摘要：针对疫情防控的常态化趋势，以新冠肺炎疫情为例，对突发公共事件通过产业网络跨区域传播引发宏观经济风险进行分析。 首先，本文使用中国区域间投入产出表构建网络模型，设定不同模拟情形对湖北省突发公共事件扩散宏观经济风险的因素，以及不同经济发展水平下的跨区域传染路径进行研究，结果表明供给冲击和需求冲击的传染对中间品的替代性、企业的破产阈值非常敏感，传染过程具有突变性，传染路径与产业网络结构有关。 其次，本文重点考察不同地区突发公共事件的引起对宏观经济的影响是否相同，发现不同省(区、市)面临冲击表现出风险传播的异质性，总体上我国抗风险的能力逐渐上升;东部地区传染风险能力最强，东北、中、西部则较弱;最后，需求冲击与供给冲击下的风险传播能力具有高度相关性，供需两端冲击叠加会极大加剧宏观经济风险。
关键词：网络模型;新冠疫情;宏观经济风险
赵晓军; 王开元; 何泮， 上海金融 发表时间：2021-10-25
一、引言
宏观经济作为一个复杂系统与经济中的各类个体一样面临着风险，风险的暴露轻则引起经济低迷或衰退，重则引起经济危机。 突发公共事件是宏观经济面临的重大风险之一，其发生具有不可预测性。 影响范围大、 持续时间长的突发公共事件如 2019 年末的新冠肺炎疫情， 往往会对公众心理带来极大的恐慌，更会对宏观经济带来巨大冲击。 本文基于网络理论，使用模拟法考察产业网络下突发公共事件引发的宏观经济风险。近年来公共事件偶有发生。 1998 年特大洪水在全国共造成 29 个省(区、市)遭受不同程度的洪涝灾害，受灾面积 3.18 亿亩，成灾面积 1.96 亿亩，受灾人口 2.23 亿人，死亡 4150 人，倒塌房屋 685 万间，直接经济损失达 1660 亿元。 2003 年暴发非典疫情事件，中国确诊病例达到 5327 例， 虽然没有改变中国经济上行的趋势，但对比第一、第三和第四季度，第二季度中国 GDP 增长率为 9.1%， 而其他三个季度分别为 11.1%、10%和 10%，影响可见一斑。 2008 年汶川地震带来的直接经济损失高达 8452 亿元人民币。 2019 年末新型冠状病毒肺炎导致的疫情所产生的影响更是前所未有，波及全国 31 个省(区、市)，累计确诊数超过九万，其带来的经济损失更是巨大。 目前，我国的新冠肺炎疫情防控工作成果突出，但世界其他国家和地区面临的考验仍未减小，因此疫情防控必须坚持常态化。 为避免未来类似突发公共事件对经济产生巨大影响，有必要从本次新冠肺炎疫情的应对与防控中吸取更多经验教训。
有关突发公共事件对宏观经济的影响研究丰富，尤其是针对各类具有传染性的疫情。 比较经典的是对于 1918 年大流感的研究 ， 例如 Johnson 和 Mueller (2002) 研究表明在这次大流感中全世界约有 5 亿人被 感 染 ， 其 中 5000 万 至 1 亿 人 死 亡 ;Brainerd 和 Siegler(2003)研究发现，1918 年大流感对美国之后十年的经济发展产生了积极影响， 但根据古典增长理论， 这种影响实际上是回归到经济的长期增长趋势，并不具有实质的促进效应;Almond(2006)的研究关注于微观， 他利用美国 20 年间微观层面数据研究大流感时期母亲感染流感的孩子的长期表现，发现他们在多个方面均表现出受到流感的负向影响，例如受教育程度等;Nelson(2010)以及 Lin 和 Liu(2014)的研究也得到了类似结论。 2000 年以来发生的几次疫情也受到广泛关注，如 Wen(2005)等的研究表明 2003 年非典疫情对中国产生了巨大冲击，主要作用于旅游业;Tracht(2012)等对 H1N1 疫情对美国的影响进行研究，认为疫情对美国经济造成的损失超过了美国 GDP 的 5%，佩戴口罩的防控措施可以通过降低感染而有效减少经济损失; Huber (2018) 等对埃博拉疫情在西非的影响进行研究，表明疫情对经济具有明显的负面效应。
对于此次新冠肺炎疫情，既有研究主题大致可被分为三方面。 第一方面是测算新冠肺炎疫情对于经济的影响大小。例如，Barro(2020)等以 1918 年大流感的数据作为基准估计了新冠肺炎疫情的经济影响，结果表明暴发新冠肺炎疫情的国家 GDP 的损失最大可达到 8%;Gonzalez-Eiras(2020)等基于 SIR 模型，将锁定选择嵌入其中， 认为最优政策应反映时间偏好率、流行病学因素以及发明疫苗的风险因素、医疗部门学习效应和锁定带来的产出损失等，计算出防控疫情的损失大概为 9.5%;Noy(2020)等主要研究新冠肺炎疫情对各个地区或国家的影响程度，利用其研究时的确诊病例数、经济对疫情的风险暴露、经济的脆弱性和经济的恢复能力等四个因素进行测算，表明世界各地区中承受风险最大的地区是非洲大部分地区、印度内陆地区、中东地区以及东南亚地区。第二方面主要考察的是应对新冠肺炎疫情的相关政策。 例如 Alvarez(2020)等考察控制疫情所需要的最优政策，他们认为最优政策需要权衡疫情导致的死亡和产出受到的负面影响;Atkeson(2020)从传染病控制的角度构建 SIR 模型模拟新冠病毒的传播，结果表明为避免疫情传播需要维持一年甚至更多的隔离措施;沈国兵(2020)提出了缓解就业和外贸的相应政策手段;郭栋(2020)基于 DSGE 模型进行研究，认为数量型货币政策对于疫情冲击的防御效果最优;胡滨等(2020)则使用 CGE 模型进行模拟，认为政府的逆周期干预对于缓解疫情冲击十分必要;陈赟等(2020)关注于我国金融市场，发现短期内复工复产可以有效缓解疫情对金融市场的冲击。
第三方面是根据网络理论考察疫情的冲击如何扩散。 基于网络理论，个体冲击会对宏观系统产生影响。 网络理论应用广泛， 尤其在金融领域， 如 Levycarciente(2015)等提出基于网络理论对银行进行压力测试;Kali(2010)等对国际贸易网络下金融风险的传染进行研究;Battiston(2007)等考察生产网络下的信用链和银行挤兑问题。 也有对实体经济的研究，如 Carvalho(2014)考察东日本大地震对于供应链的打击。而针对此次新冠肺炎疫情，刘世锦(2020)通过投入产出框架考察疫情的传染路径，而投入产出框架是网络理论的一个具体应用;祝坤福等人(2020)考察疫情下的产业链风险，这也与网络理论相关，但他们更倾向于理论探讨而非模型刻画;张欣等人(2020)通过模拟法，考察湖北省不同产业受到冲击带来的宏观影响异质性;杨子晖等人(2020)主要考察的是新冠肺炎疫情的冲击在金融市场内的扩散;中国人民银行广州分行青年课题组(2021)也使用网络模拟方法，考察疫情冲击在产业间的传播和其中的关键产业。通过梳理以上有关研究，本文认为，针对新冠肺炎疫情的三方面考察中，对前两个方面的既有研究结合多个因素考察新冠肺炎疫情的经济影响和应对疫情的政策，已经比较完善，但对于第三方面，既有研究在考察冲击的扩散机制上还有不足，尚需补充。 这主要体现在既有研究比较侧重于对不同产业的风险扩散的考察，而事实表明突发事件往往使得某个区域所有产业停滞，冲击的传染除沿着产业链外，更会沿区域关联进行传播;此外既有研究在数据上往往比较滞后，使用的数据过于宏观、不够细致，因而政策意义相对有限。
基于上述背景，本文认为尽管我国疫情防控已经十分成功，但为避免未来其他突发公共事件对经济造成巨大影响， 考察疫情下的宏观经济风险十分必要。既有文献指出新冠肺炎疫情影响巨大，但对于风险扩散过程的刻画不够全面。 基于网络理论，本文构建区域间投入产出网络模型模拟突发公共事件下宏观经济风险的扩散。具体而言，本文首先对湖北省暴发新冠疫情的情况进行模拟， 考察影响风险传播的因素以及传播路径;其次，本文重点将模拟扩展至其他省份以考察不同地区风险传播的异质性， 将模拟数据扩展至不同时间以考察不同经济发展水平下的风险传播的异质性，这对于制定防控疫情的政策具有参考价值。本文的边际贡献可能在于，本文不但考察了突发公共事件引起的冲击的扩散影响因素和路径，更重要的是对冲击扩散在区域和时间上的异质性进行了考察，对于既有文献是一种补充，具有一定理论意义。 制定政策需要有的放矢、相机决策，本文的研究结果对于根据不同经济发展水平、不同区域制定针对性政策具有参考价值，因而也有一定现实意义。本文后续结构如下：第二部分为理论、模拟模型设定及相关数据， 第三部分针对湖北省模拟分析，第四部分讨论不同地区风险传播异质性，最后一部分是本文的结论与相关建议。
二、理论、模型与数据
本文在这一部分首先从理论上解释某个区域突发公共事件引发的冲击如何扩散为对整体经济产生影响的系统性宏观经济风险乃至危机; 其次说明如何根据理论构建相应的网络模拟模型; 最后说明相关数据。
(一)理论分析
根据网络理论将产业部门作为节点，产业部门之间的关系作为节点的关联形成网络结构。 当发生冲击时，冲击首先作用于具体的某个或某些节点上，进而冲击沿着节点之间的有向关联传播出去。如图 1 所示，左边的树形结构和右边的环形结构面对冲击将产生不同的结果。 假设 1 节点受到冲击，在左边的树形网络下，冲击将沿着有向连结传播至 5 节点，扩散过程终止;而在右边的环形网络下，传播过程将会持续进行，最后造成的负面影响将远大于在树形网络下。 而两种结构的区别只有一条关联，可见网络结构与风险传播关系紧密。
现实的网络结构下的情况是类似的，产业部门之间通过中间品的投入产出形成复杂网络，当某个产业部门受到突发事件的冲击影响，这种影响会沿着产业链进行传染扩散。 更为复杂的是，这些产业可以被区分为来自不同区域的不同产业，因此节点量巨大。 此外，现实中产业部门之间的关联是相互的：对于某一个产业，既有流入的中间品又有流出的中间品。 这意味着两个节点之间的关联往往是两条，其中一条对应着中间品的流出即供给，另一条则代表着中间品的流入即需求。 因此，冲击的扩散过程可以被分为供给和需求两方面，为此需要对供给和需求两种情况下的冲击进行刻画。
1. 供给冲击扩散理论机制
本文考虑供给端冲击扩散过程机制如下： 产业部门的生产取决于各种生产要素如资本、劳动力、中间品等，其中产业与产业之间的关系由中间品的数量决定。当发生外部冲击时， 如新冠肺炎疫情暴发导致劳动力减少，产业的生产能力迅速下降。由于冲击发生在短期内，产业的生产方式难以调整，因此产业不得不在给定生产技术情况下进行生产， 而短期内中间品与其他要素的替代性有限，产业将被迫减产，而该产业的产品同时是其他产业的中间品， 因此某个产业的产出在减少的同时，其他产业生产所需的中间投入品也相应减少，因而也会减少生产甚至停工， 这使得供给冲击可能会通过产业间投入产出关系形成的网络扩散出去， 最后造成大量产业停滞的系统性宏观经济风险。
2. 需求冲击扩散理论机制
本文考虑的需求端冲击扩散过程机制如下：产业部门的收入来自最终消费和其他产业的中间品消费，当发生外部冲击后，居民减少消费，有关产业收入相应减少。 产业根据其资金情况减少中间品购买，这意味着其他产业面对的中间品需求减少。 而产业在受到消费减少的影响后，最优化其生产决策，会进一步减少生产， 这意味着其他产业也不得不面临需求减少、现金流恶化的情况， 甚至在较严重的情况下出现破产。 经营恶化、破产的产业再将冲击通过产业间投入产出关系形成的网络扩散出去，最后也会造成大量产业破产的系统性宏观经济风险。
(二)模拟模型
根据以上供给端和需求端的两种传播机制，本文构建相应模拟模型。
1. 供给冲击扩散模型
T=0，建立网络 G(或称邻接矩阵)，其中元素为xij 0 ; T=1，i 节点受到冲击 bi 1 ，供给减少，邻接矩阵的第i 行调整为 xij 1 =xij 0 bi 1 ; T=2，与 i 节点相关联的节点 j 受到来自 i 节点的供给减少冲击，冲击大小为 bj 2 ，邻接矩阵的第 j 行相应调整为 xjk 2 =xjk 1 bj 2 ，其中 γj 2 ≥a，bj 2 =γj 2 γj 2
2. 需求冲击扩散模型
T=0，建立网络 G(或称邻接矩阵)，其中元素为 xji 0 ; T=1，i 节点受到冲击 bi 1 ，需求减少，邻接矩阵的第 i 列调整为 xij 1 =xij 0 bi 1 ; T=2，与 i 节点相关联的节点 j 受到来自 i 节点的需求减少冲击，冲击大小为 bi 2 ，邻接矩阵的第 j 列相应调整为 xjk 2 =xjk 1 bj 2 ， 其中 γj 2 ≥a，bj 2 =γj 2 γj 2 以破产、抗风险的能力越强。 理论上企业的破产阈值对于风险的传染有很大影响，本文在后文模拟中会关注这一点。 b 值代表的也是冲击大小，b 值越接近 0 说明冲击越大。 同样地，在模拟中只要给定时期 1 下的 b 值，后续时间的 b 值会根据模拟设定自动生成。
需要说明的是，对于两种模拟模型，从投入产出网络来看，供给冲击与需求冲击的区别在于二者分别从投入产出网络邻接矩阵的行、列扩散传播，因为投入产出结构中从行来看行业间是供给关系，从列来看行业间则是需求关系。 此外，不管在供给端或需求端，当所有的节点均失效时模拟自然结束。 当给定时期足够多时，尽管冲击很小，所有节点也可能会失效，这代表着经济停滞。 而在现实中，并没有出现经济完全停滞的情况。 这一方面是因为政府会出台相应政策来抵御危机;另一方面，本文模拟的是一种短期情形，在长期内经济结构则会自发调整。 本文关注于在模拟中，如果节点全部失效，所需要的时间是多少，所需时间越短则代表风险越大。还要说明的是，模拟中每一时期需要对所有节点进行一次遍历计算。 因此模拟计算量非常大，本文使用 Python 编写上述模拟模型。 给定需求端和冲击端的冲击扩散过程，通过 Python 编程即可得到对应的每一时间 T，有多少节点失效，这就可以用来反映冲击的扩散速度，也即风险的危害程度。
(三)数据
本文使用区域间多产业投入产出数据作为网络即邻接矩阵。由于区域间的投入产出数据编制困难，目前中国区域间投入产出的数据只更新至 2012 年。区域间投入产出的编制主体很多，如李善同(2010，2016)对于 2002 年和 2007 年为 31 个省(区、市)37 产业部门的编制，数据中不包括西藏自治区。 而 2012 年则包括西藏自治区， 编制方法与前两个年度相同， 来自于 Pan 等(2018)。 他们的编制方法十分可靠，得到了学界的广泛认可。借鉴学者们在研究中使用的编制方法，使用各省(区、市)2017 年投入产出表结合 2017 年各省(区、市)统计年鉴计算地区间的贸易情况， 本文自行编制了 2017 年区域间投入产出表，然后在 2007 年、2012 年和 2017 年三个年度的数据基础上开展研究，通过对其中规律的探讨以弥补缺少最新数据的不足。
通过上述区域间投入产出表中的中间品的投入数据构建产业网络，2007 年的产业网络 G 为 1110 个节点 (31 个省(区、市)各有 37 个部门 )，2012 年 和 2017 年的产业网络 G 则为 1147 个节点(31 个省(区、市)各有 37 个部门)。 限于篇幅，仅给出 2017 年供给端和需求端下不同省(区、市)对湖北省的依赖程度如图 2 所示，节点越大代表依赖程度越大。 可以发现不同省(区、市)对湖北省的中间品需求或供给的依赖程度具有明显的异质性 1 。
三、模拟结果分析：湖北省
本文在这一部分对湖北省受到冲击的情形进行模拟。 考虑到现实中新冠肺炎疫情初期于湖北暴发，之后在其他地区也有出现，因此本文在供给端和需求端分别设定了两种情景以反映仅湖北省爆发疫情、湖北省和其他地区都发生疫情两种情形：情形一：湖北省受到供给冲击导致全面停工停产;情形二：湖北省受到供给冲击全面停工停产，全国其他省(区、市)也受到一定大小的冲击;情形三：湖北省受到需求冲击导致全面停工停产;情形四：湖北省受到需求冲击导致全面停工停产，全国其他省(区、市)也受到一定大小冲击。
以上四种情形的设定是突发公共事件的一种合理简化，当冲击的传播强度相对较低时，往往仅在某一地区或省域内造成影响，对应情形一和情形三的设定;而当发生具有很强传染性的突发事件时，往往在发生地之外也有很多区域甚至全国受到传染，这对应于情形二和情形四的设定。根据理论分析，在供给端受到冲击的情形下本文设定不同 a 值，分析中间品替代性在冲击扩散过程中的重要性。 其他省(区、市)受到的冲击大小也可能会对风险扩散产生影响，因此本文在初始时间设定不同的 b 值，考察全国其他省(区、市)受到不同大小的供给冲击对风险扩散的影响。
类似于供给端，在需求端受到冲击时的情形下本文设定不同 a 值，以分析破产阈值在冲击扩散过程中的重要性。 同样本文也在初始时间设定不同的 b 值，考察全国其他省(区、市)受到大小不同的需求冲击对于风险扩散的影响。随着我国经济的不断发展，区域内部和区域之间产业间的关系不断变化，这可能会对突发公共事件的风险传播产生影响。 因此，本文对不同经济发展水平下的风险传染情况进行考察，采用 2007 年、2012 年与 2017 年的数据进行模拟， 考察产业网络的变化是否对冲击扩散有显著的影响。
(一)供给冲击：决定因素
首先对供给端的情形进行模拟， 图 3 是 2017 年情形一的模拟结果，此时湖北省所有产业受到冲击的 b 值为 0，即湖北省所有产业停工。 横坐标代表模拟步数， 纵坐标代表全国所有节点中失效节点的比例，后文有关图形也均采用如此设定。
结果表明风险传播对于 a 值非常敏感，a 值为 0.95 时在第 0 期湖北省受到冲击，所有节点失效。 而在之后的时期，失效的节点比例没有增加，说明风险没有从湖北扩散出去。 当 a 值仅提高 0.01 到 0.96 时，节点的失效比例就在 10 步左右迅速达到了 1， 表明全国的各个产业都受到了风险影响，可见中间品的替代性对于风险扩散的影响十分显著。图 4 反映的是情形二下不同参数取值的模拟结果。 在情形一下，已经得到 a 值即中间品替代性对于风险传播的影响，因此在情形二下将 a 值设为 0.3，此时如果仅有湖北省突发公共事件，风险不会扩散至其他地区。 与情形一的设定相同，湖北省所有产业的初始 b 值都为 0， 全国其他产业的初始 b 值分别为 0.9、 0.93 和 0.96。
通过情形二可以考察不同 b 值对风险扩散的影响，b 值代表的是全国除湖北外的省(区、市)的中间品供给受到的冲击大小，b 值越小则其他省(区、市)的中间品供给冲击越大。 模拟结果符合直觉，湖北省外其他省(区、市)的中间品供给受到冲击的程度越大，风险的传播速度越快。 此外由于网络结构具有外部性，b 值的减少会带来更高的风险扩散速度， 也即是风险传播的突变性。本文采用其他两个年份下的网络结构进行模拟时发现， 当供给端发生冲击时，2007 年 0.9 的 a 值、 2012 年 0.94 的 a 值，风险的扩散效果与 2017 年 0.96 的 a 值大致相同，说明风险扩散所需要的中间品替代性越来越低。 而当 a 值为 0.3，b 值为 0.96 时，风险在三个年份下均可以扩散出去， 但步长有明显差别。 2007 年全国所有产业停工所需步长为 153，2012 年为 177，2017 年为 202，说明从全国角度来看，面对供给风险我国的抗风险能力在稳步提升。
(二)供给冲击：扩散过程
接下来考察供给冲击下的风险扩散的路径，将某个省(区、市)出现失效节点(产业停工)作为风险扩散到该省的标志。 之所以没有考虑只有湖北省面临冲击的情形一是因为在情形一的设定下，风险传播速度太快，所有省(区、市)几乎同时被传染，因此不能判断不同省(区、市)受到冲击的顺序。 本文模拟得到在三个不同年份下的风险沿省(区、市)的扩散传染过程如图 5 至图 7 所示。可以发现不同年份下的产业网络结构导致了不同的扩散路径。 受到冲击传染的顺序取决于各省(区、市) 的产业与初始受到冲击的节点的关联紧密程度，即在供给端越依赖于湖北省的地区的产业越会受到传染。 在三个年度下，各省(区、市)各产业对湖北省的依赖程度不同， 传染的路径自然也不同。 例如，2007 年湖北省的供给冲击最早影响上海， 最后影响广东; 2012 年最早影响西藏，最后影响山东;2017 年也最早影响西藏，最后影响山东。 可见风险的传播在不同年份具有一定差异，这给有效控制风险提升了难度。以上得到的传播路径与前文数据中各省对湖北省的依赖关系明显不同，因为在冲击传染过程中，冲击通过个体产业扩散到省(区、市)。 因此尽管某些省(区、市)对湖北省依赖性不大，但其特定的产业对湖北省的依赖性很强，因此扩散很快;反之，某些省(区、市)从总量来看比较依赖湖北省， 但没有特定的极度依赖湖北省的产业，因此扩散比较慢。这说明防止风险传播需要重点关注省(区、市)之间的重要关联产业。
(三)需求冲击：决定因素
接下来对需求端进行模拟， 图 8 是 2017 年情形三的模拟结果。 此时湖北省所有产业面临冲击的 b 值为 0，即湖北省所有产业破产，全国其他省(区、市)的产业则没有受到冲击。模拟结果表明，风险扩散对于 a 值——产业的破产阈值同样非常敏感。 在第 0 期湖北省所有产业破产，之后根据 a 值大小的不同，风险的扩散速度不同。与供给端相比， 风险能够扩散出去的对应 a 值更小，说明湖北省面对需求冲击不如供给冲击稳定。 但 a 值达到 0.93 时风险才会扩散出去，a 值为 0.91 时风险并不会扩散出去，这说明通过合适的政策缓解企业的现金流压力可以对风险的传播起到显著的抑制作用。模拟情形四，得到图 9 所示的结果。 与供给端类似，取 a 值为 0.3，保证湖北省受到冲击风险不会扩散至其他省(区、市)，令湖北省所有产业受到的初始 b 值为 0，全国其他省(区、市)的产业的初始 b 值分别为 0.9，0.93 和 0.96 代表全国除湖北外其他省(区、市)的面临需求冲击的不同情况。
可以发现湖北省以外其他省(区、市)的产业受到的冲击越大，风险传播的速度越快，并且风险的传播具有明显的突变性，即初始时间段内冲击传播比较缓和，但在一定时间之后冲击会以指数型快速传播至全国各个产业，引发宏观经济风险。 2007 年和 2012 年 a 值为 0.95 时， 扩散步数与 2017 年 a 值为 0.93 时的结果类似。 这表明与供给端的情况略有不同， 随着经济发展导致的产业网络变化，需求冲击的扩散对于产业破产的敏感性升高。 而对于 b 值来说，当 a 为 0.3，b 为 0.96 时，冲击均可以扩散出去但步长有明显差别，2002 年为 147，2012 年为 175，2017 年则为 209。 这说明从全国来看，面对需求冲击的稳定性在逐渐提升。
(四)需求冲击：扩散过程
接下来考察需求冲击的扩散路径。 以情形四进行模拟得到三个年度下的风险在不同省(区、市)的扩散顺序如图 10 至图 12 所示，同样以省(区、市)中有产业停工或破产作为被传染的标志。 与供给端下的情况类似，情形二下风险传播速度太快，各省(区、市)几乎同时受到传染，不能判断传染顺序，因此使用情形四进行考察更加合理。从以上三个年度的扩散路径可以发现，需求端的冲击扩散过程在不同年份下也有所不同，与供给端的模拟结果一致。 造成此结果的原因也是相同的，由于 2007 年、2012 年、2017 年三个年度的产业网络发生变化，基于此的风险传染路径自然不同。 2007 年上海最先被风险传染，广东最后被传染;2012 年西藏最先被传染， 山东最后被传染;2017 年西藏最先被传染，广东最后被传染。 可见，需求风险的传播在不同年份也具有一定差异，这同样给有效控制风险提升了难度。与供给端的风险传播路径相结合，可以发现在供给端受到冲击容易被传染的省(区、市)在需求端也容易被传染。 这是因为许多省(区、市)在供给和需求上对湖北省的依赖程度比较一致，因此在供需两端受到传染的速度也比较接近。 在供需两端，各省(区、市)受到传染的先后均取决于是否有极度依赖湖北省的产业存在，这再次说明需要关注省(区、市)之间的重要关联产业对冲击传播的影响。
四、模拟结果分析：地区异质性
本文在这一部分对湖北省以外的所有省(区、市)进行模拟分析探讨风险传播的异质性。 多次突发公共事件表明， 任何一个区域都有可能发生或大或小的突发公共事件，因此有必要对其他省(区、市)暴发疫情或其他公共事件造成宏观风险的异质性进行考察。 具体地，本文在供给端进行类似于情形二的模拟设定，在需求端进行类似于情形四的模拟设定，参数设置上，a 值均为 0.3，突发公共事件的省(区、市)b 值为 0，全国其他省(区、市)的 b 值为 0.96。 与前文中的区别在于将湖北省替换为其他省(区、市)，也即是对应着公共事件在湖北省暴发改为其他省(区、市)暴发，因而可以考察其他省(区、市)突发公共事件的冲击传染扩散。
(一)供给冲击：省(区、市)异质性
首先考察各省在供给端受到冲击风险的扩散结果的差异，如图 13 至图 15 所示是供给端受到冲击后 2007 年、2012 年和 2017 年的风险扩散步数与停工产业比例的关系， 冲击发生前期扩散速度均非常慢，因此本文省略前 70 个时间点。
从模拟结果可以发现，不同省(区、市)突发公共事件后产生的宏观影响具有明显差异，风险的扩散速度明显不同。 2007 年各省发生供给冲击的情况下，传播速度最快的五个省(区、市)是广东、河北、山东、北京和上海，传播速度最慢的五个省(区、市)为青海、宁夏、海南、贵州和云南;2012 年，传播速度最快的五个省(区、市)是河北、广东、山东、江苏、上海和浙江，传播速度最慢的五个省(区、市)是西藏、青海、宁夏、海南和贵州;2017 年传播速度最快的五个省(区、市)是江苏、北京、上海、河南和河北，传播最慢的五个省(区、市)是西藏、青海、宁夏、湖北和四川。 可见，当供给冲击首先发生于发达地区时扩散速度一般更快，而在欠发达地区发生时扩散速度则较慢，这是因为发达地区往往在经济规模上比较大，与其他地区的关联比较多，相应地冲击扩散更容易。为对比三个年份不同省(区、市)的风险扩散速度，将三个年份下各省(区、市)发生冲击后全国完全停工停产所需的模拟步数进行描述性统计，如表 1 所示。
可以发现，以全国的平均情况来看，2007-2017 年扩散步数的均值、最小值和最大值均逐渐提升，说明风险的扩散速度出现减慢趋势。 这是因为随着我国经济发展， 省际投入产出与省内投入产出关系相比变得更强导致全国范围内的冲击扩散不会因为某个省 (区、市)的完全停工停产而迅速传播出去。结果表明在本文考察的时间范围内， 经济发展带来的产业网络的演化有利于减小宏观经济风险的传播。 而扩散步数的标准差逐渐增大，说明不同省(区、市)面对风险的扩散能力发生分化。 这是因为随着经济的发展，不同省(区、市)在产业网络中的投入产出关系中的重要性逐渐分化，因而发生在不同省(区、市)的冲击的扩散速度发生了明显的变化，结果体现出明显地区间的异质性。
(二)需求冲击：省(区、市)异质性
接下来对各省(区、市)需求端受到冲击的情形进行模拟， 图 16 至图 18 是需求端在受到冲击后 2007 年、2012 年和 2017 年的风险扩散步数与破产产业比例的关系，也省略了前 70 个时间点。从模拟结果可以发现， 考察需求冲击时不同省(区、市)突发公共事件产生的影响也具有明显差异，因此对宏观经济的影响程度也不同。 2007 年各省在需求端发生冲击后，传播速度最快的五个省(区、市)是广东、河北、山东、北京和上海。 传播最慢的五个省(区、市)是青海、宁夏、甘肃、海南和山西;2012 年，传播速度最快的五个省(区、市)是广东、河北、浙江、山东和江苏。 传播速度最慢的五个省(区、市)是西藏、海南、青海、宁夏和甘肃;2017 年传播速度最快的五个省(区、市)是广东、江苏、上海、北京和河南，传播最慢的五个省(区、市)是西藏、青海、福建、湖北和海南。 也可以看出源自发达地区的冲击更容易扩散、源自欠发达地区的冲击更不容易扩散的特点。
同样将三个年份下各省发生冲击后全国完全停工停产所需的模拟步数进行描述性统计，如表 2 所示。可以发现，需求端与供给端的冲击扩散情况有相似之处，从扩散步数的均值、最小值和最大值看出全国平均的风险扩散速度都明显的降低趋势。 各省(区、市)风险传播的异质性则可以从扩散步数的标准差看出，而与供给端的情况不同，在 2012 年各省(区、市)面对需求冲击的异质性最明显，但 2017 年，各省(区、市)之间的异质性则出现了下降。 各省传播需求冲击的能力与各省在投入产出网络中的地位相关，与供给端相反，这时主要取决于各省(区、市)对其他省(区、市)产品的依赖性，因而与供给端的情况并不完全相同。不过 2017 年各省(区、市)的差异依然要超过 2002 年，说明各省面对需求冲击依旧表现出明显的异质性。
(三)风险传播的异质性：地区视角
由于我国长期存在着明显的地区发展差异，东部沿海地区比较发达， 中部和西部发展相对滞后。 相应地，东、中、西部在区域间投入产出网络中的关系也存在差异。 这可能导致风险传播也存在着明显的地区差异。 本文将 31 个省(区、市)分为东、东北、中、西部四个区域，以考察各个区域之间的风险传播能力上是否有明显差异。 之所以划分为这四个区域，主要考虑到这四个区域在数据期间的经济发展状况有较大差别，因而风险传播上可能具有明显的异质性。如表 3 至表 5 所示分别是将前文计算得到的 2007 年、2012 年和 2017 年三个年度下的风险扩散至全国所有产业的模拟步数进行统计。
可以发现， 四个区域的平均传播速度都在逐渐下降。 但需要注意到中部地区在 2002 年和 2007 年传播速度仅快于西部地区，而到 2017 年中部地区的传播速度则超过了东北地区，仅次于东部地区。这说明相对来说，中部地区在产业网络中的重要性上升，与其他地区的关联增强，因此与其他地区相比速度下降趋势更小。总体上来看， 各区域的风险扩散速度与我国经济的区域划分基本一致，东部区域传播能力强于其他地区。而从四个区域内部的省(区、市)异质性来看，东部区域内部的异质性一直比较大， 其他区域的异质性开始比较小， 但也在明显上升。 这说明各个区域内部的不同省(区、市)在产业网络中的重要性差异明显，因此对于疫情防控来说， 针对不同区域的制定的政策在考虑到风险扩散能力的同时，也需要考虑到区域内部的异质性，不能一概而论，这给疫情防控政策的合理设置增加了难度。
(四)供给—需求风险相关性
以上分析中，本文均将供给端和需求端分开进行考察。 但需要注意现实中供给冲击和需求冲击往往不是孤立发生的。 突发公共事件时，一方面生产中断引起供给冲击，另一方面商品消费也会受到影响，需求冲击也随之产生。 这导致供给冲击的影响和需求冲击的影响往往相互叠加， 极大地提升了宏观经济风险。因此，本文将模拟得到的三个年度不同省(区、市)的供给冲击扩散步数和需求冲击扩散步数之间的关系进行考察， 分别将 2007 年、2012 年和 2017 年各省(区、市)的供给冲击扩散步数和需求冲击扩散步数绘制在一个坐标系中，如图 19 至 21 所示，其中供给端扩散步数为横坐标、需求端扩散步数为纵坐标。
可以发现，三个年度下在供需两端的风险扩散速度具有明显的正向相关关系，这说明往往在供给冲击扩散较快的省(区、市)，需求冲击扩散也较快。 将供给—需求风险相关关系划分成四个象限，右上象限代表两种冲击扩散速度都较慢，左上象限代表供给冲击扩散快，需求冲击扩散慢，左下象限代表两种冲击扩散均快，右下象限代表需求冲击扩散快，供给冲击扩散慢。 可以发现右上象限的省(区、市)最多，被认为是欠发达的区域往往处于此区域。 左上象限中只有 2007 年有河南、辽宁和黑龙江三个省(区、市)。 左下象限中则包括了普遍意义上的发达省(区、市)，供给风险和需求风险传播速度都很快。 右下象限中在三个年度均有省(区、市)，但数量非常少。
进一步计算供给扩散步数与需求扩散步数的相关系数，2007 年为 0.819，2012 年为 0.954，2017 年为 0.882。 这充分表明，不同省(区、市)面对供给冲击的风险和需求冲击的风险往往都较高或较低，具有一致性。 因此，如果在现实情况下同时发生两种冲击，那么省(区、市)或地区的异质性与单独考虑供给或需求端的影响相比就会有更大的差异。 在供给与需求冲击都容易扩散的区域，很自然地扩散速度将会远超单方面冲击下的速度。 以上情况也说明，对于不同地区需要制定不同程度的防控强度，差异化的防控强度应该取决于各地区在产业网络中的相对重要性， 而一般地，发达地区在产业网络中的重要性比较强，因此对发达地区的严格防控是必要的。
五、结论
新冠肺炎疫情的暴发为今后有关于突发公共事件的防控敲响了警钟，常态化的防控机制需要得到更多重视。 本文构建基于中国区域投入产出表的网络模型，模拟考察突发公共事件时宏观经济风险的传染情况。 本文首先考察湖北省突发公共事件，发现在供给端中间品的替代性会显著影响风险的扩散速度，在需求端企业的破产阈值则会显著影响风险的扩散速度; 风险传播具有显著的突变性，并且传染路径在不同经济发展水平下有所不同。 其次， 本文重点考察 2007 年、2012 年和 2017 年各省(区、市)面对需求冲击和供给冲击的情况， 发现随着区域投入产出关系的增强，风险的传播速度总体上有所下降，我国抗风险能力不断增强;不同省(区、市)在产业网络中的重要性的分化导致不同省(区、市)的风险扩散速度也出现明显的异质性;分地区来看，东部地区风险传播能力最强，中部和西部地区则稍弱;此外，需求冲击的影响程度和供给冲击的影响程度具有显著的正相关性， 因此，供需冲击的叠加会带来远超过单方面冲击的巨大宏观负面影响。
本文基于对风险传播机制的刻画，指出了影响风险传播的因素和传染路径，并重点对区域异质性进行了考察，对既有文献进行了一定的补充，同时具有一定政策参考意义。 首先，在制定防控突发公共事件的政策时，需要着重强调在风险进入快速扩散阶段前就采用合适手段，这可以更有效地阻止风险传播;其次，通过政策手段维持企业生产、避免企业破产可以有效地降低风险的传播速度， 减小系统性宏观经济风险;最后，不同省(区、市)和区域突发公共事件引起的系统性宏观风险速度和程度差异明显， 具有异质性，因此对于发达地区如东部地区及特定的省(区、市)如北京、上海、江苏等要更加重视，防控强度需要合理提高，并且需要避免在这些地区或省(区、市)供给风险与需求风险叠加而引发的传播速度急剧加快的情形，为控制供需两端风险的总体影响，既要从供给端也要在需求侧进行合理的政策干预。 此外，还要指出的是宏观经济风险在区域间的扩散途径很多，本文仅仅考察了基于产业网络的风险扩散情况，区域间除产业网络外的关联关系如人口流动、交通等因素也应该获得重视。
论文指导 >
SCI期刊推荐 >
论文常见问题 >
SCI常见问题 >
