数据说话：地方政府如何“对冲”疫情对经济数据的影响

文丨陈沁（脉策数据首席经济学家，经济学博士） 

在刚刚过去的2022年上半年，中国经历了不亚于2020年的严重新冠疫情，经济增长也下滑至2.5%，是2020年上半年以来增长最慢的一个半年。

这两周，各城市的半年度经济数据陆续出炉。可以看到，在GDP排名前60的城市中，除了石家庄、临沂、济宁、鄂尔多斯、漳州、榆林、潍坊这7个城市，其他53个城市在2022年上半年的增速都低于2019年——有疫情影响前的最后一个年份。

疫情在多大程度上影响了经济数据？

疫情对经济数据造成了多大的影响？

在全国层面，我们很难将疫情造成的衰退和经济增长放缓区分开。但在城市层面，对比一个遭遇了疫情的城市，和一个疫情程度较轻/没有疫情的城市，排除城市本身特征后，便可算出疫情对经济数据造成的影响。

我们搜集了中国三百余个城市在2020年和2022年的经济数据以及疫情数据，研究两者之间的关系（2021年上半年时，除石家庄以外，其他城市几乎没有疫情，因此不在我们的研究范围内）。

由于每个城市的体量、发展程度不同，稳定状态下的每年增长率也不同。我们将下式定义为每个城市在疫情期间的“超基准增长”：

上式将每一个城市在疫情前最后一年的增速作为基准增长率，在基准以外的经济增长或者是衰退，被定义为疫情影响之下的额外经济影响。我们用下式定义每个城市的疫情程度：

结果见下图——

可以看到，2020年时，感染人口占比与超基准增长之间的关系大约是：感染人口每增加1%，半年度内的GDP增长下滑0.021%。而在2022年，感染人口每增加1%，半年度内的GDP增长下滑幅度减少至0.0051%。

拟合线越平，斜率的绝对值越小，意味着疫情对于经济的影响越小。斜率从-0.021下降至-0.0051，变为之前的四分之一，这意味着同样程度的疫情，在2022年对GDP增长造成的影响仅有2020年时影响的四分之一。

这样的影响缩小，意味着在疫情防控上的“科学精准”程度不断提高，因疫情而导致经济增长放缓的程度，也逐渐减少了。

疫情在多大程度上影响了高频数据？

疫情对经济增长的影响为何会越来越小呢？我们可以从高频数据中看到答案。在之前的几篇文章（例如《封控政策》《烟火气》），我们用到了娱乐餐饮指数、人流量指数、电商销售量、人口迁徙指数、货运量指数、道路拥堵指数等来计算居民生活会在多大程度上被疫情所影响。

那么，在2020年和2022年，疫情对于这些高频数据造成的影响，会有什么不同呢？我们选择了娱乐餐饮指数、货运量指数和道路拥堵指数，分别表征一个城市的消费能力、生产能力、正常生活秩序。

对于这三项指数，可以画出下图：

从以上三张图中，我们可以发现几点：

1. 2020年上半年的疫情对娱乐餐饮影响比2022年更大。感染人口占比每增加1%，娱乐餐饮强度会额外下降0.042%。而在2022年时，同样程度增加的感染人口占比仅能将娱乐餐饮强度降低0.019%。后者约为前者的一半。
2. 2022年上半年的疫情对货运指数和拥堵指数的影响，和2020年时几乎相同。2020年1%的感染人口增加会使得货运指数下降0.0258%，拥堵指数下降0.0118%，2022年时该数字微增至0.0259%和0.012%。两年的影响系数之间没有显著差异。

从上表可以发现，同样程度的疫情，在2022年对居民生活所产生的的高频数据造成的影响，在某些方面（娱乐餐饮等）比2020低一半多，而在另一些方面（货运、出行）却并没有多少区别。

当我们把疫情对经济数据和疫情对高频数据的影响结论合并在一起时，就会出现矛盾：疫情在2022年对GDP增速的影响，只有2020年的四分之一。但疫情在2022年对人们生活的影响，和2020年的差别却没有那么多。

疫情下的城市生活和城市经济数据，出现了背离。

用高频数据解释统计数据

疫情对生活造成的影响没有减少多少，但对统计数据的影响却率先减少了。为何会有这种现象呢？

我们试着用各类高频数据，对统计数据进行回归，观察其系数大小以及拟合优度。拟合优度，代表了高频数据的差异，在多大程度上可以解释经济增长的差异。

例如上图左边，用娱乐餐饮指数的变化解释GDP前100城市在2022年上半年的产值增长变化，其系数显著为正，且拟合优度达到了0.358，即2022年上半年时，GDP排名前100城市的总产值增长，有三分之一是可以被娱乐餐饮指数的变化所捕捉到的。

但右图中，我们在同样的口径下用电商销量的变化来解释GDP的超基准变化，其系数就不再显著，且拟合优度也只能达到0.012，即绝大部分GDP增速的变化并不能被电商销量变化所解释。

不同的高频数据，捕捉到了经济活动的不同侧面。用多个指数，在不同时期分别去解释GDP的超基准变化，结果会如何呢？我们使用下式来进行回归：

用上式对不同年份、不同样本的城市GDP超基准变化进行回归，整理历次回归的拟合优度，可以得到下图：

从上表可以看到，从2020年到2022年，高频数据的变化可以解释的不同城市GDP超基准增长的比例分别为16.6%、26.6%和10.8%。

解释程度变化尤其大的正是2021和2022年，高频数据在2021年时能够解释不同城市间GDP增长变化的四分之一，在2022年时下降至十分之一。

如何解读这种变化呢？300个城市具有比较完整的GDP数据和高频数据，我们将样本划分为GDP排名前100的城市和后100的城市，对不同规模的城市进行分别回归。

在上图中可以发现，拟合优度的变化趋势在不同城市区别很大：

——在GDP排名前100的大城市中，高频数据可以解释的经济数据变化比例，越来越大。

2022年，规模在前100名的大城市的GDP增长差异，高频数据能够解释其中的41%。

——在GDP排名后100的小城市中，高频数据可以解释的经济数据变化比例，骤然缩小。

2022年，规模在后100名的小城市的GDP增长差异，高频数据只能解释他们的5.8%。

为什么会有这种现象呢？

其一，在大城市中，服务业占比较高，且无论是服务业还是制造业，经济活动也越来越数字化。当我们能够掌握大城市的消费、出行、货运等高频数据变化时，这些城市的统计数字变化也就可以被高频数据提前捕捉到了。

其二，在小城市中，经济活动的数字化程度还不是很高，服务业占比也较低，地方政府也更能够在疫情造成人们生活影响的同时，采取各种经济手段“对冲”可能造成的经济数据变化，使得经济数字的下滑没有高频数据显示的那样大，这也使得高频数据对这些城市的经济数据解释力度减少了。

结语

随着“科学精准”防控手段的应用，对比2020年初的疫情，在确诊人数相同的情况下，人们的生活被疫情影响的程度正在慢慢减少。例如娱乐餐饮上，人们受到的影响减少了一半。但是在另一些方面，例如货运、交通上，疫情造成的影响并没有显著减少。

同疫情对生活的影响相比，疫情对经济数据的影响减少得更快。同样程度的疫情，2022年时对于GDP增速的影响，仅有2020年时的四分之一。

两者之间的差异，来自不同城市的经济结构变化。

在大城市，随着服务业占比的提高和生活的数字化，各种高频数据可以解释的经济增长变化，在大城市中，非但没有下降，还在逐渐提高。

而在一些小城市，人们正在摸索出一套“对冲”手段，减少疫情对当地经济数据的影响。

举个例子，今年上半年经济增速最快的两个城市，分别是甘肃省金昌市（同比增长11.7%）和福建省宁德市（同比增长9.6%）。其中金昌市在今年未有过疫情，宁德市则在今年的3、4、5月累计了235个确诊病例和无症状感染者。对于一个300万人口的小城市来说，200多个病例，绝不是一个小数字，它们增长秘诀在哪里？

答案是一样的——新能源电池。在今年上半年，这两个小城市都极快地推进了新能源电池行业的落地和发展，相关产业在这两个城市的增长，都达到了20%以上。

金昌市大力实施强工业行动，深入开展“四抓四促”，出台《支持新能源电池产业发展的若干政策》，积极推动设立甘肃镍都产业投资基金，紫金云数据中心被确定为国家绿色数据中心，一批投资体量大、科技含量高、带动能力强的项目高效稳步推进，相继试车投产。升规入统规上工业企业6户，列入省级“专精特新”中小企业6家。化工新材料PVC车间、大板电解镍终端产品车间、龙首矿运输车间获评全省智能工厂和数字化车间。全市规模以上工业增加值增长20.2%，位居全省第一，高于计划11.2个百分点。上半年“2+4”产业链实现产值572亿元，增长37.2%。

目前，宁德时代产品已覆盖全球55个国家和地区，动力电池出货量超过了400GWh，全球每三辆电动车中就有一辆配套宁德时代的电池。……数据显示，上半年全市规模以上工业中，高技术产业增加值同比增长42.4%；对全市规模以上工业增加值的增长贡献率达78.5%；占全市规模以上工业增加值比重53.6%，同比提高6.7个百分点。同时，高技术产业投入力度加大，全市高技术产业投资增长18.8%，增幅高于全市投资平均水平14.6个百分点，对全市投资增长的贡献率达116.6%。其中，高技术制造业投资增长18.4%。

之前在《鬼城》一文中我们提到，一些看似不适合居民生活的“鬼城”，在合适的产业政策下却能发展起来，最终翻盘。

多年之后，类似的政策再次出炉。在无法减少疫情对生活造成影响的情况下，一些城市通过类似的方法对冲疫情对经济数据的影响，使得和居民生活相关的高频数据和实际经济增长数据，来了一个“硬脱钩”。

（文章仅代表作者观点。本文首发于作者微信公号“城市数据团“。界面新闻获授权刊发。责编邮箱：yanguihua@jiemian.com。）