發(fā)布時(shí)間：2020-03-23所屬分類(lèi)：農(nóng)業(yè)論文瀏覽：1次
摘 要： 摘要:基于廣東省2015年投入產(chǎn)出表，通過(guò)投入產(chǎn)出模型評(píng)估了2018年臺(tái)風(fēng)艾云尼對(duì)廣東省造成的間接經(jīng)濟(jì)損失的動(dòng)態(tài)變化及其對(duì)主要經(jīng)濟(jì)部門(mén)的影響。結(jié)果顯示，臺(tái)風(fēng)艾云尼造成廣東省間接經(jīng)濟(jì)損失為5.51億元，約占直接經(jīng)濟(jì)損失的22%，總經(jīng)濟(jì)損失達(dá)到31.01億元，占廣
摘要:基于廣東省2015年投入產(chǎn)出表，通過(guò)投入產(chǎn)出模型評(píng)估了2018年臺(tái)風(fēng)“艾云尼”對(duì)廣東省造成的間接經(jīng)濟(jì)損失的動(dòng)態(tài)變化及其對(duì)主要經(jīng)濟(jì)部門(mén)的影響。結(jié)果顯示，臺(tái)風(fēng)“艾云尼”造成廣東省間接經(jīng)濟(jì)損失為5.51億元，約占直接經(jīng)濟(jì)損失的22%，總經(jīng)濟(jì)損失達(dá)到31.01億元，占廣東省2018年第二季度GDP的0.12%。受臺(tái)風(fēng)影響的高敏感部門(mén)是①農(nóng)林牧漁業(yè)、②水利、環(huán)境和公共設(shè)施管理業(yè)以及③交通運(yùn)輸、倉(cāng)儲(chǔ)和郵電業(yè)。雖然此次臺(tái)風(fēng)未對(duì)金融保險(xiǎn)、房地產(chǎn)、商務(wù)和旅游業(yè)部門(mén)造成直接經(jīng)濟(jì)損失，但是由于廣東省完善的產(chǎn)業(yè)鏈以及不斷增強(qiáng)的集群效應(yīng)，這些部門(mén)受到的間接經(jīng)濟(jì)損失的總額約為1.28億元。通過(guò)參數(shù)敏感性分析表明，災(zāi)后部門(mén)最大超額生產(chǎn)能力和災(zāi)后部門(mén)生產(chǎn)能力提高到最大值所需時(shí)間是影響災(zāi)后恢復(fù)重建進(jìn)度的兩個(gè)重要指標(biāo)。綜上所述，綜合考慮直接和間接經(jīng)濟(jì)損失，根據(jù)不同部門(mén)災(zāi)后恢復(fù)的模擬結(jié)果，充分解析間接經(jīng)濟(jì)損失在災(zāi)害恢復(fù)過(guò)程中的動(dòng)態(tài)變化。
關(guān)鍵詞:臺(tái)風(fēng)災(zāi)害;投入產(chǎn)出模型;間接經(jīng)濟(jì)損失;災(zāi)后重建;災(zāi)后恢復(fù)
在氣候變化的背景下，極端事件風(fēng)險(xiǎn)管理是當(dāng)今重要的議題之一，其中臺(tái)風(fēng)災(zāi)害是發(fā)生最為頻繁、影響最為廣泛的一種災(zāi)害。2018年臺(tái)風(fēng)發(fā)生頻率較高，西北太平洋上生成了29個(gè)臺(tái)風(fēng)，共造成臺(tái)風(fēng)影響區(qū)域直接經(jīng)濟(jì)損失697.3億元[1]，為2017年的1.6倍[2]。臺(tái)風(fēng)除了造成作物受災(zāi)、房屋倒塌等直接經(jīng)濟(jì)損失外，電網(wǎng)線(xiàn)路跳閘、公路中斷等引起的停電停產(chǎn)和交通運(yùn)行效率降低等現(xiàn)象，可能導(dǎo)致當(dāng)期的社會(huì)產(chǎn)品流量減少，產(chǎn)生間接經(jīng)濟(jì)損失。而這部分損失在以往的損失評(píng)估中未考慮，使臺(tái)風(fēng)造成的總經(jīng)濟(jì)影響被低估。
直接經(jīng)濟(jì)損失是“有形損失”[4]，深受政府、媒體及組織機(jī)構(gòu)關(guān)注。民政部、國(guó)家統(tǒng)計(jì)局于2014年發(fā)布《特別重大自然災(zāi)害損失統(tǒng)計(jì)制度》[5](以下簡(jiǎn)稱(chēng)《制度》)，涵蓋11大類(lèi)27項(xiàng)統(tǒng)計(jì)表，覆蓋了我國(guó)經(jīng)濟(jì)系統(tǒng)中的各個(gè)部門(mén)。間接經(jīng)濟(jì)損失是“潛在性”損失，故常常受到忽略。國(guó)外關(guān)于間接經(jīng)濟(jì)損失評(píng)估的研究起步較早，加勒比海地區(qū)經(jīng)濟(jì)委員會(huì)對(duì)拉丁美洲和加勒比海地區(qū)1972-2005年間的臺(tái)風(fēng)災(zāi)害案例進(jìn)行了直接經(jīng)濟(jì)損失和間接經(jīng)濟(jì)損失評(píng)估分析，顯示間接和直接經(jīng)濟(jì)損失的比例在0.13～1.60之間。由此可見(jiàn)，盡管間接經(jīng)濟(jì)損失是“無(wú)形的”，臺(tái)風(fēng)造成的間接經(jīng)濟(jì)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(jīng)濟(jì)損失評(píng)估方法以投入產(chǎn)出(Input-Output，IO)模型居多。傳統(tǒng)的IO模型基于投入產(chǎn)出表構(gòu)建Leontief生產(chǎn)函數(shù)，已廣泛應(yīng)用于災(zāi)害經(jīng)濟(jì)學(xué)中[7]。同時(shí)，針對(duì)傳統(tǒng)IO模型存在的未考慮資本替代以及無(wú)法對(duì)價(jià)格變動(dòng)做出反應(yīng)等問(wèn)題，大量的研究在傳統(tǒng)IO模型基礎(chǔ)上進(jìn)行了改進(jìn)。Cochrane[8]在原始IO模型的基礎(chǔ)上加入了時(shí)間序列的概念，進(jìn)行了動(dòng)態(tài)IO模型的初步探索;Okuyama[9]構(gòu)建了多區(qū)域IO模型，突出了災(zāi)害對(duì)災(zāi)區(qū)以外地區(qū)的波及影響;Hallegatte[3]在傳統(tǒng)IO模型的基礎(chǔ)上，建立了適應(yīng)區(qū)域投入產(chǎn)出模型(AdaptiveRegionalInput-Outputmodel，ARIO)，評(píng)估了美國(guó)Katrina颶風(fēng)災(zāi)后生產(chǎn)能力的變化;張正濤[10]在此基礎(chǔ)上考慮勞動(dòng)力因素，構(gòu)建了間接經(jīng)濟(jì)損失評(píng)估模型，并在2016武漢洪水和未來(lái)情景下氣候變暖對(duì)全球經(jīng)濟(jì)影響做了定量評(píng)估。多個(gè)實(shí)證研究使IO模型，尤其是ARIO模型在災(zāi)害間接損失評(píng)估中有了長(zhǎng)足的改進(jìn)。此外，同樣基于投入產(chǎn)出理論的CGE模型也可用于間接經(jīng)濟(jì)損失的評(píng)估，CGE模型本質(zhì)與IO模型相同，均源自投入產(chǎn)出表，但CGE模型豐富了投入產(chǎn)出表，構(gòu)建社會(huì)核算矩陣(SocialAccountingMatrix，SAM)表，突出價(jià)格因素與市場(chǎng)的重要性，與IO模型一同得到了廣泛的應(yīng)用[11]。然而，由于SAM表編制需要大量的數(shù)據(jù)支持，在無(wú)法獲得準(zhǔn)確數(shù)據(jù)的前提下只能通過(guò)情景假設(shè)值替代統(tǒng)計(jì)數(shù)據(jù)，為模型評(píng)估帶來(lái)了一定的不確定性。
推薦閱讀：臺(tái)風(fēng)研究所人員如何發(fā)表論文
因此，本文基于發(fā)展較為成熟且參數(shù)需求易于滿(mǎn)足的ARIO模型，評(píng)估2018年臺(tái)風(fēng)“艾云尼”對(duì)廣東省造成的總經(jīng)濟(jì)損失，充分解析間接經(jīng)濟(jì)損失在不同經(jīng)濟(jì)部門(mén)以及在災(zāi)害恢復(fù)過(guò)程中的動(dòng)態(tài)變化。
1研究方法
1.1ARIO模型
ARIO模型建立在IO模型的基礎(chǔ)上，充分考慮經(jīng)濟(jì)響應(yīng)特性，模擬災(zāi)害對(duì)地區(qū)經(jīng)濟(jì)的影響。該模型成功在2005年美國(guó)Katrina颶風(fēng)災(zāi)害評(píng)估上得到應(yīng)用[3]。吳吉東[12]將ARIO模型引入2008年汶川地震災(zāi)害的評(píng)估，使ARIO模型參數(shù)在中國(guó)的自然災(zāi)害評(píng)估中也得到了很好的驗(yàn)證。本文基于中國(guó)國(guó)情下臺(tái)風(fēng)災(zāi)害災(zāi)后恢復(fù)的過(guò)程，設(shè)置相關(guān)參數(shù)對(duì)模型改進(jìn)，使之適用于我國(guó)臺(tái)風(fēng)災(zāi)害的間接經(jīng)濟(jì)損失評(píng)估。
1.2模型假設(shè)
ARIO模型假設(shè)一個(gè)區(qū)域的經(jīng)濟(jì)有數(shù)量眾多且有固定消費(fèi)的家庭，以及N個(gè)不同的產(chǎn)業(yè)部門(mén)組成，這些產(chǎn)業(yè):①相互交換中間消費(fèi)品和服務(wù);②從本區(qū)域外進(jìn)口產(chǎn)品和服務(wù);③生產(chǎn)最終消費(fèi)品和服務(wù)供當(dāng)?shù)叵M(fèi);④出口商品和服務(wù)到區(qū)域外部。假定每個(gè)產(chǎn)業(yè)部門(mén)i生產(chǎn)唯一的商品并需要從其它部門(mén)提供投入才能完成其生產(chǎn)過(guò)程。還假定受災(zāi)影響導(dǎo)致家庭實(shí)物資產(chǎn)和部門(mén)生產(chǎn)資本受到破壞。
2研究區(qū)、數(shù)據(jù)來(lái)源以及模型參數(shù)設(shè)置
2.1研究區(qū)選擇
廣東省經(jīng)濟(jì)體量龐大，產(chǎn)業(yè)間關(guān)聯(lián)緊密，且為臺(tái)風(fēng)多發(fā)區(qū)，臺(tái)風(fēng)災(zāi)害數(shù)據(jù)較為完備，實(shí)地調(diào)查易于開(kāi)展，為模型評(píng)估提供了良好的數(shù)據(jù)支持。2018年第4號(hào)臺(tái)風(fēng)“艾云尼”是2018年首個(gè)登陸我國(guó)并造成嚴(yán)重影響的臺(tái)風(fēng)，廣東省民政廳統(tǒng)計(jì)數(shù)據(jù)顯示，臺(tái)風(fēng)“艾云尼”對(duì)廣東省造成的直接經(jīng)濟(jì)損失約為25.5億元。本文以廣東省遭受的臺(tái)風(fēng)“艾云尼”為例，研究災(zāi)害對(duì)當(dāng)?shù)厣鐣?huì)經(jīng)濟(jì)系統(tǒng)的重大沖擊，綜合考慮直接和間接經(jīng)濟(jì)損失，根據(jù)不同部門(mén)災(zāi)后恢復(fù)的模擬結(jié)果，充分解析間接經(jīng)濟(jì)損失在災(zāi)害恢復(fù)過(guò)程中的動(dòng)態(tài)變化。
2.2數(shù)據(jù)來(lái)源
2.2.1“艾云尼”直接經(jīng)濟(jì)損失數(shù)據(jù)
本文將臺(tái)風(fēng)“艾云尼”對(duì)廣東省造成的直接經(jīng)濟(jì)損失劃分為10個(gè)經(jīng)濟(jì)部門(mén)，包括:農(nóng)林牧漁業(yè)(#1);工業(yè)(#2);電力、熱力、燃?xì)夂退纳a(chǎn)和供應(yīng)業(yè)(#3);建筑業(yè)(#4);批發(fā)和零售業(yè)(#5);交通運(yùn)輸、倉(cāng)儲(chǔ)和郵電業(yè)(#6);住宿和餐飲業(yè);(#8)金融保險(xiǎn)、房地產(chǎn)、商務(wù)和旅游業(yè)(#7);水利、環(huán)境和公共設(shè)施管理業(yè)(#9)和其他服務(wù)業(yè)(#10)。各個(gè)經(jīng)濟(jì)部門(mén)的直接經(jīng)濟(jì)損失數(shù)據(jù)來(lái)源于官方統(tǒng)計(jì)數(shù)據(jù)。據(jù)民政部門(mén)統(tǒng)計(jì)，廣東省臺(tái)風(fēng)“艾云尼”災(zāi)害發(fā)生后，廣東省直接經(jīng)濟(jì)損失最大的3個(gè)部門(mén)為#1，#6和#9，其占比分別達(dá)到69.87%、12.67%和14.91%。
2.2.2廣東省投入產(chǎn)出表
國(guó)家統(tǒng)計(jì)局自1987年開(kāi)始編制中國(guó)投入產(chǎn)出表，每隔5年即年份尾數(shù)逢7、逢2發(fā)布新的投入產(chǎn)出表，并在年份尾數(shù)逢0、逢5發(fā)布延長(zhǎng)表。各省統(tǒng)計(jì)局結(jié)合本省發(fā)展水平編制省級(jí)投入產(chǎn)出表，發(fā)布年份與國(guó)家統(tǒng)計(jì)局一致。因此，本文選取廣東省2015年IO表[13]，將其經(jīng)濟(jì)部門(mén)合并為10個(gè)。
2.2.3固定資本存量數(shù)據(jù)
由于廣東省10部門(mén)的固定資產(chǎn)存量數(shù)據(jù)無(wú)法直接從統(tǒng)計(jì)部門(mén)獲取，本文基于廣東省各部門(mén)全社會(huì)固定資產(chǎn)投資，采用Goldsmith提出的永續(xù)盤(pán)存法計(jì)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(jù)以上公式，可求得廣東2017年10部門(mén)固定資產(chǎn)存量，其中，基年固定資產(chǎn)存量與折舊率數(shù)據(jù)來(lái)源于文獻(xiàn)[15]，全社會(huì)固定資產(chǎn)投資價(jià)格指數(shù)均來(lái)源于廣東省統(tǒng)計(jì)年鑒[16]。
2.3模型輸入?yún)?shù)設(shè)置
模型所需的外生參數(shù)如表1所示，針對(duì)災(zāi)后最大超額生產(chǎn)能力αmax，由于無(wú)法獲取實(shí)際災(zāi)后政府與保險(xiǎn)企業(yè)的重建資金，因此本文根據(jù)《廣東省供給側(cè)結(jié)構(gòu)性改革補(bǔ)短板行動(dòng)計(jì)劃(2016-2018年)》[17](以下簡(jiǎn)稱(chēng)《計(jì)劃》)，廣東省2018年計(jì)劃投資2956.8億元致力于基礎(chǔ)設(shè)施建設(shè)。假設(shè)該投資為災(zāi)后恢復(fù)的重建資金，并按2017年廣東省GDP換算為103%，由此可通過(guò)評(píng)估結(jié)果對(duì)比分析廣東省2956.8億《計(jì)劃》投資在本次臺(tái)風(fēng)災(zāi)害中的作用;災(zāi)后生產(chǎn)能力提高到最大值所需時(shí)間α設(shè)置為30d;適應(yīng)性時(shí)間特征參數(shù)設(shè)置為30d。考慮到參數(shù)變化對(duì)模擬結(jié)果的影響，本文將在章節(jié)3.4中對(duì)參數(shù)取值進(jìn)行敏感性分析。
3間接損失評(píng)估結(jié)果與分析
在建立的2015年廣東省LIO表和臺(tái)風(fēng)“艾云尼”災(zāi)害部門(mén)直接經(jīng)濟(jì)損失數(shù)據(jù)庫(kù)的基礎(chǔ)上，利用ARIO模型，以1d為步長(zhǎng)，模擬災(zāi)后1～100d部門(mén)的消費(fèi)和需求變化，評(píng)估臺(tái)風(fēng)“艾云尼”對(duì)廣東省造成的總經(jīng)濟(jì)損失。
3.1臺(tái)風(fēng)“艾云尼”災(zāi)害對(duì)廣東省造成的總經(jīng)濟(jì)損失
根據(jù)ARIO模型的評(píng)估結(jié)果，臺(tái)風(fēng)“艾云尼”災(zāi)害對(duì)廣東省造成的總經(jīng)濟(jì)損失為31.01億元，其中包括直接經(jīng)濟(jì)損失25.5億元，以及災(zāi)害導(dǎo)致部門(mén)產(chǎn)出下降和產(chǎn)業(yè)關(guān)聯(lián)導(dǎo)致的產(chǎn)出下降形成的間接經(jīng)濟(jì)損失5.51億元，約為直接經(jīng)濟(jì)損失的22%。
3.2全行業(yè)間接經(jīng)濟(jì)損失在災(zāi)害恢復(fù)過(guò)程中的動(dòng)態(tài)變化
ARIO模型除了定量評(píng)估直接間接經(jīng)濟(jì)損失的結(jié)果外，動(dòng)態(tài)刻畫(huà)出從災(zāi)害發(fā)生到恢復(fù)至災(zāi)前水平的動(dòng)態(tài)過(guò)程是本文關(guān)注的另一重要環(huán)節(jié)。本文采用廣東省整體產(chǎn)出(增加值)與災(zāi)前相比的變化和重建需求的變化反映重建過(guò)程。增加值與災(zāi)前相比的變化率以及重建需求從負(fù)值到0的變化，表明災(zāi)區(qū)恢復(fù)重建工作結(jié)束。臺(tái)風(fēng)“艾云尼”災(zāi)害重建過(guò)程如圖2所示:
由圖2a可知，受臺(tái)風(fēng)“艾云尼”的影響，廣東省災(zāi)后的增加值相比災(zāi)前顯著下降，由于各經(jīng)濟(jì)部門(mén)間產(chǎn)業(yè)關(guān)聯(lián)引起的漣漪效應(yīng)，至災(zāi)害發(fā)生第6d降幅最大。模擬結(jié)果表明，6d后生產(chǎn)開(kāi)始逐漸恢復(fù)。從圖2b重建需求來(lái)看，大概60d以后，重建需求完全得到滿(mǎn)足，重建工作結(jié)束，即廣東省的生產(chǎn)完全恢復(fù)到災(zāi)前水平。
3.3分行業(yè)間接經(jīng)濟(jì)損失的差異性對(duì)比
為了分析災(zāi)害對(duì)不同部門(mén)的差異和特征，圖3對(duì)比了臺(tái)風(fēng)“艾云尼”對(duì)廣東省各個(gè)部門(mén)的直接和間接經(jīng)濟(jì)損失，由此反映各部門(mén)在總損失中的貢獻(xiàn)或影響度.
從圖3可以看出，臺(tái)風(fēng)災(zāi)害發(fā)生后，各個(gè)部門(mén)均受到不同程度的影響，其中農(nóng)林牧漁業(yè)受災(zāi)情況最為嚴(yán)重，直接經(jīng)濟(jì)損失和間接經(jīng)濟(jì)損失均最大;而直接經(jīng)濟(jì)損失同樣較為嚴(yán)重的交通運(yùn)輸、倉(cāng)儲(chǔ)和郵電業(yè)以及水利、環(huán)境和公共設(shè)施管理業(yè)，其本身的間接經(jīng)濟(jì)損失卻不明顯;未產(chǎn)生直接經(jīng)濟(jì)損失的金融保險(xiǎn)、房地產(chǎn)、商務(wù)和旅游業(yè)、其他服務(wù)業(yè)以及工業(yè)，其間接經(jīng)濟(jì)損失的總額達(dá)到1.28億元。因此，對(duì)比不同部門(mén)可以發(fā)現(xiàn)，直接經(jīng)濟(jì)損失較大的部門(mén)，間接經(jīng)濟(jì)損失不一定大。更重要的是，即使某一部門(mén)的直接經(jīng)濟(jì)損失不大，甚至為零，但是由于產(chǎn)業(yè)部門(mén)間的波及效應(yīng)，該部門(mén)遭受的間接影響可能很大，對(duì)這個(gè)災(zāi)害風(fēng)險(xiǎn)管理中容易忽略的問(wèn)題有必要引起足夠的重視。
3.4模型不確定性分析
與參數(shù)敏感性分析由于現(xiàn)階段缺少官方的統(tǒng)計(jì)數(shù)據(jù)，無(wú)法對(duì)臺(tái)風(fēng)“艾云尼”災(zāi)害對(duì)廣東省造成的總經(jīng)濟(jì)損失評(píng)估結(jié)果進(jìn)行驗(yàn)證。因此，本文從模型的不確定性與各參數(shù)的敏感性機(jī)理出發(fā)，基于廣泛認(rèn)可的檢驗(yàn)方法[17]，給出模型評(píng)估結(jié)果的不確定性范圍以及參數(shù)設(shè)置對(duì)模型結(jié)果的影響程度。
(1)不確定性分析
在評(píng)估模型中，αmax、α和的設(shè)置均來(lái)源于權(quán)威數(shù)據(jù)以及參考文獻(xiàn)。驗(yàn)證參數(shù)的上下限閾值則根據(jù)基準(zhǔn)值向上、向下各調(diào)節(jié)30%，其中超額生產(chǎn)參數(shù)αmax下限值設(shè)為100%，共設(shè)置3組參數(shù)(見(jiàn)表1)。最后將3組參數(shù)組合帶入ARIO模型，根據(jù)參數(shù)最大值與最小值評(píng)估所得曲線(xiàn)，構(gòu)成臺(tái)風(fēng)“艾云尼”對(duì)廣東省經(jīng)濟(jì)影響評(píng)估結(jié)果的不確定性范圍(圖4)。
在參數(shù)值上下波動(dòng)30%的情況下，ARIO模型不確定性下限評(píng)估結(jié)果相較于基準(zhǔn)參數(shù)評(píng)估結(jié)果波動(dòng)約19%，不確定性上限評(píng)估結(jié)果波動(dòng)約4%，均小于輸入?yún)?shù)的波動(dòng)范圍(-30%～30%)，證明ARIO模型具有較好的穩(wěn)定性。
(2)參數(shù)敏感性分析
由于ARIO模型外生參數(shù)較多，逐一進(jìn)行檢驗(yàn)不易表達(dá)，并考慮到參數(shù)屬性以及模型穩(wěn)健型檢驗(yàn)中差異性較大的階段，將敏感性分析的參數(shù)分為兩組:①超額生產(chǎn)參數(shù)，即αmax和α，描述了產(chǎn)業(yè)部門(mén)通過(guò)調(diào)整其生產(chǎn)進(jìn)度來(lái)應(yīng)對(duì)龐大的災(zāi)后市場(chǎng)需求，從而彌補(bǔ)災(zāi)后生產(chǎn)的不足;②時(shí)間特征參數(shù)，即中間消費(fèi)適應(yīng)時(shí)間↓A、↑A，當(dāng)?shù)刈罱K需求適應(yīng)時(shí)間↓LFD、↑LFD和出口適應(yīng)時(shí)間↓E、↑E。設(shè)置其中一組不變，另一組在基準(zhǔn)參數(shù)值基礎(chǔ)上分別向上、向下波動(dòng)30%，從而分析特定參數(shù)的變化對(duì)評(píng)估結(jié)果的影響(圖5)。
對(duì)比兩類(lèi)參數(shù)對(duì)評(píng)估結(jié)果的敏感性發(fā)現(xiàn)，超額生產(chǎn)參數(shù)對(duì)評(píng)估結(jié)果的影響更為顯著，向上或向下調(diào)整超額生產(chǎn)參數(shù)(即改變?yōu)暮Φ闹亟ㄙY金)對(duì)災(zāi)害恢復(fù)初期影響較較小，較大的影響集中在災(zāi)害恢復(fù)的中后期。當(dāng)重建資金(超額生產(chǎn)能力)提高30%，達(dá)到超額生產(chǎn)能力所需時(shí)間縮短30%時(shí)，間接經(jīng)濟(jì)損失減少約20%，說(shuō)明了重建資金的投入能夠提升廣東省抵抗臺(tái)風(fēng)災(zāi)害的能力，有效減少臺(tái)風(fēng)災(zāi)害造成的總經(jīng)濟(jì)損失。
對(duì)于時(shí)間特征參數(shù)而言，改變模型的適應(yīng)性時(shí)間參數(shù)對(duì)恢復(fù)路徑影響較小，且集中在災(zāi)害恢復(fù)的中期，適應(yīng)時(shí)間延長(zhǎng)或縮短30%造成間接經(jīng)濟(jì)損失0.18%～0.2%的波動(dòng)。綜上，時(shí)間特征參數(shù)的變化對(duì)恢復(fù)期的影響不大。
4結(jié)論與討論
研究顯示ARIO模型用于臺(tái)風(fēng)災(zāi)害的損失評(píng)估的適用性較好，通過(guò)有效核準(zhǔn)輸入?yún)?shù)，能夠?qū)ε_(tái)風(fēng)“艾云尼”的間接經(jīng)濟(jì)損失進(jìn)行快速評(píng)估，主要結(jié)論如下。
(1)臺(tái)風(fēng)帶來(lái)的間接經(jīng)濟(jì)損失不可小覷。定量評(píng)估發(fā)現(xiàn)，災(zāi)害造成廣東省間接經(jīng)濟(jì)損失為5.51億元，總經(jīng)濟(jì)損失達(dá)到31.01億元，占廣東省2018年第二季度GDP的0.12%。
(2)災(zāi)害除了造成不同經(jīng)濟(jì)部門(mén)直接經(jīng)濟(jì)損失外，由于產(chǎn)業(yè)關(guān)聯(lián)造成的各經(jīng)濟(jì)部門(mén)間接經(jīng)濟(jì)損失不容忽視。廣東省受間接影響的高敏感經(jīng)濟(jì)部門(mén)依次為:第一產(chǎn)業(yè)即農(nóng)林牧漁業(yè)，水利、環(huán)境和公共設(shè)施管理業(yè)，交通運(yùn)輸、倉(cāng)儲(chǔ)和郵電業(yè)。此外，盡管個(gè)別部門(mén)未產(chǎn)生直接經(jīng)濟(jì)損失，但是由于部門(mén)間的波及效應(yīng)造成的間接經(jīng)濟(jì)損失可能很大，災(zāi)害風(fēng)險(xiǎn)管理中不容忽視。
同時(shí)，模型的應(yīng)用中仍存在一定的問(wèn)題。首先，臺(tái)風(fēng)災(zāi)害的直接經(jīng)濟(jì)損失是多部門(mén)的，而每個(gè)部門(mén)的直接經(jīng)濟(jì)損失數(shù)據(jù)難以獲取，《制度》的發(fā)布雖然提供了政策保障，但是存在數(shù)據(jù)統(tǒng)計(jì)情況的地區(qū)差異較大以及統(tǒng)計(jì)數(shù)據(jù)質(zhì)量和精度較低等問(wèn)題。因此，本文假設(shè)災(zāi)害對(duì)中小企業(yè)的影響可以忽略不計(jì)，將產(chǎn)業(yè)部門(mén)進(jìn)行了合并;其次，未考慮臺(tái)風(fēng)災(zāi)害對(duì)勞動(dòng)力造成的影響，災(zāi)后人員傷亡、失蹤、緊急轉(zhuǎn)移安置等原因?qū)е碌膭趧?dòng)力不足有可能影響災(zāi)后重建進(jìn)程。
在本文撰寫(xiě)的同時(shí)，2018年第22號(hào)臺(tái)風(fēng)“山竹”登陸廣東省江門(mén)市。“香港懸掛九號(hào)風(fēng)球”，“澳門(mén)賭場(chǎng)首次關(guān)閉”，“‘山竹’或造成1200億美元經(jīng)濟(jì)損失”，此次超強(qiáng)臺(tái)風(fēng)的影響程度可見(jiàn)一斑，同時(shí)也體現(xiàn)了臺(tái)風(fēng)災(zāi)害評(píng)估，尤其是間接經(jīng)濟(jì)損失評(píng)估的重要性。在下一步的研究中，將根據(jù)臺(tái)風(fēng)“艾云尼”災(zāi)害調(diào)查與評(píng)估中的不足，綜合考慮勞動(dòng)力減少對(duì)災(zāi)后恢復(fù)的影響，深入研究對(duì)臺(tái)風(fēng)“山竹”評(píng)估的研究，使災(zāi)害損失評(píng)估模型盡可能地符合現(xiàn)實(shí)，有針對(duì)性地提出相應(yīng)的應(yīng)急管理政策。
