發布時間：所屬分類：農業論文瀏覽：1次
摘 要： 摘要:基于廣東省2015年投入產出表，通過投入產出模型評估了2018年臺風艾云尼對廣東省造成的間接經濟損失的動態變化及其對主要經濟部門的影響。結果顯示，臺風艾云尼造成廣東省間接經濟損失為5.51億元，約占直接經濟損失的22%，總經濟損失達到31.01億元，占廣
摘要:基于廣東省2015年投入產出表，通過投入產出模型評估了2018年臺風“艾云尼”對廣東省造成的間接經濟損失的動態變化及其對主要經濟部門的影響。結果顯示，臺風“艾云尼”造成廣東省間接經濟損失為5.51億元，約占直接經濟損失的22%，總經濟損失達到31.01億元，占廣東省2018年第二季度GDP的0.12%。受臺風影響的高敏感部門是①農林牧漁業、②水利、環境和公共設施管理業以及③交通運輸、倉儲和郵電業。雖然此次臺風未對金融保險、房地產、商務和旅游業部門造成直接經濟損失，但是由于廣東省完善的產業鏈以及不斷增強的集群效應，這些部門受到的間接經濟損失的總額約為1.28億元。通過參數敏感性分析表明，災后部門最大超額生產能力和災后部門生產能力提高到最大值所需時間是影響災后恢復重建進度的兩個重要指標。綜上所述，綜合考慮直接和間接經濟損失，根據不同部門災后恢復的模擬結果，充分解析間接經濟損失在災害恢復過程中的動態變化。
關鍵詞:臺風災害;投入產出模型;間接經濟損失;災后重建;災后恢復
在氣候變化的背景下，極端事件風險管理是當今重要的議題之一，其中臺風災害是發生最為頻繁、影響最為廣泛的一種災害。2018年臺風發生頻率較高，西北太平洋上生成了29個臺風，共造成臺風影響區域直接經濟損失697.3億元[1]，為2017年的1.6倍[2]。臺風除了造成作物受災、房屋倒塌等直接經濟損失外，電網線路跳閘、公路中斷等引起的停電停產和交通運行效率降低等現象，可能導致當期的社會產品流量減少，產生間接經濟損失。而這部分損失在以往的損失評估中未考慮，使臺風造成的總經濟影響被低估。
直接經濟損失是“有形損失”[4]，深受政府、媒體及組織機構關注。民政部、國家統計局于2014年發布《特別重大自然災害損失統計制度》[5](以下簡稱《制度》)，涵蓋11大類27項統計表，覆蓋了我國經濟系統中的各個部門。間接經濟損失是“潛在性”損失，故常常受到忽略。國外關于間接經濟損失評估的研究起步較早，加勒比海地區經濟委員會對拉丁美洲和加勒比海地區1972-2005年間的臺風災害案例進行了直接經濟損失和間接經濟損失評估分析，顯示間接和直接經濟損失的比例在0.13～1.60之間。由此可見，盡管間接經濟損失是“無形的”，臺風造成的間接經濟損失在總損失中占有較大比重，值得決策者和研究者的重視。
間接經濟損失評估方法以投入產出(Input-Output，IO)模型居多。傳統的IO模型基于投入產出表構建Leontief生產函數，已廣泛應用于災害經濟學中[7]。同時，針對傳統IO模型存在的未考慮資本替代以及無法對價格變動做出反應等問題，大量的研究在傳統IO模型基礎上進行了改進。Cochrane[8]在原始IO模型的基礎上加入了時間序列的概念，進行了動態IO模型的初步探索;Okuyama[9]構建了多區域IO模型，突出了災害對災區以外地區的波及影響;Hallegatte[3]在傳統IO模型的基礎上，建立了適應區域投入產出模型(AdaptiveRegionalInput-Outputmodel，ARIO)，評估了美國Katrina颶風災后生產能力的變化;張正濤[10]在此基礎上考慮勞動力因素，構建了間接經濟損失評估模型，并在2016武漢洪水和未來情景下氣候變暖對全球經濟影響做了定量評估。多個實證研究使IO模型，尤其是ARIO模型在災害間接損失評估中有了長足的改進。此外，同樣基于投入產出理論的CGE模型也可用于間接經濟損失的評估，CGE模型本質與IO模型相同，均源自投入產出表，但CGE模型豐富了投入產出表，構建社會核算矩陣(SocialAccountingMatrix，SAM)表，突出價格因素與市場的重要性，與IO模型一同得到了廣泛的應用[11]。然而，由于SAM表編制需要大量的數據支持，在無法獲得準確數據的前提下只能通過情景假設值替代統計數據，為模型評估帶來了一定的不確定性。
推薦閱讀：臺風研究所人員如何發表論文
因此，本文基于發展較為成熟且參數需求易于滿足的ARIO模型，評估2018年臺風“艾云尼”對廣東省造成的總經濟損失，充分解析間接經濟損失在不同經濟部門以及在災害恢復過程中的動態變化。
1研究方法
1.1ARIO模型
ARIO模型建立在IO模型的基礎上，充分考慮經濟響應特性，模擬災害對地區經濟的影響。該模型成功在2005年美國Katrina颶風災害評估上得到應用[3]。吳吉東[12]將ARIO模型引入2008年汶川地震災害的評估，使ARIO模型參數在中國的自然災害評估中也得到了很好的驗證。本文基于中國國情下臺風災害災后恢復的過程，設置相關參數對模型改進，使之適用于我國臺風災害的間接經濟損失評估。
1.2模型假設
ARIO模型假設一個區域的經濟有數量眾多且有固定消費的家庭，以及N個不同的產業部門組成，這些產業:①相互交換中間消費品和服務;②從本區域外進口產品和服務;③生產最終消費品和服務供當地消費;④出口商品和服務到區域外部。假定每個產業部門i生產唯一的商品并需要從其它部門提供投入才能完成其生產過程。還假定受災影響導致家庭實物資產和部門生產資本受到破壞。
2研究區、數據來源以及模型參數設置
2.1研究區選擇
廣東省經濟體量龐大，產業間關聯緊密，且為臺風多發區，臺風災害數據較為完備，實地調查易于開展，為模型評估提供了良好的數據支持。2018年第4號臺風“艾云尼”是2018年首個登陸我國并造成嚴重影響的臺風，廣東省民政廳統計數據顯示，臺風“艾云尼”對廣東省造成的直接經濟損失約為25.5億元。本文以廣東省遭受的臺風“艾云尼”為例，研究災害對當地社會經濟系統的重大沖擊，綜合考慮直接和間接經濟損失，根據不同部門災后恢復的模擬結果，充分解析間接經濟損失在災害恢復過程中的動態變化。
2.2數據來源
2.2.1“艾云尼”直接經濟損失數據
本文將臺風“艾云尼”對廣東省造成的直接經濟損失劃分為10個經濟部門，包括:農林牧漁業(#1);工業(#2);電力、熱力、燃氣和水的生產和供應業(#3);建筑業(#4);批發和零售業(#5);交通運輸、倉儲和郵電業(#6);住宿和餐飲業;(#8)金融保險、房地產、商務和旅游業(#7);水利、環境和公共設施管理業(#9)和其他服務業(#10)。各個經濟部門的直接經濟損失數據來源于官方統計數據。據民政部門統計，廣東省臺風“艾云尼”災害發生后，廣東省直接經濟損失最大的3個部門為#1，#6和#9，其占比分別達到69.87%、12.67%和14.91%。
2.2.2廣東省投入產出表
國家統計局自1987年開始編制中國投入產出表，每隔5年即年份尾數逢7、逢2發布新的投入產出表，并在年份尾數逢0、逢5發布延長表。各省統計局結合本省發展水平編制省級投入產出表，發布年份與國家統計局一致。因此，本文選取廣東省2015年IO表[13]，將其經濟部門合并為10個。
2.2.3固定資本存量數據
由于廣東省10部門的固定資產存量數據無法直接從統計部門獲取，本文基于廣東省各部門全社會固定資產投資，采用Goldsmith提出的永續盤存法計算[14]，具體公式為:Kt=Kt-1(1-ρt)+It。(2)式中:Kt和Kt-1分別為t年和t-1年的固定資本存量，ρt為第t年的折舊率，It表示第t年全年的固定投資額。本文根據以上公式，可求得廣東2017年10部門固定資產存量，其中，基年固定資產存量與折舊率數據來源于文獻[15]，全社會固定資產投資價格指數均來源于廣東省統計年鑒[16]。
2.3模型輸入參數設置
模型所需的外生參數如表1所示，針對災后最大超額生產能力αmax，由于無法獲取實際災后政府與保險企業的重建資金，因此本文根據《廣東省供給側結構性改革補短板行動計劃(2016-2018年)》[17](以下簡稱《計劃》)，廣東省2018年計劃投資2956.8億元致力于基礎設施建設。假設該投資為災后恢復的重建資金，并按2017年廣東省GDP換算為103%，由此可通過評估結果對比分析廣東省2956.8億《計劃》投資在本次臺風災害中的作用;災后生產能力提高到最大值所需時間α設置為30d;適應性時間特征參數設置為30d。考慮到參數變化對模擬結果的影響，本文將在章節3.4中對參數取值進行敏感性分析。
3間接損失評估結果與分析
在建立的2015年廣東省LIO表和臺風“艾云尼”災害部門直接經濟損失數據庫的基礎上，利用ARIO模型，以1d為步長，模擬災后1～100d部門的消費和需求變化，評估臺風“艾云尼”對廣東省造成的總經濟損失。
3.1臺風“艾云尼”災害對廣東省造成的總經濟損失
根據ARIO模型的評估結果，臺風“艾云尼”災害對廣東省造成的總經濟損失為31.01億元，其中包括直接經濟損失25.5億元，以及災害導致部門產出下降和產業關聯導致的產出下降形成的間接經濟損失5.51億元，約為直接經濟損失的22%。
3.2全行業間接經濟損失在災害恢復過程中的動態變化
ARIO模型除了定量評估直接間接經濟損失的結果外，動態刻畫出從災害發生到恢復至災前水平的動態過程是本文關注的另一重要環節。本文采用廣東省整體產出(增加值)與災前相比的變化和重建需求的變化反映重建過程。增加值與災前相比的變化率以及重建需求從負值到0的變化，表明災區恢復重建工作結束。臺風“艾云尼”災害重建過程如圖2所示:
由圖2a可知，受臺風“艾云尼”的影響，廣東省災后的增加值相比災前顯著下降，由于各經濟部門間產業關聯引起的漣漪效應，至災害發生第6d降幅最大。模擬結果表明，6d后生產開始逐漸恢復。從圖2b重建需求來看，大概60d以后，重建需求完全得到滿足，重建工作結束，即廣東省的生產完全恢復到災前水平。
3.3分行業間接經濟損失的差異性對比
為了分析災害對不同部門的差異和特征，圖3對比了臺風“艾云尼”對廣東省各個部門的直接和間接經濟損失，由此反映各部門在總損失中的貢獻或影響度.
從圖3可以看出，臺風災害發生后，各個部門均受到不同程度的影響，其中農林牧漁業受災情況最為嚴重，直接經濟損失和間接經濟損失均最大;而直接經濟損失同樣較為嚴重的交通運輸、倉儲和郵電業以及水利、環境和公共設施管理業，其本身的間接經濟損失卻不明顯;未產生直接經濟損失的金融保險、房地產、商務和旅游業、其他服務業以及工業，其間接經濟損失的總額達到1.28億元。因此，對比不同部門可以發現，直接經濟損失較大的部門，間接經濟損失不一定大。更重要的是，即使某一部門的直接經濟損失不大，甚至為零，但是由于產業部門間的波及效應，該部門遭受的間接影響可能很大，對這個災害風險管理中容易忽略的問題有必要引起足夠的重視。
3.4模型不確定性分析
與參數敏感性分析由于現階段缺少官方的統計數據，無法對臺風“艾云尼”災害對廣東省造成的總經濟損失評估結果進行驗證。因此，本文從模型的不確定性與各參數的敏感性機理出發，基于廣泛認可的檢驗方法[17]，給出模型評估結果的不確定性范圍以及參數設置對模型結果的影響程度。
(1)不確定性分析
在評估模型中，αmax、α和的設置均來源于權威數據以及參考文獻。驗證參數的上下限閾值則根據基準值向上、向下各調節30%，其中超額生產參數αmax下限值設為100%，共設置3組參數(見表1)。最后將3組參數組合帶入ARIO模型，根據參數最大值與最小值評估所得曲線，構成臺風“艾云尼”對廣東省經濟影響評估結果的不確定性范圍(圖4)。
在參數值上下波動30%的情況下，ARIO模型不確定性下限評估結果相較于基準參數評估結果波動約19%，不確定性上限評估結果波動約4%，均小于輸入參數的波動范圍(-30%～30%)，證明ARIO模型具有較好的穩定性。
(2)參數敏感性分析
由于ARIO模型外生參數較多，逐一進行檢驗不易表達，并考慮到參數屬性以及模型穩健型檢驗中差異性較大的階段，將敏感性分析的參數分為兩組:①超額生產參數，即αmax和α，描述了產業部門通過調整其生產進度來應對龐大的災后市場需求，從而彌補災后生產的不足;②時間特征參數，即中間消費適應時間↓A、↑A，當地最終需求適應時間↓LFD、↑LFD和出口適應時間↓E、↑E。設置其中一組不變，另一組在基準參數值基礎上分別向上、向下波動30%，從而分析特定參數的變化對評估結果的影響(圖5)。
對比兩類參數對評估結果的敏感性發現，超額生產參數對評估結果的影響更為顯著，向上或向下調整超額生產參數(即改變災害的重建資金)對災害恢復初期影響較較小，較大的影響集中在災害恢復的中后期。當重建資金(超額生產能力)提高30%，達到超額生產能力所需時間縮短30%時，間接經濟損失減少約20%，說明了重建資金的投入能夠提升廣東省抵抗臺風災害的能力，有效減少臺風災害造成的總經濟損失。
對于時間特征參數而言，改變模型的適應性時間參數對恢復路徑影響較小，且集中在災害恢復的中期，適應時間延長或縮短30%造成間接經濟損失0.18%～0.2%的波動。綜上，時間特征參數的變化對恢復期的影響不大。
4結論與討論
研究顯示ARIO模型用于臺風災害的損失評估的適用性較好，通過有效核準輸入參數，能夠對臺風“艾云尼”的間接經濟損失進行快速評估，主要結論如下。
(1)臺風帶來的間接經濟損失不可小覷。定量評估發現，災害造成廣東省間接經濟損失為5.51億元，總經濟損失達到31.01億元，占廣東省2018年第二季度GDP的0.12%。
(2)災害除了造成不同經濟部門直接經濟損失外，由于產業關聯造成的各經濟部門間接經濟損失不容忽視。廣東省受間接影響的高敏感經濟部門依次為:第一產業即農林牧漁業，水利、環境和公共設施管理業，交通運輸、倉儲和郵電業。此外，盡管個別部門未產生直接經濟損失，但是由于部門間的波及效應造成的間接經濟損失可能很大，災害風險管理中不容忽視。
同時，模型的應用中仍存在一定的問題。首先，臺風災害的直接經濟損失是多部門的，而每個部門的直接經濟損失數據難以獲取，《制度》的發布雖然提供了政策保障，但是存在數據統計情況的地區差異較大以及統計數據質量和精度較低等問題。因此，本文假設災害對中小企業的影響可以忽略不計，將產業部門進行了合并;其次，未考慮臺風災害對勞動力造成的影響，災后人員傷亡、失蹤、緊急轉移安置等原因導致的勞動力不足有可能影響災后重建進程。
在本文撰寫的同時，2018年第22號臺風“山竹”登陸廣東省江門市。“香港懸掛九號風球”，“澳門賭場首次關閉”，“‘山竹’或造成1200億美元經濟損失”，此次超強臺風的影響程度可見一斑，同時也體現了臺風災害評估，尤其是間接經濟損失評估的重要性。在下一步的研究中，將根據臺風“艾云尼”災害調查與評估中的不足，綜合考慮勞動力減少對災后恢復的影響，深入研究對臺風“山竹”評估的研究，使災害損失評估模型盡可能地符合現實，有針對性地提出相應的應急管理政策。
