國的影響為例

黃永明,陳 晨

(武漢大學a.區域與城鄉發展研究院;b.產業發展與區域競爭力研究所,武漢 430072)

國務院新聞辦公室2020年6月初發布的《抗擊新冠肺炎疫情的中國行動》白皮書指出,新型冠狀病毒肺炎是近百年來人類遭遇的影響范圍最廣的全球性大流行病,對全世界是一次嚴重危機和嚴峻考驗,全人類生命安全和健康面臨重大威脅。目前新冠肺炎疫情(以下簡稱“疫情”)仍處于全球蔓延階段,常態化趨勢不可避免。疫情直接沖擊了實體經濟,工廠停工、商場和娛樂場所關門、人員與物資流動受限,全球價值鏈放緩或中斷,對產業和經濟都造成了巨大損失,更令人擔憂的是,從目前來看,全球范圍內還沒有對沖疫情的正面因素。

疫情爆發以來,中國經過艱苦卓絕的努力,付出了巨大代價和犧牲,有力扭轉了疫情局勢,僅用3個月左右的時間基本取得疫情防控阻擊戰的全面勝利。截至2020年4月底,全國規模以上工業企業復工率超過99%,中小微企業復工率達到88.4%,重大項目復工率超過95%。2020年10月19日,國家統計局初步核算中國前三季度國內生產總值為72.27 萬億元,主要經濟指標呈現向好態勢。國際貨幣基金組織預計2020年中國將是全球唯一實現正增長的主要經濟體。

隨著社會生產的專業化程度加深,經濟系統中各部門之間的關聯度越來越高。這種部門間的強關聯關系使整個系統在發生某種局部危機事件時可能產生關聯效應和波及效應,當某些部門遭到危機時,將通過產業間相互依賴關系影響到其他部門,并呈放大效應,引起各部門生產能力下降。因此,建立關聯型損失評估模型模擬危機對經濟系統的影響是研究復雜經濟系統的重要手段[1]。投入產出模型中蘊含了豐富的行業結構和經濟結構信息,本文利用動態非正常程度投入產出模型分析各部門對疫情沖擊的敏感性程度,評估疫情對中國經濟系統各部門的經濟產出影響,進一步關注疫情對中國經濟系統影響的階段性特征,從細分行業角度剖析疫情對中國經濟系統的全面影響。

1 相關研究述評

國內外關于突發性事件對經濟影響的研究方法可分為3 類:動態隨機一般均衡模型(Dynamic Stochastic General Equilibrium,DSGE)、可計算一般均衡模型(Computable General Equilibrium,CGE)和非正常程度投入產出模型(Inoperability Input-output Model,IIM)。

DSGE具有跨期性、動態性和不確定性,被稱為是過去40年宏觀經濟建模領域最重要的進展。最初的DSGE以基準RBC模型為代表,Gourio[2]將災難性沖擊納入到RBC模型中,分析了災難性沖擊對西方國家宏觀經濟的影響。尹彥輝等[3]在新凱恩斯DSGE模型中引入新冠肺炎疫情沖擊,量化分析新冠肺炎對中國經濟運行的影響,在此基礎上探究政府的財政政策在應對疫情沖擊時的作用,結果表明,疫情的影響以短期沖擊為主,國內消費和投資需求收緊,政府增加投資性支出和轉移性支出可緩解疫情影響。Mckibbin 等[4]在一個全球混合的DSGE中檢驗了7種情景對宏觀經濟和金融市場的影響,發現即使是在最樂觀的大流行情景中(S04),2020年日本的GDP 增速將比基線低2.7%,澳大利亞、巴西、歐元區將低2.1%,美國將低2.0%,中國將低1.6%。

投入產出模型由Leontief首先提出,是一種能夠清晰地反映經濟系統各部門之間錯綜復雜聯系的數量經濟分析模型。經典的靜態投入產出模型經過長期的研究與實踐已趨于成熟。但其只反映了一個時點上的發展及其結構情況,將時間變化因素包含在內的投入產出模型就是動態投入產出模型。投入產出模型的應用場景已經從傳統的經濟結構領域擴展到災害風險管理、環境影響分析和能源消費等領域。Setola[5]利用1995～2003 年意大利國民經濟系統中57部門的投入產出數據,分析了部門之間的經濟關系和局部危機對經濟系統造成的損失。Cho等[6]利用投入產出模型來評估城市地震引起的經濟損失。亞洲開發銀行2020年使用多區域投入產出模型(MRIO),預估新冠疫情對全球影響超過2.0～4.1億美元,對中國的影響接近其GDP 的5%[7]。劉世錦等[8]通過將網絡分析法應用于投入產出體系,從區域間、經濟部門間“層層傳導”的視角分析了新冠疫情對中國經濟的沖擊路徑。

CGE是投入產出模型的推廣,它著眼于經濟系統內的所有市場、所有價格,以及各種商品和要素的供需關系,要求所有的市場都出清。CGE 常常被用來作為政策分析和評估工具,根據研究尺度的不同可以分為全球模型、國家模型和區域模型,GTAP是全球模型的代表之一。Walmsley[9]基于GTAP模擬了全球金融危機對國際貿易的影響。范小云等[10]構建中國金融CGE 模擬了2008年金融危機對中國宏觀經濟的影響,并對政策進行了后實驗式評價,結果表明,大規模投資對增加企業收入、促進GDP增長等效果明顯,減稅政策能明顯改善居民福利。也有學者利用CGE 模擬分析新冠肺炎疫情沖擊以及相應政策效應。田盛丹[11]通過構建CGE 對新冠肺炎疫情所產生的可能沖擊場景進行模擬,3種不同程度的沖擊情景中中國GDP 增速分別為-4.52%、-8.48%和-11.96%,在良好的政策組合實施之后,GDP 增速能改善為0.09%、-3.80%和-7.20%;亞洲開發銀行2020年基于GTAP 對新冠肺炎疫情影響進行評估,結果表明,全球經濟可能遭受5.8～8.8 萬億美元的損失,相當于全球國內生產總值的6.4%～9.7%,中國可能遭受1.1～1.6 萬億美元的經濟損失[12]。

基于Leontief投入產出模型和非正常程度的概念,Haimes等[13]首先提出了非正常程度投入產出模型。當一個部門出現危機時,將該部門的損失作為輸入,利用關聯矩陣求得該部門的損失對其他關聯系統的影響,由此可用來分析突發事件擾動對關聯系統的影響。社會科學中將“在不同階層、或同一階層的不同領域、或不同系統和層級之間不停傳遞和擴散的影響”稱為“級聯效應”[14],該概念與連鎖效應、漣漪效應內涵相似,都是指系統內的某種變化引起了一系列相關因素的連帶反應。結合具體應用情景,本文將這種受到沖擊時,經濟系統內各部門間互相影響、損失在相互關聯的各部門之間傳遞的現象稱為關聯效應和波及效應。

IIM 在許多方面得到了較好的運用。Crowther等[15]成功運用需求驅動的IIM 評估了美國維吉尼亞州交通運輸系統的恐怖主義風險,并在2007年分析了墨西哥灣颶風擾動對關聯基礎設施系統(Interdependent Infrastructure Systems,IIS)造成的影響[16]。Santos等[17]運用需求驅動的IIM 分析了由于美國“911”事件導致的航空需求下降對維吉尼亞州關聯基礎設施系統造成的影響。隨著DIIM的進一步發展,Santos等[18-19]、El Haimar等[20]運用改進的DIIM 分析了H1N1流感對經濟系統的關聯型影響。

這些研究方法各有所長,CGE和IIM 都是投入產出模型的推廣,但建模和應用領域有區別。CGE多用于政策分析,難點在于SAM 表的編制和模型的校訂,缺點是宏觀層面變量較多且難以獲取,分析政策變動對福利影響方面僅獲得了部分成功。IIM能宏觀地分析突發事件擾動在各部門間的關聯和波及效應,在分析突發事件擾動對部門間關聯緊密的經濟系統造成的影響時效果明顯,但不適用于部門之間聯系不緊密的經濟系統。DSGE 在展現經濟動態性和不確定性上具有優勢,多用于評價貨幣和財政政策效果,但DSGE 預測能力較差,模型中的估計方法也需進一步完善。

通過對上述相關文獻進行梳理發現,目前關于新冠肺炎疫情對經濟影響的研究成果較為豐富,但存在進一步深化的空間:一是量化和預測疫情對經濟影響的文獻數量較少;二是量化研究視角有待細化、研究方法有待擴充,CGE、DSGE 難以反映經濟系統中各產業部門所受擾動的細節情況,IIM 雖有自身局限性,但它可以為評估危機事件對經濟系統的影響提供一個合理的框架;三是現有文獻關于疫情對經濟影響的階段性特征關注不夠,難以充分發揮疫后國家一攬子政策效果。鑒于此,本文利用動態非正常程度投入產出模型(Dynamic Inoperability Input-output Model,DIIM),以較為精細的視角評估疫情對中國經濟及各產業部門的影響,為量化疫情對經濟的影響提供了一種考察視角,同時關注疫情對經濟系統影響的階段性特征,以期為中國應對重大突發衛生事件政策制定提供有益參考。

2 模型設定

經濟學領域靜態投入產出模型的基本關系為

式中:x為總產出列向量;c為最終產出列向量;A是直接消耗系數矩陣。直接消耗系數矩陣中的aij表示第j部門產品對第i部門產品的直接消費數量,直接消耗系數也稱為技術系數,其數值大小受各部門的技術和管理水平以及產品結構和價格變動因素影響。

由于I-A是滿秩矩陣,由式(1)得

式中,(I-A)-1就是著名的Leontief逆系數矩陣,其不僅包含了直接消耗,還包含了所有的間接消耗,也稱為完全消耗系數矩陣。

非正常程度表示系統功能失調的程度,即一個部門生產能力的下降程度,或標準化生產損失程度[21],其介于0～1之間。它的定義如下式所示:Inoperability=(“As-planned”production-

式中:“As-planned”production表示“按計劃”生產能力;Degraded production表示受到擾動后低水平的生產能力;Nominal production為名義產出值。

需求驅動的IIM 表達式為

同上,式(4)可以寫為

式中:q為非正常程度的向量;c*為最終需求的擾動向量;A*是通過投入產出數據衍生的關聯矩陣。其結構可由下式表示:

DIIM 是在傳統IIM 基礎上,分析在連續時間段內擾動對系統各部門的影響程度,其表達式為

式中:t為時間參數;K是彈性恢復矩陣;彈性系數ki表示突發事件擾動后的一個經濟系統吸收或者緩沖災害帶來損失的能力,其中ki的值越大,表示擾動后的部門i恢復的越快。彈性矩陣與恢復過程中系統的當前狀態有關,可通過估計恢復期來評估,恢復期是一個部門恢復至正常所需的時間長度,同時彈性矩陣也受部門特性和風險管理政策的影響。

假設部門i由初始非正常程度qi(0)＞0在時間Ti時刻恢復到非正常程度qi(Ti)＞0,彈性系數的計算公式為

每個產業部門i的累積經濟損失公式為

3 疫情對中國經濟系統關聯型影響評估

3.1 各部門初始非正常程度測算

參考Santos等[22]的做法,利用可用勞動力下降的百分比來計算各部門最初非正常程度。初始非正常程度計算方式為

式中:Unavailable Workforce為受疫情沖擊損失的勞動力;Size of Workforce為正常情況下的勞動力規模;LAPI為各部門勞動力工作的市場價值,即投入產出表中的勞動者報酬指標;Sector Output為各部門產出。基礎數據來自中國2017年42部門投入產出表,詳細情況見表1,并按樂觀、中性和悲觀3種預期情形估算中國在疫情初期各部門可用勞動力的損失情況。

表1 2017年中國投入產出表中42部門情況

估算的具體考慮如下:從總量上看,國家統計局數據顯示2020年2月份全國城鎮調查失業率增至6.2%,直到4 月份全國城鎮調查失業率仍為6.0%,失業人數約為5 378萬人。但是由于城鎮調查失業率不覆蓋個體工商戶、小微企業和靈活就業人群,特別是不包括2.6億流動性強、第三產業就業比重最高、受疫情影響最大的農民工群體,故其并不能完全反映中國實際失業規模。此外,還要關注疫情對中國新增就業的影響。張桂文等[23]深入分析了新冠肺炎疫情對中國就業的影響,結果顯示,2020年中國新增就業量分別減少142.16、477.92 和678.61萬人,新增就業損失分別為8.70%、29.26%和41.55%。鑒于此,本文設定在樂觀、中性和悲觀3 種預期下,疫情初期中國實際失業率分別為6.2%、7%和8%。從疫情對行業的影響來看,研究顯示,受到疫情負面影響最為快速直接的行業是第三產業,特別是旅游業、交通運輸業、酒店住宿業、餐飲業、批發零售業和會展業等[24]。突發大規模疫情對制造業和農、林、牧、漁業的影響相對有限,特別是對于耐用品及大宗商品的影響十分有限[25]。同時,疫情和防疫也會帶動一些產業的發展,如醫療衛生產業和線上產業,特別是新興信息技術、數字消費和線上體驗等產業。由于疫情對經濟系統的影響路徑具有相似性,估算時同時參考了美國、意大利等國家疫情期間各部門失業率數據。美國勞工統計局顯示,美國失業率從2020年4月開始飆升,其中文化娛樂行業失業率高達39.3%,其他服務類高達23%,建筑業、制造業、零售業和交通業的失業率均在15%左右,采礦業、信息業、教育業和農業等失業率也達到10%1)數據來自美國勞工統計局:https://www.bls.gov。

具體估算步驟:首先根據中國第四次全國經濟普查公報和2019年農民工監測調查報告得到各部門勞動者和農民工分布比例,然后在樂觀、中性和悲觀預期下估算中國在疫情初期損失的勞動力的總量,最后根據各部門重要性指標[26]和遠程工作率指標[27],手動調整各部門損失勞動力的比例,最終獲得中國疫情初期各部門可用勞動力的損失情況。

3.2 疫情對中國經濟系統關聯型影響分析

在2020年4月21日中國日報社、清華大學、北京協和醫院聯合發布的《抗擊新冠肺炎疫情的中國實踐》和2020年6月7日國務院新聞辦公室發布的《抗擊新冠肺炎的中國行動》中對中國抗擊疫情的實踐進行了詳細描述,此處不再贅述。從疫情發生的區域來看,77%的確診病例在湖北省,湖北省是此次新冠肺炎疫情的主戰場;河南、湖南、廣東、浙江等疫情次嚴重地區也受到不同程度的影響。但湖北一省經濟占中國經濟總量的比重不大,2019 年湖北省GDP僅占全國的4.6%,且中國采用最全面、最嚴格、最徹底的手段及時控制住了疫情,從全國范圍來看疫情對中國經濟影響有限。

由此,本文假設疫后非正常程度呈指數下降,恢復期為30天,即T=30;在樂觀、中性和悲觀預期下,分別對t=30,t=90,t=180,t=330的情景進行模擬。若未進行特殊說明,以下分析結果均以中性預期下t=90的情況為例2)《抗擊新冠肺炎的中國行動》白皮書中將中國抗擊疫情的實踐分為5個階段,2019-12-27～2020-01-19為第1階段(迅即應對突發疫情),01-20～02-20 為第2 階段(初步遏制疫情蔓延勢頭),02-21～03-17為第3 階段(本土新增病例數逐步下降至個位數),03-18～04-28為第4階段(取得武漢保衛戰、湖北保衛戰決定性成果),4月29日以來(全國疫情防控進入常態化)。可以看出,t=90時疫情對中國直接影響基本已經結束,疫情防控進入常態化,編程、模擬和繪圖軟件均為Matlab14。

(1)各部門非正常程度分析。就受疫情影響程度而言,各部門非正常程度變化情況如圖1所示3)為方便顯示,只展示了前60天的變化情況,最初非正常程度排名前15位的部門分別為:(41)文化、體育和娛樂,(31)住宿和餐飲,(35)租賃和商務服務,(29)批發與零售,(38)居民服務、修理和其他服務,(30)交通運輸、倉儲和郵政,(28)建筑,(34)房地產,(23)廢品廢料,(24)金屬制品、機械和設備修理服務,(8)紡織服裝鞋帽皮革羽絨及其制品,(39)教育,(15)金屬制品,(17)專用設備,(10)造紙印刷和文教體育用品。圖1顯示了各部門基于相互依賴性和恢復力特征的非正常程度恢復軌跡,有些部門非正常程度最初較高,但降低非常迅速,如(41)文化、體育和娛樂,以及(31)住宿和餐飲、(35)租賃和商務服務;有些部門非正常程度曲線則呈先升后降趨勢,如(24)金屬制品、機械和設備修理服務,以及(8)紡織服裝鞋帽皮革羽絨及其制品、(10)造紙印刷和文教體育用品、(15)金屬制品。這是因為隨著時間的增加,疫情沖擊在部門間造成的關聯效應和波及效應開始顯現。不難發現,受疫情沖擊直接影響較為嚴重的多為第三產業部門,受關聯效應和波及效應影響較大的多為第二產業部門,動態分析有助于從對最初中斷的部門的直接影響和對其他相互依存的經濟部門的連鎖影響兩方面評估疫情的潛在影響。

圖1 中性預期下t=90時非正常程度排名前15位的部門

(2)各部門經濟損失分析。從經濟損失的角度將更加清晰地顯示實際影響。如圖2所示,90天內累計經濟損失排名前15位的部門分別為:(29)批發和零售,(35)租賃和商務服務,(30)交通運輸、倉儲和郵政,(28)建筑,(31)住宿和餐飲,(12)化學產品,(6)食品和煙草,(33)金融,(14)金屬冶煉和壓延加工品,(41)文化、體育和娛樂,(34)房地產,(1)農林牧漁產品和服務,(20)通信設備、計算機和其他電子設備,(10)造紙印刷和文教體育用品,(25)電力、熱力的生產和供應。從總量看,一二三產業經濟損失分別為0.36、4.65和4.96 萬億元,排名前15位的部門中第二產業占8個、第三產業占6個,第二與第三產業的經濟損失同樣嚴重;從經濟損失的關鍵產業來看,排名前6位的部門經濟損失均超過0.5萬億元,經濟損失排名前10位的部門經濟損失之和占總損失的60.9%,經濟損失排名前15位的部門經濟損失之和占總損失的75.6%。這說明,加快恢復這些關鍵部門的生產,對恢復全國經濟有著至關重要的作用。

圖2 中性預期下t=90時經濟損失排名前15位的部門

綜合圖1、2,有8個部門同時出現在非正常程度排名前15位和經濟損失排名前15位名單中,它們是:(41)文化、體育和娛樂,(31)住宿和餐飲,(35)租賃和商務服務,(29)批發與零售,(30)交通運輸、倉儲和郵政,(28)建筑,(34)房地產,(10)造紙印刷和文教體育用品。造成兩項指標排名差異的原因是各部門經濟體量不同。如果一個部門的產出水平相對于其他部門而言較低,其可能同時擁有較低的經濟損失值和較高的非正常程度值。當僅用非正常程度作為排序優先級的標準時,存在排除經濟損失嚴重的部門的風險。因此,對部門進行優先排序需要使用多準則決策工具來仔細考慮經濟損失與非正常程度之間的平衡[28]。

(3)疫情對經濟系統影響的階段性特征分析。受關聯效應和波及效應的影響,經濟系統中各部門經濟損失是動態變化的,并呈現出一定的階段性特征。表2給出了中性預期下不同時間點各部門經濟損失及排名情況,可以看出,各部門排名變化趨勢差異明顯。當t=330時,經濟損失排名前15位的部門已經發生了明顯的變化。排名顯著上升的部門有:(12)化學產品,(14)金屬冶煉和壓延加工品,(18)交通運輸設備,(25)電力、熱力的生產和供應。其中,化學產品從第6名上升至第3名,金屬冶煉和壓延加工品從第11名上升至第6 名,交通運輸設備從17名上升至14 名,電力、熱力的生產和供應從18名上升至13名。排名顯著下降的部門有:(31)住宿和餐飲,(41)文化、體育和娛樂,(10)造紙印刷和文教體育用品,(38)居民服務、修理和其他服務。其中,住宿和餐飲從第5名下降至19名,文化、體育和娛樂從第8名下降至第16名,造紙印刷和文教體育用品從第14名下降至第17名,居民服務、修理和其他服務從第16名下降至第21名。經濟損失排名的變化表明,第二產業部門所受的關聯效應和波及效應影響更顯著,這顯示了疫情導致的經濟損失的延遲性特點。在疫情前期,第三產業部門受疫情直接影響更為嚴重,這種影響易被察覺和關注;隨之,部分第二產業部門所受的關聯效應和波及效應影響開始顯現。

表2 中性預期下各部門經濟損失及排名動態變化情況(單位:萬億元)

最后,進一步評估疫情對中國經濟系統的持續性影響。在樂觀、中性和悲觀3 種預期下,當t=30時,中國累計經濟損失分別為2.47、2.8和3.25 萬億元;當t=90時,中國累計經濟損失分別為8.87、9.97和11.53萬億元;當t=180時,中國累計經濟損失分別為11.72、12.83 和14.4 萬億元;當t=330 時,中國累計經濟損失分別為16.40、17.51和19.08 萬億元。當t=330 時,57.4%的經濟損失發生在前90天,73.2%的經濟損失發生在前180 天,說明疫情初期帶來的經濟損失更大,由于疫情帶來的需求擾動還未恢復,中國經濟系統的損失還在持續中。

4 結語

國外研究顯示,流感等破壞性事件的經濟后果可能在相互依賴的經濟部門之間產生連鎖反應,進一步推遲復蘇,非正常投入產出模型為研究疫情沖擊對復雜經濟系統的影響提供了一種考察視角。此外,由于疫情造成的經濟損失數據通常是在更宏觀層面、以更大口徑進行公布的,本研究進一步補充了各行業部門經濟損失的詳細信息。

研究鎖定了中國受疫情沖擊敏感性程度和經濟損失最高的前15位的部門,根據受關聯效應和波及效應程度不同大致將疫情影響分為兩個階段,進一步估算對各部門在不同時間點造成的經濟損失。根據DIIM 計算出的經濟損失值還可作為評估其他類別損失,如稅收損失、收入損失的依據。

基于上述分析,提出如下建議:一是在應對重大公共衛生事件時,應根據經濟系統所受影響的程度和階段性特征分類別分重點地對關鍵部門進行幫扶,考慮延遲性特點在關聯效應和波及效應蔓延階段,應給予受關聯效應和波及效應影響程度深的部門更多支持幫扶政策;二是出臺相關政策進一步鼓勵消費、恢復需求,消除需求降低對中國經濟回升的持續性影響。