潘雪航，朱家明，曹綺琦，錢禮會

(1.安徽財經(jīng)大學(xué) 財政與公共管理學(xué)院，安徽 蚌埠 233030；2.安徽財經(jīng)大學(xué) 統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠 233030)

國家的“脆弱性”研究，在“9·11”事件后，為新的國際形勢和發(fā)達(dá)國家的國際戰(zhàn)略需求所推動，成為西方社會的一個研究熱點[1]。國家脆弱性是指國家在發(fā)展過程中抵抗資源、生態(tài)環(huán)境、經(jīng)濟(jì)、社會發(fā)展等內(nèi)外部自然要素和人為要素干擾的應(yīng)對能力。當(dāng)這種抗干擾的應(yīng)對能力低于某一臨界閾值時，國家即進(jìn)入脆弱狀態(tài)。國家脆弱性是國家資源脆弱性、生態(tài)環(huán)境脆弱性、經(jīng)濟(jì)脆弱性和社會脆弱性的綜合體現(xiàn)[2]。更詳細(xì)地說，脆弱的國家是指某國的政府不能，或者故意不供應(yīng)足夠的生活必需品。因此，國家脆弱性指數(shù)能夠較好反映一個國家內(nèi)外要素干擾的應(yīng)對能力。對于脆弱性指數(shù)大小，由于篩選的指標(biāo)不同，各學(xué)者得出的結(jié)論也不盡相同。方創(chuàng)琳從資源、生態(tài)環(huán)境、經(jīng)濟(jì)和社會4 個方面選取36 個具體指標(biāo)，構(gòu)建了中國城市脆弱性綜合測度指標(biāo)體系，對中國地級以上城市脆弱性做了總體評價[2]。王阿如娜選取了城市化水平、氣候變化狀況、城市自然環(huán)境、經(jīng)濟(jì)能力、城市人力和控制污染等方面指標(biāo)建立城市脆弱性評價指標(biāo)體系，計算出了計算出城市脆弱度[3]。可見，看待問題角度不同，選取的指標(biāo)也不相同。因此，一個穩(wěn)定的國家應(yīng)能滿足國民的基本需要和期待，抵御自然、社會、安全領(lǐng)域內(nèi)外的風(fēng)險。

1 數(shù)據(jù)來源和模型假設(shè)

文中11個二級指標(biāo)數(shù)據(jù)，均來自世界銀行數(shù)據(jù)庫公布的2014年各國官方數(shù)據(jù)。為了便于研究問題，提出以下幾條假設(shè)：1)所選擇的指標(biāo)能夠充分反應(yīng)各國的脆弱性，不會對后續(xù)的模擬產(chǎn)生影響。為了簡化，假設(shè)本文提出的干預(yù)措施不存在交互作用。2)假設(shè)脆弱國家具有一些消極的特征，例如：戰(zhàn)亂、經(jīng)濟(jì)停滯、貧富差距大等。3)各國各指標(biāo)近年無顯著變化，因此選取2014年數(shù)據(jù)進(jìn)行問題研究。4)一切數(shù)據(jù)來源可靠、數(shù)據(jù)真實準(zhǔn)確。

2 國家脆弱性指數(shù)體系的建立

通過查閱相關(guān)文獻(xiàn)和資料，考慮到脆弱性是國家內(nèi)在矛盾的表現(xiàn)，一般從四個方面測量：安全、社會、政治和經(jīng)濟(jì)[4]。同時，為使得國家脆弱性體系更具有客觀性，本文選取了5個一級指標(biāo)和11個二級指標(biāo)作為主要研究指標(biāo)，分別為：1)政治：國家議會婦女席位比例；2)經(jīng)濟(jì)：人均GDP、稅收收入占GDP比例；3)社會：人口密度、總失業(yè)人數(shù)比例、基尼系數(shù)；4)安全：國際謀殺犯罪率、按來源國家的難民比例；5)氣候：人均二氧化碳排放量、平均降水量、極端天氣比例。所建立的國家脆弱性指標(biāo)體系，如圖1所示。

3 基于模糊綜合評價對國家脆弱性指數(shù)模型的構(gòu)建

3.1 研究思路

多指標(biāo)模糊綜合評價法是運(yùn)用多個指標(biāo)對多個參評個體進(jìn)行評價的方法[5]，根據(jù)建立的國家脆弱性體系以及指標(biāo)的原始數(shù)據(jù)構(gòu)建模型。模糊綜合評價法的步驟主要為：1)確定綜合評價指標(biāo)體系；2)收集數(shù)據(jù)，對不同量綱指標(biāo)數(shù)據(jù)進(jìn)行同度量處理；3)確定指標(biāo)體系中各指標(biāo)的權(quán)重；4)計算綜合評價指數(shù)；5)根據(jù)評價指數(shù)排序，并由此得出結(jié)論。

圖1 國家脆弱性指標(biāo)體系

3.2 相關(guān)數(shù)據(jù)

在選取的11個二級指標(biāo)中，國家議會婦女席位比例、人均GDP、稅收占GDP比例和平均降水量4個指標(biāo)為成本型指標(biāo)[6](P103-104)，是指數(shù)值越小越好的指標(biāo)，而其余7個為效益型指標(biāo)，是指數(shù)值越大越好的指標(biāo)。同時，選取了經(jīng)濟(jì)水平從發(fā)達(dá)到落后的不同國家建立模型，共計25個國家。部分相關(guān)指標(biāo)數(shù)據(jù)見表1。

3.3 研究方法

3.3.1 數(shù)據(jù)的無量綱化處理

由于11個二級指標(biāo)具有不同的屬性與量綱，因此在建立國家脆弱性指數(shù)模型時不能直接采用指標(biāo)的原始數(shù)據(jù)，而應(yīng)根據(jù)各指標(biāo)的實際類型，對數(shù)據(jù)進(jìn)行無量綱化處理[7]，通過函數(shù)變換將原始數(shù)據(jù)壓縮在[0,1]之間。

表1 部分國家11個指標(biāo)相關(guān)數(shù)據(jù)

設(shè)U=(u1,u2,…,un)是待評價的n個國家集合，V=(v1,v2,…,vm)是評價指標(biāo)集合，將U中的每個國家用V中的每個指標(biāo)進(jìn)行衡量，得到一個觀測值矩陣

其中aij表示第j個國家關(guān)于第i項評價指標(biāo)的指標(biāo)值(i=1,2,…,m;j=1,2,…,n)。

對于指標(biāo)矩陣A,針對各指標(biāo)屬性，進(jìn)行無量綱化處理的方法如下：

對于效益型指標(biāo)，無量綱化的變換公式為：

對于成本型指標(biāo)，無量綱化的變換公式為：

其中max為指標(biāo)系列中的最大值;min為指標(biāo)系列中的最小值。

按照成本型和效益型無量綱化的變換公式，得到標(biāo)準(zhǔn)化的數(shù)據(jù)矩陣R。

3.3.2 各指標(biāo)權(quán)重的確定

綜合評價是通過多項指標(biāo)來進(jìn)行的，如果某項指標(biāo)的數(shù)值能明確區(qū)分開各個被評價對象，說明該指標(biāo)在這項評價上的分辨信息豐富，因而應(yīng)給該指標(biāo)以較大的權(quán)重，反之，這項指標(biāo)區(qū)分各評價對象的能力較弱，應(yīng)給予較小的權(quán)重。計算各指標(biāo)的變異系數(shù)公式為：

3.3.3 國家脆弱性指數(shù)模型的建立

此時，建立綜合評價模型，根據(jù)以上求得的各指標(biāo)標(biāo)準(zhǔn)化的數(shù)據(jù)和各指標(biāo)的權(quán)重，可得各國家的脆弱性指數(shù)

且若FtFs，則第s個國家比第t個國家更加穩(wěn)定；若Ft=Fs，則兩個國家脆弱性相同。

3.4 結(jié)果分析

按照綜合評價法的具體步驟，算出各指標(biāo)標(biāo)準(zhǔn)化后的數(shù)據(jù)以及各指標(biāo)的權(quán)重。同時，根據(jù)權(quán)重和標(biāo)準(zhǔn)化數(shù)據(jù)，運(yùn)用MATLAB 軟件，得出中非、日本等25個國家的脆弱性指數(shù)見表2。

表2 各國脆弱性指數(shù)

運(yùn)用EXCEL畫出柱形圖，如圖2所示。

圖2 各國脆弱性指數(shù)

由于脆弱性指數(shù)是成本性指標(biāo)，所以指數(shù)值越小越好。因此，得出在所選的25個國家中，中非脆弱性指數(shù)最大，是最不穩(wěn)定的國家；瑞士脆弱性指數(shù)最小，是最穩(wěn)定的國家。

4 脆弱性指數(shù)臨界值的確定和預(yù)測

4.1 研究思路

通過查閱相關(guān)文獻(xiàn)和數(shù)據(jù)庫，選擇了中國作為分析的國家，以中國2001年至2016年的指標(biāo)數(shù)據(jù)，運(yùn)用模糊綜合評價法，建立脆弱性指數(shù)模型。同時，根據(jù)上述25個國家的脆弱性指數(shù)，求出臨界點的置信區(qū)間。最后，根據(jù)中國16年的脆弱性指數(shù)，運(yùn)用灰色預(yù)測的方法預(yù)測中國的相關(guān)指數(shù)[8]。

4.2 研究方法

4.2.1 臨界點置信區(qū)間的確定

對于根據(jù)模糊綜合評價法計算出的25個國家脆弱性指數(shù)，為了找出臨界點的具體范圍，可以約定這樣的范圍包含國家脆弱性指數(shù)臨界值的可靠程度，再根據(jù)脆弱性指數(shù)的均值和可靠程度計算出臨界點的置信區(qū)間。假設(shè)這樣的區(qū)間包含臨界值的概率為1-α(α為95%)，可表示為：

4.2.2 灰色預(yù)測法

根據(jù)計算出的中國2001年至2016的脆弱性指數(shù)，運(yùn)用灰色預(yù)測的方法，求出未來幾年脆弱性指數(shù)的預(yù)測值。

1) 對原始數(shù)據(jù)進(jìn)行累加生成新數(shù)列

假設(shè)原始數(shù)列：

x(0)=(x(0)(1),x(0)(2),…,x(0)(n))

一次累加生成數(shù)列：

x(1)=(x(1)(1),x(1)(2),…,x(1)(n))=(x(0)(1),

x(0)(1)+x(0)(2),…,x(0)(1)+x(0)(n))

2) 建立微分方程

3) 最小二乘法求解微分方程

(k=1,2,…,n-1)

4) 檢驗級比，判斷灰色預(yù)測數(shù)據(jù)的適用性

數(shù)列的級比計算公式為：

5) 檢驗預(yù)測值判斷預(yù)測數(shù)據(jù)的可靠性

殘差檢驗公式：

級比偏差檢驗公式：

4.3 結(jié)果分析

1) 運(yùn)用模糊綜合評價法，可以求得中國16年的脆弱性指數(shù)，具體數(shù)據(jù)見表3。

表3 中國16年脆弱性指數(shù)

畫出柱形圖，見圖3。

從該圖可以看出，2001—2016年整體呈下降趨勢，在2008年和2009年，脆弱性指數(shù)上升，然后在接下來幾年里逐漸下降。

1) 運(yùn)用SPSS軟件，根據(jù)中非等25個國家的脆弱性指數(shù)，按照95%的置信概率，求出了指數(shù)臨界點的置信區(qū)間為：

Yj∈(0.2187,0.2887)

由1)，中國2016年的脆弱性指數(shù)為0.3655>0.2887,因此，中國還未到達(dá)臨界點。運(yùn)用灰色預(yù)測法，得出了中國在2017—2026年的脆弱性指數(shù)數(shù)據(jù)，見表4。

圖3 中國16年脆弱性指數(shù)

年份2017201820192020202120222023202420252026脆弱性指數(shù)0.35690.34430.33210.32040.30910.29820.28770.27750.26770.2583

運(yùn)用MATLAB繪出26年的曲線圖，見圖4。

圖4 脆弱性指數(shù)

由表4的數(shù)據(jù)，說明在2023年，中國的脆弱性指數(shù)達(dá)到0.2877<0.2887，此時指數(shù)大小處于置信區(qū)間內(nèi)。由于脆弱性指數(shù)越小越好，因此得出：中國的脆弱性指數(shù)可能在2023年左右達(dá)到全球中等水平，即大約在2023年左右，中國的政治、經(jīng)濟(jì)、社會、安全和氣候水平可以達(dá)到較好水平。

5 結(jié)語

筆者在建立國家脆弱性指數(shù)時，運(yùn)用模糊綜合評價和灰色預(yù)測法，所需的建模信息量少，運(yùn)算方便，建模精度高增加了結(jié)果的可信度[9]。對于各個國家，多數(shù)研究表明，造成國家脆弱的原因是復(fù)雜的，包括政治制度虛弱、經(jīng)濟(jì)發(fā)展困難、自身條件(自然資源和族群構(gòu)成)、社會轉(zhuǎn)型、外界沖擊和不合理的國際體系等各種原因[10]。各國只有充分為民著想，取之于民，用之于民，滿足國民的基本需要和期待，抵御自然、社會、安全領(lǐng)域內(nèi)外的風(fēng)險，才能逐漸成為一個穩(wěn)定的國家。

參考文獻(xiàn)：

[1]郭靜.西方“國家脆弱性”研究現(xiàn)狀及局限[N].中國社會科學(xué)報，2017-07-26(007).

[2]方創(chuàng)琳，王巖.中國城市脆弱性的綜合測度與空間分異特征[J].地理學(xué)報，2015，70(2)：234-247.

[3]王阿如娜.氣候變化下的城市脆弱性評價及影響因素分析[D].西安：陜西師范大學(xué)(碩士學(xué)位論文)，2016.

[4]劉天旭，吳滔.脆弱國家的評估標(biāo)準(zhǔn)問題[J].領(lǐng)導(dǎo)科學(xué)論壇，2016(13)：17-26.

[5]蘇為華.多指標(biāo)綜合評價理論與方法問題研究[D].廈門：廈門大學(xué)(博士學(xué)位論文)，2000.

[6]楊桂元.數(shù)學(xué)建模[M].上海：上海財經(jīng)大學(xué)出版社，2015.

[7]李光，吳祈宗.基于結(jié)論一致的綜合評價數(shù)據(jù)標(biāo)準(zhǔn)化研究[J].數(shù)學(xué)的實踐與認(rèn)識，2011，41(3)：72-77.

[8]盧懿.灰色預(yù)測模型的研究及其應(yīng)用[D].杭州：浙江理工大學(xué)(碩士學(xué)位論文)，2014.

[9]劉思峰.灰色系統(tǒng)理論的產(chǎn)生與發(fā)展[J].南京航空航天大學(xué)學(xué)報，2004(2)：267-272.

[10]李鶴，張平宇，程葉青.脆弱性的概念及其評價方法[J].地理科學(xué)進(jìn)展，2008(2)：18-25.

[11]吳忠誠，朱家明，鄧卓航.基于模糊C聚類對城市宜居性的綜合評價[J].哈爾濱商業(yè)大學(xué)學(xué)報(自然科學(xué)版)，2017(6)：755-759.

[12]朱家明，任筱翮.基于AHP-熵值法的精明增長計量分析[J].安徽大學(xué)學(xué)報，2017，41(6)：61-67.

[13]干逸曼，朱家明.基于模糊評價及多元回歸對大氣污染的定量分析[J].黑河學(xué)院學(xué)報，2017，8(5)：217-220.

[14]朱家明，肖正，祁孟陽，等.城市工業(yè)企業(yè)協(xié)調(diào)發(fā)展的計量分析[J].寶雞文理學(xué)院學(xué)報(社會科學(xué)版)，2017，37(1)：48-52.

[15]朱家明，王強(qiáng)，朱海龍.基于數(shù)據(jù)包絡(luò)分析法的中國經(jīng)濟(jì)發(fā)展研究[J].成都工業(yè)學(xué)院學(xué)報，2014，17(4)：71-74.