●潘艷艷 張 良
海洋災害是指在一定的時間內,海洋的環境狀況發生突然或者劇烈的變化,導致在海上或海岸發生的危害社會、經濟、環境和生命財產的事件。沿海地區在受益于豐富的海洋資源獲得經濟發展的同時,也經常受到海洋災害的侵擾。常見的海洋災害主要包括風暴潮災害、海冰災害、海浪災害、赤潮等。中國海洋災害公報的統計數據顯示,2008年至2017年,海洋災害造成的直接經濟損失達1142.7億元,平均每年114.27億元。由于在海洋災害損失中,風暴潮災害造成的損失占沿海地區海洋災害損失的比重非常高(往往達到90%以上),對沿海地區經濟增長產生一定的影響。但在遭受相對嚴重的風暴潮災害的幾年時間里,沿海地區的經濟會出現一定程度穩定的增長。因此,風暴潮災害損失與沿海地區經濟增長之間關系并非一般意義上理解的簡單的負向關系,而應該通過一定的統計方法進行檢驗。
從研究范疇來看,災害與經濟增長的關系問題,是災害經濟學研究的范疇。現有成果多從災害損失對經濟增長的影響角度展開研究,主要有三種觀點:第一,災害對經濟增長的影響是負面的。災害造成直接和間接經濟損失,對區域的生產設施、人力資源、自然資源、社會秩序等造成巨大破壞。我國災害經濟學的開山鼻祖于光遠先生,將災害經濟學歸入“消極經濟學”和“負經濟學”范疇之內。第二,災害能夠促進經濟增長。這主要是基于災害對于科技創新的推動、災后重建引致的新的投資與消費需求等角度分析的。Albara-Bertrand(1993)用發展中國家的災害實例,說明災害對經濟增長的促進作用。Aghion和Howitts(1998)基于熊彼特的破壞性創新的內生經濟增長理論解釋了災害能夠促進經濟增長。趙阿興(2003)從商品供求關系、替代品的開發和新消費偏好的培養、防災減災技術成果轉化三個層次分析了災害對社會經濟發展的正面影響和協調作用。第三,災害對經濟增長的影響隨著時間和經濟發展水平的變化而不同。Noy(2009)研究結果表明對于發達國家和發展中國家,災害與經濟增長的關系不同,災害對發達國家沒有顯著的負面影響,對發展中國家則不然。閆緒嫻(2014)實證分析得到當災害損失占GDP比重低于0.0103時,災害損失對經濟增長具有一定的正向促進作用,當災害損失占GDP比重高于0.0103時,災害損失與經濟增長負相關。王妍(2018)基于內生經濟增長視角,測度了海洋災害對海洋經濟增長的影響,結果表明,海洋災害對當年海洋經濟增長有負向影響,對災后第二年海洋經濟增長具有拉動作用,長期呈現負作用。
綜上可知,現有成果多從災害損失對經濟增長的影響角度展開研究,關于經濟增長對災害損失及災害脆弱性的影響,研究成果較少。趙昕等(2010)認為隨著經濟的持續增長,人類抵御災害的能力和防災減災管理水平不斷提高,從而在一定程度上減少或減輕了災害及其危害。另一方面,經濟增長又可能影響或加劇災害的損失,經濟發展的過程中對資源的過度開發、對生態環境的破壞將誘發產生新的災害源,加劇災害鏈效應,隨著經濟增長,財富和人口密度以及產業設施的集聚,使得承災體的易損性加強,加劇了致災度。
因此,本文認為風暴潮災害與經濟增長相互影響,在研究風暴潮災害損失與沿海地區經濟增長的關系時,不能僅從一個方面研究一方對另一方的影響,而應采用動態的視角,研究二者之間的相互關系。鑒于此,本文構建VAR模型,基于沿海地區經濟增長與風暴潮災害損失的相關數據,通過格蘭杰因果檢驗和脈沖響應分析,對沿海地區經濟增長與風暴潮災害損失之間的動態關系進行研究。
本文在現有文獻研究基礎上,按照典型性、科學性、靈活性和數據可得性原則,構建了測算沿海地區風暴潮災害損失指數的指標體系。本文選取了風暴潮災害直接經濟損失、風暴潮災害死亡(失蹤)人數、風暴潮災害導致的海水養殖受災面積、風暴潮災害導致的農作物受災面積作為測算風暴潮災害損失的二級正向指標。同時,本文選取了海水養殖單位面積總產量作為測算風暴潮災害損失的二級負向指標。構建指標體系如表1所示。

表1 沿海地區海洋災害損失指標體系
1.數據來源及標準化處理。本文所使用的數據皆來自1998年至2018年的海洋災害公報和1997年至2017年的中國漁業統計年鑒。由于各項指標存在計量單位跟變量變異程度的差異。為了降低計量單位與變量變異程度對損失測算的影響,對風暴潮災害損失測算的五項指標數據進行標準化處理。二級正、負向指標的標準化處理公式分別為:
(1)指標值=(當期值-各期最小值)/(各期最大值-各期最小值)
(2)指標值=(各期最大值-當期值)/(各期最大值-各期最小值)
2.KMO和巴特利特球度檢驗。本文將采用主成分分析法對風暴潮災害損失進行測度,因此,需要對標準化的數據進行KMO和巴特利特球形度檢驗,以判斷能否采用主成分分析方法。采用SPSS軟件計算得出KMO值為0.656,大于標準值0.5000,并且巴特利特球度檢驗的P值為零,在1%的顯著性水平下,拒絕原假設。由此可知,各項指標相關系數矩陣與單位陣有顯著差異,適合運用主成分分析方法進行沿海地區風暴潮災害損失指數的測算。

表2 KMO和巴特利特球度檢驗結果
3.基于主成分分析法的沿海地區海洋災害損失指數測算。主成分分析法下,本文提取了三個主成分,累計貢獻率為88.228%,滿足主成分的累計貢獻率要大于80%的原則。運用SPSS軟件計算得到1997—2017年沿海地區風暴潮災害損失三大主成分得分。進而加權計算得到1997至2017年沿海地區風暴潮災害損失指數,詳見圖1。

圖1 1997年—2017年沿海地區風暴潮災害損失指數

圖2 1997—2017年沿海地區GDP增長率
對比圖1和圖2(本文選取天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、廣西、海南等沿海省市的國內生產總值數據,計算得到沿海地區經濟增長率)可知,1997—2002年沿海地區經濟增長與風暴潮災害損失的變化方向具有一定的相似性,基本屬于同向變化;2014—2017年海洋災害損失指數不斷下降,而沿海地區經濟增長率不斷上升,二者的變化方向相反。由此可知,在不同的時間區間內,二者的變化方向各有差異。
為了更好地研究沿海地區經濟增長與風暴潮災害損失的動態關系,本文構建沿海地區經濟增長與風暴潮災害損失的VAR模型,采用格蘭杰因果檢驗與脈沖響應分析進一步剖析二者之間的動態時序關系。
基于前文得到的沿海地區經濟增長率和風暴潮災害損失指數,首先進行兩項指標的平穩性檢驗。檢驗結果表明,二者的一階差分序列是平穩的,可以構建VAR模型。用RGDP表示沿海地區經濟增長率,用IML表示風暴潮災害損失指數。本文根據LogL,LR,FPE,AIC,SC,HQ六項指標數值,確定沿海地區經濟增長與海洋災害損失的VAR模型最優滯后階數為1。經檢驗,VAR模型是穩定的(詳見圖3)。

圖3 VAR模型穩定性檢驗結果

圖4 脈沖響應分析圖
基于以上VAR模型,本文進一步對兩個內生變量進行格蘭杰因果關系檢驗,以確定變量之間的因果關系。格蘭杰因果檢驗結果表明,在5%的顯著性水平下,風暴潮災害損失不是沿海地區經濟增長的格蘭杰原因;沿海地區經濟增長是風暴潮災害損失的格蘭杰原因。
為了進一步驗證格蘭杰因果關系得出的初步結論的準確性,本文采取脈沖響應分析,檢驗沿海地區經濟增長與風暴潮災害損失的關系。脈沖響應函數衡量風暴潮災害損失(沿海地區經濟增長率)的變化對另一方的當期和未來的影響狀況,可以展示一定時期內沿海地區經濟增長與風暴潮災害損失的動態關系。脈沖響應分析結果詳見圖4。
由圖4可知,沿海地區經濟增長對風暴潮災害損失的沖擊響應程度相對較弱。在第二期時,沿海地區經濟增長的響應只達到一個很小的峰值,之后迅速下降,持續時間很短,從第三期開始至第十期為止穩定的趨向于零,并且不再明顯的對風暴潮災害損失的擾動性沖擊做出響應。而風暴潮災害損失對沿海地區經濟增長的沖擊立即做出了反應,在第二期達到峰值0.25左右,之后沿海地區經濟增長對風暴潮災害損失的影響緩慢減小,持續性時間較長,到第八期之后才趨于零。
綜上可知,風暴潮災害損失不是影響沿海地區經濟增長的主要原因,雖然風暴潮災害損失對沿海地區經濟增長具有一定的影響,但是影響微弱,并且持續期較短,這一結論進一步印證了格蘭杰因果檢驗的結果。這是由于沿海地區經濟增長受到資本、技術、資源稟賦等多種要素的制約,風暴潮災害對經濟增長的影響相對有限。
而沿海地區經濟增長則是導致風暴潮災害損失加重的原因,而且沿海地區經濟增長對風暴潮災害損失的影響具有持續性。這是由于一方面隨著沿海地區經濟的增長,財富、人口密度以及產業設施的集聚,使得風暴潮災害的風險暴露增加,承災體的脆弱性增強;另一方面沿海地區產業鏈的延伸拓展,使得風暴潮災害鏈效應與沿海產業鏈疊加起來,導致風暴潮災害間接損失有所擴大,持續時間增加。

表3 格蘭杰因果關系檢驗結果
本文運用主成分分析方法測算1997至2017年風暴潮災害損失指數。通過構建沿海地區經濟增長與風暴潮災害損失的VAR模型,進行了格蘭杰因果關系檢驗與脈沖響應分析。結果表明,風暴潮災害損失對沿海地區經濟增長有一定的影響,但影響相對微弱且不具有持續性。而沿海地區經濟增長對風暴潮災害的損失具有較強的持續性的影響。
因此,在推動沿海地區經濟增長的同時,不能忽視其對海洋災害的影響。沿海地區要科學合理地開發利用海洋資源,不斷推進海洋科學技術創新,通過先進的海洋科學技術實現海洋與海岸帶的綜合管理,保護海洋和海岸帶的生態環境,降低非自然因素導致的海洋災害的發生頻率。同時,運用先進的海洋科學技術,提高沿海地區海洋災害的預警預報水平,更好地把握海洋災害的演變發展規律,對一些突發性海洋災害提前預警、及時疏散,對于緩發性的海洋災害則是在現有條件基礎上,不斷完善防災減災的設施水平,做到提前預防,提高承災體的承災能力,降低海洋災害的損失。