基于DIIM 的经济系统关联型损失评估——以新冠肺炎疫情对中国的影响为例

黄永明,陈 晨

(武汉大学a.区域与城乡发展研究院;b.产业发展与区域竞争力研究所,武汉 430072)

国务院新闻办公室2020年6月初发布的《抗击新冠肺炎疫情的中国行动》白皮书指出,新型冠状病毒肺炎是近百年来人类遭遇的影响范围最广的全球性大流行病,对全世界是一次严重危机和严峻考验,全人类生命安全和健康面临重大威胁。目前新冠肺炎疫情(以下简称“疫情”)仍处于全球蔓延阶段,常态化趋势不可避免。疫情直接冲击了实体经济,工厂停工、商场和娱乐场所关门、人员与物资流动受限,全球价值链放缓或中断,对产业和经济都造成了巨大损失,更令人担忧的是,从目前来看,全球范围内还没有对冲疫情的正面因素。

疫情爆发以来,中国经过艰苦卓绝的努力,付出了巨大代价和牺牲,有力扭转了疫情局势,仅用3个月左右的时间基本取得疫情防控阻击战的全面胜利。截至2020年4月底,全国规模以上工业企业复工率超过99%,中小微企业复工率达到88.4%,重大项目复工率超过95%。2020年10月19日,国家统计局初步核算中国前三季度国内生产总值为72.27 万亿元,主要经济指标呈现向好态势。国际货币基金组织预计2020年中国将是全球唯一实现正增长的主要经济体。

随着社会生产的专业化程度加深,经济系统中各部门之间的关联度越来越高。这种部门间的强关联关系使整个系统在发生某种局部危机事件时可能产生关联效应和波及效应,当某些部门遭到危机时,将通过产业间相互依赖关系影响到其他部门,并呈放大效应,引起各部门生产能力下降。因此,建立关联型损失评估模型模拟危机对经济系统的影响是研究复杂经济系统的重要手段[1]。投入产出模型中蕴含了丰富的行业结构和经济结构信息,本文利用动态非正常程度投入产出模型分析各部门对疫情冲击的敏感性程度,评估疫情对中国经济系统各部门的经济产出影响,进一步关注疫情对中国经济系统影响的阶段性特征,从细分行业角度剖析疫情对中国经济系统的全面影响。

1 相关研究述评

国内外关于突发性事件对经济影响的研究方法可分为3 类:动态随机一般均衡模型(Dynamic Stochastic General Equilibrium,DSGE)、可计算一般均衡模型(Computable General Equilibrium,CGE)和非正常程度投入产出模型(Inoperability Input-output Model,IIM)。

DSGE具有跨期性、动态性和不确定性,被称为是过去40年宏观经济建模领域最重要的进展。最初的DSGE以基准RBC模型为代表,Gourio[2]将灾难性冲击纳入到RBC模型中,分析了灾难性冲击对西方国家宏观经济的影响。尹彦辉等[3]在新凯恩斯DSGE模型中引入新冠肺炎疫情冲击,量化分析新冠肺炎对中国经济运行的影响,在此基础上探究政府的财政政策在应对疫情冲击时的作用,结果表明,疫情的影响以短期冲击为主,国内消费和投资需求收紧,政府增加投资性支出和转移性支出可缓解疫情影响。Mckibbin 等[4]在一个全球混合的DSGE中检验了7种情景对宏观经济和金融市场的影响,发现即使是在最乐观的大流行情景中(S04),2020年日本的GDP 增速将比基线低2.7%,澳大利亚、巴西、欧元区将低2.1%,美国将低2.0%,中国将低1.6%。

投入产出模型由Leontief首先提出,是一种能够清晰地反映经济系统各部门之间错综复杂联系的数量经济分析模型。经典的静态投入产出模型经过长期的研究与实践已趋于成熟。但其只反映了一个时点上的发展及其结构情况,将时间变化因素包含在内的投入产出模型就是动态投入产出模型。投入产出模型的应用场景已经从传统的经济结构领域扩展到灾害风险管理、环境影响分析和能源消费等领域。Setola[5]利用1995～2003 年意大利国民经济系统中57部门的投入产出数据,分析了部门之间的经济关系和局部危机对经济系统造成的损失。Cho等[6]利用投入产出模型来评估城市地震引起的经济损失。亚洲开发银行2020年使用多区域投入产出模型(MRIO),预估新冠疫情对全球影响超过2.0～4.1亿美元,对中国的影响接近其GDP 的5%[7]。刘世锦等[8]通过将网络分析法应用于投入产出体系,从区域间、经济部门间“层层传导”的视角分析了新冠疫情对中国经济的冲击路径。

CGE是投入产出模型的推广,它着眼于经济系统内的所有市场、所有价格,以及各种商品和要素的供需关系,要求所有的市场都出清。CGE 常常被用来作为政策分析和评估工具,根据研究尺度的不同可以分为全球模型、国家模型和区域模型,GTAP是全球模型的代表之一。Walmsley[9]基于GTAP模拟了全球金融危机对国际贸易的影响。范小云等[10]构建中国金融CGE 模拟了2008年金融危机对中国宏观经济的影响,并对政策进行了后实验式评价,结果表明,大规模投资对增加企业收入、促进GDP增长等效果明显,减税政策能明显改善居民福利。也有学者利用CGE 模拟分析新冠肺炎疫情冲击以及相应政策效应。田盛丹[11]通过构建CGE 对新冠肺炎疫情所产生的可能冲击场景进行模拟,3种不同程度的冲击情景中中国GDP 增速分别为-4.52%、-8.48%和-11.96%,在良好的政策组合实施之后,GDP 增速能改善为0.09%、-3.80%和-7.20%;亚洲开发银行2020年基于GTAP 对新冠肺炎疫情影响进行评估,结果表明,全球经济可能遭受5.8～8.8 万亿美元的损失,相当于全球国内生产总值的6.4%～9.7%,中国可能遭受1.1～1.6 万亿美元的经济损失[12]。

基于Leontief投入产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产出模型。当一个部门出现危机时,将该部门的损失作为输入,利用关联矩阵求得该部门的损失对其他关联系统的影响,由此可用来分析突发事件扰动对关联系统的影响。社会科学中将“在不同阶层、或同一阶层的不同领域、或不同系统和层级之间不停传递和扩散的影响”称为“级联效应”[14],该概念与连锁效应、涟漪效应内涵相似,都是指系统内的某种变化引起了一系列相关因素的连带反应。结合具体应用情景,本文将这种受到冲击时,经济系统内各部门间互相影响、损失在相互关联的各部门之间传递的现象称为关联效应和波及效应。

IIM 在许多方面得到了较好的运用。Crowther等[15]成功运用需求驱动的IIM 评估了美国维吉尼亚州交通运输系统的恐怖主义风险,并在2007年分析了墨西哥湾飓风扰动对关联基础设施系统(Interdependent Infrastructure Systems,IIS)造成的影响[16]。Santos等[17]运用需求驱动的IIM 分析了由于美国“911”事件导致的航空需求下降对维吉尼亚州关联基础设施系统造成的影响。随着DIIM的进一步发展,Santos等[18-19]、El Haimar等[20]运用改进的DIIM 分析了H1N1流感对经济系统的关联型影响。

这些研究方法各有所长,CGE和IIM 都是投入产出模型的推广,但建模和应用领域有区别。CGE多用于政策分析,难点在于SAM 表的编制和模型的校订,缺点是宏观层面变量较多且难以获取,分析政策变动对福利影响方面仅获得了部分成功。IIM能宏观地分析突发事件扰动在各部门间的关联和波及效应,在分析突发事件扰动对部门间关联紧密的经济系统造成的影响时效果明显,但不适用于部门之间联系不紧密的经济系统。DSGE 在展现经济动态性和不确定性上具有优势,多用于评价货币和财政政策效果,但DSGE 预测能力较差,模型中的估计方法也需进一步完善。

通过对上述相关文献进行梳理发现,目前关于新冠肺炎疫情对经济影响的研究成果较为丰富,但存在进一步深化的空间:一是量化和预测疫情对经济影响的文献数量较少;二是量化研究视角有待细化、研究方法有待扩充,CGE、DSGE 难以反映经济系统中各产业部门所受扰动的细节情况,IIM 虽有自身局限性,但它可以为评估危机事件对经济系统的影响提供一个合理的框架;三是现有文献关于疫情对经济影响的阶段性特征关注不够,难以充分发挥疫后国家一揽子政策效果。鉴于此,本文利用动态非正常程度投入产出模型(Dynamic Inoperability Input-output Model,DIIM),以较为精细的视角评估疫情对中国经济及各产业部门的影响,为量化疫情对经济的影响提供了一种考察视角,同时关注疫情对经济系统影响的阶段性特征,以期为中国应对重大突发卫生事件政策制定提供有益参考。

2 模型设定

经济学领域静态投入产出模型的基本关系为

式中:x为总产出列向量;c为最终产出列向量;A是直接消耗系数矩阵。直接消耗系数矩阵中的aij表示第j部门产品对第i部门产品的直接消费数量,直接消耗系数也称为技术系数,其数值大小受各部门的技术和管理水平以及产品结构和价格变动因素影响。

由于I-A是满秩矩阵,由式(1)得

式中,(I-A)-1就是著名的Leontief逆系数矩阵,其不仅包含了直接消耗,还包含了所有的间接消耗,也称为完全消耗系数矩阵。

非正常程度表示系统功能失调的程度,即一个部门生产能力的下降程度,或标准化生产损失程度[21],其介于0～1之间。它的定义如下式所示:Inoperability=(“As-planned”production-

式中:“As-planned”production表示“按计划”生产能力;Degraded production表示受到扰动后低水平的生产能力;Nominal production为名义产出值。

需求驱动的IIM 表达式为

同上,式(4)可以写为

式中:q为非正常程度的向量;c*为最终需求的扰动向量;A*是通过投入产出数据衍生的关联矩阵。其结构可由下式表示:

DIIM 是在传统IIM 基础上,分析在连续时间段内扰动对系统各部门的影响程度,其表达式为

式中:t为时间参数;K是弹性恢复矩阵;弹性系数ki表示突发事件扰动后的一个经济系统吸收或者缓冲灾害带来损失的能力,其中ki的值越大,表示扰动后的部门i恢复的越快。弹性矩阵与恢复过程中系统的当前状态有关,可通过估计恢复期来评估,恢复期是一个部门恢复至正常所需的时间长度,同时弹性矩阵也受部门特性和风险管理政策的影响。

假设部门i由初始非正常程度qi(0)＞0在时间Ti时刻恢复到非正常程度qi(Ti)＞0,弹性系数的计算公式为

每个产业部门i的累积经济损失公式为

3 疫情对中国经济系统关联型影响评估

3.1 各部门初始非正常程度测算

参考Santos等[22]的做法,利用可用劳动力下降的百分比来计算各部门最初非正常程度。初始非正常程度计算方式为

式中:Unavailable Workforce为受疫情冲击损失的劳动力;Size of Workforce为正常情况下的劳动力规模;LAPI为各部门劳动力工作的市场价值,即投入产出表中的劳动者报酬指标;Sector Output为各部门产出。基础数据来自中国2017年42部门投入产出表,详细情况见表1,并按乐观、中性和悲观3种预期情形估算中国在疫情初期各部门可用劳动力的损失情况。

表1 2017年中国投入产出表中42部门情况

估算的具体考虑如下:从总量上看,国家统计局数据显示2020年2月份全国城镇调查失业率增至6.2%,直到4 月份全国城镇调查失业率仍为6.0%,失业人数约为5 378万人。但是由于城镇调查失业率不覆盖个体工商户、小微企业和灵活就业人群,特别是不包括2.6亿流动性强、第三产业就业比重最高、受疫情影响最大的农民工群体,故其并不能完全反映中国实际失业规模。此外,还要关注疫情对中国新增就业的影响。张桂文等[23]深入分析了新冠肺炎疫情对中国就业的影响,结果显示,2020年中国新增就业量分别减少142.16、477.92 和678.61万人,新增就业损失分别为8.70%、29.26%和41.55%。鉴于此,本文设定在乐观、中性和悲观3 种预期下,疫情初期中国实际失业率分别为6.2%、7%和8%。从疫情对行业的影响来看,研究显示,受到疫情负面影响最为快速直接的行业是第三产业,特别是旅游业、交通运输业、酒店住宿业、餐饮业、批发零售业和会展业等[24]。突发大规模疫情对制造业和农、林、牧、渔业的影响相对有限,特别是对于耐用品及大宗商品的影响十分有限[25]。同时,疫情和防疫也会带动一些产业的发展,如医疗卫生产业和线上产业,特别是新兴信息技术、数字消费和线上体验等产业。由于疫情对经济系统的影响路径具有相似性,估算时同时参考了美国、意大利等国家疫情期间各部门失业率数据。美国劳工统计局显示,美国失业率从2020年4月开始飙升,其中文化娱乐行业失业率高达39.3%,其他服务类高达23%,建筑业、制造业、零售业和交通业的失业率均在15%左右,采矿业、信息业、教育业和农业等失业率也达到10%1)数据来自美国劳工统计局:https://www.bls.gov。

具体估算步骤:首先根据中国第四次全国经济普查公报和2019年农民工监测调查报告得到各部门劳动者和农民工分布比例,然后在乐观、中性和悲观预期下估算中国在疫情初期损失的劳动力的总量,最后根据各部门重要性指标[26]和远程工作率指标[27],手动调整各部门损失劳动力的比例,最终获得中国疫情初期各部门可用劳动力的损失情况。

3.2 疫情对中国经济系统关联型影响分析

在2020年4月21日中国日报社、清华大学、北京协和医院联合发布的《抗击新冠肺炎疫情的中国实践》和2020年6月7日国务院新闻办公室发布的《抗击新冠肺炎的中国行动》中对中国抗击疫情的实践进行了详细描述,此处不再赘述。从疫情发生的区域来看,77%的确诊病例在湖北省,湖北省是此次新冠肺炎疫情的主战场;河南、湖南、广东、浙江等疫情次严重地区也受到不同程度的影响。但湖北一省经济占中国经济总量的比重不大,2019 年湖北省GDP仅占全国的4.6%,且中国采用最全面、最严格、最彻底的手段及时控制住了疫情,从全国范围来看疫情对中国经济影响有限。

由此,本文假设疫后非正常程度呈指数下降,恢复期为30天,即T=30;在乐观、中性和悲观预期下,分别对t=30,t=90,t=180,t=330的情景进行模拟。若未进行特殊说明,以下分析结果均以中性预期下t=90的情况为例2)《抗击新冠肺炎的中国行动》白皮书中将中国抗击疫情的实践分为5个阶段,2019-12-27～2020-01-19为第1阶段(迅即应对突发疫情),01-20～02-20 为第2 阶段(初步遏制疫情蔓延势头),02-21～03-17为第3 阶段(本土新增病例数逐步下降至个位数),03-18～04-28为第4阶段(取得武汉保卫战、湖北保卫战决定性成果),4月29日以来(全国疫情防控进入常态化)。可以看出,t=90时疫情对中国直接影响基本已经结束,疫情防控进入常态化,编程、模拟和绘图软件均为Matlab14。

(1)各部门非正常程度分析。就受疫情影响程度而言,各部门非正常程度变化情况如图1所示3)为方便显示,只展示了前60天的变化情况,最初非正常程度排名前15位的部门分别为:(41)文化、体育和娱乐,(31)住宿和餐饮,(35)租赁和商务服务,(29)批发与零售,(38)居民服务、修理和其他服务,(30)交通运输、仓储和邮政,(28)建筑,(34)房地产,(23)废品废料,(24)金属制品、机械和设备修理服务,(8)纺织服装鞋帽皮革羽绒及其制品,(39)教育,(15)金属制品,(17)专用设备,(10)造纸印刷和文教体育用品。图1显示了各部门基于相互依赖性和恢复力特征的非正常程度恢复轨迹,有些部门非正常程度最初较高,但降低非常迅速,如(41)文化、体育和娱乐,以及(31)住宿和餐饮、(35)租赁和商务服务;有些部门非正常程度曲线则呈先升后降趋势,如(24)金属制品、机械和设备修理服务,以及(8)纺织服装鞋帽皮革羽绒及其制品、(10)造纸印刷和文教体育用品、(15)金属制品。这是因为随着时间的增加,疫情冲击在部门间造成的关联效应和波及效应开始显现。不难发现,受疫情冲击直接影响较为严重的多为第三产业部门,受关联效应和波及效应影响较大的多为第二产业部门,动态分析有助于从对最初中断的部门的直接影响和对其他相互依存的经济部门的连锁影响两方面评估疫情的潜在影响。

图1 中性预期下t=90时非正常程度排名前15位的部门

(2)各部门经济损失分析。从经济损失的角度将更加清晰地显示实际影响。如图2所示,90天内累计经济损失排名前15位的部门分别为:(29)批发和零售,(35)租赁和商务服务,(30)交通运输、仓储和邮政,(28)建筑,(31)住宿和餐饮,(12)化学产品,(6)食品和烟草,(33)金融,(14)金属冶炼和压延加工品,(41)文化、体育和娱乐,(34)房地产,(1)农林牧渔产品和服务,(20)通信设备、计算机和其他电子设备,(10)造纸印刷和文教体育用品,(25)电力、热力的生产和供应。从总量看,一二三产业经济损失分别为0.36、4.65和4.96 万亿元,排名前15位的部门中第二产业占8个、第三产业占6个,第二与第三产业的经济损失同样严重;从经济损失的关键产业来看,排名前6位的部门经济损失均超过0.5万亿元,经济损失排名前10位的部门经济损失之和占总损失的60.9%,经济损失排名前15位的部门经济损失之和占总损失的75.6%。这说明,加快恢复这些关键部门的生产,对恢复全国经济有着至关重要的作用。

图2 中性预期下t=90时经济损失排名前15位的部门

综合图1、2,有8个部门同时出现在非正常程度排名前15位和经济损失排名前15位名单中,它们是:(41)文化、体育和娱乐,(31)住宿和餐饮,(35)租赁和商务服务,(29)批发与零售,(30)交通运输、仓储和邮政,(28)建筑,(34)房地产,(10)造纸印刷和文教体育用品。造成两项指标排名差异的原因是各部门经济体量不同。如果一个部门的产出水平相对于其他部门而言较低,其可能同时拥有较低的经济损失值和较高的非正常程度值。当仅用非正常程度作为排序优先级的标准时,存在排除经济损失严重的部门的风险。因此,对部门进行优先排序需要使用多准则决策工具来仔细考虑经济损失与非正常程度之间的平衡[28]。

(3)疫情对经济系统影响的阶段性特征分析。受关联效应和波及效应的影响,经济系统中各部门经济损失是动态变化的,并呈现出一定的阶段性特征。表2给出了中性预期下不同时间点各部门经济损失及排名情况,可以看出,各部门排名变化趋势差异明显。当t=330时,经济损失排名前15位的部门已经发生了明显的变化。排名显著上升的部门有:(12)化学产品,(14)金属冶炼和压延加工品,(18)交通运输设备,(25)电力、热力的生产和供应。其中,化学产品从第6名上升至第3名,金属冶炼和压延加工品从第11名上升至第6 名,交通运输设备从17名上升至14 名,电力、热力的生产和供应从18名上升至13名。排名显著下降的部门有:(31)住宿和餐饮,(41)文化、体育和娱乐,(10)造纸印刷和文教体育用品,(38)居民服务、修理和其他服务。其中,住宿和餐饮从第5名下降至19名,文化、体育和娱乐从第8名下降至第16名,造纸印刷和文教体育用品从第14名下降至第17名,居民服务、修理和其他服务从第16名下降至第21名。经济损失排名的变化表明,第二产业部门所受的关联效应和波及效应影响更显著,这显示了疫情导致的经济损失的延迟性特点。在疫情前期,第三产业部门受疫情直接影响更为严重,这种影响易被察觉和关注;随之,部分第二产业部门所受的关联效应和波及效应影响开始显现。

表2 中性预期下各部门经济损失及排名动态变化情况(单位:万亿元)

最后,进一步评估疫情对中国经济系统的持续性影响。在乐观、中性和悲观3 种预期下,当t=30时,中国累计经济损失分别为2.47、2.8和3.25 万亿元;当t=90时,中国累计经济损失分别为8.87、9.97和11.53万亿元;当t=180时,中国累计经济损失分别为11.72、12.83 和14.4 万亿元;当t=330 时,中国累计经济损失分别为16.40、17.51和19.08 万亿元。当t=330 时,57.4%的经济损失发生在前90天,73.2%的经济损失发生在前180 天,说明疫情初期带来的经济损失更大,由于疫情带来的需求扰动还未恢复,中国经济系统的损失还在持续中。

4 结语

国外研究显示,流感等破坏性事件的经济后果可能在相互依赖的经济部门之间产生连锁反应,进一步推迟复苏,非正常投入产出模型为研究疫情冲击对复杂经济系统的影响提供了一种考察视角。此外,由于疫情造成的经济损失数据通常是在更宏观层面、以更大口径进行公布的,本研究进一步补充了各行业部门经济损失的详细信息。

研究锁定了中国受疫情冲击敏感性程度和经济损失最高的前15位的部门,根据受关联效应和波及效应程度不同大致将疫情影响分为两个阶段,进一步估算对各部门在不同时间点造成的经济损失。根据DIIM 计算出的经济损失值还可作为评估其他类别损失,如税收损失、收入损失的依据。

基于上述分析,提出如下建议:一是在应对重大公共卫生事件时,应根据经济系统所受影响的程度和阶段性特征分类别分重点地对关键部门进行帮扶,考虑延迟性特点在关联效应和波及效应蔓延阶段,应给予受关联效应和波及效应影响程度深的部门更多支持帮扶政策;二是出台相关政策进一步鼓励消费、恢复需求,消除需求降低对中国经济回升的持续性影响。