新冠肺炎疫情對粵港澳大灣區(qū)的經(jīng)濟影響

潘暐峯 王新杰

摘 要：本文選取了2002年第一季度至2020年第一季度大灣區(qū)11個城市為樣本，來研究新冠肺炎疫情對于粵港澳大灣區(qū)實體經(jīng)濟的影響，研究結(jié)果表明新冠肺炎疫情顯著的降低了GDP增長率?；貧w模型結(jié)果顯示確診人數(shù)每上升1%，GDP增長率就會下降大約2.5至4個百分點。通過自回歸模型的分析發(fā)現(xiàn)，新冠肺炎疫情的負面影響對第二產(chǎn)業(yè)最大，經(jīng)濟可能至少要等到2020年第三或四季度才可能回歸疫情前的水平。本文的研究結(jié)果說明了防控重大公共衛(wèi)生事件的重要性，同時為大灣區(qū)政府應(yīng)對新冠肺炎疫情沖擊提供了經(jīng)濟政策分析。

關(guān)鍵詞：新冠肺炎疫情;經(jīng)濟增長;粵港澳大灣區(qū)

中圖分類號：F2 ? ? 文獻標識碼：A ? ? ?doi：10.19311/j.cnki.1672-3198.2021.04.013

0 引言

新冠肺炎（COVID-19）疫情被世界衛(wèi)生組織宣布具備“全球大流行”特征，并且被認為是二戰(zhàn)以后最嚴峻的危機。根據(jù)Johns Hopkins Coronavirus Resource Center統(tǒng)計，截至2020年6月7號為止，全球已有超過180多個國家和地區(qū)累計報告逾680萬名確診個案，近40萬名患者死亡。為防止疫情繼續(xù)擴張，各國政府亦采用了不同的政策，暫時停工并且不鼓勵外出旅游，進而使得全球航空、旅游、娛樂、體育、石油市場、金融市場等方面造成巨大影響，全球經(jīng)濟受到了巨大沖擊。

許多機構(gòu)以及研究人員已針對新冠肺炎疫情的經(jīng)濟影響，做出多方面的預(yù)測和研究。例如，IMF在2020年4月中旬發(fā)布最新《世界經(jīng)濟展望報告》顯示，由于新冠肺炎疫情沖擊全球，預(yù)計2020年全球GDP為-3%，創(chuàng)近90年來的最低值。亞洲發(fā)展銀行在《2020年亞洲發(fā)展展望》中預(yù)測，作為全球第二大經(jīng)濟體，中國繼2019年經(jīng)濟增速達6.1%之后，2020年經(jīng)濟增速或?qū)⒎啪徶?.3%，2021年回升至7.3%。國內(nèi)方面，北京大學匯豐商學院宏觀經(jīng)濟與金融研究中心專題報告《新冠肺炎疫情對當前中國經(jīng)濟的影響》指出當前宏觀經(jīng)濟的七大困難，包括企業(yè)現(xiàn)金流短缺、外需大幅下滑、就業(yè)形勢嚴峻等，然而大多數(shù)現(xiàn)有研究，僅專注于疫情對國家層面的經(jīng)濟影響，針對疫情對各地區(qū)的影響分析較少。

粵港澳大灣區(qū)發(fā)展綱要于2017年提出，建設(shè)是國家改革開放下的重大發(fā)展戰(zhàn)略，是繼美國紐約都會區(qū)、美國舊金山灣區(qū)和日本東京都市圈之后，世界第四個大灣區(qū)，目標是進一步深化粵港澳合作，充分發(fā)揮三地綜合優(yōu)勢，促成區(qū)內(nèi)的深度融合，推動區(qū)域經(jīng)濟協(xié)同發(fā)展，建設(shè)宜居、宜業(yè)、宜游的國際一流灣區(qū)。大灣區(qū)占地5.59萬平方公里，2018年末總?cè)丝谝堰_7000萬人，GDP產(chǎn)出10.867萬億元人民幣，占全國GDP約12%，全球僅次于日本的東京灣區(qū)，粵港澳大灣區(qū)是目前中國經(jīng)濟發(fā)展水平最高、最具活力、創(chuàng)新力的地區(qū)之一。足以可見大灣區(qū)在我國戰(zhàn)略和經(jīng)濟地位的重要性。

本文通過研究新冠肺炎疫情對于粵港澳大灣區(qū)的經(jīng)濟影響，來彌補已有文獻上的不足。因此研究新冠肺炎疫情對大灣區(qū)的影響，將影響區(qū)分成三種行業(yè)，預(yù)測經(jīng)濟復(fù)蘇的時間，對政策制定和區(qū)域發(fā)展有重大意義，同時也能給未來公共衛(wèi)生事件防控工作提供指引。

1 文獻回顧

疾病和健康對于經(jīng)濟發(fā)展的影響已有許多相關(guān)研究，第一類分析主要是基于家庭或個人方面的微觀調(diào)查數(shù)據(jù)，如Savedoof and Schultz（2000）使用拉丁美洲數(shù)據(jù)，Liu等（2008）用中國數(shù)據(jù)，Laxminarayan（2004）用越南數(shù)據(jù)，多數(shù)研究都證實個人健康狀況和勞動生產(chǎn)力、工資水平都呈現(xiàn)正相關(guān)，因此提高人類健康可以提升生產(chǎn)力。Almond（2006）利用1918年發(fā)生的西班牙流感當作自然實驗，發(fā)現(xiàn)其對美國人力資本有長期影響，包括在流感期間的胎兒，長大后較有可能殘疾、教育程度普遍低、并有較低的所得。

第二類是宏觀層面的證據(jù)，Well（2007）將健康對經(jīng)濟影響從微觀層面推展到宏觀層面，并發(fā)現(xiàn)各國之間人民健康的差異，可以消除9.9%的GDP方差（體現(xiàn)各國GDP之間差異）。Acemoglu and Johnson（2007）分析了人均所得和預(yù)期壽命，并利用新健康科技作為外生沖擊，發(fā)現(xiàn)預(yù)期壽命提高對人均GDP影響并不顯著。Bloom等（2019）比較了健康對于工資水平的微觀效應(yīng)是否影響到宏觀層面的人均產(chǎn)出，其結(jié)果表明健康對宏觀經(jīng)濟增長有顯著的正向效應(yīng)。另一方面，其他研究表明疾病會造成許多經(jīng)濟損失，（Adams et al.， 2003; Bell et al.， 2003; Chakraborty et al.， 2010; Bell and Gersbach， 2013）。疾病同樣的可以影響資產(chǎn)價格，Wong（2008）利用2003爆發(fā)的重癥急性呼吸綜合征（SARS）作為事件研究，發(fā)現(xiàn)SARS爆發(fā)使得香港房地產(chǎn)下跌。

即使已有如此多的文獻，本次新冠肺炎疫情對經(jīng)濟的影響仍吸引許多學者進行研究，主要原因可能是，此次肺炎是二戰(zhàn)以來最嚴重的流行病，多國采取了史無前例的隔離、封城停工等措施。我們簡單的回顧了幾篇與我們研究主題較相近的新冠肺炎疫情研究。McKibbin and Fernando（2020） 指出全球經(jīng)濟會因為新冠肺炎疫情而收縮，但若增加健康方面的公共投資可以減少COVID-19造成的經(jīng)濟損失，特別是在較不發(fā)達的國家。Deb等（2020）利用多個日度的經(jīng)濟變量研究封城和保持社交距離的經(jīng)濟影響，其發(fā)現(xiàn)這些措施相當于造成15%月均工業(yè)產(chǎn)出減少。Bairoliya and Imrohoroglu（2020）也發(fā)現(xiàn)類似結(jié)果，但他們進一步指出如果這些政策可以針對不同年齡和健康狀況的人進行不同程度的社交距離措施可以大幅減少COVID-19帶來的經(jīng)濟損失。

2 數(shù)據(jù)與研究方法

2.1 數(shù)據(jù)

粵港澳大灣區(qū)由香港、澳門兩個特別行政區(qū)和廣東省廣州、深圳、珠海、佛山、惠州、東莞、中山、江門、肇慶九個珠三角城市組成，一共十一個城市。我們使用各城市GDP來研究新冠肺炎疫情對于經(jīng)濟增長的影響。數(shù)據(jù)來源是WIND（萬得）數(shù)據(jù)庫。由于大部分城市GDP數(shù)據(jù)由2002年開始，因此我們選取2002年第一季度至2020年第一季度作為樣本。

表1是GDP的描述性統(tǒng)計。我們分別比較了各城市GDP季度同比增長率在新冠肺炎疫情暴發(fā)期間與沒有新冠肺炎疫情時的差異。由表1我們可以明顯發(fā)現(xiàn)在新冠肺炎疫情期間，GDP同比增長率明顯下降，大部分城市均呈現(xiàn)負的增長。其中澳門經(jīng)濟衰退最明顯，季度GDP下降近50%。然而仍有兩個城市GDP實現(xiàn)正增長，分別是珠海和深圳，其增長率分別為4.731%以及0.899%。

2.2 疫情數(shù)據(jù)

本文疫情相關(guān)數(shù)據(jù)來源于百度疫情實時大數(shù)據(jù)，百度疫情實時大數(shù)據(jù)根據(jù)全國31個省份衛(wèi)健委公布的新冠肺炎疫情數(shù)據(jù)以及Johns Hopkins Coronavirus Resource Center公布的全球數(shù)據(jù)進行整理。截至2020年6月7日，全球累計確診人數(shù)已突破700萬人，其中美國疫情最為嚴重，累計確診人數(shù)已超過200萬人;其次是巴西，有接近75萬人確診;第三是俄羅斯，有近50萬人累積確診;歐洲各國也普遍都有超過累計10萬人確診。反觀亞洲和大洋洲，疫情影響相對教小，最嚴重的是印度，累計確診達27萬余人，其余國家確診人數(shù)均小于10萬人次。

國內(nèi)方面，湖北省確診人數(shù)最多，累計有68，135人確診;河南、浙江、廣東、湖南四省以及香港確診人數(shù)也較多，累計均有超過1000人確診。確診人數(shù)最少的是西藏，僅有1人。

我們的研究樣本大灣區(qū)各地區(qū)的疫情狀況總結(jié)于表2。從累計及現(xiàn)有確診來看，香港是大灣區(qū)內(nèi)疫情最嚴重的地區(qū)，其次是深圳和廣州，肇慶和江門則是確診人數(shù)最少的地方。

2.3 回歸模型

為了研究新冠肺炎疫情對經(jīng)濟增長的影響，我們參照了Jayaratne and Strahan （1996）的研究并采用下列回歸模型：

Yi，t=μi+dt+β1COVIDi，t+β2GDPLeveli，t-1+εi，t（1）

其中，Yi，t表示在城市i時期t的季度GDP增長率。COVIDi，t表示新冠肺炎疫情相關(guān)指標，我們采用兩種：一是各城市間的新增確認人數(shù);二是采用虛擬變量，我們將2020年一季度設(shè)為1表示新冠肺炎疫情影響期間，其余時間均為0。主要的控制變量為各城市前一期的GDP水平（GDPLeveli，t-1）。此模型是較為簡單直接，可能存在遺漏變量的情況，為了使結(jié)果更穩(wěn)健，我們控制了城市的固定效應(yīng)來降低城市自己特有的特征，同時我國也控制了時間的固定效應(yīng)來降低任何隨時間變化的遺漏變量（例如隨時間越來越開放的中國貿(mào)易，越方便的交通運輸?shù)龋?。另一個可能存在的問題是反向因果，直觀上來說，經(jīng)濟增長的變化不會導致流行病爆發(fā)，現(xiàn)有文獻中似乎也沒有發(fā)現(xiàn)經(jīng)濟增長變化可以導致疾病爆發(fā)，因此該模型設(shè)置應(yīng)不太可能存在反向因果，最后，我們參照Petersen（2009）的研究，將回歸標準誤按照城市以及時間層面進行cluster調(diào)整。

整個回歸模型中，最主要關(guān)注的是COVID-19這個變量的系數(shù)，也就是β1，如果β1顯著的大于0，則表示新冠肺炎疫情的暴發(fā)促進經(jīng)濟增長，反之，若β1顯著的小于0，則表示新冠肺炎的爆發(fā)抑制經(jīng)濟增長。

3 實證結(jié)果

首先，本文對GDP增長與疫情傳播的關(guān)系進行檢驗?；貧w結(jié)果如表3所示。其中，列（1）沒有加入任何控制變量，只單純的將季度GDP增長率對COVID-19虛擬變量做回歸。列（2）～列（4）逐步加入了前一期GDP水平、城市固定效應(yīng)和時間的虛擬變量。可以看出，在列（1）至（4）中，COVID的系數(shù)均在1%的統(tǒng)計水平上顯著為負，這說明當新冠肺炎疫情發(fā)生時，GDP增長率明顯下降。以列（4）的系數(shù)為例進行估算，當新冠肺炎疫情發(fā)生時，GDP增長率將顯著漸少13.8個百分點。接著，我們考慮了各地的確診人數(shù)而非單純虛擬變量，結(jié)果如列（5）至（8）所示，結(jié)果顯示確診人數(shù)上升1%，GDP增長率會下降大約2.5至4個百分點。從表3結(jié)果，我們發(fā)現(xiàn)，不論從統(tǒng)計意義上還是從經(jīng)濟意義上，新冠肺炎疫情均會顯著降低大灣區(qū)的經(jīng)濟增長。

為了減少可能的估計誤差問題，本文進行了兩方面的穩(wěn)健性檢驗。首先，由于近年來全球不確定性上升（Davis，2019）。特別是中國和美國于2018年爆發(fā)貿(mào)易戰(zhàn)，使得國內(nèi)政策和經(jīng)濟不確定上升，因此我們加入了Baker等人（2016）構(gòu)建的中國以及美國政策不確定指數(shù)，來檢驗新冠肺炎疫情和GDP增長的負相關(guān)是否穩(wěn)健?；貧w結(jié)果如表4的列（1）和（2）所示。其中，可以看出，即使控制了政策不確定性，COVID-19這變量的敘述，仍是顯著的為負，這說明新冠肺炎疫情仍會顯著的降低經(jīng)濟增長，與基準模型的結(jié)果保持一致。此外我們能還測試了，基準估計結(jié)果的顯著性是否受調(diào)整回歸標準誤差的方法所影響，因此我們將回歸標準誤差分別僅針對地區(qū)（列（3）和（4））和時間（列（5）和（6））調(diào)整，結(jié)果仍顯示基準模型估計結(jié)果是穩(wěn)健的。

最后，新冠肺炎疫情造成的經(jīng)濟沖擊對不同產(chǎn)業(yè)的影響不同。Leduc and Liu（2016） 發(fā)現(xiàn)如果一個勞動市場較僵固（rigid），則會放大經(jīng)濟沖擊帶來的負面影響。灣區(qū)內(nèi)城市的行業(yè)并不同，各行業(yè)的勞動市場也很可能不同。根據(jù)2019年國務(wù)院發(fā)布《粵港澳大灣區(qū)發(fā)展規(guī)劃綱要》：香港是國際金融、航運、貿(mào)易中心和國際航空樞紐。根據(jù)美國智庫傳統(tǒng)基金會與《華爾街日報》發(fā)表“2019經(jīng)濟自由度指數(shù)”，香港蟬聯(lián)第一，是中國對外開放的重要窗口。澳門定位為世界旅游休閑中心，專注博彩和旅游業(yè)，人均GDP為灣區(qū)內(nèi)最高。廣州是廣東省省會，是重要的國家中心城市和門戶城市。深圳作為經(jīng)濟特區(qū)，以高新技術(shù)、金融、文化創(chuàng)意、現(xiàn)代物流四大支柱產(chǎn)業(yè)為支撐，是全國性經(jīng)濟中心城市和國家創(chuàng)新型城市。佛山和東莞為大灣區(qū)的制造業(yè)中心，有望通過大灣區(qū)科技創(chuàng)新技術(shù)共享，提升產(chǎn)業(yè)增值。惠州與肇慶地域遼闊，但產(chǎn)業(yè)結(jié)構(gòu)仍然有待升級。珠海為新型花園城市，是中國設(shè)立的四個經(jīng)濟特區(qū)之一，專注高端服務(wù)業(yè)和高端制造業(yè)。中山和江門專注電器機械、紡織業(yè)，產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化。

新冠肺炎疫情對各級產(chǎn)業(yè)的影響如表6所示。我們可以明顯見到，新冠肺炎疫情主要是通過第一二產(chǎn)業(yè)影響整體GDP下跌，其中第二產(chǎn)業(yè)下跌最嚴重，根據(jù)不同模型設(shè)定其下降5%-23%。這也表明第二行業(yè)的企業(yè)，將是大灣區(qū)各城市政府應(yīng)重點幫助的對象，新冠肺炎疫情對第三產(chǎn)業(yè)有負面影響但不顯著，是三者中受影響最小。這與全國的情況是類似的，如同平安證券魏偉等人（2020）的分析，可能的原因包括：其一，雖然服務(wù)業(yè)受到較大沖擊，但金融業(yè)、信息技術(shù)服務(wù)業(yè)等可通過線上辦公維持運轉(zhuǎn)，保持了較高的增長。其二，工業(yè)生產(chǎn)難以實現(xiàn)遠程操作，全球疫情蔓延加劇了工業(yè)生產(chǎn)的減量壓力。因為新冠肺炎疫情對第二產(chǎn)業(yè)的負面影響要大于第三產(chǎn)業(yè)。

4 結(jié)論

新冠肺炎疫情在2019年12月以來爆發(fā)，隨后迅速蔓延全國和全球。受到疫情影響，全國31個?。ㄗ灾螀^(qū)、直轄市）先后宣布啟動重大突發(fā)公共衛(wèi)生事件一級應(yīng)急響應(yīng)。大多數(shù)企業(yè)全面停工停產(chǎn)，為我國經(jīng)濟造成巨大的沖擊。有鑒于此，本文利用2001年一季度至2020年一季度GDP增長率來研究新冠肺炎疫情對大灣區(qū)經(jīng)濟的影響，研究結(jié)果表明疫情爆發(fā)降低該地區(qū)GDP增長率約12個百分點，若考慮確診人數(shù)，則發(fā)現(xiàn)確診人數(shù)上升1%，大灣區(qū)GDP增長率下降2.5至4個百分比。其中二級產(chǎn)業(yè)受影響最大，而經(jīng)濟至少要等到今年三或四季度才可能回歸正常。

本文的貢獻主要有以下方面：首先，本文針對本次新冠肺炎疫情，發(fā)現(xiàn)了新冠肺炎疫情對大灣區(qū)經(jīng)濟實際確實有影響的實證證據(jù)。其次，結(jié)果顯示經(jīng)濟增長可能要在2020年四季度或2021年一季度回歸正常，第二產(chǎn)業(yè)受影響最深，這發(fā)現(xiàn)給了政府一定的啟示，在經(jīng)濟回歸正常的期間，政府或許要用政策扶持穩(wěn)定該地區(qū)經(jīng)濟、就業(yè)、企業(yè)財務(wù)問題等，確保新冠肺炎疫情的經(jīng)濟影響不繼續(xù)擴大。

參考文獻

[1]Acemoglu，D.，and Johnson，S.Disease and development： the effect of life expectancy on economic growth[J].Journal of Political Economy，2007，115（6）：925-985.

[2]Adams，P.，Hurd，M.D.，McFadden，D.，Merrill，A.，and Ribeiro，T.Healthy，wealthy，and wise？ Tests for direct causal paths between health and socioeconomic status[J].Journal of Econometrics，2003，112（1）：3-56.

[3]Almond，D.Is the 1918 influenza pandemic over？ Long-term effects of in utero influenza exposure in the post-1940 US population[J].Journal of Political Economy，2006，114（4）：672-712.

[4]Asian Development Bank，Asian Development Outlook （ADO） 2020： What Drives Innovation in Asia？[EB/OL].https：//www.adb.org/publications/asian-development-outlook-2020-innovation-asia，2020.

[5]Bairoliya，N.，and Imrohoroglu，A.Macroeconomic consequences of stay-at-home policies during the COVID-19 pandemic[J].COVID Economics，2020，（13）.

[6]Baker，S.R.，Bloom，N.，and Davis，S.J.Measuring economic policy uncertainty[J].The Quarterly Journal of Economics，2016，131（4）：1593-1636.

[7]Bell，C.，Devarajan，S.，and Gersbach，H.The long-run economic costs of AIDS： theory and an application to South Africa[J].The World Bank，2003.

[8]Bell，C.，and Gersbach，H.Growth and enduring epidemic diseases[J].Journal of Economic Dynamics and Control，2013，37（10）：2083-2103.

[9]Bloom，D.E.，Canning，D.，Kotschy，R.，Prettner，K.，and Schünemann，J.J.Health and economic growth：reconciling the micro and macro evidence （No.w26003）[R].National Bureau of Economic Research，2019.

[10]Chakraborty，S.，Papageorgiou，C.，and Sebastián，F(xiàn).P.Diseases，infection dynamics，and development[J].Journal of Monetary Economics，2010，57（7）：859-872.

[11]Davis，S.J.Rising Policy Uncertainty （No.w26243）[R].National Bureau of Economic Research，2019.

[12]Deb，P.，F(xiàn)urceri，D.，Ostry J.D.，and Tawk，N.The economic effects of COVID-19 containment measures[J].COVID Economics，2020，（24）.

[13]International Monetary Fund.World Economic Outlook：The Great Lockdown.，IMF Press[EB/OL].https：//www.imf.org/en/Publications/WEO（assessed on 26 May，2020），2020.

[14]Jayaratne，J.，and Strahan，P.E.The finance-growth nexus：Evidence from bank branch deregulation[J].The Quarterly Journal of Economics，1996，111（3）：639-670.

[15]Laxminarayan，R.Does reducing malaria improve household living standards？[J].Tropical Medicine & International Health，2004，9（2）：267-272.

[16]Leduc，S.，and Liu，Z.Uncertainty shocks are aggregate demand shocks[J].Journal of Monetary Economics，2016，（82）：20-35.

[17]Liu，G.G.，Dow，W.H.，F(xiàn)u，A.Z.，and Akin，J.Income productivity in China： on the role of health[J].Journal of Health Economics，2008，27（1）：27-44.

[18]McKibbin，W.J.，and Fernando，R.The global macroeconomic impacts of COVID-19：Seven scenarios[R].The Brookings Institution，2020.

[19]Petersen，M.A.Estimating standard errors in finance panel data sets： Comparing approaches[J].The Review of Financial Studies，2009，22（1）：435-480.

[20]Savedoff，W.D.，and Schultz，T.P.Earnings and the elusive dividends of health[J].SSRN working paper，2000.

[21]Well，D.N.Accounting for the effect of health on economic growth[J].The Quarterly Journal of Economics，2007，122（3）：1265-1306.

[22]Wong，G.，Has SARS infected the property market？Evidence from Hong Kong[J].Journal of Urban Economics，2008，63（1）：74-95.

[23]王弟海，崔小勇，龔六堂.健康在經(jīng)濟增長和經(jīng)濟發(fā)展中的作用——基于文獻研究的視角[J].經(jīng)濟學動態(tài)，2015，（8）：107-127.

[24]呂娜.健康人力資本與經(jīng)濟增長研究文獻綜述[J].經(jīng)濟評論，2009，（6）.

[25]魏偉，陳驍，郭子睿.如何理解本次疫情對第三產(chǎn)業(yè)的負面影響弱于第二產(chǎn)業(yè)？平安證券股份有限公司[J].宏觀周報，2020.