劉學(xué)良 張曉晶

摘 要：以非典疫情為例，本文分析了2003年非典疫情對(duì)我國(guó)宏觀經(jīng)濟(jì)造成的影響，并以此為基礎(chǔ)分析當(dāng)前新冠肺炎疫情對(duì)我國(guó)宏觀經(jīng)濟(jì)可能造成的負(fù)面沖擊。實(shí)證研究結(jié)果發(fā)現(xiàn)：不管是用確診患者數(shù)、死亡數(shù)還是治愈數(shù)變量衡量，2003年的非典疫情均對(duì)當(dāng)年經(jīng)濟(jì)增長(zhǎng)產(chǎn)生了顯著影響；疫情對(duì)那些外來(lái)人口較多、經(jīng)濟(jì)更加依賴(lài)外來(lái)勞工的省份負(fù)面影響更大；電信發(fā)展水平反而加劇了疫情的負(fù)面影響；非典疫情對(duì)經(jīng)濟(jì)的影響存在一定的空間效應(yīng)和全國(guó)效應(yīng)，因此，若只考慮本省份的疫情數(shù)字進(jìn)行估計(jì)，很可能會(huì)低估疫情的負(fù)面影響；疫情對(duì)第三產(chǎn)業(yè)沖擊更大。以非典疫情為基礎(chǔ)，本研究測(cè)算了2020年新冠肺炎疫情對(duì)全國(guó)經(jīng)濟(jì)增長(zhǎng)的可能影響，一季度經(jīng)濟(jì)數(shù)據(jù)顯示綜合考慮疫情持續(xù)時(shí)長(zhǎng)、疫情規(guī)模和兩者交叉項(xiàng)的模型預(yù)測(cè)效果最佳。

關(guān)鍵詞：新型冠狀病毒性肺炎；COVID-19；非典型性肺炎；宏觀經(jīng)濟(jì)；經(jīng)濟(jì)預(yù)測(cè)

一、引言

人類(lèi)漫長(zhǎng)的發(fā)展史，也是一部與傳染?。ㄎ烈撸┎粩嘧龆窢?zhēng)的歷史。從古至今，人類(lèi)遭遇了無(wú)數(shù)的瘟疫，其中有些瘟疫特別嚴(yán)重，對(duì)人類(lèi)生存和發(fā)展的影響巨大，例如鼠疫、天花、流感、霍亂、瘧疾，等等。歷史上發(fā)生的大瘟疫中大概以“黑死病”最為有名：1347年開(kāi)始爆發(fā)的鼠疫流行（黑死病）奪走了2 500萬(wàn)人口的性命，占當(dāng)時(shí)歐洲總?cè)丝诘?/3，并在此后多次發(fā)生，折磨歐洲四個(gè)世紀(jì)之久。黑死病對(duì)歐洲經(jīng)濟(jì)、政治、文化、宗教、科技等方面造成了劇烈的沖擊，產(chǎn)生了巨大的影響。作為一個(gè)文明古國(guó)，中國(guó)歷史上也發(fā)生過(guò)無(wú)數(shù)次疾病流行，歷史記載比較明確的大小瘟疫就有500多次，其中大型瘟疫至少有321次2。1

隨著19世紀(jì)以來(lái)微生物學(xué)和醫(yī)學(xué)的進(jìn)步，人類(lèi)應(yīng)對(duì)傳染病的能力顯著提高。1886年，法國(guó)科學(xué)家巴斯德發(fā)現(xiàn)并提出了細(xì)菌理論，從此，人類(lèi)對(duì)傳染病的防治告別了刀耕火種的原始時(shí)代，霍亂弧菌、鼠疫桿菌等相繼被發(fā)現(xiàn)?？茖W(xué)家還發(fā)明了疫苗和預(yù)防接種技術(shù)，一整套的傳染病防疫體系被建立起來(lái)。1931年，電子顯微鏡被發(fā)明，使得研究者首次得到了病毒形態(tài)的照片。兩個(gè)導(dǎo)致傳染病的罪魁禍?zhǔn)准?xì)菌和病毒都被人類(lèi)發(fā)現(xiàn)，各種疫苗、抗生素等的發(fā)明，極大地降低了傳染病對(duì)人類(lèi)生命和健康的威脅。

然而，傳染病對(duì)人類(lèi)的威脅雖大大降低，卻并未消失，并不時(shí)向人類(lèi)發(fā)起偷襲。2003年春天，一場(chǎng)突如其來(lái)的傳染病非典型性肺炎（SARS）考驗(yàn)了中國(guó)，在感染超過(guò)5 300名居民、造成死亡349例后銷(xiāo)聲匿跡。就在人們已逐漸淡忘非典對(duì)中國(guó)造成的沖擊之時(shí)，2020年，我國(guó)又一次爆發(fā)了新型冠狀病毒性肺炎疫情（以下簡(jiǎn)稱(chēng)“新冠疫情”）。病毒告訴我們，它從未離開(kāi)，而是一直在等待機(jī)會(huì)再次襲擊人類(lèi)。

截至2020年5月31日新冠肺炎的全國(guó)確診患者數(shù)已超過(guò)8.3萬(wàn)人，全世界的確診患者數(shù)已超過(guò)593萬(wàn)人。為對(duì)抗快速擴(kuò)散的疫情，全國(guó)所有地區(qū)、各個(gè)部門(mén)都動(dòng)員起來(lái)，采取各種措施防止疫情擴(kuò)散，治療感染病人，盡最大努力保障人民的生命安全和身體健康。作為宏觀經(jīng)濟(jì)學(xué)者，我們關(guān)注的則是疫情會(huì)對(duì)中國(guó)經(jīng)濟(jì)造成什么樣的影響。疫情不僅威脅居民的生命和健康，它還造成巨大的經(jīng)濟(jì)損失，使得宏觀經(jīng)濟(jì)出現(xiàn)劇烈波動(dòng)。在抗擊疫情的同時(shí)，我們還面臨著一系列經(jīng)濟(jì)社會(huì)發(fā)展目標(biāo)，如全面建成小康社會(huì)、打贏脫貧攻堅(jiān)戰(zhàn)、“十三五”規(guī)劃收官，等等，每一項(xiàng)都任務(wù)艱巨，責(zé)任重大。因此，我們既希望疫情能盡快被消除，又希望疫情對(duì)經(jīng)濟(jì)的負(fù)面影響不至于太大，最終能夠統(tǒng)籌推進(jìn)新冠疫情的防控和經(jīng)濟(jì)社會(huì)的發(fā)展工作，取得對(duì)抗疫情和經(jīng)濟(jì)發(fā)展的“雙勝利”。

然而，當(dāng)我們查詢(xún)疫情和經(jīng)濟(jì)發(fā)展問(wèn)題的相關(guān)文獻(xiàn)時(shí)，卻發(fā)現(xiàn)相關(guān)研究十分不足。以非典為例，在知網(wǎng)以“非典”為關(guān)鍵詞檢索，可以發(fā)現(xiàn)2003年“經(jīng)濟(jì)與管理科學(xué)”類(lèi)目下相關(guān)文獻(xiàn)發(fā)表了2 889篇，但在疫情過(guò)后發(fā)表文獻(xiàn)快速減少，到2005年只發(fā)表26篇，此后年份文獻(xiàn)基本在個(gè)位數(shù)以?xún)?nèi)。能查到的文獻(xiàn)也基本都是以定性分析為主，簡(jiǎn)單敘述疫情可能對(duì)哪些地區(qū)、哪些行業(yè)影響更大，部分研究估算了對(duì)GDP增速的影響，但均較為簡(jiǎn)單粗糙。

因此，本文試圖更加嚴(yán)謹(jǐn)?shù)胤治鲆咔閷?duì)宏觀經(jīng)濟(jì)造成的可能影響，以非典為例，估算2003年非典疫情對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)造成的沖擊，并分析一些可能對(duì)疫情與經(jīng)濟(jì)增長(zhǎng)的關(guān)系產(chǎn)生影響的因素，如人口流動(dòng)、產(chǎn)業(yè)結(jié)構(gòu)、電信發(fā)展等。然后，以非典疫情為基礎(chǔ)，測(cè)算新冠疫情對(duì)各省份和全國(guó)經(jīng)濟(jì)增長(zhǎng)的可能影響。

文章結(jié)構(gòu)安排如下：第二節(jié)回顧相關(guān)文獻(xiàn)并對(duì)疫情對(duì)經(jīng)濟(jì)的影響進(jìn)行討論；第三節(jié)根據(jù)省級(jí)季度面板數(shù)據(jù)研究了非典疫情與經(jīng)濟(jì)增長(zhǎng)的關(guān)系；第四節(jié)則以非典為例試算了新冠疫情對(duì)經(jīng)濟(jì)增長(zhǎng)的可能影響；第五節(jié)總結(jié)全文。

二、文獻(xiàn)回顧和討論

1. 疫情對(duì)經(jīng)濟(jì)的影響：世界角度

經(jīng)濟(jì)增長(zhǎng)和波動(dòng)是宏觀經(jīng)濟(jì)學(xué)關(guān)注的兩個(gè)核心問(wèn)題。相關(guān)研究文獻(xiàn)浩如煙海，學(xué)者們從技術(shù)進(jìn)步、資本積累、人力資本、人口結(jié)構(gòu)、政府政策等諸多角度進(jìn)行了廣泛的研究，但是從傳染病角度討論的文獻(xiàn)相對(duì)要少得多。這可能是由于現(xiàn)代醫(yī)療衛(wèi)生技術(shù)的進(jìn)步，使得傳染病對(duì)人類(lèi)的威脅大大減小的緣故。1 的確，與古代瘟疫動(dòng)輒造成人口死亡20%-30%相比，現(xiàn)代社會(huì)傳染病對(duì)人類(lèi)的威脅確實(shí)小了很多。以非典為例，非典疫情總共造成全國(guó)死亡349例，相比之下，2016年我國(guó)道路交通事故造成死亡數(shù)為63 093人（受傷數(shù)為226 430人，造成經(jīng)濟(jì)損失12.1億元），2 一個(gè)人死于非典疫情的概率遠(yuǎn)低于死于交通事故。因此，現(xiàn)代社會(huì)中，疫情的爆發(fā)是少見(jiàn)的、暫時(shí)的、低死亡風(fēng)險(xiǎn)的，對(duì)經(jīng)濟(jì)社會(huì)發(fā)展的影響似乎不再那么重要了。這可能是相關(guān)研究關(guān)注不多的原因之一。3

但是，雖然疫情的致死率遠(yuǎn)低于交通事故，疫情對(duì)經(jīng)濟(jì)的潛在影響卻可能要大許多。Bloom& Canning（2006）指出大規(guī)模傳染病的經(jīng)濟(jì)代價(jià)是巨大的，其中，研究者普遍贊同疫情的短期作用為負(fù)，但人們對(duì)其長(zhǎng)期影響仍然缺乏了解，疫情不僅直接造成經(jīng)濟(jì)損失，阻止疫情的發(fā)生和擴(kuò)散也代價(jià)高昂。事實(shí)上，有“疫情經(jīng)濟(jì)學(xué)”這門(mén)經(jīng)濟(jì)學(xué)與流行病學(xué)的交叉學(xué)科領(lǐng)域，該領(lǐng)域中既有流行病學(xué)的部分，如流行病學(xué)中經(jīng)典的分析疫情擴(kuò)散的SIR模型（Susceptible Infected Recovered Model），又包括經(jīng)濟(jì)學(xué)的各種分析工具如個(gè)人效用、成本收益分析、個(gè)體經(jīng)濟(jì)行為優(yōu)化等，其中，Troy Tassier（2013）的《The Economics of Epidemiology》對(duì)這一領(lǐng)域的相關(guān)研究做了總結(jié)和綜述。不過(guò)，從其介紹和相關(guān)文獻(xiàn)看，“疫情經(jīng)濟(jì)學(xué)”的研究更側(cè)重偏個(gè)體、微觀的與流行病相關(guān)的行為，而和宏觀經(jīng)濟(jì)結(jié)合并不緊密。

在瘟疫與經(jīng)濟(jì)社會(huì)發(fā)展方面，反而是經(jīng)濟(jì)史學(xué)界對(duì)歷史上發(fā)生的一些重大瘟疫的影響有更多探討，特別是歐洲黑死病和1918年的西班牙流感吸引了研究者的關(guān)注（Boucekkine et al， 2008）。其中，1348年開(kāi)始爆發(fā)的黑死病是否影響了歐洲經(jīng)濟(jì)發(fā)展的路徑長(zhǎng)期存在爭(zhēng)論，部分經(jīng)濟(jì)史學(xué)研究認(rèn)為，黑死病導(dǎo)致勞動(dòng)力數(shù)量大幅減少，在短期對(duì)經(jīng)濟(jì)形成巨大的沖擊，使經(jīng)濟(jì)陷入蕭條。但長(zhǎng)期由于疫情造成的勞動(dòng)力短缺顯著提高了當(dāng)時(shí)歐洲的工資水平，促進(jìn)了勞動(dòng)節(jié)約型的技術(shù)進(jìn)步和封建農(nóng)奴制的加速解體（Herlihy， 1997）。黑死病對(duì)產(chǎn)業(yè)結(jié)構(gòu)也有較大影響，由于勞動(dòng)力大幅減少，勞動(dòng)密集型的農(nóng)業(yè)嚴(yán)重萎縮，而土地密集型的畜牧業(yè)在此時(shí)期有很大發(fā)展。此外，黑死病動(dòng)搖了當(dāng)時(shí)支配歐洲的天主教會(huì)的絕對(duì)權(quán)威，可能起到了加速歐洲思想解放的作用：一方面，天主教神職人員在黑死病中大量死亡，而接替他們的新神職人員經(jīng)常缺乏足夠的神學(xué)訓(xùn)練和權(quán)威，從而對(duì)社會(huì)思想的控制變?nèi)?；另一方面，天主教?duì)于疫情毫無(wú)辦法，其對(duì)黑死病的解釋和應(yīng)對(duì)措施最終被證明是無(wú)用的4，部分天主教會(huì)借疫情機(jī)會(huì)大肆斂財(cái)，更加重了人們對(duì)教會(huì)的不滿(mǎn)。5 黑死病帶來(lái)的高死亡風(fēng)險(xiǎn)還沖擊了教會(huì)的禁欲主義和來(lái)世主義，促使人們追求世俗生活和現(xiàn)世生活，加快了文藝復(fù)興運(yùn)動(dòng)的發(fā)展（潘樹(shù)林，2011；李荷，2004）。

1918-1919年的全球大流感（又稱(chēng)西班牙流感）也是一個(gè)經(jīng)常被討論的題目。這次大流感在全世界導(dǎo)致了約5億人感染，2 500萬(wàn)到4 000萬(wàn)人死亡（當(dāng)時(shí)世界人口約17億人），其全球平均致死率約為2.5%-5%，在美國(guó)則導(dǎo)致了67.5萬(wàn)人死亡，遠(yuǎn)超美國(guó)在兩次世界大戰(zhàn)、朝鮮戰(zhàn)爭(zhēng)和越南戰(zhàn)爭(zhēng)的死亡人數(shù)總和1。然而，盡管疫情在當(dāng)時(shí)造成了嚴(yán)重的影響，之后的美國(guó)歷史卻缺乏對(duì)此議題的關(guān)注，Garrett（2007）認(rèn)為原因可能在于，流感疫情雖然對(duì)美國(guó)造成了嚴(yán)重沖擊，但一方面，流感疫情暴發(fā)與一戰(zhàn)重疊，分散了人們的注意力，另一方面，當(dāng)時(shí)天花、脊髓灰質(zhì)炎等傳染病仍未被人類(lèi)征服，相比之下，流感病毒對(duì)人們健康的威脅似乎也就沒(méi)那么大了。此外，1918年時(shí)相關(guān)經(jīng)濟(jì)數(shù)據(jù)的缺乏也限制了對(duì)疫情影響的分析。在有限的研究中，其中，Brainerd and Siegler（2003）分析了1918年大流感對(duì)1919-1930年美國(guó)經(jīng)濟(jì)的影響，實(shí)證結(jié)果表明受流感影響越嚴(yán)重的州其1918-1919年GDP增速越低，但1919-1930年GDP增速越高，他們認(rèn)為，大流感對(duì)長(zhǎng)期GDP增速的提升主要源自勞動(dòng)力減少帶來(lái)的人均資本的提升。除了流感導(dǎo)致的勞動(dòng)力減少，它帶來(lái)的恐慌還導(dǎo)致了消費(fèi)的收縮和儲(chǔ)蓄的增加，消費(fèi)減少帶來(lái)短期的經(jīng)濟(jì)下降，但儲(chǔ)蓄的提高則有助于長(zhǎng)期經(jīng)濟(jì)增長(zhǎng)。Boucekkine et al（2008）指出Brainerd and Siegler的研究結(jié)論并沒(méi)有獲得一致認(rèn)同，例如，Bloom and Mahal（1997a，1997b）也用計(jì)量方法考察了西班牙流感和艾滋病的流行與經(jīng)濟(jì)增長(zhǎng)的關(guān)系，卻沒(méi)有發(fā)現(xiàn)顯著和穩(wěn)健的疫情影響長(zhǎng)期經(jīng)濟(jì)發(fā)展的證據(jù)。此外，還有一些研究認(rèn)為流行病可能對(duì)長(zhǎng)期經(jīng)濟(jì)發(fā)展有不利影響，例如，疾病可能不會(huì)讓人迅速死亡，但會(huì)給患者的身體留下長(zhǎng)久的損害，這導(dǎo)致社會(huì)有更多的醫(yī)護(hù)和照料支出，并令病患無(wú)法正常參與學(xué)習(xí)和工作，從而降低人力資本（Almond， 2006； Adda， 2016； Beach et al， 2018）；還有研究指出聯(lián)系更緊密的社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)能更有效地?cái)U(kuò)散知識(shí)和技術(shù)從而促進(jìn)經(jīng)濟(jì)發(fā)展，但是更緊密的網(wǎng)絡(luò)結(jié)構(gòu)也容易導(dǎo)致流行病的擴(kuò)散，因此流行病風(fēng)險(xiǎn)越高的地方可能會(huì)產(chǎn)生越松散的社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)從而阻礙發(fā)展（Fogli and Veldkamp， 2018）。

2020年新冠肺炎疫情暴發(fā)后，部分國(guó)外學(xué)者又重新審視西班牙流感疫情對(duì)美國(guó)經(jīng)濟(jì)的影響，以為新冠疫情提供參考。Barro et al（2020）基于43個(gè)國(guó)家的西班牙流感數(shù)據(jù)進(jìn)行研究，發(fā)現(xiàn)西班牙流感疫情導(dǎo)致GDP和消費(fèi)平均降低6-8個(gè)百分點(diǎn)。

除黑死病和西班牙流感外，現(xiàn)代經(jīng)濟(jì)學(xué)界對(duì)二戰(zhàn)后爆發(fā)的某些重大疾病也做了一些考察。其中，進(jìn)入1990年代后一些文獻(xiàn)考察了艾滋?。℉IV/AIDS）的經(jīng)濟(jì)和社會(huì)影響。2003年非典暴發(fā)后也有一些文獻(xiàn)從不同角度分析其可能對(duì)經(jīng)濟(jì)造成的影響，例如Wong（2008）利用非典數(shù)據(jù)考察了疫情對(duì)香港住房市場(chǎng)的影響，Noy and Shields（2019）回顧了非典疫情對(duì)亞洲相關(guān)國(guó)家的經(jīng)濟(jì)影響。2014年爆發(fā)的非洲埃博拉疫情也吸引了世界的廣泛關(guān)注，世界銀行曾專(zhuān)門(mén)發(fā)表分析報(bào)告探討疫情對(duì)西非國(guó)家經(jīng)濟(jì)的影響，指出如疫情不能盡快控制，對(duì)脆弱的西非國(guó)家的經(jīng)濟(jì)影響將是災(zāi)難性的（Worldbank， 2014）。

在參考眾多已有文獻(xiàn)之后，本文認(rèn)為，疫情對(duì)于經(jīng)濟(jì)的影響是復(fù)雜的，存在明顯的異質(zhì)性，沒(méi)有一個(gè)一致、統(tǒng)一的傳染病對(duì)于經(jīng)濟(jì)和社會(huì)影響的框架。這種異質(zhì)性主要體現(xiàn)在兩個(gè)維度：

一方面，不同歷史時(shí)期和具體條件下，疫情對(duì)經(jīng)濟(jì)的影響機(jī)制和作用有所不同。這主要是指古代與當(dāng)代的區(qū)別。如前所述，由于現(xiàn)代醫(yī)學(xué)的技術(shù)進(jìn)步，使得傳染病對(duì)人類(lèi)的死亡威脅已大大減小，因此，如黑死病等這種通過(guò)大量人口死亡進(jìn)而影響總體人口結(jié)構(gòu)和勞動(dòng)供給的渠道在現(xiàn)代社會(huì)已經(jīng)不太可能。這也意味著現(xiàn)代條件下大規(guī)模傳染病疫情對(duì)經(jīng)濟(jì)社會(huì)的長(zhǎng)期影響可能大大減小了，而主要體現(xiàn)在為了控制疫情而必須采取各種措施，以及人們的恐慌和相應(yīng)行為對(duì)短期經(jīng)濟(jì)運(yùn)行的影響上（Noy & Shields， 2019）。

另一方面，不同的流行病在傳播方式、傳播能力、潛伏期、致死率等方面存在明顯差異，使得不同流行病對(duì)經(jīng)濟(jì)的影響也存在很大差異。因此，不存在一個(gè)統(tǒng)一的適用于所有類(lèi)型傳染病的分析框架。其中，流感、SARS、新冠肺炎等傳染病較為相似，其特征是可通過(guò)呼吸道傳播，傳播能力強(qiáng)，潛伏期短，人們患病后或者因病致死或者康復(fù)，但一般不會(huì)對(duì)人們健康形成長(zhǎng)期的損害。而有些疾病，如艾滋病等通過(guò)體液傳播，其傳播力更弱，但潛伏期長(zhǎng)，人們?cè)诨疾『髸?huì)因免疫力逐漸下降而長(zhǎng)期消耗生命。

2. 中國(guó)的情況

以上介紹的黑死病、1918年大流感等都是國(guó)外的案例。從中國(guó)來(lái)看，雖然我國(guó)也是瘟疫頻發(fā)的國(guó)家，但建國(guó)之前沒(méi)有系統(tǒng)、科學(xué)的瘟疫資料，而自從五六十年代天花消失以后，中國(guó)一直沒(méi)有爆發(fā)過(guò)大面積、大規(guī)模的傳染性疾病，直到2003年的非典。因此，能查到的中國(guó)研究基本都是圍繞非典展開(kāi)。其中，李正全（2003）將非典疫情與東南亞金融危機(jī)的沖擊進(jìn)行比較，認(rèn)為非典對(duì)國(guó)民經(jīng)濟(jì)的影響可能比東南亞金融危機(jī)更加嚴(yán)重，疫情對(duì)經(jīng)濟(jì)的影響主要通過(guò)降低總需求實(shí)現(xiàn)，不同的預(yù)測(cè)結(jié)果不一，一般認(rèn)為疫情或?qū)⒂绊?003年GDP增速0.3-0.9個(gè)百分點(diǎn)。1 高善文（2003）總結(jié)了國(guó)外大規(guī)模傳染病的歷史經(jīng)驗(yàn)，認(rèn)為美國(guó)1918年大流感的案例可能更值得借鑒，但由于中國(guó)勞動(dòng)力供給充足，疫情不會(huì)對(duì)勞動(dòng)力供給產(chǎn)生影響，而消費(fèi)意愿的降低是恐慌帶來(lái)的臨時(shí)變化，不會(huì)長(zhǎng)期持續(xù)。海聞等（2003）估計(jì)了非典疫情對(duì)北京和全國(guó)的經(jīng)濟(jì)影響，認(rèn)為保守估計(jì)非典可能導(dǎo)致北京市GDP在2003年出現(xiàn)零增長(zhǎng)，極有可能出現(xiàn)負(fù)增長(zhǎng)，全國(guó)GDP增速可能因此降低1-2個(gè)百分點(diǎn)。2 Lee & Mckibbin（2003）運(yùn)用全球模型估算得到非典疫情使得當(dāng)年中國(guó)、中國(guó)香港、中國(guó)臺(tái)灣和新加坡的GDP下降0.263-0.5個(gè)百分點(diǎn)不等。

魏尚進(jìn)（2020）認(rèn)為，現(xiàn)在回頭來(lái)看，2003年時(shí)許多經(jīng)濟(jì)學(xué)家的預(yù)測(cè)普遍高估了非典對(duì)中國(guó)經(jīng)濟(jì)的影響。從2000-2006年的GDP年實(shí)際增長(zhǎng)率的時(shí)間序列來(lái)看，很難從數(shù)據(jù)中看出SARS的影響。此外，魏尚進(jìn)指出當(dāng)前的條件與2003年有明顯不同，中國(guó)已進(jìn)入互聯(lián)網(wǎng)商業(yè)時(shí)代，新冠疫情對(duì)消費(fèi)的負(fù)面影響很大程度上可能會(huì)被網(wǎng)上消費(fèi)所抵消。因此，魏尚進(jìn)認(rèn)為疫情對(duì)2020年中國(guó)GDP增速的影響可能僅在0.1個(gè)百分點(diǎn)左右。3

同時(shí)，總結(jié)文獻(xiàn)可以發(fā)現(xiàn)，以往研究關(guān)于2003年非典對(duì)宏觀經(jīng)濟(jì)影響的定量分析總體較為粗糙。在疫情中各種觀點(diǎn)紛雜，一些觀點(diǎn)是否準(zhǔn)確也缺乏切實(shí)的證據(jù)，例如，人們普遍認(rèn)為疫情對(duì)第三產(chǎn)業(yè)影響更大，對(duì)一二產(chǎn)業(yè)影響較??；人們認(rèn)為互聯(lián)網(wǎng)的發(fā)展水平可以幫助減輕疫情的負(fù)面影響，等等，這些觀點(diǎn)很多只是邏輯上的探討，而缺乏足夠的證據(jù)表明其是一個(gè)顯著的規(guī)律。

另外，還有部分觀點(diǎn)認(rèn)為，新冠疫情和SARS的規(guī)模、所處歷史階段條件等差異太大，因此SARS的案例經(jīng)驗(yàn)缺乏參考意義。本文認(rèn)為，我們必須承認(rèn)新冠疫情和SARS的不同，但否定SARS借鑒參考意義的觀點(diǎn)我們是不贊同的：一方面，從歷史經(jīng)驗(yàn)角度，SARS是唯一可參照的對(duì)象，SARS雖然規(guī)模要小，但其致死率卻要更高。SARS距離我們不過(guò)17年，我國(guó)處于發(fā)展中階段的本質(zhì)特征未變，而美國(guó)的研究許多尚基于1918年西班牙流感展開(kāi)，不能因此輕易否定其參考價(jià)值。另一方面，計(jì)量模型的價(jià)值意義在于會(huì)控制其他可能形成干擾的因素，從而克服不同條件的問(wèn)題。比如，有觀點(diǎn)認(rèn)為當(dāng)前經(jīng)濟(jì)處于下行周期，而2003年經(jīng)濟(jì)處于上行周期，因此從這一角度兩者不可比較。但在計(jì)量模型中經(jīng)濟(jì)增長(zhǎng)趨勢(shì)等因素都是可以被控制的，在控制住相應(yīng)變量后，除非認(rèn)為所處經(jīng)濟(jì)周期對(duì)疫情的影響有交互作用，否則不會(huì)對(duì)疫情的分析造成干擾。

因此，本文將以非典疫情為例，利用分省的疫情和經(jīng)濟(jì)數(shù)據(jù)，來(lái)討論疫情對(duì)宏觀經(jīng)濟(jì)增長(zhǎng)造成的沖擊，并分析可能影響沖擊強(qiáng)度的因素，來(lái)為我們對(duì)新冠肺炎的分析和應(yīng)對(duì)提供充分的借鑒和參考。

三、實(shí)證分析

1. 數(shù)據(jù)說(shuō)明

本研究的被解釋變量為各省份季度實(shí)際GDP增速，核心解釋變量是非典的疫情數(shù)據(jù)。在關(guān)于疫情的影響分析文獻(xiàn)中，解釋變量一般使用確診病人數(shù)或者死亡數(shù)，作為疫情嚴(yán)重程度的度量，這里本文也以此作為核心解釋變量。我們整理了2003年全國(guó)和各省級(jí)行政區(qū)的日度非典疫情數(shù)據(jù)，包括病人數(shù)、死亡人數(shù)、康復(fù)數(shù)1，由于被解釋變量GDP增速為季度數(shù)據(jù)，因此我們用每個(gè)季度末的數(shù)據(jù)作為當(dāng)季疫情數(shù)據(jù)，從而使解釋變量和被解釋變量同頻。此外，我們還整理了一些控制變量，包括加入各省份實(shí)際人均GDP（萬(wàn)元，調(diào)整為2000年價(jià)格）、各省份季度CPI、0-14歲人口占比、15-64歲人口占比、撫養(yǎng)比、研究與試驗(yàn)發(fā)展經(jīng)費(fèi)投入強(qiáng)度等變量。為了控制全國(guó)性的貨幣政策和經(jīng)濟(jì)周期的影響，還加入了全國(guó)分季度的5年期及以上長(zhǎng)期貸款利率、全國(guó)銀行同業(yè)拆借利率、以及2008年前后的虛擬變量等指標(biāo)。

實(shí)證分析所使用主要數(shù)據(jù)的描述性統(tǒng)計(jì)如下（見(jiàn)表1）：

2. 基準(zhǔn)回歸

基準(zhǔn)回歸中我們分別使用非典確診病人數(shù)、死亡數(shù)和治愈數(shù)進(jìn)行回歸，來(lái)分析非典疫情暴發(fā)對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。如表2所示，各列回歸中滯后一期的季度經(jīng)濟(jì)增速系數(shù)為0.698，顯示出明顯的收斂性自回歸現(xiàn)象；滯后四期的季度經(jīng)濟(jì)增速系數(shù)為-0.012，顯示上年同期的基數(shù)效應(yīng)對(duì)當(dāng)期經(jīng)濟(jì)增速產(chǎn)生輕微負(fù)向影響，但結(jié)果并不顯著。滯后四期的人均實(shí)際GDP變量系數(shù)約為-0.45，且在1%的置信水平下顯著，顯示經(jīng)濟(jì)增速呈現(xiàn)明顯的條件收斂現(xiàn)象，人均實(shí)際GDP每提高一萬(wàn)元，經(jīng)濟(jì)增速平均降低0.45個(gè)百分點(diǎn)。其他控制變量如貸款利率、銀行同業(yè)拆借利率、CPI、省份研究與試驗(yàn)發(fā)展投入強(qiáng)度、2008年前虛擬變量等均符合預(yù)期且較為顯著，而人口變量如0-14歲人口占比、15-64歲人口占比都沒(méi)有顯著性，此處不一一討論，我們將重心放在疫情問(wèn)題上。

非典疫情變量在三個(gè)回歸中均十分顯著，其中病人數(shù)變量的系數(shù)約為-0.865，即每增加一千名確診病人，將使該省經(jīng)濟(jì)增速下降0.865個(gè)百分點(diǎn)。死亡人數(shù)和治愈人數(shù)的結(jié)果以此類(lèi)推。由于各列回歸結(jié)果的區(qū)別只在于使用疫情變量不同，因此各列回歸的結(jié)果高度一致，總體差異很小。

那么，這三個(gè)反映疫情的變量究竟應(yīng)使用哪個(gè)為宜呢？1 在已有文獻(xiàn)中，病人數(shù)被常用作反映疫情情況的關(guān)鍵變量，而死亡和治愈數(shù)會(huì)受到當(dāng)?shù)蒯t(yī)療水平和條件的影響，可能存在些許問(wèn)題。此外，在實(shí)際的數(shù)據(jù)情況中，病人數(shù)的數(shù)據(jù)質(zhì)量相對(duì)更好，其樣本缺失值少，樣本數(shù)量最多，而死亡數(shù)和治愈數(shù)在2003年有許多省份存在缺失值（特別是在2003年一季度），因此，在本文后面的回歸中，均以病人數(shù)作為疫情嚴(yán)重程度的測(cè)量變量。

3. 人口流動(dòng)對(duì)疫情與經(jīng)濟(jì)增長(zhǎng)關(guān)系的影響

疫情對(duì)經(jīng)濟(jì)增長(zhǎng)的作用大小可能還受其他因素的影響，這里，本文首先從人口結(jié)構(gòu)的角度出發(fā)探討這一問(wèn)題。疫情發(fā)生后，不管是出于政府強(qiáng)制還是人們自愿，為應(yīng)對(duì)疫情所采取的一個(gè)重要舉措就是限制人員的流動(dòng)和接觸，要求人們呆在家里。這種情況下，那些有大量外來(lái)（流動(dòng)）人口的地區(qū)和城市可能會(huì)受到更大的沖擊，因?yàn)橥鈦?lái)人口既為本地提供了勞動(dòng)力，又是重要的消費(fèi)人口來(lái)源。疫情沖擊下，他們可能不得不呆在家里而不外出務(wù)工，從而影響依賴(lài)外來(lái)人口的省份的經(jīng)濟(jì)表現(xiàn)。反過(guò)來(lái)看，本地人口占比越高的地區(qū)可能受疫情的沖擊越小。為驗(yàn)證這一猜測(cè)，我們?cè)诨貧w中加入了各省份人口中本地戶(hù)籍人口占比prov_poplocal，以及該變量與疫情變量的交叉項(xiàng)，結(jié)果見(jiàn)表3。

從表中列（1）看，當(dāng)回歸中單獨(dú)加入滯后一年的prov_poplocal時(shí)，回歸系數(shù)為正但完全沒(méi)有顯著性（P值超過(guò)0.5），顯示本地戶(hù)籍人口占比并不直接對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生影響。但當(dāng)加入本地戶(hù)籍人口占比和患者數(shù)的交叉項(xiàng)numsicks_k*L4.prov_poplocal時(shí)，交叉項(xiàng)系數(shù)為正且在10%的置信水平下顯著。在第三列中我們把患者數(shù)、交叉項(xiàng)和本地戶(hù)籍人口占比同時(shí)放入，結(jié)果依然穩(wěn)健，顯示疫情暴發(fā)對(duì)那些外來(lái)人口更多的省份的負(fù)面影響更大。

4. 電信發(fā)展對(duì)疫情與經(jīng)濟(jì)增長(zhǎng)關(guān)系的影響

在本次新冠疫情中，政府、企業(yè)和居民應(yīng)對(duì)疫情的一個(gè)重要手段是采取在線(xiàn)辦公、遠(yuǎn)程辦公的方式參與工作，在線(xiàn)消費(fèi)的普及也有助于對(duì)沖疫情對(duì)消費(fèi)的負(fù)面沖擊，而學(xué)校則開(kāi)展在線(xiàn)教育、在線(xiàn)課程來(lái)克服教學(xué)遇到的困難，等等。因此，許多觀點(diǎn)相信電信基礎(chǔ)設(shè)施的發(fā)展（特別是互聯(lián)網(wǎng)的普及）有可能起到減輕疫情對(duì)經(jīng)濟(jì)負(fù)面影響的作用。

不過(guò)，由于疫情仍在發(fā)展中，因此我們尚無(wú)法驗(yàn)證這一機(jī)制在新冠疫情中是否顯著成立。那么，在2003年非典疫情中，電信發(fā)展水平是否也起到了減輕疫情對(duì)經(jīng)濟(jì)負(fù)面影響的作用呢？部分意見(jiàn)認(rèn)為，2003年時(shí)我國(guó)互聯(lián)網(wǎng)的發(fā)展也與非典疫情有密切關(guān)系，特別地，2003年的非典疫情是中國(guó)互聯(lián)網(wǎng)電子商務(wù)發(fā)展的重要催化劑（孫德林，王曉玲，2003；馬玲，2003）。當(dāng)然，也有此觀點(diǎn)的反對(duì)意見(jiàn)，認(rèn)為淘寶、京東等中國(guó)電子商務(wù)的發(fā)展與非典的關(guān)系可以忽略不計(jì)1。下面，我們以電話(huà)普及率作為電信發(fā)展水平的測(cè)量2，加入回歸來(lái)看電信發(fā)展水平對(duì)疫情與經(jīng)濟(jì)增長(zhǎng)的關(guān)系有何作用。結(jié)果見(jiàn)表4。

表中列（1）加入了滯后一年的電話(huà)普及率變量prov_phone，從結(jié)果中看系數(shù)為負(fù)且具有統(tǒng)計(jì)顯著性。在列（2）中加入了患者數(shù)與電話(huà)普及率的交叉項(xiàng)，結(jié)果為-2.48，也在5%的置信水平下顯著。在列（3）中同時(shí)加入了電話(huà)普及率變量和該變量與患者數(shù)的交叉項(xiàng)，其中交叉項(xiàng)系數(shù)為-2.533，仍然具有統(tǒng)計(jì)顯著性且系數(shù)值總體保持穩(wěn)健。以上結(jié)果意味著，電信發(fā)展水平越高，疫情對(duì)經(jīng)濟(jì)的負(fù)面沖擊反而越大。這與前面電信發(fā)展有助于降低疫情負(fù)面影響的觀點(diǎn)相違背。我們又將電話(huà)普及率改為固定電話(huà)普及率或者移動(dòng)電話(huà)普及率，或加入第三產(chǎn)業(yè)占比變量等控制變量，控制變量交叉項(xiàng)顯著為負(fù)的結(jié)果依然保持。

因此，實(shí)證結(jié)果顯示，2003年非典時(shí)電信發(fā)展水平不僅未起到減輕疫情對(duì)經(jīng)濟(jì)負(fù)面影響的作用，反而還令疫情對(duì)經(jīng)濟(jì)的沖擊更加嚴(yán)重，這與我們的直覺(jué)有些相反，應(yīng)作何解釋呢？本文認(rèn)為，有兩個(gè)原因可能導(dǎo)致了這一結(jié)果：一、2003年非典時(shí)互聯(lián)網(wǎng)普及率很低、互聯(lián)網(wǎng)產(chǎn)業(yè)處于剛起步階段，尚無(wú)法起到足夠大的對(duì)沖疫情負(fù)面影響的作用1；二、原因一只能解釋不起正向作用，不能解釋為何起負(fù)向作用，本文認(rèn)為，由于2003年非典疫情相對(duì)要小很多，很多省份、城市沒(méi)有發(fā)生疫情，因此電信發(fā)展水平可能促進(jìn)疫情信息擴(kuò)散，造成人們的緊張和恐慌的效果，從而對(duì)經(jīng)濟(jì)增長(zhǎng)起到負(fù)面作用。

例如，在本次新冠疫情中，根據(jù)國(guó)家信息中心的調(diào)查，手機(jī)是居民獲取疫情相關(guān)信息的首要渠道，占比達(dá)95%（國(guó)家信息中心，2020）。而在2003年時(shí)，電話(huà)、手機(jī)短信及互聯(lián)網(wǎng)等媒介就已開(kāi)始成為人們獲取疫情信息的重要方式，非典時(shí)期的調(diào)查顯示，在北京、上海等中國(guó)五個(gè)樣本城市中，有超過(guò)40%的居民是通過(guò)非官方渠道獲得疫情信息，部分城市這一比例達(dá)60%，而非官方渠道中，電話(huà)、短信和互聯(lián)網(wǎng)等新媒體在傳播中起了很大作用（杜駿飛，2003）。與之對(duì)應(yīng)，楊然（2003）指出非典期間我國(guó)電信業(yè)務(wù)量有迅猛增長(zhǎng)，人們頻繁用電話(huà)、短信和互聯(lián)網(wǎng)相互問(wèn)候和互通情況，SARS期間北京的市話(huà)業(yè)務(wù)量增長(zhǎng)了60%，長(zhǎng)途業(yè)務(wù)量增長(zhǎng)50%，通信業(yè)務(wù)量與SARS流行程度成正比。

而本次新冠疫情和非典可能不同，一方面，新冠疫情中全國(guó)上下所有地區(qū)都動(dòng)員起來(lái)對(duì)抗疫情，不太存在一些地區(qū)可能因電信發(fā)展水平低而沒(méi)有充分接收疫情信息的問(wèn)題1；另一方面，當(dāng)今的互聯(lián)網(wǎng)，特別是移動(dòng)互聯(lián)網(wǎng)發(fā)展水平與2003年完全不可同日而語(yǔ)。因此，電信互聯(lián)網(wǎng)發(fā)展水平或許會(huì)在新冠疫情中起到明顯的對(duì)沖經(jīng)濟(jì)下行壓力的作用，這有待未來(lái)驗(yàn)證，但至少在非典疫情中還未發(fā)現(xiàn)這樣的作用。

5. 疫情對(duì)經(jīng)濟(jì)影響的空間效應(yīng)與全國(guó)層面的影響

在現(xiàn)代社會(huì)的醫(yī)療衛(wèi)生條件下，疫情對(duì)經(jīng)濟(jì)的影響主要不是從傳染病可能導(dǎo)致大量人口死亡進(jìn)而減少社會(huì)勞動(dòng)力的渠道影響經(jīng)濟(jì)，而是由于政府、企業(yè)和居民為應(yīng)對(duì)疫情蔓延采取的種種措施、政策會(huì)對(duì)經(jīng)濟(jì)的運(yùn)行形成阻礙。即使一些地區(qū)沒(méi)有或只有很少確診病例，亦需要為防止疫情的傳入和擴(kuò)散而做出各種努力，從而也會(huì)對(duì)經(jīng)濟(jì)增速產(chǎn)生負(fù)面影響。因此，回歸模型中只放入本省的疫情數(shù)據(jù)可能會(huì)低估疫情對(duì)經(jīng)濟(jì)的負(fù)面影響，特別是對(duì)于那些疫情數(shù)字接近或者等于0的省份。2

為驗(yàn)證這一問(wèn)題是否存在，本文采取了兩個(gè)方法：我們先利用全國(guó)31個(gè)省級(jí)行政區(qū)是否相鄰的空間權(quán)重矩陣，計(jì)算出所有省份的相鄰省份的疫情情況（以確診病人數(shù)衡量）并納入回歸。這一方法隱含的邏輯是，那些疫區(qū)的臨近省份會(huì)出于對(duì)疫情傳入的擔(dān)憂(yōu)而采取更強(qiáng)有力的控制措施，從而對(duì)經(jīng)濟(jì)的影響更大。當(dāng)然，現(xiàn)代交通工具的發(fā)展使得人員流動(dòng)速度更快更直接，通過(guò)火車(chē)、飛機(jī)、高速等，可以直接跨越省區(qū)市實(shí)現(xiàn)人員的往來(lái)交換，而無(wú)需通過(guò)地理相鄰一步步傳入疫情。以非典為例，最嚴(yán)重的地方是廣東和北京，北京的疫情傳入并不是靠廣東-湖南-湖北-河南-河北-北京這樣一步步的地理毗鄰?fù)緩?。因此，其他沒(méi)有疫情發(fā)生的省份可能都在采取措施嚴(yán)防死守，并不必然與疫情相鄰的省份采取措施的力度就更大。所以，我們又加入全國(guó)的非典病例數(shù)變量n_numsicks_k，來(lái)衡量疫情對(duì)所有省份帶來(lái)的影響?；貧w結(jié)果見(jiàn)表5。

其中，表中列（1）把疫情變量換為相鄰省份的病人總數(shù)neighbor_sicks（用是否相鄰的空間權(quán)重矩陣）乘以所有省份的病人數(shù)變量矩陣得到），從結(jié)果看，neighbor_sicks的系數(shù)顯著為負(fù)，系數(shù)值為-0.421，顯示臨近省份的疫情嚴(yán)重程度確實(shí)會(huì)影響本省的經(jīng)濟(jì)增速。列（2）中再同時(shí)加入本省的病人數(shù)numsicks_k和臨近省份病人數(shù)neighbor_sicks，結(jié)果顯示兩個(gè)變量都顯著為負(fù)，其中numsicks_k系數(shù)為-0.831，相比基準(zhǔn)回歸-0.865的系數(shù)值略有降低，而臨近省份病人數(shù)變量的系數(shù)值為-0.391，與列（1）中的結(jié)果相比也比較穩(wěn)定。同時(shí)，相鄰省份病人數(shù)變量的系數(shù)值明顯小于本省疫情變量的結(jié)果，這也符合邏輯。最后，列（3）中又加入了全國(guó)的病人數(shù)變量n_numsicks_k，從結(jié)果中看，可能由于同時(shí)加入三個(gè)疫情變量，相互之間存在較強(qiáng)相關(guān)關(guān)系，這時(shí)n_numsicks_k的系數(shù)顯著為負(fù)，而本省和相鄰省份疫情變量的系數(shù)雖然仍為負(fù)，但已失去顯著性。

因此，回歸結(jié)果表明，只考慮本省的疫情數(shù)據(jù)確實(shí)可能會(huì)低估疫情對(duì)于經(jīng)濟(jì)的負(fù)面影響，疫情的影響是全國(guó)性的，特別是那些沒(méi)有或者只有很少疫情的地區(qū)，也因防疫措施而降低了經(jīng)濟(jì)增速。1

6. 分三次產(chǎn)業(yè)的影響分析

疫情對(duì)不同的產(chǎn)業(yè)、行業(yè)的影響也不同，一般認(rèn)為，人傳人的流行病疫情對(duì)生產(chǎn)或消費(fèi)需要人員外出或聚集的行業(yè)影響較大，包括旅游、酒店、餐飲、影視娛樂(lè)、交通運(yùn)輸，等等，其中多數(shù)屬于第三產(chǎn)業(yè)，因此，一般認(rèn)為疫情對(duì)第三產(chǎn)業(yè)沖擊最大。那么疫情對(duì)三次產(chǎn)業(yè)的影響是否真的是這樣呢？這里本文也用非典的案例進(jìn)行檢驗(yàn)。我們把被解釋變量換為三次產(chǎn)業(yè)的實(shí)際增速，再次進(jìn)行回歸，結(jié)果見(jiàn)表6的列（1）-（3）。其中，列（1）的結(jié)果中疫情變量系數(shù)為負(fù)但沒(méi)有顯著性，表明疫情對(duì)第一產(chǎn)業(yè)不產(chǎn)生顯著影響；列（2）的結(jié)果也是如此，但系數(shù)值的絕對(duì)值比第一產(chǎn)業(yè)有所增大，變?yōu)?0.67；列（3）中疫情對(duì)第三產(chǎn)業(yè)的影響則顯著為負(fù)，系數(shù)值為-1。

我們也可以用第三產(chǎn)業(yè)增加值占GDP的比例作為解釋變量之一，來(lái)考察產(chǎn)業(yè)結(jié)構(gòu)對(duì)疫情和經(jīng)濟(jì)增長(zhǎng)關(guān)系的影響。見(jiàn)表6中列（4），被解釋變量再換為實(shí)際GDP增速gdpgrow，解釋變量中加入了上年度第三產(chǎn)業(yè)增加值占GDP比例變量L4.gdp_3shr，和該變量與病人數(shù)的交叉項(xiàng)，結(jié)果顯著為負(fù)。因此，第三產(chǎn)業(yè)占比越高，經(jīng)濟(jì)受疫情的負(fù)面沖擊越大。

四、新冠疫情對(duì)經(jīng)濟(jì)增長(zhǎng)的潛在影響

至此，我們基本完成非典疫情對(duì)經(jīng)濟(jì)影響較為全面的計(jì)量分析。一個(gè)自然引出的問(wèn)題是，能否以非典疫情的計(jì)量分析為基礎(chǔ)，分析當(dāng)前新型冠狀病毒性肺炎疫情對(duì)中國(guó)經(jīng)濟(jì)造成的可能影響？問(wèn)題的答案自然是肯定的，只不過(guò)這個(gè)工作面臨一些困難：

一是疫情的具體情況，特別是爆發(fā)時(shí)間和規(guī)模量級(jí)不同。首先，2003年非典疫情主要發(fā)生在一二季度，以二季度為主，一季度集中在廣東而并未全面蔓延，本次新冠疫情的全面爆發(fā)時(shí)間則是一季度，爆發(fā)季節(jié)與非典不同；其次，更重要的是，新冠疫情的規(guī)模已經(jīng)遠(yuǎn)超非典，2003年非典確診病例數(shù)最高為5 330例，而到2020年3月1日，新冠肺炎的確診患者已超過(guò)8萬(wàn)例，若要以確診人數(shù)為基礎(chǔ)來(lái)預(yù)測(cè)新冠肺炎的影響，單就疫情數(shù)據(jù)來(lái)講是樣本外預(yù)測(cè)。1 這一問(wèn)題對(duì)預(yù)測(cè)產(chǎn)生很大影響。

二是未來(lái)疫情的發(fā)展態(tài)勢(shì)難以預(yù)知。由于疫情仍在發(fā)展中，預(yù)測(cè)疫情對(duì)經(jīng)濟(jì)的影響首先面臨預(yù)測(cè)疫情的難題，目前有許多研究試圖基于流行病學(xué)模型測(cè)算疫情的發(fā)展態(tài)勢(shì)，各種研究結(jié)論不一，一般給出多種情形下的模擬分析，不同研究、不同情形的結(jié)果差異較大。未來(lái)疫情的發(fā)展態(tài)勢(shì)難以預(yù)知對(duì)預(yù)測(cè)疫情影響形成制約。因此，我們不得不通過(guò)情景模擬解決疫情預(yù)測(cè)問(wèn)題。

三是應(yīng)對(duì)疫情的發(fā)展階段和經(jīng)濟(jì)、技術(shù)條件不同。我國(guó)目前的經(jīng)濟(jì)發(fā)展水平、發(fā)展階段和應(yīng)對(duì)疫情的具體條件與2003年有很大差異，我們不清楚內(nèi)外部條件的變化會(huì)對(duì)疫情和經(jīng)濟(jì)的關(guān)系最終產(chǎn)生什么樣的影響。一些因素可能加劇疫情對(duì)經(jīng)濟(jì)的負(fù)面影響，例如：當(dāng)前產(chǎn)業(yè)結(jié)構(gòu)與2003年不同，第三產(chǎn)業(yè)占比更高，從而受疫情的影響可能更大；我國(guó)目前的人口流動(dòng)程度明顯超過(guò)2003年，疫情導(dǎo)致的勞動(dòng)力流動(dòng)受阻可能會(huì)對(duì)經(jīng)濟(jì)造成更大負(fù)面影響，等等。但同時(shí)，一些因素可能令疫情對(duì)經(jīng)濟(jì)的負(fù)面影響更小，例如，科技的發(fā)展讓我們可以采取居家辦公、遠(yuǎn)程辦公、在線(xiàn)消費(fèi)、在線(xiàn)教育等措施應(yīng)對(duì)疫情，從而減輕疫情對(duì)生產(chǎn)生活的影響，這在2003年也是不具備的。正反兩面都存在各種因素，最終的綜合作用難以預(yù)知。因此，我們假設(shè)正反因素可能相互抵消，暫不考慮條件變化使得疫情對(duì)經(jīng)濟(jì)影響的系數(shù)出現(xiàn)變化。

基于以上原因，下面的預(yù)測(cè)分析具有一定的探索性。

下面，我們用表7中的回歸模型來(lái)預(yù)測(cè)新冠疫情可能對(duì)各省級(jí)行政區(qū)及全國(guó)宏觀經(jīng)濟(jì)造成的負(fù)面影響。現(xiàn)在預(yù)測(cè)的困難已轉(zhuǎn)向疫情發(fā)展?fàn)顩r的判斷上。在未來(lái)疫情的發(fā)展方面已有一些研究試圖做出判斷，但我們觀察到這些研究基本只針對(duì)全國(guó)（或者區(qū)分湖北和非湖北），而沒(méi)有對(duì)每一個(gè)省份進(jìn)行預(yù)測(cè)。此外，值得注意的是，截止到本文寫(xiě)作時(shí)，得力于春節(jié)以來(lái)全社會(huì)強(qiáng)有力的應(yīng)對(duì)措施，全國(guó)多數(shù)省份的疫情已穩(wěn)定，已有許多省份出現(xiàn)連續(xù)多天新增確診病例為0的情況。疫情情況的快速變化使得已有的一些預(yù)測(cè)明顯不準(zhǔn)確。

因此，本文不追求疫情預(yù)測(cè)的規(guī)范和準(zhǔn)確，而采取簡(jiǎn)單的情景模擬方式進(jìn)行試算。由于使用的參數(shù)已在回歸表中給出，若讀者有其他的疫情預(yù)測(cè)方案，可代入?yún)?shù)自行計(jì)算。這里我們給出三個(gè)情景模擬方案：情景1，暫假設(shè)全國(guó)范圍疫情將在3月31日基本結(jié)束（也可以為各省份設(shè)置不同時(shí)間），然后再分別增加28天的觀察期。確診病人數(shù)以3月10日的結(jié)果為準(zhǔn)（再零星增加個(gè)別病患對(duì)結(jié)果影響不大）；情景2，假設(shè)病患人數(shù)雖然不再繼續(xù)大幅擴(kuò)張，但總有零星病患，致使全國(guó)范圍疫情到4月30日才結(jié)束，然后再分別增加28天的觀察期，確診人數(shù)仍以3月10日為準(zhǔn)；情景3，假設(shè)極端情況下由于全球疫情暴發(fā)和海外疫情沖擊，使得疫情一直持續(xù)到下半年的9月30日，然后再增加28天的觀察期才解除疫情狀態(tài)，這意味著全年有近93%的時(shí)間處于疫情狀態(tài)。以上述情景模擬為基礎(chǔ)，代入計(jì)量模型計(jì)算對(duì)各個(gè)省份GDP增速的影響。然后，再以2019年各省份的GDP占全國(guó)的比例為權(quán)重，加權(quán)計(jì)算對(duì)全國(guó)GDP增速的影響。表8是采用此方法計(jì)算得到的對(duì)全國(guó)2020年GDP增速的影響結(jié)果。

從上表結(jié)果看，采取的預(yù)測(cè)模型不同，對(duì)結(jié)果的影響差異也較大。以情景1為例，其中前兩個(gè)模型計(jì)算得到的結(jié)果影響在1個(gè)百分點(diǎn)左右，而后兩個(gè)有交叉項(xiàng)的模型得到的結(jié)果在2-3個(gè)百分點(diǎn)之間，模型4得到的結(jié)果意味著GDP增速可能接近為3%左右。由于疫情持續(xù)時(shí)長(zhǎng)變量的回歸結(jié)果在不同模型相對(duì)穩(wěn)定，造成差異的原因主要在于疫情規(guī)模遠(yuǎn)超非典，交叉項(xiàng)的存在最終使得疫情持續(xù)時(shí)長(zhǎng)的系數(shù)絕對(duì)值明顯變大。不同疫情情景模擬結(jié)果也存在差異，最極端情形的情景3 + 模型4為降低全年GDP增速約7.63個(gè)百分點(diǎn)。

此外，本文計(jì)量模型還有一點(diǎn)無(wú)法兼顧考慮，即疫情結(jié)束后經(jīng)濟(jì)可能出現(xiàn)報(bào)復(fù)性反彈而帶來(lái)的增長(zhǎng)，若考慮到這點(diǎn)，那么上半年，尤其是全年經(jīng)濟(jì)增速的下降幅度可能還會(huì)更小一些。

五、總結(jié)

本文以非典疫情為例，分析了疫情對(duì)宏觀經(jīng)濟(jì)的沖擊方向和大小，以及一些相關(guān)的可能對(duì)沖擊產(chǎn)生影響的因素，以期為當(dāng)前新冠疫情的分析提供參考借鑒。實(shí)證研究的發(fā)現(xiàn)主要有：

（1）不管是用確診患者數(shù)、死亡數(shù)還是治愈數(shù)變量，2003年的非典疫情均對(duì)當(dāng)年的經(jīng)濟(jì)增長(zhǎng)產(chǎn)生了顯著的影響。（2）進(jìn)一步分析發(fā)現(xiàn)，為應(yīng)對(duì)非典疫情，一個(gè)重要的措施就是限制人員的流動(dòng)和接觸，要求人們呆在家里，這對(duì)那些人口結(jié)構(gòu)中外來(lái)人口較多、經(jīng)濟(jì)更加依賴(lài)外來(lái)勞工的省份負(fù)面影響更大。（3）2003年時(shí)互聯(lián)網(wǎng)遠(yuǎn)未普及，未發(fā)現(xiàn)電信基礎(chǔ)設(shè)施水平可以對(duì)沖疫情對(duì)經(jīng)濟(jì)負(fù)面影響的作用，相反，計(jì)量結(jié)果發(fā)現(xiàn)電話(huà)普及率反而加劇了疫情的負(fù)面影響，本文相信這可能是由于電話(huà)普及會(huì)促進(jìn)疫情信息擴(kuò)散，進(jìn)而增加人們的緊張和恐慌，從而對(duì)經(jīng)濟(jì)增長(zhǎng)起到負(fù)面作用。（4）非典疫情對(duì)經(jīng)濟(jì)的影響存在一定的空間和全國(guó)效應(yīng)，因此若只考慮本省份的疫情數(shù)字進(jìn)行實(shí)證估計(jì)，很可能會(huì)低估疫情的負(fù)面影響，特別是對(duì)于那些疫情數(shù)字接近或等于0的地區(qū)。（5）疫情對(duì)經(jīng)濟(jì)的負(fù)面影響以第三產(chǎn)業(yè)最為主要，其次是第二產(chǎn)業(yè)，對(duì)第一產(chǎn)業(yè)的影響最弱。

我們使用疫情持續(xù)時(shí)間占經(jīng)濟(jì)核算周期比例變量進(jìn)行估計(jì)，來(lái)避免由于新冠疫情規(guī)模遠(yuǎn)超非典帶來(lái)的樣本外預(yù)測(cè)的難題，進(jìn)而基于簡(jiǎn)單的疫情情景模擬來(lái)試算疫情對(duì)全國(guó)GDP增速的影響。不同模型和情景得出結(jié)果各有差異，其中已公布的一季度經(jīng)濟(jì)數(shù)據(jù)顯示綜合考慮疫情持續(xù)時(shí)長(zhǎng)、疫情規(guī)模和交叉項(xiàng)的模型預(yù)測(cè)效果最佳。不同疫情情景模擬狀態(tài)下GDP增速的受影響程度不同，最極端情景下（假設(shè)疫情持續(xù)到下半年9月30日，再增加28天觀察期）的預(yù)測(cè)結(jié)果為降低全年GDP增速約7.63個(gè)百分點(diǎn)。1

從實(shí)證結(jié)果看，疫情對(duì)經(jīng)濟(jì)的負(fù)面影響關(guān)鍵取決于疫情持續(xù)的時(shí)間和程度。政府的首要任務(wù)是全力對(duì)抗疫情，盡早控制疫情，盡早恢復(fù)正常的生產(chǎn)生活秩序，減輕疫情對(duì)經(jīng)濟(jì)運(yùn)行的負(fù)面影響。因此，從長(zhǎng)遠(yuǎn)和宏觀角度，對(duì)抗疫情與穩(wěn)定經(jīng)濟(jì)運(yùn)行和發(fā)展的目標(biāo)是一致的，我國(guó)對(duì)疫情的得力應(yīng)對(duì)為全世界做出了表率。部分國(guó)家為了短期的經(jīng)濟(jì)利益而不積極主動(dòng)采取措施應(yīng)對(duì)疫情，從而無(wú)法阻止疫情快速擴(kuò)散，最終可能面臨人民健康與宏觀經(jīng)濟(jì)雙輸?shù)睦Ь?，是極不明智的。

參考文獻(xiàn)：

[1] 杜駿飛，2003：流言的流變：SARS輿情的傳播學(xué)分析[J].南京大學(xué)學(xué)報(bào)（哲學(xué)人文科學(xué)社會(huì)科學(xué)版），2003（05）：116-124.

[2] 高善文，2003：歷史之鑒——大規(guī)模傳染病的經(jīng)濟(jì)后果[J]. 新聞周刊，2003.4.21

[3] 國(guó)家信息中心、南京大學(xué)網(wǎng)絡(luò)傳播研究院，2020：“新型冠狀病毒肺炎”公眾認(rèn)知與信息傳播調(diào)研，研究報(bào)告

[4] 李荷，2004：災(zāi)難中的轉(zhuǎn)變：黑死病對(duì)歐洲文化的影響[J]. 中國(guó)人民大學(xué)學(xué)報(bào)， 2004（01）：150-155.

[5] 李正全，2003：SARS影響國(guó)民經(jīng)濟(jì)的短期與長(zhǎng)期分析[J]. 經(jīng)濟(jì)科學(xué)， 2003（03）：25-31.

[6] 馬玲，2003：非典與中國(guó)的電子商務(wù)[J].紹興文理學(xué)院學(xué)報(bào)（自然科學(xué)版）， 2003， 23（04）：75-78.

[7] 潘樹(shù)林，2011：淺談黑死病與歐洲文藝復(fù)興運(yùn)動(dòng)的關(guān)系[J]. 社科縱橫， 2011， 26（10）：135-137

[8] 孫德林，王曉玲，2003：“SARS”，中國(guó)電子商務(wù)發(fā)展的助推器[J]. 價(jià)格月刊， 2003， （09）：23-24.

[9] 魏尚進(jìn)，2020：新型冠狀病毒會(huì)拖累中國(guó)經(jīng)濟(jì)增長(zhǎng)嗎？ [J]. 復(fù)旦金融評(píng)論， 2020.1.30。譯自”Will the Coronavirus Cause a Major Growth Slowdown in China？” authored by Wei Shangjin.

[10] 楊然，2003，“非典”與電信[J]. 世界電信， 2003（06）： 3-4+32.

[11] Adda， Jér？me， 2016. Economic Activity and the Spread of Viral Diseases： Evidence from High Frequency Data， The Quarterly Journal of Economics， Volume 131， Issue 2， Pages 891–941.

[12] Almond， Douglas， 2006. Is the 1918 Influenza Pandemic Over？ Long Term Effects of In Utero Influenza Exposure in the Post-1940 U.S. Population， Journal of Political Economy， Vol.114， No.4

[13] Barro， Robert J.， José F. Ursúa， Joanna Weng， 2020. The Coronavirus and the Great Influenza Pandemic： Lessons from the “Spanish Flu” For the Coronaviruss Potential Effects on Mortality and Economic Growth， NBER Working Paper No.26866.

[14] Beach， Brian， Joseph P. Ferrie， Martin H. Saavedra， 2018， Fetal Shock or Selection？ The 1918 Influenza Pandemic and Human Capital Development， NBER Working Paper No.24725.

[15] Bloom， D. and Mahal， A.， 1997a. “AIDS， flu and the Black Death： Impacts on economic growth and well-being”. In D. Bloom and P. Godwin （Eds.）， The Economics of HIV and AIDS： The case of South and South East Asia. Oxford： Clarendon Press， pp. 22–52.

[16] Bloom， D. and Mahal， A.， 1997b. Does AIDS epidemic threaten economic growth. Journal of Econometrics， 77： 105–24

[17] Boucekkine， Raouf， Bity Diene & Theophile Azomahou， 2008. Growth Economics of Epidemics： A Review of the Theory， Mathematical Population Studies， 15：1，1-26

[18] Brainerd， Elizabeth and Siegler， Mark V. 2003， The Economic Effects of the 1918 Influenza Epidemic. CEPR Discussion Paper No. 3791.

[19] David E. Bloom & David Canning， 2006. "Epidemics and Economics，" Havard PGDA Working Papers 0906， Program on the Global Demography of Aging.

[20] Fogli， Alessandra， Laura Veldkamp， 2018， Germs， Social Networks， and Growth， Staff Report 572， Federal Reserve Bank of Minneapolis. Forthcoming in Review of Economic Studies.

[21] Garrett， Thomas A.， 2007. Economic Effects of the 1918 Influenza Pandemic： Implications for a Modern-day Pandemic， Federal Reserve Bank of St. Louis， Research Report.

[22] Herlihy， D.， 1997. The Black Death and the Transformation of the West. Cambridge， MA： Harvard University Press.

[23] Lee， Jane Hyo Jin， Warwick McKibbin， 2003. “The Impact of SARS”， In China： New Engine of World Growth， Asia Pacific Press， pp.19-33

[24] Noy and Shields ， 2019. The 2003 Severe Acute Respiratory Syndrome Epidemic： A Retroactive Examination of Economic Costs， ADB Economics Working Paper Series， No. 591

[25] Wong， Grace， 2008. Has SARS infected the property market？ Evidence from Hong Kong. Journal of Urban Economics， 63：74-95

[26] World Bank， 2014. The Economic Impact of the 2014 Ebola Epidemic： Short- and Medium-Term Estimates for West Africa， Research Report

Pandemic and Economic Growth： Empirical Evidence of SARS and the Potential Impact of COVID-19

LIU Xue-liang ZHANG Xiao-jing

Abstract： Taking the SARS epidemic as an example， this paper analyzes the impact of the SARS epidemic on Chinas economy in 2003， and on this basis analyzes the possible negative impact of the current COVID-19 pandemic on Chinas economic growth. The econometric study shows： Whether measured by numbers of diagnosed patients， deaths or cures， the SARS epidemic in 2003 had a significant impact on the economic growth of the year； Economy was hit harder in those provinces with more migrant and floating population in their demographic structure； Instead of being expected to play a mitigating effect， the level of telecommunications development may have exacerbated the negative impact of the epidemic； The impact of SARS on economy has a certain spatial and nationwide effect， thus it is likely to underestimate the impact of the epidemic if only the epidemic figures of the province itself are considered； The epidemic has a greater impact on the tertiary industry， etc. Then， based on the results of the SARS epidemic， we calculated the possible impact of COVID-19 on the economic growth of various provinces and the country as a whole， the results differ across models and scenarios， and predicted values are to bring down the economy by 4-6 percent of the first half of the year on average.

Keywords： Coronavirus， COVID-19， SARS， Macroeconomy， Economic Forecasting

〔執(zhí)行編輯：秦光遠(yuǎn)〕