錢學鋒 高婉

摘 要：2019年末暴發(fā)的新冠肺炎疫情對中國經濟造成了嚴重的影響，在此背景下，本文結合總供給和總需求模型，分析此次疫情對中國物價的沖擊。本文利用2018—2020年中國主要消費品和工業(yè)品的微觀價格數(shù)據(jù)，借鑒Chen等的做法，將武漢封城作為新冠肺炎疫情暴發(fā)時間點，采用雙重差分法研究疫情暴發(fā)對中國物價的影響，主要得出以下結論：新冠肺炎疫情暴發(fā)對中國物價產生了負向沖擊，但整體沖擊幅度不大。武漢市作為新冠肺炎疫情的集中暴發(fā)城市，其整體物價下降幅度顯著高于中國其他城市。中國其他城市物價受到的負向沖擊沒有因新冠疫情嚴重程度不同而產生顯著差異，也沒有因其離武漢市距離的增加而減小。收入差距較大的省份城市，其整體物價和食品零售價格受疫情負向沖擊更大;貿易依存度較高的城市，其工業(yè)生產資料價格受到的負向沖擊更大;及時發(fā)放消費券的城市，其食品零售價格的恢復速度快于其他城市。本文以物價為切入點，從一個較新的視角研究新冠肺炎疫情暴發(fā)對中國經濟的影響，深入探究物價變化背后蘊含的深層經濟機理，為相關政策制定提供了經驗支撐。

關鍵詞：新冠肺炎疫情;中國物價;總供給;總需求

中圖分類號：F014.32? 文獻標識碼：A

文章編號：1000-176X（2021）11-0003-15

一、問題的提出

2019年末暴發(fā)的新冠肺炎疫情（后文簡稱“疫情”）是新中國成立以來傳播速度最快、感染范圍最廣和防控難度最大的一次重大突發(fā)公共衛(wèi)生事件[1]。作為有效阻止疫情傳播的最關鍵舉措，中國政府當機立斷實行的武漢封城是史無前例的壯舉。根據(jù)Fang等[2]，武漢封城使中國除湖北省以外城市的新冠肺炎感染病例下降了64.81%，使湖北省除武漢市以外的城市新冠肺炎感染病例下降了52.64%。中國用一個多月的時間初步遏制了疫情蔓延勢頭，用兩個多月的時間將本土每日新增病例控制在個位數(shù)以內，用三個多月的時間取得了武漢保衛(wèi)戰(zhàn)、湖北保衛(wèi)戰(zhàn)的決定性成果，維護了人民生命安全和身體健康，并為維護地區(qū)和世界公共衛(wèi)生安全作出了重要貢獻[3]。然而，中國政府為防止疫情傳播采取的各種有效措施以及疫情本身卻對中國經濟造成了比較嚴重的影響，并給中國市場的供給側和需求側帶來了較大的沖擊，給中國經濟發(fā)展帶來前所未有的挑戰(zhàn)。

在此背景下，本文試圖以物價為切入點，探究疫情暴發(fā)對中國經濟的影響。一方面，一國物價是市場總供給和總需求共同作用的結果，其反映的是該國宏觀經濟的波動情況，因而深入探究疫情對中國物價的影響具有十分重要的現(xiàn)實意義。另一方面，即使疫情在后期得到了控制，但并未徹底消失，疫情本身以及因抗疫帶來的經濟格局與政策格局的改變將會作為一種新的“經濟常態(tài)”在未來一段時期內長期存在，此后許多經濟活動與政策考量也是基于這種“經濟常態(tài)”展開的。此時，以市場供給和需求共同作用的物價為聚焦點，可以在把握經濟形勢和運行規(guī)律的基礎上控制好政策的節(jié)奏和力度，亦有助于防止經濟運行滑出合理區(qū)間和短期沖擊演變成趨勢性變化。

事實上，人類對重大疫情的經濟影響研究由來已久。早在20世紀，Langer[4]、Kambou等[5]以及Cuddington[6]就對重大疫情的經濟效應展開了豐富的討論，且從20—21世紀，相關研究從未間斷。Brainerd和Siegler[7]研究了西班牙流感對經濟增長的影響，發(fā)現(xiàn)短期內流感的流行導致了各地區(qū)經濟衰退，但長期內受流感影響越重的地區(qū)經濟增長率越高。Keogh-Brown和Smith[8]研究SARS對各國經濟的影響后發(fā)現(xiàn)，疫情期間居民個人消費大幅下降，其中，零售業(yè)、餐飲業(yè)和旅游業(yè)受到的影響最為明顯。Dixon等[9]分析了H1N1流感對多個國家經濟的影響，研究發(fā)現(xiàn)，流感給一國需求側帶來的沖擊大于供給側。行偉波和田坤[10]梳理了各種流行病對人類社會發(fā)展影響的經濟效應以及相應的公共干預政策的實施效果。陳林[11]對重大突發(fā)公共衛(wèi)生事件的相關理論與經驗研究進行了全面梳理，研究發(fā)現(xiàn)，重大突發(fā)公共衛(wèi)生事件對國民經濟發(fā)展存在短期負面效應及長期潛在負面效應。

而自此次疫情暴發(fā)，研究其經濟效應的文獻更是如雨后春筍般涌現(xiàn)。Baek等[12]研究了疫情對就業(yè)的影響;Hanspal等[13]研究了疫情對收入的影響;Andersen等[14]、Baker等[15]以及Coibion等[16]研究了疫情對消費的影響;Gormsen和Koijen[17]與Cox等[18] 研究了疫情對股價等大宗商品價格的影響;Atkeson[19]和Guerrieri 等[20]對疫情下各種政策措施的成本收益進行了分析。此外，與本文聯(lián)系較為緊密的文獻是研究疫情暴發(fā)對中國市場供給側和需求側的影響。Chen等[21]利用2019—2020年中國214個城市的線下消費支出數(shù)據(jù)，研究了疫情對中國各城市消費數(shù)量和消費結構的影響，發(fā)現(xiàn)疫情暴發(fā)使中國線下消費支出大約下降了32.00%;鄭江淮等[22]將SARS前后與疫情前后的宏觀經濟和消費形勢進行對比，分析了疫情對中國消費經濟造成的潛在影響。祝坤福等[23]指出，新冠疫情在短期內對中國生產供應產生了較為嚴重的負向沖擊，加大了中國產業(yè)鏈加速外移。黃群慧[24]從供給側分析疫情對經濟的影響，發(fā)現(xiàn)此次疫情對中國供給側的沖擊具有短期性、全球性和高強度的特征。何誠穎等[25]通過事件回歸研究法、縱橫向分析法、比較靜態(tài)分析法和路徑分析法探究疫情對中國經濟、產業(yè)和金融各領域產生的影響及其具體路徑。

本文的研究也受益于現(xiàn)有研究疫情對中國物價影響的文章。許憲春等[26]根據(jù)價格指數(shù)分析疫情對中國經濟的影響，發(fā)現(xiàn)2020年第一季度中國居民消費價格指數(shù)明顯上漲，而工業(yè)生產者出廠價格指數(shù)和工業(yè)生產者購進價格指數(shù)均有所下降。盧倩倩和許坤[27]研究發(fā)現(xiàn)，受疫情影響，消費領域價格指數(shù)和生產領域價格指數(shù)均在2020年第一季度受到較為嚴重的負向沖擊，而后逐步受供需恢復變動。但以上文獻均從價格指數(shù)這個較為宏觀的視角研究中國整體物價走勢，且都基于特征事實分析，鮮有文獻通過經驗分析研究疫情暴發(fā)對中國物價的影響，因而本文是對現(xiàn)有文獻的有益補充。本文研究疫情暴發(fā)后的中國物價變化，旨在回答以下三個問題：第一，如此嚴重的疫情給中國物價帶來了怎樣的沖擊？其沖擊程度有多大？持續(xù)時間有多長？第二，疫情沖擊下的物價變化，其背后反映的深層經濟機理是什么？第三，中國不同地區(qū)的物價受疫情影響是否存在差異？其差異的背后又蘊含著怎樣的經濟學原理？基于此，本文利用2018—2020年中國主要消費品和工業(yè)品的微觀價格數(shù)據(jù)，借鑒Chen等[21]的做法，將武漢封城作為疫情暴發(fā)的沖擊點，采用雙重差分（下文簡稱DID）法研究疫情對中國物價的影響。

綜上所述，本文可能的邊際貢獻為：第一，本文以物價為切入點，將武漢封城作為疫情暴發(fā)點，從一個較新的視角研究此次疫情對中國經濟的影響。第二，現(xiàn)有相關文獻均從價格指數(shù)的視角研究疫情暴發(fā)后中國物價走勢，且都基于事實分析，而本文利用微觀價格數(shù)據(jù)對疫情影響物價進行實證分析，是對現(xiàn)有相關文獻的有益補充。第三，本文結合總供給和總需求模型，選取中國主要消費品和工業(yè)品的價格，將武漢封城作為疫情集中暴發(fā)的時間點，根據(jù)疫情沖擊下的物價變化，深入研究疫情暴發(fā)對中國經濟形勢和運行規(guī)律的影響，為中國堅定實施擴大內需戰(zhàn)略提供了經驗支撐。第四，本文基于疫情沖擊下中國不同地區(qū)物價受到的影響，深入分析其背后的經濟機理，為具有區(qū)域針對性的后疫情經濟助力政策提供經驗支撐，也為中國高質量的區(qū)域發(fā)展戰(zhàn)略提供借鑒。

二、疫情暴發(fā)前后物價變化的特征事實

一國物價變化是反映經濟波動的重要信號，尤其是該國主要消費品和工業(yè)品的價格，能夠較好地體現(xiàn)經濟沖擊對該國總供給和總需求的影響。本節(jié)選取中國主要消費品和工業(yè)品的價格，將武漢封城作為新冠疫情集中爆發(fā)的時間點，觀察疫情暴發(fā)前后這些具有代表性商品的價格變化趨勢。

（一）食品零售類商品

疫情暴發(fā)前后中國主要食品零售類商品（主要包括肉禽蛋、蔬菜、水果和水產品）[肉禽蛋、蔬菜、水果和水產品分別為食品零售下的四個中類，每個中類又分別包含相似的小類。由于各種類包含的小類品種較多，共計130種商品，因而未一一列出，小類產品名稱留存?zhèn)渌鳌的平均價格變化趨勢，如圖1—圖4所示。

根據(jù)圖1—圖4，[由于全國含湖北省與不含湖北省價格變化趨勢十分相似，湖北省含武漢市與不含武漢市價格變化趨勢十分相似，因而圖1—圖4中的全國不包含湖北省，湖北省不包含武漢市。以武漢封城日期（即2020年1月下旬）作為疫情暴發(fā)的沖擊點，每旬為10天，每月按3旬計，圖中垂直的虛線為武漢封城當期。圖1—圖4中每個中類的價格為所包含的小類價格的簡單平均，單位為元。若無特別說明，后文圖的處理方式與本圖相同。]疫情暴發(fā)之前，全國、湖北省和武漢市的食品零售類商品的平均價格均呈上升趨勢，疫情暴發(fā)以后，這些商品的價格短期上升后持續(xù)下降，這種變化趨勢也與Baker等[15]研究中疫情暴發(fā)前后美國家庭食品零售消費支出的變化趨勢相同。產生這種變化趨勢的一個主要原因是疫情暴發(fā)后，各地紛紛采取封閉隔離等限制措施，而食品零售類商品是居民生活最重要的組成部分。各地居民為維持封閉后的生活，會在短期內大量采購這些商品進行儲備。此時，居民對食品零售類商品的需求上升，而供給在短期內未發(fā)生改變，需求上升的同時供給不變，造成食品零售類商品因而價格呈上升趨勢。隨著疫情的持續(xù)暴發(fā)，行動受限、收入下降和悲觀預期等原因使居民對食品零售類商品的需求量逐漸下降。雖然食品零售類商品的供給隨著經濟活動的限制也出現(xiàn)下降，但其需求下降幅度更大，因而其平均價格呈現(xiàn)下降趨勢。

（二）日用工業(yè)消費品

疫情暴發(fā)前后中國主要日用工業(yè)消費品（主要包括家庭耐用消費品、家庭日化用品、煙酒和衣著）的平均價格變化趨勢，如圖5—圖8所示。

根據(jù)圖5—圖8，疫情暴發(fā)前后，日用工業(yè)消費品的平均價格變化幅度都不大。其中，武漢市家庭日化用品平均價格在2020年5月中旬發(fā)生過一次較大幅度的下降?？傮w而言，日用工業(yè)消費品的平均價格未受疫情明顯影響，這可能與商品本身的性質有關。一方面，日用工業(yè)消費品的耐用性和超長使用期使疫情沖擊和城市短期封鎖不會對其需求和供給產生較大影響，因而其價格也不會產生較大波動。另一方面，隨著電商的繁榮發(fā)展，近年來中國居民傾向于在每年特定的購物節(jié)（例如“618”和“雙11”）囤積這些商品，因而即使存在短期的行動限制，其平均價格也不會受到較大影響。

（三）工業(yè)生產資料

疫情暴發(fā)前后中國主要工業(yè)生產資料（主要包括化工產品、建材水泥、有色金屬和木材及制品）的平均價格變化趨勢，如圖9—圖12所示。

根據(jù)圖9—圖12，從圖9—圖12中可以看出，疫情暴發(fā)前武漢市工業(yè)生產資料的價格無太大波動，這可能是數(shù)據(jù)本身的原因導致的。武漢封城期間，采價人員無法出門，只能通過電話等途徑詢問當期價格。若采價人員實在無法獲得當期價格，則直接沿用上期價格。對比疫情暴發(fā)前后，除木材及制品平均價格小幅下降外，中國其他工業(yè)生產資料價格在疫情暴發(fā)后都出現(xiàn)大幅下降趨勢。無論是全國、湖北省還是武漢市層面的木材制品價格在疫情前后變化都不大，這可能與本文數(shù)據(jù)有關系。本文數(shù)據(jù)中木材制品的種類稀少，可能不具有代表性，無法準確反映整體木材制品類價格變化趨勢，因而后文進行回歸時本文將木材價格數(shù)據(jù)剔除。與食品零售類價格變化趨勢不同的是，工業(yè)生產資料價格沒有前期的上升階段，而是隨著疫情的暴發(fā)迅速下降。顯然，疫情的沖擊和城市封鎖導致的停工停產對工業(yè)生產資料價格的負向沖擊是十分迅速的，其背后也體現(xiàn)了疫情暴發(fā)對供給側的負向沖擊是十分迅速的。生產活動的停止使各工業(yè)行業(yè)對生產資料的需求急劇下降，短期內需求大幅下降造成工業(yè)生產資料價格下降。而隨著之后全國復工復產的有序進行，各行業(yè)對生產資料的需求逐漸上升，因而其平均價格也逐漸上升。特別的，2020年4月上旬起，湖北省除木材及制品外的其他工業(yè)生產資料的價格迅速回升，這與復工復產后湖北省政府一系列高強度的產業(yè)支持政策密不可分，例如，12家銀行向湖北省重點名單企業(yè)發(fā)放貸款261.30億元;對重點企業(yè)按照實際利率50%進行貼息;在融資、通行費和稅收等多方面為企業(yè)降本減負;統(tǒng)籌推進重點企業(yè)和產業(yè)鏈配套企業(yè)復工復產，幫助解決原材料供應、上下游協(xié)作問題等[28]。

綜上，新冠疫情暴發(fā)后，中國主要消費品和工業(yè)品的價格呈現(xiàn)出階段性變化，因而，下文將分不同階段對物價變化進行機制分析。

三、疫情影響物價的機制分析

根據(jù)均衡價格理論，價格由總供給和總需求共同決定，一個市場中的經濟波動來自總供給或總需求的變動，進而反映在市場價格的變動上。顯然，此次疫情給中國市場總供給和總需求都產生了較強的沖擊，進而影響整個市場價格。因而本文結合總供給與總需求模型，對疫情不同發(fā)展階段的市場價格變化進行機制分析。筆者將疫情發(fā)展分為如下五個階段[1]：

（一）第一階段：2019年12月27日至2020年1月19日

湖北省武漢市初步出現(xiàn)新冠肺炎確診病例，全國其他地區(qū)也逐漸出現(xiàn)與武漢相關聯(lián)的確診病例。中國政府迅速采取行動，全面開展疫情防控工作，并提示公眾盡量減少外出，避免人群聚集。

根據(jù)經濟學原理，預期是影響公眾需求的重要因素。疫情暴發(fā)下的恐慌心理和不確定預期導致公眾的囤積行為，市場需求先于市場供給發(fā)生改變，由最初的D1上升至D2，如圖13所示。短期內，市場供給未發(fā)生改變，保持在初始S1位置。整體來看，這一階段供給保持不變而需求急劇上升，因而價格由初始P1上升至P2，這與實際市場價格變化趨勢相吻合。疫情各發(fā)展階段，實際市場價格遭受的沖擊變化情況如圖18所示。

（二）第二階段：2020年1月20日至2020年2月20日

新冠肺炎新增確診病例迅猛增加，為防止疫情進一步擴散，中國政府采取了阻斷病毒傳播的最有效方式——關閉離漢離鄂通道，對武漢市進行封鎖。隨后，中國各地分別啟動重大突發(fā)公共衛(wèi)生事件應急響應，并于武漢市封城后陸續(xù)采取封閉式管理。中國舉國而動，全方位開展醫(yī)療支援活動和物資支援活動。這一時期，各地停工停產和封閉隔離措施使市場供給迅速下降，政府雖然進行馳援，但馳援效果具有時滯性，因而這一階段市場供給整體呈下降趨勢，由初始S1下降至S2，如圖14所示。疫情初期的恐慌性需求上升伴隨著一系列阻止疫情擴散措施帶來的供給下降，使市場價格進一步上升，由前一階段的P2繼續(xù)上升至P3，實際市場價格變化趨勢也與此相符。

（三）第三階段： 2020年2月21日至2020年3月17日

由于疫情發(fā)展前期中國政府的正確指導和迅速行動，除湖北省以外的地區(qū)疫情形勢趨于平穩(wěn)，湖北省和武漢市疫情嚴峻形勢初步得到遏制，疫情防控取得階段性成果。

從供給側來看，上一階段政府物資馳援效果逐漸顯現(xiàn)，市場整體供給短期上升，由S2移至S3，如圖15所示。從需求側來看，中國政府靈活積極的防控措施以及大力的物資支援增強了各地人民的抗疫信心，大眾恐慌心理和不確定性預期得到改善，恐慌性需求開始小幅下降，且封閉隔離等限制行動的措施也促使需求下降，需求由D2下降至D3。這一階段，需求下降的同時供給上升，疫情前期對物價的正向沖擊開始減弱并轉為負向沖擊，價格開始下降，由P3下降至P4。與理論價格變化趨勢相一致的是，這一階段的實際市場價格也開始呈現(xiàn)下降趨勢。中國政府的正確抗疫方向和抗疫措施使原本急劇上升的物價及時得到遏制，對整個市場經濟波動起到了很好的緩沖作用。

（四）第四階段： 2020年3月18日至2020年4月28日

武漢保衛(wèi)戰(zhàn)和湖北保衛(wèi)戰(zhàn)取得決定性成果，中國本土疫情發(fā)展形勢得到了良好控制，離漢離鄂通道管控措施解除。隨后，中國政府正確把握疫情發(fā)展形勢，適時分類推進復工復產。

雖然這一階段的疫情形勢逐漸好轉，但疫情前期政府為防止病毒擴散而采取的隔離封閉和停工停產措施帶來的經濟影響卻在持續(xù)加深。

從需求側來看，大眾對未來的不確定性預期雖然有所改善但并未根除，同時伴隨收入下降等因素，需求繼續(xù)由D3下降至D4，如圖16所示。從供給側來看，復工復產初步推進，供給短期內還未及時上升，即使有物資支援，但疫情前期長時間的封閉和停工停產等措施還是使供給整體呈下降趨勢，總供給由S3下降至S4。需求與供給同時下降，但需求下降幅度大于供給，價格由P4繼續(xù)下降至P5。同樣的，實際的市場價格也是繼續(xù)呈下降趨勢。

（五）第五階段：2020年4月29日至2020年6月20日

中國本土疫情基本得到控制，疫情態(tài)勢積極向好發(fā)展并進入疫情防控常態(tài)化。中國在不放松疫情防控的前提下逐步放開經濟活動和社會活動，并形成了適應于疫情防控的經濟社會運行體系，以國有企業(yè)為主力軍，各行各業(yè)復工復產活動有序進行。

從需求側來看，中國政府的積極行為和疫情不斷向好的態(tài)勢對大眾預期有良好的導向作用，消費逐漸復蘇，但由于疫情造成的收入下降，需求上升幅度較小，由D4移至D5，如圖17所示。從供給側來看，各地政府密集出臺了多項復工復產支持政策，為各行業(yè)企業(yè)尤其是中小企業(yè)以及個體工商戶紓困，供給由S4上升至S5。供給恢復速度快于需求，價格由P5小幅下降至P6，理論的市場價格變化趨勢與實際的市場價格變化趨勢相一致。

整體而言，市場總供給和總需求在新冠疫情不同發(fā)展階段遭受了不同的沖擊，這些沖擊造成的經濟波動反映在市場價格的變化上。接下來，本文將通過實證分析深入研究新冠疫情對中國物價的影響。

四、疫情影響物價的經驗研究

（一）數(shù)據(jù)說明

本文被解釋變量為價格，其數(shù)據(jù)來源于國家發(fā)展和改革委員會價格監(jiān)控中心發(fā)布的中國價格信息數(shù)據(jù)庫，其價格數(shù)據(jù)是由專門的采價人員定期在各城市采價點收集，因而具有較高質量。本文價格數(shù)據(jù)時間跨度為2018—2020年，主要包括三大類：食品零售，日用工業(yè)消費品和工業(yè)生產資料。每大類又劃分為若干中類，每個中類又包括若干小類，本文所使用的價格指各小類商品的單位價格，價格單位為元。本文價格數(shù)據(jù)覆蓋了中國119個主要地級市的130種小類商品，具有較強的代表性。為了提高研究的準確性，本文剔除了每小類前后各1%的單位價格極端值，描述性統(tǒng)計結果如表1所示。從均值角度來看，可以初步觀察到疫情暴發(fā)之前，2019—2020年物價均值高于2018—2019年同期物價，而疫情暴發(fā)之后，2019—2020年物價均值低于2018—2019年同期物價。具體從分位數(shù)來看，這種下降的趨勢主要體現(xiàn)在較高分位數(shù)的產品價格上，根據(jù)價格特征，這表明造成整體物價均值下降的主要原因在于工業(yè)生產資料價格的大幅下降。不過，這僅是初步分析，筆者將通過實證分析深入探究新冠疫情對中國各類商品價格的影響。

除疫情沖擊外的其他解釋變量主要包括：第一，各城市疫情嚴重程度（INFECTED）。該指標定義為截至2020年4月8日城市累計確診感染新冠肺炎的病例數(shù)與該城市2019年年末常住人口數(shù)之比，數(shù)據(jù)皆來源于國泰安數(shù)據(jù)庫。由于2020年4月8日為武漢解封日期，是重要的時間節(jié)點，因而本文選擇該日期的累計確診人數(shù)來衡量城市疫情感染情況。除湖北省城市以外，本文將疫情嚴重程度排名前30的城市定義為疫情較為嚴重城市。第二，城市與武漢市距離（DISTANCE）。各城市距離武漢市的最大圓弧距離，數(shù)據(jù)來源于Stata官方網站。本文將各城市與武漢市的距離劃分為5個等級，等級越高說明距離越遠。第三，各城市2019年對外貿易依存度（TRADE）。用各城市2019年進出口總額與該城市的GDP之比來衡量。數(shù)據(jù)來源于各城市2019年統(tǒng)計年鑒。本文將2019年對外貿易依存度排名前30的城市定義為高貿易依存度城市。第四，各城市所屬省份的收入差距（INCOME）。數(shù)據(jù)來源于西南財經大學中國家庭金融調查與研究中心的中國家庭金融調查（China Household Finance Survey， CHFS）數(shù)據(jù)庫[29]，該數(shù)據(jù)最新可獲得版本為2017年中國家庭金融調查數(shù)據(jù)，且只提供家庭所屬省份信息，因而本文只能對各城市所屬省份的收入差距進行衡量。本文用2017年各省份（或地區(qū)）前后25%的家庭收入差值與該省份家庭收入平均值之比衡量省份的收入差距，將收入差距排名前10的省份定義為高收入差距省份。第五，是否為消費券發(fā)放城市（COUPON），數(shù)據(jù)來源于北京大學國家發(fā)展研究院的研究報告《消費券的中國實踐——我國消費券發(fā)放的現(xiàn)狀、效果和展望研究》，該報告整理了截至2020年4月18日中國主要城市消費券的發(fā)放情況和基本特征，包括各地消費券的發(fā)放時間、發(fā)放力度和核銷率等。本文將截至2020年4月18日發(fā)放了消費券的城市定義為消費券發(fā)放城市。按省份或城市特征分組的統(tǒng)計結果，如表2所示。限于篇幅，各城市與武漢市距離等級劃分未在文中進行描述性統(tǒng)計，留存?zhèn)渌鳌?/p>

（二）基準模型設定

本文借鑒Chen 等[21]和Fang等[2]的做法，將武漢封城作為疫情暴發(fā)時間點，以2019年11月至2020年6月的物價作為處理組，以經過中國農歷新年調整的2018年12月至2019年6月的同期物價作為控制組，采用DID法研究此次疫情對中國物價的影響。基準回歸模型如下：

yict=αtreat×post+γt+δc+ηk+εict（1）

其中，yict代表城市c的商品i在時期t的價格（取對數(shù)形式），剔除了前后各1%的極端值。對于2019年11月至2020年6月處理組的觀察值，虛擬變量treat的取值為1，對于2018年12月至2019年6月控制組的觀察值，虛擬變量treat的取值為0。處理組疫情沖擊的時間點定義為武漢封城的日期，即2020年1月23日;控制組疫情沖擊點定義為2019年2月3日（根據(jù)中國農歷新年調整后的日期）。處理組和控制組位于沖擊點之前的觀察值虛擬變量post的取值為0，位于沖擊點之后的觀察值虛擬變量post的取值為1。γt代表每一旬的固定效應，δc代表該商品所在城市固定效應，ηk代表該商品所屬小類品種的固定效應，εict為隨機擾動項。系數(shù)α代表疫情沖擊對物價的影響效應，即本文主要關注的系數(shù)。此外，為保證回歸結果的準確性，本文采用面板數(shù)據(jù)的多維固定效應進行回歸，以解決與時間、城市和產品種類三個維度有關的遺漏變量對回歸結果的影響。

（三）平行趨勢的圖形檢驗

由于處理組主要為2020年價格，控制組主要為2019年價格，下文統(tǒng)稱處理組價格為2020年價格，控制組價格為2019年價格。在進行基準回歸前，本文先對2020年價格和2019年價格的平行趨勢進行簡單的圖形檢驗。圖形檢驗結果顯示，整體價格、食品零售價格以及工業(yè)生產資料價格通過了平行趨勢檢驗，而日用工業(yè)消費品價格未通過平行趨勢檢驗。

（四）基準回歸

疫情暴發(fā)對中國物價影響的基準回歸結果如表3所示，平均來講，疫情沖擊下的整體物價下降了0.95%，食品零售價格下降了1.09%，工業(yè)生產資料價格下降了3.10%，且都在1%的水平下顯著。比較而言，疫情暴發(fā)對工業(yè)生產資料價格的負向沖擊最大，對食品零售價格的負向沖擊次之。

整體而言，截至2020年6月，疫情暴發(fā)對中國主要消費品和工業(yè)品價格帶來了負向沖擊，且這種負向沖擊主要體現(xiàn)在食品零售和工業(yè)生產資料的價格上。結合總供給和總需求模型來看，物價下降說明此次疫情給中國需求側帶來的負向沖擊大于供給側。從總供給來看，宏觀經濟學強調一個國家總供給是由該國的內在經濟結構決定的，短期內不會輕易改變，因而包括疫情在內的自然災害等外來沖擊對總供給的影響并不會長久。從總需求來看，根據(jù)凱恩斯的有效需求理論[30]，消費和投資是有效需求的重要組成部分，影響消費和投資的因素包括消費傾向、預期收益、市場價格、流動性偏好和貨幣數(shù)量。其中，消費傾向、預期收益、市場價格和流動性偏好是由人們自發(fā)的市場行為決定的，容易受到外來沖擊的影響從而產生惡性循環(huán)，且國家政策很難對這些變量加以控制。而貨幣數(shù)量雖然可以通過國家政策加以調整，但具有很長的時滯性，且多數(shù)情況下不能起到很好的效果。多種因素交重，使此次疫情對中國市場需求的負向沖擊大于供給，最終以市場價格下降的形式得以體現(xiàn)。這同時暴露出現(xiàn)階段需求側相對于供給側具有更大的不穩(wěn)定性，因而構建一個堅實穩(wěn)定的內需體系顯然是未來中國經濟結構改革的主要著力方向。不過值得一提的是，如此嚴重的疫情沖擊下，中國物價并未發(fā)生大幅下降，整個經濟沒有發(fā)生嚴重的通貨緊縮，說明中國政府在緊要關頭采取的各項穩(wěn)定經濟的措施取得了顯著成效。正如前文機制分析中所述，其背后體現(xiàn)的是中國特色社會主義制度的優(yōu)越性在緩解經濟波動和穩(wěn)定市場物價過程中的至關重要的作用。

（五）穩(wěn)健性檢驗

1.平行趨勢檢驗

前文已經通過圖形對整體物價和各大類價格的平行趨勢進行了初步檢驗，為了保證結果的穩(wěn)健性，本文通過回歸方式對整體物價、食品零售價格以及工業(yè)生產資料價格進行平行趨勢檢驗。具體做法是，首先，根據(jù)基準回歸的做法生成treat變量以及post變量;其次，將疫情沖擊時間點前的每一期生成對應的虛擬時間變量并與treat變量交互生成pre1—pre6變量;最后，將treat×post變量以及pre1—pre6變量進行式（1）的回歸。限于篇幅，平行趨勢檢驗結果未在文中報告，留存?zhèn)渌?。根?jù)回歸結果，雖然整體物價和食品零售價格在疫情發(fā)生前變量pre5系數(shù)顯著異于0，工業(yè)生產資料價格在疫情發(fā)生前變量pre6和pre5系數(shù)顯著異于0，但其余各期交互項系數(shù)均沒有顯著異于0，且變量treat×post依然顯著，可以認為，本文結果基本通過平行趨勢檢驗，與前文圖形檢驗結果基本一致。

2.安慰劑檢驗

采用DID法研究疫情暴發(fā)對中國物價的影響，一個重要的假設條件就是疫情暴發(fā)之前，2019年與2020年同期價格的變化趨勢不存在系統(tǒng)性差異。如果在疫情暴發(fā)之前，2019年與2020年價格變化趨勢已經存在顯著差異，就證明疫情暴發(fā)可能不是2020年價格遭受負向沖擊的主要原因。因此，本文通過反事實的方式構造假想的疫情沖擊時間點來檢驗基準回歸結果的穩(wěn)健性。具體的，本文僅選取疫情暴發(fā)之前的樣本區(qū)間，并分別將武漢封城前3期和前4期設定為假想的疫情沖擊時間點進行回歸?；貧w結果顯示treat×post1與treat×post2的系數(shù)均不顯著，證明本文基準回歸結果比較穩(wěn)健。

3.動態(tài)邊際效應檢驗

進一步，本文對疫情影響價格的動態(tài)邊際效應進行驗證，深入探究此次疫情對物價沖擊的階段性變化。同樣以武漢封城作為疫情暴發(fā)點，本文對樣本進行式（2）的回歸：

yict=∑kj=0αjtreat×postj+γt+δc+ηk+εict（2）

其中，postj為疫情暴發(fā)后每1期對應的虛擬變量，本文樣本中疫情暴發(fā)后共14期，j=0代表武漢封城當期。

根據(jù)動態(tài)邊際檢驗圖，整體物價在疫情暴發(fā)當期就已經遭受了正向沖擊，并在疫情暴發(fā)后的40天里持續(xù)遭受正向沖擊，這與本文機制分析中疫情發(fā)展前兩個階段的市場價格變化趨勢基本一致。疫情暴發(fā)30天后整體物價遭受的正向沖擊達到最大值，隨后逐漸下降。疫情暴發(fā)50天后，整體物價遭受的正向沖擊開始轉為負向沖擊，并持續(xù)到本文樣本結束期，這與機制分析的后三個階段的市場價格變化趨勢相吻合。

具體分類來看，疫情對食品零售類價格的動態(tài)沖擊效應與整體物價具有相同的趨勢，但對工業(yè)生產資料價格的動態(tài)沖擊效應有所不同。疫情暴發(fā)的10天后，工業(yè)生產資料價格就迅速遭受負向沖擊，這與前文特征事實所展示的工業(yè)生產資料價格變化趨勢相一致。疫情對工業(yè)生產資料價格的負向沖擊在武漢解封當期達到最大值，隨后這種負向沖擊逐漸減弱，并隨著復工復產的有序進行進一步減弱。數(shù)據(jù)顯示，在國有企業(yè)發(fā)揮主力軍作用下，截至2020年4月底，全國規(guī)模以上工業(yè)企業(yè)復工率超過99%，中小微企業(yè)復工率達到88%，重大項目復工率超過95%[1]。企業(yè)的復工復產意味著市場對工業(yè)生產資料的需求不斷上升，隨之而來就是價格的上升。筆者認為，疫情后中國政府出臺的產業(yè)支持政策對工業(yè)生產資料價格迅速恢復具有顯著成效，工業(yè)生產資料價格的快速恢復本質上體現(xiàn)了市場供給的快速恢復，說明此次疫情對供給側的負向沖擊“來的快，去的快”。相比于需求側，此次疫情對中國供給側的沖擊具有短期性的特征。綜上，疫情對各類價格影響的動態(tài)邊際效應十分顯著，進一步證明了本文基準回歸結果的穩(wěn)健性。

此外，本文還將被解釋變量的測度方式改為相對價格和價格增長率進行回歸，以及將湖北省價格數(shù)據(jù)剔除進行回歸，結果依然穩(wěn)健。

（五）穩(wěn)健性檢驗

1.平行趨勢檢驗

前文已經通過圖形對整體物價和各大類價格的平行趨勢進行了初步檢驗，為了保證結果的穩(wěn)健性，此部分將通過回歸方式對整體物價、食品零售價格以及工業(yè)生產資料價格進行平行趨勢檢驗。具體做法是，首先，根據(jù)基準回歸的做法生成treat變量以及post變量;其次，將疫情沖擊時間點前的每一期生成對應的虛擬時間變量并與treat變量交互生成pre1—pre6變量;最后，將treatpost變量以及pre1—pre6變量進行式（1）的回歸，結果如表4所示。由表4可知，雖然整體物價和食品零售價格在疫情發(fā)生前變量pre5系數(shù)顯著異于0，工業(yè)生產資料價格在疫情發(fā)生前變量pre6和pre5系數(shù)顯著異于0，但其余各期交互項系數(shù)均沒有顯著異于0，且變量treatpost依然顯著?？梢哉J為，本文結果基本通過平行趨勢檢驗，與前文圖形檢驗結果基本一致。

2.安慰劑檢驗

采用DID方法研究疫情暴發(fā)對中國物價的影響，一個重要的假設條件就是疫情暴發(fā)之前，2019年與2020年同期價格的變化趨勢不存在系統(tǒng)性差異。如果在疫情暴發(fā)之前，2019年與2020年價格變化趨勢已經存在顯著差異，就證明疫情暴發(fā)可能不是2020年價格遭受負向沖擊的主要原因。因而本部分通過反事實的方式構造假想的疫情沖擊時間點來檢驗基準回歸結果的穩(wěn)健性。如果在反事實情況下，treatpost的系數(shù)不顯著，就說明疫情暴發(fā)之前2019年與2020年同期價格的變化趨勢不存在系統(tǒng)性差異，疫情暴發(fā)才是導致二者價格變化趨勢出現(xiàn)不同的原因，進而證明基準回歸結果的穩(wěn)健性。具體的，本文僅選取疫情暴發(fā)之前的樣本區(qū)間，并分別將武漢封城前3期和前4期設定為假想的疫情沖擊時間點進行回歸，回歸結果如表5所示。表5的列（1）—列（3）報告是將武漢封城前3期作為假想的疫情沖擊時間點的回歸結果，列（4）—列（6）報告的是將武漢封城前4期作為假想的疫情沖擊時間點的回歸結果，可以看到，treatpost1與treatpost2的系數(shù)均不顯著，證明本文基準回歸結果比較穩(wěn)健。

3.動態(tài)邊際效應檢驗

進一步，本文對疫情影響價格的動態(tài)邊際效應進行驗證，深入探究此次疫情對物價沖擊的階段性變化。同樣以武漢封城作為疫情暴發(fā)點，本文對樣本進行回歸，公式如下：

yict=∑kj=0αjtreatpostj+βtreat+γt+δc+ηk+εict （2）

注：縱坐標的是DID回歸得出的虛擬變量postj與虛擬變量treat交互項的系數(shù)乘以100，即各期價格變化的百分比。陰影區(qū)域為各系數(shù)在95%水平下的置信區(qū)間。橫坐標代表疫情暴發(fā)后的時期，t=0代表武漢封城當期，1期為10天。

其中，postj為疫情暴發(fā)后每1期對應的虛擬變量，本文樣本中疫情暴發(fā)后共14期，j=0代表武漢封城當期，疫情沖擊對物價影響的動態(tài)邊際效應，如圖18所示。從圖18中可以看出，整體物價在疫情暴發(fā)當期就已經遭受了正向沖擊，并在疫情暴發(fā)后的40天里持續(xù)遭受正向沖擊，這與本文機制分析中疫情發(fā)展前兩個階段的市場價格變化趨勢基本一致。疫情暴發(fā)初始時期造成的恐慌性需求上升以及封鎖隔離措施造成的供給下降，是導致這一時期價格遭受正向沖擊的主要原因。疫情暴發(fā)30天后整體物價遭受的正向沖擊達到最大值，隨后逐漸下降。疫情暴發(fā)50天后，整體物價遭受的正向沖擊開始轉為負向沖擊，并持續(xù)到本文樣本結束期，這與機制分析的后三個階段的市場價格變化趨勢相吻合。政府馳援的物資使市場供給短期上升和恐慌性需求下降導致了前期急劇上升的物價開始下降。之后隨著疫情持續(xù)發(fā)展，政府為阻止病毒擴散采取的各種有效措施的潛在經濟成本逐漸顯現(xiàn)，不確定性預期加強、收入下降以及停工停產等各種因素帶來的需求供給持續(xù)下降，且需求下降幅度大于供給，因而整體物價遭受持續(xù)的負向沖擊。雖然負向沖擊在武漢解封后短暫減弱，但由于疫情防控進入常態(tài)化后市場供給恢復速度快于需求，因而物價遭受的負向沖擊并未結束，并持續(xù)到樣本結束期。

具體分類來看，疫情對食品零售價格的動態(tài)沖擊效應與整體物價具有相同的趨勢，但對工業(yè)生產資料價格的動態(tài)沖擊效應有所不同。疫情暴發(fā)后10天后，工業(yè)生產資料價格就迅速遭受了負向沖擊，這與前文特征事實所展示的工業(yè)生產資料的價格變化趨勢相一致。疫情對工業(yè)生產資料價格的負向沖擊在武漢解封當期達到最大值，隨后，這種負向沖擊逐漸減弱，并隨著復工復產的有序進行進一步減弱。數(shù)據(jù)顯示，在國有企業(yè)發(fā)揮主力軍作用下，截至2020年4月底，全國規(guī)模以上工業(yè)企業(yè)復工率超過99%，中小微企業(yè)復工率達到88%，重大項目復工率超過95%[1]。企業(yè)的復工復產意味著市場對工業(yè)生產資料的需求不斷上升，隨之而來就是價格的上升。可以認為，疫情后中國政府出臺的產業(yè)支持政策對于工業(yè)生產資料價格迅速恢復具有顯著成效。工業(yè)生產資料價格的快速恢復本質上體現(xiàn)了市場供給的快速恢復，說明此次疫情對供給側的負向沖擊“來的快，去的快”。相比于需求側，此次疫情對中國供給側的沖擊具有短期性的特征。綜上，疫情對各類價格影響的動態(tài)邊際效應十分顯著，進一步證明了本文基準回歸結果的穩(wěn)健性。

此外，本文還將被解釋變量的測度方式改為相對價格和價格增長率進行回歸，以及將湖北省價格數(shù)據(jù)剔除進行回歸，結果依然穩(wěn)健。

五、疫情影響物價的進一步分析

前文已經分析了疫情對中國119個主要城市整體物價的影響。顯然，無論是疫情沖擊帶來的經濟波動還是相關政策的合理制定，都可能存在區(qū)域差異性。根據(jù)前文基準回歸結果，此次疫情給市場需求帶來了更大的負向沖擊，因而本文將根據(jù)需求差異性對119個城市進行劃分以深入分析其中的經濟機理。從微觀層面來看，影響需求的主要因素包括預期和收入。從宏觀層面來看，市場整體需求由內部需求和外部需求共同組成，疫情不僅會對內部需求產生影響，也會對外部需求產生影響。因而本文在與預期、收入和外部需求有關的城市特征變量的基礎上構建虛擬變量，并加入式（1）中進行回歸，以深入探究疫情暴發(fā)對中國不同城市物價的影響，試圖在一定程度找到相關地區(qū)經濟發(fā)展的短板，為地區(qū)經濟長遠健康發(fā)展提供經驗支撐。此外，疫情后期，多地政府采取發(fā)放消費券的方式刺激當?shù)叵M需求以拉動經濟復蘇，鑒于消費券是數(shù)字經濟時代下刺激消費需求的新興方式，本文擬從物價恢復得角度探究地方政府發(fā)放消費券對助力經濟恢復的具體效果。因而本文也將發(fā)放消費券作為城市特征變量以構建虛擬變量，并加入式（1）中進行回歸，回歸模型如下：

yict=α1treat×post+α2treat×post×city+γt+δc+ηk+εict（3）

其中，city代表與預期、收入、外部需求以及發(fā)放消費券有關的城市特征虛擬變量。

（一）疫情對物價的影響：武漢市和湖北省城市

武漢市作為此次疫情中國區(qū)的集中暴發(fā)地，其各方面受到的沖擊都是最嚴重的，湖北省作為疫情集中暴發(fā)省份同樣也受到了比較嚴重的沖擊。因而本文先將中國城市區(qū)分為武漢市和非武漢城市以及湖北省城市和非湖北省城市。設置虛擬變量WH，武漢市WH取值為1，其他城市WH取值為0;設置虛擬變量HB，湖北省城市HB取值為1，其他城市HB取值為0。分別將WH和HB與treat×post交互后放入式（3）中進行回歸，回歸結果如表4所示。

表4的列（1）—列（3）報告的是武漢市的回歸結果。平均而言，疫情使武漢市整體物價下降幅度比非武漢市高出0.86%，食品零售價格下降幅度比非武漢城市高出2.26%，且都在1%的統(tǒng)計水平上顯著，這說明雖然疫情前期物資短缺使武漢市物價遭受了正向沖擊，但疫情后期其發(fā)生了更大幅度的回落。顯然，武漢市作為疫情集中暴發(fā)城市，其物價受到的負向沖擊最為嚴重，尤其是食品零售價格波動較大。但這種額外的價格下降可能不僅僅是由疫情本身的嚴重程度造成的，其本質上還反映了心理因素在消費行為中的重要作用。Chen等[21]指出，即使沒有行動限制和收入下降等因素的影響，由疫情帶來的不確定性預期和焦慮情緒也會使居民大幅減少消費支出。Coibion等[16]也指出，此次疫情造成的悲觀經濟預期是市場需求大幅下降的主要因素之一。武漢市是此次疫情的集中暴發(fā)地，其嚴重程度遠超中國其他城市，如此突然且嚴重的疫情帶來的不確定性預期和恐慌心理使武漢市市場需求大幅下降，同時伴隨收入大幅下降，因而相對于其他城市，武漢市的整體物價以及食品零售價格相對于其他城市遭受了更大程度的負向沖擊。根據(jù)表4列（3），平均而言，疫情沖擊對武漢市工業(yè)生產資料價格的負向沖擊比非武漢城市低了2.31%。這可能是兩方面的原因造成的：一方面，數(shù)據(jù)統(tǒng)計的原因，前文提到，疫情的限制出行措施導致采價行為無法正常進行，因而武漢解封之前，武漢市工業(yè)生產資料平均價格長時間未發(fā)生改變，無法真實反映其變化趨勢;另一方面，可能與政府大力度的復工復產支持政策有關，武漢市作為疫情重災區(qū)，其復工復產的推進一直是政府關注的重點，包括建立中小微企業(yè)紓困專項資金、給予企業(yè)貼息支持、階段性減免稅負以及降低企業(yè)融資成本在內的一系列高強度復工復產政策，使武漢市的工業(yè)生產迅速開展，因而武漢市工業(yè)生產資料的價格也得到較快的恢復。由于DID法回歸處理的是平均效應，疫情前期武漢市工業(yè)生產資料價格波動不大，疫情后期復工復產的迅速恢復使武漢市工業(yè)生產資料價格也迅速恢復，導致武漢市工業(yè)生產資料的下降幅度低于全國其他城市。

表4的列（4）—列（6）報告的是湖北省城市的回歸結果。為剔除武漢市物價對回歸結果的影響，回歸時不包含武漢市。平均而言，疫情給湖北省其他城市物價造成的負向效應低于中國其他省份城市。這說明雖然疫情后期價格有所回落，但疫情暴發(fā)前期，嚴重的物資短缺使湖北省其他城市的物價上升幅度顯著大于全國其他城市，因此，平均而言，湖北省城市價格受到的負向沖擊小于全國其他城市。

（二）疫情對物價的影響：主要風險城市

疫情對中國經濟的影響是全國性的，雖然中國其他城市的疫情嚴重程度遠不及武漢市，但其經濟各方面也受到了比較嚴重的影響。因而本文按城市疫情嚴重程度以及其與武漢市距離，對中國除湖北省外城市進行風險等級分類。本文將中國各城市與武漢市的最大圓弧距離劃分為5個等級，并根據(jù)等級生成相應的5個虛擬變量DISj，等級越高代表與武漢市圓弧距離越大。同時，本文將疫情嚴重程度排名前30的城市INF30取值為1，其他城市INF30取值為0，分別將DISj和INF30與treat×post交互后放入式（3）中進行回歸，回歸結果如表5所示。

如表5的列（1）—列（3）所示，疫情嚴重程度未對各城市整體物價和食品零售價格產生額外的負向沖擊，這可能是因為除湖北省城市外，全國其他城市疫情嚴重程度相差不大。不過，疫情較為嚴重的城市工業(yè)生產資料價格比其他城市額外下降了0.46%，說明工業(yè)生產資料的價格對疫情嚴重程度帶來的風險更為敏感，疫情越嚴重的地區(qū)的工業(yè)生產活動恢復得越慢。如表5的列（4）—列（5）所示，各城市整體物價和食品零售價格受到的負向沖擊并未隨其離武漢距離增加而減弱。顯然，這一結論與經濟學上的引力模型并不相符，說明疫情之下中國所有城市都是命運共同體。這也在一定程度上反映了重大疫情帶來的恐懼心理和悲觀預期并不會隨其與疫情集中地的距離增加而減弱。同時，根據(jù)表5的列（6），與武漢市距離越遠的城市，工業(yè)生產資料價格受到的負向沖擊越弱，說明工業(yè)生產活動的進行在一定程度上會受到其與武漢市距離的影響，與武漢市距離越遠的城市的工業(yè)生產活動恢復越快。

（三）疫情對物價的影響：收入差距較高的省份城市

根據(jù)邊際消費傾向遞減規(guī)律，消費者的邊際消費傾向隨收入的增加而降低，因而低收入人群更傾向消費。且與高收入人群相比，低收入人群的消費更容易受到外來沖擊的影響。因而收入差距越大的地區(qū)消費結構越不穩(wěn)定，其有效需求也更容易受到外來沖擊的影響，進而反映在該地區(qū)的物價波動上。本文將2017年收入差距排名前10的省份城市INC10取值為1，其他省份城市INC10取值為0，并與treat×post交互后放入式（3）中進行回歸，回歸結果如表6列（1）—列（3）所示。

根據(jù)表6列（1），平均而言，收入差距更大的省份城市整體物價會額外遭受0.21%的負向沖擊，正如前文所言，這種額外的負向沖擊本質上體現(xiàn)的是該城市需求結構的不穩(wěn)定。甘犁等[31]指出，此次疫情使高收入組家庭財富增值而使低收入組家庭財富縮水。這意味著，疫情的沖擊加大了中國各地區(qū)家庭收入差距，使更多低收入群體的消費得到抑制，因而原本收入差距越大的地區(qū)物價所受影響越大。如表6列（2）—列（3）所示，這種額外的負向沖擊主要表現(xiàn)在食品零售價格上，而在工業(yè)生產資料價格上表現(xiàn)得并不明顯，這可能是因為食品零售是低收入群體的主要消費品，因而其價格會受到更為顯著的負向沖擊。

（四）疫情對物價的影響：貿易依存度較高的城市

貿易依存度較高的城市，其外部需求占有效需求的比重較高，在面臨疫情等重大風險時，外部需求和內部需求同時下降，使其有效需求相比于其他城市有更大幅度的下降。因而本文將2019年中國貿易依存度排名前30的城市TRA30取值為1，其他城市TRA30取值為0，將TRA30與treat×post交互后放入式（3）中進行回歸，回歸結果如表6列（4）—列（6）所示。

根據(jù)表6列（4）—列（6），貿易依存度較高的城市整體物價受到的負向沖擊與其他城市并無差別，但其工業(yè)生產資料價格受到了1.43%的額外負向沖擊。原因在于，這些高貿易依存度城市的出口總額占其GDP比重非常高，超過全國平均水平。相比于低貿易依存度城市，這些城市不僅內部需求受到疫情的影響而下降，其外部需求也大幅萎縮，這主要影響當?shù)氐墓I(yè)企業(yè)，進而影響工業(yè)生產資料價格。同時，根據(jù)表6列（5），貿易依存度較高城市食品零售價格受到的負向沖擊小于其他城市。這可能是因為相對于其他城市，高貿易依存度城市總需求中外部需求占比較高而內部需求占比較小，因而其內部需求受到負向沖擊相對較小;而城市食品零售價格主要受內部需求變化的影響，因而高貿易依存度城市食品零售價格受到的負向沖擊小于低貿易依存度城市。

（五）疫情對物價的影響：消費券發(fā)放城市

疫情的到來給中國經濟帶來了比較嚴重的影響，而各地政府為了抑制疫情擴散采取的隔離封鎖措施加劇了經濟下滑。在此背景下，疫情穩(wěn)定后的經濟重啟便成為各地政府的首要任務之一。作為有效需求的重要組成部分，刺激消費一直都是政府助力經濟發(fā)展的重要方式之一。自2020年3月起，多地政府采取發(fā)放消費券的方式以刺激當?shù)叵M。根據(jù)北京大學國家發(fā)展研究院的研究報告，政府發(fā)放的消費券對推動當?shù)亟洕哂蟹e極效果：發(fā)放消費券行業(yè)比未發(fā)放消費券行業(yè)恢復快;發(fā)券地區(qū)消費券微信總支付筆數(shù)比未發(fā)券地區(qū)高出4.00%[32]。鑒于消費券與物價的重要聯(lián)系，本文試圖從物價恢復的角度研究消費券的發(fā)放是否具有積極作用。本文設置COU，將截至2020年4月18日發(fā)放了消費券的城市COU取值為1，其他城市COU取值為0，將COU與treat×post交互后放入式（3）中進行回歸，回歸結果如表6列（7）—列（9）所示。

根據(jù)表6列（7）—列（9），消費券發(fā)放城市整體物價和工業(yè)生產資料價格受到的負向影響與未發(fā)券城市無明顯差別，但發(fā)券城市食品零售價格恢復速度快于未發(fā)券城市，這可能與消費券發(fā)放行業(yè)有關。根據(jù)北京大學國家發(fā)展研究院的研究報告，為惠及最需要保護的小微企業(yè)，各地政府消費券發(fā)放范圍主要集中在餐飲業(yè)和百貨超市[32]，因而這些行業(yè)的消費需求恢復快于其他行業(yè)，從而其相關產品的價格恢復也快于其他行業(yè)?？梢姡粝朐诙唐趦戎洕謴?，出臺刺激消費的政策不失為一個好的方式，與刺激投資的周期長和見效慢相比，刺激消費具有短期內見效快的優(yōu)勢。

六、結論與政策含義

本文結合總供給和總需求模型，利用2018—2020年中國主要消費品和工業(yè)品的微觀價格數(shù)據(jù)，基于武漢封城的視角研究疫情暴發(fā)對中國物價的影響，得出以下研究結論：第一，新冠疫情暴發(fā)給中國主要消費品和工業(yè)品價格帶來了負向沖擊，但整體下降幅度不大。研究結果顯示，截至2020年6月，疫情暴發(fā)使中國主要消費品和工業(yè)品整體物價下降需要特別說明的是，由于本文采用DID法進行回歸，本文價格“下降”的含義均為各類價格相對于其“反事實”情況下的下降，即未發(fā)生疫情條件下的下降。了0.95%，其中，食品零售價格下降了1.09%，工業(yè)生產資料價格下降了3.10%，日用工業(yè)消費品價格未受到明顯的影響。且截至本文樣本結束期，整體物價和食品零售價格受到的負向沖擊還在持續(xù)，工業(yè)生產資料價格受到的負向沖擊逐漸消失。第二，武漢市作為疫情的集中暴發(fā)地，其整體物價下降幅度比中國其他城市額外高出0.86%。但湖北省其他城市整體物價下降幅度與中國其他各省的城市無明顯區(qū)別。中國其他城市的整體物價下降幅度沒有因其離武漢市距離增加而減少，也沒有因疫情嚴重程度不同而表現(xiàn)出顯著差異性，但疫情較嚴重以及離武漢市較近的城市，其工業(yè)生產資料價格受到更大的負向沖擊。第三，收入差距較大的省份城市物價受到的負向沖擊大于其他城市，且在這種負向沖擊主要表現(xiàn)在食品零售價格上。貿易依存度較高城市的工業(yè)生產資料價格受到更大的負向沖擊。及時發(fā)放消費券的城市，其食品零售價格的恢復速度快于其他城市。

總體而言，疫情暴發(fā)給中國主要消費品和工業(yè)品價格帶來了負向沖擊，截至本文樣本結束期，整體物價和食品零售價格受到的負向沖擊還在持續(xù)，但工業(yè)生產資料受到的負向沖擊已逐漸消失，平均而言，中國物價未受到較為嚴重的負向沖擊。進一步，筆者發(fā)現(xiàn)，武漢市物價下降幅度顯著高于其他城市，但中國其他城市物價受疫情沖擊的力度并沒有隨其離武漢市的距離增加而減弱。收入差距越大和貿易依存度越高的城市物價受疫情的負向影響更大，消費券的發(fā)放對城市物價的恢復具有積極影響。

本文得出的結論具有豐富的政策含義：第一，從市場總供給和總需求的角度來看，物價下降證明中國市場需求側受疫情的負向影響更為嚴重，中國市場需求側相比于供給側具有更大的不穩(wěn)定性。因而今后中國在實行供給側結構性改革的同時也要時刻注重對需求側的把控，正確把握好擴大內需這一戰(zhàn)略基點，構建完整堅實的內需體系，這不僅是中國經濟持續(xù)健康發(fā)展的必要條件，也是百年未有之大變局下中國應對世界經濟巨大不確定性的必然要求。第二，武漢市作為疫情集中暴發(fā)地，其經濟受到了較為嚴重的影響。政府在之后助力經濟發(fā)展的過程中應繼續(xù)把恢復武漢市經濟作為重點目標之一，在助力武漢市工業(yè)企業(yè)復工復產的同時也要對武漢市人民的經濟預期進行積極良好的引導，增強其消費信心。中國其他城市的物價受疫情沖擊的力度，并不隨其離武漢市的距離增加而減弱，這充分說明重大危機之下，中國各個城市是命運共同體。站在全球的角度來看，這個道理也同樣適用。疫情以一種特殊形式告誡世人，人類是榮辱與共的命運共同體，重大危機面前沒有任何一個國家可以獨善其身，團結合作才是人間正道。第三，收入差距越大和貿易依存度越高的城市，物價受疫情的負向影響更大，證明其經濟在面臨重大風險時表現(xiàn)得更為脆弱，背后體現(xiàn)的是該城市收入差距過大和貿易依存度較高帶來的經濟結構不穩(wěn)定性。從收入差距來看，近年來，隨著經濟不斷發(fā)展，中國收入差距在經歷一段下降時期后又開始快速拉大，這一趨勢不僅會增加經濟結構的不穩(wěn)定性，也與共同富裕的目標背道而馳。因而中國必須堅持共同富裕這一正確方向，將減少收入差距作為經濟發(fā)展的主要目標之一貫穿整個“十四五”時期，實現(xiàn)高質量的共享發(fā)展;從貿易依存度來講，近幾年，逆全球化趨勢愈演愈烈，疫情暴發(fā)使之加劇，各國內顧傾向明顯上升，中國經濟發(fā)展面臨的外部環(huán)境充滿巨大的不確定性。在此背景下，構建以暢通國民經濟循環(huán)為主的雙循環(huán)新發(fā)展格局，不僅是重塑中國國際合作和競爭新優(yōu)勢的正確抉擇，更是保證中國經濟安全的重要條件。因而中國在今后的發(fā)展過程中要在“內循環(huán)”上下更大功夫，使生產、分配、流通、消費更多依托國內市場，提升供給體系對國內需求的適配性，充分發(fā)揮大國經濟的優(yōu)勢，形成需求牽引供給、供給創(chuàng)造需求的更高水平動態(tài)平衡。特別的，鑒于中國不同地區(qū)的收入差距和貿易依存度存在較大差異，中國在制定區(qū)域發(fā)展戰(zhàn)略時應更具針對性。第四，消費券的發(fā)放對城市物價的恢復具有積極影響，體現(xiàn)了政府干預在經濟恢復過程中的重要性和必要性?；谙M券的發(fā)放范圍，其對食品零售價格的恢復作用最為明顯。鑒于地方政府助力經濟恢復措施的效果顯著，各地政府可以考慮推行更多促進消費需求的優(yōu)惠政策并加大推廣范圍，有條件的地區(qū)可以有針對性地選擇主要受惠對象，如將更多優(yōu)惠活動面向低收入人群。

參考文獻：

[1] 國務院新聞辦公室.抗擊新冠肺炎疫情的中國行動[R].2020-06-07.

[2] Fang，H. M.，Wang，L.，Yang，Y. Human Mobility Restrictions and the Spread of the Novel Coronavirus（2019-Ncov） in China [R]. NBER Working Paper No.26906，2020.

[3] 習近平.在全國抗擊新冠肺炎疫情表彰大會上的講話[EB/OL].https：//news.cctv.com/2020/09/08/ARTIMrmv6ToHLZCZBCHIdg8K200908.shtml，2020-09-08.

[4] Langer，L. N. The Black Death in Russia：Its Effects Upon Urban Labor [J]. Russian History，1975，2（1）：53-67.

[5] Kambou，G.，Devarajan，S.，Over，M. The Economic Impact of AIDS in an African Country： Simulations With a Computable General Equilibrium Model of Cameroon [J]. Journal of African Economies，1992，1（1）：109-130.

[6] Cuddington，T. J. Modeling the Macroeconomic Effects of AIDS，With an Application to Tanzania [J]. World Bank Economic Review，1993，7（2）：173-189.

[7] Brainerd，E.，Siegler，M. V. The Economic Effects of the 1918 Influenza Epidemic [R]. CEPR Discussion Paper No.3791，2003.

[8] Keogh-Brown，M. R.，Smith，R. D. The Economic Impact of SARS：How Does the Reality Match the Predictions [J]. Health Policy，2008，88（1）：110-120.

[9] Dixon，P. B.，Lee，B.，Muehlenbeck，T.，et al. Effects on the U.S. of an H1N1 Epidemic：Analysis With a Quarterly CGE Model [J]. Journal of Homeland Security and Emergency Management，2010，7（1）：1-17.

[10] 行偉波，田坤.流行病的經濟影響和干預政策研究進展[J].經濟學動態(tài)，2020，（7）：113-128.

[11] 陳林.重大突發(fā)公共衛(wèi)生事件的經濟影響及應對經驗——基于文獻回顧視角[J].東北財經大學學報，2020，（4）：20-29.

[12] Baek，C.，McCrory，P. B.，Messer，T.，et al. Unemployment Effects of Stay-at-Home Orders： Evidence From High Frequency Claims Data [R]. IRLE Working Paper No.101-20，2020.

[13] Hanspal，T.，Weber，A.，Wohlfart，J. Income and Wealth Shocks and Expecations During the COVID-19 Pandemic[R]. CESifo Working Paper No.8244，2020.

[14] Andersen，A. L.，Hansen，E. T.，Johannesen，N.，et al. Responses to the COVID-19 Crises： Evidence From Bank Account Transaction Data [R]. CEBI Working Paper，2020.

[15] Baker， S. R.，F(xiàn)arrokhnia，R. A.，Meyer，S.，et al. How Does Household Spending Respond to an Epidemic？ Consumption During the 2020 COVID-19 Pandemic [R]. NBER Working Paper No.26949，2020.

[16] Coibion，O.，Gorodnichenko，Y.，Weber，M. The Cost of the COVID-19 Crisis：Lockdowns，Macroeconomic Expectations， and Consumer Spending [R]. NBER Working Paper No.27141，2020.

[17] Gormsen，N. J.，Koijen，R. S. J. Coronavirus：Impact on Stock Prices and Growth Expectation [R]. University of Chicago， Becker Friedman Institute for Economics Working Paper No.2020-22，2020.

[18] Cox，J.，Greenwald，D. L.，Ludvigson，S. C. What Explains the COVID-19 Stock Market [R]. NBER Working Paper No.27784，2020.

[19] Atkeson，A. What Will Be the Economic Impact of COVID-19 in the US？ Rough Estimates of Disease Scenarios [R]. NBER Working Paper No.26867，2020.

[20] Guerrieri，V.，Lorenzoni，G.，Straub，L.，et al. Macroeconomic Implications of COVID-19：Can Negative Supply Shocks Cause Demand Shortages [R]. NBER Working Paper No.26918，2020.

[21] Chen，H. Q.，Qian，W. L.，Wen，Q. The Impact of the COVID-19 Pandemic on Consumption：Learning From High Frequency Transaction Data [EB/OL].https：//ssrn.com/abstract=3568574，2020.

[22] 鄭江淮，付一夫，陶金.新冠肺炎疫情對消費經濟的影響及對策分析[J].消費經濟，2020，（2）：3-9.

[23] 祝坤福，高翔，楊翠紅，等.新冠肺炎疫情對全球生產體系的沖擊和我國產業(yè)鏈加速外移的風險分析[J].中國科學院院刊，2020，（3）：283-288.

[24] 黃群慧.新冠肺炎疫情對供給側的影響與應對：短期和長期視角[J].經濟縱橫，2020，（5）：46-57.

[25] 何誠穎，聞岳春，常雅麗，等.新冠病毒肺炎疫情對中國經濟影響的測度分析[J].數(shù)量經濟技術經濟研究，2020，（5）：3-22.

[26] 許憲春，常子豪，唐雅.從統(tǒng)計數(shù)據(jù)看新冠肺炎疫情對中國經濟的影響[J].經濟學動態(tài)，2020，（5）：41-51.

[27] 盧倩倩，許坤.堅持打贏“抗疫”戰(zhàn) 開啟“十四五”新時期——2020年物價形勢分析及2021年物價形勢展望[J].價格理論與實踐，2021，（1）：10-16.

[28] 湖北省人民政府.促進經濟社會加快發(fā)展若干政策措施[R].2020-03-12.

[29] 甘犁，魏昆，路曉蒙，等.中國工薪階層信貸發(fā)展報告[R].成都：西南財經大學中國家庭金融調查與研究中心，2017.

[30] 約翰·梅納德·凱恩斯.就業(yè)、利息和貨幣通論（重譯本）[M].高鴻業(yè)譯，北京：商務印書館，1999.

[31] 甘犁，路曉蒙，王香，等.疫情下中國家庭財富變動趨勢[J].中國經濟報告，2020，（4）：110-123.

[32] 沈艷，孫昂.消費券的中國實踐——我國消費券發(fā)放的現(xiàn)狀、效果和展望研究[R].北京大學國家發(fā)展研究院，2020.

收稿日期：2021-09-22

基金項目：中南財經政法大學一流學科建設重點課題“后疫情時代全球貿易治理與高水平對外開放”（31712110804）

作者簡介：錢學鋒（1979-），男，安徽安慶人，教授，博士，博士生導師，教育部青年長江學者，主要從事國際經濟學研究。E-mail： xfqian@126.com

高 婉（1995-），女，湖北黃岡人，博士研究生，主要從事國際經濟學方面的研究。E-mail： 1006109049@qq.com