阅读：0
听报道
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。
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。
话题：
0
推荐
财新博客版权声明：财新博客所发布文章及图片之版权属博主本人及/或相关权利人所有，未经博主及/或相关权利人单独授权，任何网站、平面媒体不得予以转载。财新网对相关媒体的网站信息内容转载授权并不包括财新博客的文章及图片。博客文章均为作者个人观点，不代表财新网的立场和观点。
京公网安备 11010502034662号 