První odhad dopadů pandemie COVID-19 na ekonomiku ČR – aktualizováno 18. 5. 2020
Pokles ekonomické aktivity v ČR se v první polovině května 2020 zřejmě zmírnil. V minulém týdnu klesla spotřeba elektřiny meziročně o 8,9 %, v předminulém o 9,2 %. V polovině dubna pokles činil 13,7 %. Spotřeba je na úrovni po recesi 2013. Ukazujeme to v další aktualizaci blogu o využití dat o spotřebě elektřiny jako proxy proměnné pro odhad ekonomického vývoje při nedostupnosti základních makroekonomických dat. Nově přinášíme: (1) zpřesněný odhad vývoje spotřeby elektřiny očištěné o vliv venkovní teploty, (2) graf ukazující, na jaké úrovni je ekonomická aktivita vůči začátku března 2020 (-12,8 %), (3) poznámku k tomu, jak do našich odhadů zapadají první publikovaná statistická data o vývoji průmyslu a HDP, (4) bližší pohled na korelaci spotřeby elektřiny a ekonomické aktivity, (5) technický popis modelu, kterým očišťujeme data o vliv venkovní teploty.
Přehled aktualizací
- Třináctá aktualizace blogu 2. 7. 2021
- Dvanáctá aktualizace blogu 19. 5. 2021
- Jedenáctá aktualizace blogu 16. 3. 2021
- Desátá aktualizace blogu 20. 1. 2021
- Devátá aktualizace blogu 23. 11. 2020
- Osmá aktualizace blogu 23. 10. 2020
- Sedmá aktualizace blogu 2. 10. 2020
- Šestá aktualizace blogu 1. 9. 2020
- Pátá aktualizace blogu 21. 7. 2020
- Čtvrtá aktualizace blogu 7. 7. 2020
- Třetí aktualizace blogu 8. 6. 2020
- Druhá aktualizace blogu 18. 5. 2020
- První aktualizace blogu 21. 4. 2020
- Původní blog 8. 4. 2020
(1) Zpřesněný odhad vývoje spotřeby elektřiny očištěné o vliv venkovní teploty
Tabulka 1: Meziroční změny spotřeby elektřiny v ČR očištěné o vliv počasí
(Data: ČEPS, ASOS, model očištění: autoři)
Týden v roce 2020 | Meziroční změna spotřeby elektřiny v ČR (%, očištěno o vliv počasí) |
Odhad na základě původního modelu |
2 (od 6. ledna) | 0,5 | -0,3 |
3 (od 13. ledna) | 0,9 | 1 |
4 (od 20. ledna) | 0,4 | 0,5 |
5 (od 27. ledna) | 3,7 | 2,6 |
6 (od 3. února) | 2,1 | 1,4 |
7 (od 10. února) | -0,8 | -0,6 |
8 (od 17. února) | 0,5 | 0,7 |
9 (od 24. února) | -2,3 | -0,7 |
10 (od 2. března) | 2 | 2,9 |
11 (od 9. března) | 3,6 | 2,9 |
12 (od 16. března; karanténa) | -0,2 | -1,1 |
13 (od 23. března) | -7 | -6,5 |
14 (od 30. března) | -10,8 | -9,3 |
15 (od 6. dubna; Velikonoce) | -5,5 | -10,2 |
16 (od 13. dubna) | -13,7 | -14,2 |
17 (od 20. dubna) | -11,6 | |
18 (od 27. dubna) | -7,2 | |
19 (od 4. května) | -9,2 | |
20 (od 11. května) | -8,9 |
Propad spotřeby elektřiny relevantní pro odhad ekonomické aktivity (tj. spotřeby očištěné o vliv venkovní teploty) dosáhl maxima v 16. týdnu letošního roku (polovina dubna). Spotřeba elektřiny meziročně poklesla o 13,7 %. Poté s postupným otevíráním ekonomiky a spuštěním některých továren došlo ke zmírnění poklesu. V minulém týdnu (od 11. května) byla spotřeba elektřiny meziročně nižší o 8,9 procent. V předminulém (od 4. května) o 9,2 procent (Tabulka 1).
Oproti minulé verzi blogu jsme vylepšili model, který používáme k očištění spotřeby elektřiny o vliv počasí. Prodloužili jsme časovou řadu venkovní teploty použitou pro odhad modelu. Předchozí verze modelu uvažovala vysokofrekvenční data dostupná od srpna 2011 ze sítě ASOS. Nyní jsme doplnili denní data za období od ledna 2010 do července 2011 ze statistiky ČMHÚ. Dále jsme model rozšířili tak, aby fungoval i na letní období. V původní verzi jsme uvažovali pouze topnou sezónu (říjen – duben). Popis modelu je dostupný na konci této aktualizace blogu. Porovnání s minulými výsledky ukazuje stejně jako Tabulka 1 i Graf 5. Grafy 1–4 pak znázorňují vývoj proměnných, se kterými pracujeme; úroveň spotřeby odpovídá úrovni po recesi 2013 (viz Graf 3).
(2) Na jaké úrovni je ekonomická aktivita vůči začátku března 2020
Vedle meziročních změn spotřeby elektřiny můžeme alternativně sledovat i úroveň spotřeby ve srovnání s určitým datem, například se začátkem března 2020[1]. Meziroční změny totiž mohou být ovlivněny efektem srovnávací základny (pokud by například v loňském roce došlo v daném týdnu k odstávce velké továrny, odhad letošního propadu by mohl být podhodnocen). Graf 6 proto zobrazuje pětidenní klouzavé průměry spotřeby elektřiny. Spotřeba očištěná o změnu venkovní teploty byla na konci minulého týdne oproti začátku března 2020 nižší o 12,8 %. I tento indikátor signalizuje stabilizaci a mírné zlepšení proti polovině dubna (hodnoty mezi 12 a 14 %).
(3) Jak do našich odhadů zapadají první publikovaná statistická data o vývoji průmyslu a HDP
První data o výkonu ekonomiky odrážející spuštění karantény publikoval ČSÚ 7. května – sezónně očištěná průmyslová produkce v březnu meziročně klesla o 10 %. Srovnání s našimi výsledky: očištěná spotřeba elektřiny signalizovala pokles ekonomické aktivity v předposledním březnovém týdnu meziročně o 7 % a v posledním o 10,8 %.
HDP za 1. čtvrtletí publikoval ČSÚ 15. května s tím, že meziroční pokles činil 2,2 %. Srovnání s našimi výsledky: očištěná spotřeba elektřiny signalizovala meziroční pokles ekonomické aktivity v prvním čtvrtletí o 0,5 %. Jak ale ukazuje naše analýza, největší propad v české ekonomice nastal zřejmě v dubnu, projeví se tedy až ve statistice HDP za druhé čtvrtletí.
Na korelace mezi spotřebou elektřiny a ekonomickou aktivitou se blíže zaměříme v následující části.
(4) Testování korelace spotřeby elektřiny a ekonomické aktivity
Spočítali jsme korelace mezi průmyslem a HDP na straně jedné a spotřebou elektřiny na straně druhé, a to od roku 2010 (od té doby jsou dostupná vysokofrekvenční data ČEPS o spotřebě elektřiny).
Korelační koeficienty subindexů průmyslové produkce jsou zobrazeny v Grafu 7. Zajímavé je, že nejvyšší korelaci se spotřebou elektřiny lze pozorovat u nejširších agregátů – celkové průmyslové produkce bez potravinářství (B-D_X_FOOD) či produkce včetně stavebnictví (B-D_F). Naopak specifická odvětví dosahují poměrně nízké korelace se spotřebou elektřiny. Obdobně to platí i u HDP (Graf 8). Nejvyšší korelace je u hrubé přidané hodnoty a HDP jako takového. Spotřeba elektřiny tak o vývoji ekonomiky jako celku vypovídá více než o vývoji v jejích určitých segmentech.
Ukazuje se, že z hodnoty o spotřebě elektřiny nelze sice vždy přesně vyvodit hodnotu růstu či poklesu průmyslu a HDP, ale lze očekávat, že body „zvratu“ budou podobné, tedy že spolu s oživením ekonomické aktivity budeme pozorovat oživení spotřeby elektřiny a naopak.
5) Technický popis modelu očištění dat o vliv venkovní teploty
U spotřeby elektřiny vycházíme z dat ČEPS o zatížení přenosové soustavy v ČR. Data jsou dostupná od roku 2010. U teploty používáme data ze sítě ASOS, kde jsou vysokofrekvenční data dostupná od srpna 2011. Abychom mohli využít celý vzorek dat o spotřebě elektřiny, pro začátek vzorku využíváme denní data o teplotě z ČHMÚ.
Pro naši analýzu využíváme pouze data za pracovní dny od 8 do 18 hodin. Tyto časy jsou totiž nejrelevantnější pro odhad ekonomické aktivity (viz Graf 11).
Ukazuje se, že v datech o spotřebě je sezónnost (viz Graf 12). Ta je z velké části spojená se sezónností ve venkovní teplotě. Nejvyšší spotřeba elektřiny bývá v zimních měsících, kdy bývá zároveň nejnižší teplota. Síla vztahu mezi spotřebou elektřiny a venkovní teplotou se může zdát příliš vysoká, protože u domácností i většiny firem se nejčastěji topí plynem. Kromě vytápění v domácnostech a firmách je ale třeba brát v úvahu například i topení ve vlacích, tramvajích a metru. Existuje i ekonomická sezónnost v rámci roku (Vánoce, Velikonoce, závodní dovolené, případně prázdniny). Tuto sezónnost v naší analýze pro jednoduchost neuvažujeme a ve výsledcích komentujeme meziroční změny, které velkou část této sezónnosti eliminují.
V našem modelu očišťujeme spotřebu elektřiny o venkovní teplotu. Vztah mezi těmito veličinami je nelineární (viz Graf 13), proto v modelu předpokládáme vedle lineárního členu ještě kvadratický a kubický člen. Při porovnání spotřeby v daném týdnu mezi dvěma roky také počítáme s načasováním státních svátků (v grafu jsou označeny trojúhelníkem). Jejich efekt očišťujeme zjednodušeně přes tzv. dummy proměnnou.
Zvolený model vysvětluje data o spotřebě relativně dobře. Koeficient determinace (R2) dosahuje téměř 70 % a všechny zvolené proměnné jsou statisticky signifikantní (viz Tabulka 2). Kvalitu modelu by bylo možné zlepšit zohledněním makroekonomických veličin, které by aproximovaly poptávku. To ale není naším cílem. Tím je kvantifikovat spotřebu očištěnou o vliv teploty a efekt svátků. Právě tato spotřeba by měla indikovat fundamentální výkon ekonomiky. Vynechání proměnných o ekonomické aktivitě v modelu zároveň nevychyluje odhady v naší regresi, protože teplota v českých podmínkách s ekonomickou aktivitou není příliš svázána (s výjimkou stavebnictví a energetického sektoru v případě extrémních teplot).
Tabulka 2: Odhady regrese vysvětlující spotřebu elektřiny venkovní teplotou
proměnná | odhad | konf. int. | p-hodnota |
(Intercept) | 10163.09 | 10124.04 – 10202.15 | <0.001 |
temperature | -101.3 | -108.95 – -93.65 | <0.001 |
temperature^2 | -2.86 | -3.61 – -2.10 | <0.001 |
temperature^3 | 0.15 | 0.13 – 0.17 | <0.001 |
holiday [yes] | -1876.14 | -1981.87 – -1770.41 | <0.001 |
Počet pozorování | 2695 | ||
R2 / adj. R2 | 0.691 / 0.690 |
Blog budeme dále aktualizovat. Děkujeme za vaše reakce a uvítáme další vaše poznámky a komentáře na našich emailech ales.michl@cnb.cz a tomas.adam@cnb.cz.
[1] Připomínáme, že ve výpočtech uvažujeme pouze pracovní dny, takže první březnový den připadá na 2. března.