新冠疫情對江蘇省經濟發展的影響研究

鄧陽 董洪光

(安徽理工大學經濟與管理學院 安徽淮南 232001)

2019年末，突如其來的新冠疫情使全世界的經濟面臨巨大的挑戰，經濟增長比率下滑嚴重。新冠疫情的爆發，不可避免地給江蘇省經濟發展帶來了沖擊。江蘇省餐飲行業協會調查顯示，2020年初，20天左右的時間餐飲行業的損失已達到350億元。江蘇省2020年第二產業的增速僅為3.7%，然而前三年第二產業的增速分別為6.6%、5.8%、5.9%。由于新冠疫情導致勞動力不足和農資供應缺乏，農事活動也在一定程度上受到了限制。由此可見，新冠疫情對江蘇省經濟的影響十分明顯。

當今國內外對于新冠疫情對各地經濟發展影響的研究不占少數。高振斌、秦軒(2022)將偏最小二乘法(PLS)、遺傳算法(GA)、支持向量回歸(SVR)三種不同算法相結合，提出一種全新的預測算法，研究表明該算法不僅優于其他預測模型，還能準確預測未來區域經濟發展趨勢。郭艷嬌等(2021)通過研究新冠疫情下東北三省的經濟運行態勢，按照真實經濟周期分析范式引入虛擬變量，對“十四五”時期東北三省財政狀況進行了預測，并且提出了財政方面的六個政策建議。在國外，Haiying Chen等(2021)通過建立產品狀態轉移概率矩陣，利用馬爾科夫鏈進行分析計算，提出了產品營銷預測的數學模型，為經濟實用化提供了可靠的理論基礎。Zhou等(2021)提出一種新的灰色滾動機制，采用平均弱化緩沖算子對原始序列進行處理，并利用該模型對中國二氧化碳排放趨勢進行預測與分析，從而為中國相關環境部門制定節能減排政策提供重要的參考價值。

綜上所述，國內外研究表明，運用預測模型能夠及時預測某領域未來的發展趨勢，包括今后可能存在的問題及隱患，從而在當下采取相應政策。但是從研究方法和角度來看，對于江蘇省經濟發展預測分析仍然較少，研究新冠疫情對江蘇省經濟發展的影響更少。因此，本文運用灰色預測模型對江蘇省GDP進行預測。由于新冠疫情爆發于2019年末，所以采用2014—2018年的GDP數據建立灰色預測模型，預測2019—2021年的GDP，再比較實際值分析預測值與實際值的差異。最后分別預測對比江蘇省在有無新冠疫情影響下，2022—2024年GDP的具體數值，從而更鮮明地反映出新冠疫情對江蘇省經濟發展的影響，為政府和相關部門提供科學參考依據，使江蘇省的經濟得到恢復與發展。

1 江蘇省經濟發展現狀

江蘇省位于中國大陸東部沿海，介于北緯30°45'～35°08'，東經116°21'～121°56'，東瀕黃海，西連安徽，北接山東，東南與浙江和上海毗鄰，全省面積10.72萬平方公里，占全國總面積的1.1%。江蘇省下轄南京、無錫、蘇州等13個市，共有95個縣級單位、720個鄉鎮、532個街道。2021年末，江蘇省常住人口8505.4萬，其中城鎮人口6288.89萬。2021年，江蘇省常住人口城鎮化率達到73.9%，與2020年末相比上升0.5個百分點，超出全國9.18個百分點。

江蘇省2021年GDP總量為116364.2億元，貢獻了整個長三角洲50.9%的GDP及全國10.2%的GDP。隨著2003—2021年江蘇省GDP的不斷增長，占全國的比重卻一直保持在10%以上。2021年，江蘇省居民人均可支配收入為43390元，超出全國8262元。其中，城鎮常住居民人均可支配收入為53102元，超出全國9598元；農村常住居民人均可支配收入為24198元，超出全國5267元。現江蘇省三大產業的結構比例為4.1∶44.5∶51.4，第三產業通常是衡量一個地區發展程度的指標，也是地區發展的第一驅動力，表明江蘇省已經達到較高的發展水平。

2 灰色預測模型建立

2.1 研究方法選擇

“小樣本”“貧信息”是灰色系統理論的特點，由于江蘇省每年的GDP是一種小數據，再加上影響江蘇省GDP的因素有很多，不能一一考慮到，因此灰色系統理論十分適合研究江蘇省GDP。GM(1，1)模型是灰色系統理論中的一種預測模型，與傳統統計模型相比，GM(1，1)模型即使在少量數據的情況下建立模型，精度也能達到一個較高的水準，并且由于預測的是江蘇省每年的GDP，非常符合該模型原始數據必須等時間間距的特點，所以本文采用GM(1，1)模型進行預測。

2.2 GM(1,1)原理

設已知序列為

做一次累加AGO (Acumulated Generating Operation)生成新序列：

生成均值序列：

其中，0≤a≤1，通常可取a=0.5

建立灰微分方程：

相應的GM(1，1)白化微分方程為：

將上式采用矩陣形式表達為：

如需進行預測，只需把k換成kn+1，方可預測下一個數據。

3 江蘇省GDP預測

3.1 數據來源

本文數據均來源于江蘇省統計局，由于需要預測江蘇省在沒有新冠疫情影響下的GDP數據，再與實際值進行對比分析，所以選取江蘇省2014—2021年的GDP數據進行研究(見表1)。

表1 2014—2021年江蘇省GDP數據

3.2 預測結果與分析

為定性測算新冠疫情對江蘇省GDP的影響，本文采用GM(1，1)預測模型，以2014—2018年新冠疫情發生前江蘇省GDP實際數據為基礎，采用灰色系統理論與應用軟件GSTA V7.0對2019—2021年的江蘇省GDP進行預測，得到計算平均模擬相對誤差，具體如表2所示，得到2019—2021年的預測值，具體如表3所示。最后分別得到有無新冠疫情影響下江蘇省2022—2024年的GDP預測值，具體如表4所示。

表2 2014—2018年江蘇省GDP模擬值與模擬誤差

表3 無新冠疫情影響下2019—2021年江蘇省GDP預測值

表4 有無新冠疫情影響下2022—2024年江蘇省GDP預測值

由表2可知，此預測模型的平均模擬相對誤差為0.5%。根據灰色系統理論的獨特性質，平均模擬相對誤差低于1%，可稱為一級精度，所以此模型預測精度較高，可以作為決策依據。

由表3可知，2019—2021年新冠疫情對經濟的影響平均為4.5%，給江蘇省經濟造成了14928億元的損失。從極值角度來看，2019年新冠疫情對江蘇省經濟的影響最小，給江蘇省經濟總量帶來了1.85%的損失，損失的絕對量為1874億元。2020年新冠疫情給江蘇省經濟造成的損失最大，給江蘇省經濟總量帶來7.4%的損失，損失的絕對量達到8204億元。從趨勢特征角度分析，2019—2021年，新冠疫情對江蘇省經濟的影響呈現先擴大后縮小的變化趨勢。2021年，新冠疫情給江蘇省經濟造成的損失明顯降低(絕對損失量4850億元)，表明江蘇省采取的恢復經濟發展措施取得了一定的效果。

因選擇2014—2018年新冠疫情發生前江蘇省GDP實際數據為基礎，預測2022—2024年江蘇省GDP數值，所以平均模擬相對誤差同為0.5%，稱為一級精度。

而預測有新冠疫情影響下江蘇省2022—2024年GDP數值是以2017—2021年的數據為基礎，根據預測結果，平均模擬相對誤差為1.7%，低于5%，精度為二級。由于新冠疫情爆發于2019年末，處于2017—2022年，突發的新冠疫情快速影響到了江蘇省經濟的發展，短時間內無法緩解新冠疫情給江蘇省經濟帶來的沖擊，所以2020年的相對模擬誤差隨之較大，達到3.4%，影響了整體的平均模擬相對誤差，因此存在小的預測誤差反而更符合實際情況。

通過對比江蘇省2022—2024年GDP在有新冠疫情影響下和無新冠疫情影響下的預測值(表4)，能直觀地反映出江蘇省經濟損失逐年增加，未來三年GDP總損失量將達到37654.9億元，約等于2019—2021年經濟總損失量的2.5倍。

4 結語

本文原始數據模擬預測達到一級和二級精度水平，預測結果可信度較高；2019—2021年新冠疫情對江蘇省經濟共造成了14928.4億元的經濟損失，約占經濟總量的4.5%；在此期間，新冠疫情對經濟的影響呈現先擴大后縮小的發展趨勢。2020年新冠疫情對經濟的影響最大，造成8204.1億元的經濟損失；江蘇省促進經濟恢復的措施已經取得了一定的成效，新冠疫情對經濟的影響正在縮小，但影響的絕對量仍然很大。

此外，本文還分別展現了有無新冠疫情影響下江蘇省2022—2024年GDP的預測值，研究表明未來三年如若不控制新冠疫情，不采取相關措施及經濟恢復政策，經濟損失將逐年增加，會給江蘇省的經濟造成巨大損失。

為了促進江蘇省經濟的發展，建議江蘇省采取擴大消費和投資需求、減輕企業負擔、建設完善醫護人才結構等防疫和促進經濟發展對策，相信在江蘇省政府的正確領導下，江蘇省經濟將會得到恢復和更好的發展。