1 自然災(zāi)害對經(jīng)濟增長影響的實證研究 基于動態(tài)異質(zhì)面板模型 on 徽財經(jīng)大學(xué) 摘要 ： 世界各地近年 頻發(fā)自然災(zāi)害， 為探析其對經(jīng)濟增長的影響， 本文 基于在新古典增長模型基礎(chǔ)上建立 的 自然災(zāi)害與經(jīng)濟增長的理論模型 ，依據(jù) 國際緊急災(zāi)害數(shù)據(jù)庫 ( 美國夕 法尼亞大學(xué)國際比較研究中心的賓州世界表（ 中的相關(guān)數(shù)據(jù)， 運用動態(tài)異質(zhì)面板模型 對 經(jīng)過篩選的 全球 45個國家 1960行 了實證分析 。 本文 在國內(nèi)外 相關(guān)經(jīng)驗研究 的基礎(chǔ)上 ， 首先 通過 固定效應(yīng)模型和隨機效應(yīng)模型 初步探析二者關(guān)系， 再 運用 動態(tài)異質(zhì)面板模型作進一步分析 。 實證結(jié)果表明 ， 動態(tài)異質(zhì)面板模型 更具 優(yōu)越性 。 總體而言， 自然災(zāi)害 促進 長期 經(jīng)濟增長 ， 抑制短期經(jīng)濟增長 ；而具體到各個國家 ， 短期的影響方向又會因經(jīng)濟發(fā)展水平不同而存在差異 。 最后指出了研究中的不足， 并提出了未來的改進方向。 關(guān)鍵詞 ： 自然災(zāi)害；經(jīng)濟增長；動態(tài)異質(zhì)面板模型 In to on on of to of .3 to to in 5 960of at of to 引言 自然災(zāi)害 為 自然環(huán)境本身所固有的現(xiàn)象，在威脅人類生存的同時，還給經(jīng)濟 2 社會發(fā)展造成了巨大壓力；反之，經(jīng)濟社會發(fā)展對自然環(huán)境直接或間接累積形成的負(fù)面影響又導(dǎo)致了自然災(zāi)害的發(fā)生頻率和致災(zāi)程度進一步加大。 僅 就近幾年而言，寥 寥數(shù)例 足以讓 聞?wù)邿o不為之動容。 2008 年 5 月 12 日，四川汶川發(fā)生 新中國成立以來波及范圍最大、破壞性最強的一次地震，重創(chuàng)約50 萬平方公里區(qū)域，死亡和失蹤近 8 萬多人，直接經(jīng)濟損失 8452 億元人民幣。同年 ， 強熱帶風(fēng)暴漢娜在海地肆虐； 中國南方 先后 遭遇百年罕見的雪災(zāi) 和連續(xù)數(shù)輪的強降雨 。 2009 年， 20 年來最強的沙塵暴席卷沙特 。 2010 年，海地、智 利 相繼發(fā)生里氏 和 強烈地震；同年四月，中國青海玉樹的 地震 造成 2698 人遇難、 270 人失蹤、約 24 萬人受災(zāi)。 2011 年日本發(fā)生 9 級地震， 強震引發(fā)大規(guī)模海嘯和日本福島第一核電站發(fā)生核泄漏事故。 可見，近年來，全球范圍內(nèi)自然災(zāi)害的發(fā)生頻繁而廣泛，對人類社會影響程度日益加深。 那么， 自然災(zāi)害對經(jīng)濟 增長 會 產(chǎn)生怎樣 的 影響， 這一問題無疑已經(jīng) 引起 了學(xué)術(shù)界和決策者的 高度 重視 。 在國外， 1954）通過分析 1953 年 5 月 11 日 德克薩斯經(jīng)歷的重大災(zāi)難 ，開啟了 自然災(zāi)害對經(jīng)濟影響 的研究 。關(guān)于自然災(zāi)害與經(jīng)濟增長兩者是否存在相關(guān)，若存在，是正相關(guān)還是負(fù)相關(guān)，這一直是經(jīng)濟學(xué)家爭議的焦點。歸結(jié)起來， 主要存在兩種不同的觀點： 其一， 自然災(zāi)害會抑制經(jīng)濟的增長 （ 1999 等） 。 2003）選用 115 個國家 34 年的實際 部門數(shù)據(jù)進行實證分析，結(jié)果表明災(zāi)害發(fā)生較為頻繁國家的經(jīng)濟增長率 低于 災(zāi)害較少的國家。 2005） 認(rèn)為一國收入、教育和開放水平越高，金融體系越完備，自然災(zāi)害給政府帶來的損失越小。 2009） 認(rèn)為 自然災(zāi)害通常帶來的是負(fù)面影響， 而 影響程度取決于 災(zāi)害 的規(guī)模，更進一步研究還發(fā)現(xiàn)越多的外來援助能減輕對宏觀經(jīng)濟的負(fù)面影響。 其二，自然災(zāi)害 會促進經(jīng)濟的增長。 1994）認(rèn)為所謂自然災(zāi)害對 國 家 經(jīng)濟的危害論并不存在，相反，災(zāi)后 長率能夠顯著提高。 1998）在理論上對該結(jié)論作出解釋，即根據(jù)熊彼特的創(chuàng)新性破壞過程的內(nèi)生經(jīng)濟增長模型，如果將災(zāi)害當(dāng)做隨機事件， 那么它將促使人們采用創(chuàng)新性成果，從而推動經(jīng)濟發(fā)展。 2000）通過分析 選用了 拉丁美洲和加勒比海地區(qū) 的 28 個國家數(shù)據(jù)發(fā)現(xiàn)，災(zāi)害發(fā)生當(dāng)年真實經(jīng)濟增長率先下降而隨后兩年中又顯著上升。 2009） 總結(jié)性地 回顧了討論自然災(zāi)害的直接影響因素 的相關(guān)文獻并分類 羅列 了 自然災(zāi)害對經(jīng)濟長期與短期 影響的研究結(jié)果。 在國 , of 1, 1953J 999.s 3 內(nèi) ， 關(guān)于自然災(zāi)害對經(jīng)濟增長多是基于理論研究，王澤強（ 2009）以經(jīng)濟社會為分析視角，提出自然災(zāi)害頻發(fā)的應(yīng)對與反思，他認(rèn)為須以人與自然和諧相處為基本準(zhǔn)則，增強自然災(zāi)害的危機管理水平和能力才是降低或減輕自然災(zāi)害損失有效的途徑。 邵軍和司增綽（ 2009） 對自然災(zāi)害對經(jīng)濟活動影響的相關(guān)研究進行了梳理，認(rèn)為自然災(zāi)害在造成巨大損失的同時也可能為經(jīng)濟增長提供契機。 實證研究方面， 王藝明等 應(yīng)用 97 個國家 19602000 年的數(shù)據(jù)分析了自然災(zāi)害風(fēng)險、 經(jīng)濟增長和人力資本投資間的長期關(guān)系 ，發(fā)現(xiàn)自然災(zāi)害主要通過影響人力資本投資行為對宏觀經(jīng)濟活動產(chǎn)生重要影響。 李宏（ 2010， 2011） 運用 時 間 序列建模與分析發(fā)現(xiàn)我國自然災(zāi)害損失的變化與發(fā)展，在相 當(dāng)程度上是可以由一系列社會經(jīng)濟因素來加以解釋的 。 之后 他 又基于 19702008 年的 14 國面板數(shù)據(jù)分析經(jīng)濟增長與自然災(zāi)害的關(guān)系，結(jié)果表明大部分國家的災(zāi)害損失水平隨著經(jīng)濟總量的擴張而大幅增長。 迄今為止，已有越來越多的文獻對該問題進行研究， 然而，盡管考慮到自然災(zāi)害對經(jīng)濟長期和短期增長有所不同 ， 相關(guān) 研究 大多 也僅僅 基于理論論述，或是著眼于單一方面（長期或者短期） 的影響，顯然對自然災(zāi)害與經(jīng)濟增長間關(guān)系進行檢驗的跨國綜合研究顯得不盡完善。 本文嘗試首次使用 1960 經(jīng)過篩選的 45 個國家 的面板數(shù)據(jù)，以及兩種不同的計量方法，即靜態(tài)固定效應(yīng)模 型 和 混 合組均值 （ 稱 估計的動態(tài)異質(zhì)面板模型， 探析 自然災(zāi)害對經(jīng)濟增長 影響的 問題 ，并 進行實證。 二 動態(tài)異質(zhì)面板模型 介紹 （一） 在一般的回歸模型中， 由于 因變量的滯后項在 回歸 方程右邊 會引起 內(nèi)生性問題 ，依靠傳統(tǒng) 的 帶有固定效應(yīng)或隨機效應(yīng)模型的 最小二乘回歸，會導(dǎo)致系數(shù)估計有偏和非一致性。為了有效地解決這一問題 ， 981) 提出了， 通過一階差分消去了個體效應(yīng)， 同時 選用因變量 的 2 階滯后項及 2 階差分滯后項作為工具變量，理論上看該估計量給出了系數(shù)的一致估計，但 若 滯后項系數(shù)非常接近 于 1， 則 相應(yīng)的弱工具性則會導(dǎo)致這兩個估計量無效。 991) 在 的基礎(chǔ)上 采用的是 前的因變量滯后項作為其一階差分滯后項的工具變量，從而得到一致且更為有效的估計結(jié)果 。 但 是其在估計方程回歸系數(shù)時則 假設(shè)所有系數(shù)都是同質(zhì)的，僅常數(shù)項是可變化的， 表明當(dāng) T 和 N 都很大時，在系數(shù)異質(zhì)的情形下，使用 法估計得到的趨同系數(shù)常常 76, 598 1991. . 58:277 4 是有偏的。 而 型 則 允許 所有的斜率系數(shù)和誤差方差都是異質(zhì)的 ，因為 對每個組的時間序列分別估計并計算參數(shù)的均值而稱為均值估計，但該方法極易受個體異常值影響而導(dǎo)致估計結(jié)果有偏。 鑒于此， 1999)提出了一種較好的 改進 方法 混合組均值 (計方法 ， 該方法限定模型中的長期系數(shù)是同質(zhì)的 ， 但允許不同組間模 型的短期 系數(shù) 、趨同系數(shù)和誤差方差異質(zhì)。 因此，相比 型， 型假設(shè)長期系數(shù)同質(zhì)性提高了估計結(jié)果的有效性（ et 999） 。 若要進一步考察 長期系數(shù)是否存在同質(zhì)性，可 以 通過 驗對長期的齊次性約束進行有效性檢驗 。 計是長期系數(shù)均值的一致估計量 ，但如果長期系數(shù)事實上是異質(zhì)的，那么 在長期系數(shù)同質(zhì)性的原假設(shè)成立的條件下 ， 計不再 有效 ，而混合估計 (固定效應(yīng) )既是一致的也是有效的。本文 即 采用 驗在 型和 型之間進行選擇 。 該檢驗的原假設(shè)是 計和 如果接受原假設(shè) ， 計結(jié)果就不一致 ，從而 使用型 自然也 就不合適。 （二） 模型 的優(yōu)點及其 應(yīng)用 傳統(tǒng)的面板數(shù)據(jù)估計是建立在數(shù)據(jù)平穩(wěn)性的基礎(chǔ)上， 從而 得到參數(shù)的一致性估計 。 但在現(xiàn)實的觀測數(shù)據(jù)中，數(shù)據(jù) 常會 表現(xiàn)出非平 穩(wěn) 性的特征，此時傳統(tǒng)的估計方法得到的參數(shù)估計 就有 可能是不一致的。 傳統(tǒng)上處理 非平穩(wěn)數(shù)據(jù)的做法是檢驗數(shù)據(jù)之間的協(xié)整關(guān)系，如果協(xié)整關(guān)系成立，則可以運用誤差修正模型 估計。破性地解決了非平穩(wěn)數(shù)據(jù)的有 效性估計問題。 其中， 后對系數(shù)的估計值進行平均化； 是 對各組具有相同 值 的系數(shù)進行混合估計，對于各組具有不同值的系數(shù)取其平均值。 動態(tài)面板數(shù)據(jù)的估計和檢驗，是近期研究的新課題。在國外 005)運用945- 2001年各個州的經(jīng)濟增長對收入的非平 穩(wěn) 的長期效應(yīng)進行了估計。 在國內(nèi)，盧二坡和王澤填 (2007)運用 動態(tài)面板異質(zhì)模型和靜態(tài)固定效應(yīng)模型 ， 對我國的短期波動對長期增長的效應(yīng)進行了實證研究；盧書泉 (2008)對中國 29個省市的消費、收入和消費價格指數(shù)的誤差修正模型應(yīng)用了 但目前還未有人使用 別 研究自然災(zāi)害對經(jīng)濟增長的短期和長期影響，本文將嘗試使用此方法。 三、模型與數(shù)據(jù)說明 M. h. , Y. R. P. J . 1999 (94) :621 934. 5 （一） 理論模型 鑒于國際人力資本數(shù)據(jù)收集有限，因此本文考慮在新古典增長模型基礎(chǔ)上建立自然災(zāi)害與經(jīng)濟增長的理論模型，首先給出 t 時刻的產(chǎn)出 Y 的模型： ()()( （ 2） 其中 K 表示物質(zhì)資本存量； L 表示勞動投入； u 為隨機擾動項；通過取對數(shù)，加入常數(shù)項 a ，則將公式 1的面板回歸模型記為： ,2,1,2,1, （ 3） 其中 D 是從隨機擾動項 u 中區(qū)分出來，用以表示災(zāi)害損失；示不包含災(zāi)害損失后的隨機擾動項； 、 和 分別表示物質(zhì)資本、人力資本和災(zāi)害損失的產(chǎn)出彈性?？紤]回歸模型中滯后變量對解釋變量會有影響，因而加入解釋變量的滯后值，建立動態(tài)分布滯后模型： 1,1,211,211,21進一步寫成誤差修正模型： l （ 4） 其中 )1(,1,1,1,1 2132122110 3）進行參數(shù)估計，進而分析災(zāi)害損失對經(jīng)濟增長的影響，在此基礎(chǔ)上進一步運用 計方法對公式（ 4）進行參數(shù)估計，并將兩次估計結(jié)果進行對比分析，從而體現(xiàn) 計的優(yōu)點。 （二） 數(shù)據(jù)說明 本文實證研究所用的自然災(zāi)害損失數(shù)據(jù)來源于世界衛(wèi)生組織與災(zāi)害流行病研究中心 (同創(chuàng)建的國際緊急災(zāi)害數(shù)據(jù)庫 (錄入 害數(shù)據(jù)庫至少要滿足以下四個條件之一：（ 1）報道有 10 人或 10 人 以上因災(zāi)死亡；（ 2）報道有 100 人或 100 人以上因災(zāi)受到 影響；（ 3）政府針對此災(zāi)害宣布過國家處于緊急狀態(tài)；（ 4）請求過國際援助。 錄的衡量自然災(zāi)害損失的指標(biāo)包括因災(zāi)造成的經(jīng)濟損失、影響的總?cè)丝?、死亡人口、受傷人口、受影響人?shù)和無家可歸人數(shù)，但筆者認(rèn)為本文研究的是經(jīng)濟問題，貨幣化的經(jīng)濟損失應(yīng)該是衡量災(zāi)害損失的首選指標(biāo)， 同時 考慮到本文研究整體自然災(zāi)害對經(jīng)濟增長的影響，因而采用 收納的各種自然災(zāi)害所造成經(jīng)濟損失的加總數(shù)據(jù)，包括：干旱、地震、傳染病、極端溫度事件、洪水、昆蟲災(zāi)害、滑坡、火山、海嘯、暴風(fēng)雨、大火。 文中各國的宏觀經(jīng)濟數(shù)據(jù)來自于美國夕 法尼亞大學(xué)國際比較研究中心的賓 6 州世界表 （ ，本文搜集了各樣本單元在 1960的實際 物質(zhì)資本 K ，此處的 按美元不變價格計算的實際 物質(zhì)資本用投資額來表示， 具體數(shù)據(jù)是 用投資率（投資額占 重）乘以 到。文中勞動投入 L 用各國的從業(yè)人員來表示，數(shù)據(jù)來源于世界經(jīng)濟總量數(shù)據(jù)庫（ 鑒于數(shù)據(jù)的可得性和自然災(zāi)害發(fā)生的頻數(shù)，本文研究采用了全球在1960的樣本期內(nèi)遭受自然害災(zāi)次數(shù)較多的 45 個國家的相關(guān)指標(biāo)的年度數(shù)據(jù)進行分析，具體的篩選標(biāo)準(zhǔn)為 1960間進入 據(jù)庫超過 10年的國家納入此次分析的樣本范圍。文中所有變量均經(jīng)過對數(shù)處理，由于部分研究單元在樣本期內(nèi)未發(fā)生自然災(zāi)害或發(fā)生的自然災(zāi)害不足以 錄入 據(jù)庫，導(dǎo)致部分災(zāi)害數(shù)據(jù)為零，為了方便取對數(shù)，文中采取所有的災(zāi)害損失數(shù)據(jù)統(tǒng)一加上一個非零的正變量 1。 四 自然災(zāi)害對經(jīng)濟增長影響的實證分析 （一）描述性統(tǒng)計分析 根據(jù)本文所選的國際上影響較大的自然災(zāi)害數(shù)據(jù)庫 統(tǒng)計數(shù)據(jù)繪制災(zāi)害損失情況圖。如圖 1 所示， 災(zāi)害造成的經(jīng)濟 損失 不斷擴大， 較為嚴(yán)重的時間段是 集中在 1995具體來看 ， 其中 2005 年最為嚴(yán)重，經(jīng)濟損失達(dá)到 2142億美元。主要由于 2004 年 12 月 26 日印度尼西亞發(fā)生 全球 50 年以來最大的 海嘯 ，再加上 2005 年 8 月份發(fā)生在美國 、墨西哥灣和巴哈馬群島的 “ 卡特里娜 ” 颶風(fēng)等強自然災(zāi)害 導(dǎo)致 了財產(chǎn)的巨大損失。 0500000001000000001500000002000000002500000001960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010經(jīng)濟損失圖 1 1960全球自然災(zāi)害帶來的經(jīng)濟損失 圖 2 給出了 1960全球各種自然災(zāi)害造成的死亡人數(shù)和受影響的總?cè)藬?shù)。 從圖 2 中可以看出 受影響總?cè)藬?shù)較大的年份集中在 1987， 1965 年、1970 年、 1976 年、 2004 年、 2008 年和 2010 年由于自然災(zāi)害引起世界累計死亡人數(shù)相對較多。其中各年份都伴隨有強自然災(zāi)害發(fā)生，如 1965 年發(fā)生阿拉斯加大地震， 里氏 ； 1970 年中國云南通海和秘魯欽博特發(fā)生大地震； 1976 年 7 唐山大地震， 2004 年印度尼西亞大地震，同時引發(fā)了全球 50 年來最大的海嘯；2008 年汶川大地震及 2010 年智利大地震等都造成了重大的人員傷亡。 01000000002000000003000000004000000005000000006000000007000000001960 1966 1972 1978 1984 1990 1996 2002 2008020000040000060000080000010000001200000140000016000001800000受影響的總?cè)藬?shù) 死亡人數(shù)圖 2 1960全球 各種自然災(zāi)害造 成的 人員損失 綜合圖 1 和圖 2 來看，全球各種自然災(zāi)害無論是從受影響總?cè)藬?shù)還是從經(jīng)濟損失的角度來看，都呈現(xiàn)總體上升趨勢，但死亡人數(shù)卻呈現(xiàn)減弱趨勢，這可能是因為雖然近年來自然災(zāi)害越來越嚴(yán)重，致使受影響 的總?cè)丝诤徒?jīng)濟損失呈現(xiàn)上升趨勢，但同時由于醫(yī)療水平的提高，信息傳遞速度的加快和國際救助的及時性，自然災(zāi)害所導(dǎo)致的死亡人口在總體上表現(xiàn)出下降的趨勢。下面本文將著重運用面板數(shù)據(jù)模型實證分析自然災(zāi)害對經(jīng)濟增長的影響。 （ 二 ） 固定效應(yīng)模型和隨機效應(yīng)模型 本文基于 1960 5個國家 的相關(guān) 數(shù)據(jù)，分別 采 用固定效應(yīng)模型和隨機效應(yīng)模型估計自然災(zāi)害對經(jīng)濟增長的影響，并運用 應(yīng) 與 解釋變量不相關(guān) 。 因此，構(gòu)建的原假設(shè)為隨機效應(yīng)與解釋 變量不相關(guān)，如果拒絕原假設(shè)則表明隨機效應(yīng)與解釋變量相關(guān)，選用固定效應(yīng)模型估計更為有效。運用 表 1）。 表 1 固定效應(yīng)模型和隨機效應(yīng)模型估計結(jié)果 模型 固定效應(yīng)模型 隨機效應(yīng)模型 固定資本投資 * （ * （ 勞動力 * （ * （ 自然災(zāi)害 * （ * （ 驗 8 注： *表示在 5%水平顯著， *表示在 1%水平顯著。 %顯著水平下，固定效應(yīng)模型較隨機效應(yīng)模型更為有效。估計結(jié)果中，固定資本投資的產(chǎn)出彈性為 動力的產(chǎn)出彈性為 投入相同單位的資本與勞動，資本的邊際報酬更高；自然災(zāi)害回歸系數(shù) 表明 ，不管在固定效應(yīng)模型還是在隨機效應(yīng)模型 中 ，自然災(zāi)害對經(jīng)濟增長的影響在 1%水平上都顯著為正， 即 自然災(zāi)害與勞動力和固定資本投資對經(jīng)濟增長的作用方向是相 同的，一個直觀的解釋為，自然災(zāi)害雖然會減少實物資本，但同時也提供了一個更新資本存量的機會，能促進新技術(shù)的應(yīng)用 。 但由于災(zāi)害的發(fā)生在短期內(nèi)會對當(dāng)?shù)氐慕?jīng)濟發(fā)展造成一定程度的破壞且各個國家經(jīng)濟發(fā)展模式不同，經(jīng)濟制度不同，因而有理由懷疑各個國家短期內(nèi)自然災(zāi)害對經(jīng)濟增長的影響是否都是正向的， 這在固定效應(yīng)模型和隨機效應(yīng)模型中無法體現(xiàn)，即無法區(qū)分每個國家自然災(zāi)害對經(jīng)濟增長短期和長期的影響， 因此 本文接下來 將采用 動態(tài)異質(zhì)面板模型 并對 估計結(jié)果進行分析。 （ 三 ） 動態(tài)異質(zhì)面板模型 關(guān)于自然災(zāi)害對經(jīng)濟的長期與短期的影響，不同的學(xué)者在 對 不同的國家的災(zāi)害數(shù)據(jù)進行實證分析后發(fā)現(xiàn)其作用大相徑庭 ， 尤其是在對長期經(jīng)濟增長的影響方面 。 邵軍和司增綽 (2009)認(rèn)為資本和技術(shù)進步對長期增長的意義較為重要，若非是毀滅性破壞的自然災(zāi)害，其改變經(jīng)濟增長軌跡的可能性不大，但他同時也認(rèn)為在落后國家，災(zāi)后重建有可能成為利益集團的博弈對象，可能對經(jīng)濟造成長期的負(fù)面影響。而 002)則認(rèn)為自然災(zāi)害至少不會對長期經(jīng)濟增長產(chǎn)生不利影響。更有學(xué)者認(rèn)為自然災(zāi)害在長期內(nèi)可能會成為長期經(jīng)濟增長的契機。而對于自然災(zāi)害對經(jīng)濟的短期影響方面，大部分學(xué)者則一致 認(rèn)為自然災(zāi)害會對短期的經(jīng)濟產(chǎn)生負(fù)面沖擊，但也有人認(rèn)為這種影響會因為經(jīng)濟發(fā)展水平而存在差異。鑒于自然災(zāi)害對經(jīng)濟的長短期影響的復(fù)雜性，本文擬運用動態(tài)異質(zhì)面板模型對自然災(zāi)害對長短期增長的影響分別進行深入研究。使用 自然災(zāi)害和經(jīng)濟增長的動態(tài)異質(zhì)面板模型進行估計，結(jié)果如表 2： 表 2 動態(tài)異質(zhì)面板模型估計結(jié)果 模型 計模型 長期參數(shù) 固定資本投資 * （ 勞動力 王藝明 ,陳美蘭 ,王曉 J2008(19144 9 自然災(zāi)害 * （ 短期參數(shù) 平均 趨同 系數(shù) * （ 固定資本投資 * （ 勞動力 自然災(zāi)害 * （ 驗 2 中， 驗結(jié)果表明使用 型估計是合適的，即 19605 個國家中自然災(zāi)害 對 經(jīng)濟增長的短期影響不盡相同，但長期 作用 效果卻是一致的。 從長期估計系數(shù)看，固定資本投資對經(jīng)濟增長的影響程度遠(yuǎn) 遠(yuǎn)高于勞動力，表明 45 個國家在長期經(jīng)濟發(fā)展中偏向于資本密集型發(fā)展模式，忽視了勞動的貢獻性，這 可能 與科技發(fā)展有關(guān)，高科技的設(shè)備取代了勞動力，從而使部分勞動人員處于可有可無的 尷尬境地 ， 因而其 與資本對經(jīng)濟增長的貢獻 相 比 而言 就會小很多；自然災(zāi)害對經(jīng)濟增長的長期系數(shù)估計值與固定效應(yīng)模型得到的結(jié)論相同，估計結(jié)果都在 1%的水平下顯著，且影響都為正， 因此可以確定 在長期中自然災(zāi)害的發(fā)生會促進經(jīng)濟的增長， 究其原因可能一方面 是災(zāi)害 的 發(fā)生增加了促進技術(shù)進步的可能性，災(zāi)難過后，舊設(shè)備可能更容易受到損壞，從而會被具有更高技術(shù)含量的新設(shè) 備替換 ； 其次 可能是災(zāi)難發(fā)生時，由于國際援助及國內(nèi)其他地區(qū)的幫助，資金會迅速積累，且其使用易受關(guān)注，不易滋生官員腐敗現(xiàn)象，從而使得資本利用率得到提高，促進了經(jīng)濟增長 ；還有一種可能與 “ 資源詛咒 ” 相關(guān)，部分國家資源豐裕度與其經(jīng)濟增長之間存在負(fù)相關(guān)性關(guān)系，而自然災(zāi)害的發(fā)生造成自然資源的毀損，反倒會成為災(zāi)害地區(qū)經(jīng)濟增長轉(zhuǎn)變的契機 。 從短期系數(shù)來看， 與上文固定效應(yīng)模型回歸結(jié)果不同的是， 整體上 自然災(zāi)害對經(jīng)濟增長影響的短期影響系數(shù)為負(fù)，且在 1%的水平下顯著。這與現(xiàn)實相符合，一般災(zāi)難發(fā)生時會帶來人力和物力的當(dāng)期損失 ，會造成當(dāng) 地居民對災(zāi)難的恐慌，從而會立即降低勞動的積極性與投資者的投資信心。 表 3 中給出了各國家短期內(nèi)自然災(zāi)害對經(jīng)濟增長的影響系數(shù)。 具體來看， 45 個國家中，災(zāi)害對經(jīng)濟增長的短期影響有正影響的國家有以下 14 個：阿爾及利亞 、智利、中國、香港、印度、印度尼西亞、馬達(dá)加斯加 、莫桑比克、巴基斯坦、斯里蘭卡、瑞士、臺灣、泰國和英國。其中， 8 個為亞洲國家， 3 個非洲國家， 2 個歐洲國家和 1 個南美洲國家。除了瑞士和英國兩個國家外，其余均為發(fā)展中國家 ，這些國家的經(jīng)濟水平 10 基本處在全球經(jīng)濟中等水平左右，且其對世界的經(jīng)濟發(fā)展起著重要的作用，尤 其是中國和印度兩個發(fā)展中的大國家 。 出現(xiàn)這種結(jié)果的原因可能是因為在災(zāi)害發(fā)生后，發(fā)展中國家除了自身的抗災(zāi)能力之外，由于其跟全球經(jīng)濟的關(guān)聯(lián)性較高，接受的國際援助也會較多些，因而在短期內(nèi)對經(jīng)濟可能會有正向的促進作用，而大多數(shù)發(fā)達(dá)國家災(zāi)害的破壞程度大于其接受的國際援助，在短期內(nèi)對經(jīng)濟有不利影響。這與 2009）的研究一致，他認(rèn)為自然災(zāi)害通常帶來的是負(fù)面影響，而影響程度取決于災(zāi)害的規(guī)模，而且越多的外來援助能減輕其對宏觀經(jīng)濟的負(fù)面影響。同時唐彥東（ 2008）的研究也表明舊資本存量越多，則 在恢復(fù)重建的過程采用新技術(shù)的可能性越大，越有可能提高整個經(jīng)濟體的技術(shù)水平。而現(xiàn)實中，發(fā)展中國家舊資本存量高，更新速度較慢，而在恢復(fù)災(zāi)害重建的過程中，技術(shù)水平的提高則更易于促進經(jīng)濟快速增長。 可見，災(zāi)害在短期內(nèi)災(zāi)害對經(jīng)濟增長會造成不利影響，但這種影響會因為經(jīng)濟發(fā)展水平而存在差異。 表 3 自然災(zāi)害對經(jīng)濟增長短期影響系數(shù)估計值 國家 短期自然災(zāi)害系數(shù)估 計值 國家 自然災(zāi)害短期系數(shù)估 計值 國家 短期自然災(zāi)害系數(shù)估 計值 阿爾及利亞 希臘 巴基斯坦 阿根廷 危地馬拉 秘魯 澳大利亞 * （ 中國香港 菲律賓 奧地利 印度 葡萄牙 孟加拉國 印度尼西亞 羅馬尼亞 玻利維亞 （ 伊朗 南非 巴西 * （ 意大利 西班牙 加拿大 * （ 牙買加 （ 斯里蘭卡 智利 日本 瑞典 （ 中國 馬達(dá)加斯加島 瑞士 哥倫比亞 馬來西亞 * （ 中國臺灣 哥斯達(dá)黎加 墨西哥 泰國 多米尼加 （ 摩洛哥 （ 土耳其 11 厄瓜多爾 莫桑比克 英國 法國 新西蘭 美國 注： 括號中為估計值方差 ； *表示在 10%水平顯著 ， *表示在 5%水平顯著， *表示在 1%水平顯著。 五結(jié)論和 進一步研究 本文運用動態(tài)異質(zhì)面板模型對全球 45個國家 1960自然災(zāi)害 與 經(jīng)濟增長的 關(guān)