定量测算：疫情对一季度经济影响有多大?（长江宏观于博团队）

原创于博刘承昊于博宏观札记

收录于合集

作者：于博，刘承昊

核心观点

1. 本轮本土疫情影响范围为武汉解封以来最广。根据我们的梳理，截止4月4日，本土疫情波及29个省的245个地级市（区），相关地级市（区）占全国GDP的比例近80%。但各地区受疫情影响的严重程度存在差异，疫情造成的整体经济损失仍需定量测算。

2. 在衡量对经济冲击的程度时，疫情天数比病例规模更可比。我们发现，由于Omicron传播快、毒性大，“病例规模”这一指标已经不具纵向可比性。相比之下，“疫情天数”这一指标大致反映了疫情治理的难度，因而用来衡量疫情影响，在横向和纵向均可比。

3. 疫情天数与经济影响之间存在着非线性且递增的关系。对去年8月实施“封控-管控-防范区”防控方案后到去年底的多轮城市疫情数据，我们将疫情持续天数分为10-20天、20-30天、30天以上三档，每10天的GDP平均损失分别为0.42pct、0.45pct和0.94pct。

4. 估算一季度GDP增速损失约1个百分点。我们将上述三档分类下的GDP损失均值作为中性情景下的参数，乐观情境的取值为各档损失参数减半，悲观情境将取均值样本范围拓宽至2020年6月后历次疫情。我们估乐观、中性、悲观情形下，一季度GDP增速分别损失0.5pct、1pct和1.2pct。

5. 基于经济活跃度来估算GDP增速，影响约为1.2个百分点。由于疫情主要影响经济活跃程度，GDP加权后的百城拥堵延时指数与GDP当季同比高度相关，由此测算得到一季度GDP拟合结果为4.34%，相当于损失1.2pct，与上述估算的悲观情境较为接近。

1. 定性判断：疫情波及范围为2020年初以来最广

2. 经济冲击：疫情天数比病例规模更可比

3. 定量测算：一季度经济增长到底受到多大冲击？

以下是正文

定性判断：疫情波及范围为2020年初以来最广

从影响范围来看，3月以来的本土疫情已是武汉解封以来最严重的一次。

首先，以病例数规模为标准，本轮疫情病例数远超2020年初以来历次本土疫情。本轮疫情自3月中旬以来，日新增本土确诊病例数始终维持在1000例以上，纳入无症状感染者的阳性病例数在3月下旬维持在5000例以上，并于清明期间破万。

其次，以波及范围为标准，本轮本土疫情影响范围远超2021年三季度疫情的次高点。

从省级数据来看，31个省级单位中，仅有宁夏与西藏未出现阳性。截至4月4日，14天内通报本土病例的省份数量为29个，相关省份占全国GDP的99.4% 。

从地级市层面的数据来看，当前疫情呈现出多点散发的形势，涉疫地区GDP占比之和接近80%左右。3月下旬以来，每日上报本土病例的地级市（区）数量持续保持在90个以上。截至4月4日，14天内通报本土病例的地级市（区）数量为245个，相关地区占全国GDP的比例为79.6%。

3月以来，我们持续使用“波及范围”这一指标衡量疫情可能对经济增长造成的影响。但需要说明的是，波及范围仅能提供大致准确的定性判断。

波及范围有多广，本质上是“有哪些地区的经济增长可能被本土疫情直接影响”这一问题的答案，但各地区受疫情影响的严重程度各不相同。以当前本土疫情为例，上海、吉林是受影响较为严重的地区，两地区单日新增病例数占全国单日新增病例数的96.4%（4月4日数据），且上海和吉林两地疫情持续时间都已经超过1个月。直观地看，上海和吉林经济增长的损失可能比同期其他地区更严重。

因而，我们认为，有必要对疫情造成的经济损失进行定量的测算。在本文中，我们将着眼于以下问题：疫情将对一季度GDP造成多大程度的损失？

经济冲击：疫情天数比病例规模更可比

在定量测算中，“可比性”问题对结果的稳健性至关重要。当前，预测疫情损失的主流方法是用历史样本推演本轮疫情的损失。但疫情本身和人们应对疫情的方式并非一成不变。也就是说，稳定的预测结果需要找到疫情发展中仍存留的可比之处。

我们认为，在分析本次疫情造成的影响时，需要把握两个关键点：1）不同的病毒特性；2）相似的防疫策略。

病毒方面，本轮疫情主要是Omicron毒株，传播更快，但毒性偏弱。回顾全球疫情的发展，主要可以分为三个阶段：1）2021年夏季前流行毒株为早期Alpha和Beta毒株；2）2021年夏季开始，毒性更强、传播速度更快的Delta毒株逐渐成为主要流行的毒株；3）2021年冬季开始，毒性更弱，传播速度更快的Omicron毒株开始占据主流。根据4月1日国务院联防联控机制发布会上的专家观点，本轮春季疫情也是受到了Omicron毒株的影响。

Omicron毒株“流行”之下，对标“病例规模”意义不大。从规模来看，上海、吉林等地的病例数规模可对标的样本仅有2020年初的武汉。而就同一省份内而言，广东、河北、辽宁等省份本轮疫情规模也普遍超出了省内历史疫情。更重要的是，由于病毒毒性和疫苗广泛接种的双重作用，疫情所造成的负面影响正在逐步下降，使得围绕“病例数”划分疫情严重程度的方法在纵向上不具可比性。

而从防疫策略来看，防疫总方针与基本策略变化不大，疫情管控措施对经济增长的影响路径也保持不变。

从总方针来看，我国始终强调动态清零的总目标。3月17日政治局常委会曾明确指出“坚持动态清零，尽快遏制疫情扩散蔓延势头”。此后，国务院联防联控机制发布会多次表态，孙春兰副总理也在吉林、上海防疫一线指导工作的讲话中强调“动态清零”的总目标。

而就管控策略而言，当前管控措施整体延续了2021年8月以来的新方案。在武汉疫情爆发后，为实现分级管理，卫健委出台了“高-中-低风险区”的划定标准，对聚集性疫情爆发地及其周边进行管理（起初以县级行政区为基本单位划区）。而2021年7月南京、扬州疫情爆发后，为了防止阳性病例曾逗留的地区发生新的聚集性疫情，卫健委出台了“封控-管控-防控区”方案作为“高-中-低风险区”方案的补充，同时，封控单元从区县缩小到街镇，实现了防疫的初步精准化。两组政策相互配合的方案延续至今，始终是疫情期间人员、物资流动管制的主要标准。

简言之，历次疫情的可比之处在于：社会面管控的最终目标一致，且管控措施有延续性。尽管各地防疫措施松紧的节奏不同，但动态清零的原则之下，扑灭一场局部疫情的社会面管控措施是类似的。社会面管控所带来的经济活跃度的下降也是相同的。

因此，我们认为，可以用“疫情持续天数”作为衡量疫情影响程度的指标。尽管病毒的特性不同，但每一轮疫情的起点（聚集性疫情出现）和终点（实现清零）是一致的。因此，管制策略总是“希望”从速扑灭疫情。故而，疫情持续天数大致反映了疫情治理的难度，与历史疫情是纵向可比的，在跨区域之间也是横向可比的。

但需要注意的是，疫情持续天数对于经济的影响具有非线性特征。社会面管控的时间越长：1）从企业角度看，涉疫地区的原材料供应越难、对外销售的难度越大，2）从居民角度看，收入减少导致更谨慎的支出、预期转弱的幅度也更大。因而，从逻辑上推断，疫情在单位时间对经济产生的负面影响或是随总天数的增加而递增的。

定量测算：一季度经济增长到底受到多大冲击？

在找到了疫情可比性的逻辑切入点之后，在本章，我们将搭建本土疫情的数据库，验证我们的判断，并据此估计一季度GDP的损失。

首先，在历史样本采集上，我们搜集了截至2021年末共计22轮的城市疫情数据（直辖市数据不再细分到区级），计算了疫情持续天数、本土阳性病例总数、该城市当季GDP增速，以及该城市当季GDP同比增速与同时期全国GDP同比增速的增速差。

基于该数据库，我们对上一章中的两个判断进行了验证。

一是，相比病例数规模，疫情持续天数能更好地解释疫情损失。在简单的线性回归模型中，疫情持续天数与疫情造成的GDP损失呈现负相关关系，且天数变量自身对GDP损失具有一定解释力。相比之下，病例数规模与GDP损失之间没有明显的相关关系，且对GDP损失的解释力极弱。

二是，疫情持续天数对于GDP的影响是非线性且递增的。我们将样本库分档分组，将疫情样本根据疫情持续天数分入“10-20天”、“20-30天”、“30天以上”三档，并根据社会面管控举措的差异分为“2020年6月以前”；“2021年8月以前”（即2020年7月-2021年8月）以及“2021年8月以后”三个阶段。我们发现，从均值角度来看，持续30天以上的疫情在每10天的GDP损失要明显大于其他两档，而20-30天一档的疫情在每10天的GDP损失上略大于“10-20天疫情” 。也就是说，疫情持续天数各档的单位时间经济损失存在递进关系。

经过验证，我们认为，以疫情持续天数为基础估计单一城市在疫情中的GDP损失是较为稳健的方法。

为了保证预测结果的稳健性，我们依据历史疫情数据设定了乐观、中性、悲观三种情境，对不同档位的疫情持续天数赋以不同水平的GDP损失水平。

中性情境的基准是：2021年8月以来不同档位本土疫情GDP损失的均值。我们分档计算得到：10-20天档，每10日GDP损失为0.42pct；20-30天档，每10日GDP损失为0.46pct；30天以上档，每10日GDP损失为0.94pct 。我们认为，2021年8月以来防疫策略与当前应对疫情的策略基本一致。

乐观情境的标准是：将中性情景的损失规模整体降低50%。这一情境的考虑主要是，在大范围疫苗接种的背景下，本土造成的社会恐慌下降，经济活动主动收缩的幅度变小。

悲观情境的标准是：扩大样本到2021年8月以前的疫情，再分档取均值（不含2020年6月前疫情）。这一情境之下，10-20天档，每10日GDP损失为0.58pct（较中性情境多损失0.16pct）；20-30天档，每10日GDP损失为0.65pct（较中性情境多损失0.2pct）；30天以上档，每10日GDP损失仍为0.94pct。这一情境的设置，主要是考虑到由于全国多地疫情散发，防范本土疫情的难度加大，跨地区流动正在逐步收紧，额外制约经济活动。

在确定情境假设之后，我们展开具体测算。

根据卫健委每日疫情通报数据，我们整理了一个涵盖341个城市的疫情数据库，包括直辖市与其他地级市，其中有240个城市一季度曾上报过阳性病例、96个城市单轮疫情持续时间超过10天。我们统计了每个城市一季度内10天以上的疫情，并根据三种情境的假设进行了GDP损失的估计。

例如：上海一季度共经历两轮疫情，两轮疫情在一季度范围内的天数分别是：15天（1月1日-1月15日）、40天（2月20日-3月31日）。在乐观估计下：对应的一季度GDP损失为：15 / 10 *(-0.42) + 40 / 10 * (-0.94) = -4.39pct 。

在完成每一城市的估计后，我们再根据其2019年GDP占比进行加权平均运算，计算出全国一季度GDP的损失。

我们估计：乐观情境下，一季度GDP损失0.5pct；中性情境下，一季度GDP损失1.01pct；悲观情境下，一季度GDP损失1.21pct。

我们此前预估，无疫情环境下，一季度GDP或为5.5%。

与上述结果合并考虑，可以得出：乐观情境下，一季度GDP同比增长5%；中性情境下，一季度GDP同比增长4.5%；悲观情境下，一季度GDP同比增长4.3%。

此外，我们还利用百城拥堵延时指数对一季度GDP增速进行了拟合，作为上述估算的侧向印证。疫情直接影响经济活跃度，GDP加权后的百城拥堵延时指数季度均值同比对于GDP当季同比有着较好的拟合效果。因此，我们利用GDP加权后的百城拥堵延时指数的一季度同比增速来预测一季度GDP同比增速。我们估计，一季度GDP同比增速的拟合值为4.34%，损失为1.16pct，与上述估算中的悲观情境较为接近。