复工大数据追踪：经济活动加速改善

　　文/意见领袖专栏作家 王涵

　　我们在本系列第一篇《复工进行到哪儿了——大数据的正确打开方式》中构建了返程复工和经济活动两种指数，对职工返程复工比例和经济活动活跃程度进行了跟踪。

　　近期我们发现两个新变化：一方面，近期经济活动和返程复工出现复苏迹象，尤其城市内部的经济活动强度上升明显，值得市场关注；另一方面，我们比较了众多经济指标后发现，城市内部交通出行强度与企业复工率相关性很强，具有较强的参考意义，这为之后的经济复苏跟踪提供了新的思路。

　　要点

　　大数据框架更新：市内出行强度对复工率具有较好指示意义。本报告进一步完善了我们在《20200211-复工进行到哪儿了——大数据的正确打开方式》中构建的返程复工和经济活动的跟踪框架，新增了城市内部出行强度指数，对城内经济活动的复苏进行追踪，该新指标与企业复工率表现出较高的相关性，具有较好的指示意义。

　　近期城市内出行强度加速改善，指向复工和经济活动的增加。我们基于百度迁徙的城内出行强度进行了清洗后构建城内出行强度指数。近两周以来城市出行强度从正常情况的20%快速上升至接近50%，显示城内经济活动的增加和复工率的回升。且该指标对企业复工率面板数据解释力较强，回归 较高，显著好于发电返程等其他经济指标，为之后的经济复苏跟踪提供了新的思路。

　　城际间员工返程复工和经济活动情况也出现加速改善。

• 城际经济活动指数也逐渐回升。2月19日以来，或受新增确诊病例明显减少利好影响，经济活动指数重新出现回升，前期持续偏低的城际经济活动开始出现回升迹象。截至2月24日，一线城市及准一线城市经济活动城市指数同比从2月初的仅15%上升至30%左右，出现改善但略慢于城内经济活动的回升速度，意味着当前可能处于“已返程员工加速复工，未返程员工持续分散回城”的阶段。

   

• 回乡员工返程速度加快。截至2月28日数据，一线城市与准一线城市返乡人群返程复工指数从14日的约30%分别上升至47.9%和42.9%，返程速度加快。按照当前约10%/周的返程速度外推，回乡居民完全返程仍需约5周时间。若考虑本地居民占比和学生群体，员工到岗率应该更高。

　　政策刺激下，经济活动有望持续改善。近期政府加速政策出台，综合利用多种财税金融手段支持企业复工复产，或是近一周多以来经济活动恢复加速的重要原因。在后续货币、财政等多方面政策的持续发力下，经济活动有望持续改善。

　　风险提示：海外国内经济形势、政策超预期。

　　正文

　　Evidence&Analysis

　　交运大数据：经济活动跟踪框架

　　对前期跟踪框架的补充：城市内部出行强度对复工率具有较好指示意义。在本篇报告中，通过对百度迁徙数据进行清洗，我们在原有的跟踪框架中，新补充了城市内部的出行强度指标（即城市内部出行人员占城市居住居民的比例）。理论上而言，出行强度的增加意味着居民的经济活动（包括工作、生活）也出现回升，而正如后文所示，清洗之后的该数据与企业复工率表现出较强的相关性，具有较好的指示意义。

　　经济活动加速改善，员工返程逐渐修复。近期我们跟踪发现，随着国内疫情蔓延势头得到初步遏制，经济活跃程度出现明显回升，员工返程情况也逐渐改善，整体而言城市内部经济活动回升速度快于员工返程回升速度，这意味着当前可能处于“已返程员工加速复工，未返程员工继续分散回城”的阶段。

• 城市内部出行强度快速回升。通过对百度迁徙数据进行清洗，我们得到了城市内部的出行强度指标。近两周以来城市出行强度从正常情况的20%上升至接近50%，显示城内经济活动的增加和复工的回升。

   

• 员工返程逐渐恢复。近两周员工返程情况继续改善，回乡员工返程率从14日的30%上升至约45%，这一比例可能限制短期复工天花板。

   

• 城际间活动逐渐修复。2月14日以来的近两周，城市之间的交通流从正常情况的15%上升至30%，城际之间的活动也逐渐恢复。

　　近期经济活动加速改善

　　百度迁徙数据更新城内出行强度系列指数，可以衡量城市内部经济交通活动。近日，百度迁徙数据开始更新城市内部出行强度数据，即该城市有出行的人数与该城市居住人口比值的指数。我们对该指数进行清洗，将周末效应进行剔除，并将一线城市（包括北京、上海、广州、深圳四座城市）和二线代表城市（或称新一线城市，包括成都、杭州、南京、西安四座城市）进行汇总平均，与去年农历同期进行比较。

　　近期城市内经济活动加速改善。从我们清洗之后的数据看，以春节之前的城内出行强度为100%的正常情况，2019年春节期间城内出行强度出现明显下行（一线城市回落至正常情况的32%，二线城市回落至41%），但在春节结束之后就出现明显修复，回到100%的正常情况。而2020年春节期间的出行强度下行幅度超过2019年（一、二线城市都只有正常情况的20%左右），回升速度却较2019年偏慢。

　　但从2月中旬开始，城市内部出行强度开始出现明显的回升。截止2020月2月27日，一线城市出行强度从低点的20%上升至51%，二线城市上升至50.5%，与复工和城际之间交通流的修复相比，城市内部经济活动的回升更为迅速。而后文我们的分析指出，城内出行强度的上升可能与企业复工高度相关。在高质量复工数据比较缺失的情况下，清洗之后的城内出行强度是一个很有指示意义的指标。

　　城内出行强度与企业复工率相关性较高。我们进一步考察城内出行强度和企业复工率之间的关系，理论上而言，工作日城市内部出行强度的上升，应该对应企业员工复工率的增长。我们对此进行检验，通过对北上广深等多个城市的面板数据（例如上海政府公布的企业复工率随着时间推移不断上升，我们可以得到多个观察点）进行回归。我们使用城市出行强度恢复度（占正常情况的比例）对企业员工复工率[1]进行OLS回归，得到：

　　企业员工复工率=1.25×工作日城市出行强度恢复度-0.17

　　其中回归系数均显著， 达到0.65，具有较高的相关性。

　　回归结果显示，城内出行强度对企业复工率具有较强的解释力。该回归结果说明城内出行强度解释力较强。尤其值得注意的是，一方面，回归的截距项说明，在企业员工复工率为0情况下，对应的城市出行强度约为20%，这意味着即使没有人上班，城市也应该有正常的交流量，而20%的强度也与春节期间的实际数据较为符合（我们并未人为加入春节期间的解释变量）；另一方面，当城市出行强度达到正常情况的100%时，对应的企业复工率正好约为100%，与实际情况比较相符。回归结果符合经济学直觉，且 相对较高，相较于我们测试的多种经济指标，城市出行强度对企业复工的解释力明显更强。

　　在当前宏观数据的空窗期，企业复工情况缺乏权威的、统一口径的、完善的数据衡量，工作日城市出行强度是对员工复工的一种衡量，我们发现其和历史数据具有较高的相关性，对追踪企业员工复工具有相当的指示意义 。

　　[1] 由于政府通常公布企业复工率（复工企业数/总企业数），但出行强度会更好地衡量企业员工到岗复工率（复工员工数/总员工数）。我们参考前期公布的企业复工率和员工到岗复工率的数据，员工到岗率约为企业复工率的一半，我们以1/2的比例进行企业复工率到员工复工率的估算。

　　一线城市地铁客流量近两周出现较明显回升。地铁客流量也出现回升，2月17号起，上海及广州地铁客流量也开始出现回升，本周较上周工作日客流量周涨幅分别约为68%和56%，从正常情况的约17%上升至约30%。2月24日（本周一），上海及广州地铁客流量都突破了200万人次/天的关头。

　　当前地铁流量水平仍低于整体居民出行强度水平，这可能一方面是因为地铁仍是疫情防控情况下，居民出行会尽量规避的出行方式；另一方面即使居民外出复工，也会减少出行频次，因此地铁按人次计算的方式会比城内出行强度指数（外出居民数/总居民数）低

　　城际间经济活动复苏相对城内偏慢，但也出现一定改善。我们在《20200211-复工进行到哪儿了——大数据的正确打开方式》中构建了城际间经济活动指数来跟踪剔除春运迁徙影响后正常经济运行所产生的交通流量。2月19日，或受新增确诊病例明显减少利好影响，经济活动指数重新出现回升，前期持续偏低的城际经济活动开始出现回升迹象，同时准一线城市的恢复进程加快。截至2月28日，一线城市及准一线城市经济活动指数同比由2月5日的-84%分别回升至-69%及-60%，虽然当前恢复速度略慢于城内经济活动的恢复，但也出现叫明显的改善。

　　员工返程有序进行，但完全恢复仍需时间

　　返程客流出现边际增长，居民持续分散回城。我们将一个城市的百度迁徙迁入客流量减去百度迁徙迁出客流量作为城市的人员净流动指数。人员净流动指数为正表示人员回流，为负表示人员外迁。相较于2019年农历同期春运已经结束，当前大城市回乡人口仍在持续分散回流。

　　整体员工返程复工进程约为40%，对岗位敏感核心人群返程比例约为60%。将人员净流动指数累加后可以得到反映居民返程进度的返程复工指数。2月19日之后，返程复工进程开始加速，根据2月28日数据，一线城市返程比例为47.91%，准一线城市返程比例为42.94%，二者之间的差距自2月19号开始在逐步缩小。如果将除夕前一周返乡人群视为对在岗工作较敏感的“核心复工人群”，即剔除了对企业复工影响较小的老人、在校学生、未工作等群体，一线城市与准一线城市核心复工人群返程复工指数分别为67%和64.78%。目前员工返程仍在持续进行，按照返程复工比例当前约10%/周的返程速度，回乡居民完全返程仍需要约5-6周的时间。

　　考虑到部分居民并未返乡过节，已在大城市工作的员工比例将高于以上计算的返程复工比例。假设2020年一线城市总人口返乡比例约40%，而返乡人口已回城比例约45%，则已在一线城市工作地可上岗员工比例约为80%[1]，这个数值可能是短期内企业员工复工率的“天花板”

　　[2] 相关估算及计算可参考《20200211-复工进行到哪儿了——大数据的正确打开方式》

　　远程运输旅客发送量逐步回升，水路民航回升较快。2月18日，春运旅客发送量超过了前期2月9日的高点，并开始逐步回升，但是春运运输旅客量绝对值仍处于较低水平，2月24日春运旅客发送量仅为1月10日的23%。民航、铁路、公路周环比涨幅分别为28.10%、23.06%、9.68%，或体现了远程人口迁徙的增加。

　　各省份及行业复工情况变化

　　全国规模以上工业企业复工率平均约为68%，但员工到岗率仍较低。截至2月24日，浙江、江苏规模以上工业企业复工率已超过95%，江西、山东、广东、辽宁、山西规模以上工业企业复工率已超过80%。但是，各省员工到岗率普遍低于复工率10-30个百分点。同时，规模较大的企业复工进程较中小企业更快。

　　关键原材料、粮食、运输行业复工率已超2/3，保障基本供应。2月24日，发改委秘书长丛亮在国务院新闻发布会上表示，从重点行业看，钢铁企业复工率为67.4%，有色金属企业复工率为86.3%，煤矿产能恢复率达到76%，口罩企业产能利用率已达到110%，全国粮食应急加工能力复产率已超过70%，铁路装车数已恢复到节前正常水平的95%左右，民航、港口、水运均正常运营。

　　产能有所恢复，但仍在低位。自2月19日开始，日均耗煤量出现小幅跳升后逐步上升。以日均耗煤量近似发电量，考虑到2019年同期居民用电量的占比（约17%）和水电风电发电量占比（水电12%、风电6%），2月29日，生产部门的用电量大约为正常用电情况的59.56%。发电因为低库存，是整体用电情况的良好反应，但用电量中第二产业占比较高（约70%），发电耗煤可能更多地是第二产业复工情况的衡量，且受到电解铝等耗电较高行业影响较大。整体而言，第三产业恢复应该慢于第二产业，发电量水平可能是整体复工规模的偏上限估计。

　　房地产交易由停滞逐渐恢复。2月9号后，受复工政策放开影响，商品房交易开始恢复，交易面积逐步上升。2月19号-21号商品房交易面积出现较明显的抬升，22-23号因周末出现回落后又继续回升。相应的，100大中城市土地成家面积同比于2月9日也出现了一定回升，但整体水平仍在低位。

　　政策刺激下，经济活动有望持续改善

　　综合利用多种财税金融手段支持企业复工复产。2月25日，国常会就小微企业复工复产提出了五项财税金融措施。在前期已设立的3000亿元疫情防控转向再贷款的基础上，增加再贷款再贴现专用额度5000亿元，同时，下调支农、支小再贷款利率0.25个百分点至2.5%。其中，支农、支小再贷款额度分别为1000亿元、3000亿元，再贴现额度1000亿元，进一步支持中小企业渡过难关。在此前2月18日的国常会中，政府对阶段性减免企业养老、失业、工商保险单位缴费做了明确规定以此更有针对性、更广泛地给企业降成本，此次减免社保费的政策，预计减负约6000亿元。根据我们在《20200219_减税降费2020：从企业社保费减免说起》中的估算，2020年减税降费空间可能约为2万亿。近期企业员工复工率加速改善，返程情况也出现改善，返程复工的拐点正在出现，或正在反映政策刺激的效果逐渐显现。在后续货币、财政等多方面政策的持续发力下，经济活动有望持续改善。

　　相关报告

　　(本文作者介绍：兴业证券的首席经济学家、经济与金融研究院副院长。)