大规模遏制政策对全球海事的影响 新冠肺炎疫情期间的贸易

特别是，要求关闭所有公共交通和几乎所有必要的企业，导致海上出口损失高达每日出口的5.4-6.5%。这与黛布等人的观点一致。[5]，世卫组织使用氮排放量作为工业产出的指标，并发现工作场所关闭对排放量下降的影响最大。然而，对结果的解释应该谨慎，因为许多因素可能会影响这些因果关系。例如，在大流行的某些时期，海上运输的时间性增加可能是由于医疗用品（例如个人防护装备）贸易的大幅增加和从空运到海运的方式替代[35]所致，而不管在这些时期是否实施了政策。因此，测试替代经济指标，如零售额、流动性、航班、能源消耗和氮排放的数据，就像Deb等人所做的那样。[5]可以帮助支持这些发现。总的来说，我们对将遏制政策引入社会的经济影响的分析可以帮助评估不同遏制措施的成本效益，这可能有助于政府在许多国家进入第二波新冠肺炎案件时构建有效的政策组合[36]。今后的工作可以改进我们的估计数，在获得贸易数据时增加更多的数据，包括将分析扩大到航空、公路和铁路运输指标。此外，这里得出的经验估计可以用来约束和验证宏观经济影响模型，以便随着疫情的发展，改进工业产出总损失的量化。总体而言，海上贸易等经济活动的实时指标可以帮助确定供应链网络的趋势，并通过向受影响最严重的经济体和部门分配资金来支持政府和国际组织的经济复苏努力。所有用于此分析的派生数据集都可以在zenodo:10.5281/zenodo.4146993上公开获得，并将在接受后发布。政策指标来自牛津冠状病毒政府反应跟踪器（https://www.bsg.ox.ac.uk/research/research-projects/covernory-government-respons-tracker）。作者谨感谢联合国统计司和联合国官方统计大数据全球工作组，特别是Markie Muryawan和Ronald Jansen，感谢他们提供了AIS的数据。支持资料S1附录：方法海运贸易估计S2附录：计量经济学模型S1表。在一个国家层面上，前20个最大的海上贸易负损失。以百万吨表示的贸易、进口和出口损失总额。与2019年1月至8月相比，亏损涵盖2020年1月至8月期间。Hiang S,Allen D,Annan-Phan S,Bell K,Bolliger I,Chong T,et al.大规模抗传染政策对新冠肺炎疫情的影响。大自然。2020年。DOI:10.1038/S41586-020-2404-82。Kraemer MUG,Yang C-H,Gutierrez B,Wu C-H,Klein B,Pigott DM,et al.人员流动和管控措施对中国新冠肺炎疫情的影响。科学（80-）。2020；21:EABB4218。DOI:10.1126/science.abb42183。Chinazzi M、Davis JT、Ajelli M、Gioannini C、Litvinova M、Merler S、et al.旅行限制对2019年新型冠状病毒(COVID-19)疫情传播的影响。科学。2020；9757：1-12。DOI:10.1126/science.ABA97574。田H,刘Y,李Y,吴C-H,陈B,Kraemer MUG,等人。中国新冠肺炎疫情前50天传播控制措施调查。科学（80-）。2020；368：638-642。DOI:10.1126/Science.ABB6105 5。Deb P，Furceri D，Ostry JD，Tawk N.新冠肺炎遏制措施的经济影响。Covid Econ审查实时文件。

2020；24：32-35。6.关德、王德、哈莱加特、戴维斯、霍杰、李世、等人。新冠肺炎控制措施的全球供应链影响。纳特·哼·贝哈夫。2020年。DOI:10.1038/S41562-020-0896-87。Lenzen M,Li M,Malik A,Pomponi F,Sun Y-Y,Wiedmann T,et al.新冠肺炎疫情造成的全球社会经济损失和环境收益。PLoS一号。2020；15:E0235654。DOI:10.1371/journal.pone.0235654 8。井上H,Todo Y.经济影响通过供应链的传播：特大城市封锁以防止新冠肺炎病毒传播的案例。邢L，编辑。PLoS一号。2020；15:E0239251。DOI:10.1371/journal.pone.0239251 9。《新冠肺炎对全球宏观经济的影响：七种情况》。SSRN电子杂志2020。DOI:10.2139/SSRN.3547729 10。世贸组织。2020年4月8日世贸组织贸易预测的方法。2020年。11.Cheng C，BarcelóJ，Hartnett AS，Kubinec R，Messerschmidt L.新冠肺炎政府反应事件数据集（CoronaNet V.1.0)。纳特·哼·贝哈夫。2020；4：756-768。DOI:10.1038/S41562-020-0909-712。Henriet F,Hallegatte S,Tabourier L.企业网络特性和经济对自然灾害的鲁棒性。J Econ Dyn控制。2012年；36：150-167。DOI:10.1016/J.JEDC.2011.10.00113。Inoue H,Todo Y。负面冲击在全国企业网络中的传播。PLoS一号。2019；14：1-17。DOI:10.1371/journal.pone.0213648 14。贸发会议。新冠肺炎与海运：影响和对策。日内瓦；2020年。报告编号:UNCTAD/DTL/TLB/INF/2020/1。15.贸发会议。2017年海运回顾-国际海运贸易的发展。2017年。16.Verschuur J,Koks EE,Hall JW。自然灾害造成的港口中断：对港口和物流复原力的洞察。D部分运输环境。2020；85：102393。DOI:10.1016/J.TRD.2020.102393 17。Adland R,Jia H,Strandenes sp.基于AIS的贸易量估计是否可靠？原油出口的案例。马里特政策管理。2017；44：657-665。DOI:10.1080/03088839.2017.1309470 18。Arslanalp S,Marini M,Tumbarello P.船舶交通大数据：实时预测贸易流。货币基金组织工作文件。2019年；2019年。Doi：10.5089/9781513521121.00119。Cerdeiro DA,Komaromi A,Liu Y，Saeed M.实时世界海运贸易：从零开始建立基于AIS的Nowcasts的概念证明。2020年。报告编号:WP/20/XX World。20.联合国统计司。联合国商品贸易数据库。资料来源：联合国商品贸易数据库[因特网]。2020年[引用2020年2月1日]。可查阅：https://comtrade.un.org 21。Petherick A,Hale T,Phillips T,Webster S.政府对新冠肺炎布拉瓦特尼克政府学院反应的变化。2020年。可查阅：https://www.bsg.ox.ac.uk/research/publications/variabile-government-responses-COVID-19 22。罗默CD，罗默DH。税收变化的宏观经济影响：基于财政冲击的新度量的估计。Am Econ Rev.2010；100：763-801。DOI:10.1257/Aer.100.3.763 23。胡梅尔斯D,石井J,易公里。世界贸易中垂直专业化分工的性质和发展。J国际经济。2001年；54：75-96。DOI:10.1016/S0022-1996(00)00093-3 24。陈雪，杨杰，杨伟，王超，巴尼豪森，新年大规模人口流动中中国新冠肺炎的控制。柳叶刀。2020；395：764-766。DOI:10.1016/S0140-6736（20）30421-9 25。马修斯贾，陈红。循环经济：中国的经验教训。大自然。2016；531：440-442。DOI:10.1038/531440A26。Briguglio L.小岛屿发展中国家及其经济脆弱性。世界开发公司。1995年；23：1615-1632。DOI:10.1016/0305-750X(95)00065-K27。戈斯林S，斯科特D，霍尔CM。流行病、旅游业和全球变化：对新冠肺炎的快速评估。J Sustain Tour。2020年；0：1-20。DOI:10.1080/09669582.2020.175870828。贡德韦·G。评估新冠肺炎对非洲经济发展的影响。2020年。可查阅:https://unctad.org/en/publicationslibrary/aldcmisc2020d3_en.pdf 29。亚当·C，亨斯特里奇·M，李·S.封锁后：撒哈拉以南非洲对新冠肺炎疫情的宏观经济调整。

牛津牧师经济政策。2020年。DOI:10.1093/OXREP/GRAA023 30。日经亚洲评论。由于病毒，谷歌和微软更快地将生产从中国转移。in：冠状病毒[互联网]。2020年[引用2020年7月1日]。可用：https://asia.nikkei.com/spotlight/coronavirus/google-microsoft-shift-production-from-china-faster-virus 31。布宜诺斯艾利斯时报。今年4月，中国取代巴西成为阿根廷最大的贸易伙伴。in：经济[互联网]。2020年[引用2020年9月1日]。可查阅：https://www.batimes.com.ar/news/economy/china-backbes-basra-as-argentinas-masta-trading-partner-in-april.phtml 32。坦桑尼亚投资。坦桑尼亚2020年4月出口增长15%。资料来源：坦桑尼亚贸易[因特网]。2020年[引用2020年10月1日]。可查阅:https://www.tanzaniainvest.com/economy/trade/exports-april-202033。一个用于灾害分析的多区域影响评估模型。经济系统报告2016；28：429-449。DOI:10.1080/09535314.2016.1232701 34.佐丹奴G、布兰奇尼F、布鲁诺R、科拉内里P、迪菲利波A、迪马特奥A、等人。在意大利建立新冠肺炎疫情模型和实施全人群干预措施。自然医学。斯普林格·美国；2020年。DOI:10.1038/S41591-020-0883-7 35。货轮。在新冠肺炎期间，更多的航空货物找到了海上航线。2020年[引用2020年10月7日]。可用：https://www.freightwaves.com/news/more-air-cargo-findsits-sea-legs-during-COVID-36。Cacciapaglia G,Cot C,Sannino F.欧洲的第二波新冠肺炎流行病：一本暂时的剧本。Sci代表2020；1-8。DOI:10.1038/S41598-020-72611-5S1表。在一个国家层面上，前20个最大的海上贸易负损失。以百万吨（吨）表示的贸易损失和进出口损失总额。与2019年1月至8月相比，损失涵盖2020年1月至8月。贸易总额中国-342.4中国-217.8中国-124.6沙特阿拉伯-98.3美国-32.4沙特阿拉伯-99.1美国-91.3荷兰-28.6澳大利亚-65.1日本-17.7美国-58.9阿拉伯联合酋长国-47.3印度-14.2巴西-39.5荷兰-46.2阿拉伯联合酋长国-9.8阿拉伯联合酋长国-37.6巴西-44.2意大利-8.8日本-18.8日本-36.5墨西哥-8.5俄罗斯-18。7加拿大-21.9大不列颠-8.3荷兰-17.6俄罗斯-20.3比利时-7.2哥伦比亚-16.2哥伦比亚-17.1科威特-7.1加拿大-15.5秘鲁-16.9加拿大-6.3秘鲁-13.0意大利-16.4巴西-4.7马来西亚-13.0南韩国-4.6南非-8.1南韩国-12.5澳大利亚-4.4南韩国-8.0比利时-11.9法国-4.3利比亚-7.9墨西哥-11.9伊朗-4.0意大利-7.7科威特-10.8秘鲁-3.8乌克兰-6.9大不列颠-9.1埃及-3.8新加坡-6.5泰国-8.6泰国-3.5印度尼西亚-6.0 2附录：为了估计各种大规模限制措施对日常海运出口的影响，我们应用简化形式计量经济学[1]使用固定效应面板回归模型。这类模型以前曾用于估计大规模遏制措施对新冠肺炎病毒传播的影响[2,3]和经济产出（以氮排放为指标）[3]。我们遵循与以前的研究类似的模型实现，尽管与Deb等人相比，对潜在的供需冲击进行了更具体的控制。[3]。对于每个国家(i),我们得出全国海运出口变化的每日(t)指标（通过汇总港口一级估计出口数据的每日时间序列）。我们使用出口作为行业产出的指标，因为与进口变化相比，出口更好地反映了经济状况，进口变化可能受到供应短缺（由于依赖贸易的国家产量减少）和产品需求减少（由于实施封锁）的影响。首先，我们对2019年的时间序列进行减除（使用线性回归），以滤除海运出口的结构性增减。

只有当观察到有统计学意义的趋势时，这种趋势才被消除(p<0.05)。其次，我们使用10天移动平均数来平滑数据，这对于减少每日出口估计数可变的国家（例如较小的经济体）的噪音是必要的。第三，我们将2020年的时间序列（1-8月）与2019年的时间序列进行比较，并估计与日均出口的百分比变化偏差（基于2019年的日数据）。我们排除了至少有一天日出口量为零的国家，因为这可能会使结果产生偏差（例如，一些小岛屿只在某些日子出口产品，这取决于海事船只的抵达）。对于每个国家，我们都从牛津新冠肺炎政府反应跟踪器(OxCGRT)中检索政府政策反应的信息[4]。我们获得了九项潜在影响企业运营的措施的信息:C1-学校关闭；C2-工作场所关闭；C3-取消公共活动；C4-集会限制；C5-关闭公共交通；C6-呆在家里；C7-对内部行动的限制；C8-国际旅行管制；H2-测试策略。这些措施都有不同的顺序尺度，取决于不同的反应级别（例如，限制国内流动有两个级别，而限制国际旅行有四个级别）。我们将所有策略归一化为0到1的范围，0表示未实施度量，1表示度量的最大严重性。这为我们提供了一组每个国家（）的每日政策响应(p)。我们还导出了一个总体的严格度量，它是所有策略(C1-C8)的总和，归一化到0到1的尺度）。我们控制了几个因素()，包括（1）每日确诊病例数，(2)供应冲击，(3)需求冲击。这些因素会导致各国出口变化的差异。每日确诊病例数来自OxCGRT[4]，我们将其除以该国人口，以估计特定一天检测呈阳性的人口比例。在对供应冲击的估计中，我们得出了用于生产出口产品的进口的每日、特定部门的变化。为了估计特定部门的进口用于出口的百分比，我们按照Hummels等人的建议，创建了每个国家的特定部门垂直专业化系数。[5]，使用2015年EORA多区域投入产出表[6]。这个系数反映了一个国家出口每增加一美元，进口的美元价值就增加一美元，包括所有行业的相互依存关系。通过将这一系数与每个国家特定部门的每日数据相乘，我们估计出用于生产出口的商品供应的每日时间序列。我们再一次得出每日供应量的百分比变化（与出口时间序列类似，见上文）。我们采用了一个7天滞后的供应时间序列，以考虑投入产品使用的滞后，并考虑库存的潜在缓冲能力。需求冲击的每日时间序列是通过估计依赖贸易的国家的加权平均严格值得出的，假设严格值较高的国家对产品的需求较少。严格值取自OxCGRT[4]，范围在0到100之间。我们从2018年（现有的最近一年）BACI协调贸易数据库[7]中提取数据，并使用该数据来估计每日需求冲击，方法是将进口国的严格值乘以双边贸易流量（出口国和进口国之间）对出口国出口总额的贡献（权重）。

对于每个出口国家，我们将贸易关系的总数相加，最终得出加权平均严格值。通过这种方式，我们解释了这样一个事实，即在一个国家实施遏制政策之前，出口可能会减少（就像疫情开始时的情况一样）。我们在此假设需求冲击是在没有任何滞后的情况下瞬时发生的。最后，我们在模型中加入了出口变化本身的三天滞后，以便有效地控制日出口的正常动态以及其他可能与日出口呈串行相关的内生因素。总之，我们可以将2020年出口与2019年相比的日变化表述为：具有特定国家的固定效应，以考虑时间不变的国家特征。为了捕捉非线性效应，我们还测试了将策略作为每个序数尺度的独立虚拟变量来实现，这给出了类似的结果，尽管估计单个策略的效果变得更加困难。或者，我们可以用总体严格性估计来代替个别政策干预：这些模型的结果包括在主要章节的表1中。稳健性检查为了说明政策可能以滞后的方式影响出口的事实，我们以滞后的方式（）执行个别政策，时间=4/8/12/16天：结果显示在S2表1中。S2表1：模型规范的回归结果，其中包括引入单个遏制措施时的额外时间滞后。*P<0.1,**P<0.05,***P<0.01 base4day lag8day lag12day lag16day-3.4684***-2.6925***-1.5073C62.04911.66234.5472***5.6175***4.1332****C72.1731**0.29120.06850.55802.2353**C81.82461.59802.8517***4.3879***6.0277***H20.88960.50200.33870.4305-0.6363需求-0.0326-0.0151-0.0288*-0.0312**-0.0527****案例-0.1134*-0.0769-0.0602-0.0342-0.0495 0.0183***0.0176***0.0177***0.0178***0.0181***出口LAG0.3491***0.3491***0.3488***0.3488***0.3481***0.3481***0.3481***0.3481***0.3481***0.3481***0.3481***0.3481***0.3481***0.3481***0.3481***0.3210.3210.320.3220.322.322R2-调整0.3160.3160.3170.3180.317F-Statistic69.2369.2569.4869.6569.53此外，我们还包括一个周/week和day虚拟变量的结果包括在表2：包含额外时间假人的模型规范的回归结果。*P<0.1,**P<0.05,***P<0.01基周dummyDay dummyparameterbeta95%cibeta95%cibeta95%cic1-1.9685[-4.369,0.432]-2.6353***[-5.078,-0.192]-2.6299***[-5.079,-0.180]C2-4.7032****[-7.327,-2.080]-4.6779***[-7.366,-1.990]-4.7550***[-7.451,-2.059]C30.5571[-2.085,3.200]0.0589[-2.680,2.798]0.3805[-2.375,3.136]C4-0.6133[-3.049,1.823]-0.8523[-3.346。1.641]-0.8215[-3.320,1.677]C5-3.5877****[-5.692,-1.483]-3.4802****[-5.593,-1.367]3.5003****[-5.616,-1.385]C62.0491[-0.958,5.056]2.7083*[-0.332,5.748]2.7399*[-0.305,5.785]C72.1731**[-0.002,4.348]2.2822**[0.097,4.467]2.1912*[0.002,4.380]C81.8246[-0.597,4.246]1.7982[-0.61]96,4.292]1.9948[-0.508,4.498]H20.8896[-1.434,3.213]0.4548[-2.179,3.089]0.7284[-0.508,4.498]需求-0.0326[-0.078,0.012]-0.0325[-0.096,0.031]-0.0139[-0.078,0.012]案例-0.1134*[-0.235,0.008]-0.1080*[-0.246,0.030]-0.1240*[-0.263,0.015]供应0.0183***[0.008,0.029]0.0184***[0.008,0.029]0.0176***[0.008,0.029]0.0176***[0.007,0.012]28]出口LAG0.3491***[0.340,0.358]0.3478***[0.339,0.357]0.3496***[0.340,0.359]R20.320.3250.330 R2-调整0.3160.3200.319 F-Statistic69.2358.2229.20