趙偉偉，白永秀

（西北大學(xué) 經(jīng)濟(jì)管理學(xué)院，西安 710127）

近幾年中國飽受各類自然災(zāi)害的危害，2007年南方水災(zāi)、沿海地區(qū)羅莎臺風(fēng)、2008年初冰凍雪災(zāi)、5·12汶川地震，6月以來的南方洪水都給中國帶來了極大的經(jīng)濟(jì)損失和長遠(yuǎn)影響。自然災(zāi)害明顯加頻、加劇的趨勢使社會科學(xué)和自然科學(xué)研究者更多地關(guān)注自然災(zāi)害及其影響。

自然災(zāi)害和城市化水平之間的關(guān)系到底如何？何愛平曾提到城市化與災(zāi)害互為因果[1]。為了檢驗(yàn)自然災(zāi)害和城市化間的關(guān)系，本文使用協(xié)整分析考察兩者之間是否存在長期關(guān)系，并在協(xié)整基礎(chǔ)上對二者進(jìn)行Granger因果檢驗(yàn)。

1 數(shù)據(jù)、變量、方法

1.1 概念界定

首先界定自然災(zāi)害和城市化的概念。災(zāi)害指由于某種不可控制或未能預(yù)料的破壞性因素作用，使人類賴以生存的環(huán)境產(chǎn)生突發(fā)性或累積性的破壞或惡化，并超越當(dāng)?shù)厣鐣?jīng)濟(jì)系統(tǒng)容忍限度而引起人員傷亡和物質(zhì)財(cái)富與資源損失的現(xiàn)象和過程[2]。本文研究對象為純自然性災(zāi)害，簡稱為自然災(zāi)害，主要包括水災(zāi)、地震、滑坡-泥石流、臺風(fēng)、沙塵暴、海嘯、火山、地震、干旱等。

1.2 數(shù)據(jù)選擇及變量設(shè)置

城市化水平是本文最主要變量之一，其度量采用最常用的方式（以URt表示），城市（城鎮(zhèn)）人口占總?cè)丝诘谋戎亍１M管建立在城鎮(zhèn)戶籍制度基礎(chǔ)上的城鎮(zhèn)人口統(tǒng)計(jì)造成城鎮(zhèn)居民部分沒有城鎮(zhèn)戶籍,使得城鎮(zhèn)人口比重會低估城市化，但是人口比例指標(biāo)仍是最常用的城市化測度指標(biāo)，因?yàn)閷ζ渥龀龈倪M(jìn)的復(fù)合指標(biāo)在數(shù)據(jù)可獲得性上仍存在缺陷。

考慮到可度量性，自然災(zāi)害指標(biāo)可以選擇災(zāi)害帶來的經(jīng)濟(jì)損失，但是度量仍然存在難度。中國統(tǒng)計(jì)年鑒從2000年開始統(tǒng)計(jì)地質(zhì)災(zāi)害（包括滑坡、崩塌、泥石流和地面塌陷）和地震，從2005年開始統(tǒng)計(jì)海洋災(zāi)害（包括風(fēng)暴潮、赤潮、海浪、海冰和溢油），顯然數(shù)據(jù)過少不適于做進(jìn)一步定量分析。自1950年農(nóng)業(yè)統(tǒng)計(jì)開始有農(nóng)業(yè)受災(zāi)面積和成災(zāi)面積 （包括水災(zāi)、旱災(zāi)和其他自然災(zāi)害）數(shù)據(jù)，但是伴隨城市化快速發(fā)展，農(nóng)業(yè)受災(zāi)只是自然災(zāi)害損失的一部分，城市受災(zāi)在災(zāi)害損失中的比重越來越大，故農(nóng)業(yè)受災(zāi)不適合做為自然災(zāi)害度量指標(biāo)。最后考察國家財(cái)政支出中的救災(zāi)支出指標(biāo)，國家財(cái)政安排救災(zāi)支出具體包括：自然災(zāi)害生活救助（包括冬令口糧救濟(jì)資金和追加部分地方災(zāi)后重建補(bǔ)助資金）；農(nóng)業(yè)救災(zāi)支出；基本建設(shè)救災(zāi)支出；其他財(cái)力補(bǔ)助以及行政、教育、衛(wèi)生和交通等救災(zāi)支出；并從扶貧資金中安排部分資金，用于災(zāi)區(qū)群眾災(zāi)后恢復(fù)生產(chǎn)?？梢娋葹?zāi)支出和該年度自然災(zāi)害規(guī)模和頻數(shù)及損失（包括經(jīng)濟(jì)損失和人員損失等）密切相關(guān)，初步可以衡量自然災(zāi)害水平?？紤]到統(tǒng)計(jì)單位影響和消除時間序列引起的異方差,首先剔除價格對救災(zāi)支出的影響，然后對救災(zāi)支出取自然對數(shù)，最終使用救災(zāi)支出的自然對數(shù)作為自然災(zāi)害的變量取值（以LNDEt表示）。

另外，數(shù)據(jù)取值范圍為1976～2006年。因?yàn)?976年唐山地震使地震救災(zāi)支出納入救災(zāi)支出的統(tǒng)計(jì)范圍中，而地震災(zāi)害對城市破壞程度之大，極可能影響震后城市經(jīng)濟(jì)集聚的范圍和速度，進(jìn)而影響城市化進(jìn)程，所以文章數(shù)據(jù)取值始自1976年。本文使用Eviews5.0作為分析工具。

1.3 分析方法

本文采用協(xié)整分析和Granger因果檢驗(yàn)作為基本研究方法。因?yàn)槎嘣貧w方法分析時間序列時可能存在兩個問題：一是時間序列不平穩(wěn)而產(chǎn)生“偽回歸”，而大多數(shù)時間序列數(shù)據(jù)都非平穩(wěn)，雖然可以通過差分消除非平穩(wěn)趨勢，但是變換后的序列常常不便解釋；而協(xié)整分析只在滿足變量平穩(wěn)前提下，才繼續(xù)分析變量關(guān)系，可有效避免“偽回歸”。二是多元回歸事前假定變量間存在關(guān)系，且可分孰因孰果，而后進(jìn)行驗(yàn)證，但對無法辨識因果的相關(guān)關(guān)系的有效性大打折扣；協(xié)整分析則先判斷序列單整階數(shù)，只有變量單整階數(shù)相同，或不同階數(shù)變量經(jīng)過某種組合，理論上存在長期均衡關(guān)系,才進(jìn)一步假定方程式。這一方法的基本步驟包括：單位根檢驗(yàn)、協(xié)整檢驗(yàn)和Granger因果檢驗(yàn)。

1.3.1 單位根檢驗(yàn)

常見檢驗(yàn)單位根的方法有DF和ADF檢驗(yàn)、PP檢驗(yàn)、KPSS檢驗(yàn)、DF-GLS檢驗(yàn)、ERS檢驗(yàn)、NP檢驗(yàn)等。最常用的是Fuller(1976)[4]以及 Dickey和 Fuller(1979)[5]提出的 DF檢驗(yàn)、ADF檢驗(yàn)以及Phillips和Perron(1988)提出的PP檢驗(yàn)[5-6]。但是ADF、PP檢驗(yàn)由于借助極限分布而對小樣本檢驗(yàn)功效不高[7-8]，所以需要根據(jù)數(shù)據(jù)生成過程的類型選擇相應(yīng)補(bǔ)充方法。選擇單位根檢驗(yàn)方法的原則如下：（1）如果數(shù)據(jù)生成過程為自回歸過程，首先選擇ADF檢驗(yàn)，而KPSS檢驗(yàn)與ADF檢驗(yàn)具有互補(bǔ)性，DF-GLS檢驗(yàn)主要針對有確定趨勢的AR模型，因此，若變量數(shù)據(jù)生成過程為自回歸過程，將以上三種方法結(jié)合使用。（2）如果數(shù)據(jù)生成過程是移動平均過程，首先選擇PP檢驗(yàn)，但小樣本條件下PP檢驗(yàn)存在檢驗(yàn)水平畸變，NP檢驗(yàn)可以修正其檢驗(yàn)統(tǒng)計(jì)量，由此，若數(shù)據(jù)生成過程滿足移動平均過程，則選用PP檢驗(yàn)和NP檢驗(yàn)。（3）如果不能判斷數(shù)據(jù)生成過程， 則同時使用 ADF、DF-GLS，KPSS、 PP、NP檢驗(yàn)。另外，ADF和DF-GLS檢驗(yàn)依據(jù)AIC準(zhǔn)則選取滯后期，PP檢驗(yàn)、KPSS檢驗(yàn)、NP檢驗(yàn)依據(jù)Bartlett kernel準(zhǔn)則選取滯后期。

1.3.2 協(xié)整分析

本文采用Engle和Granger(1987)提出的協(xié)整檢驗(yàn)方法，對回歸方程殘差進(jìn)行單位根檢驗(yàn)，步驟如下：

（1）若2個序列yt和xt都是d階單整，則建立回歸方程模型殘差估計(jì)值為yt=α+βxt+ut

1.3.3 因果關(guān)系檢驗(yàn)

格蘭杰(Granger)因果檢驗(yàn)具體做法是：先估計(jì)當(dāng)前y值被其自身滯后期取值解釋程度，然后驗(yàn)證引入序列x滯后值是否可以提高y的被解釋程度。如果是，則稱x是y的Granger原因，此時x的滯后期系數(shù)具有統(tǒng)計(jì)顯著性。一般需要同時考察y是否為x的Granger原因。檢驗(yàn)方法如下：

其中k為最大滯后階數(shù)，檢驗(yàn)的原假設(shè)為x(y)不是y(x)的Granger原因，即：β0=β1=β2=…=βk=0。

2 實(shí)證分析

2.1 平穩(wěn)性檢驗(yàn)

首先檢驗(yàn)救災(zāi)支出（LNDEt）、城市化率（URt）穩(wěn)定性。

我們使用變量序列折線圖和自相關(guān)圖選擇單位根檢驗(yàn)的方法。

圖1、圖 2 顯示，LNDEt、URt都是 VR（4）序列，且都存在穩(wěn)定趨勢，所以使用ADF、DF-GLS，KPSS檢驗(yàn)，并以DF-GLS檢驗(yàn)結(jié)果為主。表1顯示LNDEt，URt都為非平穩(wěn)序列。ADF、DF-GLS，KPSS都顯示城市化率為非平穩(wěn)序列。但是ADF、KPSS檢驗(yàn)顯示救災(zāi)支出為平穩(wěn)序列，考慮到救災(zāi)支出為存在穩(wěn)定趨勢AR序列，而DF-GLS對該種序列的檢驗(yàn)最有效，所以我們認(rèn)為救災(zāi)支出為非平穩(wěn)序列。接著檢驗(yàn)變量一階差分穩(wěn)定性。因?yàn)闊o法判斷△LNDEt、△URt序列性質(zhì)，所以使用所有5種方法對其檢驗(yàn)。表2顯示△LNDEt、△UtR為穩(wěn)定序列，即 URt—I(1)，LNDEt—I(1)。 雖然不同檢驗(yàn)方法顯著性水平不同，但是都顯示△LNDEt、△URt不存在單位根。

表1 城市化率和救災(zāi)支出水平值單位根檢驗(yàn)

表2 △LNDEt、△URt單位根檢驗(yàn)

表2 -續(xù) △LNDE、△UR單位根檢驗(yàn)

2.2 協(xié)整檢驗(yàn)

由于 URt—I(1)，LNDEt—I(1)，所以進(jìn)一步進(jìn)行協(xié)整分析，看兩者之間是否存在長期穩(wěn)定關(guān)系。

首先建立回歸方程：

因?yàn)閳D1顯示URt存在自相關(guān)，所以使用Cochrane-Orcutt迭代法來消除自相關(guān)性。Cochrane-Orcutt迭代法的基本原理如下：首先修正方程（1）為以下形式：

其中ρ為（1）所估計(jì)的殘差自相關(guān)系數(shù)，ρ估計(jì)值由下式通過OLS估計(jì)得到：

此時，方程（2）已基本滿足OLS的假設(shè)條件，可以直接估計(jì)。對方程（2）回歸后，檢驗(yàn)新殘差是否仍有自相關(guān)，如果仍然自相關(guān)，則重復(fù)上述過程直到自相關(guān)被完全消除。

對方程（1）回歸結(jié)果如下：

對方程（4）的殘差et序列回歸得到：

為簡單起見，將ρ=0.526直接代入方程（2），重新回歸得到：

此時DW=2.01表明自相關(guān)已經(jīng)很好的消除，F(xiàn)=77.16說明模型擬合的很好，=0.725說明模型解釋能力也較好，即方程（6）要優(yōu)于方程（4）。

現(xiàn)在檢驗(yàn)方程（6）殘差et的單位根。圖3顯示et為無趨勢和常數(shù)項(xiàng)的時間序列，使用ADF、DF-GLS，KPSS、PP、NP檢驗(yàn)其單位根，結(jié)果見表3，KPSS以外的所有檢驗(yàn)都顯示方程（6）殘差是穩(wěn)定序列，我們可以認(rèn)為et—I(0)。也即是說救災(zāi)支出和城市化率之間存在穩(wěn)定的長期關(guān)系。

表3 殘差穩(wěn)定性檢驗(yàn)

2.3 Granger因果檢驗(yàn)

協(xié)整檢驗(yàn)結(jié)果表明，救災(zāi)支出和城市化之間存在長期均衡關(guān)系，但還沒有說明變量之間必然存在因果關(guān)系以及因果關(guān)系的作用方向如何，我們進(jìn)一步做兩者的Granger因果檢驗(yàn)，結(jié)果如表4所示。短期內(nèi)，城市化是救災(zāi)支出的Granger原因，救災(zāi)支出不是城市化的Granger原因，長期內(nèi)，救災(zāi)支出是城市化的Granger原因，城市化不是救災(zāi)支出的Granger原因。結(jié)合方程(6)，對結(jié)果做以下解釋：（1）從短期看，城市化進(jìn)程影響了救災(zāi)支出，方程（6）顯示隨著城市化水平的提高，救災(zāi)支出也在逐年增加，這可能有兩種原因，一是城市化超出了環(huán)境的生態(tài)承載力，帶來更多自然災(zāi)害，從而增加自然災(zāi)害的救災(zāi)支出；二是城市化增加了政府財(cái)政收入，面對同等災(zāi)害水平，國家可以支付更多救災(zāi)支出。同時，救災(zāi)支出增加并沒有影響城市化進(jìn)程，因?yàn)榫葹?zāi)支出在國家財(cái)政支出中所占比重仍然很低，而且其他促進(jìn)城市化的因素短期作用可能大于災(zāi)害影響。（2）長期看來，剔除價格因素的救災(zāi)支出的增加反映了自然災(zāi)害危害的增加，而這影響了城市化水平，進(jìn)一步也表明自然災(zāi)害的趨頻、趨重是未來影響我國城市化發(fā)展的重要因素。同時長期城市化對救災(zāi)支出的影響有限，表明城市化并不是導(dǎo)致自然災(zāi)害趨頻、趨重的主要原因。

表4 LNDE和UR的Granger因果檢驗(yàn)

3 結(jié)論及建議

協(xié)整分析和Granger因果檢驗(yàn)的結(jié)果表明，城市化和自然災(zāi)害存在長期穩(wěn)定的均衡關(guān)系。短期內(nèi)城市化發(fā)展，使救災(zāi)支出隨之增加，一定程度代表了自然災(zāi)害隨之增加；長期內(nèi)自然災(zāi)害危害增加影響了我國城市化水平，進(jìn)而將來可能成為限制城市化發(fā)展的重要原因。相關(guān)文獻(xiàn)中曾提到城市化導(dǎo)致部分自然災(zāi)害的路徑機(jī)制，特別是對于城市自然災(zāi)害的增加。城市化快速發(fā)展必然帶來城市不斷擴(kuò)建與新建，進(jìn)行大量土石移動和地下開挖工程，于是人為地產(chǎn)生一系列地質(zhì)災(zāi)害問題。另外，城市化可造成城市氣候改變，城市降雨量和降雨強(qiáng)度增大，雨時延長，使城市發(fā)生洪澇災(zāi)害的機(jī)率增加。還有一點(diǎn)，城市化增加了自然災(zāi)害損失，城市經(jīng)濟(jì)類型的多元化及資產(chǎn)的高密集性使城市的綜合承災(zāi)能力變?nèi)?，?jīng)濟(jì)損失加重，城市化特別是與生命線系統(tǒng)關(guān)聯(lián)的間接經(jīng)濟(jì)損失比重加大。

鑒于以上檢驗(yàn)的城市化和自然災(zāi)害的關(guān)系，經(jīng)濟(jì)發(fā)展過程中必須重視可持續(xù)發(fā)展的增長方式和自然災(zāi)害預(yù)警預(yù)測機(jī)制。

（1）要轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式，實(shí)現(xiàn)可持續(xù)發(fā)展，建設(shè)資源節(jié)約型、環(huán)境友好型社會，最大程度減少城市化對環(huán)境和資源的破壞，才能減少人為造成的自然災(zāi)害。上世紀(jì)60年代以來，世界上各種自然非可持續(xù)發(fā)展的做法是自然災(zāi)害增加的主要因素之一。要維持經(jīng)濟(jì)—生態(tài)協(xié)調(diào)發(fā)展，就必須轉(zhuǎn)變經(jīng)濟(jì)發(fā)展模式，走可持續(xù)發(fā)展之路，盡可能降低人類經(jīng)濟(jì)活動對環(huán)境資源的負(fù)面效應(yīng)。要實(shí)現(xiàn)這一目標(biāo)，就要在以下幾個方面做出努力：首先，走 “科技含量高、經(jīng)濟(jì)效益好、資源消耗低、環(huán)境污染少、人力資源得以充分的發(fā)揮”的新型工業(yè)化道路，大力發(fā)展循環(huán)經(jīng)濟(jì)。其次，逐步形成有利于節(jié)約資源的產(chǎn)業(yè)結(jié)構(gòu)和消費(fèi)方式，通過經(jīng)濟(jì)、技術(shù)、法律等手段促進(jìn)資源利用的根本轉(zhuǎn)變，完善自然資源有償使用制度和價格體系，建立資源更新和經(jīng)濟(jì)補(bǔ)償機(jī)制，嘗試將資源環(huán)境的綜合成本納入到國民經(jīng)濟(jì)核算體系中來提高資源利用的經(jīng)濟(jì)、社會和生態(tài)效益，構(gòu)建資源節(jié)約型國民經(jīng)濟(jì)體系和資源節(jié)約型社會。

（2）要完善災(zāi)害預(yù)警預(yù)測機(jī)制，盡量降低自然災(zāi)害損失，為城市化的快速發(fā)展提供保證。這需要首先加強(qiáng)環(huán)境變化趨勢及其影響的監(jiān)測與研究工作，建立完整的災(zāi)害測報(bào)體系，探索重大環(huán)境災(zāi)害預(yù)測預(yù)報(bào)的基礎(chǔ)理論，從總體上提高對重大災(zāi)異測報(bào)的科技水平和綜合防御能力以及對災(zāi)害快速應(yīng)急響應(yīng)能力。并且，在城市化進(jìn)展過程中，要根據(jù)自然環(huán)境和生態(tài)條件進(jìn)行科學(xué)規(guī)劃，并對城市基礎(chǔ)設(shè)施建設(shè)建立相關(guān)標(biāo)準(zhǔn)，最大程度增加城市擴(kuò)建和新建過程的科學(xué)性，減少可能產(chǎn)生的人為自然災(zāi)害。

在進(jìn)一步的研究中，需要關(guān)注衡量自然災(zāi)害損失的指標(biāo)，并且不同地區(qū)（特別是災(zāi)害易發(fā)區(qū)和非易發(fā)區(qū)）城市化和自然災(zāi)害的相互關(guān)系可能有所不同，都需要更多、更細(xì)致的研究。

[1]何愛平.發(fā)展中國家災(zāi)害經(jīng)濟(jì)的特點(diǎn)、成因及對策[J].災(zāi)害學(xué),2000,15(2).

[2]何愛平.中國災(zāi)害經(jīng)濟(jì)——理論框架及實(shí)證研究[D].西北大學(xué),2002.

[3]房林,鄒衛(wèi)星.多種單位根檢驗(yàn)法的比較研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2007，(1).

[4]Fuller,W.A.Introduction to Statistical Time Series[M].New York:Wiley,1976.

[5]Dickey,D,Fuller,W.Distribution of the Estimators for Autoregressive Time Series with a Unit Root[J].Journal of the American Statistical Association,1979,74.

[6]Perron,P.The Great Crash,the Oil Price Shock,and the Unit Root Hypothesis[J].Econometrica,1988,57.

[7]Phillips P.B.C..Testing for a Unit Root in Time Series Regression[J].Biometrika,1988,75.

[8]Schwert,G.W.Tests for Unit Roots:A Monte Carlo Investigation[J].Journal of Business and Economic Statistics,1989，(7).

[9]易丹輝.數(shù)據(jù)分析與Eiews應(yīng)用[M].北京:中國統(tǒng)計(jì)出版社,2002.