劉瑋 郭靜
摘要 自然災(zāi)害的發(fā)生往往導(dǎo)致財(cái)政支出增加和財(cái)政收入減少,是影響國家財(cái)政收支平衡的一個(gè)不容忽略的因素,自然災(zāi)害對(duì)財(cái)政收支的影響尚缺乏深入的理論闡釋和基于實(shí)證數(shù)據(jù)的檢驗(yàn)。依據(jù)1990—2018年中國31省份省際面板數(shù)據(jù)建立面板向量自回歸(PVAR)模型,量化自然災(zāi)害的財(cái)政成本,并考察了自然災(zāi)害對(duì)財(cái)政支出和收入的動(dòng)態(tài)影響機(jī)制。進(jìn)一步分析中,運(yùn)用可解決門檻變量?jī)?nèi)生性問題的動(dòng)態(tài)面板門檻模型探究了政府應(yīng)急財(cái)政支出的最優(yōu)規(guī)模。研究表明:①總體來看,平均每年自然災(zāi)害造成的財(cái)政成本為1.119%,自然災(zāi)害對(duì)財(cái)政支出具有滯后正向效應(yīng),對(duì)財(cái)政收入具有滯后負(fù)向效應(yīng)。②自然災(zāi)害財(cái)政成本具有區(qū)域異質(zhì)性。具體而言,平均每年東北地區(qū)財(cái)政成本為0.89%,東部地區(qū)財(cái)政成本為-2.63%,中部地區(qū)財(cái)政成本為1.4%,西部地區(qū)財(cái)政成本為2.75%。③進(jìn)一步分析得出,政府自然災(zāi)害應(yīng)急財(cái)政支出最優(yōu)規(guī)模為0.095%。分經(jīng)濟(jì)區(qū)域來看,除東部地區(qū)門檻效應(yīng)不顯著外,東北、中部和西部地區(qū)政府應(yīng)急財(cái)政支出最優(yōu)規(guī)模分別為0.0903%、0.108%和0.196%,遠(yuǎn)低于自然災(zāi)害財(cái)政成本,需要探尋放大應(yīng)急財(cái)政資金規(guī)模的融資工具。據(jù)此,從建立自然災(zāi)害基金制度,因地制宜搭建自然災(zāi)害財(cái)政成本風(fēng)險(xiǎn)融資工具框架,構(gòu)建融入保險(xiǎn)機(jī)制的新型災(zāi)害風(fēng)險(xiǎn)管理體系等方面提出相關(guān)政策建議,以期為政府改進(jìn)公共服務(wù)、創(chuàng)新政府管理、推進(jìn)我國應(yīng)急管理體系和能力現(xiàn)代化提供支撐。
關(guān)鍵詞 自然災(zāi)害;財(cái)政成本;財(cái)政支出;財(cái)政收入;PVAR模型
中圖分類號(hào) F062文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 1002-2104(2021)07-0138-12DOI:10.12062/cpre.20210105
近年來,以自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件和社會(huì)安全事件為主要類型的突發(fā)事件,在我國呈現(xiàn)多發(fā)、頻發(fā)的特點(diǎn),我國應(yīng)急財(cái)政支出大為增加。例如,2020年新冠疫情下,自6月18日首次招標(biāo)開始,我國財(cái)政部已經(jīng)完成發(fā)行1×10 4億元抗疫特別國債。2020年7月8日,針對(duì)西南地區(qū)到長(zhǎng)江中下游地區(qū)嚴(yán)重洪澇災(zāi)害,財(cái)政部、應(yīng)急管理部向安徽、江西、湖北、廣西、重慶、貴州6?。▍^(qū)、市)下?lián)苤醒刖葹?zāi)資金6.15億元 [1]。然而,這些財(cái)政工具的過度使用可能會(huì)引發(fā)宏觀經(jīng)濟(jì)和金融市場(chǎng)更大的風(fēng)險(xiǎn)。雖然突發(fā)事件常常被視為偶發(fā)事件,應(yīng)急管理工作也就被認(rèn)為是臨時(shí)性、偶然性的工作。但對(duì)國家和政府組織而言,則會(huì)長(zhǎng)期面臨多發(fā)、頻發(fā)的各種突發(fā)事件,應(yīng)急管理工作必然具有常態(tài)化特點(diǎn),財(cái)政用于這方面的支出將有增無減。因此,開展和加強(qiáng)突發(fā)事件如自然災(zāi)害對(duì)財(cái)政收支影響的相關(guān)研究,進(jìn)而做好相應(yīng)的應(yīng)急準(zhǔn)備工作已呈迫在眉睫之勢(shì)。
在發(fā)生重大自然災(zāi)害等突發(fā)公共事件的情況下,應(yīng)急財(cái)政資金的盡快撥付和規(guī)范化管理,對(duì)于降低災(zāi)害風(fēng)險(xiǎn)、盡快恢復(fù)災(zāi)區(qū)正常的生產(chǎn)和生活秩序,并重新步入正常發(fā)展的軌道,發(fā)揮著不可替代的作用。2020年7月17日,中共中央總書記習(xí)近平在研究部署防汛救災(zāi)工作主持會(huì)議上強(qiáng)調(diào)“各有關(guān)地區(qū)都要做好預(yù)案準(zhǔn)備、隊(duì)伍準(zhǔn)備、物資準(zhǔn)備、蓄滯洪區(qū)運(yùn)用準(zhǔn)備,寧可備而不用,不可用時(shí)無備”。就國內(nèi)來說,公共財(cái)政應(yīng)急預(yù)算資金是一種經(jīng)常被使用的財(cái)政工具,用于為災(zāi)后提供流動(dòng)資金。若能在災(zāi)害發(fā)生前在政府資金中預(yù)留出一定比例的應(yīng)急資金,則可以確保一旦災(zāi)害發(fā)生,政府就能及時(shí)提供所需的資金用于災(zāi)后的救助、重建和恢復(fù)。因此,估量自然災(zāi)害財(cái)政成本,對(duì)度量應(yīng)急財(cái)政準(zhǔn)備金規(guī)模以及自然災(zāi)害財(cái)政成本的融資機(jī)制,進(jìn)而確保政府遇災(zāi)時(shí)具備充足的資金保障社會(huì)經(jīng)濟(jì)生活平穩(wěn)運(yùn)行,構(gòu)建應(yīng)急財(cái)政資金的長(zhǎng)效保障機(jī)制具有重要的參考價(jià)值。
1 文獻(xiàn)綜述
自然災(zāi)害對(duì)國家財(cái)政的影響是直接的、負(fù)面的。自然災(zāi)害往往造成重大物質(zhì)財(cái)產(chǎn)損失和人員傷亡,災(zāi)后重建和恢復(fù)需要大量財(cái)政資金的投入,往往導(dǎo)致財(cái)政收支不平衡 [2] 。具體而言,稅收的減少和救災(zāi)支出的增加,構(gòu)成了災(zāi)害事故對(duì)國家財(cái)政的雙重?fù)p害,是影響國家財(cái)政收支平衡的一個(gè)不容忽略的因素 [3] 。一方面,災(zāi)害事故造成受災(zāi)體的生產(chǎn)或經(jīng)營中斷、效益下降,必然影響著國家稅收計(jì)劃的完成,使財(cái)政稅收收入減少;另一方面,政府需要對(duì)因?yàn)?zāi)害破壞的公共設(shè)施和造成的國民生活困難承擔(dān)起相應(yīng)的重建與救助責(zé)任,必然使財(cái)政支出相應(yīng)增加 [4] 。在應(yīng)急財(cái)政資金方面,應(yīng)急財(cái)政資金的不足,使得公共債務(wù)(包括與災(zāi)害有關(guān)的或有負(fù)債)的增加導(dǎo)致借款成本增加,從而增加了公共財(cái)政負(fù)擔(dān),進(jìn)一步抑制長(zhǎng)期經(jīng)濟(jì)增長(zhǎng) [5] 。因此,充足的應(yīng)急財(cái)政資金對(duì)維持經(jīng)濟(jì)的可持續(xù)、高質(zhì)量發(fā)展具有重要的意義。
在自然災(zāi)害對(duì)財(cái)政影響的研究方法上,Noy等 [6] 應(yīng)用面板向量自回歸(Panel Vector Auto-regression,PVAR)模型結(jié)合22個(gè)發(fā)達(dá)國家和20個(gè)發(fā)展中國家的季度自然災(zāi)害和財(cái)政數(shù)據(jù)測(cè)算了自然災(zāi)害對(duì)政府財(cái)務(wù)指標(biāo)的影響,結(jié)果表明,對(duì)于發(fā)達(dá)國家,面對(duì)自然災(zāi)害的1個(gè)標(biāo)準(zhǔn)差沖擊使政府消費(fèi)支出提高0.04%,政府收入減少1.27%,政府總支出增加0.46%,政府現(xiàn)金盈余減少0.28%,政府未償還債務(wù)增加1.07%;對(duì)于發(fā)展中國家而言,政府消費(fèi)支出和總支出分別減少0.68%和0.33%,政府收入和現(xiàn)金盈余分別增長(zhǎng)4.23%和2.79%,未償還債務(wù)下降0.72%。Nishizawa等 [4] 應(yīng)用PVAR模型測(cè)算了自然災(zāi)害對(duì)太平洋島國財(cái)政收入和支出的影響,結(jié)果表明自然災(zāi)害平均每年造成的財(cái)政成本約占GDP的1%~1.5%。Guerson[7] 使用蒙特卡洛模擬評(píng)估政府自然災(zāi)害應(yīng)急財(cái)政準(zhǔn)備金的適當(dāng)規(guī)模,以確保加勒比貨幣聯(lián)盟國家之間具有充足的應(yīng)急財(cái)政資金應(yīng)對(duì)自然災(zāi)害的侵害。
國內(nèi)相關(guān)研究更多地聚焦應(yīng)急財(cái)政管理方面,主要集中在三個(gè)方面:一是對(duì)應(yīng)急財(cái)政資金管理中存在的問題以及財(cái)政保障機(jī)制在突發(fā)事件應(yīng)對(duì)中的重要性的研究 [8] 。二是針對(duì)災(zāi)后的財(cái)政救助支出規(guī)模以及應(yīng)急財(cái)政資金制度設(shè)計(jì)等方面的研究。如田玲等 [9] 通過構(gòu)建消費(fèi)者-政府隨機(jī)決策模型,得到政府最優(yōu)救災(zāi)規(guī)模的多維邊界,并介紹了如何根據(jù)社會(huì)、經(jīng)濟(jì)環(huán)境動(dòng)態(tài)設(shè)計(jì)災(zāi)害救助的最優(yōu)規(guī)模。馮俏彬等 [10] 就我國應(yīng)急財(cái)政資金管理的現(xiàn)狀,提出了構(gòu)建事前、事中、事后全過程的應(yīng)急管理體系以及建立融入巨災(zāi)保險(xiǎn)的重大災(zāi)害風(fēng)險(xiǎn)社會(huì)分?jǐn)倷C(jī)制等對(duì)策,進(jìn)一步地,基于重大自然災(zāi)害的視角設(shè)計(jì)了我國應(yīng)急財(cái)政資金管理的制度框架。三是應(yīng)急財(cái)政準(zhǔn)備金的度量。趙尚梅等 [11] 采用極值理論的GPD模型,就不同類型突發(fā)公共事件的風(fēng)險(xiǎn),通過設(shè)置GPD模型的形狀參數(shù),度量了三種不同參數(shù)區(qū)間下政府應(yīng)急準(zhǔn)備金規(guī)模。
綜觀相關(guān)研究,多數(shù)都只是對(duì)公共財(cái)政應(yīng)當(dāng)給予應(yīng)急管理工作必要的支持,應(yīng)急財(cái)政資金管理制度中存在的問題以及相應(yīng)的完善措施等進(jìn)行了分析與總結(jié)。還未有學(xué)者從自然災(zāi)害對(duì)財(cái)政支出和財(cái)政收入動(dòng)態(tài)影響的視角出發(fā),就自然災(zāi)害造成的財(cái)政成本進(jìn)行定量研究。為此,立足于已有的相關(guān)研究,以我國除港澳臺(tái)以外的31個(gè)省份作為分析單位,采用1990—2018年省際面板數(shù)據(jù),根據(jù)Nishizawa等 [4] 研究,利用PVAR模型探究自然災(zāi)害對(duì)財(cái)政支出和財(cái)政收入的動(dòng)態(tài)影響機(jī)制,在此基礎(chǔ)上度量自然災(zāi)害的財(cái)政成本,期望為估量應(yīng)急財(cái)政準(zhǔn)備金的規(guī)模以及構(gòu)建科學(xué)、合理的自然災(zāi)害財(cái)政成本風(fēng)險(xiǎn)融資工具管理框架提供參考。
2 自然災(zāi)害財(cái)政成本融資工具管理框架
2.1 自然災(zāi)害財(cái)政成本的含義
根據(jù)Nishizawa等 [4] 將自然災(zāi)害的財(cái)政成本定義為自然災(zāi)害發(fā)生后各省市政府財(cái)政支出增加和收入減少的總和,即自然災(zāi)害財(cái)政成本等于財(cái)政支出增加和財(cái)政收入減少之和。
2.2 自然災(zāi)害財(cái)政成本融資工具
國際上,自然災(zāi)害財(cái)政成本風(fēng)險(xiǎn)融資工具主要有應(yīng)急財(cái)政準(zhǔn)備金和自然災(zāi)害基金兩種。應(yīng)急財(cái)政準(zhǔn)備金屬于年度預(yù)算內(nèi)范疇,可用于使預(yù)算能夠應(yīng)對(duì)突發(fā)的事件或緊急狀況,包括自然災(zāi)害;自然災(zāi)害基金是處理自然災(zāi)害風(fēng)險(xiǎn)的專用資金來源,可在無災(zāi)害事件期間積累專用儲(chǔ)備金,且在支出時(shí)間方面也具有很大的靈活性。除應(yīng)急財(cái)政準(zhǔn)備金和自然災(zāi)害基金外,經(jīng)常需要重新分配預(yù)算以滿足緊急需求。預(yù)算重新分配通常有三種模式:①調(diào)整預(yù)算,②補(bǔ)充預(yù)算,③重新分配預(yù)算支出優(yōu)先級(jí)。國際貨幣基金組織(International Monetary Fund,IMF) [12] 提出了如何應(yīng)對(duì)自然災(zāi)害財(cái)政成本的指導(dǎo),從自然災(zāi)害財(cái)政成本、發(fā)生頻率等角度搭建了自然災(zāi)害財(cái)政成本融資工具的應(yīng)用框架,如圖1所示。從財(cái)政響應(yīng)工具來看,由圖1可知,應(yīng)急準(zhǔn)備金和調(diào)整預(yù)算主要應(yīng)用于財(cái)政成本較低的情況下,補(bǔ)充預(yù)算、自然災(zāi)害基金和重新分配預(yù)算支出優(yōu)先級(jí)主要應(yīng)用于財(cái)政成本較高的情況下。但預(yù)算重新分配允許支出的重新部署以及將現(xiàn)有投資項(xiàng)目合并到整體災(zāi)后恢復(fù)計(jì)劃中,可能會(huì)使預(yù)算執(zhí)行和財(cái)政政策變得復(fù)雜。此外,災(zāi)后融資工具包括增加稅收、申請(qǐng)外部援助或從國內(nèi)外借款。但增加稅收會(huì)阻礙企業(yè)的發(fā)展,或降低工人生產(chǎn)的積極性;外部援助的規(guī)模具有不確定性;國內(nèi)外借款面臨著還本付息的壓力。每種融資措施除具有各自的不足外,都有一定的時(shí)滯性。
保險(xiǎn)作為一種市場(chǎng)化的風(fēng)險(xiǎn)轉(zhuǎn)移機(jī)制、社會(huì)互助機(jī)制和社會(huì)管理機(jī)制,在社會(huì)應(yīng)急管理體系中具有不可替代的作用。具體來看,首先,保險(xiǎn)作為災(zāi)前風(fēng)險(xiǎn)轉(zhuǎn)移工具之一,當(dāng)重、特大災(zāi)害事件發(fā)生時(shí),保險(xiǎn)資金可以迅速到位,有助于降低政府的金融風(fēng)險(xiǎn)敞口,確保政府遇災(zāi)時(shí)具備充足的資金保障社會(huì)經(jīng)濟(jì)生活平穩(wěn)運(yùn)行。其次,保險(xiǎn)作為高度杠桿化的因?yàn)?zāi)或有資本可以通過再保轉(zhuǎn)分保和巨災(zāi)債券等衍生品,將自然災(zāi)害造成的部分財(cái)政負(fù)擔(dān)轉(zhuǎn)移到資本市場(chǎng),并能夠借助資本市場(chǎng)在一定程度上提高資金的保值增值能力。此外,主權(quán)風(fēng)險(xiǎn)融資方案可包含應(yīng)急信貸、再保險(xiǎn)和巨災(zāi)債券等金融工具,非常適合那些經(jīng)濟(jì)規(guī)模小、自然災(zāi)害損失率高且災(zāi)后籌措資金成本相對(duì)較高的經(jīng)濟(jì)體。加勒比巨災(zāi)風(fēng)險(xiǎn)保險(xiǎn)基金(Caribbean Catastrophe Risk Insurance Facility,CCRIF)是主權(quán)風(fēng)險(xiǎn)融資方案的有效例證,旨在為小規(guī)模經(jīng)濟(jì)體提供災(zāi)后短期流動(dòng)資金以確保政府的基本服務(wù)不受影響,直至其他資金到來之時(shí)。
2.3 我國自然災(zāi)害財(cái)政成本融資工具框架
我國還沒有建立正式的應(yīng)急準(zhǔn)備金和自然災(zāi)害基金制度。根據(jù)我國財(cái)政部門執(zhí)行的“類、款、項(xiàng)”級(jí)的政府收支科目分類方法,可以看出,與應(yīng)急財(cái)政支出直接相關(guān)的“類”級(jí)科目主要包括“預(yù)備費(fèi)”;相關(guān)的“款”級(jí)科目則主要是“災(zāi)害防治及應(yīng)急管理支出”類中的“自然災(zāi)害救災(zāi)及恢復(fù)重建支出”。另外還有救災(zāi)物資儲(chǔ)備,如 “糧油物資儲(chǔ)備事務(wù)”類中的“能源儲(chǔ)備”“糧油儲(chǔ)備”和“重要商品儲(chǔ)備”等,同時(shí)相關(guān)部門應(yīng)急災(zāi)害細(xì)分職能預(yù)算中還有其他與應(yīng)急救災(zāi)有關(guān)的“項(xiàng)”級(jí)科目散見于其他各種“類”級(jí)和“款”級(jí)支出當(dāng)中。需要說明的是,預(yù)備費(fèi)的使用可能存在較多的限制條件,并不是專門用于自然災(zāi)害等突發(fā)事件的準(zhǔn)備金 [13] 。此外,還有“轉(zhuǎn)移性支出”類中的“安排預(yù)算穩(wěn)定調(diào)節(jié)基金”主要用于彌補(bǔ)一般公共預(yù)算出現(xiàn)的收支缺口。但應(yīng)急財(cái)政資金規(guī)模遠(yuǎn)遠(yuǎn)低于實(shí)際災(zāi)害救助資金需求,應(yīng)急財(cái)政支出在歷年自然災(zāi)害直接經(jīng)濟(jì)損失占比微乎其微(這里的應(yīng)急財(cái)政支出指《自然災(zāi)害生活救助資金管理暫行辦法》(財(cái)社〔2011〕6號(hào))中提出的自然災(zāi)害生活救助資金) [14] 。因此,當(dāng)極端災(zāi)害發(fā)生時(shí),這些制度化的預(yù)算資金杯水車薪,只能采用計(jì)劃外措施,包括:預(yù)算重新分配、救災(zāi)專項(xiàng)轉(zhuǎn)移支付、發(fā)行專項(xiàng)債券、金融機(jī)構(gòu)借款、募捐以及“對(duì)口支援”等。
當(dāng)前,我國需要加快發(fā)展與新時(shí)期國家經(jīng)濟(jì)社會(huì)發(fā)展需求相適應(yīng)的商業(yè)保險(xiǎn)與巨災(zāi)保險(xiǎn)機(jī)制有機(jī)結(jié)合的自然災(zāi)害巨災(zāi)風(fēng)險(xiǎn)保障體系,使多層次的巨災(zāi)保險(xiǎn)機(jī)制成為政府改進(jìn)公共服務(wù)、創(chuàng)新政府管理、提升災(zāi)害治理能力現(xiàn)代化的重要支撐,并在量化災(zāi)害風(fēng)險(xiǎn)產(chǎn)生的應(yīng)急財(cái)政責(zé)任基礎(chǔ)上,搭建科學(xué)化和制度化的災(zāi)害風(fēng)險(xiǎn)公共財(cái)政融資工具框架 [14] 。根據(jù)國際上較為典型的巨災(zāi)風(fēng)險(xiǎn)公共財(cái)政策略和框架 [15] ,結(jié)合我國國情和現(xiàn)行的應(yīng)急財(cái)政融資機(jī)制,應(yīng)急財(cái)政融資工具管理框架改革可以參考圖2模式。這個(gè)框架的設(shè)計(jì)邏輯有兩點(diǎn):首先,財(cái)政資金工具與災(zāi)害風(fēng)險(xiǎn)的強(qiáng)度和頻度掛鉤,即成本低的資金工具用于強(qiáng)度低而頻度高的災(zāi)害風(fēng)險(xiǎn),成本高的資金工具用于頻度低強(qiáng)度高
的災(zāi)害風(fēng)險(xiǎn)。其次,鑒于應(yīng)急財(cái)政資金支出的不確定性和資金流動(dòng)性成本,實(shí)有資金工具可以最大限度上通過保險(xiǎn)進(jìn)行放大,旨在最大限度降低自然災(zāi)害導(dǎo)致的財(cái)政成本,維護(hù)預(yù)算剛性和平衡。以運(yùn)用保險(xiǎn)(巨災(zāi)保險(xiǎn)或商業(yè)保險(xiǎn))放大應(yīng)急財(cái)政資金為基礎(chǔ),輔以自然災(zāi)害基金或應(yīng)急準(zhǔn)備金,調(diào)整預(yù)算或預(yù)算穩(wěn)定調(diào)節(jié)基金,其他類巨災(zāi)保險(xiǎn)或再保險(xiǎn),定向國債或信用工具以及企業(yè)債等,根據(jù)災(zāi)害發(fā)生的頻度和強(qiáng)度構(gòu)建自然災(zāi)害財(cái)政成本融資工具框架,實(shí)現(xiàn)財(cái)政成本風(fēng)險(xiǎn)的有效分散。
3 數(shù)據(jù)、變量與模型設(shè)定
3.1 數(shù)據(jù)來源
數(shù)據(jù)來自《中國民政統(tǒng)計(jì)年鑒》《中國統(tǒng)計(jì)年鑒》《新中國六十年統(tǒng)計(jì)資料匯編》《中國勞動(dòng)統(tǒng)計(jì)年鑒》以及各省份統(tǒng)計(jì)年鑒。各變量的描述性統(tǒng)計(jì)結(jié)果見表1。
3.2 變量選擇
被解釋變量包括兩個(gè)內(nèi)生變量:財(cái)政支出 (zcgdp), 用財(cái)政支出占GDP比率衡量;財(cái)政收入 (srgdp), 用財(cái)政收入占GDP比率衡量。那么自然災(zāi)害財(cái)政成本等于政府總支出增加和政府總收入減少之和占GDP的比重。
外生變量:自然災(zāi)害強(qiáng)度 (szrk)。 一般認(rèn)為更適合衡量自然災(zāi)害強(qiáng)度的指標(biāo)是自然災(zāi)害造成的受災(zāi)人口數(shù) [16] 。該研究用當(dāng)年受災(zāi)人口數(shù)和上一年總?cè)丝跀?shù)(避免當(dāng)年總?cè)丝跀?shù)受到自然災(zāi)害的影響)的比值衡量。
此外,在進(jìn)一步分析中,引入以下變量:①經(jīng)濟(jì)增長(zhǎng) (y), 用人均實(shí)際GDP增長(zhǎng)率衡量,首先采用GDP指數(shù)將各年名義GDP以2018年不變價(jià)格進(jìn)行指數(shù)平減,再換算成相應(yīng)的年增長(zhǎng)率。②政府應(yīng)急財(cái)政支出規(guī)模 (gre), 用當(dāng)年應(yīng)急財(cái)政支出總額占GDP比重衡量。③資本存量 (k), 以張軍等 [17] 估算的1990年各省市的資本存量為基期,采用“永續(xù)盤存法”公式 kit=Iit/Pit+(1-δit)kit-1 進(jìn)行估算,其中 kit 表示各省市當(dāng)期的固定資本存量, Iit 為名義固定資本形成總額, Pit 為固定資產(chǎn)投資價(jià)格指數(shù), δit 為折舊率, kit-1 為上一年的固定資本存量。廣東和西藏缺失的固定資產(chǎn)投資價(jià)格指數(shù)數(shù)據(jù)用當(dāng)年商品零售價(jià)格指數(shù)替代。按照上述方法,將數(shù)據(jù)更新至2018年。④勞動(dòng)力人數(shù) (l), 采用歷年就業(yè)人員數(shù)指標(biāo)反映勞動(dòng)投入情況。⑤全要素生產(chǎn)率 (tfp), 參考王華 [18] 的做法,假定生產(chǎn)函數(shù)是包括時(shí)間項(xiàng)的Cobb-Douglas函數(shù),并根據(jù)資本存量 (k) 和勞動(dòng)力人數(shù) (l) 計(jì)算所得。鑒于經(jīng)濟(jì)增長(zhǎng)主要取決于資本、人力、全要素生產(chǎn)率三要素增長(zhǎng)率,為便于分析,將計(jì)算的三要素絕對(duì)數(shù)轉(zhuǎn)化為資本存量增長(zhǎng)率 (gk)、勞動(dòng)力增長(zhǎng)率(gl) 和全要素生產(chǎn)率增長(zhǎng)率 (gtfp) 相對(duì)數(shù)形式。⑥市場(chǎng)化水平 (m), 借鑒韋倩等 [19] 采用年末城鎮(zhèn)非國有企業(yè)就業(yè)人數(shù)占城鎮(zhèn)就業(yè)總?cè)藬?shù)的比重衡量。
3.3 模型設(shè)定與方法選擇
根據(jù)Nishizawa等 [4] 的相關(guān)研究,采用由 Abrigo等 [20] 提供的PVAR模型的程序就自然災(zāi)害對(duì)財(cái)政支出和收入的動(dòng)態(tài)關(guān)系進(jìn)行深入探究,在此基礎(chǔ)上度量自然災(zāi)害財(cái)政成本。自然災(zāi)害一般被認(rèn)為是具有即時(shí)和滯后宏觀財(cái)政影響的外生沖擊。Yang [21] 表明,自然災(zāi)害發(fā)生后應(yīng)急財(cái)政支出顯著增加,但滯后兩年。為此,借鑒Nishizawa等 [4] 研究在PVAR模型中引入自然災(zāi)害滯后兩期,最終構(gòu)建以下模型:
Yit=AYit-1+B1Xit+B2Xit-1+B3Xit-2+μi+λt+εit (1)
其中,下標(biāo) i 代表某省份, t 代表時(shí)間, Yit 分別表示財(cái)政支出水平和財(cái)政收入水平, Xit 表示自然災(zāi)害強(qiáng)度, μi 為地區(qū)固定效應(yīng); λt 為時(shí)間固定效應(yīng); εit 為誤差項(xiàng)。此外,借鑒參考文獻(xiàn)[4]將人均實(shí)際GDP增長(zhǎng)率以及滯后一期作為控制變量引入模型(1)以檢驗(yàn)結(jié)果的穩(wěn)健性。
為了避免個(gè)體效應(yīng)造成估計(jì)系數(shù)的偏差,采取向前均值差分即“Helmert轉(zhuǎn)換”消除個(gè)體效應(yīng),以保證轉(zhuǎn)換后變量和滯后變量正交,從而能利用滯后變量作為工具變量進(jìn)行估計(jì)。由于動(dòng)態(tài)系統(tǒng)廣義矩估計(jì)(GMM)方法給出了PVAR的一致估計(jì) [22] ,因此使用系統(tǒng)GMM估計(jì)方法就自然災(zāi)害對(duì)財(cái)政收入和支出的動(dòng)態(tài)影響進(jìn)行估計(jì)。
4 實(shí)證結(jié)果及分析
4.1 數(shù)據(jù)平穩(wěn)性檢驗(yàn)
在分析面板數(shù)據(jù)前,如果時(shí)間序列不平穩(wěn),可能會(huì)出現(xiàn)偽回歸問題,因此必須利用單位根檢驗(yàn)方法檢驗(yàn)數(shù)據(jù)的平穩(wěn)性。常用的面板單位根檢驗(yàn)方法有LLC檢驗(yàn)、Breitung檢驗(yàn)、IPS檢驗(yàn)等。為確保結(jié)果的可靠性,選擇這三種方法進(jìn)行變量的單位根檢驗(yàn),檢驗(yàn)結(jié)果見表2。結(jié)果表明,所有變量的平穩(wěn)性檢驗(yàn)均在5%的顯著性水平上拒絕“所有個(gè)體是非平穩(wěn)”的原假設(shè),即可認(rèn)為數(shù)據(jù)是平穩(wěn)序列。
4.2 自然災(zāi)害財(cái)政成本估算
根據(jù)MAIC、MBIC和MQIC最小信息準(zhǔn)則,確定模型的最優(yōu)滯后階數(shù)為1(限于篇幅,未報(bào)告具體估計(jì)結(jié)果)。PVAR模型基準(zhǔn)回歸結(jié)果見表 3。
由表3估計(jì)結(jié)果表明,自然災(zāi)害對(duì)財(cái)政支出的影響主要集中在災(zāi)害發(fā)生后的前兩年,分別在5%和10%水平上顯著為正,響應(yīng)系數(shù)分別為0.016 8和0.014 7。自然災(zāi)害對(duì)財(cái)政收入的影響主要集中在自然災(zāi)害發(fā)生當(dāng)年,在10%水平上顯著為負(fù),響應(yīng)系數(shù)為-0.002 07。需要說明的是,自然災(zāi)害對(duì)財(cái)政支出三年的總影響定義為自然災(zāi)害當(dāng)年、滯后一期以及滯后兩期對(duì)財(cái)政支出的影響在10%、5%和1%顯著水平的系數(shù)加總之和。自然災(zāi)害對(duì)財(cái)
政收入三年的總影響也同樣定義。由此可知,從全國范圍來看,自然災(zāi)害對(duì)財(cái)政支出的影響相較于財(cái)政收入較大,可能會(huì)使財(cái)政支出在三年內(nèi)增加3.15%(1.68%+1.47%)。其中自然災(zāi)害當(dāng)年,財(cái)政支出增長(zhǎng)1.68%,第二年增長(zhǎng)1.47%。一次自然災(zāi)害沖擊可能會(huì)使財(cái)政收入在當(dāng)年減少0.207%。因此,自然災(zāi)害三年內(nèi)造成的財(cái)政成本為3.357%,平均每年1.119%,這也與Nishizawa等 [4] 估計(jì)的太平洋島嶼國家年財(cái)政成本約為1%~1.5%相近。為檢驗(yàn)該基準(zhǔn)模型估計(jì)結(jié)果的穩(wěn)健性,分別在表3(3)—(6)列加入影響財(cái)政支出和收入的人均實(shí)際GDP增長(zhǎng)率 (y) 以及滯后一期,估計(jì)系數(shù)的顯著性和符號(hào)方向基本與基準(zhǔn)回歸(1)列和(2)列結(jié)果一致,這說明本模型估計(jì)結(jié)果具有穩(wěn)健性??傮w而言,我國自然災(zāi)害發(fā)生后,實(shí)行的是逆周期財(cái)政政策,即外生沖擊自然災(zāi)害雖然導(dǎo)致當(dāng)年的財(cái)政收入減少、財(cái)政支出增加,但自然災(zāi)害對(duì)財(cái)政支出的影響較大,對(duì)財(cái)政收入的影響較小。
4.3 脈沖響應(yīng)分析
為直觀刻畫自然災(zāi)害這一外生變量和內(nèi)生變量財(cái)政支出和收入之間的動(dòng)態(tài)作用關(guān)系,進(jìn)行脈沖響應(yīng)分析。給予自然災(zāi)害1個(gè)標(biāo)準(zhǔn)差沖擊,并采用蒙特卡洛方法模擬300次,得到財(cái)政支出和財(cái)政收入受到?jīng)_擊后0~10期的響應(yīng)。自然災(zāi)害對(duì)財(cái)政支出和財(cái)政收入動(dòng)態(tài)影響的脈沖響應(yīng)及累積脈沖響應(yīng)軌跡如圖3所示。橫軸表示脈沖響應(yīng)期數(shù)(以年為單位),最大滯后期為10,縱軸是變量對(duì)沖擊的響應(yīng)程度。
自然災(zāi)害對(duì)財(cái)政支出的動(dòng)態(tài)影響。圖3-1顯示,面對(duì)自然災(zāi)害的1個(gè)標(biāo)準(zhǔn)差沖擊,政府支出前4期呈現(xiàn)正響應(yīng),之后下降為負(fù)響應(yīng),然后開始逐漸向穩(wěn)態(tài)收斂。圖3-2顯示,財(cái)政支出對(duì)自然災(zāi)害沖擊的累積脈沖響應(yīng)為正值,在第4期達(dá)到最大值之后,隨著時(shí)間增加開始逐漸減小直至穩(wěn)定。這說明,自然災(zāi)害對(duì)財(cái)政支出具有正向滯后影響,當(dāng)期自然災(zāi)害強(qiáng)度的提高會(huì)導(dǎo)致后續(xù)幾期政府財(cái)政支出增加。自然災(zāi)害對(duì)財(cái)政收入的動(dòng)態(tài)影響。圖3-3顯示,面對(duì)自然災(zāi)害的一個(gè)標(biāo)準(zhǔn)差沖擊,財(cái)政收入初始為負(fù)響應(yīng),然后開始逐漸向穩(wěn)態(tài)收斂。圖3-4顯示,財(cái)政收入對(duì)自然災(zāi)害沖擊的累積脈沖響應(yīng)始終為負(fù)值,這表明,自然災(zāi)害對(duì)財(cái)政收入具有負(fù)向滯后影響,當(dāng)期自然災(zāi)害強(qiáng)度的提高會(huì)促使后續(xù)幾期財(cái)政收入減少。由脈沖響應(yīng)圖可知,自然災(zāi)害對(duì)財(cái)政支出和財(cái)政收入的動(dòng)態(tài)影響主要集中在前3期,脈沖響應(yīng)以及累積脈沖響應(yīng)各階段的變動(dòng)方向和表3的回歸系數(shù)方向一致。這也與表3(1)列和(2)列基準(zhǔn)回歸結(jié)果相符,即自然災(zāi)害對(duì)財(cái)政支出的影響為正,對(duì)財(cái)政收入的影響為負(fù),且對(duì)財(cái)政支出的影響較財(cái)政收入的影響大。
4.4 穩(wěn)健性檢驗(yàn)
4.4.1 自然災(zāi)害強(qiáng)度測(cè)量指標(biāo)的穩(wěn)健性檢驗(yàn)
為檢驗(yàn)基準(zhǔn)回歸結(jié)果的穩(wěn)健性,應(yīng)用各省市(區(qū))自然災(zāi)害造成的直接經(jīng)濟(jì)損失占相應(yīng)的GDP比率 (dgdp) 作為自然災(zāi)害強(qiáng)度衡量指標(biāo),重新估計(jì)PVAR模型(具體回歸結(jié)果未報(bào)告,備索),脈沖響應(yīng)分析結(jié)果如圖4所示。
回歸估計(jì)結(jié)果表明,變更自然災(zāi)害強(qiáng)度的測(cè)量指標(biāo),自然災(zāi)害發(fā)生后,財(cái)政支出同樣在前兩年增加,且估計(jì)系數(shù)分別在5%和10%水平上顯著為正,與基準(zhǔn)回歸結(jié)果基本一致。由脈沖響應(yīng)分析結(jié)果可知,脈沖響應(yīng)和累積脈沖響應(yīng)曲線走勢(shì)與圖3基準(zhǔn)回歸所示結(jié)果同樣相差不大。這說明改變自然災(zāi)害強(qiáng)度的測(cè)量指標(biāo),模型主要結(jié)論不受影響,具有較強(qiáng)的穩(wěn)健性。
4.4.2 自然災(zāi)害財(cái)政成本區(qū)域異質(zhì)性分析
應(yīng)急財(cái)政資金是否充足取決于具體國家的情況,即一國或地區(qū)脆弱性的程度決定了應(yīng)急準(zhǔn)備金的規(guī)模??紤]到我國經(jīng)濟(jì)發(fā)展、自然災(zāi)害類型以及發(fā)生頻率的區(qū)域差異顯著,自然災(zāi)害對(duì)財(cái)政成本的影響可能存在區(qū)域異質(zhì)性,因此,將我國分為東北、東部、中部和西部地區(qū)分別進(jìn)行考察。
由表4估計(jì)結(jié)果可知,自然災(zāi)害發(fā)生后,從東北地區(qū)看,自然災(zāi)害使財(cái)政支出在當(dāng)年增加2.66%,且在5%水平上顯著為正。自然災(zāi)害對(duì)東北地區(qū)財(cái)政收入的影響較小,都不存在顯著性。因此,東北地區(qū)三年內(nèi)自然災(zāi)害財(cái)政成本為2.66%,平均每年自然災(zāi)害財(cái)政成本為0.89%。從東部地區(qū)看,自然災(zāi)害使財(cái)政支出在當(dāng)年顯著為負(fù),財(cái)政支出當(dāng)年減少6.74%。自然災(zāi)害使財(cái)政收入在當(dāng)年減少1.14%。東部地區(qū)三年內(nèi)自然災(zāi)害財(cái)政成本為-7.88%,平均每年自然災(zāi)害財(cái)政成本為-2.63%。從中部地區(qū)看,自然災(zāi)害對(duì)財(cái)政支出的影響較小,三年內(nèi)雖然都為正,但不存在顯著性,自然災(zāi)害對(duì)財(cái)政收入的影響在前兩年分別在5%和10%水平上顯著為負(fù),累積效應(yīng)為4.19%。中部地區(qū)三年內(nèi)自然災(zāi)害財(cái)政成本為4.19%,平均每年自然災(zāi)害財(cái)政成本為1.4%。從西部地區(qū)看,自然
災(zāi)害對(duì)財(cái)政支出的影響主要在當(dāng)年和第二年,且在1%水平上顯著為正,累積效應(yīng)為8.25%。自然災(zāi)害對(duì)財(cái)政收入的影響較小,且都不存在顯著性。西部地區(qū)三年內(nèi)自然災(zāi)害財(cái)政成本為8.25%,平均每年自然災(zāi)害財(cái)政成本為2.75%。同樣就財(cái)政支出和財(cái)政收入對(duì)自然災(zāi)害的脈沖響應(yīng)和累積脈沖響應(yīng)進(jìn)行了分析(限于篇幅,該文僅報(bào)告脈沖響應(yīng)分析結(jié)果)。
首先,分析東北地區(qū)財(cái)政支出和財(cái)政收入對(duì)自然災(zāi)害的脈沖響應(yīng)(圖5-1)。面對(duì)自然災(zāi)害一個(gè)標(biāo)準(zhǔn)差沖擊,財(cái)政支出在第0期(自然災(zāi)害發(fā)生當(dāng)年)產(chǎn)生正響應(yīng),之后
緩慢下降趨向零刻度線。一個(gè)標(biāo)準(zhǔn)差的自然災(zāi)害沖擊對(duì)財(cái)政收入的影響較小,財(cái)政收入的脈沖響應(yīng)曲線始終為負(fù),幾乎和零刻度線相重合。其次,分析東部地區(qū)財(cái)政支出和財(cái)政收入對(duì)自然災(zāi)害的脈沖響應(yīng)(圖5-2)。面對(duì)自然災(zāi)害一個(gè)標(biāo)準(zhǔn)差的沖擊,財(cái)政支出和財(cái)政收入均有負(fù)響應(yīng),且財(cái)政支出受到的沖擊幅度大于收入的幅度。這也意味著,自然災(zāi)害發(fā)生后,財(cái)政支出減少的幅度大于財(cái)政收入減少的幅度,政府財(cái)政政策是順周期的。再次,分析中部地區(qū)財(cái)政支出和財(cái)政收入對(duì)自然災(zāi)害的脈沖響應(yīng)(圖5-3)。財(cái)政支出對(duì)一標(biāo)準(zhǔn)差自然災(zāi)害沖擊的脈沖響應(yīng)較小,幾乎和零線相重合,即自然災(zāi)害對(duì)財(cái)政支出的動(dòng)態(tài)影響較小。財(cái)政收入對(duì)自然災(zāi)害沖擊的脈沖響應(yīng)始終為負(fù)。這表明,自然災(zāi)害對(duì)財(cái)政收入具有負(fù)向滯后影響,當(dāng)期自然災(zāi)害強(qiáng)度的提升會(huì)促使后續(xù)幾期財(cái)政收入減少。最后,分析西部地區(qū)財(cái)政支出和財(cái)政收入對(duì)自然災(zāi)害的脈沖響應(yīng)(圖5-4)。財(cái)政支出對(duì)一標(biāo)準(zhǔn)差自然災(zāi)害沖擊的脈沖響應(yīng)始終為正。財(cái)政支出在第0期產(chǎn)生的正向響應(yīng)最大,之后開始緩慢下降,逐漸向零曲線收斂。這表明,自然災(zāi)害對(duì)財(cái)政支出具有正向滯后影響,當(dāng)期自然災(zāi)害強(qiáng)度的提升會(huì)促使后續(xù)幾期財(cái)政支出的增加,這也意味著,自然災(zāi)害發(fā)生后,政府財(cái)政政策是逆周期的。與中部地區(qū)相反,西部地區(qū)財(cái)政收入對(duì)自然災(zāi)害沖擊的脈沖響應(yīng)較小,財(cái)政收入在第0期產(chǎn)生負(fù)向響應(yīng),在第1期之后上升為正響應(yīng),之后開始逐漸向穩(wěn)態(tài)收斂。以上脈沖響應(yīng)結(jié)果,也和各經(jīng)濟(jì)區(qū)域的回歸結(jié)果相對(duì)應(yīng),這一方面說明自然災(zāi)害財(cái)政成本具有區(qū)域異質(zhì)性,也說明回歸結(jié)果具有穩(wěn)健性。
4.5 進(jìn)一步分析
應(yīng)急財(cái)政資金在應(yīng)對(duì)自然災(zāi)害對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生的負(fù)面影響,實(shí)現(xiàn)經(jīng)濟(jì)的可持續(xù)增長(zhǎng)方面具有重要的作用。但災(zāi)后救濟(jì)和重建工作可能會(huì)使政府支出產(chǎn)生擠出效應(yīng),如擠占教育、醫(yī)療、基礎(chǔ)設(shè)施等公共項(xiàng)目的優(yōu)先支出,可能對(duì)人力資本積累和經(jīng)濟(jì)的潛在增長(zhǎng)率產(chǎn)生長(zhǎng)期影響 [23] 。這意味著政府應(yīng)急財(cái)政支出可能存在最優(yōu)規(guī)模,需要在應(yīng)急財(cái)政支出的機(jī)會(huì)成本和收益之間進(jìn)行權(quán)衡。接下來,將從經(jīng)濟(jì)增長(zhǎng)的視角出發(fā),對(duì)政府應(yīng)急財(cái)政支出對(duì)經(jīng)濟(jì)增長(zhǎng)的門檻效應(yīng)進(jìn)行檢驗(yàn),在此基礎(chǔ)上求解政府應(yīng)急財(cái)政支出最優(yōu)規(guī)模。此外,可參照?qǐng)D2,通過保險(xiǎn)機(jī)制放大預(yù)備費(fèi)、自然災(zāi)害救災(zāi)及恢復(fù)重建支出以及相關(guān)部門應(yīng)急災(zāi)害細(xì)分職能預(yù)算資金,提高財(cái)政資金使用效率。此時(shí),當(dāng)僅考慮保險(xiǎn)作為災(zāi)前財(cái)政成本唯一的救災(zāi)資金融資工具時(shí),從經(jīng)濟(jì)增長(zhǎng)的視角看,政府財(cái)政成本和政府最優(yōu)救災(zāi)支出規(guī)模的差額可以作為保險(xiǎn)放大應(yīng)急財(cái)政資金的最大額度。
4.5.1 政府應(yīng)急財(cái)政支出對(duì)經(jīng)濟(jì)增長(zhǎng)的門檻效應(yīng)
雖然Kremer等 [24] 在 Caner等 [25] 開展研究的基礎(chǔ)上對(duì)靜態(tài)面板門檻模型進(jìn)行擴(kuò)展,將模型應(yīng)用領(lǐng)域擴(kuò)展到動(dòng)態(tài)面板門檻模型,但仍然要求門檻變量是強(qiáng)外生變量,在實(shí)際應(yīng)用中同樣受到限制。為此,Seo等 [26] 將模型擴(kuò)展為具有潛在內(nèi)生門檻變量的動(dòng)態(tài)面板門檻模型。此后,Seo等 [27] 提出了一種計(jì)算上更便捷的自舉算法來實(shí)現(xiàn)門檻效應(yīng)檢驗(yàn),而非Seo等 [26] 最初提出的獨(dú)立同分布算法。鑒于此,考慮到門檻變量政府應(yīng)急財(cái)政支出規(guī)模 (gre) 可能具有內(nèi)生性問題 [28] ,采用可以解決門檻變量?jī)?nèi)生性問題的動(dòng)態(tài)面板門檻模型,分析應(yīng)急財(cái)政支出對(duì)經(jīng)濟(jì)增長(zhǎng)具有的不同效應(yīng),設(shè)定的面板門檻模型如下:
yit=(β1yit-1+β2greit+β3Xit)I(qit≤γ)+(β′1yit-1+β′2greit+β′3Xit)I(qit>γ)+μi1+εit1 (2)
式中,下標(biāo) i代表某省或市,t代表時(shí)間,I(·) 代表指示性函數(shù), greit 為應(yīng)急財(cái)政支出規(guī)模, qit 門檻變量,也即應(yīng)急財(cái)政支出規(guī)模 greit , γ 是門檻值, Xit 表示一組控制變量,包括資本存量增長(zhǎng)率 (gk)、 勞動(dòng)力增長(zhǎng)率 (gl) 和全要素生產(chǎn)率增長(zhǎng)率 (gtfp)。μi1 為地區(qū)固定效應(yīng), εit1 為誤差項(xiàng)。
4.5.2 動(dòng)態(tài)面板門檻回歸結(jié)果分析
考慮到結(jié)果的穩(wěn)健性,不僅根據(jù)Seo等 [26-27] 提出的動(dòng)態(tài)面板門檻模型對(duì)式(2)進(jìn)行估計(jì),還根據(jù)Kremer等 [24] 處理動(dòng)態(tài)面板門檻以及Caner等 [25] 處理靜態(tài)面板門檻的方法對(duì)式(2)進(jìn)行估計(jì),進(jìn)一步分析應(yīng)急財(cái)政支出規(guī)模對(duì)經(jīng)濟(jì)增長(zhǎng)的“門檻特征”。以Seo等 [26-27] 動(dòng)態(tài)面板門檻模型估計(jì)的結(jié)果為主進(jìn)行分析闡述,以后面兩篇文獻(xiàn),作為穩(wěn)健性檢驗(yàn)結(jié)果進(jìn)行對(duì)照。估計(jì)門檻模型之前,必須先根據(jù)Seo等 [27] 、Hu等 [29] 對(duì)模型進(jìn)行非線性檢驗(yàn),以確定模型是否存在門檻效應(yīng)。由表5可以看出,無論是動(dòng)態(tài)面板門檻還是靜態(tài)面板門檻,非線性檢驗(yàn) P 值均小于0.01,表明應(yīng)急財(cái)政支出規(guī)模和經(jīng)濟(jì)增長(zhǎng)之間存在非線性關(guān)系;單一門檻的 P 值均小于0.1,而雙門檻的 P 值都大于0.1。因此,在10%的顯著性水平接受單一面板門檻值。
表5(1)列和(2)列為Seo等 [26-27] 動(dòng)態(tài)面板門檻模型估計(jì)結(jié)果;(3)列和(4)列為Kremer等 [24] 動(dòng)態(tài)面板門檻模型估計(jì)結(jié)果;(5)列和(6)列為Caner等 [25] 靜態(tài)面板門檻模型估計(jì)結(jié)果,門檻值分別為0.095%、0.1%和0.11%,三者較為接近,這在一定程度上說明估計(jì)結(jié)果的穩(wěn)健性。由于主要以Seo等 [26-27] 動(dòng)態(tài)面板門檻估計(jì)結(jié)果為準(zhǔn),因此,應(yīng)急財(cái)政支出規(guī)模的門檻值為0.095%。由此可知,自然災(zāi)害財(cái)政成本與政府應(yīng)急財(cái)政支出最優(yōu)規(guī)模差額為1.024%(1.119%-0.095%)。當(dāng)僅考慮保險(xiǎn)作為災(zāi)前財(cái)政成本唯一的救災(zāi)資金融資工具時(shí),保險(xiǎn)放大財(cái)政資金的最大額度占GDP的比重為1.024%。此外,還分經(jīng)濟(jì)區(qū)域考察了應(yīng)急財(cái)政支出門檻效應(yīng)的區(qū)域異質(zhì)性?;貧w結(jié)果報(bào)告于表6。
由表6可知,除東部地區(qū)外,各經(jīng)濟(jì)區(qū)域單一門檻的 P 值均小于0.1,而雙門檻的 P 值都大于0.1。因此,各經(jīng)濟(jì)區(qū)域除東部地區(qū)外,東北、中部和西部地區(qū)均具有單一門檻值,政府應(yīng)急財(cái)政支出最優(yōu)規(guī)模分別為0.090 3%、0.108%和0.196%。此時(shí),東北、中部和西部地區(qū),保險(xiǎn)放大的最大金額占GDP的比重分別為0.799 7%、1.292%和2.554%。
以上研究表明,從經(jīng)濟(jì)增長(zhǎng)的視角出發(fā),自然災(zāi)害對(duì)財(cái)政成本的影響遠(yuǎn)大于應(yīng)急財(cái)政支出最優(yōu)規(guī)模。政府如何放大應(yīng)急財(cái)政資金,提高財(cái)政救災(zāi)效率是目前應(yīng)該解決的重要問題。
5 結(jié)論與政策建議
依據(jù)1990—2018年中國31省份省際面板數(shù)據(jù)建立PVAR模型,并結(jié)合脈沖響應(yīng)圖重點(diǎn)考察自然災(zāi)害對(duì)財(cái)政支出和收入的動(dòng)態(tài)影響,在此基礎(chǔ)上度量自然災(zāi)害的財(cái)政
成本。綜合上述分析,主要得出以下幾點(diǎn)結(jié)論:第一,
PVAR模型回歸結(jié)果顯示,從全國范圍來看,自然災(zāi)害三年內(nèi)造成的財(cái)政成本為3.357%,平均每年1.119%。從脈沖響應(yīng)和累積脈沖響應(yīng)結(jié)果來看,自然災(zāi)害對(duì)財(cái)政支出具有正向滯后影響,對(duì)財(cái)政收入具有負(fù)向滯后影響。第二,自然災(zāi)害財(cái)政成本具有區(qū)域異質(zhì)性。PVAR模型回歸結(jié)果顯示,東北、東部、中部和西部地區(qū),平均每年自然災(zāi)害財(cái)政成本分別為0.89%、-2.63%、1.4% 和2.75%。此外,各經(jīng)濟(jì)區(qū)域財(cái)政支出和收入對(duì)自然災(zāi)害脈沖響應(yīng)結(jié)果與PVAR模型回歸結(jié)果相耦合。第三,從經(jīng)濟(jì)增長(zhǎng)的視角出發(fā),政府應(yīng)急財(cái)政支出存在最優(yōu)規(guī)模,全國層面的單一門檻值為0.095%,各經(jīng)濟(jì)區(qū)域除東部地區(qū)外,東北、中部和西部地區(qū)均具有單一門檻值,政府應(yīng)急財(cái)政支出最優(yōu)規(guī)模分別為0.0903%、0.108%和0.196%。由此可知,自然災(zāi)害財(cái)政成本遠(yuǎn)大于應(yīng)急財(cái)政支出最優(yōu)規(guī)模。當(dāng)僅考慮保險(xiǎn)作為災(zāi)前財(cái)政成本唯一的救災(zāi)資金融資工具時(shí),保險(xiǎn)放大財(cái)政資金的最大額度占GDP的比重為1.024%,東北、中部和西部地區(qū),保險(xiǎn)放大的最大金額占GDP的比重分別為0.7997%、1.292%和2.554%。
根據(jù)實(shí)證研究結(jié)論,針對(duì)自然災(zāi)害對(duì)財(cái)政收支影響提出以下幾點(diǎn)建議:首先,建立應(yīng)急財(cái)政準(zhǔn)備金或自然災(zāi)害基金制度。PVAR模型回歸以及脈沖響應(yīng)和累積脈沖響應(yīng)結(jié)果表明,從全國范圍來看,自然災(zāi)害在前兩年使財(cái)政支出增加,在災(zāi)后當(dāng)年使財(cái)政收入減少。因此,收入的減少和救災(zāi)支出的增加,是影響我國財(cái)政收支平衡的一個(gè)不容忽略的因素。為此,針對(duì)中等強(qiáng)度、頻繁發(fā)生的自然災(zāi)害,我國可以建立應(yīng)急財(cái)政準(zhǔn)備金制度;針對(duì)高強(qiáng)度、頻繁發(fā)生的自然災(zāi)害,可以建立專項(xiàng)自然災(zāi)害基金制度。其次,因地制宜搭建自然災(zāi)害財(cái)政成本風(fēng)險(xiǎn)分散管理框架。由PVAR模型回歸結(jié)果可知,自然災(zāi)害財(cái)政成本存在區(qū)域異質(zhì)性。這就需要各經(jīng)濟(jì)區(qū)域因地制宜地搭建自然災(zāi)害財(cái)政成本融資工具框架。例如,東部和東北地區(qū)基本上屬于自然災(zāi)害財(cái)政成本較低范疇,參照?qǐng)D1,應(yīng)對(duì)自然災(zāi)害的手段可以以應(yīng)急財(cái)政準(zhǔn)備金和調(diào)整預(yù)算為主,自然災(zāi)害基金為輔;中部和西部地區(qū)基本上屬于自然災(zāi)害財(cái)政成本較高范疇,應(yīng)對(duì)自然災(zāi)害的手段可以以自然災(zāi)害專項(xiàng)基金為主,輔以補(bǔ)充預(yù)算和重新分配預(yù)算支出優(yōu)先級(jí)。特別是西部地區(qū)自然災(zāi)害多發(fā),且損失嚴(yán)重,但政府財(cái)政資金相對(duì)不足,可以借鑒加勒比巨災(zāi)風(fēng)險(xiǎn)保險(xiǎn)基金(CCRIF)模式,以政府為投保人,通過購買財(cái)政巨災(zāi)指數(shù)保險(xiǎn)放大財(cái)政資金支出效應(yīng),滿足應(yīng)急財(cái)政資金需求。最后,構(gòu)建融入保險(xiǎn)機(jī)制的新型災(zāi)害風(fēng)險(xiǎn)管理體系。應(yīng)急財(cái)政支出的增加,同樣可能會(huì)擠占私人投資或政府自身在其他領(lǐng)域的投資支出,也會(huì)造成政府財(cái)政支出壓力,政府應(yīng)急財(cái)政支出存在最優(yōu)規(guī)模。因此政府應(yīng)改變現(xiàn)有的災(zāi)害救助模式,構(gòu)建十九屆四中全會(huì)提出的“新型舉國體制”,即加大應(yīng)用市場(chǎng)化手段管理風(fēng)險(xiǎn)和配置資源,如將保險(xiǎn)機(jī)制嵌入災(zāi)害風(fēng)險(xiǎn)管理體系,優(yōu)化我國以行政手段為主的傳統(tǒng)風(fēng)險(xiǎn)治理方式,放大財(cái)政資金使用規(guī)模,可參照?qǐng)D2,通過保險(xiǎn)機(jī)制放大預(yù)備費(fèi)、自然災(zāi)害救災(zāi)及恢復(fù)重建支出以及相關(guān)部門應(yīng)急災(zāi)害細(xì)分職能預(yù)算資金,提高財(cái)政資金使用效率。此時(shí),從經(jīng)濟(jì)增長(zhǎng)的視角來看,保險(xiǎn)放大應(yīng)急財(cái)政資金的最大金額占GDP的比重為1.024%,東北、中部和西部地區(qū)分別占GDP的比重為0.7997%、1.292%和2.554%。
參考文獻(xiàn)
[1]人民網(wǎng). 習(xí)近平指示防汛救災(zāi)人民至上、生命至上各地各部門強(qiáng)化落實(shí)、眾志成城 [EB/OL] . (2020-07-15)[2020-08-15].http://politics.people.com.cn/n1/2020/0715/c1001-31784681.html.
[2]RADDATZ C. Are external shocks responsible for the instability of output in low-income countries?[J].Journal of development economics,2007,84(1): 155–187.
[3]BERLEMANN M,WENZEL D. Hurricanes, economic growth and transmission channels: empirical evidence for countries on differing levels of development[J] . World development,2018,105: 231-247.
[4]NISHIZAWA H,ROGER S,ZHANG H. Fiscal buffers for natural disaster in pacific island countries[R]. IMF Working Papers,2019.
[5]KLOMP J. Sovereign risk and natural disasters in emerging markets [J] . Emerging markets finance and trade,2015,51(6): 1326–1341.
[6]NOY I,NUALSRI A. Fiscal storms: public spending and revenues in the aftermath of natural disasters[J] . Environment and development economics,2011,16(1): 113-128.
[7]GUERSON A. Government insurance against natural disasters: an application to the ECCU [R] . IMF Working Papers,2020.
[8]張學(xué)誕,鄔展霞. 構(gòu)建適應(yīng)中國特色應(yīng)急管理需求的財(cái)政治理體系[J] . 財(cái)政研究,2020(4): 22-34.
[9]田玲,高俊. 災(zāi)害風(fēng)險(xiǎn)、福利損失與政府最優(yōu)救助計(jì)劃[J]. 經(jīng)濟(jì)管理,2012(1): 173-181.
[10]馮俏彬,劉敏,侯東哲. 我國應(yīng)急財(cái)政資金管理的制度框架設(shè)計(jì):基于重大自然災(zāi)害的視角 [J] . 財(cái)政研究,2011(9):7-11.
[11]趙尚梅,謝秋朝,顧國學(xué). 多主體風(fēng)險(xiǎn)分擔(dān)模式下應(yīng)急財(cái)政準(zhǔn)備金的度量[J]. 系統(tǒng)工程,2015,33(11): 60-65.
[12]CEVIK S,HUANG G. How to manage the fiscal costs of natural disasters[R]. IMF Fiscal Affairs Department,2018.
[13]孫開. 應(yīng)急財(cái)政資金的保障機(jī)制與制度化管理研究[J] . 財(cái)貿(mào)經(jīng)濟(jì),2013(3):13-20.
[14]劉瑋,郭靜. 保險(xiǎn)平滑政府自然災(zāi)害涉災(zāi)支出波動(dòng)風(fēng)險(xiǎn)研究:以地震巨災(zāi)財(cái)政指數(shù)保險(xiǎn)為例[J]. 保險(xiǎn)研究,2021(1):22-39.
[15]GHESQUIERE F,MAHUL O. Financial protection of the state against natural disasters: a primer[R] . World Bank Policy Research Working Paper,2010.
[16]KLOMP J. Economic development and natural disasters: a satellite data analysis[J]. Global environmental change,2016,36: 67-88.
[17]張軍,吳桂英,張吉鵬. 中國省際物質(zhì)資本存量估算:1952—2000[J]. 經(jīng)濟(jì)研究,2004(10): 35-44.
[18]王華. 中國GDP數(shù)據(jù)修訂與全要素生產(chǎn)率測(cè)算:1952—2015 [J]. 經(jīng)濟(jì)學(xué)動(dòng)態(tài),2018(8):39-53.
[19]韋倩,王安,王杰. 中國沿海地區(qū)的崛起:市場(chǎng)的力量[J]. 經(jīng)濟(jì)研究,2014,49(8):170-183.
[20]ABRIGO M R,LOVE I. Estimation of panel vector autoregression in stata [J]. The stata journal,2016,16(3): 778-804.
[21]YANG D. Coping with disaster: the impact of hurricanes on international financial flows, 1970-2002[R]. National Bureau of Economic Research,2006.
[22]HOLTZ-EAKIN D,NEWEY W,ROSEN H S. Estimating vector autoregressions with panel data[J] . Econometrica,1988,56(6): 1371-1395.
[23]LIS E,NICKEL C. The impact of extreme weather events on budget balances[J] . International tax and public finance,2010,17(4): 378–399.
[24]KREMER S,BICK A,NAUTZ D.Inflation and growth:new evidence from a dynamic panel threshold analysis[J] . Empirical economics,2013,44(2): 861-878.
[25]CANER M,HANSEN B E. Instrumental variable estimation of a threshold model[J] . Econometric theory,2004,20(5): 813-843.
[26]SEO M H,SHIN Y. Dynamic panels with threshold effect and endogeneity[J] . Journal of econometrics,2016,195(2): 169-186.
[27]SEO M H,KIM S,KIM Y. Estimation of dynamic panel threshold model using stata[J]. The stata journal: promoting communications on statistics and stata,2019,19(3): 685-697.
[28]PANWAR V,SEN S. Economic impact of natural disasters: an empirical re-examination[J] . Margin: the journal of applied economic research,2019,13(1): 109-139.
[29]HU X, SCHIANTARELLI F.Investment and capital market imperfections: a switching regression approach using US firm panel data[J] . Review of economics and statistics,1998,80(3): 466-479.
Financial cost estimation of natural disasters: an empirical study of PVAR based on panel data
LIU Wei GUO Jing
(School of Finance, Nankai University, Tianjin 300350, China)
Abstract The occurrence of natural disasters often leads to the increase of fiscal expenditure and the decrease of fiscal revenue, and is an important factor that cannot be ignored in the balance of national fiscal revenue and expenditure. However, in-depth theoretical interpretation and empirical data-based test concerning the impact of natural disasters on fiscal revenue and expenditure are still insufficient. Based on the panel data of 31 provinces in China from 1990 to 2018, this study established the panel vector autoregressive (PVAR) model, quantified the financial cost of natural disasters based on the empirical model for the first time, and investigated the dynamic impact mechanism of natural disasters on fiscal expenditure and revenue. In the further analysis, the dynamic panel threshold model which can solve the endogenous problem of threshold variables was used to explore the optimal scale of government emergency fiscal expenditure. The results showed that: ① The average annual financial cost caused by natural disasters was 1.119% on the whole, and natural disasters had a lag positive effect on financial expenditure and a lag negative effect on fiscal revenue. ② The financial cost of natural disasters had regional heterogeneity. Specifically, the average annual financial costs of the northeast, eastern, central and western regions were 0.89%, - 2.63%, - 1.4% and 2.75% respectively. ③ Further analysis showed that the optimal scale of government emergency financial expenditure for natural disasters was 0.095%. In terms of economic regions, except for the threshold effect in the eastern region, the optimal scales of government emergency financial expenditure in the northeast, central and western regions were 0.0903%, 0.108% and 0.196% respectively, which was far lower than the financial cost of natural disasters, so it is necessary to explore financing tools to enlarge the scale of emergency financial funds. Therefore, this paper puts forward relevant policy suggestions from the aspects of establishing natural disaster fund system, building the financial cost risk financing tool framework of natural disasters according to local conditions, and constructing a new disaster risk management system integrated with insurance mechanism, so as to provide important support for the government to improve public services, innovate government management, and promote the modernization of Chinas emergency management system and capacity.
Key words natural disaster; fiscal cost; fiscal expenditure; fiscal revenue; PVAR model
(責(zé)任編輯:李 琪)