2020年突发风险系列之九:城市灯光和迁徙数据复工超预期但民营经济压力大.docx
《2020年突发风险系列之九:城市灯光和迁徙数据复工超预期但民营经济压力大.docx》由会员分享,可在线阅读,更多相关《2020年突发风险系列之九:城市灯光和迁徙数据复工超预期但民营经济压力大.docx(13页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、1. 卫星灯光研究方法与数据处理3当前复工返程情况或强于预期52. 后续民营经济成分压力不容小觑83. 附录10附录二局部地区卫星灯光影像比照(影像来源于北京四象爰数科技)江浙沪2019年节后两周情况江浙沪2019年节后两周情况江浙沪2020年节后两周情况河北省2019年节后两周情况河北省2019年节后两周情况河北省2020年节后两周情况1.卫星灯光研究方法与数据处理1灯光是人类社会生产与生活状态的客观反映,自从Henderson等人2012年在美国 经济评论,发表了一篇题为从外太空评估经济增长的文章之后,卫星灯光数 据在经济学研究方面的使用与日俱增,其更多应用于GDP衡量、城市规模测量 等主
2、题。这种研究方法的优势在于可以客观衡量经济活动,特别是在数据较为匮 乏的国家,而且可以突破行政边界限制,反映经济活动在任意空间的变化。但劣 势在于信息受到天气、数据处理方法等一系列因素的干扰。当前宏观高频数据有限,1、2月又是传统的宏观数据真空期,我们试图从卫星灯 光这一角度,对疫情后中国经济活跃程度进行描绘。报告中的灯光数据主要利用 了美国国家地理数据中心的夜间灯光VIIRS (Visible infrared Imaging Radiometer) 日数据。针对数据处理,我们采用了常用的综合灯光指数(compounded night light index, CNLI)计算方法。为消除每日
3、数据间的相对误差,根据行政区域范围采用 中心极值归一化处理,各监测城市的CNLI结果可进行时间纵向比照。图1 :京津冀地区2019年节后两周卫星灯光图2 :京津冀地区2020年节后两周卫星灯光资料来源:北京四象爱数科技。我们选取了北京、天津、上海、深圳、河北、江苏、浙江、福建八个省市作为灯 光研究样本,综合数据处理与天气因素,由于福建省2月数据受云层影响较大, 最终选择剩余七个地区作为研究对象。我们看到上述七个地区的国民生产总值占 全国三成以上(图3)。此外样本区域还包含一些其他特点:/ 北京、上海、深圳、天津第三产业比重较高,江苏、浙江、河北、山东第二 产业占比相对其他省市较高;/ 江苏、浙
4、江、河北三地民营经济占比拟高;/ 北京、上海、天津、浙江、深圳外来劳动输入比例比拟高;灯光信息以及光源处理均由北京四象爱数科技公司提供。其中,灯光信息计算方法参考基于NPP - VIIRS夜间灯光数据 的北京市GDP空间化方法,国土资源遥感,2016年9月。图3 :样本省市2019年GDP图3 :样本省市2019年GDP图4 :样本省市GDP占全国比重为保证数据准确性,我们分别选取了 2019年节前一周与节后两周,即假期附近 数据,同时又选取了 2019年3月、8月、11月局部工作日数据。我们发现由于多 种因素,灯光变化上或存在一定干扰,例如前文提及的自然因素(云层、季节), 事件影响(重要会
5、议)等。我们根据得到的数据,利用2020年节后两周的亮度 平均值(2月11、12、16日)与不同样本期灯光亮度进行比照,最终选取各期结 果差异为负且最大的值作为代理,来衡量从灯光角度观察经济的极限情况图5各区域灯光在春节前后的变化情况资料来源:美国国家地理数据中心,北京四象爰数科技,。地区与2019年节前节后平 均比照与2020年节前比照与2019年全年样本平 均值差值占节前比重差值占节前比重差值占节前比重北京-0. 0122-4.6 %0. 02067.7 %0. 01695.9 %天津-0. 0187-7.1 %-0. 0017-0.6 %-0. 0044-1.7 %上海0. 01653.
6、 7 -0. 0129-2.9 %0. 01002.3 %深圳0. 00561.0 K-0.0443-8.2 %0. 01563. 1 %河北-0. 0591-24. 4 %0. 00682.8 %-0. 0114-4. 6 %江苏-0. 0098-3. 6 %-0.0316-11.4 %-0. 0249-10. 2 %浙江-0. 0575-21. 3 %-0.0090-3.3 %-0. 0306-H.7 %2.当前复工返程情况或强于预期市场当前对于复工返程的评估,多从客运量、百度迁徙规模的历史同期角度进行 分析,我们认为这其中或存在潜在的低估风险:, 一方面,旅游、商务等返程事项存在干扰。根
7、据交通运输部信息,2020年春 运后半程客流大幅缩水,旅游、商务和公务流等弹性的客流大幅减少,局部 地区(旅游流)甚至归零,因此迁徙规模历史同期数据包含了这些事项相关 的出行,采用2019年同期迁入规模比对在一定程度会低估当前复工进程。/ 另一方面,返程主体存在干扰。当前节后返程基本由白领构成,且包含少量 农民工,因此返程几乎全部以复工的硬性要求为主,与历史同期相比,返程 主体也存在差异。根据交通运输部信息,未来一段时间主要是蓝领返岗和学 生返校客流,公务、商务客流较少,农民工待返岗客流客运量约为2. 2亿左 右人次,2月底其中的L 2亿人次将会陆续返岗,3月以后还会有近1亿左 右人次返岗,此
8、外预计待返校的学生客运量约为1亿人次。因此,节后截至 当前接近3万亿人次的返程,由多数白领人员以及少局部农民工构成。当然复工返程也并非意味着正式复产,微观调研反响出绝大多数制造企业,由于 防疫物资、终端需求等原因当前复产并非全面展开,而且当前返程完成人员多集 中于白领,制造业相关工人的复工也相对有限。但单纯就总体的复工返程而言, 或强于市场当前预期,这意味着后续全面复产的衔接或会快于市场预期,我们进 一步从灯光数据与迁徙数据角度进行分析。灯光角度来看,复工返程会带来劳动流入省市的人员增多,进而带来夜间灯光的 改善。我们以样本省份中劳动流入大省作为参考,从灯光亮度变化再度评估当前 复工情况。依据
9、各省常驻人口情况,我们最终选取的样本区域人口总数,占全国 人口的9%左右。由于北京、上海、深圳等一线城市多以白领为主,因此其他区 域当前受负面影响或更大,我们考虑按照样本区域人口加权和按照浙江光源变化 幅度极限情况,两个角度进行评估。最终发现,当前复工恶化的幅度在10-20% 左右(图6)o当然这一结果由于样本数量有限准确度或存在一定偏差,但整体复 工的负面影响明显低于当前市场从客运量角度的评估。图6灯光角度样本城市复工情况评估资料来源:各省统计局,O省市常住人口 2017 (万人)外来人口比例外来人口占样本 比例城市灯光减 弱幅度复工恶化幅度 (加权平均)复工恶化幅度 (极限情况)北京217
10、0. 736.6%18. 6 y-4. 60%-0.9%-4%上海2418. 340.2%22.8%-2. 90%-0. 7 %.5%浙江5657. 021.2%27.8%-21. 30%-5. 9 %-6%深圳1252. 865. 0 %19. 1 %-8. 20%-1. 6 %-4%天津1557. 032.0%11.7%-7. 10%-0.8%-2%总计13055.9T0 %-21%为印证结论在方向上的可靠性,我们进一步结合百度迁徙数据进行分析。为解决 提及的低估问题,我们采用2020年节前迁出与节后迁入规模比对,以及整体春节期间总迁入占总迁出规模比例进行再次判断:(1)节前迁出与节后迁入
11、规模比对,我们发现局部城市如上海、苏州节后迁入 规模已基本接近节前的迁出规模,多数城市从迁出规模角度衡量,返回比例已经 基本接近40%,高于历史同期数据比拟的20%左右(图7)。图7五大城市群局部核心城市迁徙规模比照120% -1100%80% -80% -60%40% -20%0% J珠三角东莞上海杭州lihhllllllliljlil北京天津石家唐山秦皇成都重庆武汉长沙长三角庄京津冀成渝长江中游平均值与去年同期迁入规模比拟 与今年节前迁出规模比拟资料来源:百度迁徙。注:节前迁出规模测算时间选取1月10日1月24日.节后迁人规模数据时间选取1月25日2月17 日时间段分别对应以春节为依据的历
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2020 突发 风险 系列 城市 灯光 迁徙 数据 复工 预期 民营 经济 压力
限制150内