楊新洪

（廣東省統(tǒng)計局，廣東 廣州 510031）

2020年初，新冠肺炎疫情爆發(fā)，給世界經(jīng)濟造成了沖擊。疫情對各個經(jīng)濟體的影響，取決于疫情傳播的廣度、危害程度和持續(xù)的時間，經(jīng)濟的復(fù)蘇也會因此會呈現(xiàn)出“U”型、“V”型、“L”型等不同的情形。廣東自2020年1月19日確認首例輸入性新型肺炎確診病例以來，作為沿海經(jīng)濟開放程度較高的省份，經(jīng)濟受國內(nèi)外疫情影響更為嚴重。由于中國較為迅速地控制了疫情，所以廣東經(jīng)濟較快實現(xiàn)了企穩(wěn)，但由于國外疫情嚴重，對廣東的出口型經(jīng)濟產(chǎn)生了較大影響，經(jīng)濟恢復(fù)也相對緩慢，呈現(xiàn)出“煙斗型”而不是“V”型的運行模式。本文以廣東省經(jīng)濟運行為例，科學(xué)考量評估疫情對宏觀經(jīng)濟及各行業(yè)部門造成的影響和損失，對于廣東乃至全國當下科學(xué)防控疫情與恢復(fù)生產(chǎn)雙統(tǒng)籌、實現(xiàn)“十三五”收官和制定“十四五”經(jīng)濟社會發(fā)展規(guī)劃目標，有著重要的現(xiàn)實意義。

一、歷史重大疫情影響回顧

從歷史維度看，世界歷史上大規(guī)模爆發(fā)的傳染病都對經(jīng)濟社會造成巨大破壞，帶來嚴重損失。14 世紀中期爆發(fā)于歐洲的黑死病，導(dǎo)致超6 千萬人死亡，幾乎占到當時歐洲人口1/4，造成當?shù)貏趧尤丝跍p少，經(jīng)濟大幅蕭條。但由于當時的世界經(jīng)濟聯(lián)系相對松散，對于經(jīng)濟的影響更多的在于其導(dǎo)致相當高的死亡人數(shù)，減少整個國家的勞動力數(shù)量。[1]

距離當前最近的是2003年發(fā)生的非典，涉及32個國家和地區(qū)，病死率約為11%，尤其是對中國以及廣東經(jīng)濟都產(chǎn)生了較大影響，對于當前的新冠肺炎疫情測算更有參考意義。[2]以當時的廣東為例，非典大規(guī)模發(fā)生的時間相對較晚，對經(jīng)濟的影響主要體現(xiàn)在2003年的第二季度，2003年全年經(jīng)濟走勢曲線為“V”型，四個季度地區(qū)生產(chǎn)總值的累計增速分別為13.0%、12.3%、13.0%，13.6%，比上年同期分別提高2.5個、1.6個、2.5個和2.8個百分點；至四季度時經(jīng)濟已走出低谷，重新回升到原來的增長軌道上，見圖1。[3]

圖1 2002—2004年一季度廣東地區(qū)生產(chǎn)總值增速曲線圖

二、警惕疫情“負悲熵”的經(jīng)濟意義與“煙斗形”經(jīng)濟運行特征

（一）疫情應(yīng)對方式對經(jīng)濟的影響

在本次新冠肺炎疫情爆發(fā)后，面對疫情對人類生存和社會經(jīng)濟的巨大沖擊，由于文化理念、國家體制和決策治理方面的差異，采取的應(yīng)對措施也有所不同，對經(jīng)濟修復(fù)進程也產(chǎn)生了不同的影響。[4]

中國實行社會主義制度，把疫情防控作為全國頭等大事來抓，舉國動員采取強有力的措施，廣大民眾也積極配合，迅速控制住了疫情。但由于一些隔離封鎖等強力防疫措施影響，疫情初期對經(jīng)濟產(chǎn)生了一定影響，疫情穩(wěn)定后經(jīng)濟快速恢復(fù)。而以美國為代表的一些西方國家，聯(lián)邦政府與州政府推諉扯皮，沒有采取有效的預(yù)防措施，疫情防控局面混亂不堪，民眾不聽政府號令，不遵守戴口罩等科學(xué)防疫措施，經(jīng)濟深陷衰退泥潭。[5]

根據(jù)11月26日最新數(shù)據(jù)，中國現(xiàn)有確診人數(shù)為911人，累計確診人數(shù)為93,108人；美國現(xiàn)有確診人數(shù)507.28萬人，累計確診人數(shù)1315.07萬人。根據(jù)世界銀行半年度《全球經(jīng)濟展望》預(yù)測，2020年中國GDP預(yù)計增速為1%（前三季度已達到0.7%），美國GDP將萎縮6.1%，中國將是今年世界為數(shù)不多實現(xiàn)擴張的國家之一。

（二）警惕疫情初期的“負悲熵”

庚子年初“新冠”肺炎突襲而來，無論對人們心理還是實體經(jīng)濟都造成較大影響，經(jīng)濟增長客觀上出現(xiàn)較大回落，各方表現(xiàn)出一定負面悲情，這里暫把這定義為“負悲熵”，意指當人們更多地看到突發(fā)疫情等重大事件帶來的嚴重影響與傷害，會在心理上產(chǎn)生放大情緒與判斷，與客觀實際變化存在著一定偏離和差異。對疫情爆發(fā)初期采用廣東2月14日每日24時疫情數(shù)據(jù)，構(gòu)建多元回歸分析模型（95%置信區(qū)間），并用模型推算后續(xù)疫情變化數(shù)據(jù)。從疫情確診的新增病例指標看，廣東于1月31日錄得報告最大值，此后模型曲線斜率轉(zhuǎn)為負數(shù)，數(shù)據(jù)呈下降趨勢，至今均未超過此值，見圖2。

圖2 廣東截至每日24時新增確診病例數(shù)據(jù)變化和擬合情況

從疫情先行指標接受醫(yī)學(xué)觀察的密切接觸者和疑似病例看，廣東省于2月5日錄得報告密切接觸者最大值、于2月8日錄得報告疑似病例最大值，此后模型曲線斜率轉(zhuǎn)為負數(shù)，數(shù)據(jù)呈下降趨勢，見圖3。

圖3 廣東截至每日24時累計密切接觸者數(shù)據(jù)變化和擬合情況

如上分析，廣東疫情“拐點”和“控點”較早出現(xiàn)，避免放大悲負情緒，具有重要經(jīng)濟意義。盡可能減少“負悲熵”，積極推動相關(guān)財政貨幣政策和供給側(cè)結(jié)構(gòu)性改革政策，減緩減輕疫情對經(jīng)濟造成的下行壓力。

（三）“煙斗形”經(jīng)濟運行特征

通過對比全國及江蘇、浙江、山東、上海前三季度GDP累計增速，發(fā)現(xiàn)全國和其余各省均在一季度到達最低點后快速反彈，上半年恢復(fù)較快，前三季度恢復(fù)速度有所放緩，是個地道的“”煙斗形狀，廣東也一樣，并非典時期的“V”型反彈（見圖4）。通過比較非典時期的“V”形反彈和新冠肺炎時期的“煙斗形”反彈來看，當前的經(jīng)濟復(fù)蘇速度弱于非典時期，即新冠肺炎疫情對經(jīng)濟的影響更為嚴重，見表1。

表1 全國及粵蘇浙魯滬地區(qū)生產(chǎn)總值累計增速表(單位：%)

以廣東省為例，前3 季度實現(xiàn)GDP78,397.07億元，增長0.7%。主要經(jīng)濟指標第一產(chǎn)業(yè)增長3.0%，第二產(chǎn)業(yè)下降0.8%，第三產(chǎn)業(yè)增長1.7%；規(guī)上工業(yè)增加值下降1.2%；社消零總額下降9.3%，投資增長5.0%，進出口下降1.6%，其中出口下降1.5%；居民人均可支配收入名義增長4.2%；CPI同比上漲3.7%。

分季度看，第一、二、三季度當季增速①分別為-6.7%、1.0%和6.7%，三季度當季增速高于全國的4.9%，已恢復(fù)到疫情前水平，甚至超過2019年6.1%和2018年6.4%的同期當季增速，顯示廣東經(jīng)濟基本面修復(fù)加快。但從累計增速看，仍比上年前三季度的6.4%低5.7個百分點，見表2。

圖4 全國及粵蘇浙魯滬地區(qū)生產(chǎn)總值累計增速圖

表2 近年廣東省各季度GDP當季和累計增速表 （單位：%）

（四）疫情對廣東各行業(yè)增速影響

雖然廣東前三季度GDP增速由負轉(zhuǎn)正，但受疫情影響，增速比上年同期回落5.7個百分點。與上年同期相比，僅有金融業(yè)增速不降反增，同比提高0.3個百分點；住宿和餐飲業(yè)受疫情影響最為嚴重，同比回落達到25.3個百分點；其次為交通運輸倉儲郵政及批發(fā)和零售業(yè)，增速回落幅度分別達到14.3個和10.0個百分點見表3。

從對當期的拉動看，工業(yè)、交通運輸倉儲和郵政業(yè)、批發(fā)零售和住宿餐飲業(yè)起負向拉動作用，總體上是負向影響在逐季收窄，而農(nóng)林牧漁業(yè)、建筑業(yè)、金融業(yè)、房地產(chǎn)業(yè)、營利性和非營利性服務(wù)業(yè)起正向拉動作用。各行業(yè)在疫情影響交織影響，共同成為當前經(jīng)濟運行“煙斗形”轉(zhuǎn)升的影響因素。

表3 前三季度廣東GDP分行業(yè)增長情況表

工業(yè)降幅收窄較快，但依然落后于全國，影響整體經(jīng)濟修復(fù)速度。疫情對廣東工業(yè)經(jīng)濟影響較大，前三季度工業(yè)增加值下降1.2%，降幅比上半年收窄了5.4個百分點，比上年同期回落5.6個百分點。雖然第三季度修復(fù)較快，但受前2個季度影響，廣東工業(yè)累計增速依然比全國的0.7%低1.9個百分點。由于占GDP比重達35.4%的工業(yè)落后于全國平均水平，拉動率低至-0.5%，影響了整體經(jīng)濟的修復(fù)速度。

批發(fā)和零售業(yè)、住宿和餐飲業(yè)也是牽制整體經(jīng)濟恢復(fù)因素。批發(fā)和零售業(yè)、住宿和餐飲業(yè)是疫情影響的重災(zāi)區(qū)，前三季度批發(fā)零售業(yè)下降5.2%，比上年同期回落10.0個百分點，其中批發(fā)業(yè)增長0.1%，零售業(yè)下降11.5%；住宿和餐飲業(yè)下降22.9%，比上年同期回落25.3個百分點，其中住宿業(yè)下降21.0%，餐飲業(yè)下降23.2%。從拉動作用看，批發(fā)和零售業(yè)、住宿和餐飲業(yè)對GDP拉動率分別為-0.5%、-0.4%，對整體經(jīng)濟影響不容忽視。

其他服務(wù)業(yè)對經(jīng)濟起支撐作用。其他服務(wù)業(yè)尤其是其中的非營利性服務(wù)業(yè)受影響影響較小，成為疫情中經(jīng)濟增長的穩(wěn)定器。前三季度增長5.3%，比上半年提高0.2個百分點，比上年同期小幅回落5.0個百分點。營利性服務(wù)業(yè)、非營利性服務(wù)業(yè)分別增長4.8%和6.0%，對地區(qū)生產(chǎn)總值的拉動率均為0.6%，二者共同對總體經(jīng)濟起支撐作用，其中信息傳輸軟件和信息技術(shù)服務(wù)業(yè)增長14.1%，拉動率較高，達0.6%。

金融業(yè)對經(jīng)濟正向拉動作用較大。金融業(yè)不僅沒有收到疫情影響，反而在疫情中迎來發(fā)展機遇，前三季度金融業(yè)增加值增長9.2%，增速比上半年提高0.2個百分點，比上年同期提高0.3個百分點，拉動率為0.8%，對經(jīng)濟增長起正向拉動作用。

（五）疫情下廣東全年GDP增長影響推算

上半年以來，廣東省經(jīng)濟復(fù)蘇態(tài)勢明顯，各項基礎(chǔ)指標尤其工業(yè)指標增速持續(xù)回升，企業(yè)預(yù)期穩(wěn)定向好，國內(nèi)消費持續(xù)回暖，價格指數(shù)趨于穩(wěn)定。但國外疫情、全球經(jīng)濟環(huán)境和外部市場需求的不確定性和不穩(wěn)定性因素仍在增多。綜合來看，第四季度仍將延續(xù)三季度經(jīng)濟增長態(tài)勢。

若按照前三季度0.7%和三季度當季6.7%的增長速度推算，廣東2020年全年GDP增速有望達到2.4%左右，但與去年全年6.2%和2020年政府工作報告6%的目標增長速度都有相當差距，全年GDP“煙斗形”特征不會有本質(zhì)改變。

表4 疫情對廣東全年GDP影響測算表

根據(jù)2020年廣東政府工作報告6%的增長目標，若按照101%的GDP縮減指數(shù)，2020年GDP 預(yù)計達到115,273億元。根據(jù)當前疫情影響下前三季度的數(shù)據(jù)推算，若2020年全年GDP增速為2.0%，全年GDP總量為11.04萬億元，疫情對GDP增速和總量的影響分別為4.0個百分點和4 838 億元；若2020年全年GDP增速為2.4%，全年GDP總量為11.09萬億元，疫情對GDP增速和總量的影響分別為3.6個百分點和4395億元；若2020年全年GDP增速為3.0%，全年GDP總量為11.15萬億元，疫情對GDP增速和總量的影響分別為3.0個百分點和3756億元。

三、基于疫情“煙斗形”經(jīng)濟運行的模型測算

圖5 研究思路流程圖

（一）建立模型的考慮

以廣東為例，從數(shù)量角度測算疫情對經(jīng)濟產(chǎn)出影響，根據(jù)廣東國民經(jīng)濟各部門近5年和疫情發(fā)生后受影響顯著的前5個月的數(shù)據(jù)，使用ARIMA模型、干預(yù)分析模型及GRNN模型，進行價格調(diào)整轉(zhuǎn)換，進行預(yù)測值優(yōu)化，測算各部門受疫情沖擊影響的直接產(chǎn)出損失率和損失值，采用動態(tài)IIM模型測算全部受到疫情沖擊損失部門下半年對整個經(jīng)濟系統(tǒng)所有部門產(chǎn)生的關(guān)聯(lián)間接產(chǎn)出損失率和損失值，分析得到受疫情影響沖擊影響的部門。

（二）假設(shè)與模型

1.基本假設(shè)

影響經(jīng)濟產(chǎn)出的因素眾多，為突出主要因素簡化計算，提出以下假設(shè)。

假設(shè)1，部分行業(yè)因疫情防控面臨暫時困難不會改變經(jīng)濟穩(wěn)中向好、長期向好的基本趨勢，各項復(fù)工復(fù)產(chǎn)政策措施的及時推出，有助于廣東消費結(jié)構(gòu)和投資結(jié)構(gòu)重回正常水平，疫情對經(jīng)濟的沖擊是短期外部沖擊，為簡化分析暫不考慮外需結(jié)構(gòu)變化對投入結(jié)構(gòu)的影響，即廣東原有產(chǎn)業(yè)結(jié)構(gòu)和消費、投資結(jié)構(gòu)基本不變。

假設(shè)2，疫情在后期不出現(xiàn)大面積反彈。疫情發(fā)生以來，黨和政府把人民生命安全和身體健康放在第一位，果斷采取最全面、最嚴格、最徹底的防控措施。后期發(fā)生的局部聚集性疫情，如北京“新發(fā)地疫情”，政府高度重視并已積累不少經(jīng)驗，在很短的時間內(nèi)確定傳染源、追蹤并采取強制隔離措施防擴散，從6月11日出現(xiàn)第一例確診者到7月20日北京應(yīng)急響應(yīng)級別降為三級，全部335名確診者收治率和后期治愈率達100%，較短時間內(nèi)控制并戰(zhàn)勝了疫情。民眾配合度高，疫苗研制有序進行。我們有理由和信心打贏防疫攻堅戰(zhàn)。

假設(shè)3，投入產(chǎn)出表使用方面，因缺乏調(diào)查數(shù)據(jù)進行行業(yè)到部門的轉(zhuǎn)換，適當放寬“純”部門前提限定，假設(shè)產(chǎn)業(yè)部門與相應(yīng)產(chǎn)品部門的產(chǎn)出損失率相同。為簡便計算可認為流通部門與相關(guān)部門受疫情沖擊的損失率基本相同，故不考慮產(chǎn)業(yè)部門產(chǎn)出在購買者價格與生產(chǎn)者價格的不同，不對產(chǎn)出中所含的流通費做處理。

假設(shè)4，本次疫情對經(jīng)濟的沖擊是需求沖擊。從供給角度看，疫情對勞動力流動的限制、交通管制影響原材料和產(chǎn)成品等流通的短暫沖擊目前已經(jīng)基本不存在，部分企業(yè)資金鏈可能還有一些困難，政策上財稅、金融和產(chǎn)業(yè)等組合制度供給在很大程度上可緩解企業(yè)困境。從需求角度看，疫情影響部分企業(yè)經(jīng)營將傳導(dǎo)至居民收入預(yù)期下降，從而消費需求被抑制。消費需求萎縮傳導(dǎo)至企業(yè)端，企業(yè)收入與支出兩端承壓從而投資乏力。海外疫情不確定對進出口需求造成沖擊。

2.模型

（1）季節(jié)型ARIMA模型 季節(jié)型ARIMA模型是研究含有季節(jié)周期波動趨勢的時間序列的重要方法，在不受突發(fā)事件影響情況下，其外推預(yù)測能較好保持原有序列趨勢，是一種精度較高的短期預(yù)測模型。[6]一般地，季節(jié)型ARIMA模型根據(jù)季節(jié)項、差分項等參數(shù)項設(shè)置可表示為：ARIMA（p,d,q）（P,D,Q）m。

（2）干預(yù)分析模型 干預(yù)分析模型的一般形式為：

其中，ω（B）和δ（B）是關(guān)于后移算子B的多項式函數(shù)，其不同形式?jīng)Q定了干預(yù)影響的不同類型；Nt表示干預(yù)變量，代表干預(yù)事件的影響；{Xt}表示在沒有干預(yù)影響時對{Yt}的觀測，本文中{Xt}服從一個ARIMA模型或者季節(jié)型ARIMA模型。

干預(yù)分析模型的干預(yù)變量Nt，它有兩種基本類型。[7]

①持續(xù)性的干預(yù)變量S，階躍函數(shù)：

②短暫性的干預(yù)變量P，脈沖函數(shù)：

干預(yù)事件影響的形式歸納起來主要有4種類型，圖6分別是4種簡單形式的干預(yù)影響示意圖，干預(yù)變量的不同選擇對應(yīng)不同的干預(yù)影響模式。不管經(jīng)濟系統(tǒng)受到的干預(yù)影響多么復(fù)雜，都可以用該4種形式或者它們的某種組合來表達。

（3）GRNN模型 GRNN模型由4層構(gòu)成，分別為輸入層、模式層、求和層和輸出層。對應(yīng)網(wǎng)絡(luò)輸入，其輸出為

圖7 廣義回歸網(wǎng)絡(luò)模型結(jié)構(gòu)

①輸入層：神經(jīng)元的數(shù)目等于學(xué)習(xí)樣本中輸入向量的維數(shù)，各神經(jīng)元是簡單的分布單元，直接將輸入變量傳遞給模式層。

②模式層：神經(jīng)元數(shù)目等于學(xué)習(xí)樣本的數(shù)目n，各神經(jīng)元對應(yīng)不同的樣本，模式層神經(jīng)元傳遞函數(shù)為

其中δ是模型的超參數(shù)。

③求和層：共有k+1個神經(jīng)元節(jié)點，其中k為輸出層中輸出向量的維數(shù)，求和層共使用兩種類型神經(jīng)元進行求和。第一個神經(jīng)元節(jié)點的計算公式為，對所有模式層神經(jīng)元的輸出進行算數(shù)求和。剩余k個神經(jīng)元節(jié)點的計算公式為，它對所有模式層的神經(jīng)元進行加權(quán)求和，模式層中第i個神經(jīng)元與求和層中第j個分子求和神經(jīng)元之間的連接權(quán)值為第j個輸出樣本Y1中的第j個元素。

④輸出層：神經(jīng)元數(shù)目等于學(xué)習(xí)樣本中輸出向量的維數(shù)k，各神經(jīng)元將求和層的輸出相除，神經(jīng)元j的輸出對應(yīng)估計結(jié)果的第j個元素，即

（4）動態(tài)IIM模型 很多災(zāi)害或事故等沖擊會帶來經(jīng)濟系統(tǒng)功能的缺失，定義qi為某部門i由于需求擾動引起生產(chǎn)能力下降程度[8]。

少的產(chǎn)出。引入投入產(chǎn)出模型

則不可運行性程度向量q滿足

本文把疫情對經(jīng)濟的沖擊分為三個階段，第一階段是損失延遲階段t0～t1，疫情對經(jīng)濟的沖擊不斷產(chǎn)生持續(xù)的影響，本階段時間越長則損失越大；第二階段是均衡階段，疫情對經(jīng)濟的沖擊與經(jīng)濟系統(tǒng)的自身修復(fù)能力達到平衡狀態(tài)，本文簡化為一個點t1，系統(tǒng)功能在此時下降到最大值Q；第三階段是功能恢復(fù)階段t1～t2，經(jīng)濟系統(tǒng)功能逐步恢復(fù)，t0～t1的時間越短，恢復(fù)能力越強則損失越小。

引入時間t后，式（1）變?yōu)?/p>

其中，矩陣k為彈性恢復(fù)矩陣，矩陣元素

式（3）中的T1是部門i從初始不可運行性程度q1(0)到期望恢復(fù)水平q1(T1)之間的時間間隔。

圖8 疫情對經(jīng)濟系統(tǒng)各部門功能的階段性影響

對于式（2），當 Δq(t) =0時，經(jīng)濟系統(tǒng)重新處于穩(wěn)定的均衡狀態(tài)，此時

基于恢復(fù)彈性的兩階段非線性影響模型為

在不同階段每個產(chǎn)業(yè)部門i的累積經(jīng)濟損失為

（三）數(shù)據(jù)來源及處理

1.數(shù)據(jù)來源

本文根據(jù)國家統(tǒng)計局核算司的《投入產(chǎn)出部門分類及解釋》及上述假設(shè)3，明確投入產(chǎn)出各部門與國民經(jīng)濟行業(yè)的映射關(guān)系，從而確定各部門對應(yīng)的國民經(jīng)濟行業(yè)范圍。再參考《第四次經(jīng)濟普查年度國內(nèi)生產(chǎn)總值核算方法》，從每個行業(yè)選擇對應(yīng)的產(chǎn)出指標進行數(shù)據(jù)歸集。

本文選擇的數(shù)據(jù)頻率均為月度數(shù)據(jù)，時間范圍為2015年1月-2020年6月，共66期，主要使用到市場性法人的相關(guān)數(shù)據(jù)。

2.數(shù)據(jù)預(yù)處理

對于月度統(tǒng)計調(diào)查表指標，由于1月不開展調(diào)查無數(shù)據(jù)，1月和2月數(shù)據(jù)采用1-2月累計值求均值處理。

因廣東省采掘相關(guān)部門規(guī)模較小，可以合并考慮，本文使用經(jīng)加工后39部門2017年廣東投入產(chǎn)出表進行分析。

為剔除價格因素的影響，使用來源于廣東調(diào)查總隊的價格指數(shù)對行業(yè)源數(shù)據(jù)進行以2015年為基期的價格調(diào)整。為使經(jīng)過當月處理的數(shù)據(jù)，保持月度環(huán)比增速的平穩(wěn)，先將2015年各月的價格指數(shù)處理成相對于2015年全年的價格指數(shù)，再將2016年之后各月整理計算為相對于2015年全年的價格指數(shù)。

（四）直接損失的預(yù)測結(jié)果及分析

為簡化建模過程，本文只分析在疫情中產(chǎn)出受損失的部門。考慮到廣東省農(nóng)林牧漁業(yè)在第一季度損失較小、第二季度已基本不受影響；金融、公共管理社會保障和社會組織因抗疫活動需要，產(chǎn)出有所增長，不在本文所討論的產(chǎn)出損失范疇中；采掘相關(guān)部門在廣東企業(yè)單位數(shù)少產(chǎn)出量?。幌挛膶嶋H建模部門數(shù)目為35個。

1.干預(yù)分析模型設(shè)定與估計

（1）建模思路 建模分為三個步驟，見圖9所示。

需要指出的是，部分行業(yè)2020年1—6月疫情發(fā)生后的實際經(jīng)濟指標值除1—2月有所影響，其他月份較2019年同期快速恢復(fù)增長，沒有足夠的干預(yù)值進行參數(shù)估計，我們判定該行業(yè)部門受疫情干預(yù)影響不明顯，不適用干預(yù)分析模型，對這類行業(yè)對應(yīng)部門直接建立“步驟二的季節(jié)型ARIMA模型”進行預(yù)測，不再進行干預(yù)分析建模步驟。所涉及的部門有9個：“16通用設(shè)備”“17專用設(shè)備”“23金屬制品機械和設(shè)備修理服務(wù)”“29交通運輸倉儲和郵政業(yè)”使用營業(yè)收入測算的部分、“31信息傳輸軟件和信息技術(shù)服務(wù)”“33房地產(chǎn)”使用營業(yè)收入測算的部分、 “36綜合技術(shù)服務(wù)”“37水利環(huán)境和公共設(shè)施管理”“38居民服務(wù)修理和其他服務(wù)”。

（2）實證結(jié)果與分析（以部門“41文化、體育和娛樂”為例） 本文采用R統(tǒng)計軟件對數(shù)據(jù)序列進行分析、處理并通過對序列進行平穩(wěn)性檢驗、差分處理、自相關(guān)、偏自相關(guān)、白噪聲檢驗等建立ARIMA相關(guān)模型，季節(jié)型ARIMA模型參數(shù)項通過設(shè)定參數(shù)循環(huán)計算AIC值，利用赤池信息準則即AIC值最小原則選擇相應(yīng)的模型參數(shù)。[9]若最小AIC值選擇出的模型帶漂移，則通過自相關(guān)圖和偏自相關(guān)圖進行重新定階。鑒于文化、體育和娛樂部門（以下簡稱文體娛部門）為人員集聚性行業(yè)，受疫情影響較大，具有一定的行業(yè)代表性，本文以文體娛部門為例進行模型實證分析，文體娛部門以規(guī)模以上企業(yè)月度營業(yè)收入加應(yīng)交增值稅作為度量該行業(yè)產(chǎn)出的主要經(jīng)濟指標。

圖9 建模思路

步驟一：未受疫情影響的季節(jié)型ARIMA模型實證結(jié)果

以未有較大突發(fā)事件發(fā)生的2015—2019年經(jīng)價格處理的月度數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集進行建模，并預(yù)測2020年1—12月月度數(shù)據(jù)，作為未受疫情影響的規(guī)模以上企業(yè)產(chǎn)出數(shù)據(jù)。

①平穩(wěn)性檢驗：利用ADF單位根檢驗方法對所選數(shù)據(jù)序列進行平穩(wěn)性檢驗，并對原序列1階趨勢差分和12階周期差分同時檢驗，通過檢驗結(jié)果（p值小于0.05）可以看出，序列1階差分+1階季節(jié)差分在5%顯著性水平下是平穩(wěn)的。

②模型定階：通過設(shè)置ARIMA模型循環(huán)參數(shù)利用AIC值最小原則選擇最優(yōu)模型，得到模型參數(shù)為ARIMA（0,1,2）（0,1,1）12。

③模型殘差白噪聲檢驗：利用Box.test函數(shù)，對季節(jié)型ARIMA（0,1,2）（0,1,1）12模型殘差的LB統(tǒng)計量進行檢驗，得p值為0.65，結(jié)果顯示模型殘差為純隨機序列，通過白噪聲檢驗，模型對原數(shù)據(jù)序列的有用信息提取完畢。

圖10 未受疫情影響下文體娛部門月度產(chǎn)出預(yù)測

④模型預(yù)測結(jié)果：根據(jù)ARIMA（0,1,2）（0,1,1）12模型，我們后推預(yù)測未受疫情影響的2020年12期規(guī)模以上文化、體育和娛樂部門月度產(chǎn)出數(shù)據(jù)。前6期預(yù)測數(shù)據(jù)與2020年的1—6月真實值之間的差異，我們可假定為因疫情突發(fā)對該行業(yè)造成的直接損失。

步驟二：基于疫情影響的季節(jié)型ARIMA模型實證結(jié)果

以2015年1月—2020年6月經(jīng)價格處理的月度數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集，通過構(gòu)建ARIMA模型向后預(yù)測2020年7—12月月度數(shù)據(jù)，作為受疫情影響的文體娛部門月度產(chǎn)出預(yù)測值。方法與步驟一相同，經(jīng)過平穩(wěn)性檢驗、模型定階，最終選擇建立季節(jié)型ARIMA（2,1,2）（0,1,0）12模型。后推預(yù)測在疫情影響下的2020年7—12月6期文體娛部門月度產(chǎn)出數(shù)據(jù)。該6期預(yù)測數(shù)據(jù)與未受疫情影響的ARIMA模型預(yù)測的數(shù)據(jù)差異，見圖11。

圖11 文體娛部門基于疫情影響和未受疫情影響ARIMA模型月度產(chǎn)出預(yù)測比較

步驟三：基于疫情影響的干預(yù)分析模型實證結(jié)果

①計算干預(yù)影響值。由步驟一建立的未受疫情影響ARIMA模型，外推預(yù)測得到2020年1—6月未受疫情影響的文體娛部門產(chǎn)出預(yù)測值Xt，將2020年1—6月文體娛部門月度產(chǎn)出真實值與預(yù)測值的差值作為干預(yù)影響值，記為Zt。

②建立干預(yù)影響模型。此次突發(fā)疫情對經(jīng)濟的干預(yù)影響形式是逐漸開始并長期持續(xù)下去的，我們有，其中，，T=202001。

通過變換，實際上Zt為1階自回歸模型，，用最小二乘法可得參數(shù)的估計值

③建立干預(yù)分析模型。利用為消除干預(yù)影響的凈化序列建立干預(yù)分析模型，由序列實際觀測值Xt加上干預(yù)影響值Zt得到，即Yt=Xt+Zt。綜合前面步驟，可建立最終的干預(yù)分析模型，，T=202001，t=201501，...，202006。

④干預(yù)分析模型預(yù)測結(jié)果。以未受疫情影響的季節(jié)型ARIMA 模型預(yù)測為基準，加入干預(yù)影響值預(yù)測結(jié)果即一階自回歸模型Zt預(yù)測值，得到干預(yù)分析模型預(yù)測值。根據(jù)未受疫情影響的ARIMA、基于疫情影響的ARIMA及干預(yù)分析模型3種模型建模結(jié)果，及分別預(yù)測的2020年7—1 2月文體娛部門月度產(chǎn)出，可作圖比較，結(jié)果見圖12。

圖12 文體娛部門月度產(chǎn)出數(shù)據(jù)三種建模方法預(yù)測比較

通過比較圖可以看出，干預(yù)分析模型對2020年1—6月的擬合值與真實值基本重疊，擬合效果較好，其2020年7—12月預(yù)測值與未受疫情影響的ARIMA 模型預(yù)測值的差值可看作文體娛部門受疫情影響的直接損失。

2.GRNN模型的訓(xùn)練與預(yù)測

（1）模型數(shù)據(jù)處理 對輸入輸出數(shù)據(jù)進行歸一化處理，轉(zhuǎn)化為[0,1]的數(shù)值，歸一化公式為

（2）確認超參數(shù) 本文參照Sprecht（1993）提出的方法進行確定超參數(shù)，[10]用2015年1月—2019年12月的樣本進行網(wǎng)絡(luò)擬合訓(xùn)練，通過超參數(shù)的不同取值進行嘗試，對2020年1月—6月的6期數(shù)據(jù)進行預(yù)測，分別計算不同參數(shù)值的誤差均方根。取值范圍為0.0 01到0.02，每次增加0.001個單位量，選出最優(yōu)超參數(shù)。我們以文體娛部門為例，發(fā)現(xiàn)參數(shù)在0.01時，誤差均方根為最小，因此確定該行業(yè)最優(yōu)參數(shù)為0.01，見圖13。

圖13 不同超參數(shù)對應(yīng)RMSE值

（3）模型訓(xùn)練與預(yù)測 GRNN模型分為訓(xùn)練和預(yù)測兩個階段。訓(xùn)練環(huán)節(jié)，我們先將步驟二2015年1月—2019年12月擬合值及步驟三2020年1月—2020年6月擬合值序列作為輸入變量，2015年1月—2020年6月實際值序列作為輸出變量進行訓(xùn)練，訓(xùn)練構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)。預(yù)測環(huán)節(jié)，將步驟三的2020年7月—12月干預(yù)分析模型的預(yù)測值序列作為輸入變量放入構(gòu)建好的網(wǎng)絡(luò)模型中進行預(yù)測，輸出值為2020年7月—12月GRNN模型預(yù)測值。

利用干預(yù)分析模型和GRNN模型對文體娛部門數(shù)據(jù)進行處理得到相應(yīng)的預(yù)測結(jié)果見圖14。從兩種方法來看，通過GRNN模型訓(xùn)練之后，預(yù)測出的歷史年份數(shù)據(jù)與實際值重合度更高，而干預(yù)分析模型在歷史年份的預(yù)測誤差相對更大。因此GRNN模型，相對于單純的干預(yù)分析模型，在預(yù)測的精確性上具有較大的提高，預(yù)測結(jié)果也就相對比較可靠。

圖14 干預(yù)分析模型與GRNN模型的預(yù)測值比較

進一步通過決定系數(shù)來評價兩個模型的效果，計算結(jié)果見表5，通過GRNN優(yōu)化后的模型效果明顯較好。因此，本文將使用GRNN模型對干預(yù)模型中步驟一未受疫情影響的ARIMA模型預(yù)測值和步驟三干預(yù)分析模型預(yù)測值分別進行進一步優(yōu)化。

表5 模型效果對比

表6 文體娛部門2020年主要經(jīng)濟指標預(yù)測 (單位：億元)

（續(xù)表）

3.直接損失結(jié)果計算

（1）總產(chǎn)出及各部門月度占比推算 廣東省2020年政府工作報告提出，今年全省地區(qū)生產(chǎn)總值預(yù)期目標是增長6%左右。計算2016-2018年的增加值率可得，近三年的增加值率變異系數(shù)僅為0.01，因此以近三年的增加值率平均值推算2020年的總產(chǎn)出現(xiàn)價為33.6萬億元。因2018年經(jīng)普年份的資料較齊全，假定2020年保持2018年各部門對應(yīng)產(chǎn)出占總產(chǎn)出的比例不變，以各部門產(chǎn)出代表指標2018年月度值分劈年度值得到月度占比。

（2）各部門加權(quán)產(chǎn)出損失率 2020年1-6月使用以GRNN模型優(yōu)化后的未受疫情影響的ARIMA模型測算結(jié)果與實際發(fā)生值，7-12月使用以GRNN模型優(yōu)化后的未受疫情影響ARIMA模型測算結(jié)果與干預(yù)分析模型（或其中有10個部門是受疫情影響ARIMA模型）預(yù)測結(jié)果，計算各部門逐月的產(chǎn)出指標損失率，此時各部門損失率就變?yōu)橥涣烤V。再根據(jù)部門內(nèi)部2018年各行業(yè)產(chǎn)出比例進行加權(quán)，如部門“29交通運輸、倉儲和郵政”由運輸總周轉(zhuǎn)量和三個行業(yè)大類的營業(yè)收入兩個指標合成，對應(yīng)的權(quán)重為2018年“道路、鐵路、水上和航空運輸業(yè)”與“管道運輸業(yè)、多式聯(lián)運和運輸代理業(yè)、裝卸搬運和倉儲業(yè)、郵政業(yè)”產(chǎn)出（2015價）分別占交通運輸倉儲和郵政業(yè)總產(chǎn)出的比重。

（3）直接產(chǎn)出損失 綜合計算可得廣東省2020年國民經(jīng)濟總產(chǎn)出受疫情沖擊的直接損失率為7.2%，高于平均損失率的部門，可以認為是受疫情沖擊嚴重的部門，共有20個部門，直接損失率見表7。

表7 2020年受疫情沖擊嚴重部門的直接損失情況

（續(xù)表）

（五）間接損失的預(yù)測結(jié)果及分析

1.動態(tài)IIM模型參數(shù)選擇及計算

根據(jù)直接損失階段的建模結(jié)果，對所有損失率為負數(shù)的部門進行對應(yīng)的參數(shù)計算。以文體娛部門為例，見表8：

表8 文體娛部門逐月直接損失率

（1）計算起點 疫情后的首期數(shù)據(jù)為2020年2月，此時t0=0，q(t0)=0.446。

（2）均衡階段 后期損失率的最大值在4月出現(xiàn)，此時到達第二階段均衡階段，q(t1)=0.568，建模確定均衡點影響的是c*，c*假定為一個點，此時△q(t)=0，數(shù)值是與時間t無關(guān)的常數(shù)，除文體娛部門外，大部分部門產(chǎn)出直接損失率的最高峰在2月或3月到達，為簡便計算設(shè)定t1=1。

（3）末期生產(chǎn)能力 除文體娛等個別部門外，大部分部門在12月的損失率轉(zhuǎn)正或縮減到一個較小值，因此可以認為疫情沖擊在12月基本結(jié)束，此時t2=10，q(t2)=0.340，此時Ti=10，

（其他正常增長和短暫性生產(chǎn)能力下降的部門，給定ki=1）。

2.動態(tài)IIM模型計算間接產(chǎn)出損失

根據(jù)式（4）使用python語言可計算得到各部門受經(jīng)濟系統(tǒng)關(guān)聯(lián)影響下逐月不可運行性程度向量q(t)，經(jīng)加權(quán)計算整理后的各部門損失率情況見表9。

表9 2020年下半年加權(quán)計算的直接和間接損失率

(續(xù)表)

計算可得各部門逐月非線性的關(guān)聯(lián)產(chǎn)出間接損失率及損失值。以上述表9中前8位間接損失率較大的部門為例，逐月的間接損失值如圖15所示：

圖15 部分部門2020年當月產(chǎn)出間接損失值情況（單位：億元）

動態(tài)IIM模型對于關(guān)注特定部門的管理決策者特別有用。[11]僅以文體娛部門為例，如能采取措施使部門不可運行性在12月成功降到5%，即q(t2)=0.0 5，則整個系統(tǒng)下半年的總產(chǎn)出將降至18,476.29 億，比表10 中的結(jié)果減少404.67 億元。其中挽回產(chǎn)出損失最大的3 個部門分別是文體娛（287億元）、造紙印刷和文教體育用品（18 億元）、化學(xué)產(chǎn)品（14 億元），見表10。

表10 下半年間接產(chǎn)出損失值

（六）模型基本結(jié)論

通過模型測算結(jié)果可以得出，本次疫情對廣東經(jīng)濟總體沖擊影響較大。不考慮上半年的實際發(fā)生值，預(yù)測下半年總產(chǎn)出直接損失率為5.0%、直接損失值為0.93萬億元；預(yù)測間接損失率為9.8%、間接損失值為1.89萬億元。根據(jù)疫情對經(jīng)濟產(chǎn)出的總體影響和逐月影響來看，全年GDP走勢“煙斗形”特征較為顯著，與上文的定性分析基本吻合。

一是有多達20個受沖擊影響嚴重的行業(yè)部門。全部39個部門中有“文化體育和娛樂”、“木材加工品和家具”等第二和第三產(chǎn)業(yè)的20個部門（見表7）全年總產(chǎn)出直接損失率高于7.2%，且大于平均直接損失率的月份最少在5個月以上。

二是有11個行業(yè)部門受疫情沖擊影響較輕?！靶畔鬏斳浖托畔⒓夹g(shù)服務(wù)”“教育”“電力熱力的生產(chǎn)和供應(yīng)”“建筑”“通信設(shè)備計算機和其他電子設(shè)備”等11個部門全年總產(chǎn)出直接損失率低于7.2%，且小于平均直接損失率的持續(xù)月份大部分在3個月內(nèi)（見表7）。

三是有行業(yè)部門快速強勁復(fù)蘇且受益于疫情沖擊。除金融、公共管理等疫情后產(chǎn)出增長未納入研究的部門外，“金屬制品、機械和設(shè)備修理服務(wù)”“其他制造產(chǎn)品和廢品廢料”“專用設(shè)備”3個部門有2-3個月的損失率大于平均直接損失率，但后期損失率快速下降且2020年全年直接損失率為負，即在疫情沖擊下產(chǎn)出比按往年產(chǎn)出增長規(guī)律預(yù)測的量還大。初步判斷是因國內(nèi)外防疫需要，相關(guān)產(chǎn)品的市場需求較大引起。

四是關(guān)聯(lián)影響不容忽視。表9所示的前7個部門下半年預(yù)測直接損失率均小于間接損失率，如“其他制造產(chǎn)品和廢品廢料”的直接損失率為負數(shù)，即按1-6月趨勢預(yù)測下半年會有好于往年的產(chǎn)出，但從經(jīng)濟系統(tǒng)整體看，如廣東其他部門下半年不可運行性程度較大，有可能受其他部門拖累，產(chǎn)生較大的間接損失。直接和間接損失率均大于20%的部門是“紡織品”、“文化體育和娛樂”“木材加工品和家具”“紡織服裝鞋帽皮革羽絨及其制品”，以勞動密集型行業(yè)為主，對就業(yè)和民生的影響較大。

五是行業(yè)恢復(fù)彈性系數(shù)k是關(guān)鍵參數(shù)。在初始產(chǎn)出損失已確定的前提下，只與后期恢復(fù)時間長度Ti和最終可恢復(fù)程度qi(Ti)有關(guān)。恢復(fù)正常所需時間越短、恢復(fù)正常生產(chǎn)能力比重越高，產(chǎn)出的損失將加速減少。如文體娛部門若到年底的損失率由34%降至5%，部門間接產(chǎn)出損失將減少3.6倍，且能同時減少其他相關(guān)部門的產(chǎn)出損失。

四、政策建議

面對疫情對經(jīng)濟社會前所未有的沖擊，我國進行抗擊疫情與穩(wěn)定經(jīng)濟增長“雙統(tǒng)籌”，使得疫情對經(jīng)濟產(chǎn)生的影響逐步減弱，形成當下經(jīng)濟的“煙斗形”走勢。但當前全球經(jīng)濟高度一體化，國外疫情的不確定性對于中國尤其是外向型經(jīng)濟為主的廣東影響更為顯著。;[12]如果海外疫情能夠積極好轉(zhuǎn)，將有力拉動企業(yè)訂單增長，推動廣東經(jīng)濟快速恢復(fù)；如果國外疫情進一步惡化，不僅將增加國內(nèi)的疫情防控難度，對國內(nèi)市場和國外需求恢復(fù)都會產(chǎn)生不利影響，需進一步積極主動加以應(yīng)對。

一是研判全球疫情走勢，充分利用國際國內(nèi)雙循環(huán)。積極應(yīng)對國外疫情沖擊，鞏固國內(nèi)疫情防控的大好形勢，在大力開拓國際市場份額同時，充分開發(fā)國內(nèi)市場，減少出口下降對經(jīng)濟增長影響。工業(yè)企業(yè)特別是出口型企業(yè)應(yīng)主動謀求轉(zhuǎn)變，加大創(chuàng)新和研發(fā)力度，提高產(chǎn)品競爭力，充分利用信息化手段，推動企業(yè)打通生產(chǎn)、流通和消費各個環(huán)節(jié)，提高企業(yè)競爭力，促進企業(yè)生產(chǎn)和效益雙增長。

二是加強重點行業(yè)生產(chǎn)經(jīng)營監(jiān)測，對受疫情沖擊影響嚴重行業(yè)加大政策紓困力度。在直接和間接損失率均較大的關(guān)鍵行業(yè)部門重點發(fā)力，穩(wěn)住優(yōu)勢產(chǎn)業(yè)基本盤，受疫情沖擊影響較輕的第二產(chǎn)業(yè)行業(yè)主要是廣東有優(yōu)勢的信息產(chǎn)業(yè)和裝備制造業(yè)，要抓住機遇做優(yōu)做強；從時間和程度兩方面著力進行生產(chǎn)恢復(fù)，著重“快”和“實”，盡可能縮短產(chǎn)出能力恢復(fù)時間，減少生產(chǎn)能力不可運行性程度。[13]

三是穩(wěn)住就業(yè)數(shù)量，穩(wěn)步提升就業(yè)質(zhì)量。就業(yè)民生工程和經(jīng)濟發(fā)展的基礎(chǔ)，在穩(wěn)就業(yè)的同時應(yīng)穩(wěn)步提升就業(yè)質(zhì)量，要搭建優(yōu)質(zhì)就業(yè)平臺為供需雙方“穿針引線”；加強職業(yè)培訓(xùn)機構(gòu)、院校的校企合作，對參與培訓(xùn)企業(yè)職工學(xué)費減免；構(gòu)建以政府為主導(dǎo)，企業(yè)為主體，職業(yè)院校為引導(dǎo)，形成“政校企一體”發(fā)展模式，讓職業(yè)院校為企業(yè)注入新活力。