自然災害對經濟增長的長期間接影響

宋妍　李振冉　張明

摘要：國內關于自然災害長期間接影響的研究較少，理清自然災害的長期間接損失及其成因具有重要現實價值與深刻政策含義。基于1994—2016年四川省181個縣的數據，使用合成控制法，分別研究汶川地震對10個極重災區經濟產生的長期間接影響。研究結果顯示，汶川地震對災區經濟造成的長期間接影響可以區分為兩種情況，第一種是“復興”型災區，包括茂縣和彭州市，表現為2016年人均GDP恢復到了其反事實水平;第二種是“復舊型”災區，包括汶川縣、北川縣等8個極重災區，表現為2016年人均GDP未恢復到其反事實水平。2008—2011年，所有極重災區經濟恢復情況都比較好，2011年之后，“復興”型災區繼續保持較好的經濟恢復效果，但“復舊”型災區經濟恢復效果開始走下坡路，并可能形成“貧困陷阱”。在此基礎上，結合羅默內生增長理論，進一步分析汶川地震對經濟長期間接影響異質性的原因，發現災區經濟恢復效果依賴固定資產投資拉動。2008—2011年經濟恢復情況較好的原因是國家和當地政府進行災后重建所拉動，2011年后“復舊”型災區經濟恢復變差的原因之一是災區在重建過程中負債沉重，導致后期投資不足，且擁有較好的就業率和人力資本的災區經濟恢復會更好。由此，政府在制定災后救援政策時不僅要考慮減少初期災害損失，還應考慮減少長期經濟損失;災區政府應當合理安排援建資金，將援建轉變成一種機遇，在災后重建過程中實現企業戰略轉型和產業優化升級，從而促進經濟穩定發展，將災害損失降低到最小。

關鍵詞 自然災害;汶川地震;長期間接影響;合成控制法;災后恢復

中圖分類號 D630文獻標識碼 A文章編號 1002-2104（2019）09-0117-10[WTHZ]DOI：10.12062/cpre.20190314

自然災害威脅人類生存，并影響經濟、社會可持續發展。聯合國和世界銀行等國際機構將自然災害損失界定為直接損失和間接損失[1]，直接損失是災害發生時點上造成的“固定資本”和“人力資本”損失，也稱“存量損失”;間接損失是災害發生后產生的連鎖反應，包括商品生產的減少和服務功能的下降。與直接損失不同，間接損失具有時間滯后性和時間跨度的“間接”性，影響時間更長，影響程度更深。Cavallo and Noy[2]將受災時間超過五年界定為長期，五年及以下界定為短期，其他有關自然災害影響研究的時期區分也普遍采用該辦法。中國是世界上受自然災害侵襲最嚴重的國家之一，但關于自然災害造成長期間接影響的研究卻很少，主要原因一是政府和公眾對地震造成的長期間接影響關注度不夠，二是相對于直接損失估計，間接損失估計更加困難。本文研究汶川地震對極重災區經濟造成的長期間接影響，研究結論能夠為有關部門設計、實施災后重建政策提供理論依據與決策支持。

1 文獻綜述

關于自然災害長期間接影響的研究，主要有三種觀點，分別是：自然災害促進一個地區經濟增長[3-4]、自然災害對地區經濟增長具有負面效應[5-6]、自然災害對地區經濟無顯著影響[7-8]。這些異質觀點與研究者采用的研究方法、受災地區的災害程度和體制差異等有關。例如，Loayza et al[9]從Solow-Swan增長模型出發研究動態經濟增長，認識到災害影響經濟增長，但并非總是消極的;不同災害對經濟部門影響不同，不同經濟部門災害承受能力也不同：中等程度災害可以產生積極的增長效應，但嚴重災難卻不可能產生長期積極影響等。Barone and Mocetti[10]使用合成控制法發現意大利兩場地震在短期對經濟未產生顯著影響;從長期來看，Friuli地震促進了地區經濟的發展，Irpinia地震則抑制了當地經濟的發展，造成這一結果的原因是地震前兩個地區的制度質量存在差異。Wu et al[11]利用區域投入產出模型估計四川汶川地震造成的間接損失，表明生產和住房部門的間接損失約為直接損失的40%，并估計震后重建周期為八年。

近年來，國際上對于自然災害造成長期間接損失的研究多使用合成控制法[2，7，10]。合成控制法通過控制相關特征值，根據其它未發生自然災害的地區構造反事實，給出合理的權重，減少了主觀選擇對照組產生的誤差和內生性問題。通過對比災區實際經濟發展路徑與反事實路徑，可以很清晰地看出災區的恢復情況。另外，合成控制法可以根據每一個研究對象進行分析，避免平均化評價。然而，在使用合成控制法的研究過程中，出現過因選擇研究對象規模不同導致結論迥異的情況，前述Dupont and Noy[5]研究神戶地震對兵庫縣的人口影響時，得出地震發生后人口下降，但很快恢復，并超過兵庫縣的反事實;之后Dupont et al[12]研究同一問題，卻得出相反結論，地震后神戶市的人口一直低于反事實水平，并未超過反事實。造成這兩次結果不同的原因是地震對兵庫縣內部的影響存在較大差異性，對震中的影響較大，離震中越遠，其影響越小。基于此，本文在后續汶川地震情況介紹中說明此次地震造成的差異性影響，并確定以地級縣為研究對象進行分析。

2 模型及數據說明

本文基于Abadie et al[13]提出的合成控制法，以1996—2016年四川省181個縣的數據為面板數據，研究汶川地震發生對極重災區長期人均GDP（Gross Domestic Product）的影響，并深入分析震后災區的恢復情況。

2.1 模型設計

假設有（J+1）個縣，第1個縣為實驗組，即極重災區;另外J個縣為控制組，即未發生地震的縣。研究區間為[1，t]，其中，T0為地震發生年份，有（1

YNit=δt+θtZi+λtμi+εit??????????????????????????????????????????????? （1）

其中，δt表示影響所有（J+1）個縣人均GDP的時間固定效應;Zi表示一個可觀測的（r×1）控制變量，控制變量是影響人均GDP的因素，包括投資率、產業占比、人口密度等;θt表示一個（1×r）維參數向量;λt表示一個（1×F）維無法觀測的公共因子向量;μi表示一個（F×1）維不可觀測縣的固定效應;εit表示隨機擾動項。

假設合成控制組縣的權重為J維向量：W={w2，w3，…，wJ+1}′，其中wj表示第j個縣的權重（wj≥0），有j∈[2，J+1]，并且w2+w3+…+wJ+1=1。針對每一個控制組縣的結果變量，經過加權后得到：

∑J+1i=2wiYit=δt+θt∑J+1i=2wiZi+λt∑J+1i=2wiμi+∑J+1i=2wiεit??????????????????????????????????? （2）

使用實驗組因子模型減去（2）式得：

YN1t-∑J+1i=2wiYit=θt（Z1-∑J+1i=2wiZi）+λt（μ1-∑J+1i=2wiμi）+

∑J+1i=2wi（ε1t-εit）（3）

如果存在W*={w*2，w*3，…，w*J+1}′使得：

YN11=∑J+1i=2w*iYi1，YN12=∑J+1i=2w*iYi2，…，YN1（T0-1）=∑J+1i=2w*iYi（T0-1）和Z1=∑J+1i=2w*iZi，那么（3）式等于：

YN1t-∑J+1i=2w*iYit=λt（μ1-∑J+1i=2w*iμi）+∑J+1i=2w*i（ε1t-εit），t∈（T0，t） ??? ??????????????????????（4）

根據Abadie et al[13]，如果地震發生前的時間段相對于研究時間段較長，且地震前時間段合成效果較好，（4）式等號右邊將趨近于0，那么就可以在研究時間段把∑J+1i=2w*iYit作為YN1t的無偏估計，得到效果函數：

πit=YIit-∑J+1i=2w*iYit

W*的求解最為關鍵。定義[（T0-1）×1]維行向量M=（m1，m2，…，m（T0-1））和[（T0-1）×1]維列向量Yi=（Yi1，Yi2，…，Yi（T0-1）），YMi=MYi是未發生地震前（T0-1）期人均GDP的線性組合。假設M的不同取值向量有F個，則存在F個（T0-1）期人均GDP的線性組合YM1i，YM2i，…，YMFi。定義一個[（r+F）×1]維特征向量X0={Z′1，YM11，YM21，…，YMF1}和一個[（r+F）×J]維矩陣，該矩陣每一列都代表一個控制組縣的特征向量。W*使得X0與W*X1之間的距離最小，考慮最小化問題：minW（X0-W*X1）′V（X0-W*X1），即可求出W*。其中，V用于在控制變量上設置合理的權重，反映各個預測變量對人均GDP的預測能力，V的選擇會影響均方誤差，最優的V能夠達到合成控制值的均方誤差最小化。

2.2 數據來源與指標選取

本文使用四川省數據進行研究，主要因為不同省份經濟發展類型和速度有很大不同。經濟發展水平存在較大差異的省份，各省的數據往往不具有可比性，使用跨省數據會進一步加大估計差距;另外，中國各省統計年鑒在縣級層面的統計內容存在較大差異，數據間可比性較差。本文所有數據來自于《四川統計年鑒》（1994—2016）。

“間接損失”本質上是一個“流量”概念，自然災害對經濟造成的間接影響包括停減產損失、產業關聯損失、災害后政府服務下滑等，這些都會對災區經濟造成負面影響。大部分學者使用長期實際GDP （RGDP）或實際人均GDP（RGDPPC）來衡量自然災害對災區經濟造成的間接損失，而人均GDP相對于GDP更能反映經濟的增長情況，更好反映災區宏觀經濟運行狀況，所以本文選擇人均GDP作為主要指標來刻畫地震對災區經濟的間接影響，以及震后災區經濟的恢復情況。

本文根據Abadie et al[14]和楊經國等[15]的研究選取控制變量。具體地，就業人數占人口比重表示勞動力投入情況;固定資產投資占GDP比重衡量地區資本投入情況;各產業生產總值占GDP比例反映地區產業結構;人口密度用來衡量縣域規模。由于統計年鑒統計指標發生變動，1994—1999年四川統計年鑒對于教育行業只統計了各類學校在校學生數，而1999—2016年統計了小學和普通中學在校學生數，本文將1994—1999年各類學校在校學生數占年末總人口比例作為一個控制變量，將1999—2016年小學和普通中學在校學生數占年末總人口比例作為一個控制變量，用來反映人力資本情況。

3 實證分析

3.1 汶川地震及其經濟影響

汶川地震發生于北京時間（UTC+8）2008年5月12日，此次地震的面波震級達8.0 Ms，矩震級達8.3 Mw，最大地震烈度達11度[16]。

汶川地震中，10個極重災區分別是：汶川縣（震中）、安縣、茂縣、北川縣、彭州市、什邡市、平武縣、綿竹市、都江堰市、青川縣。另外，四川省較重災區有29個，一般災區有100個。表1給出了極重災區和較重災區2008年人均GDP相對于2007年的下降程度。10個極重災區中，汶川縣2008年人均GDP相對于2007年下降了一半多，影響最大;極重災區中，受災最輕的為安州區，人均GDP下降僅3.34%。可以看出，汶川地震對各縣經濟影響存在較大的差異性。不同受災程度可能會導致后期恢復效果不同，所以針對每個縣進行研究，能夠為受災縣災后重建工作提出更有針對性的對策建議。

3.2 實證結果分析

四川省一共181個縣（自治縣、縣級市、區），其中極重災區和較重災區39個。由于一般災區地震烈度為6級，地震烈度6級被定義為有輕微損壞，所以一般災區經濟幾乎不受影響，可以將四川省除了極重災區和較重災區以外的其他縣作為控制組，去除在1994—2016年發生過其他自然災害的15個地區和無法統計數據的15個地區，共保留112個控制組縣，10個極重災區分別作為實驗組。

本文對10個極重災區分別進行了實證分析，但受篇幅限制，除表3外，只呈現部分縣的結果。

表2給出了北川縣和平武縣各控制特征變量與其反事實各控制變量的對比。可以看出，除了人口密度外，各個真實特征值都與合成區特征值極其接近，說明實驗組與合成區具有較強的親和力。

表3給出了各個實驗組的合成權重，第一行是實驗組縣名，第一列是權數為正的控制組縣名。例如，汶川由錦江區、溫江區、新津縣、沙灣區構成，并且它們的合成權重分別為：0.017、0.298、0.416、0.27。

圖1給出了實驗組人均GDP和反事實人均GDP走勢圖。其中，實線表示實驗組人均GDP曲線，虛線表示反事實的人均GDP曲線。

比較實驗組和反事實在綜合控制期間（1994—2007年）人均GDP的變化。所有縣的人均GDP路徑和反事實路徑在2008年之前基本是重疊的，2008年實驗組人均GDP相對于反事實人均GDP都有不同程度下降，可見地震對經濟造成了嚴重的影響，2008年之后實驗組人均GDP開始上升，兩條曲線的差值可以反映出震后災區經濟恢復效果。

2008—2011年10個極重災區人均GDP曲線與反事實曲線是逐漸靠近的，這段時間災區經濟恢復效果非常好，表明災后國家抗震救災政策發揮了有效作用。但是2011年后沒有國家抗震救災政策的支持，災區經濟恢復效果呈現出兩種情況，第一種經濟恢復效果變差，即人均GDP曲線與反事實曲線差距變大，包括汶川縣、平武縣、什邡縣、都江堰市、綿竹市、青川縣、北川縣、安州區;另一種恢復效果繼續變好，人均GDP曲線超過反事實曲線，包括彭州市和茂縣。如果第一種情況的災區人均GDP與反事實差距繼續擴大，這些地區很可能會形成“貧困陷阱”。

3.3 安慰劑檢驗

安慰劑檢驗是把每個控制組縣都假設為實驗組，分別對它們做一次合成控制。在北川縣的例子中，處理區域的估計差距在113項測試中排名第9，表明在隨機排列的治療下，估計出一個更大效果的概率是8/113=7.07%。在平武縣的例子中，平武縣在測試中排第4，表明在隨機排列的治療下，估計出更大效果的概率是3/113=2.65%。在置信區間設置中，對北川縣和平武縣的估計在10%的顯著性水平下是顯著的。

3.4 穩健性檢驗

本文進行兩次穩健性檢驗。第一次，通過迭代方式做了敏感性分析[17]。以北川為例，多次評估構建合成北川縣的基礎模型，每一次迭代過程中刪去合成北川縣權重比較大的一個縣，進行五次迭代。例如，北川縣合成區及權重分別為：沐川縣，0.172;德昌縣，0.149;高縣，0.136;峨邊縣，0.135;金陽縣，0.094;美姑縣，0.091;寧南縣，0.089;昭覺縣，0.084;天全縣，0.042;平昌縣，0.008;仁壽縣，0.001。第一次迭代中將沐川縣排除控制組，然后用新的控制組對北川縣進行合成，第二次迭代再將德昌縣排除控制組，接著高縣、峨邊縣、金陽縣，共進行五次，以檢驗北川縣人均GDP合成效果是否受合成對象組成權重的影響，是否會因為控制組里某一個縣缺失而導致結果的不同。從圖2（a）和（b）的穩健性檢驗圖可以看出，實證結果并沒有隨著控制組變化而發生變化。

第二次，由于地震發生后，極重災區和較重災區受災十分嚴重，一般災區與較重災區相鄰，雖然受地震影響十分小，但可能會在重建過程中受益，如極重災區和較重災區人力資本外流到一般災區，某些企業會選擇在旁邊受災較輕的縣重新選址重建;或者受損，如一般災區的企業客戶大部分位于極重和較重災區，那么一般災區就有可能在地震后經濟受損。為了防止地震對一般災區存在這種影響，從而導致結果偏差，這里將一般災區從控制組中去除，只留下四川省不受災的縣作為新的控制組，以檢驗結果的穩健性[10]。圖3（a）和（b）分別是北川縣和平武縣的穩健性檢驗，可以看出，結果是穩健的。

4 長期間接影響的進一步討論

日本專家Toshikazu[18]將災后恢復重建工作的目標分

為“復舊”和“復興”兩種情況。本文結合表1，將極重災區經濟的恢復情況分為兩類：第一類，“復舊”型，如北川縣、平武縣等，這類災區與反事實人均GDP差值先變小后變

大;第二類，“復興”型，如彭州市、茂縣等，這類災區人均GDP與反事實差值先變小，后超過合成區人均GDP。

為什么會同時發生這兩種情況呢？保羅·羅默的內生增長模型認為，一個部門的產出需要四種要素的投入，分別為有形資本、非熟練勞動力、人力資本和技術水平。為了研究影響災區人均GDP恢復情況異質性問題，本文從幾種要素出發，對比分析“復舊”和“復興”型災區的要素投入情況。由于技術水平隱含于創新產品中，每種創新產品所具有的技術水平不同，技術水平數據無法從創新產品數據中抽離，所以暫不從技術水平方面進行對比分析。具體地，使用固定資產投資衡量有形資本投入情況;使用就業率衡量非熟練勞動力投入情況;由于縣域數據只提供小學和中學在校學生數，所以使用小學和中學在校學生數占年末人口比例作為人力資本的衡量指標。

圖4給出了四個縣固定資產投資與恢復情況對比。可以看出，2008年后全社會固定資產投資變化曲線走勢和恢復效果曲線走勢具有高度相關性。2008—2011年極重災區的全社會固定資產投資增大，恢復效果曲線呈現上行。全社會固定資產投資增加，是因為在這期間政府快速實施了援建計劃，要求援建省連續三年將不少于上一年省財政收入的1%用于資助幫扶縣的物資供應和發展;另外，當地政府也投入了大量的財政資金進行災后重建。

但2011年之后，沒有了援建省1%的財政援助，災區固定資產投資減少。失去了高固定資產投資對經濟的拉動作用，極重災區恢復效果呈現出兩種情況，“復舊”型災區人均GDP和反事實情況的人均GDP差距變大，并且差距逐步擴大。“復興”型災區恢復效果依舊很好，人均GDP超過反事實。造成“復舊”型災區經濟恢復效果變差的一個原因是：三年援建后期，災區政府負債沉重，導致固定資產投資不足，例如，北川縣災后重建過程中政府的債務高達48億，過高的債務導致后期災區投資不足，災區經濟恢復效果轉差。

對于“復興”型的兩個災區，如圖4（c）彭州市，前期固定資產投資大于反事實情況，后期固定資產投資與反事實相差無幾，所以彭州市恢復效果并沒有變差，但對于圖4（d）茂縣，后期固定資產投資小于反事實。為什么茂縣沒有恢復，反而變差了呢？本文進一步從就業率和人力資本兩個方面展開討論。

圖5給出了北川縣、平武縣、茂縣和彭州市就業率情況。如圖所示，茂縣就業率相對于其他幾個縣一直在升高，且升幅很大，這可能是茂縣長期恢復效果并沒有下降的原因之一。北川縣2010年就業率大幅下降是因為北川縣行政區域發生了變化，將安縣黃土鎮部分區域劃給北川縣為永昌鎮。可以看出，

北川縣就業率在震后上升，其中原因是災后重建需要大量的勞動力，但2011年后就業率呈現先下降，然后再上升趨勢，就業率的下降會導致人均GDP增長緩慢，長期恢復效果變差;平武縣前期和北川縣情況一樣，但平武縣2011年后就業率一直在下降;對于“復興”型另外一個災區彭州市，震后就業率下降，但后期就業率上升。

圖6給出了北川縣、平武縣、茂縣和彭州市小學和中學在校學生數占年末人口比例的情況，用來反映地方人力資本情況。羅默認為，產出增長率隨著人力資本的增加而增加，大力投資于教育有利于經濟增長。從圖6可以看出，茂縣人力資本比其它縣高出很多，較高的人力資本可以提高資本的利用率，這也是茂縣震后長期固定資產投資

不足，但恢復效果并沒有變差的一個重要原因;平武縣震前人力資本很低，但是震后人力資本下降幅度相比于“復舊”型兩個縣小。

5 結論及政策建議

本文利用四川省181個縣1994—2016年的數據，研究汶川地震對災區經濟的長期間接影響，以及震后災區的恢復效果。文中將人均GDP作為衡量地震對災區長期間接影響的指標，控制相關控制變量，通過構造災區人均GDP的反事實曲線，得出以下研究結論：①地震對極重災區經濟造成嚴重的長期影響，并且經過八年恢復期，只有彭州市和茂縣恢復到了其反事實水平，2016年彭州市和茂縣分別相對于反事實人均GDP上升14.71%和4.93%;其余8個極重災區都未恢復到反事實水平，其中受長期負面影響最大的為汶川縣，2016年人均GDP相對于反事實人均GDP下降36.65%，最小的為青川縣，下降6.7%。②震后恢復情況可以劃分為“復興”型和“復舊”型兩類，“復舊”型災區呈現出2008—2011年靠近反事實，2011—2016年逐步遠離反事實的狀況，可能形成“貧困陷阱”。③災區經濟恢復情況和固定資產投資具有較高相關性，2008—2011年災區經濟恢復較好的原因是由于災后重建，投資增加所拉動，而“復舊”型災區2011年后遠離反事實，除了投資減少，更低的就業率和人力資本水平是主要原因。基于上述研究結論，提出以下政策建議：第一，政府在制定災后救援政策時不僅要考慮減少初

期災害損失，還應考慮減少長期經濟損失。災后國家迅速出臺了《汶川地震災后恢復重建對口支援方案》，確定東部和中部19個省市，對口援建四川省18個市縣以及甘肅省、陜西省受災嚴重地區。具體為每個支援省份承諾連續三年將不低于上一年省財政收入的1%用于資助受災縣的物資供應和發展，所以在短期，災區經濟得到了很好恢復，但是長期失去大規模固定資產投資后，災區經濟恢復效果逐漸變差。所以在安排抗震救災資金時，政府應當把

災區的長期經濟恢復納入政策考慮，避免因災害而形成“貧困陷阱”。

第二，災區政府應當合理安排援建資金，在重建過程中實現企業戰略轉型、產業優化升級和經濟穩定發展。震后各縣將大量的財政支出用于災后重建，重建后期災區政府負債沉重，如果災區政府能更為合理地統籌安排資金使用，可以減輕政府負債，進而增加長期固定資產投資，拉動經濟增長。另外，災區政府應當將援建轉變成一種機遇，合理安排救援資金，促進當地資本存量更新和引進更先進的技術，實現企業戰略轉型、產業優化升級，發展一批優勢企業，促進本地經濟平穩增長。

第三，災區政府應當吸納勞動力，促進就業率提高，并大力投資教育，提高人力資本水平。從對茂縣的分析可以看出，雖然茂縣長期固定資產投資少于反事實，但其經濟恢復情況并未變差，且人均GDP超過了反事實。原因主要是茂縣的就業率相對于其它地區一直在提升，且人力資本水平高于其他受災縣。所以，災區政府應當注重震后勞動力就業和教育問題。為此，可以利用救援資金，開展災區人民技術培訓，提高災區人民技術水平;發展本地優勢產業和特色產業，以此帶動就業水平;重視教育投資，不斷提高災區人力資本水平。

（編輯：劉照勝）

參考文獻

[1]ECLAC.

Handbook for estimating the socio-economic and environmental effects of disasters[R]. United Nations， Economic Commission for Latin America and the Caribbean （ECLAC），International Bank for Reconstruction and Development， 2003.

[2]CAVALLO E A， NOY I. The economics of natural disasters： a survey[J]. International review of environmental and resource economics， 2011， 5（1）： 63-102.

[3]SKIDMORE M， TOYA H. Do natural disasters promote lon-run growth？[J]. Economic inquiry， 2002， 40（4）： 664-687.

[4]GIGNOUX J， MENNDEZ M. Benefit in the wake of disaster： lon-run effects of earthquakes on welfare in rural Indonesia[J]. Journal of development economics， 2016， 118（1）： 26-44.

[5]DUPONT W， NOY I. What happened to Kobe？ a reassessment of the impact of the 1995 earthquake in Japan[J]. Economic development and cultural change， 2015， 63（4）： 777-812.

[6]OKUYAMA Y. Lon-run effect of a disaster： case study on the Kobe Earthquake[J]. The Singapore economic review， 2016， 61（1）： 147-164.

[7]CAVALLO E A， NOY I， PANTANO J， et al. Catastrophic natural disasters and economic growth[J]. Review of economics and statistics， 2013， 95（5）： 1549-1561.

[8]FUJIKI H， HSIAO C. Disentangling the effects of multiple treatments： measuring the net economic impact of the 1995 Great Hanshin-Awaji Earthquake[J]. Journal of econometrics， 2015， 186（1）： 66-73.

[9]LOAYZA N V， OLABERRI'A E， RIGOLINI J， et al. Natural disasters and growth： going beyond the averages[J]. World development， 2012， 40（7）： 1317-1336.

[10]BARONE G， MOCETTI S. Natural disasters， growth and institutions： a tale of two Earthquakes [J]. Journal of urban economics， 2014， 84： 52-66.

[11]WU J D， LI N， STPHANE H， et al. Regional indirect economic impact evaluation of the 2008 Wenchuan earthquake[J]. Environmental earth sciences， 2012， 65（1）： 161-172.

[12]DUPONT W， NOY I， OKUYAMA Y， et al. The lon-run socio-economic consequences of a large disaster： the 1995 Earthquake in Kobe[J]. Plos one， 2015， 10（10）： e0138714.

[13]ABADIE A， DIAMOND A， HAINMUELLER J. Synthetic control methods for comparative case studies： estimating the effect of Californias tobacco control program[J]. Journal of the American Statistical Association， 2010， 105： 493-505.

[14]ABADIE A， GARDEAZABAL J. The economic costs of conflict： a case study of the Basque Country[J]. American economic review， 2003， 93（1）： 113-132.

[15]楊經國， 周靈靈， 鄒恒甫. 我國經濟特區設立的經濟增長效應評估——基于合成控制法的分析[J]. 經濟學動態， 2017 （1）： 43-53.

[16]國家減災委員會，科學技術部抗震救災專家組. 汶川地震災害綜合分析與評估[M]. 北京：科學出版社， 2008： 9-15.

[17]蘇治， 胡迪. 通貨膨脹目標制是否有效？——來自合成控制法的新證據[J]. 經濟研究， 2015（6）： 74-88.

[18]TOSHIKAZU O. Kobe recovery plan： formulation process and outline[R/CD]. Kobe： K-TEC， 2013.

The lon-run indirect effects of natural disasters on economic growth：

analysis of synthetic control method based on county level data of Wenchuan

Earthquake stricken areas

SONG Yan1，2 LI Zhen-ran1 ZHANG Ming1，2

（1.School of Management， China University of Mining & Technology， Xuzhou Jiangsu 221116， China;

2.Jiangsu Energy Economics and Management Research Base， China University of Mining & Technology，

Xuzhou Jiangsu 221116， China）

Abstract There are few domestic studies on the lon-term indirect effects of natural disasters in China. It is of great realistic value and profound policy significance to clarify the lon-term indirect losses and their causes of natural disasters. Based on the data of 181 county-level administrative units in Sichuan Province from 1999 to 2016， this paper used synthetic control method to study the lon-term indirect impact of the Wenchuan Earthquake on the economy of 10 extremely serious disaster areas. The results showed that the lon-term indirect impact of the Wenchuan Earthquake on the economy of the disaster area could be divided into two situations. The first was the ‘revival disaster areas， including Maoxian County and Pengzhou City， with the GDP per capita restored to its counterfactual level in 2016. The second type was ‘restoration disaster areas， including Wenchuan County， Beichuan County and other 8 extremely serious disaster areas， which showed that the per capita GDP had not recovered to its counterfactual level in 2016. From 2008 to 2011， the economic recovery situation of all the extremely serious was relatively good. After 2011， the economic recovery effect of the ‘revival disaster areas continued to be relatively good; however， the economic recovery effect of the ‘restoration disaster areas began to decline， and a ‘poverty trap might be formed in the ‘restoration disaster areas. Further according to Romers endogenous growth theory， we analyzed the reason of the different effects of the Wenchuan Earthquake on economic growth. And we found that the economic recovery of disaster areas relied on the investment of fixed assets. The good condition of economic recovery from 2008 to 2011 was because the post-disaster reconstruction carried out by the country and local governments. One of the reasons of the poor economic recovery of the ‘restoration disaster areas after 2011 was that these areas were heavily in debt during the reconstruction process， resulting in insufficient investment in the later stage， and the economic recovery of the disaster areas with good employment rate and human capital would be better. Therefore， the government should consider both reducing short-term disaster losses and lon-term economic losses when formulating post-disaster policies. The local government should use the reconstruction funds reasonably， turning the reconstruction into an opportunity， realizing the strategic transformation of enterprises and industrial optimization and upgrading during the post-disaster reconstruction to minimize disaster losses and achieve stable economic development.

Key words natural disaster; Wenchuan Earthquake; lon-run indirect effect; synthetic control method; recovery