伴随着湖北省外的新冠病毒疫情逐步可控,如何评估疫情对经济的冲击,成为一个重要的课题。目前的方法主要有两类,第一类是参考2003年非典、2009年甲型H1N1流感等历史事件,来类比当下。这种方法的优点是历史数据完整,缺点是只能作为参考。笔者也写了《如何评估疫情对经济的冲击?(基于SARS的一个DID分析)》、《如何评估“国际公共卫生紧急事件”对出口的影响》等文章。
第二类是自下而上的思路,先具体分析受疫情影响的行业,再将行业影响加总。这种方法的优点是数据比较准确,缺点是行业数据加总成宏观之后,会失真。举个例子,今年春节期间,假设餐饮行业的营业额减少了1000亿,就代表整体消费减少1000亿吗?显然不对,因为没有考虑其他行业的变动。
因此还有一种方法,是直接观察宏观数据的同比增速。这个方法是最准确的,但是有两个缺点。第一,很多宏观数据,不单独公布1月和2月的月度数据,而是只公布1-2月的累计数据;第二,新冠疫情的爆发,恰逢春节假期,因此有春节因素的强烈干扰。
因此对于我们来说,如果可以找到一个颗粒度比较细,至少是周度的宏观数据,并剔除春节干扰,就可以对疫情冲击做一个比较准确的评估。
在本文中,笔者选择六大发电集团的日均耗煤量作为分析对象。选择这个数据的优点在于,第一,这个数据是物量数据,不需要剔除价格因素;第二,这个数据的颗粒度很细,是日度数据;第三,这个数据可以用来评估工业生产情况。
关于剔除春节效应的方法,目前常用的方法有两种:第一,虚拟变量法,即春节所在月设置为1,其他月份设置为0;第二,工作日调整法,计算春节所在月份的实际工作日,然后调整。
笔者认为,这两种方法都有些粗糙。因为春节的影响是一段时间,不仅仅影响当月,而且春节的影响是渐变的,春节前生产活动逐步下降,春节后生产活动逐步恢复。
因此本文采取的春节调整的方法为:设定春节假期的影响时间为27天,由腊月23号持续至正月19号。然后将这27天在不同的公历月进行分配,每一年的春节影响因素之和标准化为1。
然后我们将六大发电集团的日均耗煤量取对数后,对年份、月和春节效应做回归。我们可以来观察一下月度和春节效应的估计系数如下图。从下图可以看到,春节效用对用电量有很明显的负面拖累,其他月份中,2月、5月、10月、11月的用电量在5%的显著性水平下偏弱,其他月份基本持平。
图:月份和春节效应的回归系数
下面我们可以用剔除了年份、月份和春节效应的残差项,来计算耗煤量的同比增速如下图。
从图中可以看到,今年1月份,耗煤量几乎没有受到影响,而且呈现出底部企稳的迹象。背后是两点信息,第一是如果没有疫情的意外冲击,目前应该是处于经济的企稳弱复苏中。第二,疫情对1月生产的冲击很小,因为疫情加重的时候,恰好是春节前开始放假了。
疫情对2月份生产的冲击非常明显,按照截至2月14日的耗煤量数据来估算,目前的生产端,相当于去年的60%左右。后面我们会陆续采取这种方法,对消费等数据进行评估。
图:剔除季节性的耗煤量同比
领取专属 10元无门槛券
私享最新 技术干货