中国日系车市场对日本地震海啸的反应分析

○何应龙 邓泽宏

（武汉科技大学文法与经济学院 湖北 武汉 430081）

国内外对地震间接经济损失的主要研究包括：首先，日本学者的研究。Kawashima等（1990）对1983年的Nihonkai-chubu地震进行了间接损失评估，给出了二次涟漪影响（second ripple effect）评估公式，考虑到投资带来的正面效应，对地震间接损失作出了较为全面的客观评价，但是该方法没有考虑到地震对经济系统本身的影响而引起的外部系统的损失。其次，美国学者的研究。1970年，美国国家海洋大气局（NOAA）和美国地质调查局（USGS）对旧金山地区开展了大尺度的地震灾害损失预测研究，形成了NOAA-USGS方法。上世纪八十年代由联邦紧急事务管理局（FEMA）开发出的一致地震破坏／损失评估（Consensus-opinion earthquake damage／loss estimation）专家系统，不仅可用于评估区内结构和设施的直接经济损失，还可评估由于停减产造成的经济损失。上世纪末，FEMA与NIS（National Institute of Building science）合作，开发了震害评估软件包（HAZUS），增加了对地区经济长期影响的评估。Gordon，Moore和shinozuka等（1997）基于网络平衡的观点，并把间接损失分为间接影响（Indirect Impact）和诱发影响（Induced Impact），建立了一个评价地震间接经济损失的整体模型。最后，中国学者的研究。中国对历次地震都有宏观调查。1979年江苏溧阳地震后编制了第一份地震经济损失调查报告。1998年出版的《地震现场工作大纲和技术指南》给出了现场地震灾害损失的评估方法，其中间接经济损失的计算是由专家组协商给出。楼宝棠（1996）在统计以往震害的基础上给出了我国东西部的地震经济损失和震级的回归关系图和回归关系式。陈颐等（1996）从大量的统计资料入手，计算地震损失与GDP的比值和地震烈度之间的统计关系，以此来进行地震损失估计。但他们都没有区分直接和间接损失，而且对损失值的估计较粗略。王海兹（1997）着重从投入产出的各个侧面建立了地震间接经济损失评估的理论模型，但尚不具有可操作性。赵直、尹之潜（2002）建立了地震经济损失预测方法，给出了一种估计一个区域或城市的企业停减产损失的方法，但该方法中的有关参数数据还有待在实践中积累完善。

日本在汽车工业领域具有雄厚的基础和优势，长期以来是中国汽车零部件及整车的第一和第二大进口国，日本大地震对中国汽车产业的影响最为显著。本文着眼于日本汽车在华的销售情况的相关数据，采取自组织数据挖掘方法，定量分析日本地震对在华日系车扩散的影响。

一、自组织数据挖掘的GMDH模型方法

GMDH 技术（Group Method of Data Handling，数据分组处理方法）最早由控制论和信息科学领域杰出的科学家，乌克兰国家科学院A.G.Ivakhnenko院士于1967年提出并将其运用于经济分析，二十世纪七十年代Barron提出GMDH的多项式网络训练算法（NETTR），二十世纪八十年代Elder提出GMDH的多项式网络综合算法（ASPN），二十世纪九十年代德国J.A.Muller教授在上述成果基础上进一步开展GMDH算法研究，他利用自组织数据挖掘理论建立复杂经济系统动态模型，用恰当的准则选择一部分“最有希望”的模型，进而再产生大批新的竞争模型，从而使模型的结构从简单到复杂逐步改进，最后筛选出最优的复杂模型来，并使它成为研究复杂经济系统模拟预测的有效工具。

GMDH技术是基于这样的假设：所有关于对象重要变量的相互关系的信息都包含在变量的观察数据样本中。通过设置若干输入变量，从一个简单的初始模型（称为参考函数，通常使用一般的Kolmogonov-Gabor多项式形式）集合出发，多项式的每一项为输入项，GMDH网络按一定的法则进行组合，经过多层迭代或穷举模型，在数据样本的训练和测试下估计参数，并引入外准则优选模型。重复这样一个过程，使中间待选模型的复杂度（模型包含的变量个数及变量多项式的次数）不断增加，直至得到最优复杂度模型。

GMDH的最大优势在于拟合预测的精确性以及不会出现过拟合的问题。而且最初的参考函数可融入领域专家的经验知识。此外，建模不需要作事先的假定，GMDH能根据样本数据自主选择相关的输入输出变量并产生最优函数结构，使建模者能够尽可能全面考虑所有对输出有影响的因素，以促进模型的广泛适用性。

二、日本地震对在华日系车及其零部件扩散影响的GMDH模型估计

1、样本选取。本文以中国汽车工业协会统计信息网（www.auto-stats.org.cn）的统计数据为数据源，收集整理了2010年2月至2011年7月期间在华日系乘用车的每月销售数据（见表1）。

表1 2010年2月至2011年7月在华日系乘用车销售情况

2、确定外准侧。从拟合数据的角度考虑，其目标是要尽量减小拟合的残差，那么，使拟合估计的残差达到最小是一个较好的外部限制条件。根据对拟合结果的残差进行比较分析，同时也考虑到模型的简明性，本文模型项数取值以不超过5项为宜。

外准则可确定如下：选取残差平方和最小且项数不超过5项的模型，即以RSSminNmaxMinai=1n（yiyi）2∩｛N 5｝为外准则来控制模型的选择和确定最优复杂度模型。这里，n为样本规模，N为自组织数据挖掘输出的系数矩阵的列数，yi为第i月在华日系乘用车/日系轿车销量或中国进口日本汽车零部件的数量，yi为模型估计的第i月在华日系乘用车/日系轿车销量或中国进口日本汽车零部件的数量。

3、GMDH估计。根据数据的可获取性，考虑到前期销量的扩散效应及其对下一期销售的影响会因前一期销量的不同而可能发生变化，并假定其他影响因素的影响最终体现在销售量上。在上述假定下，本文选取如下两个变量：一是时间影响变量（x1）。汽车销售的淡季（每年2月、3月、6月、7月、8月）取值为1，汽车销售的旺季（每年1月、4月、5月、9月、10月、11月和12月）取值为2。二是销量影响变量（x2）。每月x2取上一个月的销量值。依据GMDH技术的原理，构造K-G多项式如下：

等式（1）共有31项作为输入变量来拟合每月在华日系乘用车销量（y1）和每月在华日系轿车销量（y2）以及每月中国进口日本汽车零部件的数量（y3），依据前面所述算法产生待选模型集。

对于所取样本，任选地震发生前一年的十个月样本数据为训练集，剩下四个月样本数据为检测集，选地震发生后五个月样本数据为预测集。应用MATLAB6.5编写程序生成模型集并用训练集数据估计参数，用检测集数据计算残差的估计值，然后以前面确定的外准则控制筛选输出最优复杂度模型。

经训练和检测，在华日系乘用车销量的最优复杂度模型如下：

通过拟合模型（2），可得到2011年2月之后的五个月在华日系乘用车销量的预测值（见表2）。

表2 日本地震发生后在华日系乘用车销量预测与同比变化

根据等式（2）对所有月份数据的拟合及表2的数据，可以得到如图1所示的日本地震发生前后在华日系乘用车销量拟合与预测图。

图1 日本地震发生前后在华日系乘用车销量拟合与预测（单位：万辆）

根据表1可得到如下趋势图（见图2）。

图2 日本地震发生前后在华日系乘用车销量及其占当月乘用车总销量的比

三、分析与结论

本文采用自组织数据挖掘的GMDH模型方法，分析了日本地震对日系车及其零部件在华扩散的影响。从表2及图1和图2可以看出，大地震发生前，在华日系乘用车销量虽然有一定的波动和变化，但是其占当月乘用车总销量的比例基本上维持在20%左右，变化不大。大地震发生的前一个月，即2011年2月，无论是乘用车销量绝对值还是相对值（销量占比）都会有一个小幅的下降（但是进口结构或进口金额占比没有发生变化），而在大地震发生的当月都有一个明显上涨，乘用车销量上涨了55.78%，占比上涨了11.86%，表明消费者因担心地震影响产量，计划在下月及以后提车的购买者提前购车，促使地震发生当月的乘用车销量和占比上升，同时也表明在华日资汽车生产企业有足以应对当月销售增长的整车库存或者生产备件库存，销量的增加没有受到地震海啸的影响。但在大地震发生的次月，即2011年4月，在华日系乘用车销量及其占比变化明显，即使不考虑销售旺季的来临两者也分别比前一月环比下降29.02%和16.25%，同比下降3.24%和14.48%；销售旺季却表现出比淡季还要低迷的销售景象，销售占比的变化与地震前相比变化显著。经过四、五两个月的持续下降和低迷之后，上述指标在2011年6月开始恢复。从模拟与预测的数据及其图示来看，可以更加直观地看出，地震发生当月，上述指标实际数据与拟合数据相吻合，表明销量正常，一个月后，乘用车实际销量与预测的正常销量之间差距为下降22.49%，两个月后，乘用车销量差距继续扩大，跌幅达40%，三个月后，销量才开始慢慢恢复和提升。可见，日本大地震后在华日系乘用车销量经历了一个由涨—跌—跌—起—正常的过程，地震对后续的三个月在华日系车的生产和销售有非常严重的显著影响。主要原因在于日本地震造成日本汽车企业大量破产和停产，势必会冲击中国对日本汽车零部件供应与整车产品的进口，造成国内部分产品的供应不足，价格上涨，中国一些汽车企业的产能利用率可能会因日本上游及中间产品供货停顿而降低，这些因素均可导致在华日系汽车销量发生显著变化。

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

[2]美国应用技术委员会：加利福尼亚未来地震的损失估计[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]楼宝棠：中国古今地震灾情总汇[M].地震出版社，1996．

[5]陈颞、刘杰、陈棋福、陈凌、李闽峰：地震危险性分析和震害预测[M]．地震出版杜，1996．

[6]王海滋：地震灾害经济损失评估与减灾工程投资评价方法研究[D]．同济大学经济管理学院，1997．

[7]赵直、尹之潜：震后企业停减产损失估计方法的研究[J]．地震工程与工程振动，2002，2l（1）．

[8]贺昌政等：自组织数据挖掘理论与经济系统的复杂性研究[J]．系统工程理论与实践，2001，21（1）.