EN中文

Acta Geographica Sinica >

2019 , Vol. 74 >Issue 10: 2078 - 2091

DOI: https://doi.org/10.11821/dlxb201910009

Rural Revitalization and Regional Development

Economic resilience and recovery efficiency in the severely affected area of Ms 8.0 Wenchuan earthquake

  • ZHOU Kan , 1 ,
  • LIU Baoyin 2 ,
  • FAN Jie 1, 2
Expand
  • 1. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. Institutes of Science and Development, CAS, Beijing 100190, China

Received date: 2018-07-24

  Request revised date: 2019-06-20

  Online published: 2019-10-29

Supported by

National Natural Science Foundation of China(No.41501139)

National Natural Science Foundation of China(No.41630644)

Strategic Priority Research Program of Chinese Academy of Sciences(No.XDA20020301)

Copyright

Copyright reserved © 2019
Fold

Abstract

It is of great significance to enhance disaster prevention and response capacity to reveal the post-disaster economic development and recovery process, and to formulate the control policies and recovery methods for post-disaster economic reconstruction according to the economic resilience. Based on the long-term socio-economic data and ARIMA model, this paper calculated the economic resilience index of severely affected area of Wenchuan earthquake, and adopted the improved Variable Return to Scale (VRS) DEA model and Malmquist productivity index to analyze the efficiency and effect of annual post-disaster recovery. The results show that: (1) The economic resilience index of earthquake severely affected area is 0.877. The earthquake caused a short-term economic recession in the affected areas, but the economy returned to its pre-quake state within two years. In addition, the industrial economy is less resilient than agriculture and service industries. (2) The comprehensive economic recovery efficiency of the disaster-stricken area in the year after the disaster is 0.603. The comprehensive efficiency, pure technical efficiency and scale efficiency of the plain hilly area are significantly higher than those of the plateau mountain area. (3) The annual fluctuation of total factor productivity after the disaster was strong, and the economic recovery efficiency declined significantly, resulting in a short-term economic recession. The TFP index returned to steady state after a decline of 33.7% and 15.2% in the two years after the disaster. (4) The significant decline in the post-disaster recovery efficiency is mainly caused by technological changes, and the renewal of production system is the leading factor in determining the economic resilience after the disaster. With the decline in the scale of economic recovery, the long-term economic recovery in the study areas mainly depends on pure technical efficiency, and the improvement of pure technical efficiency is the driving force to maintain the long-term growth of post-disaster economy. Therefore, in view of the differences between the reconstruction of natural conditions and the stage of economic development, the disaster-stricken areas need to change and readjust their economic structures actively. Meanwhile, we should pay attention to updating production system to enhance the level of technological progress, and give full play to the scale effect of large-scale capital, facilities, manpower and other factors investment, so as to enhance the response to the disaster impact of economic resilience and recovery efficiency.

Key words： economic resilience; recovery efficiency; post-disaster reconstruction area; Wenchuan earthquake; Malmquist productivity index

Cite this article

ZHOU Kan , LIU Baoyin , FAN Jie . Economic resilience and recovery efficiency in the severely affected area of Ms 8.0 Wenchuan earthquake[J]. Acta Geographica Sinica, 2019 , 74(10) : 2078 -2091 . DOI: 10.11821/dlxb201910009

1 引言

在以变暖为特征的气候变化、地质构造运动与高强度人类活动的共同作用下,近年来中国特重大自然灾害频发,自然灾害防范与应对已成为关系到国土安全、社会稳定、经济发展和民生福祉的重大综合性问题[1,2,3]。2008年以来,相继发生的汶川、玉树、芦山、鲁甸等特大自然灾害表明,自然灾害冲击使灾后重建地区人地矛盾进一步加剧[4,5],加之人口与经济增长各类承灾体的暴露度不断增加,要提升自然灾害防范与应对能力,不仅需要深入认识自然系统的致灾机理和综合风险[6,7],还需要充分解析灾后经济系统的变化规律和作用机制,准确地掌握灾后经济发展状态和恢复过程,根据灾区经济韧性科学制定灾后经济重建的调控政策与恢复手段[8,9]。
目前,围绕灾后经济恢复这一命题学术界取得了丰富的研究成果,国内外学者运用投入产出系数、经济总量、经济增长率、产业结构、居民收入和企业数量变化等指标,通过对比灾害发生前后的指标变化解析灾后经济冲击及恢复过程。对灾后经济恢复的理论探索与实证研究主要包括：① 探索灾后经济损失评估方法,并用于地震、气象灾害等自然灾害的直接与间接经济损失评估,如将传统投入产出系数变换为生产能力损失系数反映经济影响[10],使用社会核算矩阵模型（SAM）研究地震对岛屿灾后经济影响[11],提出改进的区域投入产出模型（ARIO）测度Katrina飓风经济损失及对Louisiana州的经济影响[12],以投入—产出模型为原型评估汶川地震对灾区、四川省、乃至全国的经济影响[13,14,15,16]等。② 提出灾后经济韧性（Economic Resilience,又称恢复力或弹性）的概念[17,18],在区域经济受到灾害冲击后增长模式探讨基础上,运用计量模型和指标体系对灾后经济韧性进行评估[18,19,20],在揭示灾区经济长期演化轨迹的同时,研究提升灾后经济韧性的有效策略[21,22,23,24]。③ 通过1995年日本阪神地震[25]、2005年美国Katrina飓风[26]、1976年唐山地震[27]、2008年汶川地震[28,29]的实证分析,探讨灾后经济恢复在不同产业类型、不同区域发展条件下的差异性。总体来看,在灾后经济损失评估与短期影响、灾后经济韧性与演化特征、以及灾后经济恢复的行业与区域差异等方面进展显著。
既有研究更多的关注灾后短期经济受损状态,缺少对灾后长期经济恢复过程和经济韧性的定量分析,对灾后经济恢复效果及效率研究也不够充分。另外,通常将灾后重建地区作为一个整体研究经济恢复过程,难以全面反映经济韧性与恢复效率的地域特征及影响。藉此,本文将灾后经济韧性界定为灾区经济系统承受、化解地震灾害冲击的能力,通过静态和动态两种状态特征进行表征,前者强调地震冲击时保持经济系统未退化及丧失功能的鲁棒性,后者侧重从冲击中长期恢复的快速性和再适应性。以汶川地震极重灾区为案例,基于10个灾区县社会经济面板数据,在ARIMA模型进行灾后经济预测的基础上,测算极重灾区经济韧性指数,并运用改进的规模报酬可变DEA模型、Malmquist生产率指数解析灾后短期和中长期的经济恢复效率及影响效应,以期为评估灾后经济风险和提高灾区经济韧性奠定科学基础,为增强自然灾害防范与系统应对能力提供精细化的决策建议。

2 研究方法与数据来源

2.1 案例区概况、数据来源及处理

根据2018年5月12日汶川Ms 8.0特大地震后的灾害范围评估结果[30],选取属于极重灾区的10个县（市）作为案例区（图1）。汶川地震极重灾区位于龙门山区及山前过渡地带,包括处于高原山地区的汶川县、茂县、北川县、青川县、平武县,以及处于平原丘陵区的绵竹市、什邡市、都江堰市、彭州市、安县,国土总面积2.64万km2,是灾后致灾强度最大、灾情严重程度最高、地质灾害影响较深的区域,地震共造成区域内5.73万人死亡,震亡率达1.56%,占此次地震总死亡人数的82.86%。震前2007年,极重灾区年末总人口368.07万人,占四川省人口总量的4.53%,城镇化率为23.19%;地区国内生产总值（GDP）为605.83亿元,占全省GDP总量的5.94%,三次产业占比为17.27∶53.7∶29.03,人均GDP为13160元,略高于全省平均水平（12963元）。
图1 案例区位置与地势图

Fig. 1 Location and topographic map of the case study area

在数据搜集与处理方面,以县（市）为基本单元,以1994年这一具有完整统计数据的起始年为基期,运用指数换算了GDP、人均GDP、三次产业产值等数据的不变价。由于无法直接获得极重灾区资本存量数据,本文的资本投入指标采用四川省的全社会固定资产投资价格指数,对极重灾区的全社会固定资产投资额进行价格平减,再采用国际通用的永续盘存法,将固定资产流量换算成资本存量。借鉴张军等的估计方法,并以其计算得到的资本存量数据作为基期资本存量,折旧率按9.6%的常数设定[31,32]。数据主要来源为1995-2016年《四川统计年鉴》,对其中统计数据不完整的研究单元,进一步获取所在地级行政单元的统计年鉴补齐。

2.2 研究方法

2.2.1 ARIMA预测模型 ARIMA模型即差分自回归移动平均模型,其原理是将非平稳时间序列转化为平稳时间序列,然后将因变量的各个滞后期、随机误差项的现值和随机误差项的各个滞后期进行回归[31]。该模型通过预测目标自身时间序列研判变化趋势,同时将模型同现值产生的误差也作为因素纳入模型,具有灵活性强、易适应外部变化的特点,被广泛用于国家或地区经济预测[33,34,35]。ARIMA模型的表达式为：
Y t = c + α 1 Y t - 1 + α 2 Y t - 2 + ⋯ + α p Y t - p + ε α t + β 1 ε t - 1 + β 2 ε t - 2 + ⋯ + β q ε t - q
式中：c为常数;εt为白噪声过程;αi和βj为回归系数。模型通过d次差分将非平稳时间序列转化为平稳时间序列后,再对其进行定阶和参数估计得到p和q值,然后依据ARIMA（p, d, q）模型对时间序列预测。主要步骤包括：检验灾区历史经济数据序列平稳性,若原序列为非平稳序列,则进行差分变换或者对数差分变换生成平稳序列;按照自相关系数和偏自相关系数等描述序列特征统计量,确定ARIMA模型的阶数p和q;估计模型参数,并采用参数t统计量进行显著性检验、模型自身合理性检验;通过模型残差项是否为白噪声进行模型诊断,若通过白噪声检验,则利用模型进行灾后经济预测。
2.2.2 灾后经济韧性测度模型 借鉴Simmie等提出的外界冲击事件发生后区域经济的增长轨迹与模式[17, 23],建立灾后经济韧性测度模型。灾后区域经济的时间变动趋势如图2所示,t1为地震灾害发生的时间点,y' = f'（x）为未遭受灾害冲击而按照长期（t0-t1）趋势外推的假定增长轨迹,y = f（x）为遭受冲击后的实际增长轨迹。那么,△S表示实际增长与假定增长的差异,反映灾后经济损失的程度,S面积表示冲击后的实际增长情况,灾后经济韧性指数（R）则定义为：
R = S S + ∆ S = ∫ t 2 t 1 f t dt ∫ t 2 t 1 f ' t dt
图2 灾后区域经济增长轨迹示意图

Fig. 2 Schematic diagram of the growth track of post-disaster regional economy

式中：t1-t2的时间段为2007-2015年;y' = f'（x）在ARIMA模型预测的经济规模基础上运用多项式拟合得到。通常地,R值越大则灾区经济韧性越高,反之越低,若R = 1表示无显著影响区域,灾后经济保持原速增长;若R>1表示积极影响区域,灾后经济通过自身调整,实现跨越式发展,灾害冲击成为调整经济发展轨迹的契机;若R与1的差值越大,则表示受灾消极影响越深,灾后经济短期出现负增长,长期增速也难以恢复至灾前增长率。
2.2.3 改进的规模报酬可变DEA模型 运用数据包络分析（Date Envelopment Analysis, DEA）方法,选择规模报酬可变（Variable Returns to Scale, VRS）的DEA模型,评价震后短期内经济恢复的相对效率。以极重灾区县（市）为决策评价单元（DMU）,单元个数N=10,投入指标有I种,产出指标有O种,xni代表第n个灾区县的第i种经济投入量,yno代表第n个灾区县的第o种经济产出量[36,37,38]。则DEA模型为：
min θ - ε ∑ I = 1 I s - - ∑ O = 1 O s + s . t . ∑ n = 1 N x ni λ n + s - = θ x i n ( i = 1,2 … , I ) ∑ n = 1 N y no λ n - s + = y o n ( o = 1,2 … , O ) λ n ≥ 0 ( n = 1,2 … , N )
式中：在规模报酬不变（Constant Returns to Scale, CRS）的DEA模型基础上,引入约束条件 ∑ n = 1 N = 1 ,将其转变为VRS模型。θ（0<θ ≤ 1）代表经济恢复效率综合指数,θ值越大,经济恢复综合效率越高,θ = 1表明该决策单元运行在最优生产前沿面上,其产出相对于投入而言达到综合效率最优。ε为非阿基米德无穷小量;λn（λn ≥ 0）为判断决策单元规模收益情况的权重变量;s-（s- ≥ 0）为松弛变量,表示达到DEA有效需要减少的投入量;s+（s+ ≥ 0）为剩余变量,表示达到DEA有效需要增加的产出量。利用VRS模型可将综合效率θn分解为纯技术效率θTE与规模效率θSE的乘积,即θn = θTE × θSE。其中,θTE、θSE的值越接近1,表示纯技术效率、规模效率越高,若达到1,则表示效率最优。
2.2.4 Malmquist生产率指数模型 为进一步了解灾区长期经济恢复效率的年际变化趋势,运用Malmquist生产率指数模型进行分析,并将全要素生产率分解为技术进步变化、纯技术效率变化、规模效率变化等。Fare等构造了t到t+1期的规模效率不变Malmquist生产率指数公式[39]：
M x t + 1 , y t + 1 , x t , y t = D t x t + 1 , y t + 1 D t x t , y t × D t + 1 x t + 1 , y t + 1 D t + 1 x t , y t
式中： D t x t , y t 、 D t x t + 1 , y t + 1 分别指以t期的技术为参考时,t期和t+1期决策单元的距离函数; D t + 1 x t , y t 、 D t + 1 x t + 1 , y t + 1 含义亦同。在VRS的假设下,Malmquist生产率指数可分解为综合效率（effch）和技术变动率（techch）两部分,其中,effch又可进一步分解为纯技术效率（pech）和规模效率（sech）变化[40,41],式（4）便可以分解为：
M x t + 1 , y t + 1 , x t , y t = D t + 1 x t + 1 , y t + 1 | VRS D t x t , y t | VRS × D t + 1 x t + 1 , y t + 1 | CRS D t + 1 x t + 1 , y t + 1 | VRS × D t x t , y t | VRS D t x t , y t | CRS × D t x t + 1 , y t + 1 D t + 1 x t + 1 , y t + 1 × D t x t , y t D t + 1 x t , y t = pech × sech × techch
式中：Malmquist生产率指数大于1表示从t到t+1期的全要素水平提高,反之降低;techch反映了生产前沿面的移动对生产率变化的贡献程度;effch反映给定投入情况下决策单元获取最大产出的能力;pech反映在变化规模报酬假定下的技术效率变化;sech反映规模经济对生产率的影响。

3 结果分析

3.1 灾后重建地区经济韧性

（1）汶川地震导致灾区短期经济衰退,但2年内恢复至震前水平。汶川地震发生前,极重灾区10个县市年均保持了10%以上的高速增长,而2008年地震灾后,GDP总量从2007年的527.87亿元减少至385.46亿元,降低了26.98%。其中,震中所在汶川县的衰退程度最高（图3）,其GDP降幅高达56.01%,茂县、都江堰市、绵竹市和什邡市的衰退程度均在1/3以上,而平原地区的彭州市、安县衰退程度较低,较震前GDP分别降低了12.90%、6.30%。从恢复周期（即恢复至震前年份经济水平的时间）来看,极重灾区经济恢复至震前水平的时间为2年,地震未引起区域经济长时期的持续性衰退。进一步地,从县域震后GDP变化来看,3年内各县市均恢复至震前水平,其中,恢复周期因受灾程度和重建自然条件而异,平原地区恢复周期为1年,盆周山地的北川县、青川县、平武县和川西高原的茂县恢复周期为2年,而邻近震中的汶川县、绵竹市、什邡市和都江堰市恢复周期为3年。
图3 2007年和2008年汶川地震极重灾区县灾前与灾后GDP对比

Fig. 3 Comparison between pre-disaster and post-disaster GDP

（2）极重灾区总体经济韧性较高,且农业和服务业经济韧性高于工业。基于1994-2007年三次产业增加值数据,采用ARIMA模型预测未发生地震条件下的GDP和三次产业增长轨迹（图4）,并与实际的GDP数据对比,按照公式（2）测算经济韧性指数。结果显示,汶川地震灾后GDP的经济韧性指数为0.877,表明极重灾区经济韧性较高,而第一、第二及第三产业的经济韧性依次为0.903、0.781、1.070,不同产业的灾后经济韧性差异显著,且农业和服务业经济韧性高于工业。进一步显示,灾区第二产业增加值由震前2007年的283.46亿元下降到194.81亿元,降低了31.28%,震后工业经济的恢复周期为3年,较之农业和服务业偏长,特别在都江堰—什邡—绵竹一带大型工业企业集中区,以及受山体滑坡填埋损失惨重的汶川、茂县两县尤为突出。震后调查结果显示,在极重灾区经济规模最大的什邡市,作为支柱产业的磷化工和水泥产业,损失比例分别达到90%和70%。
图4 1994-2015年汶川地震极重灾区GDP与三次产业增加值变化

Fig. 4 Changes in GDP and value-added of three industries in 1994-2015

与震前相比,2008年极重灾区第一产业增加值下降了9.86%,地震仅对当年有一定影响,从2009年开始,第一产业增长速度比震前略有上升,其预测值曲线和实际值曲线基本重合（图4）。而震后服务业强劲快速回升,第三产业增加值由震前的153.22亿元下降到震后当年的108.61亿元,但其后5年间,第三产业增加值的增长率依次为36.73%、18.42%、10.28%、13.51%和12.76%,年均增长率达到了18.34%,接近震前5年平均增长率的2倍。图4也显示从2011年起,第三产业的实际值已高于预测值曲线。各区县产业恢复周期也表明（图5）,震后工业恢复周期普遍大于服务业,如震中汶川县第二产业恢复周期为4年,而第三产业仅为1年。此外,工业与总体经济的恢复周期耦合度较高,表明地震不仅破坏了原有工业设备,还对其固有的生产体系也会造成冲击,工业部门的经济韧性是决定灾区经济恢复的“瓶颈”。
图5 汶川地震各极重灾区县二三次产业恢复周期差异

Fig. 5 Differences of recovery cycle between secondary industry and tertiary industry

（3）震后经济具有一定再适应力,产业结构调整显著拉动灾区经济发展。对比震后经济的模型预测值表明,震后经济能够进行结构性再调整,面对危机具有较强再适应力（图6）。震前5年灾区呈现农业、服务业经济比重降低、工业比重提高的基本态势。而震后工业和农业增速放缓,震后5年平均增速比震前5年分别降低了3.25和2.46个百分点,服务业增速较震前5年提升了8.82个百分点,到2015年极重灾区服务业比重已提升至32%。特别是在汶川、北川、绵竹等区县,经济发展模式逐步向工业和服务业共同驱动转型。进一步通过三次产业贡献度（即三次产业增量/国内生产总值增量×100%）分析发现,无灾条件下灾区三次产业对经济增长的贡献度依次为9.65%、70.02%、20.33%,但实际三次产业的贡献度为7.78%、55.29%、36.99%,服务业对灾后区域经济的拉动作用显著提升。由此可见,极重灾区县除了获得应急救灾和灾后救济资金外,还获得大体量中央政府恢复重建资金、境内外对口支援和援建资金等,并实行了灾后税收优惠和贷款等金融扶持政策,刺激了灾区产业、特别是服务业发展新的投资机会,从而加速震后经济转型过程。
图6 1994-2015年汶川地震极重灾区三次产业结构变化

Fig. 6 Changes in industrial structure of three industries in 1994-2015

同时,震后经济转型显著拉动了极重灾区经济发展水平提升,2009年以后3年间,灾区人均GDP增长率依次为22.28%、20.05%、19.29%,到2010年极重灾区人均GDP便已恢复至震前年份的绝对值水平,到2015年已经较震前实现翻一番。不仅如此,震后发展契机和产业重构缩小了各区县之间的经济发展水平差距。从历年人均GDP的变异系数（CV值）发现,震后灾区内部的经济差距扩大趋势被扭转,震前5年的CV值维持在0.7以上,而震后5年的CV值降低至0.65（图7）,并保持了多年稳定态势。
图7 1994-2015年汶川地震极重灾区人均GDP与变异系数变化

Fig. 7 Changes in GDP per capita and coefficient of variation in 1994-2015

3.2 灾后重建地区经济恢复效率

进一步地,从投入与产出的角度测度灾后经济恢复效率,需要指出的是,采用DEA模型评价时,一般规定投入和产出指标数的和小于等于1/3评价单元的个数[41]。因此,对10个极重灾区县测度要求投入产出指标最多为3个。因此,根据灾后经济投入与产出要素的变化特征最终遴选了3个主要指标,符合DEA使用的经验法则,其中,在经济恢复的投入角度,选取从业人员数（万人）、永续盘存法估算的资本存量（万元）表征灾后人力要素和资本要素投入,而在产出角度选取GDP（万元）表征灾后经济产出。
3.2.1 基于VRS模型的短期经济恢复效率 基于2008年极重灾区投入产出指标,采用VRS模型进行评价,结果如表1所示。
表1 2008年汶川地震极重灾区县经济恢复相对效率及分解结果

Tab. 1 Economic recovery relative efficiency and decomposition results in 2008

地区 综合效率 纯技术效率 规模效率 规模收益
汶川县 0.505 1.000 0.505 递增
北川羌族自治县 0.293 1.000 0.293 递增
绵竹市 1.000 1.000 1.000 不变
什邡市 1.000 1.000 1.000 不变
青川县 0.321 1.000 0.321 递增
茂县 0.269 1.000 0.269 递增
都江堰市 0.912 0.939 0.971 递减
平武县 0.299 0.580 0.515 递增
彭州市 0.637 1.000 0.637 递减
安县 0.798 0.981 0.813 递增
平均值 0.603 0.950 0.632 —
从综合效率角度来看,2008年极重灾区经济恢复综合效率为0.603,即仅达到最优水平的60.3%。极重灾区仅有绵竹市和什邡市2个县市为DEA有效,并且技术及规模效率都为有效水平,说明经济投入要素得到较合理组合及配置,震后经济恢复效率在极重灾区处于较为先进的水平;而其他8个县市为非DEA有效,经济投入因灾而未能得到充分利用。按纯技术效率和规模效率进行分解显示,极重灾区经济恢复的纯技术效率为0.950,达到最优水平的95.0%,有绵竹、什邡、彭州、汶川、茂县、北川6个县市达到技术有效,而其他4个县市处于纯技术效率无效状态;而极重灾区经济恢复的规模效率为0.632,达到最优水平的63.2%,其中,仅绵竹、什邡为规模效率有效且处于规模效率不变状态外,其余县市均为规模效率无效且以规模效率递增为主。
平原丘陵区短期经济恢复的综合效率、纯技术效率、规模效率均显著高于高原山地区,前者综合效率、纯技术效率、规模效率的平均值依次为0.869、0.984和0.884,而后者依次为0.337、0.916和0.381,说明强震对高原山地区的管理和技术等因素以及投入规模因素影响的生产效率均造成冲击,导致短期内震后内经济韧性较弱,其中北川、青川、茂县、平武4个县市的综合效率均不足最优水平的40%。进一步将综合效率指数与人均GDP、工业化水平进行相关性检验,结果显示人均GDP、工业化水平与经济恢复效率存在显著正相关性（置信度为0.05）,Pearson相关系数分别为0.884、0.537,初步表明经济发展水平和工业化水平越高的地区其经济韧性越强,而贫困县面对地震灾害的韧性相对较低。
3.2.2 基于Malmquist全要素生产率的中长期经济恢复效率 采用DEAP 2.1软件,测算2000-2015年灾后重建地区经济恢复的Malmquist全要素生产率（TFP）指数及其分解结果。TFP的年际变化趋势显示（图8）,震前经济的全要素生产率长期平稳,TFP指数基本保持在1.5个百分点以内的增长。从TFP指数变动的组成部分来看,增长的主要源泉是技术进步改进,2000-2007年间技术进步指数的平均值为1.104,年均增长10.4%。相比震前,震后全要素生产率具有显著不同。
图8 2000-2015年汶川地震极重灾区TFP及分解结果变动

Fig. 8 Changes in TFP and its decomposition results in 2000-2015

（1）震后2年间全要素生产率波动强烈,经济恢复效率显著下降造成短期经济衰退。震后2年间极重灾区的TFP指数分别为0.663、0.848,全要素生产率分别下降了33.7%和15.2%。从2010年开始5年间,极重灾区全要素生产率反弹并恢复至稳态,TFP指数依次为1.041、1.015、1.032、1.03、1.036,年均保持在3个百分点的增速。总体来看,汶川地震引起极重灾区全要素生产率波动强烈,震后经济产出效率显著下降造成短期经济衰退,而在经历2年衰退期后,极重灾区逐渐从高速反弹向平稳增长过渡。
（2）技术变动率受地震影响突出,生产体系更新是决定震后经济恢复的主导因素。从全要素生产率的分解结果来看（表2）,极重灾区经济恢复效率主要受技术变动影响,技术变动率的快慢直接影响到TFP的增长速度。与Malmquist指数一样,在震后2年间极重灾区技术变动指数显著降低（0.646、0.886）,而后2年分别增长了24.0%和14.4%,技术进步成为震后TFP指数回升的主要推动力。表明由于灾害破坏了极重灾区旧技术和生产体系,经过短期经济低迷与恢复期后,重置受损设备并建立起新的生产体系提高了灾区劳动生产率,从而使区域经济增长率持续上升。这与Hallegatte等[42]、Skidmore等[43]对灾后的研究结论一致,汶川地震同样成为极重灾区重新投资和技术升级的催化剂,反过来促进灾区经济系统功能恢复与规模提升。
表2 2007-2015年汶川地震极重灾区Malmquist指数及分解结果

Tab. 2 Malmquist index and its decomposition results in 2007-2015

年份 综合效率 技术变动率 纯技术效率 规模效率 全要素增长率
2007年 0.924 1.131 0.974 0.948 1.044
2008年 1.027 0.646 1.053 0.975 0.663
2009年 0.957 0.886 0.854 1.121 0.848
2010年 1.011 1.030 0.988 1.023 1.041
2011年 0.930 1.092 1.012 0.919 1.015
2012年 0.993 1.039 1.060 0.937 1.032
2013年 1.019 1.011 1.069 0.953 1.030
2014年 1.037 0.999 1.029 1.007 1.036
2015年 1.037 0.977 0.991 1.047 1.014
（3）震后经济综合效率平稳提升,纯技术效率和规模效率交替改善。震后综合效率未出现同TFP和技术变动指数一样的强烈波动,2008年、2009年极重灾区的综合效率变动指数分别为1.027和0.957,之后保持年均不足1个百分点的平稳态势。值得注意的是,随着恢复时间推移,综合效率提升已对TFP形成明显的拉动,震后远期经济恢复与发展的重要动力。再将综合效率分解为规模报酬可变条件下的纯技术效率和规模效率,如表2所示,震后2年纯技术效率分别为0.854和0.988,之后年均增长4.25%,而震后2年规模效率分别为1.121和1.023,之后年均呈6.37%的负增长。纯技术效率和规模效率的交替改善趋势表明,震后短期内经济恢复的综合效率主要依靠规模效率的提升,而随着灾后经济恢复的规模收益下降,灾区经济恢复主要依赖纯技术效率,提升纯技术效率是保持灾后经济长期增长的动力。
（4）高原山地区震后经济效率下降更为突出,短期内韧性低于平原丘陵区。从不同地域类型的震后变化显示,2008年高原山地区和平原丘陵区的Malmquist指数分别为0.598、0.747,与2007年相比降幅分别为40.18%、25.26%。表明高原山地区在震后短期内的经济效率下降更为突出,且经济韧性低于平原丘陵区。进一步分解发现,震后高原山地区与平原丘陵区的技术变动指数降幅相当,二者分别降低了35.18%、35.64%,但由于经济综合效率的差异,即平原丘陵区（1.161）在经济综合效率方面显著优于山地丘陵区（0.924）,导致平原丘陵区短期内韧性相对较高。由此可见,在震后技术和生产体系同样严重受损的情形下,平原丘陵区在经济管理、资源配置等方面优势明显,因而经济效率要比高原山地区高,能够在短期内具备技术效益和规模效益,全要素增长率增长也较为快速。

4 结论与启示

本文在ARIMA模型的经济增长预测基础上,测算了汶川地震极重灾区的经济韧性指数,揭示了灾区经济恢复的鲁棒性、快速性以及再适应性特征,同时,通过VRS模型和Malmquist生产率指数评价,解析了震后短期和中长期的经济恢复效率及影响效应。主要得到以下结论与启示：
（1）汶川地震极重灾区经济韧性较高,地震导致短期经济衰退,但2年内恢复至震前水平。GDP及三次产业的经济韧性指数依次为0.877和0.903、0.781、1.070,其中农业和服务业经济韧性高于工业。震后经济具有一定再适应力,重建援建资金、人力和物质投入,刺激了极重灾区产业结构性再调整,对区域经济发展形成显著拉动,还缩小了极重灾区内部的经济发展水平差距,到2010年人均GDP便已恢复至震前水平,到2015年已经较震前基本实现翻一番,极重灾区人均GDP的变异系数也从震前5年的0.7以上降低至震后5年的0.65。
（2）2008年灾区经济恢复综合效率仅为最优水平的60.3%,其中,平原丘陵区短期经济恢复的综合效率、纯技术效率、规模效率均显著高于高原山地区,强震对山区管理和技术等因素以及投入规模因素影响的生产效率均造成冲击,导致短期内震后经济韧性较弱。从年际变化趋势来看,震后全要素生产率波动强烈,2年间灾区的TFP指数分别下降了33.7%和15.2%,而后呈现年均保持在3个百分点的增速。震后全要素生产率指数的显著下降主要源于技术变动,生产体系更新是决定震后经济韧性的主导因素,这也是高原山地区震后经济韧性弱于平原丘陵区的重要原因。此外,随着经济规模收益下降,灾区长期经济恢复主要依赖纯技术效率,提升纯技术效率以保持经济集约化增长的动力。
（3）研究表明,尽管国家财政投入、外部对口帮扶等应急性、过渡性援助,是灾后重建地区经济秩序得以在短期内迅速恢复的关键,但是对灾后经济韧性及恢复效率起决定性作用的仍是内生性的技术进步。要达到较好的经济恢复效果,一方面应针对重建自然条件和经济发展阶段的差异性,灾后重建地区自身需积极进行经济结构调整和改革,另一方面,在国家自上而下的支持与援助时,需要注重灾区生产体系更新以提升技术进步水平,也只有这样才能发挥大规模资金、设施、人力等要素投入的规模效应,从而增强应对灾害冲击的经济韧性与恢复效率。为此得出提升灾后经济韧性的政策启示：① 充分发挥灾区和灾民自力更生的主观能动性,立足长远增强经济恢复的造血功能,将灾后重建作为产业结构优化与产业布局调整契机,以市场为导向,立足资源环境承载能力、产业政策和就业需要,科学引导受灾企业原地重建、异地迁建和关停并转,支持特色优势产业恢复和发展。② 在做好城乡住房、基础设施、公共服务设施等领域硬件系统恢复的同时,注重技能培训、就业援助、招商引资、园区经营与管理等软件系统再造,通过共建产业园区、以工代赈、产业合作项目等产业对口援助与合作,增强灾区劳动力再就业和转移能力,实现灾后经济发展的软硬件支撑能力同步提高。③ 创新财政投入与市场资本投入方式,积极建立防灾减灾储备金、灾后重建专项资金、对口支援资金、自然灾害风险投资基金、政府债券、救灾性彩票等,鼓励发展银行绿色信贷、灾害保险与再保险,构建政府主导、多源投资、风险共担的投资保障体系与风险分担机制,增强全社会应对自然灾害的韧性与适应能力。
（4）本文探索了灾后经济恢复过程及其效率,但受数据获得难度的限制,只选取经济总量及三次产业进行比较分析。实际上,本文得出的初步研究结论已经显示,震后不同产业的恢复效率及其变化趋势具有显著差异,那么在大规模的资金、设施、人力等援助驱动下,各类产业的灾后恢复过程、投入产出效率差异性有待加强。同时,研究还发现新旧资本的混合程度影响着经济恢复效率,旧资本存量份额与纯技术效率、规模效率具有显著相关性（相关系数分别为0.643、-0.695）,深化其研究对于改进恢复重建资金投放机制具有重要实践意义。此外,对于灾区而言,实现灾后经济与生态环境的均衡协调发展尤为重要,灾区产业发展路径选择是否与灾区的资源环境承载能力相适应,对于灾后经济恢复与生态环境的协调性及其调适研究,是未来进一步研究的重要方向。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Qin Dahe, Zhang Jianyun, Shan Chunchang , et al. China's Climate Extreme and Disaster Risk Management and Adaption to the National Assessment Report. Beijing: Science Press, 2015.

[ 秦大河, 张建云, 闪淳昌 , 等. 中国极端天气气候事件和灾害风险管理与适应国家评估报告. 北京: 科学出版社, 2015.]

[2]
Chen Yuntai, Yang Zhixian, Zhang Yong , et al. 2013. From 2008 Wenchuan earthquake to 2013 Lushan earthquake. Scientia Sinica Terrae, 43(6):1064-1072.

[ 陈运泰, 杨智娴, 张勇 , 等. 2013. 从汶川地震到芦山地震. 中国科学: 地球科学, 43(6):1064-1072.]

[3]
Shi Peijun, Wang Jiwei, Zhang Gangfeng , et al. Research review and prospects of natural disasters regionalization in China. Geographical Research, 2017,36(8):1401-1414.

[ 史培军, 王季薇, 张钢锋 , 等. 透视中国自然灾害区域分异规律与区划研究. 地理研究, 2017,36(8):1401-1414.]

[4]
Fan Jie, Zhou Chenhu, Gu Xingfa , et al. Planning of Post-disaster Reconstruction of Wenchuan: Resources and Environmental Carrying Capacity Evaluation. Beijing: Science Press. 2009.

[ 樊杰, 周成虎, 顾行发 , 等. 国家汶川地震灾后重建规划: 资源环境承载能力评价. 北京: 科学出版社. 2009.]

[5]
Zhou Kan, Fan Jie, Xu Yong . Paradigm and prospects of emergent evaluation of post-disaster resource and environmental carrying capacity for reconstruction planning. Progress in Geography, 2017,36(3):286-295.

[ 周侃, 樊杰, 徐勇 . 面向重建规划的灾后资源环境承载能力应急评价范式. 地理科学进展, 2017,36(3):286-295.]

[6]
Ge Quansheng, Zou Ming, Zheng Jingyun. A Preliminary Study on the Natural Disaster Risk Comprehensive Evaluation in China. Beijing: Science Press, 2008.

[ 葛全胜, 邹铭, 郑景云 . 中国自然灾害风险综合评估初步研究. 北京: 科学出版社, 2008.]

[7]
Ma Zongjin . China's Major Natural Disasters and Disaster Reduction Countermeasures: Pandect. Beijing: Science Press, 1994.

[ 马宗晋 . 中国重大自然灾害及减灾对策: 总论. 北京: 科学出版社, 1994.]

[8]
Chang S E, Rose A Z . Towards a theory of economic recovery from disasters. International Journal of Mass Emergencies & Disasters, 2012,32(2):171-181.

[9]
Song Chongzhen, Yang Jiyuan, Wang Ying . Post-natural disaster economic recovery: Recent progress. Journal of Beijing Normal University, 2016,52(2):196-201.

[ 宋崇振, 杨济源, 王瑛 . 自然灾害后的经济恢复研究进展. 北京师范大学学报(自然科学版), 2016,52(2):196-201.]

[10]
Steenge A, Bockarjova M . Thinking about imbalances in post-catastrophe economies: An input-output based proposition. Economic Systems Research, 2007,19(2):205-223.

[11]
Cole S, Pantoja E, Razak V . Social accounting for disaster preparedness and recovery planning. Technical Report NCEER-93-0002,National Centre for Earthquake Engineering Research, 1993.

[12]
Hallegatte S . An adaptive regional input-output model and its application to the assessment of the economic cost of Katrina. Risk Analysis, 2010,28(3):779-799.

[13]
Ding Xianjun, Yang Cuihong, Zhu Kunfu . A method based on input-output model to evaluate economic impact of disasters. Journal of Natural Disasters, 2010,19(2):113-118.

[ 丁先军, 杨翠红, 祝坤福 . 基于投入—产出模型的灾害经济影响评价方法. 自然灾害学报, 2010,19(2):113-118.]

[14]
Zhu Jing . Imbalance of economy after disaster based on input-output model and path recovery. Chinese Journal of Management Science, 2013,21(4):121-128.

[ 朱靖 . 基于投入—产出模型的灾后经济非均衡与路径恢复研究. 中国管理科学, 2013,21(4):121-128.]

[15]
Zhang Hong, Zuo Yafei . Influence of earthquake disasters on regional economic development and countermeasures. Special Zone Economy, 2013(2):145-146.

[ 张红, 左娅菲 . 地震灾害对区域经济发展的影响及对策研究. 特区经济, 2013(2):145-146.]

[16]
Zheng Changde . Analysis of the impact of Wenchuan earthquake on national and regional economic growth and countermeasures. Journal of Southwest Minzu University (Humanities & Social Sciences Edition), 2008,29(7):75-79.

[ 郑长德 . 汶川大地震对全国及地区经济增长的影响分析及对策研究. 西南民族大学学报(人文社科版), 2008,29(7):75-79.]

[17]
Simmie J, Martin R L . The economic resilience of regions: Towards an evolutionary approach. Cambridge Journal of Regions, Economy and Society, 2010,3(1):27-43.

[18]
Rose A, Krausmann E . An economic framework for the development of a resilience index for business recovery. International Journal of Disaster Risk Reduction, 2013(5):73-83.

[19]
Rose A, Liao S Y . Modeling regional economic resilience to disasters: A computable general equilibrium analysis of water service disruptions. Journal of Regional Science, 2005,45(1):75-112.

[20]
Rose A, Lim D . Business interruption losses from natural hazards: Conceptual and methodological issues in the case of the Northridge earthquake. Global Environmental Change Part B Environmental Hazards, 2002,4(1):1-14.

[21]
Lu R, Dudensing R M . Post-Ike economic resilience along the Texas coast. Disasters, 2015,39(3):493-521.

[22]
Reggiani A, De Graaff T, Nijkamp P . Resilience: An evolutionary approach to spatial economic systems. Networks and Spatial Economics, 2002,2(2):211-229.

[23]
Wan Binlian, Zhai Fuofang . The post-earthquake regional economic growth pattern based on resilience: A case study of Wenchuan Earthquake. Modern Urban Research, 2017(9):41-47.

[ 万膑莲, 翟国方 . 基于韧性的灾后区域经济增长模式研究: 以汶川地震为例. 现代城市研究, 2017(9):41-47.]

[24]
Benson C, Clay E J . Understanding the economic and financial impacts of natural disasters. World Bank, 2004.

[25]
Toyoda T . Economic evaluation of the recovery process from a great disaster in Japan: The case of Hanshin-Awaji Earthquake// The New Viewpoints and New Solutions of Economic Sciences in the Information Society, 2011.

[26]
Wu Jidong, Li Ning, Zhou Yang , et al. Disaster recovery measurement framework: An application case of disaster recovery after Hurricane Katrina. Journal of Natural Disasters, 2013,22(4):58-64.

[ 吴吉东, 李宁, 周扬 , 等. 灾害恢复度量框架: Katrina飓风灾后恢复应用案例. 自然灾害学报, 2013,22(4):58-64.]

[27]
Wu J, Li N, Xie W , et al. Post-disaster recovery and economic impact of catastrophes in China. Earthquake Spectra, 2014,30(4):1825-1846.

[28]
Tang Yandong, Yu Xi, Liu Chunping , et al. Theoretical and empirical study of the impact of Wenchuan earthquake on economic growth in Aba Prefecture. Journal of Natural Disasters, 2014,23(5):90-97.

[ 唐彦东, 于汐, 刘春平 . 汶川地震对阿坝州经济增长影响理论与实证研究. 自然灾害学报, 2014,23(5):90-97.]

[29]
Wu Jidong, Hao Xiaolin, Li Ning , et al. Cost-benefit analysis of China's state-run natural disaster relief system: Methods and application. Journal of Beijing Normal University (Natural Science), 2014,50(1):100-104.

[ 吴吉东, 郝晓琳, 李宁 , 等. 中国“举国体制”应对巨灾的经济效益评估方法及应用. 北京师范大学学报(自然科学版), 2014,50(1):100-104.]

[30]
The State Council of the People's Republic of China. Post-Wenchuan Earthquake recovery and reconstruction master plan. 2008-09-23. .

[ 中华人民共和国国务院. 汶川地震灾后恢复重建总体规划. 2008-09-23. .]

[31]
Zhang Jun, Chen Shiyi, Gary H Jefferson . Structural reform and industrial growth in China. Economic Research Journal, 2009(7):4-20.

[ 张军, 陈诗一, Gary H Jefferson . 结构改革与中国工业增长. 经济研究, 2009(7):4-20.]

[32]
Zhang Jun, Wu Guiying, Zhang Jipeng . The estimation of China's provincial capital stock: 1952-2000. Economic Research Journal, 2004(10):35-44.

[ 张军, 吴桂英, 张吉鹏 . 中国省际物质资本存量估算:1952-2000. 经济研究, 2004(10):35-44.]

[33]
Chen Jie, Cao Kezhang, Liu Zhe . Time series analysis of per capita GDP in Jiangsu Province. Journal of Nanjing Institute of Technology (Social Science Edition), 2015,15(4):74-78.

[ 陈洁, 曹克章, 刘哲 . 基于时间序列的江苏人均GDP预测研究. 南京工程学院学报(社会科学版), 2015,15(4):74-78.]

[34]
Baade R A . Estimating the economic impact of natural and social disasters, with an application to hurricane Katrina. Urban Studies, 2007,44(11):2061-2076.

[35]
Nishimura T, Kajitani Y, Tatano H . Damage assessment in tourism caused by an earthquake disaster. Infrastructure Planning Review, 2013,3(1):56-74.

[36]
Banker R D, Charnes A, Cooper W W . Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management Science, 1984,30(9):1078-1092.

[37]
Charnes A, Cooper W W, Lewin A Y , et al. Data Envelopment Analysis: Theory, Methodology, and Applications. Netherlands: Springer, 1994.

[38]
Li Xun, Xu Xianxiang, Chen Haohui . Temporal and spatial changes of urban efficiency in the 1990s. Acta Geographica Sinica, 2005,60(4):615-625.

[ 李郇, 徐现祥, 陈浩辉 . 20世纪90年代中国城市效率的时空变化. 地理学报, 2005,60(4):615-625.]

[39]
Färe R, Grosskopf S, Norris M . Productivity growth, technical progress, and efficiency change in industrialized countries: Reply. American Economic Review, 1997,87(5):1040-1044.

[40]
Zhang Xiangsun, Gui Binwei . The analysis of total factor productivity in China: A review and application of Malmquist index approach. Journal of Quantitative & Technical Economics, 2008,25(6):111-122.

[ 章祥荪, 贵斌威 . 中国全要素生产率分析: Malmquist指数法评述与应用. 数量经济技术经济研究, 2008,25(6):111-122.]

[41]
Wei Quanlin . Data Envelopment Analysis. Beijing: Science Press, 2004.

[ 魏权龄 . 数据包络分析. 北京: 科学出版社, 2004.]

[42]
Hallegatte S, Dumas P . Can natural disasters have positive consequences? Investigating the role of embodied technical change. Ecological Economics, 2015,68(3):777-786.

[43]
Skidmore M, Hideki T . Do natural disasters promote long-run growth? Economic Inquiry, 2010,40(4):664-687.

Options
Outlines

/

〈 〉