新冠疫情、国内供应链冲击与省域经济发展

一、引言与文献综述

构建以国内大循环为主体、国内国际双循环相互促进的新发展格局是我国经济发展战略的重要调整方向，实现产业链、供应链的稳定和畅通是保障“双循环”顺利运行的前提。然而，大范围的突发公共事件可能会给供应链带来巨大冲击。2020年1月下旬，为防控新型冠状病毒肺炎疫情(后文简称“新冠疫情”)蔓延，全国性的停工、停产、停运等造成国内供应链短期内几乎被“切断”，对我国经济增长产生重大影响。供应链是连接供给侧和需求侧的纽带，影响企业生产、居民消费和就业市场，现代供应链体系亦成为优化经济组织方式、降低企业成本、促进经济增长的重要手段。正因供应链扮演如此重要的角色，“保持产业链供应链稳定”一直是疫情后经济恢复的核心工作之一。在理论层面，供应链的重要性尚未得到科学检验，尤其在新冠疫情下国内供应链遭受重创，其对经济下滑凸显出来的作用及其内在机制仍需深入研究。本文以新冠疫情下国内供应链冲击为切入点，研究国内供应链冲击对各省经济增长的影响并挖掘其影响机制，旨在明确稳定国内供应链对省域经济发展的重要作用。明确供应链在经济增长中扮演的重要角色，对推进形成全国区域联动、协同发展的国内供应链体系具有重要作用，也对稳定国内供应链体系具有重要意义。

如何科学量化供应链冲击对我国省域经济发展的影响呢？疫情突发下湖北省“离鄂通道”关闭为本文的研究提供了“实验”空间。我国的“新冠疫情”始发于湖北省武汉市，为控制新冠疫情传染源、阻断传播和预防扩散，湖北省几乎所有城市均强制采取“严防”的措施，“离鄂通道”的关闭自2020年1月24日启动，直至4月8日才在全境得以恢复畅通。事实上，湖北省已形成联结长江经济带、皖江城市群、长三角地区，东、中、西部“一脉相承”的全国供应链网络，但新冠疫情下“离鄂通道”的暂时关闭导致湖北与其他省(市)织成的湖北供应链网络被“切断”，给各省乃至全国经济带来重大冲击，这正是本文的切入点。

当前，关注包括新冠疫情在内的重大公共卫生事件影响的研究较为丰富，如Smith et al.(2019)、南开大学SARS对经济影响研究课题组(2003)分别对埃博拉病毒和SARS疫情的影响进行过深入探讨

。聚焦到新冠疫情对经济的影响上，Alexander et al.(2020)和Scott et al.(2020)研究新冠疫情对企业关闭、就业下降和居民消费产品结构转型的影响

。新冠疫情对产业链、供应链也造成较大冲击。刘志彪(2020)指出新冠疫情带来全球供应链向两个方向演变，即纵向分工上趋于缩短和横向分工上趋于区域化集聚。刘世锦等(2020)使用网络分析法研究和评估新冠疫情对我国区域、行业层面造成经济冲击的程度和影响路径

。实际上，关于供应链发展、供应链破坏对经济的影响的研究并不缺乏，外生冲击造成的供应链破坏对经济增长的负面影响是十分明显的。Carvalho et al.(2020)对东日本大地震的冲击传播和放大机制进行量化研究，发现灾害导致的供应链中断对企业造成巨大的直接影响和间接影响。Boehm et al.(2019)的研究发现东日本大地震造成日本的国际供应链破坏，同时导致美国的日本跨国公司进口和产出下降

。全球供应链网络成为冲击的重要传导途径，如Acemoglu et al.(2015)提出的一个系统性框架证明网络交互在扩大外生冲击影响上扮演着重要作用

。以上研究虽考察外部冲击造成的供应链破坏对经济产生的影响，但主要集中于自然灾害的冲击而非新冠疫情这种重大公共卫生事件。此外，多数研究的影响对象并非聚焦于我国国内，因此较难提出对我国具有针对性和可参考性的政策。

基于上述的多方面研究，本文尝试如下的拓展和创新：(1)在研究视角和内容上，以我国省域经济为研究对象，聚焦新冠疫情下湖北省国内供应链被短暂切断，分析新冠疫情下国内供应链冲击对我国经济的影响效果，并从省域经济联动方面探究供应链冲击影响省域经济的作用机制；(2)在研究的切入点和方法上，以“离鄂通道”关闭事件带来的供应链中断为独特的切入点，考察湖北供应链被切断对省域经济的影响，使用双重差分法、工具变量法等方法检验新冠疫情下湖北供应链破坏对省域经济的影响，以增强研究结论的科学性和政策建议的针对性；(3)在指标测度上，基于我国省域间投入产出表测算湖北国内供应链网络，从供给侧和需求侧两个方面、直接供应链和间接供应链两个角度评估湖北与其他省的国内供应链关联关系等，以提升研究内容的丰富性。

其中，L表示样本数.由于计算机仿真数据样本有限，当L≥100|Ω|时，仿真的BER值具有参考意义.另外，根据式(14)可以看出，机密信号的BER和Ebw/N0、μs、η有关.在仿真实验中将具体分析这些参数对机密信号解调损失的影响.

二、指标测算与典型事实描述

本文基于Wang et al.(2013)的多地区、多部门增加值分解模型测算湖北国内供应链网络

。

(一)测度模型

假设存在一个包含

个地区、

个行业的经济单元，那么区域、行业间的投入产出关系及各地区、各行业通过最终品需求对其他地区、其他行业的引致需求的表达式为：

(1)

基于以上分析，本文提出如下的两个待检验假设：

事实上，某一地区的供应链可反映该地区对其他地区的中间品、要素等的供应(即供应链的供给侧)，也反映该地区对其他地区的中间品、要素等的需求(即供应链的需求侧)，因而测算供应链关联关系需综合考虑供应链的供给侧和需求侧。据此，湖北与各省的供应链关联可用如下的式(2)表示：

(2)

式(2)的下角标

代表湖北省，

代表第

个省份，

-

表示湖北对

省的供应链供给侧关联并记为

，

-

表示湖北对

省的供应链需求侧关联并记为

。综上，湖北与

省的供应链关联可用以上两方面的算术平均值表示，后文将该指标定义为

，则得到如下的关系式(3)：

3.数据来源。本文的数据主要来源于两套数据库。第一套为2012年省际间投入产出表，用于测算各省与湖北的供应链供给侧关联和需求侧关联。该数据由刘卫东等(2018)编制，测算了2012年我国31个省42个行业的省际行业间投入产出，也是迄今为止反映各省(行业)间投入产出关系的最新数据

。一般而言，各省之间的投入产出关系在未发生重大冲击或明显的产业转型的情况下很难出现大幅变化，这为本文使用2012年投入产出关系研究2020年新冠疫情对各省的经济影响提供了可能。第二套为2020年全国及各省的统计数据，包括各省的GDP规模、GDP增长率、月度的进出口贸易规模和增长率、月度的各省消费情况等。此外，各省的新冠新增人数、复工复产率来自于Wind数据库，各省的市场化指数来源于樊纲等(2011)测算的2009年市场化指数

，各省的省会城市与湖北(武汉)每天的高铁班次及历时时长来源于中国铁路12306订票网站。在稳健性检验中，基于2002年省际行业间投入产出表测算各省与湖北的供应链关联

。

一是建立政治素质提升机制。结合党员干部思想实际，落实固有的各级各类学习制度，“三会一课”、“党员活动日”组织生活制度，通过组织开展主题教育活动、学习研讨，举办理论辅导（研讨）班、专题讲座、征文等多种教育学习形式，提高党员党性修养，建立党员服务意识，使群众理念真正融入工作常态，夯实服务型基层党组织的思想基础。

(3)

(二)典型事实描述

式(5)采用的是截面数据，被解释变量

为

省在2020年3月的经济增长率，其他的与式(4)相同。

本研究发现年龄＞60岁、冠心病、下肢动脉疾病是颈动脉狭窄的主要影响因素，P＜0.05；颈动脉狭窄与冠心病、下肢动脉疾病之间存在相关性，这也为脑卒中高危人群的筛查提供了依据。本研究显示重度颈动脉狭窄多发于冠心病、下肢静脉疾病的人群中，且年龄＞60岁的老年人成为高发人群。研究结果提示年龄＞60岁、冠心病和下肢静脉疾病患者成为颈动脉狭窄和脑卒中的高危人群，临床上对该群体进行颈动脉筛查后，能实现颈动脉狭窄和脑卒中的早发现和早治疗。

基于Matlab/Simulink的区间二型自组织模糊逻辑控制器工具箱 张 辈，薛 玉，邱望标，谢建兴4(71)

根据式(3)，我们将湖北的供应链分解为供给侧关联和需求侧关联，得到的结论呈现以下特点

：(1)对供给侧而言，制造业产品需求较大的省份(如海南、陕西等)、与湖北邻近的省份(如江西、安徽等)及经济较发达的省份(如北京、上海等)，湖北对其中间品和要素供给较大；(2)对需求侧而言，上游原材料和资源密集型的省份(如山西、内蒙古等)、与湖北邻近的省份(湖南)及经济相对发达的省份(如山东、广东、江苏等)，湖北对其的中间品和要素需求较大；(3)对比而言，供应链需求侧关联系数明显大于供给侧，表明湖北对全国各省的需求关联相比供给关联更大。

此外，本文对全国各省与湖北的供应链关联和经济冲击的关系做了散点图描述

，二者关系的拟合线大致呈负相关关系，其经济学含义是：与湖北的供应链关联越高，省域层面的经济增长受到的冲击就越大。

这些短语以前就有，只是被人们赋予了具有时代色彩的内涵，让人耳目一新。新的词义，使得汉语的许多旧词语焕发出了前所未有的活力。

三、理论分析与研究假设

供应链的风险对供应链运行甚至整个社会经济都产生重要影响。新冠疫情的暴发带来多方面的供应链风险：一是对需求(供给)方面冲击的需求(供给)风险；二是加剧供应链的运行困难和管理混乱，导致供应链的运行和控制风险。可见，新冠疫情成为重要的风险源并带来供应链冲击，对经济运行的影响主要表现在：(1)每一个生产环节都出现同步性甚至放大性差异，产品的供给受到严重冲击；(2)市场需求面临深度萎缩，产品的销售下降；(3)供应链运行迟滞，物流不畅、成本激增；(4)企业资金流遭遇困境，预期利润下滑。

在供应链被切断的背景下，已有供应链关联越紧密的省域和地区之间的供应链首当其冲受到的冲击最大。事实上，供应链的本质是一种承载中间品、最终品、要素等在区域间供给(需求)及跨区域流动的经济关系，正是这些可贸易商品(中间品、最终品)和要素等跨区域流动，使各省经济成为休戚相连的共同体，形成省域经济周期联动的特征。一方面，湖北与其他省的供应链关联使它们之间呈现鲜明的省域经济周期联动特征，随着供应链关联越紧密，该经济周期联动性越强；另一方面，新冠疫情给湖北经济带来巨大冲击，在经济周期联动性的作用下，与湖北的供应链越紧密的省份必然越“同步”于湖北的经济增长，因而受到的冲击会越大。从根本上说，各省与湖北建立的供应链联系长期以来表现为它们在供应链上的可贸易商品和要素的供给(需求)流动，结成“步调一致、休戚与共”的共同体，导致与湖北的供应链联系越紧密的省份在新冠疫情的冲击下经济损失越大。

在盐碱瘠薄地使用中国农业大学提供新型盐碱地高效改良剂和989控久丰控释肥氮磷钾25∶13∶10（总养分≥48%），食用向日葵品种选用JK601。向日葵采取覆膜种植，先覆膜后播种，大小行种植，不同品种密度不同，大行距80 cm，小行距40 cm，株距52cm，试验田面积为0.42 hm2，理论株数32 055株/hm2。2017年5月25日种植，7月下旬开花，9月中下旬收获。

表3的(1)、(2)列使用“差分法”分别考察湖北供应链的供给侧关联

切断和需求侧关联

切断对各省经济增长的影响，发现供应链冲击对各省经济增长均存在负面影响。为比较该影响的差异性，本文通过设定虚拟变量的形式分析供应链供给侧关联破坏的影响大还是需求侧的影响大

唐宜红等(2018)的研究就是用此方法展开的。

。在合并表3的(1)、(2)列的回归样本后，构建一个“是否为供应链供给侧关联

”的虚拟变量，当样本为供应链供给侧关联的相关样本时，

设定为1，否则为0。此外，在已有的回归方程中加入一个三重交叉项

*

*

(即“供应链关联

*是否为实验组*是否为供应链供给侧关联”)

与前文的表示供应链关联不同，此处的供应链关联是指合并表3的(1)和(2)列的回归样本后的供应链关联变量，既包括供应链供给侧关联，也包括供应链需求侧关联，因此命名为“”。

，其回归系数一旦显著就表明供应链供给侧关联切断对省域经济的影响与需求侧存在差异。结果显示，(3)列的三重交叉项的系数显著为负，表明供应链供给侧关联切断对各省经济的负面影响显著大于需求侧。(4)—(6)列基于截面数据的固定效应模型的估计结果与(1)—(3)列一致。

假设2：省域经济周期联动带来的各省与湖北的“同步性”是造成与湖北的供应链关联越紧密的省份在新冠疫情下受到的经济冲击越大的重要原因。其中，可贸易商品和要素的供给(需求)流动均可能增强省域经济周期联动，也可能是新冠疫情下各省经济受到冲击的原因。

四、计量模型、数据来源与实证结果

(一)计量模型、研究方法与数据来源

1.计量模型的设定。在新冠疫情的影响下，为避免传染源的扩散，湖北于2020年1月24日暂时关闭“离鄂通道”，直至2020年4月8日才恢复畅通。“离鄂通道”的全线关闭切断了湖北与全国各省及各省与湖北的双向供应链关联。尤其是2020年3月，随着其他省疫情的缓解和逐渐复工、复产，湖北的供应链成为唯一遭受较大冲击的供应链。因此，本文以2020年3月各省的经济增长作为被解释变量，依靠“差分法”进行估计，选取2019年3月未受到湖北供应链冲击时各省的同期经济增长率作为对照组，构建如下的计量方程：

实际上，式(5)的被解释变量和解释变量的内生性问题也需引起重视。一方面，与湖北的供应链关联可能是造成各省新冠疫情期间经济冲击的原因；另一方面，各省的经济冲击(如中间品流动减少)也影响各省与湖北的供应链关联，造成供应链关联的破坏。另外，遗漏变量、选择性偏误等导致的内生性问题也无法解决。因此，本文使用2012年各省与湖北的供应链关联及2020年3月各省的经济增长做回归，在一定程度上缓解了反向因果关系。同时，选取各省与湖北的地理距离作为各省与湖北供应链关联的工具变量，以缓解内生性。其原因是地理距离代表运输、流通成本，影响各省之间的中间品、要素等的流动，与供应链存在一定的相关性。除通过供应链外，地理距离不太可能通过其他的因素影响某一省份的经济状况，因而是一个较好的工具变量。本文以各省的省会城市与湖北武汉之间的实际地理距离(单位：百公里)表示各省与湖北的距离。与此思路类似，使用各省与湖北(武汉)的高铁历时时长作为各省与湖北供应链关联的工具变量进行研究。

1.3.4 样品测试 打开电感耦合等离子光谱仪，预热至光室温度达到38℃，打开Ar 30min后打开循环水和通风设施，安装好进样管和排液管，点着等离子体。表2为ICP-AES的测试条件汇总表，其中雾化器和进样管有专门的要求。待等离子体稳定30min按照表2条件测试工作标准系列，再测试空白试样和样品，由计算机直接得出结果,乘以样品总质量得到降尘总量见表3。

(4)

式(4)的下角标

表示省份，

表示行业，

表示时间。被解释变量

表示第

年

省的同期经济增长情况，具体包括两个时间段：一个是2020年3月各省的经济增长；另一个是2019年3月各省的经济增长。这里，后者年份作为前者的对照组。

表示

省的

行业与湖北的供应链关联关系，设定历年的

均相同。

刻画是否为对照组的虚拟变量，以2020年的数据研究时(即实验组)，

设定为1；否则，

设定为0，代表该组为研究中的对照组。核心变量

表示

与

的乘积(即

=

*

)，其回归系数的经济学含义是：实验组中湖北供应链关联对各省经济增长的影响相比对照组中湖北供应链关联对各省经济增长的影响的差异程度。

和

分别表示省级-行业-年份层面的控制变量组和省际-年份层面的控制变量组，以控制除“与湖北的供应链关联”外的其他可能影响各省经济增长的因素。此外，本文还控制省份固定效应

和行业固定效应

。

事实上，本文在实证估计中需考虑两个问题：一是到底哪个时间段的经济冲击被界定为新冠疫情下的冲击且由湖北的供应链影响造成？二是新冠疫情导致湖北的供应链切断对各省经济增长的影响能否排除各省与除湖北外的其他省的供应链破坏造成的影响？本文在实验组中的被解释变量选择2020年3月各省GDP的增长率则可解决以上问题。其原因在于：2020年3月，除湖北外的全国各省的平均复工复产率超过80%，甚至约一半以上的省份超过90%，各省之间的供应链已基本畅通，因而2020年3月各省GDP增速的影响完全可排除各省与除湖北外的其他省的供应链破坏造成的影响。当然，各省GDP增速可能还受到自身的疫情防控情况、复工复产率等多种因素的影响，但它们基本可通过加入控制变量的方法来解决。

关于控制变量，具体包括：(1)各省的经济总量；(2)各省的对外经济开放度；(3)各省的复工复产情况；(4)各省的市场化程度或市场保护程度。这4个方面均可能是除“与湖北的供应链关联”外其他影响各省经济增长率的因素。相对应地，本文使用以下的4个指标来量化：(1)各省GDP总量的对数值

；(2)各省的对外进出口贸易规模与GDP的比重

；(3)2020年3月各省的复工复产率

；(4)各省的市场化指数

。此外，本文还控制“是否长江经济带

”“是否京津冀地区

”“是否长三角地区

”及东中西部地区(设定东部地区为1、中部地区为2、西部地区为3)等虚拟变量。

除使用式(4)进行估计外，为稳健检验上文结果，本文还专门选取2020年的经济增长数据作为被解释变量来研究全球供应链关联对各省经济增长的影响，构建的计量方程如下：

=

+

+

+

+

+

(5)

利用2012年省际间投入产出表

，根据上文的式(2)、(3)，本文测算各省(行业)与湖北的供应链关系

。结果显示，除湖北本省外，湖南与湖北的供应链关联最为紧密(系数为1.164)，紧随其后的是山东、陕西和江苏(系数分别为0.695、0.685和0.676)，青海、广西、西藏与湖北的供应链关联最低。总体而言，与湖北的距离(如湖南、河南)、经济发达程度(如山东、江苏、北京、广东)、产业结构与湖北的互补性(如陕西、山西)是决定某一地区与湖北供应链关系的重要因素。我国各行业与湖北的供应链关系显示

，煤炭采选产品、农林牧渔产品和服务、电(热)力的生产和供应、金属冶炼和压延加工品、化学产品5个行业与湖北的供应链关联最紧密(系数分别为1.168、0.899、0.826、0.742和0.673)，表明湖北的供应链关联与湖北本身的生产结构息息相关。

2.研究方法。本文在基准回归中采用的“差分法”对缓解内生性等具有明显效果。基准回归中用于稳健性检验的是基于截面数据的传统OLS回归。截面数据中异方差问题严重，使OLS参数估计不再是有效估计量

。为此，本文在后续的回归中加入聚类标准误，在一定程度上缓解了异方差。此外，在部分回归中使用加权最小二乘法(WLS)解决异方差问题，以回归的残差平方拟合值的倒数为权重进行WLS估计。

=

+

+

+

+

+

+

+

+

=(

+

)

2=(

-

+

-

)

2

(二)基准回归结果与稳健性检验

根据上文的式(4)，表1汇报了新冠疫情下各省与湖北的供应链关联对该省经济增长的影响。表1的(1)列未加入固定效应及未考虑稳健聚类标准误，交叉项的系数显著为负，表明相比正常情况而言，在新冠疫情的冲击下，与湖北供应链关联越紧密的省份，供应链切断对该省经济增长的负面影响越大。(2)和(3)列陆续加入所有控制变量和稳健聚类标准误，发现新冠疫情下供应链冲击对省域经济存在负面影响，从而验证了前文假设1。“离鄂通道”关闭给湖北带来的经济损失较大并远超其他省，湖北省省内的供应链关联程度最高，因而湖北的相关样本的存在可能对湖北供应链与各省经济冲击关系的估计结果造成影响(即湖北的样本可能是计量回归中的异常值)。出于这一考虑，(4)列在剔除湖北样本的基础上进行回归，得到的结果与前述一致。(5)列以2002年投入产出表测度湖北与各省之间的联系并量化湖北供应链，回归结果中交叉项的系数依然显著为负。以上基于双重差分的检验证明供应链冲击对省域经济增长具有负面影响。(6)列对(3)列的结果进行安慰剂检验，以湖南与各省的供应链关联

_

替代湖北的供应链关联

_

进行回归

，回归结果中交叉项的系数不再显著为负，说明新冠疫情下湖北供应链短暂切断是造成各省经济受到冲击的重要原因。

表2是对式(5)进行回归的估计结果。(1)列加入所有控制变量并考虑聚类标准误，(2)列考虑到可能存在的异方差问题而使用WSL估计，(3)、(4)列分别使用“各省的省会城市与湖北武汉的地理距离”“各省的省会城市与湖北(武汉)的高铁历时时长”作为各省与湖北供应链关联的工具变量，(5)、(6)列分别使用剔除湖北样本和2002年投入产出表测算湖北的供应链关联。结果显示，各省(行业)与湖北的供应链关联越强，新冠疫情下该省的经济增速下降越多，即与湖北的供应链关联越强，“离鄂通道”关闭事件造成湖北供应链切断对该省经济的冲击越大。

自抗扰控制器由韩京清教授提出，由三部分构成：跟踪微分器、扩张状态观测器、非线性状态误差反馈控制律[7-10].自抗扰控制由于对系统模型的依赖程度不高，对系统的自身参数变化以及外部扰动等因素可以精确估计，同时算法易于工程实现[11-13].因此，在工业控制、机器人控制、航空航天等领域获得了广泛的应用.对于单级倒立摆自抗扰控制器设计如下：

五、影响的差异性检验

(一)供应链供给侧冲击和需求侧冲击的差异性影响

假设1：新冠疫情下供应链冲击对省域经济存在负面影响，表现为与湖北的供应链关联越紧密的省份在原有供应链被切断时受到的经济冲击越大。

对于以上的研究结论，其原因可能是：对供应链供给侧关联而言，某些中间品的供给切断直接影响了企业的生产，而企业短期内很难寻找到新的上游中间品供应商来恢复生产，因而供应链供给侧关联破坏对各省的经济冲击尤为明显；对供应链需求侧关联而言，虽然新冠疫情下“离鄂通道”关闭造成湖北对其他各省的需求减少，但各省依然可将其产品供给除湖北外的其他省，湖北供应链的需求侧关联破坏对各省经济的负面冲击比供给侧要小。

简单效应分析发现，父母无宗教信仰组的儿童在6个维度的得分上差异不显著。父母有宗教信仰组，儿童生物学和精神生物学维度的得分显著高于情绪、愿望和认知维度的得分，ps<0.05。另外，在情绪、愿望和认知维度上，父母无宗教信仰组的得分显著高于父母有宗教信仰组，在情绪维度上，在愿望维度上，在认知维度上，在生物学、精神生物学和知觉维度上，父母无宗教信仰组和父母有宗教信仰组的得分无显著差异。

(二)直接供应链冲击和间接供应链冲击的差异性影响

进一步区分各省(行业)与湖北的供应链关联，可分为各省(行业)与湖北的直接供应链关联和间接供应链关联。前者是湖北直接向某省(行业)提供中间品或湖北直接对某省(行业)中间品产生需求而形成的供应链关系，后者是湖北通过第三个省(行业)向某省(行业)提供中间品或湖北通过第三个省(行业)引致的对某省(行业)中间品的需求而形成的供应链关系。

表4汇报了湖北的直接供应链冲击和间接供应链冲击对各省经济增长的影响。(1)—(3)列为使用“差分法”对式(4)进行回归的估计结果，(1)、(2)列分别为直接供应链关联

_

和间接供应链关联

_

的研究结果。可见，无论直接供应链冲击还是间接供应链冲击，它们均对各省经济增长产生负面影响。类似地，(3)列的三重交叉项

_

_

*

*

的回归系数显著为负，表明直接供应链冲击对各省经济的负面影响大于间接供应链冲击。(4)—(6)列基于截面数据的固定效应模型的估计结果与(1)—(3)列一致。

经过单次循环后，为本次循环返程路径上信息素的迹增量，其值等于符合式（1）的蚂蚁A（组团A）留在该路径上的信息素的迹浓度，即，其中：为符合式（1）的蚂蚁（组团）个数；表示第只蚂蚁在本次循环中留在路径上的信息素的迹浓度，为常量，表示第只蚂蚁经过路径的距离．

六、机制检验：经济周期联动的视角

(一)各省与湖北的经济周期联动性测度

参考Di Giovanni et al.(2018)的研究，本文选取与其类似的方法

-

=

-

=

(

,

)，测算湖北与各省之间的经济周期联动性

，时间段为1979—2017年。其中，

是指湖北GDP在H-P滤波法下剔除趋势项后的波动部分，

是指某省G(除湖北外)的GDP在H-P滤波法下剔除趋势项后的波动部分，

-

为湖北与某省G(除湖北外)在H-P滤波法下波动部分的相关系数(即湖北与各省之间的经济周期联动性指标

-

)。由湖北与各省之间的经济周期联动性指标的描述可知，湖南、江西、安徽、四川4省与湖北的经济周期联动性最高

。

(二)湖北供应链、省域经济周期联动与经济冲击

表5汇报了湖北的供应链切断通过经济周期联动给省域经济造成的冲击。(1)列显示，在新冠疫情下，与湖北的经济周期联动性越强，各省经济增长受到的负面影响越严重。(2)列考察湖北供应链对各省与湖北的经济周期联动性的影响，表明湖北与各省的供应链关联程度越强，该省与湖北之间的经济周期联动性就越高。在湖北供应链关联对各省经济增长产生影响的基础上((3)列)，(4)列在回归中加入“与湖北的经济周期联动程度”这一变量，发现湖北供应链关联对各省的经济冲击的影响不再显著，负面影响也全部被新加入的变量吸收，说明各省与湖北的供应链关联造成该省经济损失的主要原因是这种供应链关联促使该省与湖北形成了经济周期联动关系，导致该省遭受不小的经济冲击，从而证明了前文假设2的部分推断。

企业应该将自身发展定位在绿色产品、绿色服务的市场开发上，将环境保护、新能源开发、可持续发展作为管理和经营的主导思想，通过观念转变和体系调整实现企业绿色生产和绿色管理的目标，在思维和理念上确立绿色、低碳发展的企业发展基础与前提。一个企业将其理念和社会、环境及人类的可持续发展相结合，表达了愿意对此作出积极贡献的意愿，这将树立起企业的正面形象，也会给企业的发展带来积极影响。

(三)商品要素流动、省域经济周期联动与经济冲击

各省与湖北的可贸易商品和劳动力要素的流动是该省与湖北的供应链关联的集中体现。首先，考察可贸易商品(中间品、最终品)流动的影响。在指标构造方面，基于2012年投入产出表，计算各省使用湖北的中间品和最终品的规模占该省总产出的份额及湖北使用其他省的中间品和最终品的规模占湖北总产出的份额，二者加权后取平均即为本文构造的各省与湖北的商品流动份额。表6的(1)列检验各省与湖北的商品流动对各省与湖北之间的经济周期联动关系的影响，发现存在显著的正相关性。(2)、(3)列使用中介效应模型检验各省与湖北的商品流动是否为各省与湖北的供应链关联引致经济冲击的原因。(2)列显示，湖北的商品流动对各省经济增长存在影响。(3)列显示，在(2)列的基础上加入“省域经济周期联动”这一变量，发现湖北的商品流动对各省经济冲击的负面影响不存在，表明与湖北的经济周期联动是新冠疫情下与湖北的商品流动越紧密的省份受到经济冲击越大的重要原因。其次，考察劳动力要素流动的影响。(4)—(6)列的回归结果与(1)—(3)列一致，因而前文假设2的部分推断得到证实。

七、结论与启示

本文从供应链的视角探讨新冠疫情下各省遭受巨大经济冲击的深层次原因。以新冠疫情期间“离鄂通道”关闭事件为切入点，分析湖北的供应链切断对省域经济发展的影响，得到如下的几点结论：(1)“离鄂通道”关闭造成湖北的供应链短期中断，与湖北供应链关联越紧密的省份受到的经济冲击越大；(2)湖北供应链供给侧关联和需求侧关联的破坏均对各省造成经济冲击，但供给侧关联的负面影响更大，与湖北的直接供应链关联和间接供应链关联的破坏也均对各省经济造成冲击，但直接供应链关联的负面影响更大；(3)与湖北供应链关联的加深导致各省与湖北之间的经济周期联动性增强，这种较强的周期联动性是与湖北供应链关联越紧密的省份受到经济冲击更大的重要原因，特别是各省与湖北的商品要素流动均强化了它们之间的经济周期联动性，进而造成供应链冲击对各省经济增长的影响。

基于上述结论，本文得到如下几方面的启示：(1)更加重视供应链在经济发展中的作用，完善和畅通供应链。应破除供应链上的障碍和壁垒，打破地方保护主义，畅通供应链，重视并完善供应链风险及安全的预警机制；(2)强化供应链在供给侧关联的作用和各省之间的直接供应链关联的作用；(3)在供应链网络下，面临冲击时各方均无法独善其身，应加强团结，共克时艰。各省之间需精诚协作，共同应对挑战；(4)各地区在供应链网络下的经济周期联动性不断增强，某一地区的冲击可能迅速延伸、波及到其他地区，因而亟需加强区域政策制定和实施上的协调性。

[1]Smith K. M., Machalaba C. C., Seifman R., Feferholtz Y. Karesh. Infectious Disease and Economics: The Case for Considering Multi-sectoral Impacts[J]. One Health, 2019, (7): 1-6.

[2]南开大学SARS对社会影响研究课题组. 从社会学角度对SARS流行事件的反思[J]. 南开学报, 2003, (4): 13-15.

[3]Alexander W. Bartik, Bertrand M., Zo⊇ B. Cullen, Edward L., Glaeser M., Christopher T. Stanton. How are Small Businesses Adjusting to COVID-19? Early Evidence from a Survey[Z]. NBER Working Paper, 2020, No. 26989.

[4]Scott R., Baker R. A., Farrokhnia, Steffen M., Michaela P., Yannelis C. How does Household Spending Respond to an Epidemic? Consumption during the 2020 COVID-19 Pandemic[Z]. NBER Working Paper, 2020, No. 26949.

[5]刘志彪. 新冠肺炎疫情下经济全球化的新趋势与全球产业链集群重构[J]. 江苏社会科学, 2020, (4): 1-8.

[6]刘世锦, 韩阳, 王大伟. 基于投入产出架构的新冠肺炎疫情冲击路径分析与应对政策[J]. 管理世界, 2020, (5): 1-12.

[7]Carvalho V. M., Makoto N., Saito Y. U. Supply Chain Disruptions: Evidence from the Great East Japan Earthquake[J]. The Quarterly Journal of Economics, 2020, 136(2): 1255-1321.

[8]Boehm C. E., Flaaen A., Pandalainayar N. Input Linkages and the Transmission of Shocks: Firm-level Evidence from the 2011 Tōhoku Earthquake[J]. The Review of Economics and Statistics, 2019, (3): 60-75.

[9]Acemoglu D., Ozdaglar A., Tahbaz-Salehi A. Networks, Shocks and Systemic Risk[Z]. NBER Working Paper, 2015, No. 20931.

[10]Wang Z., Wei S. J., Zhu K. Quantifying International Production Sharing at the Bilateral and Sector Levels[Z]. NBER Working Paper, 2013, No. 19677.

[11]刘卫东等. 2012年中国31省区市区域间投入产出表[M]. 北京: 中国统计出版社, 2018. 98-102.

[12]樊纲, 王小鲁, 马光荣. 中国市场化进程对经济增长的贡献[J]. 经济研究, 2011, (9): 4-16.

[13]唐宜红, 张鹏杨, 梅冬州. 全球价值链嵌入与国际经济周期联动：基于增加值贸易视角[J]. 世界经济, 2018, (11): 49-73.

[14]Di Giovanni J., Andrei A. Levchenko, Isabelle M. The Micro Origins of International Business-cycle Co-movement[J]. American Economic Review, 2018, (1): 82-108.