自然灾害对经济增长影响研究

作者：郭静 张连增

来源：《财经理论与实践》2021年第01期

摘要：基于2007-2018年中国省际面板数据，运用动态系统广义矩模型（GMM），考量制度、救灾支出在调节自然灾害对经济增长影响方面的作用。结果表明：从全样本来看，救灾支出有利于增强自然灾害对经济增长的促进作用，自然灾害对经济增长的影响受制度的影响较小。分经济区域来看，救灾支出有利于增强自然灾害对东部和西部经济增长的促进作用，但对东北地区产生抑制作用;制度可以缓解东部自然灾害对经济增长的抑制作用，但阻碍西部自然灾害对经济增长的促进作用。进一步分析发现，救灾支出、制度在调节自然灾害对经济增长的影响时，都存在倒U型非线性关系。

关键词： 动态系统GMM;制度;救灾支出;自然灾害;经济增长

中图分类号：F840.文献标识码：A文章编号：1003-7217（2021）01-0041-07 一、引言

近年来，自然灾害的频繁发生对社会生产和生活造成严重影响，使得灾害经济学研究越来越关注自然灾害与经济增长之间的关系问题。中国是世界上受自然灾害影响最严重的少数国家之一。1990-2019年的近30年，我国自然灾害平均每年造成直接经济损失2928.5亿元，死亡

人数6310.5人，受灾人口数为34841.6万人次，受灾面积3998.3万公顷①，这使得不断完善灾害风险管理措施显得尤为重要。党的十九大报告提出要“坚持常态减灾和非常态救灾相统一，全面提升全社会抵御自然灾害的综合防范能力”。2020年6月，印发《关于开展第一次全国自然灾害综合风险普查的通知》，定于2020-2022年开展第一次全国自然灾害综合风险普查，旨在全面掌握中国自然灾害风险隐患情况，提升全社会抵御自然灾害的综合防范能力，进一步优化中国特色。在中国特殊的政治、经济、文化制度下，救灾支出②作为灾后恢复重建的重要保障，对于稳定社会生产和生活有至关重要的作用。

现有与制度、救灾支出以及自然灾害与经济增长之间关系的相关研究，主要体现在以下几个方面：

第一，自然灾害与经济增长的关系。由于自然灾害造成了一定的人员伤亡以及基础设施、设备和存货等损坏，在一定程度上抑制了经济的增长[1];更严重的，自然灾害甚至会使经济处于更低的均衡增长水平[2，3]。虽然自然灾害会减少实物资本存量，但同时也提供了一个更新资本存量的机会，可促进新技术的应用，这又促进了经济的增长[4]，这主要体现在一些早期的观点。最新的研究表明，自然灾害对经济增长的作用取决于自然灾害的类型以及经济部门。有研究分析了不同灾害类型对人均经济增长的影响，发现洪灾在一定程度上有利于农业生产增长，地震带来了工业部门的经济增长[5-7]。

第二，制度、自然灾害与经济增长的关系。新制度经济学家认为，制度与技术一样，也是保持经济长期持续增长的内生力量，并作为能够解释国家发展差异的原因[8]。当灾害发生时，如果受灾国家或地区政治、经济、法律制度混乱，就会进一步放大自然灾害损失，甚至引发政治动荡。如果受灾国家或地区的制度良好，就能够有效组织减灾救灾以及灾后重建工作，最大限度地降低生命和财产损失，变不利因素为有利因素，促进经济发展[9]。Raschky等的研究证明，有着较高的贸易开放度、教育水平、民主程度、较低的收入不平等的国家，更能承受灾害初始冲击和预防灾害对宏观经济进一步的溢出效应，从而有较低的死亡率和较小的灾害成本[10]。Felbermayr等通过引入民主指数和自然灾害交叉项发现，具有较高民主指数的国家可以加快灾害重建的进程，降低自然灾害对经济增长的影响[6]。

第三，救灾支出、自然灾害与经济增长的关系。救灾支出的增加，在存在剩余生产能力、无通货膨胀和工资上涨压力的情况下，购买需求的增加会通过投资乘数和消费乘数的作用，对经济增长产生正向效应[11]。但如果支出属于社会其他领域计划投资的资金，的这种举措也存在着巨大的机会成本损失，阻碍经济的增长。同时，灾后的直接转移支付会对消费有较强的替代作用，降低灾后的劳动供给和企业投资意愿，最终会使灾害对经济增长产生负面影响[12]。

由上述文献研究可知，自然灾害对一国经济的影响存在不确定性，取决于一国的自然灾害类型、经济部门以及社会制度。此外，有关自然灾害对经济增长影响的文献研究表明，自然灾害具有“生产力效应”，即自然灾害的发生对经济增长具有显著的促进作用。经济增长型自然灾

害可以应用熊彼特“创造性”理论进行分析，即这些灾害事件引起的破坏，在重建投资中，可能会在中短期引起经济增长[2]。虽然这一观点受到很多批评和质疑，但在我国“举国救灾”下，还是具有一定现实意义的。我国自然灾害救助体系可以迅速集中、社区、企事业单位、社会团体队伍等各种资源和力量，这种救灾投入模式很容易通过灾后重建投资需求的增加，拉动经济增长。但国内现有文献研究主要集中在自然灾害对经济增长影响方面，鲜有探讨制度、救灾支出在调节自然灾害对宏观经济影响方面的研究。

我国的社会制度在缓解自然灾害的宏观经济影响方面的作用如何，救灾支出能够增强自然灾害的“生产力效应”吗？鉴于此，本文基于2007-2018年中国省际面板数据，应用动态系统广义矩模型，通过引入制度和自然灾害强度及救灾支出和自然灾害强度的交互项，研究我国社会制度和救灾支出在调节自然灾害对宏观经济影响方面的作用。这对于我国在不断深化市场改革过程中注重完善灾害风险管理体系，合理规划救灾支出具有重要的理论价值及实践意义。 二、研究设计

（一）样本选取与数据来源

本文选取的样本范围为中国31个省份2007-2018年的省际面板数据。以2007年作为研究起点，是因为《中国民政统计年鉴》2007年才开始系统地公布分省份的各类自然灾害造成的受灾人口数、死亡人口数、以及直接经济损失。各省份的自然灾害造成的受灾人口数据以及自然灾害救灾支出来源于各年度的《中國民政统计年鉴》，市场化指数数据来源于樊纲等编著的《中国市场化指数》（2011）和王小鲁等编著的《中国分省份市场化指数报告》（2019），其他数据来源于历年各省份统计年鉴以及《中国统计年鉴》。 （二）模型设定

1. 针对自然灾害对中国经济增长的关系。设定模型（1）为：

2. 针对制度、自然灾害与经济增长的关系。通过引入自然灾害和制度要素的交互项，探讨制度在调节自然灾害宏观经济影响方面的作用。设定模型（2）为：

3. 针对公共财政、自然灾害与经济增长的关系。通过引入自然灾害和救灾支出的交互项，探讨救灾支出在调节自然灾害宏观经济影响方面的作用。设定模型（3）为： 由于式（1）～（3）右边包含了因变量的滞后一阶及其他可能存在内生性问题的解释变量，故采用有助于克服解释变量内生性问题的动态系统广义矩估计方法（GMM）对其进行估计。鉴于两步系统GMM估计量的标准误相对于一步系统GMM会产生严重向下偏误，从而影响统计推断的效果，参考相关研究[21，22]，基于一步系统GMM方法进行回归估计。

（三）变量度量

1. 经济增长（y）。采用人均实际GDP增长率作为衡量经济增长指标，采用的GDP指数以2007年不变价格进行指数平减，再换算成相应的年增长率。考虑到自然灾害对经济增长的影响会有一定的时滞，借鉴相关研究[23，24]的处理方法，采用当年与滞后3年的人均实际GDP增长率的滑动平均值作为当年人均实际GDP增长率。

2. 自然灾害强度（Disa）。由于各类自然灾害造成的直接经济损失和人均GDP相关性很高，应用直接经济损失作为解释变量可能会出现伪回归问题[25]。一般认为，更适合衡量自然灾害强度的指标是自然灾害造成的受灾人口数[3，25-27]。鉴于此，将当年受灾人口数占上年总人口数（排除自然灾害对当年人口数的影响）的比率作为灾害强度衡量指标。 此外，设定如下控制变量：

3. 救灾支出（GRE）。为便于分析，用自然灾害救灾支出占自然灾害造成的总经济损失的比例来衡量。

4. 制度环境（M）。使用樊纲等[13]编制的1997-2009年市场化指数以及王小鲁等[14]最新出版的2008-2016年市场化指数作为一个代表市场化进程的综合性指标，刻画地区制度特征。由于市场化指数本身就是一个相对指标，如基期发生变化，一些指标也会发生了变化，不能直接将两个期间内的指数加以合并，且由于含有一些需抽样调查的数据，无法事后进行补充。鉴于此，根据白俊红等[15]方法将数据分为2007-2009年和2010-2016这两个时期，通过设置虚拟变量（D）来对这一影响进行控制。具体方法为：首先，设置虚拟变量D：

然后，在模型（1）～（3）的右边加上λ（M×D）it，λ表示相应的参数估计值。这样，市场化程度变量（M）在2007-2009年与2010-2016年两个时间段上将有不同的斜率，从而在一定程度上控制了市场化指数变化的影响。此外，借鉴俞红海等[16]的做法，以历年市场化指数的平均增长幅度对2017-2018年市场化进行预测。

5. 物质资本（K）。应用张军等[17]估算的各省份2000年的资本存量为基期，采用“永续盘存法”进行估算，估算公式为：Kit=Iit/Pit+（1-δit）Kit-1，其中，Kit表示当期的各省份固定资本存量;Iit为当期的各省份名义固定资本形成总额;Pit为各省份固定资产投资价格指数;δit表示各省份折旧率，表示上一年的各省份固定资本存量，并将数据更新至 2018年。与张军等的研究有所区别的是，δit根据吴吉东等[18]的做法，采用几何效率递减函数估计的各省份多年平均资本经济折旧率。广东和缺失的固定资产投资价格指数数据用当年商品零售价格指数替代。

6. 人力资本（H）。参照姚先国等[19]的研究，采用劳动力平均受教育程度来表示人力资本。首先，将每一种受教育程度按一定的教育年限进行折算，其中，文盲、小学、初中、高中

以及大专及以上分别以0年、6年、9年、12年和16年计;然后，乘以各教育阶段的人数，加总之和再除以各教育阶段的总人数，便得到人均受教育水平。

其中，时间变量t的系数γit即反映A随时间推移而线性提升的增长率。产出变量（Yit）用各省份的GDP表示，同样采用GDP指数以2007年不变价格进行指数平减。劳动力投入量（Lit）用各省份的年末就业人数表示。Kit即为上文计算的资本存量。鉴于规模收益不变假设的普遍性，参考赵志耘等[20]的做法，可将资本产出弹性ακi和劳动产出弹性βLi正则化处理。在此基础上，考虑到各省份的资本和劳动力产出弹性可能不同，根据白俊红等[15]的研究，利用最小二乘虚拟变量法（LSDV）对各省份的要素产出弹性进行估计。鉴于经济增长主要取决于各生产要素的增长率形式，为便于分析，分别将物质资本（K）、人力资本（H）的绝对数转换成增长率形式。 三、实证分析 （一）样本描述性统计

系统GMM估计需要通过Arellano-Bond序列相关和Sargan过度识别两个检验，其中，Arellano-Bond检验要求残差经过差分转换后存在一阶序列相关，但不存在二阶序列相关;Sargan过度识别检验要求工具变量与误差项不相关，从而表明工具变量有效性。样本描述性统计见表1。

（二）全样本回归分析

在分析估计结果前，根据AR（1） 和AR（2），扰动项在1%显著性水平下，存在AR（1）序列相关，但不存在AR（2）序列相关，故拒绝一阶“扰动项无自相关”的原假设，接受二阶“扰动项无自相关”的原假设，根据Sargan检验的结果，在5%显著性水平上接受“所有工具变量都是有效的”原假设。检验结果表明，各模型的估计结果是稳健、可靠以及工具变量是有效的。表2中第（1）列回归结果显示，我國自然灾害受灾人口对经济增长有一定的促进作用，表现出“生产力效应”，这与Loayza等[4]和 Fomby 等[5]基于数据的研究结论一致。救灾支出对经济增长的影响为正，但不存在显著性。制度化水平对经济增长在5%水平上显著为正，这与大多数研究认为好的社会制度有利于促进一国经济增长的研究结论一致[28，29]。第（2）列回归结果显示，救灾支出和自然灾害受灾人口的交互项在1%水平上显著为正，说明救灾支出有助于提高自然灾害对经济增长的促进作用。值得注意的是，当引入救灾支出和自然灾害强度交互项后，自然灾害强度的系数趋近于0，且不显著，说明灾害可能更多地通过救灾支出来对经济增长起作用。 （二）模型设定

1. 针对自然灾害对中国经济增长的关系。设定模型（1）为：

2. 针对制度、自然灾害与经济增长的关系。通过引入自然灾害和制度要素的交互项，探讨制度在调节自然灾害宏观经济影响方面的作用。设定模型（2）为：

3. 针对公共财政、自然灾害与经济增长的关系。通过引入自然灾害和救灾支出的交互项，探讨救灾支出在调节自然灾害宏观经济影响方面的作用。设定模型（3）为： 由于式（1）～（3）右边包含了因变量的滞后一阶及其他可能存在内生性问题的解释变量，故采用有助于克服解释变量内生性问题的动态系统广义矩估计方法（GMM）对其进行估计。鉴于两步系统GMM估计量的标准误相对于一步系统GMM会产生严重向下偏误，从而影响统计推断的效果，参考相关研究[21，22]，基于一步系统GMM方法进行回归估计。 （三）变量度量

1. 经济增长（y）。采用人均实际GDP增长率作为衡量经济增长指标，采用的GDP指数以2007年不变价格进行指数平减，再换算成相应的年增长率。考虑到自然灾害对经济增长的影响会有一定的时滞，借鉴相关研究[23，24]的处理方法，采用当年与滞后3年的人均实际GDP增长率的滑动平均值作为当年人均实际GDP增长率。

2. 自然灾害强度（Disa）。由于各类自然灾害造成的直接经济损失和人均GDP相关性很高，应用直接经济损失作为解释变量可能会出现伪回归问题[25]。一般认为，更适合衡量自然灾害强度的指标是自然灾害造成的受灾人口数[3，25-27]。鉴于此，将当年受灾人口数占上年总人口数（排除自然灾害对当年人口数的影响）的比率作为灾害强度衡量指标。 此外，设定如下控制变量：

3. 救灾支出（GRE）。为便于分析，用自然灾害救灾支出占自然灾害造成的总经济损失的比例来衡量。

4. 制度环境（M）。使用樊纲等[13]编制的1997-2009年市场化指数以及王小鲁等[14]最新出版的2008-2016年市场化指数作为一个代表市场化进程的综合性指标，刻画地区制度特征。由于市场化指数本身就是一个相对指标，如基期发生变化，一些指标也会发生了变化，不能直接将两个期间内的指数加以合并，且由于含有一些需抽样调查的数据，无法事后进行补充。鉴于此，根据白俊红等[15]方法将数据分为2007-2009年和2010-2016这两个时期，通过设置虚拟变量（D）来对这一影响进行控制。具体方法为：首先，设置虚拟变量D：

然后，在模型（1）～（3）的右边加上λ（M×D）it，λ表示相应的参数估计值。这样，市场化程度变量（M）在2007-2009年与2010-2016年两个时间段上将有不同的斜率，从而在一定程度上控制了市场化指数变化的影响。此外，借鉴俞红海等[16]的做法，以历年市场化指数的平均增长幅度对2017-2018年市场化进行预测。

5. 物质资本（K）。应用张军等[17]估算的各省份2000年的资本存量为基期，采用“永续盘存法”进行估算，估算公式为：Kit=Iit/Pit+（1-δit）Kit-1，其中，Kit表示当期的各省份固定资本存量;Iit为当期的各省份名义固定资本形成总额;Pit为各省份固定资产投资价格指数;δit表示各省份折旧率，表示上一年的各省份固定资本存量，并将数据更新至 2018年。与张军等的研究有所区别的是，δit根据吴吉东等[18]的做法，采用几何效率递减函数估计的各省份多年平均资本经济折旧率。广东和缺失的固定资产投资价格指数数据用当年商品零售价格指数替代。

6. 人力资本（H）。参照姚先国等[19]的研究，采用劳动力平均受教育程度来表示人力资本。首先，将每一种受教育程度按一定的教育年限进行折算，其中，文盲、小学、初中、高中以及大专及以上分别以0年、6年、9年、12年和16年计;然后，乘以各教育阶段的人数，加总之和再除以各教育阶段的总人数，便得到人均受教育水平。

其中，时间变量t的系数γit即反映A随时间推移而線性提升的增长率。产出变量（Yit）用各省份的GDP表示，同样采用GDP指数以2007年不变价格进行指数平减。劳动力投入量（Lit）用各省份的年末就业人数表示。Kit即为上文计算的资本存量。鉴于规模收益不变假设的普遍性，参考赵志耘等[20]的做法，可将资本产出弹性ακi和劳动产出弹性βLi正则化处理。在此基础上，考虑到各省份的资本和劳动力产出弹性可能不同，根据白俊红等[15]的研究，利用最小二乘虚拟变量法（LSDV）对各省份的要素产出弹性进行估计。鉴于经济增长主要取决于各生产要素的增长率形式，为便于分析，分别将物质资本（K）、人力资本（H）的绝对数转换成增长率形式。 三、实证分析 （一）样本描述性统计

系统GMM估计需要通过Arellano-Bond序列相关和Sargan过度识别两个检验，其中，Arellano-Bond检验要求残差经过差分转换后存在一阶序列相关，但不存在二阶序列相关;Sargan过度识别检验要求工具变量与误差项不相关，从而表明工具变量有效性。样本描述性统计见表1。

（二）全样本回归分析

在分析估计结果前，根据AR（1） 和AR（2），扰动项在1%显著性水平下，存在AR（1）序列相关，但不存在AR（2）序列相关，故拒绝一阶“扰动项无自相关”的原假设，接受二阶“扰动项无自相关”的原假设，根据Sargan检验的结果，在5%显著性水平上接受“所有工具变量都是有效的”原假设。检验结果表明，各模型的估计结果是稳健、可靠以及工具变量是有效的。表2中第（1）列回归结果显示，我国自然灾害受灾人口对经济增长有一定的促进作用，表现出“生产力效应”，这与Loayza等[4]和 Fomby 等[5]基于数据的研究结论一致。政

府救灾支出对经济增长的影响为正，但不存在显著性。制度化水平对经济增长在5%水平上显著为正，这与大多数研究认为好的社会制度有利于促进一国经济增长的研究结论一致[28，29]。第（2）列回归结果显示，救灾支出和自然灾害受灾人口的交互项在1%水平上显著为正，说明救灾支出有助于提高自然灾害对经济增长的促进作用。值得注意的是，当引入救灾支出和自然灾害强度交互项后，自然灾害强度的系数趋近于0，且不显著，说明灾害可能更多地通过救灾支出来对经济增长起作用。 （二）模型设定

1. 针对自然灾害对中国经济增长的关系。设定模型（1）为：

2. 针对制度、自然灾害与经济增长的关系。通過引入自然灾害和制度要素的交互项，探讨制度在调节自然灾害宏观经济影响方面的作用。设定模型（2）为：

3. 针对公共财政、自然灾害与经济增长的关系。通过引入自然灾害和救灾支出的交互项，探讨救灾支出在调节自然灾害宏观经济影响方面的作用。设定模型（3）为： 由于式（1）～（3）右边包含了因变量的滞后一阶及其他可能存在内生性问题的解释变量，故采用有助于克服解释变量内生性问题的动态系统广义矩估计方法（GMM）对其进行估计。鉴于两步系统GMM估计量的标准误相对于一步系统GMM会产生严重向下偏误，从而影响统计推断的效果，参考相关研究[21，22]，基于一步系统GMM方法进行回归估计。 （三）变量度量

1. 经济增长（y）。采用人均实际GDP增长率作为衡量经济增长指标，采用的GDP指数以2007年不变价格进行指数平减，再换算成相应的年增长率。考虑到自然灾害对经济增长的影响会有一定的时滞，借鉴相关研究[23，24]的处理方法，采用当年与滞后3年的人均实际GDP增长率的滑动平均值作为当年人均实际GDP增长率。

2. 自然灾害强度（Disa）。由于各类自然灾害造成的直接经济损失和人均GDP相关性很高，应用直接经济损失作为解释变量可能会出现伪回归问题[25]。一般认为，更适合衡量自然灾害强度的指标是自然灾害造成的受灾人口数[3，25-27]。鉴于此，将当年受灾人口数占上年总人口数（排除自然灾害对当年人口数的影响）的比率作为灾害强度衡量指标。 此外，设定如下控制变量：

3. 救灾支出（GRE）。为便于分析，用自然灾害救灾支出占自然灾害造成的总经济损失的比例来衡量。

4. 制度环境（M）。使用樊纲等[13]编制的1997-2009年市场化指数以及王小鲁等[14]最新出版的2008-2016年市场化指数作为一个代表市场化进程的综合性指标，刻画地区制度特征。由于市场化指数本身就是一个相对指标，如基期发生变化，一些指标也会发生了变化，不能直接将两个期间内的指数加以合并，且由于含有一些需抽样调查的数据，无法事后进行补充。鉴于此，根据白俊红等[15]方法将数据分为2007-2009年和2010-2016这两个时期，通过设置虚拟变量（D）来对这一影响进行控制。具体方法为：首先，设置虚拟变量D：

然后，在模型（1）～（3）的右边加上λ（M×D）it，λ表示相应的参数估计值。这样，市场化程度变量（M）在2007-2009年与2010-2016年两个时间段上将有不同的斜率，从而在一定程度上控制了市场化指数变化的影响。此外，借鉴俞红海等[16]的做法，以历年市场化指数的平均增长幅度对2017-2018年市场化进行预测。

5. 物质资本（K）。应用张军等[17]估算的各省份2000年的资本存量为基期，采用“永续盘存法”进行估算，估算公式为：Kit=Iit/Pit+（1-δit）Kit-1，其中，Kit表示当期的各省份固定资本存量;Iit为当期的各省份名义固定资本形成总额;Pit为各省份固定资产投资价格指数;δit表示各省份折旧率，表示上一年的各省份固定资本存量，并将数据更新至 2018年。与张军等的研究有所区别的是，δit根据吴吉东等[18]的做法，采用几何效率递减函数估计的各省份多年平均资本经济折旧率。广东和缺失的固定资产投资价格指数数据用当年商品零售价格指数替代。

6. 人力资本（H）。参照姚先国等[19]的研究，采用劳动力平均受教育程度来表示人力资本。首先，将每一种受教育程度按一定的教育年限进行折算，其中，文盲、小学、初中、高中以及大专及以上分别以0年、6年、9年、12年和16年计;然后，乘以各教育阶段的人数，加总之和再除以各教育阶段的总人数，便得到人均受教育水平。

其中，时间变量t的系数γit即反映A随时间推移而线性提升的增长率。产出变量（Yit）用各省份的GDP表示，同样采用GDP指数以2007年不变价格进行指数平减。劳动力投入量（Lit）用各省份的年末就业人数表示。Kit即为上文计算的资本存量。鉴于规模收益不变假设的普遍性，参考赵志耘等[20]的做法，可将资本产出弹性ακi和劳动产出弹性βLi正则化处理。在此基础上，考虑到各省份的资本和劳动力产出弹性可能不同，根据白俊红等[15]的研究，利用最小二乘虚拟变量法（LSDV）对各省份的要素产出弹性进行估计。鉴于经济增长主要取决于各生产要素的增长率形式，为便于分析，分别将物质资本（K）、人力资本（H）的绝对数转换成增长率形式。 三、实证分析 （一）样本描述性统计

系统GMM估计需要通过Arellano-Bond序列相关和Sargan过度识别两个检验，其中，Arellano-Bond检验要求残差经过差分转换后存在一阶序列相关，但不存在二阶序列相关;Sargan过度识别检验要求工具变量与误差项不相关，从而表明工具变量有效性。样本描述性统计见表1。

（二）全样本回归分析

在分析估计结果前，根据AR（1） 和AR（2），扰动项在1%显著性水平下，存在AR（1）序列相关，但不存在AR（2）序列相关，故拒绝一阶“扰动项无自相关”的原假设，接受二阶“扰动项无自相关”的原假设，根据Sargan检验的结果，在5%显著性水平上接受“所有工具变量都是有效的”原假设。检验结果表明，各模型的估计结果是稳健、可靠以及工具变量是有效的。表2中第（1）列回归结果显示，我国自然灾害受灾人口对经济增长有一定的促进作用，表现出“生产力效应”，这与Loayza等[4]和 Fomby 等[5]基于数据的研究结论一致。救灾支出对经济增长的影响为正，但不存在显著性。制度化水平对经济增长在5%水平上显著为正，这与大多数研究认为好的社会制度有利于促进一国经济增长的研究结论一致[28，29]。第（2）列回归结果显示，救灾支出和自然灾害受灾人口的交互项在1%水平上显著为正，说明救灾支出有助于提高自然灾害对经济增长的促进作用。值得注意的是，当引入救灾支出和自然灾害强度交互项后，自然灾害强度的系数趋近于0，且不显著，说明灾害可能更多地通过救灾支出来对经济增长起作用。 （二）模型设定

1. 针对自然灾害对中国经济增长的关系。设定模型（1）为：

2. 针对制度、自然灾害与经济增长的关系。通过引入自然灾害和制度要素的交互项，探讨制度在调节自然灾害宏观经济影响方面的作用。设定模型（2）为：

3. 针对公共财政、自然灾害与经济增长的关系。通过引入自然灾害和救灾支出的交互项，探讨救灾支出在调节自然灾害宏观经济影响方面的作用。设定模型（3）为： 由于式（1）～（3）右边包含了因变量的滞后一阶及其他可能存在内生性问题的解释变量，故采用有助于克服解释变量内生性问题的动态系统广义矩估计方法（GMM）对其进行估计。鉴于两步系统GMM估计量的标准误相对于一步系统GMM会产生严重向下偏误，从而影响统计推断的效果，参考相关研究[21，22]，基于一步系统GMM方法进行回归估计。 （三）变量度量

1. 经济增长（y）。采用人均实际GDP增长率作为衡量经济增长指标，采用的GDP指数以2007年不变价格进行指数平减，再换算成相应的年增长率。考虑到自然灾害对经济增长的

影响会有一定的时滞，借鉴相关研究[23，24]的处理方法，采用当年与滞后3年的人均实际GDP增长率的滑动平均值作为当年人均实际GDP增长率。

2. 自然灾害强度（Disa）。由于各类自然灾害造成的直接经济损失和人均GDP相关性很高，应用直接经济损失作为解释变量可能会出现伪回归问题[25]。一般认为，更适合衡量自然灾害强度的指标是自然灾害造成的受灾人口数[3，25-27]。鉴于此，将当年受灾人口数占上年总人口数（排除自然灾害对当年人口数的影响）的比率作为灾害强度衡量指标。 此外，设定如下控制变量：

3. 救灾支出（GRE）。为便于分析，用自然灾害救灾支出占自然灾害造成的总经济损失的比例来衡量。

4. 制度环境（M）。使用樊纲等[13]编制的1997-2009年市场化指数以及王小鲁等[14]最新出版的2008-2016年市场化指数作为一个代表市场化进程的综合性指标，刻画地区制度特征。由于市场化指数本身就是一个相对指标，如基期发生变化，一些指标也会发生了变化，不能直接将两个期间内的指数加以合并，且由于含有一些需抽样调查的数据，无法事后进行补充。鉴于此，根据白俊红等[15]方法将数据分为2007-2009年和2010-2016这两个时期，通过设置虚拟变量（D）来对这一影响进行控制。具体方法为：首先，设置虚拟变量D：

然后，在模型（1）～（3）的右边加上λ（M×D）it，λ表示相应的参数估计值。这样，市场化程度变量（M）在2007-2009年与2010-2016年两个时间段上将有不同的斜率，从而在一定程度上控制了市场化指数变化的影响。此外，借鉴俞红海等[16]的做法，以历年市场化指数的平均增长幅度对2017-2018年市场化进行预测。

5. 物质资本（K）。应用张军等[17]估算的各省份2000年的资本存量为基期，采用“永续盘存法”进行估算，估算公式为：Kit=Iit/Pit+（1-δit）Kit-1，其中，Kit表示当期的各省份固定资本存量;Iit为当期的各省份名义固定资本形成总额;Pit为各省份固定资产投资价格指数;δit表示各省份折旧率，表示上一年的各省份固定资本存量，并将数据更新至 2018年。与张军等的研究有所区别的是，δit根据吴吉东等[18]的做法，采用几何效率递减函数估计的各省份多年平均资本经济折旧率。广东和缺失的固定资产投资价格指数数据用当年商品零售价格指数替代。

6. 人力资本（H）。参照姚先国等[19]的研究，采用劳动力平均受教育程度来表示人力资本。首先，将每一种受教育程度按一定的教育年限进行折算，其中，文盲、小学、初中、高中以及大专及以上分别以0年、6年、9年、12年和16年计;然后，乘以各教育阶段的人数，加总之和再除以各教育阶段的总人数，便得到人均受教育水平。

其中，时间变量t的系数γit即反映A随时间推移而线性提升的增长率。产出变量（Yit）用各省份的GDP表示，同样采用GDP指数以2007年不变价格进行指数平减。劳动力投入量（Lit）用各省份的年末就业人数表示。Kit即为上文计算的资本存量。鉴于规模收益不变假设的普遍性，参考赵志耘等[20]的做法，可将资本产出弹性ακi和劳动产出弹性βLi正则化处理。在此基础上，考虑到各省份的资本和劳动力产出弹性可能不同，根据白俊红等[15]的研究，利用最小二乘虚拟变量法（LSDV）对各省份的要素产出弹性进行估计。鉴于经济增长主要取决于各生产要素的增长率形式，为便于分析，分别将物质资本（K）、人力资本（H）的绝对数转换成增长率形式。 三、实证分析 （一）样本描述性统计

系统GMM估计需要通过Arellano-Bond序列相关和Sargan过度识别两个检验，其中，Arellano-Bond检验要求残差经过差分转换后存在一阶序列相关，但不存在二阶序列相关;Sargan过度识别检验要求工具变量与误差项不相关，从而表明工具变量有效性。样本描述性统计见表1。

（二）全样本回归分析

在分析估计结果前，根据AR（1） 和AR（2），扰动项在1%显著性水平下，存在AR（1）序列相关，但不存在AR（2）序列相关，故拒绝一阶“扰动项无自相关”的原假设，接受二阶“扰动项无自相关”的原假设，根据Sargan检验的结果，在5%显著性水平上接受“所有工具变量都是有效的”原假设。检验结果表明，各模型的估计结果是稳健、可靠以及工具变量是有效的。表2中第（1）列回归结果显示，我国自然灾害受灾人口对经济增长有一定的促进作用，表现出“生产力效应”，这与Loayza等[4]和 Fomby 等[5]基于数据的研究结论一致。救灾支出对经济增长的影响为正，但不存在显著性。制度化水平对经济增长在5%水平上显著为正，这与大多数研究认为好的社会制度有利于促进一国经濟增长的研究结论一致[28，29]。第（2）列回归结果显示，救灾支出和自然灾害受灾人口的交互项在1%水平上显著为正，说明救灾支出有助于提高自然灾害对经济增长的促进作用。值得注意的是，当引入救灾支出和自然灾害强度交互项后，自然灾害强度的系数趋近于0，且不显著，说明灾害可能更多地通过救灾支出来对经济增长起作用。