"自然灾害-公共卫生"重大突发复合极端事件的经济影响评估: 以郑州"涝疫复合"事件为例

胡艺馨, 杨丽丽, 关大博

计量经济学报 ›› 2022, Vol. 2 ›› Issue (2) : 257-290.

PDF(2016 KB)
PDF(2016 KB)
计量经济学报 ›› 2022, Vol. 2 ›› Issue (2) : 257-290. DOI: 10.12012/CJoE2021-0090
 

"自然灾害-公共卫生"重大突发复合极端事件的经济影响评估: 以郑州"涝疫复合"事件为例

    胡艺馨1,2(), 杨丽丽1(), 关大博3,4,*()
作者信息 +

Assessing the Economic Impact of "Natural Disaster - Public Health" Major Compound Extreme Events: A Case Study of the Compound Event of Floods and COVID Epidemic in Zhengzhou China

    Yixin HU1,2(), Lili YANG1(), Dabo GUAN3,4,*()
Author information +
文章历史 +

摘要

本文通过构建基于投入产出框架的复合灾害经济影响评估模型, 研究了郑州"涝疫复合"突发事件在中国区域间产业链上的经济影响传播足迹及灾后经济恢复力的主要影响因素. 研究结果发现: 1)郑州"涝疫复合"事件的经济影响集中于郑州市内, 其中非金属矿物制品、食品和烟草是遭受间接损失最大且产业链辐射影响力最大的两个行业; 2)郑州洪灾恢复期间伴生的疫情风险使得灾后间接经济损失增加了77%, 并且改变了经济影响的空间和行业分布结构; 3)灾后经济恢复力对路面修复速率、重建效率和消费补贴的变化最敏感, 同时疫情管控会降低洪灾应急措施的边际经济收益. 本文建议复合灾害应对过程中, 政府应兼顾救灾、防疫与经济需求之间的平衡: 一方面依据动态防疫的需求变化审慎推进应急恢复工作; 另一方面, 结合产业结构和储蓄偏好等区域经济特征, 从重建资金和技术角度重点加强对基础产业关键部门灾后恢复的扶持力度, 灵活分配生产救助与消费补贴资金规模, 提振灾后区域经济活性.

Abstract

This paper develops a compound hazard economic impact assessment model under the Input-Output (IO) framework and studies the economic impacts resulting from the compound event of floods and COVID epidemic in Zhengzhou, China. We investigate how such compound shocks propagate through the cross-regional supply chains, as well as the factors that influence economic resilience in the aftermaths. The results indicate that: 1) Most of the economic impacts are found within Zhengzhou with non-metallic mineral products and food and tobacco suffering the largest indirect economic losses. These two sectors also have the strongest propagation effects through the supply chain; 2) The epidemic risks during the post-flood recovery period in Zhengzhou have exacerbated the total indirect economic losses by 77% and reshaped the spatial and sectoral distribution of the economic footprint; 3) The post-disaster economic resilience is most sensitive to factors such as road recovery rate, reconstruction efficiency and consumption subsidies, and COVID control tends to reduce the marginal economic benefits of flood emergency efforts. We suggest that the government should consider the balance between disaster relief, epidemic control and economic recovery in responding to compound hazards: For one thing, the emergency response and reconstruction activities should progress in accordance to the changing requirements of the dynamic epidemic control; for another, taking into account the regional economic characteristics such as industrial structure and saving preference, the recovery of basic industries and key sectors should be given the priority in terms of reconstruction funds and technical support, subsidies for production and consumption should be allocated accordingly and flexibly, so as to boost the regional economy in the disaster aftermath.

关键词

复合灾害风险 / 经济影响 / 投入产出方法 / 灾害恢复力

Key words

compound disaster risk / economic impact / input-output method / post-disaster resilience

引用本文

导出引用
胡艺馨 , 杨丽丽 , 关大博. "自然灾害-公共卫生"重大突发复合极端事件的经济影响评估: 以郑州"涝疫复合"事件为例. 计量经济学报, 2022, 2(2): 257-290 https://doi.org/10.12012/CJoE2021-0090
Yixin HU , Lili YANG , Dabo GUAN. Assessing the Economic Impact of "Natural Disaster - Public Health" Major Compound Extreme Events: A Case Study of the Compound Event of Floods and COVID Epidemic in Zhengzhou China. China Journal of Econometrics, 2022, 2(2): 257-290 https://doi.org/10.12012/CJoE2021-0090

1 引言

2021年对于中国来说是气象灾害多发的一年, 典型事件包括北京沙尘暴、武汉龙卷风、郑州特大暴雨、南方高温热浪、山西极端降水等. 随着气候系统持续变暖, 极端天气事件风险在日益加剧(王彬(2021)). 另一方面, 由于新冠病毒变异加快和境外疫情持续传播, 中国仍然面临疫情"多点发生、局部暴发"的风险. 自然灾害后的伴生性疫情风险对中国城市应急管理造成了较大挑战(赵建琳等(2021)). 例如郑州"720"暴雨洪水后紧接爆发的新冠疫情导致洪灾相关恢复工作暂缓暂停1(图 1). 在"涝疫复合"的复杂局面中, 疫情防控需求增加了防汛救灾工作的难度, 延缓灾后重建与复工复产进程, 并可能伴随额外的经济损失. 随着全球变暖和疫情持续, 此类自然灾害与公共卫生突发事件同时发生的频次将不断增加(Phillips et al. (2020)).
1例如, 洪灾之后郑州地铁空载运行工作因疫情防控需要而暂停, http://henan.sina.com.cn/news/2021-08-05/detail-ikqcfncc1154105.shtml.
图1 郑州"涝疫复合"极端事件概况及时间轴

Full size|PPT slide

灾害性事件的经济影响包括直接和间接两种: 前者指直接受灾的人力和物质资本损毁价值2, 后者则指由直接损失导致的减停产和产业链供求失衡引起的多区域多行业产出或增加值变化(Koks and Thissen (2016)). 尽管直接灾害损失因其直观性而通常受到更多关注, 间接经济影响却刻画了灾害冲击沿时空轴在全国产业链上的传播足迹, 因而是一个更全面的灾害经济影响指标(Avelino and Dall'Erba (2019), Carrera et al. (2015)). 尤其当自然灾害与公共卫生事件复合时, 其间接经济影响的形成机理更为复杂. 此时经济生产不仅面临自然灾害引致资本约束, 而且由于疫情管控而遭受劳动供给限制(Brinca, Duarte and Faria-E-Castro (2021), Guan et al. (2020)). 防疫相关交通运输禁令可能进一步引起生产供应链失衡和行业存货短缺(Ivanov (2020), Nikolopoulos et al. (2021)). 复合灾害冲击下不同部门消费者行为变化也是经济产出波动的原因之一(Cox et al. (2020), Hallegatte (2008)). 事实上在一些国家, 新冠疫情防控措施正在加重与自然灾害相关的社会经济影响(Walton et al. (2021)).
2例如, 伤亡人员的生命健康价值、受灾农作物的市场价值、倒塌房屋的重建价值、受损设备的维修或置换成本等.
除了影响机制的复杂性, 自然灾害与公共卫生复合事件对灾后经济恢复力重塑亦提出不小的挑战. 经济恢复力是指经济系统从灾害损失中恢复的能力, 可用灾后经济恢复期间所累积的间接经济损失定量表征(张正涛等(2018)), 其大小与区域应急管理能力和应急资金投入密切相关(史培军(2005)). 在复合灾害冲击下, 大规模的自然灾害应急和恢复工作, 例如道路清淤、房屋重建、伤病救治等, 可能增加疫情传播风险; 但若考虑防疫需求而降低应急救灾效率, 可能延长灾后恢复时间并造成更多经济损失(Ishiwatari et al. (2020), Salas, Shultz and Solomon (2020)). 另外在资金层面, Mahul and Signer (2020)指出两种灾害风险并存会限制财政政策空间, 增加资金机制不稳定性, 因此需制定更加稳健的应急资金分配利用方案. 灾害应急与疫情防控之间的这些牵制将重构灾后经济恢复能力, 公共治理如何在救灾、防疫和经济目标之间寻求平衡是复合灾害风险管理的主要难题(Kruczkiewicz et al. (2021)).
目前复合灾害相关研究多停留于管理层面的讨论, 而缺乏对其经济影响或恢复力建设的量化评估. 面对日益增加的复合灾害风险及其造成的一系列复杂问题, 有必要发展跨学科多部门的复合风险评估模型, 全面评估复合风险对社会经济的系统性影响, 为灾后重建与恢复政策提供定量化的依据(Phillips et al. (2020)).
因此, 本研究在传统的单一灾害影响评估模型基础上, 同时考虑自然灾害与公共卫生两类事件特征及其交互作用, 从经济冲击沿产业链传播足迹的角度构建复合灾害经济影响评估模型. 本研究将该模型应用于此次郑州"涝疫复合"极端事件, 评估其对郑州、河南乃至全国多区域产业链的直接和间接经济影响, 并讨论不同恢复策略或政策干预因素对灾后经济恢复力的提振效果. 另外, 本研究采用一手实测洪灾数据和中国首张城市级多区域投入产出表, 实现了对复合灾害直接和间接经济损失在中国城市尺度上的首次评估. 接下来, 本文第2部分介绍了复合灾害经济影响评估模型的主要框架和郑州"涝疫复合"极端事件数据来源; 第3部分从区域和行业维度对复合事件的直接和间接经济影响进行分析; 第4部分通过对疫情管控、洪灾恢复、公共政策等特征参数的敏感性分析研究这些因素对灾后经济恢复力的影响; 第5部分总结复合灾害冲击的经济影响传播足迹特征, 从兼顾防疫和经济需求的角度为政府应对复合灾害风险提供定量化的依据和建议.

2 "自然灾害-公共卫生"复合灾害经济影响评估模型

灾害性事件的直接损失核算主要依据受损资产的重建、维修成本和保险赔偿金额等(Gall, Borden and Cutter (2009)), 而间接经济影响评估主要有计量经济模型、投入产出(IO)模型和可计算一般均衡(CGE)模型三种方法(Botzen, Deschenes and Sanders (2019)). 计量经济模型主要被用于考察自然灾害直接或间接损失与宏观经济活动之间的统计联系(杨凌等(2017), 卓志等(2012), Hsiang (2010)), 但是难以反映不同地区或行业间的经济关联与互动. 更多研究仍然采取IO或CGE模型方法, 因其侧重于灾后经济部门间供需关系扰动对经济体的系统性影响(解伟等(2012), 宁思雨等(2020), Okuyama and Santos (2014), Rose et al. (2016)). 然而, 传统IO模型关于生产技术、市场价格和终端需求等的刚性假设使其适用于短期经济分析且可能高估灾害性事件的间接经济影响; 另一方面, CGE模型尽管强调更加灵活的生产需求替代弹性和灾后适应性行为, 却为此引入过多的市场调节参数和复杂假设, 因此适用于长期经济分析且可能低估灾害性事件的间接经济影响(Galbusera and Giannopoulos (2018), Kajitani and Tatano (2018), Koks and Thissen (2016)). Hallegatte (2008), Hallegatte (2014)所构建的适应性区域投入产出(ARIO)模型则较好地融合了上述两模型的优势, 在保持投入产出基本框架的同时考虑了超额生产、存货异质性和需求调整等适应性行为, 被广泛应用于灾害性事件的经济影响评估(张正涛等(2020), Guan et al. (2020), Mendoza-Tinoco et al. (2020), Wu et al. (2012)).
本研究所构建复合灾害经济影响评估模型在ARIO模型框架基础上进行了三点改进: 1)纳入疫情管控对交通物流、劳动通勤等因素的冲击, 将其拓展为"自然灾害-公共卫生"复合事件经济风险评估; 2)增加同类产品在不同区域间相互替代的可能性, 从而更真实地反映灾害冲击在多区域尺度上的经济影响传导机制; 3)考虑灾区居民补贴、重建资金与效率等政策因素对灾后消费和生产适应性行为的影响, 以提升模型的决策辅助价值. 此外, 该模型同时整合了直接和间接损失评估模块, 从而更加全面刻画复合灾害的经济影响. 具体模型框架如图 2所示.值得注意的是, 本模型侧重从经济学角度衡量复合灾害的经济影响, 并未考虑因灾导致的健康影响.
图2 复合灾害经济影响评估模型框架概述

Full size|PPT slide

2.1 直接经济损失测算

洪水造成的直接经济损失通常结合洪水淹没深度、面积等数据和水深-损失曲线来进行估算. 水深-损失曲线描述了在不同洪水淹没深度下对不同建筑物或土地利用类型所造成的单位面积的经济损失. 本研究采用Huizinga, Moel and Szewczyk (2017)开发的水深-损失曲线数据集中关于中国不同土地利用类型的水深-损失曲线, 结合郑州土地利用数据, 在300米分辨率尺度上计算洪水淹没地区农田、居民住宅、商业、工业四种土地利用类型的直接经济损失, 然后按照对应行业资本存量比例进一步将这四类直接损失划分到细分经济行业.

2.2 间接经济影响评估

间接经济影响评估包括三个模块: 1)生产模块刻画经济部门在要素生产力和交通约束下的生产行为, 当生产力不足以满足需求时会启动超额生产能力, 而部门最大生产能力和达到最大生产能力所需时间受到重建资金与效率的影响; 2)分配模块解释经济部门如何在灾后重建、家庭消费和下游生产投入等不同需求之间分配其产品和服务; 3)需求模块描述各类消费者如何根据灾后恢复状况调整自己下一期对不同地区产品和服务的需求. 调整后的需求被迭代进入下一个经济周期并影响下一期供给, 直至各经济部门产出恢复到灾前均衡水平.

2.2.1 生产模块

假设在一个由R×N个经济部门组成的多区域经济体中, RN分别表示不同地区和行业的数目. 假设每个行业都只生产一种与其他行业不同的产品, 但是不同地区相同行业生产同质的产品. 每种产品既可以作为中间投入品供其他经济部门生产使用, 也可以作为终端消费品供各类消费者消费使用. 由于灾后短期内不同生产要素之间难以相互替代, 因此本文采取类似里昂惕夫型生产函数来模拟各经济部门的生产过程(公式(1)), 这也是传统IO模型通常采用的标准生产函数类型(Miller and Blair (2009)).
xir=min{ for all j=1,2,,N,zj,iraj,ir; for all k,vk,irbk,ir},
(1)
其中xir表示经济部门ir (即地区r行业i)的产出水平, 它取决于该部门所拥有的中间投入和增加值要素所能支持的最低产出水平. zj,irvk,ir分别表示部门ir生产过程中所投入的中间产品j和增加值要素k的数量(以货币价值单位表示3), 其中中间产品j可能来自不同地区, 增加值要素主要包括劳动和资本两种. aj,irbk,ir分别为投入系数, 表示地区r生产一单位产品i所需投入的中间产品j和增加值要素k的数量, 可以从刻画灾前均衡经济生产关系的多区域投入产出表中计算获得. 这里假设各经济部门生产技术在灾后短期内保持不变.
3本模型中经济部门产出、投入、增加值和需求等产品数量变量均以货币价值单位表示.
1) 资本生产力约束. 本文同时考虑生产性和住宅性两类资本存量的灾后动态变化. 生产性资本指经济生产部门持有的厂房和机器设备等, 是其生产所需的重要投入要素; 住宅性资本则指家庭部门所持有的房屋住宅等, 尽管不参与经济生产过程, 但是受损住宅的修复重建亦会影响经济恢复的其他部分(见下文). 灾后各期上述两类资本存量的动态变化取决于因洪灾引起的直接损失和上一期完成的资本重建恢复情况(公式(2)和(3)).
Kir(t)=Kir(t1)Kirdam(t)+Kirrec(t1),
(2)
KPh(t)=KPh(t1)KPhdam(t)+KPhrec(t1),
(3)
其中Kir(t)和KPh(t)分别表示第t期初经济部门ir和地区h所拥有的生产性和住宅性资本存量, Kirdam(t)和KPhdam(t)为直接损失测算得到的被洪灾损毁的资本, Kirrec(t1)和KPhrec(t1)则表示上一期重建过程中恢复的新增资本(见公式(23)和(24)).
假设资本与劳动在灾前经济均衡中得到充分利用并且完全互补, 则它们当中任何一个数量减少将引起该部门生产力同比例减少. 因此灾后受资本存量约束的资本生产力xirK(t)为:
xirK(t)=αir(t)×(1γirK(t))×x¯ir,
(4)
其中x¯ir表示经济部门ir的灾前均衡产出水平4. γirK(t)表示第t期初经济部门ir所持有的资本存量相对于灾前水平的变化百分比, 如公式(5)所示. αir(t)表示该部门在第t期由于要素短缺而启动的超额生产能力系数水平, 它的计算参照Hallegatte (2008) (见公式(35)).
4本模型用上横线表示变量的灾前水平.
γirK(t)=K¯irKir(t)K¯ir.
(5)
2) 劳动生产力约束. 它主要来源于各经济部门因洪灾或疫情管控而产生的劳动时间损失. 灾后各期各部门劳动供给较灾前水平的相对变化γirL(t)如下:
γirL(t)=ηi×max{γrL,F(t),γrL,C(t)},
(6)
其中ηi是行业i的劳动影响乘数, 形容区域性洪水或疫情规模对各行业劳动供给的影响程度. 它主要取决于该行业对于远程工作的适配度、对于洪灾疫情的风险暴露度和对于生命线资源供应的保障度这三个基本因素. 具体行业参数设置参照Guan et al. (2020). γrL,F(t)γrL,C(t)分别表示地区r在第t期受洪水和疫情管控影响的人口规模占当地总人口的百分比, 前者取决于初始洪水影响和劳动恢复速率(公式(7)), 后者取决于疫情管控力度5和持续时间(公式(8)).
5地方政府通常采取停工停学、公交停运、社交隔离等多种疫情管控措施, 为便于计算, 本文将疫情管控力度(或严格程度)定义为受管控地区的交通运力因疫情管控而下降的百分比.
γrL,F(t)=γrL,F(trF)×βLttrF×I(ttrF),
(7)
γrL,C(t)=γrZ,C(t),
(8)
其中trF表示地区r发生洪水的时期; I(ttrF)为示性函数, 当ttrF时取值为1, 否则取值为0. γrL,F(trF)为洪水发生时灾区受影响人口的百分比, βL为受洪水影响人口的劳动力恢复速率, 即每过一期受损劳动力的递减比率(0<βL<1). γrZ,C(t)表示第t期地区r的交通运力由于疫情管控而下降的百分比, 被假设用于衡量当期疫情管控力度并对当地劳动力供应产生同比例影响.
最后类似地, 受劳动供给约束的劳动生产力xirL(t)等于:
xirL(t)=αir(t)×(1γirL(t))×x¯ir.
(9)
3) 交通运力约束. 交通运输能力决定了不同地区产品和服务之间的可通达性, 是灾后经济恢复的重要保障, 它既取决于洪灾相关交通基础设施(如道路、桥梁等)的损毁与修复情况, 也受到疫情管控力度与持续时间的影响(公式(10)). 本文用γrZ,F(t)表示地区r在第t期因洪灾而产生的交通运力变化百分比, 主要由交通基设初始损毁比例γrZ,F(trF)与灾后修复速率βZ\linebreak共同决定(公式(11)). 其中, 灾后交通基设的修复速率βZ指每过一期其损失的递减比率.
γrZ(t)=max{γrZ,F(t),γrZ,F(t)},
(10)
γrZ,F(t)=γrZ,F(trF)×βZttrF×I(ttrF).
(11)
4) 存货约束. 部门生产也需要来自其他部门产品的中间投入, 而作为中间投入的存货短缺则会造成部门生产瓶颈. 如果在t1期末经济部门ir所拥有的存货j的数量为Sirj(t1), 则在t期初存货j所能支持的部门ir的潜在产出水平xirj(t)等于:
xirj(t)=Sirj(t1)aj,ir.
(12)
同时考虑资本、劳动和存货约束, 可得部门ir的最大生产能力xirmax(t):
xirmax(t)=min{xirK(t);xirL(t);for all j,xirj(t)}.
(13)
但是, 部门ir的实际产出xira(t)还会受到其产品需求预期的影响(公式(14)). 这里假设经济部门对其产品需求的预期是依据上一期该部门实际接收到的需求订单总量TDir(t1) (见公式(34)).
xira(t)=min{xirmax(t),TDir(t1)}.
(14)
因此, 经济部门ir在第t期生产过程中实际消耗的存货j的数量Sirj,used(t)为:
Sirj,used(t)=aj,ir×xira(t).
(15)

2.2.2 分配模块

分配模块主要刻画经济部门所生产的产品如何在中间投入需求、终端消费需求和资本重建需求之间进行分配. 在"洪涝-疫情"复合灾害的负面冲击下, 经济部门生产力受到资本、劳动等要素短缺的限制, 灾后可能出现产品供不应求的情况. 本文假设灾后部门产品按照"优先-比例"原则进行分配, 即"优先满足下游生产商的中间投入需求, 其次按需求比例将剩余产品分配给其他需求类型" (Zeng et al. (2019)). 分配完成后, 各部门的存货和受损资本均得到一定程度补充或修复, 使其生产力逐渐接近其灾前水平.
首先, 经济部门ir依据公式(16)将其所生产的产品分配给下游部门js (地区s行业j).
FRCjsir(t)={FODjsir(t1)sjFODjsir(t1)×xira(t),if xira(t)<sjFODjsir(t1),FODjsir(t1),if xira(t)sjFODjsir(t1),
(16)
其中, FRCjsir(t)表示第t期经济部门ir将其产品分配给下游部门js的供应量, FODjsir(t1)表示第t1期经济部门js对上游部门ir产品的需求量. 如果部门ir的实际产出不足以满足所有下游部门的中间需求预期, 则该部门将根据各下游部门的预期需求量按比例分配供应其产品.
在优先供应下游部门的中间需求之后, 部门ir的剩余产品数量xirrem(t)等于:
xirrem(t)=xira(t)sjFRCjsir(t).
(17)
部门ir的剩余产品将按终端需求和重建需求的比例再次进行分配, 如公式(17)、(18)和(19)所示.
HRChir(t)=HODhir(t1)hHODhir(t1)+sjRODjsir(t1)+hPODhir(t1)×xirrem(t),
(18)
RRCjsir(t)=RODjsir(t1)hHODhir(t1)+sjRODjsir(t1)+hPODhir(t1)×xirrem(t),
(19)
PRChir(t)=PODhir(t1)hHODhir(t1)+sjRODjsir(t1)+hPODhir(t1)×xirrem(t),
(20)
其中HRChir(t)表示第t期部门ir将其剩余产品分配给地区h以供消费的数量, HODhir(t1)表示第t1期地区h消费者对部门ir产品的需求量. 本文同时考虑生产性和住宅性两类资本的重建需求. RRCjsir(t)和RODjsir(t1)分别表示部门js为恢复其生产性资本从部门ir处得到的实际投入和上一期对部门ir产品的需求, PRChir(t)和PODhir(t1)则分别表示地区h为恢复其家庭住宅资本从部门ir处得到的实际投入和上一期对部门ir产品的需求.
下游部门js获得来自所有地区行业i的产品供应后, 其存货将得到相应补充(公式(21)). 因此, 在第t期末部门js关于中间产品i的存货量如公式(22)所示.
Sjsi,restored(t)=rFRCjsir(t),
(21)
Sjsi(t)=Sjsi(t1)Sjsi,used(t)+Sjsi,restored(t).
(22)
另一方面, 部门js亦从各个地区获得其生产性资本重建所需的产品和服务. 结合多区域投入产出表中的资本形成矩阵, 可以得到地区s的资本形成投入系数dsi, 即当地形成一单位新资本需要产品i的投入. 假设地区s的不同行业具备相同的资本形成技术6, 则在第t期末部门js的生产性资本恢复量Kjsrec(t)为:
6因为多区域投入产出表中的资本形成矩阵仅在地区层面, 无法得到具体行业的资本形成投入系数, 故有此假设.
Kjsrec(t)=min{ for all i,rRRCjsir(t)dsi}.
(23)
类似地, 地区h的住宅性资本恢复量KPhrec(t)等于:
KPhrec(t)=min{ for all i,rPRChir(t)dhi}.
(24)

2.2.3 需求模块

需求模块描述生产部门和终端消费者如何依据经济恢复情况在各期末调整并提出自己对不同地区产品和服务的需求.
1) 中间投入需求. 假设经济部门js希望持有中间投入品i的目标存货水平Sjsi,G能满足其维持灾前产出水平既定期数njsi所需的消耗(公式(25)). 为达到这一目标存货水平, 部门js将结合当期自身实际拥有的存货水平、各地运输能力和各部门生产能力来调整其对其他部门中间产品的需求(公式(26)).
Sjsi,G=njsi×ai,js×x¯js,
(25)
FODjsir(t)=(Sjsi,GSjsi(t))×FOD¯jsir×(1γrZ(t))×xira(t)rFOD¯jsir×(1γrz(t))×xira(t)×I(Sjsi,G>Sjsi(t)),
(26)
其中FOD¯jsir表示部门js对部门ir中间产品的灾前需求水平; I(Sjsi,G>Sjsi(t))为示性函数, 当Sjsi,G>Sjsi(t)时, 取值为1, 否则取值为0. 这里考虑了由区际替代效应引起的需求再分配过程, 当某个部门生产能力下降或所在地区交通运输受阻时, 其他部门将减少对它的需求并用其他地区相同部门产品进行替代.
2) 终端消费需求. 假设直接受灾地区居民收到一笔来自公共财政或社会捐赠的补贴金, 能够部分负担灾后新增的房屋修缮或重建成本, 则其灾后对各部门产品和服务的消费需求为:
HDh0ir(t)=HD¯h0ir+HD¯h0irriHD¯h0ir×t=1tβC(tt)×(1βC)×(SUBh0(t)RECh0(t)),
(27)
其中h0指代直接受灾地区(即郑州市), HDh0ir(t)HD¯h0ir分别表示灾区居民对经济部门ir产品的第t期和灾前消费需求. SUBh0(t)RECh0(t)表示灾区居民在第t期收到补贴金SUBh0(t)和支付房屋修缮重建费用RECh0(t)后的可支配收入变化. 由于存在跨期消费或储蓄偏好, 某一期收入变化将同时作用于即期和未来各期消费, 假设该影响以βC的速率等比递减(0<βC<1), 则之后各期当地居民对部门ir产品或服务的消费需求变化如等式右边第二项所示. 这里, 房屋修缮重建费用RECh0(t)的计算公式如下:
RECh0(t)=idh0i×KPh0rec(t).
(28)
另一方面, 假设其他(非直接受灾)地区居民亦会根据灾区受损程度和疫情管控因素来调整其对灾区餐饮住宿、观光旅游等服务的消费需求, 具体过程参照Guan et al. (2020).
因此, 灾后各期地区h对经济部门ir产品的消费需求为:
HODhir(t)=rHDhir(t)×HOD¯hir×(1γrZ(t))×xira(t)rHOD¯hir×(1γrZ(t))×xira(t),
(29)
其中等式右边第一项为灾后地区h对所有地区产品i的消费需求之和, 第二项则反映了灾后需求基于各地运输能力和各部门生产能力差异而做出的替代性调整.
3) 资本重建需求. 假设灾后各生产和家庭部门希望恢复其资本存量至灾前水平, 则第t期生产部门js和地区h用于生产性和住宅性资本重建所需产品i的数量, 即RDjsi(t)和RDPhi(t)分别为:
RDjsi(t)=(K¯jsKjs(t))×dsi,
(30)
RDPhi(t)=(KP¯hKPh(t))×dhi.
(31)
类似地, 可得上述两类资本重建过程中对于各地区各行业产品和服务的需求分别为:
RODjsir(t)=RDjsi(t)×dsir×(1γrZ(t))×xira(t)rdsir×(1γrZ(t))×xira(t),
(32)
PODhir(t)=RDPhi(t)×dhir×(1γrZ(t))×xira(t)rdhir×(1γrZ(t))×xira(t).
(33)
加总中间投入、最终消费和资本重建需求, 经济部门ir在第t期所面临总需求等于:
TDir(t)=sj(FODjsir(t)+RODjsir(t))+h(HODhir(t)+PODhir(t)).
(34)
4) 超额生产能力调整. 假设某一期经济部门ir的最大生产力不足以满足其所面临的总需求, 则该部门会通过调整超额生产能力系数αir (见公式(4))来提高其下一期生产力7, 具体过程如下:
7例如, 通过调度闲置机器设备、延长机器运转时间、延长工作时间等方式来实现超额生产能力.
αir(t+1)=αir(t)+αirmaxα¯irτα×TDir(t)xirmax(t)x¯ir,
(35)
其中αirmax为灾后经济部门所能达到的最大生产能力系数, 通过增加重建资金可以提高受灾部门的生产能力上限. α¯ir为灾前经济部门超额生产能力水平, 这里假设为1. τα为经济部门达到最大生产能力所需的调整时间, 与资金的重建效率成反比关系, 因此单位时间内超额生产能力的变动幅度为αirmaxα¯irτα.等式的最后一项则决定了超额生产能力的调整方向: 当TDir(t)xirmax(t)x¯ir>0时, 该部门逐渐提高其超额生产能力; 当TDir(t)xirmax(t)x¯ir<0时, 则降低其超额生产能力.

2.2.4 直接和间接经济影响

"洪涝-疫情"复合灾害发生后, 经济系统内各部门在每一期依次经历上述生产、分配和需求环节的循环, 直至经济总供给与总需求恢复到灾前均衡水平. 本文将直接经济影响定义为因灾导致的各部门物质资本损失的货币价值之和, 如下所示:
DEF=rit(Kirdam(t)+KPrdam(t)).
(36)
各部门直接经济损失不仅影响自身产出水平, 而且通过本模型所描述的区域间产业链传导机制随时间扩散至其他未直接受灾的部门, 在经济网络中产生一系列间接经济影响. 本文将间接经济影响定义为灾后恢复期内各部门经济增加值的累计波动之和, 如下所示:
IEF=rit(VA¯irVAir(t)),
(37)
其中VA¯ir和VAir(t)分别表示部门ir的灾前和第t期增加值水平, 等于部门总产出减去中间投入价值:
VAir(t)=xira(t)sjajs,ir×xira(t).
(38)
这里, 灾后恢复期是指自第一起灾害发生后各部门经济增加值恢复至灾前水平所需时间. 因此本文对复合灾害经济影响的评估涵盖整个灾后恢复期. 本模型考虑了经济恢复期间因灾后重建和消费补贴而产生的新增需求以及因生产力不足而调动的超额生产能力, 这在一定程度上能够弥补部分经济损失, 但在各部门自身生产力完全恢复之前这种刺激作用仍然有限. 本文并未考虑经济全面恢复之后可能出现的其他"报复性"生产和消费行为, 尽管这些行为能够进一步弥补之前的灾害损失, 但它们不在本文的研究范围内.

2.3 数据来源和参数设置

2.3.1 数据来源

1) 灾情疫情数据. 一方面, 郑州"720"洪水淹没深度和面积等灾情数据来自郑州大学"水灾害行动小组"灾后开展的线上线下相结合的数据搜集项目8. 数据类型包括灾后现场实地测量与走访数据、问卷调查数据、网络爬虫数据三类. ①灾后现场实地测量与走访数据: 采用GPS定位工具, 对"水痕"和灾情记录的照片进行定位, 并实地测量808个最大淹没水位点信息. ②问卷调查数据: 采用线上问卷和公众号征集的方式, 征集暴雨期间郑州市区内发生的洪涝灾情位置信息、淹没时间和范围、以及最高水位描述信息与量化的水深数据等, 回收有效问卷近500份, 公众号投稿信息近50条. ③网络爬虫数据: 采用网络爬虫工具从微博等社交媒体平台搜集到10000余条灾情信息, 包括淹没位置、时间、淹没范围、水深, 以及地上建筑坍塌和地面塌陷位置等, 并结合线上调查问卷与实地走访情况对网络爬虫数据进行校验, 通过清洗与处理获取带有准确时间属性的400余条有效信息. 另一方面, 结合网络、新闻等渠道发布的疫情相关信息, 本轮郑州疫情的持续时间约为4周(2021年7月31日至8月28日), 期间采取了全市小区闭环管理、客运班线暂停、餐饮场所停业等一系列管控措施, 对交通运输和劳动通勤造成不小影响9.
8具体数据信息请参阅微信公众号"郑大水灾害行动组" 2021年8月31日发布的文章《中英高校合作完成"720"暴雨全过程模拟》, https://mp.weixin.qq.com/s/5VY04fbD3VCynSantxtABg.
9资料来源: http://henan.people.com.cn/n2/2021/0806/c351638-34856245.html.
2) 社会经济数据. 直接经济损失测算用到的郑州市土地利用数据来源于ESA CCI土地利用数据库(ESA (2017)), 并结合2019年《中国城市建设统计年鉴》中郑州市数据进行校正(中国住建部(2019)). 在间接经济损失评估部分, 基于清华大学CEADs团队最新发布的2015年中国城市尺度多区域投入产出表中所刻画的中国城市间经济部门生产供应关系(Zheng et al. (2021)), 本文将中国经济划分为48个地区(18个河南省地级市和30个其它省份地区(未包含港澳台地区))和26个行业(见表 1).和其它一般均衡模型类似, 本文假设各生产部门在灾前均衡状态下所拥有的资本存量水平大约是其年增加值的4倍(Hallegatte (2008), Wang et al. (2021)). 家庭部门资本存量则参照郑州市居住用地与工商业用地面积比例设置. 相关GDP和人口数据分别来自于世界银行WDI数据库(World Bank (2021))和郑州市第七次全国人口普查公报(郑州市统计局(2021)). 本文关于灾后区域经济产出动态的模拟是以周为时间单位, 而所用投入产出表反映的是中国2015年区域行业间经济流量水平. 为弥补两者在时间周期上的差异, 本文参照Yin et al. (2021)的方法, 基于2020年中国GDP相对于2015年的增长比例对投入产出表进行同比例放大, 并除以一年周数(即52周)以获得各周部门间经济流量的平均水平.
表1 26个行业列表
行业列表
农产品
矿采选产品
食品和烟草
纺织品
木材加工品和家具
造纸印刷和文教体育用品
石油、炼焦产品和核燃料加工品
化学产品
非金属矿物制品
金属冶炼、压延加工品及其制品
通用和专用设备
交通运输设备
电器机械和器材
通信设备、计算机和其他电子设备
其他制造产品
水电气生产和供应
建筑
交通运输、仓储和邮政
批发和零售
住宿和餐饮
信息传输、软件和信息技术服务
金融
房地产
租赁和商务服务
科学研究和技术服务
其他服务

2.3.2 参数设置

本文构建的复合灾害经济影响评估模型所需参数主要由多区域投入产出表内生, 其他关键外生参数如表 2所示. 其中最大超额生产能力及调整时间相关参数的取值参照张正涛等(2020)的研究. 通过政府网站、红十字会网站和新闻报道等多个渠道整理得到针对郑州"720"洪水的社会捐助资金约达30亿元, 郑州财政累计拨付资金33.4亿元, 其中约52%用于行业生产恢复和重建, 其它则用于居民房屋修缮和生活补贴. 一方面, 生产重建资金按照郑州各部门灾前GDP水平在部门之间进行分配, 并结合重建效率(即达到最大超额生产能力所需调整时间τα=16)计算这笔资金相当于各部门GDP的百分比, 进而得到郑州市各部门灾后超额生产能力的增加幅度. 本文假设基准超额生产能力为101%, 而重建资金投入约占郑州市16周GDP的1%, 因此郑州市各部门灾后最大超额生产能力αirmax为102%. 另一方面, 消费补贴资金对于灾害损失减缓的作用则依据公式(27)计算. 存货模块所需参数的取值参照Hallegatte (2014)的研究. 洪灾过后交通基设和劳动力恢复速率、疫情期间交通管控力度和持续时间等参数取值则通过新闻报道、实地调研等多个渠道获取.
表2 复合灾害经济影响评估模型参数设置
参数 参数描述 取值
α¯ir 灾前生产能力 100%
αirmax 灾后最大超额生产能力 郑州102%,
其他地区101%
τα 灾后生产能力提高到最大值所需时间 16周
njsi 满足正常生产所需存货目标 4周
βL 受洪水影响的劳动力恢复速率: 劳动损失随时间递减比率 0.5
βZ 受洪水影响的交通基设恢复速率: 交通基设损失随时间递减比率 0.7
γrZ,C 疫情管控严格程度/力度: 受控地区交通运力因疫情管控而下降的百分比 30%
βC 跨期消费偏好: 收入变化对消费的影响随时间递减比率 0.5
此外, 为更好地突出复合灾害对受灾地区及其周边地区的经济影响, 本文假设洪水和疫情均仅在郑州市发生. 虽然同时期河南省其他地区和全国其他省份部分地区(如南京、张家界等)也受到洪涝灾害或疫情爆发的影响, 但郑州是唯一同时受到两种灾害冲击的地区, 因此研究郑州"涝疫"复合灾害对全国经济的影响更具有典型性.

3 郑州"涝疫复合"极端事件的直接和间接经济影响

3.1 总体经济影响及空间溢出效应

利用本文构建的复合灾害经济影响评估模型, 可以评估郑州"涝疫复合"极端事件的经济影响及其空间溢出效应(见表 3). 此次复合灾害总共造成经济损失1317.14亿元, 相当于中国2020年GDP的0.13%. 其中, 直接经济损失达到666.03亿元, 相当于郑州市2020年GDP的6.17%.本模型关于直接经济损失的评估结合了洪水淹没深度、范围和郑州城市土地利用等数据, 略高于郑州市政府于2021年8月2日第十场新闻发布会上所公布的直接经济损失(532亿元)10, 误差约为25%, 处于较为合理的水平. 间接经济损失中与洪水相关的部分为367.95亿元, 其中65.63%发生在郑州市市内, 19.40%和14.97%分别溢出到河南省其他城市和全国其他省市. 约一周后紧接发生的郑州疫情对尚未从洪灾中完全恢复的郑州经济造成进一步影响. 针对疫情的管控措施降低了人员、货物等的交通运输效率, 使得洪灾过后经济恢复期从18周延长到19周(见图 3A). 伴随这一时间成本, 疫情控制措施还造成了几乎与洪水影响相当的额外间接经济成本(283.16亿元), 并且接近30%随空间经济关联溢出到郑州市外的其他地区. 最终, 本轮疫情干预造成此次复合灾害的间接/直接损失比从0.55上升到0.98, 表明每100元直接经济损失不仅产生55元的洪水相关间接经济损失, 还将由于疫情管控而额外产生43元的间接经济损失. 换句话说, 郑州洪水恢复期间伴生的疫情管控使得灾后间接经济损失增加了77%. 在疫情防控常态化的当前阶段, 对复合极端事件的经济影响评估不仅需要考虑自然灾害本身的间接经济影响, 疫情防控带来的额外经济影响亦不容忽视.
10数据来源: http://news.cnr.cn/native/city/20210802/t20210802_525550674.shtml (2021-08–02).
表3 郑州市、河南省(除郑州市外)和全国(除河南省外)因复合灾害遭受的经济损失
地区 直接经济损失/亿元 间接经济损失/亿元 总体经济损失/亿元 相对去年当地GDP水平/%
洪水相关 疫情新增
郑州市 666.03 241.49 201.91 1109.43 10.28%
河南省(除郑州市外) - 71.37 50.40 121.77 0.29%
全国(除河南省外) - 55.09 30.85 85.95 0.01%
合计(全国) 666.03 367.95 283.16 1317.14 0.13%
注: 各地区GDP参照当地2020年水平.
图3 涝疫复合与洪涝单一灾害恢复期间全国及代表性地区各周GDP相较于灾前水平

Full size|PPT slide

表 4列出了此次复合灾害间接经济损失的空间分布情况, 约有32%的间接损失发生于除郑州市外的其他地区, 其中又有59%集中于河南省内. 在河南省内, 南阳、驻马店和平顶山的间接损失绝对值和相对值均排名靠前, 表明郑州市对这三个城市存在较强的经济影响力和辐射力. 在除河南省外的全国其他省市中, 江苏和山东遭受绝对损失最大而相对损失较小, 表明郑州市与这两个省份之间存在较为密切的经济联系, 但是后者由于自身较高的经济韧性而并未受到较大影响; 与此相反, 海南和甘肃则是相对损失较大而绝对损失较小的两个省份, 表明这两个省份虽然与郑州市的经济联系较少, 但由于自身经济韧性不足反而遭受较大冲击.
表4 全国各地区因复合灾害遭受的间接经济损失
地区 间接经济损失/亿元 相对去年当地GDP水平/% 疫情因素解释力*/% 地区 间接经济损失/亿元 相对去年当地GDP水平/% 疫情因素解释力/%
郑州 443.40 4.11% 45.54% 辽宁 3.69 0.01% 35.21%
南阳 13.05 0.33% 41.74% 浙江 3.57 0.01% 37.50%
洛阳 10.98 0.22% 44.57% 广东 3.11 0.00% 29.93%
周口 9.28 0.30% 37.73% 吉林 2.92 0.01% 32.65%
新乡 8.55 0.30% 42.05% 安徽 2.80 0.01% 34.10%
信阳 8.54 0.31% 37.04% 上海 2.58 0.01% 44.76%
驻马店 8.48 0.35% 38.72% 四川 2.55 0.01% 24.39%
平顶山 8.35 0.44% 44.46% 江西 2.45 0.01% 36.35%
许昌 8.33 0.27% 44.65% 山西 2.43 0.01% 42.78%
江苏 7.45 0.01% 29.32% 广西 2.34 0.01% 34.83%
开封 7.11 0.30% 37.18% 新疆 2.28 0.02% 39.03%
商丘 6.89 0.26% 38.15% 云南 2.12 0.01% 32.50%
濮阳 6.60 0.33% 41.44% 鹤壁 2.07 0.21% 39.41%
焦作 6.36 0.23% 42.73% 贵州 2.07 0.01% 34.61%
安阳 6.32 0.27% 42.94% 北京 2.03 0.01% 42.19%
山东 6.04 0.01% 38.81% 天津 1.87 0.01% 44.18%
三门峡 5.29 0.30% 50.56% 济源 1.80 0.27% 47.70%
内蒙古 4.98 0.02% 44.59% 甘肃 1.65 0.02% 42.03%
陕西 4.97 0.02% 43.60% 湖北 1.48 0.00% 22.66%
河北 4.75 0.01% 36.47% 海南 1.15 0.02% 37.85%
福建 4.73 0.01% 33.04% 重庆 0.86 0.00% 39.11%
黑龙江 4.18 0.02% 33.19% 宁夏 0.57 0.01% 41.85%
漯河 3.77 0.27% 34.30% 青海 0.48 0.01% 45.69%
湖南 3.77 0.01% 26.17% 西藏 0.10 0.01% 43.11%
注: *表示由于疫情管控而额外造成的间接损失占总体间接损失的百分比.
图 3B~D表 4也列出了不同地区受郑州疫情管控的叠加影响, 发现河南省的三门峡与济源市以及青海省由于郑州疫情管控而额外导致的间接经济损失占比最大, 均超过45%.这意味着这三个地区相比其他地区更容易受到郑州疫情管控的影响, 其所遭受的间接经济损失随着郑州实施疫情管控而出现较大幅度增加. 相较而言, 大部分河南省外其他省份受疫情因素影响较小, 其中湖北和四川省疫情相关损失占比最小, 均低于25%.

3.2 沿生产供应链的行业扩散效应

3.2.1 郑州市遭受经济损失的行业分布

郑州市在此次"洪涝-疫情"复合极端事件中所遭受的直接经济损失的行业分布较为集中(见表 5). 房地产行业的直接损失金额最大, 为191.46亿元, 占郑州市总体直接损失的29%, 相当于去年该行业增加值的23%. 其次为交通运输、仓储和邮政(39.28亿元)及其他服务(39.04亿元), 分别约占总体直接损失的6%. 而间接经济损失的行业分布则较为分散, 主要分布于非金属矿物制品(56.03亿元)、食品和烟草(44.96亿元)及交通运输、仓储和邮政(44.76亿元)这三个行业, 分别占郑州市总体间接损失的13%、10%和10%. 这验证了复合灾害的直接冲击在郑州市内不同行业间存在较强的扩散效应. 综合考虑行业损失的绝对金额和相对水平, 受此次复合灾害事件影响最大的行业集中于郑州市第三产业, 尤其是房地产和交通运输、仓储和邮政, 其次是第二产业的非金属矿物制品, 因此对这些行业的灾后恢复过程应予以重点关注.
表5 郑州市各行业因复合灾害遭受的直接和间接经济损失分布
行业 直接损失/亿元 间接损失/亿元 损失合计/亿元 相对去年行业增加值/%
洪水相关 疫情新增
农产品 0.05 9.43 5.81 15.29 6.20%
矿采选产品 4.07 9.94 6.78 20.79 8.56%
食品和烟草 13.05 23.63 21.33 58.00 9.03%
纺织品 1.63 2.21 1.77 5.60 7.32%
木材加工品和家具 0.57 0.26 0.81 1.64 5.11%
造纸印刷和文教体育用品 5.04 3.01 4.00 12.06 9.75%
石油、炼焦产品和核燃料加工品 0.10 0.21 0.20 0.51 9.22%
化学产品 7.65 6.58 7.95 22.17 9.80%
非金属矿物制品 25.63 25.14 30.89 81.66 8.33%
金属冶炼、压延加工品及其制品 13.09 8.22 11.97 33.28 9.20%
通用和专用设备 8.56 3.30 10.70 22.56 5.32%
交通运输设备 8.13 2.54 8.00 18.67 5.89%
电器机械和器材 0.72 0.51 1.49 2.71 4.59%
通信设备、计算机和其他电子设备 12.34 6.18 11.44 29.96 6.45%
其他制造产品 0.35 0.12 0.45 0.92 5.16%
水电气生产和供应 25.53 8.79 5.24 39.56 17.66%
建筑 9.41 4.80 0.82 15.03 2.23%
交通运输、仓储和邮政 39.28 26.05 18.71 84.04 13.00%
批发和零售 15.83 17.30 9.30 42.44 4.86%
住宿和餐饮 5.23 7.69 7.73 20.65 7.94%
信息传输、软件和信息技术服务 31.97 4.58 0.63 37.19 18.61%
金融 18.82 27.24 11.24 57.30 4.28%
房地产 191.46 9.32 6.70 207.48 25.04%
租赁和商务服务 9.98 3.81 2.49 16.28 8.29%
科学研究和技术服务 9.02 2.05 0.23 11.29 6.25%
其他服务 39.04 28.58 15.23 82.85 7.23%
居民住宅 169.49 - - 169.49 -
注: 住宅资本损毁计入居民住宅部门的直接损失, 该部门不参与生产过程, 因而不存在间接损失.
值得注意的是, 在这次郑州洪灾中, 因通信基础设施受损而导致的通信中断问题备受关注, 多处基站、光缆等设施因机房被淹、设备进水、道路塌陷等原因而发生严重损毁或中断11. 反映在表 5中, "信息传输、软件和信息技术服务"行业的直接损失达到31.97亿元, 甚至超过"水电气生产和供应"行业. 这两个行业均属于资本密集型行业, 面对强降雨引发的洪涝灾害具有较大的脆弱性, 未来应注重加强这些行业基础设施应对极端天气事件的韧性能力建设.
11资料来源: http://henan.china.com.cn/finance/2021-07/24/content_41626309.htm.

3.2.2 河南省(除郑州市外)地区遭受经济损失的行业分布

受郑州"洪涝-疫情"复合极端事件的负面影响, 河南省(除郑州市外)其他地区的农产品、其他服务和金融行业遭受的经济损失金额最大, 分别为27.60亿元、19.08亿元和11.08亿元(见表 6). 但是, 相对于各行业去年增加值水平, 遭受相对损失最大的前三个行业分别为石油、炼焦产品和核燃料加工品(1.03%)、住宿和餐饮(0.82%)及矿采选产品(0.60%). 值得注意的是, 由于存在重建需求刺激、超额生产能力和跨区替代效应, 某些行业(主要为建筑、通用和专用设备及交通运输设备等资本品行业)的部分生产活动从郑州市转移至河南省其他城市, 导致河南省(除郑州市外)地区的这些行业增加值不降反增, 即产生了正向的经济收益(或"负损失").
表6 河南省(除郑州市外)各行业因复合灾害遭受的经济损失分布
行业 间接损失/亿元 损失合计/亿元 相对去年行业增加值/%
洪水相关 疫情新增
农产品 18.14 9.46 27.60 0.44%
矿采选产品 5.01 5.44 10.45 0.60%
食品和烟草 6.12 1.93 8.05 0.34%
纺织品 2.59 1.98 4.57 0.28%
木材加工品和家具 0.03 0.00 0.03 0.01%
造纸印刷和文教体育用品 1.27 1.18 2.44 0.42%
石油、炼焦产品和核燃料加工品 2.06 1.84 3.90 1.03%
化学产品 4.37 3.22 7.59 0.40%
非金属矿物制品 2.08 2.54 4.62 0.26%
金属冶炼、压延加工品及其制品 1.19 1.88 3.07 0.15%
通用和专用设备 0.32 0.01 0.31 0.02%
交通运输设备 0.23 0.01 0.22 0.03%
电器机械和器材 0.08 0.01 0.07 0.01%
通信设备、计算机和其他电子设备 0.17 0.03 0.21 0.08%
其他制造产品 0.18 0.20 0.38 0.21%
水电气生产和供应 0.92 0.93 1.85 0.40%
建筑 0.68 0.06 0.62 0.02%
交通运输、仓储和邮政 1.64 2.64 4.28 0.23%
批发和零售 0.11 0.38 0.50 0.02%
住宿和餐饮 4.13 3.44 7.57 0.82%
信息传输、软件和信息技术服务 0.01 0.60 0.58 0.09%
金融 6.49 4.59 11.08 0.55%
房地产 1.62 1.11 2.73 0.12%
租赁和商务服务 1.39 1.14 2.53 0.48%
科学研究和技术服务 0.06 0.00 0.06 0.02%
其他服务 13.31 5.77 19.08 0.38%
注: 本文未考虑除郑州市外其他地区发生的洪涝和疫情灾害, 因此其他地区因复合灾害遭受的经济损失均为间接经济损失. 负值表示由于跨区替代效应而产生的正向经济收益或行业增加值的增加.

3.2.3 全国(除河南省外)地区遭受经济损失的行业分布

在全国(除河南省外)其他30省直辖市地区共计780个地区-行业部门中, 有13个地区的农产品行业遭受经济损失排名前30 (见表 7). 其中黑龙江、河北、湖南和广西四省的农产品行业损失超过1亿元, 分别相当于其去年行业增加值的0.04%、0.03%、0.03%和0.03%. 在绝对损失排名前30的经济部门中, 有7个部门的相对损失(相对于去年行业增加值而言)亦排在前30位(超过0.05%), 分别是福建-其他服务、陕西-矿采选产品、内蒙古-矿采选产品、陕西-石油、炼焦产品和核燃料加工品、浙江-住宿和餐饮、海南-农产品以及天津-矿采选产品.
表7 全国(除河南省外)因复合灾害遭受经济损失最大的前30个地区-行业部门
排名 地区-行业 间接损失 相对去年/亿元 排名变化a行业增加值/% 疫情因素解释力b/%
1 江苏-化学产品 1.88 0.02% 2 37.82%
2 福建-其他服务* 1.75 0.05% 1 30.58%
3 黑龙江-农产品 1.68 0.04% 1 29.04%
4 陕西-矿采选产品* 1.63 0.05% 4 49.94%
5 河北-农产品 1.57 0.03% 1 26.87%
6 湖南-农产品 1.34 0.03% - 24.95%
7 江苏-其他服务 1.29 0.01% 2 19.79%
8 内蒙古-矿采选产品* 1.28 0.05% 7 52.36%
9 福建-纺织品 1.23 0.04% 2 32.87%
10 山东-化学产品 1.21 0.02% 2 42.85%
11 广西-农产品 1.08 0.03% 2 27.22%
12 辽宁-农产品 0.99 0.03% 1 25.64%
13 陕西-农产品 0.96 0.04% - 28.55%
14 江苏-农产品 0.93 0.02% 4 20.71%
15 新疆-农产品 0.85 0.04% 1 30.23%
16 浙江-其他服务 0.82 0.01% 2 22.83%
17 陕西-石油、炼焦产品和核燃料加工品* 0.82 0.08% 17 47.49%
18 江苏-纺织品 0.81 0.02% - 32.57%
19 内蒙古-农产品 0.81 0.03% - 32.23%
20 江苏-金融 0.76 0.01% 3 25.65%
21 山东-其他服务 0.74 0.01% - 29.92%
22 吉林-农产品 0.74 0.03% 2 27.65%
23 上海-金融 0.71 0.01% 8 38.64%
24 贵州-农产品 0.71 0.03% - 27.95%
25 湖南-其他服务 0.67 0.01% 2 23.05%
26 辽宁-其他服务 0.64 0.01% - 24.28%
27 浙江-住宿和餐饮* 0.64 0.06% 10 41.82%
28 海南-农产品* 0.63 0.05% 5 31.60%
29 安徽-农产品 0.61 0.02% 4 19.46%
30 天津-矿采选产品* 0.61 0.05% 29 55.03%
注: *表示该部门的相对损失(相对于去年行业增加值而言)亦在所有部门中排名前30, a表示相对于单一洪涝冲击下间接损失最大的部门排名变化, b表示由于疫情管控而导致的额外间接损失占该部门总体间接损失的百分比.
考虑疫情管控的复合影响, 发现大部分地区的农产品行业受郑州疫情干预的影响较小, 其损失排名在复合灾害中出现小幅下降; 而第二产业中的矿采选产品、化学产品、石油、炼焦产品和核燃料加工品以及第三产业的住宿和餐饮行业受郑州疫情干预的影响较大, 其损失排名在复合灾害中出现较大幅度上升. 疫情干预的这一行业影响特征在郑州市和河南省(除郑州市外)地区亦有所体现(见表 5表 6), 即农产品、建筑、部分服务业(如科学研究和技术服务、其他服务等)受疫情干预的影响较小(疫情因素解释力均小于40%), 而矿采选产品、大部分加工制造品和部分服务业(如住宿和餐饮、交通运输、仓储和邮政等)受疫情干预的影响较大(疫情因素解释力均大于40%).

3.2.4 地区-行业间生产供应关系流量损失

在全国1248个地区-行业之间共有1301108条生产供应关系, 其中遭受此次复合灾害冲击较大的生产供应关系主要集中于河南省特别是郑州市内第二产业中的基础行业部门; 上游部门多集中于郑州市内, 而下游部门则更分散在全国各地(见表 8). 具体而言, 从"郑州-矿采选产品" 到"郑州-水电气生产和供应"的中间贸易流量损失最大, 达到23.68亿元, 相当于去年全年水平的7.02%. 在损失排名前30的生产供应关系中, 可以提炼出受复合灾害冲击较大的两张生产供应网络(见图 4图 5): 一张起源于"郑州-矿采选产品"部门, 涉及经济流量损失161.96亿元, 其中流经"郑州-非金属矿物制品"部门的流量损失占65.06%, 是该网络中最重要的节点部门; 另一张起源于"郑州-农产品"部门, 涉及经济流量损失29.30亿元, 其中"郑州-食品和烟草"部门相关流量损失占81.21%, 是该网络中最重要的节点部门. 值得注意的是, 从"郑州-矿采选产品"到"郑州-非金属矿物制品"这条生产供应关系撬动了超过其自身16倍的中间贸易流量损失, 体现出其在经济恢复中资源传输的核心战略地位, 因此有必要优先及时恢复该条生产供应关系以保障灾后河南省乃至全国经济系统的正常运行.
表8 全国生产网络中受复合灾害冲击最大的前30条生产供应关系
排名 地区-行业间生产供应关系 经济流量损失/亿元 相对值a/% 排名变化b 疫情因素解释力c/%
1 "郑州-矿采选产品", "郑州-水电气生产和供应" 23.68 7.02% - 34.22%
2 "郑州-非金属矿物制品", "浙江-建筑" 16.90 5.91% - 62.37%
3 "郑州-非金属矿物制品", "郑州-建筑" 12.94 4.44% - 52.41%
4 "郑州-非金属矿物制品", "商丘-建筑" 12.21 4.55% - 53.56%
5 "郑州-非金属矿物制品", "信阳-非金属矿物制品" 11.08 5.06% 2 58.17%
6 "信阳-非金属矿物制品", "郑州-非金属矿物制品" 10.14 4.95% 3 56.17%
7 "信阳-通信设备、计算机和其他电子设备", "郑州-通信设备、计算机和其他电子设备" 9.89 4.23% 1 55.02%
8 "郑州-矿采选产品", "郑州-非金属矿物制品" 9.62 6.30% 2 48.53%
9 "郑州-食品和烟草", "郑州-住宿和餐饮" 9.47 6.95% 1 53.28%
10 "郑州-食品和烟草", "信阳-食品和烟草" 9.44 6.75% 1 57.83%
11 "郑州-金融", "郑州-交通运输、仓储和邮政" 8.88 7.31% 6 39.30%
12 "郑州-金属冶炼、压延加工品及其制品", "郑州-通用和专用设备" 7.20 4.40% 2 52.91%
13 "郑州-水电气生产和供应", "郑州-非金属矿物制品" 6.70 6.34% - 49.35%
14 "郑州-非金属矿物制品", "江苏-建筑" 6.02 6.19% 8 62.48%
15 "郑州-矿采选产品", "郑州-金属冶炼、压延加工品及其制品" 5.99 7.05% 1 54.05%
16 "信阳-非金属矿物制品", "郑州-建筑" 5.79 4.23% 3 55.02%
17 "郑州-金融", "郑州-水电气生产和供应" 5.68 6.66% 5 35.06%
18 "信阳-食品和烟草", "郑州-住宿和餐饮" 5.51 5.27% 3 47.80%
19 "郑州-金属冶炼、压延加工品及其制品", "郑州-非金属矿物制品" 5.22 6.74% 2 55.71%
20 "郑州-金属冶炼、压延加工品及其制品", "江苏-金属冶炼、压延加工品及其制品" 5.20 6.49% 5 60.26%
21 "平顶山-矿采选产品", "郑州-水电气生产和供应" 5.20 4.66% 4 47.38%
22 "郑州-非金属矿物制品", "重庆-建筑" 5.06 6.07% 6 62.55%
23 "郑州-农产品", "郑州-食品和烟草" 4.89 7.45% 5 45.29%
24 "郑州-非金属矿物制品", "北京-建筑" 4.85 5.77% 8 61.86%
25 "郑州-通信设备、计算机和其他电子设备", "信阳-通信设备、计算机和其他电子设备" 4.84 4.53% 1 57.99%
26 "三门峡-矿采选产品", "郑州-金属冶炼、压延加工品及其制品" 4.79 4.91% 5 61.28%
27 "郑州-非金属矿物制品", "上海-建筑" 4.63 5.86% 7 62.18%
28 "郑州-金属冶炼、压延加工品及其制品", "浙江-建筑" 4.45 6.41% 8 61.15%
29 "郑州-水电气生产和供应", "信阳-非金属矿物制品" 4.28 5.86% 9 39.74%
30 "郑州-批发和零售", "郑州-金属冶炼、压延加工品及其制品" 4.15 6.07% 3 52.90%
注: a表示相对于2020年该条生产供应关系经济流量水平的百分比, b表示相对于单一洪涝冲击下受影响最大的生产供应关系排名变化, c表示由于疫情管控而导致的额外流量损失占该条生产供应关系总体流量损失的百分比.
图4 受复合灾害冲击较大的起源于"郑州-矿采选产品"部门的生产供应网络
注: 图中数字表示该条生产供应关系之间受复合灾害影响的贸易流量绝对和相对损失.

Full size|PPT slide

图5 受复合灾害冲击较大的起源于"郑州-农产品"部门的生产供应网络
注: 图中数字表示该条生产供应关系之间受复合灾害影响的贸易流量绝对和相对损失.

Full size|PPT slide

4 灾后经济恢复力的影响因素分析

经济恢复力可用复合灾害造成的间接经济损失定量表征, 恢复期可用灾后经济系统恢复到灾前水平所需要的时间定量表征(张正涛等(2018)). 通过对疫情管控措施、路面修复速率、劳动恢复速率、灾区居民消费补贴与跨期偏好、生产重建资金补贴与重建效率等模型参数的敏感性分析, 本文进一步分析了此次"洪涝-疫情"复合极端事件过后郑州经济恢复力的主要影响因素.

4.1 疫情管控措施

在"洪涝-疫情"复合灾害风险中, 针对疫情的管控措施同时具有严格程度和持续时间这两种特征指标. 不同严格程度和持续时间组合的疫情管控措施对洪灾过后的经济重建与恢复造成不同程度的干扰, 进而影响总体恢复时长和经济成本. 从时间成本来看, 灾后经济恢复到灾前水平所需的时间随着疫情管控严格程度和持续时间的增加而增加, 并且随后者增加得更快. 具体而言, 疫情管控的严格程度每增加10%, 恢复期平均延长2.53%; 而疫情管控的持续时间每增加2周(约一个新冠病毒潜伏周期), 恢复期平均延长3.73%. 从经济成本来看, 间接经济损失的变动亦是如此. 疫情管控的严格程度每提高10%, 间接经济损失平均增加20.94%; 而疫情管控的持续时间每增加2周, 间接经济损失平均增加21.95%. 这些结果表明灾后经济恢复力和恢复期均对疫情管控的持续时间更为敏感(见表 9). 因此, 在保证疫情防控效果的前提下, 优先考虑缩短管控持续时间比起放松管控严格程度而言更有利于提升"洪涝-疫情"复合灾害风险中的经济恢复力或经济韧性.
表9 复合灾害的经济影响随疫情管控严格程度或持续时间的变化
管控严格程度*/% 间接损失变动/% 恢复时长变动/% 管控持续时间/周 间接损失变动/% 恢复时长变动/%
10% 20.69% 0.00% 2周 21.16% 0.00%
+10% 22.36% 5.26% +2周 22.76% 5.26%
+20% 45.98% 5.26% +4周 47.98% 10.53%
+30% 69.66% 10.53% +6周 74.36% 15.79%
注: *表示由于实行疫情管控措施而导致公共交通运载力下降的百分比, 间接损失和恢复时长变动是相对于当前/基准疫情管控水平(30%-4周)下复合灾害的间接损失(651.11亿)和恢复时长(19周)而言.

4.2 路面修复速率

灾后物质资本重建与生产供应链修复依赖于城市交通运输体系的正常运转. 在"洪涝-疫情"复合灾害中, 经济部门间的运输能力不仅取决于洪灾过后受损路面的修复速率, 而且也会受到疫情管控措施的限制. 本文分别检验了不同疫情管控水平下路面修复速率对灾后经济恢复力的影响, 可以发现在各种疫情管控水平下(包括无疫情管控情景), 复合灾害的间接经济损失均随路面修复速率的增加而减少, 即路面修复越快越有利于增强灾后经济恢复力, 但是该项经济收益随着路面修复速率的提升而呈现边际递减的趋势(见图 6).
图6 不同疫情管控水平下路面修复速率对间接经济损失的影响

Full size|PPT slide

当不存在疫情管控时, 间接经济损失随路面修复速率增加而下降最快; 而随着疫情管控措施趋严, 提高路面修复速率对于提振经济恢复力的作用逐渐减弱(见表 10). 具体而言, 在不采取疫情管控措施时, 路面修复速率每增加0.1, 间接经济损失平均减少12.82%, 且恢复时间平均缩短4.68%. 而在当前30%-4周的疫情管控水平下, 路面修复速率每提升0.1, 间接经济损失平均减少4.64%, 恢复时间平均缩短3.13%.
表10 不同疫情管控水平下路面修复速率对经济恢复力的平均影响
疫情管控严格程度-持续时间组合 间接经济损失平均变化a/% 恢复期平均变化b/%
30%-6周 3.05% 2.99%
40%-4周 2.94% 2.99%
30%-4周 4.64% 3.13%
20%-4周 7.58% 3.82%
30%-2周 7.62% 3.13%
无疫情管控 12.82% 4.68%
注: 路面修复速率每提高0.1时, a表示间接经济损失平均变化的百分比, b表示恢复期平均变化的百分比.
另外, 在不同疫情管控水平下实现最优恢复所需的最低路面修复率不同. 在当前30%-4周的疫情管控水平下, 当路面修复速率超过0.6时, 继续加快路面修复对于经济恢复力的提升效果几近于零. 而当面临更严重的疫情冲击而需实行更严格或更长时间的管控时(例如40%-4周或30%-6周), 路面修复速率超过0.50.6后的继续提升已不再能显著减缓因灾遭受的间接经济损失, 反而可能由于大规模修复工作的开展而造成更大的病毒暴露风险和社会经济成本. 相较而言, 在更缓和的疫情冲击下(30%-2周或20%-4周的管控水平), 间接经济损失对于路面修复速率更加敏感, 实现最优经济恢复所需的最低路面修复速率也更高(约在0.60.7). 因此, 最优路面修复速率取决于复合风险中疫情冲击的大小: 在较严重的疫情冲击下适度放缓洪灾过后的路面修复进度, 不仅符合公共卫生角度的防疫要求, 而且从经济角度来看能够避免经济资源的浪费; 而在小规模的疫情冲击中, 则可以将更多的应急资源投入到洪灾后路面排水清淤等工作中, 尽快恢复经济部门间的交通运输能力, 从而降低因灾遭受的经济损失并提升经济恢复力.

4.3 洪涝相关劳动恢复速率

洪涝灾害不仅导致物质资本损毁, 也造成人员伤亡并影响通勤. 不同于灾后重建过程中的资本恢复内生化, 另一常见生产要素——劳动力的恢复在本模型中是按照外生给定的速率进行. 本文定量分析了不同疫情管控情景下受洪灾影响的劳动力恢复速率对间接经济损失或经济恢复力的影响, 可以发现在各种疫情管控情景下间接经济损失均随劳动恢复速率的增加而减少, 但是该影响相对较小(0.07%0.90%), 即提升劳动恢复速率只能小幅增加灾后经济恢复力(见图 7表 11). 这是由于灾后短期内不同生产要素之间较难实现快速替代, 经济部门的生产能力受到不同要素投入的短边约束, 其实际产出亦受到最终需求的限制. 因此, 在灾后行业资本恢复不足、物流运输受阻和消费需求低迷等多重约束下, 劳动力的单方面恢复对于经济全面复苏而言作用甚微, 甚至可能会加速疫情扩散, 加剧公共卫生风险.
图7 不同疫情管控水平下洪涝相关劳动恢复速率对间接经济损失的影响

Full size|PPT slide

表11 不同疫情管控水平下洪涝相关劳动恢复速率对经济恢复力的平均影响
疫情管控严格程度-持续时间组合 间接经济损失平均变化a/% 恢复期平均变化b/%
30%-6周 0.07% 0.00%
40%-4周 0.07% 0.00%
30%-4周 0.11% 0.00%
20%-4周 0.18% 0.00%
30%-2周 0.24% 0.00%
无疫情管控 0.90% 0.00%
注: 洪涝相关劳动恢复速率每提高0.1时, a表示间接经济损失平均变化的百分比, b表示恢复期平均变化的百分比.
尽管劳动恢复速率对经济恢复力的影响较小, 但与路面修复速率相似的是, 该影响亦随着疫情管控措施的放松而增大; 当不存在疫情管控时, 劳动恢复速率对经济恢复力的影响达到最大(0.90%).

4.4 消费补贴与偏好

灾后通过财政拨款和社会捐赠所得的公共应急资金主要有两种用途: 在消费领域, 用于补贴灾区居民房屋修缮和生活消费等支出; 在生产领域, 用于补助行业生产设施重建和生产力恢复. 接下来本文将分别研究消费和生产补助金对于灾后经济恢复力的影响.

4.4.1 灾区居民消费补贴

郑州"720"洪水发生以来, 用于消费补贴的应急资金约有30亿元12, 接近洪水直接损失的5%, 因此本文考虑消费补贴金相对于直接损失每增加5%所导致的间接经济损失和恢复时间的变化(见图 8表 12). 结果发现在涝疫复合灾害中增加灾区居民消费补贴能够平均减少间接经济损失0.48%1.34%, 但并不能显著缩短恢复时间; 消费补贴政策在应对单一洪涝灾害时的积极作用更加显著, 其间接经济损失平均减少幅度达到2.17%.
12通过郑州市政府、红十字会、慈善总会等机构的防汛救灾相关资金用途公示信息整理而得.
图8 不同疫情管控水平下消费补贴资金规模对间接经济损失的影响

Full size|PPT slide

表12 不同疫情管控水平下消费补贴资金规模对经济恢复力的平均影响
疫情管控严格程度-持续时间组合 间接经济损失平均变化a/% 恢复期平均变化b/%
30%-6周 0.48% 0.00%
40%-4周 0.68% 0.85%
30%-4周 0.80% 0.00%
20%-4周 1.16% 0.90%
30%-2周 1.34% 0.90%
无疫情管控 2.17% 0.00%
注: 消费补贴资金规模每增加5%时, a表示间接经济损失平均变化的百分比, b表示恢复时间平均变化的百分比.

4.4.2 灾区跨期消费偏好

跨期消费偏好反映个人收入在当期和未来消费之间的分配. 该系数越低, 表明消费者越倾向于当期消费, 储蓄率水平越低, 因而收入增加/减少对当期消费的刺激/抑制作用越大. 一方面, 洪灾过后用于修缮受损房屋的额外支出使得居民收入变相减少, 对其他一般性消费支出形成挤压; 另一方面, 对灾区居民的生活消费补贴能够弥补其部分收入损失并刺激其消费. 居民收入变化通过跨期消费偏好系数可能对当期和未来消费产生不同影响, 进而影响灾后恢复进程或经济恢复力. 本文比较了不同疫情管控情景下郑州居民跨期消费偏好对灾后经济恢复力的影响, 结果如图 9表 13所示. 在无疫情管控的单一洪涝灾害中, 受灾地区的跨期消费偏好对于经济恢复力的影响并不确定, 尽管间接经济损失随跨期消费偏好系数的增加而减少(0.03%), 但是恢复期却随之增加(1.77%); 而在实施疫情管控的"洪涝-疫情"复合灾害中, 间接经济损失和恢复期对灾区跨期消费偏好系数的变化更加敏感, 在不同疫情管控水平下该系数每增加0.1会导致间接经济损失增加0.13%0.16%, 恢复期增加1.68%2.60%. 因此, 在复合灾害冲击与当前消费补贴水平下, 灾区居民越偏好当期消费或储蓄率水平越低, 越有利于灾后经济恢复.
图9 不同疫情管控水平下灾区跨期消费偏好对间接经济损失的影响

Full size|PPT slide

表13 不同疫情管控水平下灾区跨期消费偏好对经济恢复力的平均影响
疫情管控严格程度-持续时间组合 间接经济损失平均变化a/% 恢复期平均变化b/%
30%-6周 0.16% 2.47%
40%-4周 0.16% 2.47%
30%-4周 0.13% 1.68%
20%-4周 0.14% 2.60%
30%-2周 0.15% 2.60%
无疫情管控 0.03% 1.77%
注: 灾区跨期消费偏好系数每增加0.1时, a表示间接经济损失平均变化的百分比, b表示恢复期平均变化的百分比.

4.4.3 消费补贴与偏好的交互影响

本文进一步考察了在当前30%-4周疫情管控水平的基准情景下消费补贴资金规模和灾区跨期消费偏好同时变化对于灾后间接经济损失的交互影响(见图 10表 14). 首先, 可以明确的是在任何跨期消费偏好情景中, 间接经济损失均随消费补贴规模增加而减少, 而且当灾区居民更偏好未来消费或储蓄率水平更高时灾后间接损失变化更敏感. 但是另一方面, 间接经济损失随偏好系数增加而变化的方向则受到消费补贴规模的影响. 当消费补贴资金规模较小(小于直接损失的10%15%)时, 间接经济损失随偏好系数的增加而增加, 即灾区居民越偏好当期消费, 间接经济损失越小, 说明小规模消费补贴更多体现短期经济收益; 而当消费补贴规模较大(大于直接损失的10%15%)时, 间接经济损失随偏好系数的增加而减少, 即灾区居民越偏好未来消费, 间接经济损失越小, 说明大规模消费补贴更多体现长期经济收益. 政府在制定灾后消费刺激政策时, 应结合灾区居民跨期消费偏好或储蓄率水平, 在扩大消费规模的同时配套调节长短期消费结构(例如发放即期消费券或借助利率金融工具等), 以提升政策实施效果.
图10 当前疫情管控水平下消费补贴规模和灾区跨期消费偏好对间接经济损失的交互影响

Full size|PPT slide

表14 当前疫情管控水平下间接经济损失在不同消费补贴和偏好组合下的相对变化a
补贴/5% 补贴/10% 补贴/15% 补贴/20% 补贴/25% 敏感度b/%
偏好/0.2 0.20% 1.24% 1.83% 2.25% 2.55% 0.59%
偏好/0.3 0.16% 1.23% 1.83% 2.27% 2.59% 0.62%
偏好/0.4 0.08% 1.20% 1.86% 2.32% 2.67% 0.65%
偏好/0.5 0.00% 1.18% 1.91% 2.43% 2.83% 0.72%
偏好/0.6 0.08% 1.17% 2.02% 2.64% 3.15% 0.82%
偏好/0.7 0.39% 0.96% 1.99% 2.79% 3.67% 1.03%
偏好/0.8 0.55% 0.96% 2.46% 3.50% 4.50% 1.28%
敏感度c/% 0.12% 0.05% 0.11% 0.21% 0.34%
注: a表示不同消费补贴和偏好组合下间接经济损失相对于基准情景(补贴5% -偏好0.5)的变化百分比, b表示在既定消费偏好下消费补贴每增加5%间接经济损失平均变化的百分比, c表示在既定消费补贴规模下灾区跨期消费偏好每增加0.1间接经济损失平均变化的百分比.

4.5 重建资金与效率

灾后亦有部分应急资金被用于生产恢复与重建. 重建资金的投入有助于提高企业灾后超额生产能力, 而重建效率决定了企业达到最大生产能力所需的时间(张正涛等(2018)).

4.5.1 重建资金

结合图 11表 15, 本文发现间接经济损失和灾后恢复时间均随重建资金规模的增加而减少, 并且随疫情管控趋松其减少幅度越大; 特别是当不存在疫情管控时, 重建资金规模增加所伴随的边际收益最大, 此时间接经济损失和恢复时间分别平均减少1.17%和2.82%. 这表明在"洪涝-疫情"复合灾害中, 疫情管控将抑制洪涝应急重建资金的边际经济收益, 并且这种抑制作用随疫情管控趋严而更加明显.
图11 不同疫情管控水平下重建资金规模对间接经济损失的影响

Full size|PPT slide

表15 不同疫情管控水平下重建资金规模对经济恢复力的平均影响
疫情管控严格程度-持续时间组合 间接经济损失平均变化a/% 恢复期平均变化b/%
30%-6周 0.17% 0.85%
40%-4周 0.20% 0.85%
30%-4周 0.29% 0.90%
20%-4周 0.51% 1.84%
30%-2周 0.47% 1.84%
无疫情管控 1.17% 2.82%
注: 重建资金规模每增加5%时, a表示间接经济损失平均变化的百分比, b表示恢复时间平均变化的百分比.

4.5.2 重建效率

重建效率是企业达到最大生产能力所需时间的倒数. 若灾后企业启动超额生产能力并经过τα周逐步调整达到其最大生产能力, 则重建效率为1/τα. 图 12表 16展示了重建效率对灾后经济恢复力的影响, 可以发现企业达到最大生产能力所需时间每增加4周, 即重建效率越低, 灾后间接经济损失平均增加0.62%2.34%, 经济恢复时间也平均增加2.75%5.22%; 随着疫情管控力度放松或时间缩短, 直至无疫情管控, 间接经济损失对重建效率的变化越来越敏感. 这一结果与前述若干影响因素基本一致. 另外, 相比于重建资金规模, 重建效率的提升所伴随的经济恢复力收益更大.
图12 不同疫情管控水平下重建效率对间接经济损失的影响

Full size|PPT slide

表16 不同疫情管控水平下重建效率对经济恢复力的平均影响
疫情管控严格程度-持续时间组合 间接经济损失平均变化a/% 恢复期平均变化b/%
30%-6周 0.62% 2.75%
40%-4周 0.63% 2.75%
30%-4周 1.02% 4.91%
20%-4周 1.36% 4.02%
30%-2周 1.37% 5.22%
无疫情管控 2.34% 5.22%
注: 企业达到最大生产能力所需时间每增加4周, a表示间接经济损失平均变化的百分比, b表示恢复时间平均变化的百分比.

4.5.3 重建资金与效率的交互影响

本文进一步考察了在当前30%-4周疫情管控水平的基准情景下重建资金和效率同时变化对于灾后间接经济损失的影响(见图 13表 17), 可以发现重建效率越高, 灾后间接经济损失对重建资金规模的变化越敏感; 同样, 重建资金规模越大, 灾后间接经济损失对重建效率的变化越敏感. 总体而言, 间接经济损失沿着重建资金和效率同时增加的方向减少得最快. 当重建资金达到直接损失25%且企业达到最大生产能力仅需4周时, 灾后间接损失相比基准情景而言下降幅度达到10.12%. 平均而言, 企业达到最大生产能力所需时间每增加4周, 重建资金规模需要增加约10%, 才能足以抵消重建效率降低所带来的额外经济损失. 因此, 灾后经济恢复力的提升需要重建资金和效率的同步支持, 使重建资金能在尽量短的时间内作用于灾后恢复和建设中.
图13 当前疫情管控水平下重建资金规模和利用效率对间接经济损失的交互影响

Full size|PPT slide

表17 当前疫情管控水平下间接经济损失在不同重建资金和效率组合下的相对变化a
资金/5% 资金/10% 资金/15% 资金/20% 资金/25% 敏感度b/%
效率/4周 5.20% 6.89% 8.08% 9.21% 10.12% 1.32%
效率/8周 1.66% 2.72% 3.69% 4.39% 4.79% 0.81%
效率/12周 0.45% 1.11% 1.54% 2.14% 2.52% 0.52%
效率/16周 0.00% 0.27% 0.76% 1.00% 1.24% 0.31%
效率/20周 0.25% 0.07% 0.10% 0.27% 0.44% 0.17%
效率/24周 0.64% 0.28% 0.16% 0.04% 0.08% 0.18%
效率/28周 0.76% 0.66% 0.32% 0.23% 0.15% 0.15%
敏感度c/% 1.02% 1.31% 1.47% 1.66% 1.82%
注: a表示不同重建资金和效率组合下间接经济损失相对于基准情景(资金5%-效率16周)的变化百分比, b表示在既定重建效率下重建资金每增加5%间接经济损失平均变化的百分比, c表示在既定重建资金规模下企业达到最大生产能力所需时间每增加4周间接经济损失平均变化的百分比.
比较表 12表 15, 发现在基准重建效率水平(1/16)上, 增加重建资金投入尽管在减少间接经济损失方面不如增加消费补贴投入, 但是却能更加显著地缩短恢复时间. 此时在应急资金使用上, 应结合不同的治理目标(经济或时间成本控制)在消费补贴和生产重建方面进行取舍. 但是, 在当前30%-4周疫情管控水平的基准情景下, 如果提高重建效率水平至1/8以上, 增加重建资金投入将使得间接经济损失平均减少0.81%以上(见表 17), 大于增加消费补贴投入所对应的损失减少幅度. 此时关于应急资金的使用则应更多倾斜于生产重建领域, 以获得更大的经济恢复力收益.

5 郑州"涝疫复合"极端事件的经济影响传播足迹特征与政策启示

本文从产业链冲击视角构建了"自然灾害-公共卫生"复合灾害经济影响评估模型, 刻画了郑州"涝疫复合"极端事件对郑州市、河南省及全国其他省市的直接和间接经济影响特征, 并分析了疫情管控措施、路面修复速率、劳动恢复速率、居民消费补贴和生产重建政策等因素对灾后经济恢复力的影响. 首先, 此次复合灾害性事件的经济影响传播足迹特征如下: 1)在空间分布上, "洪涝-疫情"复合灾害除造成郑州市666.03亿元直接损失外(相当于2020年郑州市GDP的6.17%), 还造成全国间接经济损失651.11亿元(相当于2020年中国GDP的0.06%), 与直接损失近乎相当. 尽管大部分间接经济损失发生于郑州市内, 但是仍有超过30%溢出到其他地区. 其中河南省(除郑州市外)遭受间接经济损失121.77亿元, 主要集中于南阳、洛阳和周口; 全国(除河南省外)受损85.95亿元, 主要集中于江苏、山东和内蒙古. 2)在行业分布上, 郑州市房地产行业是受灾害直接冲击最大的经济部门, 然而由于行业间关联及扩散效应, 郑州市遭受间接经济损失最大的前三个部门分别是非金属矿物制品、食品和烟草及交通运输、仓储和邮政. 除郑州市外, 河南省其他城市的农产品和石油、炼焦产品和核燃料加工品分别是遭受绝对和相对经济损失最大的部门. 在全国其他省市中, 福建其他服务、陕西矿采选产品、陕西石油、炼焦产品和核燃料加工品、浙江住宿和餐饮、海南农产品等是绝对和相对损失排名均在前30的部门. 在全国生产供应关系网络中, 流经"郑州矿采选产品-郑州非金属矿物制品"这条路径的中间贸易量在灾后减少了9.62亿元, 绝对损失在全国排名第8位, 且造成多地多行业(尤其是下游多地建筑行业)间贸易流量损失161.96亿元, 超过其自身损失的16倍, 是经此灾害对产业链影响最深最广的生产关系路径.
其次, 复合灾害中疫情管控对灾后经济恢复的影响如下: 1)疫情管控对灾后经济恢复造成了额外的时间和经济成本, 并且改变了经济影响的空间和行业分布. 具体而言, 郑州市所采取的疫情管控措施将灾后经济恢复时间延长了1周, 同时造成了几乎与洪水影响相当的额外间接经济损失283.16亿元, 将灾后间接与直接经济损失比率从0.55提高到0.98 (相当于增加77%). 在空间分布上, 河南省三门峡、济源和郑州市以及青海省四地的经济损失随郑州疫情管控出现较大幅度增加; 在行业分布上, 则是矿采选业、加工制造业以及住宿餐饮、交通运输等部分服务业受郑州疫情干预的经济影响较大. 2)就疫情管控的持续时间和严格程度两方面而言, 灾后经济恢复力对前者的变化更为敏感. 持续时间每增加一个病毒潜伏周期(2周)与严格程度每增加10%相比, 灾后间接经济损失和恢复时间均随前者而平均增加得更多. 3)疫情管控会抑制大多数洪水应急措施的边际经济收益. 一般而言, 灾后经济恢复力随路面修复速率、劳动恢复速率、消费补贴力度、重建资金规模和重建效率的增加而增加, 其中对路面修复速率的变化最为敏感, 重建效率与消费补贴力度次之. 但是在涝疫复合灾害中疫情管控的实施使得经济恢复力对这些因素的敏感度减弱, 即降低了相应应急措施的经济恢复力收益, 并且这种抑制作用随疫情管控趋严而更加显著.
针对类似"涝疫复合"等自然灾害-公共卫生重大突发复合极端事件, 在灾后恢复与治理过程中既要统筹推进防汛救灾和疫情防控工作, 也应结合恢复阶段和实际情况有所侧重. 本文的复合灾害经济影响评估模型通过对灾后经济过程和不同政策效果的模拟为复合灾害应对方案的制定提供了定量化的依据. 首先, 郑州"涝疫复合"极端事件的经济影响尽管集中于郑州第三产业, 但是从河南省乃至全国生产供应链辐射角度来看, 应优先支持郑州第一、二产业中基础行业的恢复和重建, 重点救助受冲击严重的农产品、矿工企业等. 这不仅有利于维持宏观经济稳定运行, 而且更容易控制疫情传播风险. 其次, 应依据防疫需求水平谨慎开展常规应急工作. 当疫情风险较严重时, 过快过急的应急恢复策略不仅无助于减少灾后经济损失, 而且增加疫情防控负担, 形成对经济和公卫资源的双重浪费. 只有当防疫需求减弱时, 加速推进灾后应急和恢复工作才能获得更高的经济效益, 促进经济恢复力建设. 最后, 在资金政策方面, 对消费和生产领域的补助资金投放与分配应充分考虑灾区居民消费偏好和行业重建效率等特征并与具体的经济恢复目标相匹配. 重建效率的提升能够显著提高生产重建补助的经济收益, 进而影响资金分配和使用效果. 因此需要加强对受灾企业生产力重建的支持力度, 包括提供专家技术指导、增加生产基础设施供给、加速生产设备维修更新等. 另一方面, 灾后消费刺激亦能够显著减缓经济损失. 消费政策的实施不仅着力于扩大消费规模, 还需注重调节长短期消费结构, 搭配使用多种消费和金融工具(如消费券定向投放、利率结构调节、创新型金融产品等)为受灾地区持续注入经济活性, 提升灾后宏观经济韧性.
最后, 自然灾害-公共卫生复合极端事件不仅伴随复杂的经济风险, 而且严重威胁公众健康. 由于衡量尺度不同, 本文并未考虑因灾所致健康损失的货币价值及医疗成本, 复合事件中的公卫负担亦可能干扰灾后经济恢复, 如何将其纳入复合灾害模型还有待进一步研究.不同的灾后风险治理策略不仅造成不同的经济影响, 也会产生不同的健康成本, 具体采取何种策略需要更加综合全面的考量.但本文从经济学角度的定量分析能够帮助决策者结合复合灾害经济影响特征尽早地调整灾前预案规划和灾后应急纾困等措施, 在兼顾效率与公平的前提下尽可能减缓潜在的总体经济影响.

6 致谢

本文作者感谢郑州大学水灾害行动小组和清华大学地球系统科学系博士研究生雷天扬帮助获取"720"郑州洪水相关灾损数据、伦敦大学学院巴特莱特建筑学院博士研究生尹志强帮助计算洪水引致直接损失数据、上海财经大学城市与区域科学学院博士研究生王道平对本文模型设计和写作方面的建设性意见和修订.

参考文献

宁思雨, 黄晶, 汪志强, 王慧敏, 基于投入产出法的洪涝灾害间接经济损失评估——以湖北省为例[J]. 地理科学进展, 2020, 39 (3): 420- 432.
Ning S Y , Huang J , Wang Z Q , Wang H M , Indirect Economic Losses of Flood Disaster Based on an Input-Output Model: A Case Study of Hubei Province[J]. Progress in Geography, 2020, 39 (3): 420- 432.
史培军, 四论灾害系统研究的理论与实践[J]. 自然灾害学报, 2005, 14 (6): 1- 7.
Shi P J , Theory and Practice on Disaster System Research in a Fourth Time[J]. Journal of Natural Disasters, 2005, 14 (6): 1- 7.
王彬, 极端降雨敲响气候变化警钟[J]. 科学新闻, 2021, 23 (4): 47- 49.
Wang B , Extreme Rainfall Sounds the Alarm for Climate Change[J]. Science News, 2021, 23 (4): 47- 49.
解伟, 李宁, 胡爱军, 高颖, 吉中会, 基于CGE模型的环境灾害经济影响评估——以湖南雪灾为例[J]. 中国人口·资源与环境, 2012, 22 (11): 26- 31.
Xie W , Li N , Hu A J , Gao Y , Ji Z H , Assessing the Economic Impact of Environmental Disaster: A Computable General Equilibrium Analysis[J]. China Population, Resources and Environment, 2012, 22 (11): 26- 31.
杨凌, 寇宏伟, 自然灾害的经济影响研究——以汶川大地震为例[J]. 科研管理, 2017, 38 (6): 51- 58.
Yang L , Kou H W , Impacts of Natural Disasters on Regional GDP: A Case Study of Wenchuan Earthquake[J]. Science Research Management, 2017, 38 (6): 51- 58.
张正涛, 崔鹏, 李宁, 刘远, 邹强, 等. 武汉市"2016.07.06"暴雨洪涝灾害跨区域经济波及效应评估研究[J]. 气候变化研究进展, 2020, 16 (4): 433- 441.
Zhang Z T , Cui P , Li N , Liu Y , Zou Q , et al. Research on the Assessment of the Multi-regional Economic Ripple Effect Caused by Disasters: A Case Study of a Flood Disaster in Wuhan City on July 6, 2016[J]. Climate Change Research, 2020, 16 (4): 433- 441.
张正涛, 李宁, 冯介玲, 陈曦, 刘丽, 等. 从重建资金与效率角度定量评估灾后经济恢复力的变化——以武汉市"2016.07.06"暴雨洪涝灾害为例[J]. 灾害学, 2018, 33 (4): 211- 216.
Zhang Z T , Li N , Feng J L , Chen X , Liu L , et al. Quantitative Assessment of Changes in Post-disaster Resilience from the Perspective of Rescue Funds and Rescue Efficiency: A Case Study of a Flood Disaster in Wuhan City on July 6, 2016[J]. Journal of Catastrophology, 2018, 33 (4): 211- 216.
赵建琳, 胡嘉琦, 陈茜, 极端天气, 考验城市应"极"管理能力[J]. 商学院, 2021, (8): 98- 100.
Zhao J L , Hu J Q , Chen Q , Extreme Weathers Test the City's "Extreme" Management Capabilities[J]. Business Management Review, 2021, (8): 98- 100.
郑州市统计局, (2021). 郑州市第七次全国人口普查公报(第一号)——全市常住人口情况[EB/OL]. [2021-10-24]. http://tjj.zhengzhou.gov.cn/tjgb/5012681.jhtml.
Zhengzhou Municipal Bureau of Statistics, (2021). Zhengzhou City's Seventh National Census Bulletin (No. 1): The City's Permanent Population[EB/OL]. [2021-10-24]. http://tjj.zhengzhou.gov.cn/tjgb/5012681.jhtml.
中国住建部, (2019). 2019年全国城市人口和建设用地(按城市分列)[M]// 胡子健. 中国城市建设统计年鉴. 北京: 中国统计出版社: 48-83.
Ministry of Housing and Urban-Rural Development of China, (2019). National Urban Population and Construction Land in 2019 (by Cities)[M]// Hu Z J. China Urban Construction Statistical Yearbook. Beijing: China Statistics Press: 48-83.
卓志, 段胜, 防减灾投资支出、灾害控制与经济增长-经济学解析与中国实证[J]. 管理世界, 2012, (4): 1- 8.
Zhuo Z , Duan S , Disaster Prevention and Mitigation Investment Expenditure, Disaster Control and Economic Growth: Economic Analysis and Empirical Evidence from China[J]. Journal of Management World, 2012, (4): 1- 8.
Avelino A F T , Dall'Erba S , Comparing the Economic Impact of Natural Disasters Generated by Different Input-Output Models: An Application to the 2007 Chehalis River Flood (WA)[J]. Risk Analysis, 2019, 39 (1): 85- 104.
Botzen W J W , Deschenes O , Sanders M , The Economic Impacts of Natural Disasters: A Review of Models and Empirical Studies[J]. Review of Environmental Economics and Policy, 2019, 13 (2): 167- 188.
Brinca P , Duarte J B , Faria-E-Castro M , Measuring Labor Supply and Demand Shocks during COVID-19[J]. European Economic Review, 2021, 139, 103901.
Carrera L , Standardi G , Bosello F , Mysiak J , Assessing Direct and Indirect Economic Impacts of a Flood Event through the Integration of Spatial and Computable General Equilibrium Modelling[J]. Environmental Modelling & Software, 2015, 63, 109- 122.
Cox N , Ganong P , Noel P , Vavra J , Wong A , et al. Initial Impacts of the Pandemic on Consumer Behavior: Evidence from Linked Income, Spending, and Savings Data[J]. Brookings Papers on Economic Activity, 2020, 2020 (2): 35- 82.
ESA, (2017). Land Cover CCI Product User Guide Version 2[R]. UCL-Geomatics, Belgium.
Galbusera L , Giannopoulos G , On Input-Output Economic Models in Disaster Impact Assessment[J]. International Journal of Disaster Risk Reduction, 2018, 30, 186- 198.
Gall M , Borden K A , Cutter S L , When Do Losses Count?[J]. Bulletin of the American Meteorological Society, 2009, 90 (6): 799- 810.
Guan D , Wang D , Hallegatte S , Davis S J , Huo J , et al. Global Supply-Chain Effects of COVID-19 Control Measures[J]. Nature Human Behaviour, 2020, 4 (6): 577- 587.
Hallegatte S , An Adaptive Regional Input-Output Model and its Application to the Assessment of the Economic Cost of Katrina[J]. Risk Analysis, 2008, 28 (3): 779- 799.
Hallegatte S , Modeling the Role of Inventories and Heterogeneity in the Assessment of the Economic Costs of Natural Disasters[J]. Risk Analysis, 2014, 34 (1): 152- 167.
Hsiang S M , Temperatures and Cyclones Strongly Associated with Economic Production in the Caribbean and Central America[J]. Proceedings of the National Academy of Sciences, 2010, 107 (35): 15367- 15372.
Huizinga J, Moel H D, Szewczyk W, (2017). Global Flood Depth-Damage Functions: Methodology and the Database with Guidelines[R]. Joint Research Centre (Seville site).
Ishiwatari M , Koike T , Hiroki K , Toda T , Katsube T , Managing Disasters amid COVID-19 Pandemic: Approaches of Response to Flood Disasters[J]. Progress in Disaster Science, 2020, 6, 100096.
Ivanov D , Predicting the Impacts of Epidemic Outbreaks on Global Supply Chains: A Simulation-based Analysis on the Coronavirus Outbreak (COVID-19/SARS-CoV-2) Case[J]. Transportation Research Part E: Logistics and Transportation Review, 2020, 136, 101922.
Kajitani Y , Tatano H , Applicability of a Spatial Computable General Equilibrium Model to Assess the Short-term Economic Impact of Natural Disasters[J]. Economic Systems Research, 2018, 30 (3): 289- 312.
Koks E E , Thissen M , A Multiregional Impact Assessment Model for Disaster Analysis[J]. Economic Systems Research, 2016, 28 (4): 429- 449.
Kruczkiewicz A, Klopp J, Fisher J, Mason S, McClain S, et al, (2021). Opinion: Compound Risks and Complex Emergencies Require New Approaches to Preparedness[J]. Proceedings of the National Academy of Sciences, 118(19): e2106795118.
Mahul O , Signer B , The Perfect Storm: How to Prepare against Climate Risk and Disaster Shocks in the Time of COVID-19[J]. One Earth, 2020, 2 (6): 500- 502.
Mendoza-Tinoco D , Hu Y , Zeng Z , Chalvatzis K J , Zhang N , et al. Flood Footprint Assessment: A Multiregional Case of 2009 Central European Floods[J]. Risk Analysis, 2020, 40 (8): 1612- 1631.
Miller R E , Blair P D , Input-Output Analysis: Foundations and Extensions[M]. Cambridge: Cambridge University Press, 2009.
Nikolopoulos K , Punia S , Schafers A , Tsinopoulos C , Vasilakis C , Forecasting and Planning during a Pandemic: COVID-19 Growth Rates, Supply Chain Disruptions, and Governmental Decisions[J]. European Journal of Operational Research, 2021, 290 (1): 99- 115.
Okuyama Y , Santos J R , Disaster Impact and Input-Output Analysis[J]. Economic Systems Research, 2014, 26 (1): 1- 12.
Phillips C A , Caldas A , Cleetus R , Dahl K A , Declet-Barreto J , et al. Compound Climate Risks in the COVID-19 Pandemic[J]. Nature Climate Change, 2020, 10 (7): 586- 588.
Rose A , Sue Wing I , Wei D , Wein A , Economic Impacts of a California Tsunami[J]. Natural Hazards Review, 2016, 17 (2): 04016002.
Salas R N , Shultz J M , Solomon C G , The Climate Crisis and COVID-19 — A Major Threat to the Pandemic Response[J]. New England Journal of Medicine, 2020, 383 (11): 70.
Walton D, Arrighi J, Van Aalst M, Claudet M, (2021). The Compound Impact of Extreme Weather Events and COVID-19[R]. IFRC Climate Center.
Wang D , Guan D , Zhu S , Kinnon M M , Geng G , et al. Economic Footprint of California Wildfires in 2018[J]. Nature Sustainability, 2021, 4 (3): 252- 260.
World Bank, (2021). World Development Indicators[R]. Washington DC, USA: The World Bank Group.
Wu J , Li N , Hallegatte S , Shi P , Hu A , et al. Regional Indirect Economic Impact Evaluation of the 2008 Wenchuan Earthquake[J]. Environmental Earth Sciences, 2012, 65 (1): 161- 172.
Yin Z , Hu Y , Jenkins K , He Y , Forstenhausler N , et al. Assessing the Economic Impacts of Future Fluvial Flooding in Six Countries under Climate Change and Socio-economic Development[J]. Climatic Change, 2021, 166 (3): 1- 21.
Zeng Z , Guan D , Steenge A E , Xia Y , Mendoza-Tinoco D , et al. Flood Footprint Assessment: A New Approach for Flood-induced Indirect Economic Impact Measurement and Post-flood Recovery[J]. Journal of Hydrology, 2019, 579, 124204.
Zheng H , Tobben J , Dietzenbacher E , Moran D , Meng J , et al. Entropy-based Chinese City-level MRIO Table Framework[J]. Economic Systems Research, 2021, 1- 26.

基金

国家自然科学基金重大项目"韧性城市若干风险防控管理研究"(72091514)
国家重点研发计划项目(2018YFC0807000)
国家重点研发计划项目(2019YFC0810705)
国家自然科学基金(71771113)
深圳科技创新专项(KQJSCX20180322151418232)

版权

版权所有,未经授权。
PDF(2016 KB)

2756

Accesses

0

Citation

Detail

段落导航
相关文章

/