虽然我们人类在经济、科学和技术上取得了巨大的进步,但是在灾难面前,比如美国的飓风厄玛,中国的汶川地震和海地地震,我们仍然显得十分渺小。这些灾难不仅夺取了许多人的生命,而且使得他们的财产受到极大的损失。因此,灾害对于受灾地区,特别是处于发展中的地区将造成不可估量的损失。2006年至2017年,全球共发生灾害4311起,造成693.6万人死亡,2280.8人受灾,经济损失18281亿美元。中国、美国、印度、菲律宾和印度尼西亚是受影响最严重的5个国家。其中,中国遭受的灾难最多,美国遭受的经济损失最大。交通运输部门作为重要的经济部门之一,不仅对于救援工作至关重要,对于灾后重建和经济复苏也十分重要。本文旨在评估交通重建对经济复苏的影响。中国是世界上最容易发生自然灾害的国家之一。1990年至2015年,中国地震共造成74132人死亡,476185人受伤,损失10785.8亿元。2008年四川汶川地震是自1978年河北唐山地震以来最严重的自然灾害,共造成69227人死亡,17923人失踪,375783人重伤,直接经济损失8523亿元,占1990-2015年地震损失的80%以上。对于这次地震,中国一半以上的地区都有震感,包括北京和上海。受影响最严重的省份是四川、甘肃、陕西和重庆市。近80%的伤亡发生在四川,其中97%以上死亡。由于汶川地震的严重性,我们选择汶川地震来作为对象进行交通重建对于经济复苏的影响的研究。近年来,对于灾害损失的讨论非常热烈。直接经济损失,即库存损失,是指由自然灾害直接造成的经济损失,如房屋建筑受损、基础设施受损等。它们可以从受损资产的重置成本来衡量。而间接经济损失,或流量损失,则是由自然灾害的所造成的损失间接产生的,比如产业链的中断、停电造成的业务中断等。但Rose(2004)认为,将财产损失归为直接损失,将产业链的中断损失归为间接损失,会给研究者带来困惑,因为两者都有直接和间接成分。灾害损失的概念肯定不限于经济损失。然而,为了量化灾害损失,我在接下来的讨论中使用了狭义的灾害损失概念,即经济成本。从更宏观的角度来看,灾害的影响是否总是负面的?在以往关于灾害影响的讨论中,我们主要讨论的是灾害的负面影响。事实上,许多国家都经历过灾害后的经济快速发展。Jaramillo(2009)、Skidmore和Toya(2002)、Hallegatte和Dumas(2009)都观察到这种现象。这种现象被称为生产效应或熊彼特创造性破坏(Schumpeter creative destruction)。国内外常用的灾害影响定量评价方法有投入产出分析法(IO)和可计算一般均衡模型(CGE)、计量模型和增长模型。其中,CGE模型是最系统、最灵活、最复杂的灾害影响估计模型,且不依赖于时间序列数据。然而,它需要最详尽的假设来作为系统化的代价。与CGE框架类似,IO框架可以研究经济中的连锁效应(Ripple Effect),且更易与工程模型结合,但其系统性较差,且不考虑价格影响。计量模型可以估计特定灾害事件的影响以及某些灾害事件的“平均”影响,更加侧重于预测,但它依赖于时间序列数据。由于自然灾害是小概率事件,而且其影响与大量因素有关,所以观测量过少会限制计量模型的使用。增长模型方法侧重于对于宏观经济增长模型和历史数据的结合使用来进行灾害影响的估计。虽然建立灾害经济反应模型的方法有很多,但它们或多或少适合于评估不同时间和规模的灾害影响。例如,由于IO模型不考虑替代弹性,因此对于短期的影响研究,它的性能优于CGE框架,并且容易高估灾难的影响。同样,CGE模型对于长期的影响研究比IO模型表现得更好,并且倾向于低估灾难的影响。在众多的文献中,史岩(2014)的研究与本文最为接近。史岩(2014)建立了CGE模型和IO模型来估计汶川地震对四川省什邡市公路交通系统的影响。本文以灾害系统理论、灾害风险理论和一般均衡理论为基础,采用一般均衡分析、情景分析和案例分析等方法对这些影响进行了综合研究。她首先用工程学的方法估算了灾害的间接经济损失。然后,她将这一损失视为模型中的一个冲击,并估计了整个经济的损失。本文还讨论了弹性对间接经济损失估算的影响以及估算结果的合理范围,即间接损失对GDP的占比在4.87%~5.57%之间。由于CGE模型在处理连锁反应上的优越性,我们决定使用一个动态的CGE模型来评估交通在经济复苏中的重要性,这一课题在国内现有的文献中并没有进行强调。与此同时,我们将识别与交通部门高度相关的部门。结合系统的CGE模型和敏感性分析,这种识别有助于避免过分强调灾后运输的恢复政策建议。因此,本文填补了国内对于交通系统灾后重建影响研究的空白。模型部分,我们主要介绍了CGE模型的背景知识,强调了CGE模型中价格的特点;说明了如何建立一个动态的省级CGE模型;并讨论了CGE框架的优缺点。在我们的CGE-Sichuan模型中,有三个区域:四川省、中国其他地区、世界其他地区;7个模块,即:生产、贸易、家庭、企业、政府、宏观封闭、动态;85个方程和85个内生变量;20个行业:1个交通行业,5个交通相关行业,14个其他行业。在我们的模型中,我们考虑了家庭行为、生产者行为、贸易、税收、重建基金和投资。该模型说明了各部门之间的产业间联系,并描述了四川每年的经济状况。我们认为交通部门与其他部门是完全相同的,没有在模型中使用任何具体的交通变量。在对灾后重建影响的分析中,我们将资产分为生产性资产和非生产性资产,阐述了灾后重建对经济的影响。但是,由于某些原因,我们认为这一区分对于本文来说是不必要的和不方便的,因此放弃了这一区分。从需求和供给的角度,我们对交通部门的产出做出了第一个假设。我们还讨论了灾后重建中不同资源配置策略的可能结果,并提出了交通部门重建影响的第二个假设和第三个假设在模型构建完成后,我们需要对模型进行校准。首先介绍了社会核算矩阵(SAM)表。这个表为我们的CGE模型的校准提供了基本的数据集。它由11个角色组成。这个表格可以说明一个经济体中这11个角色之间的现金流。因此,SAM表最大的一个特点是平衡,意味着各角色的收入必须等于支出。SAM和IO表提供了大部分用于校准的内生变量。除7个外生参数、5个替代弹性和2个家庭消费行为参数外,大多数参数都可以进行校准。本文采用MATLAB进行参数的校准。校准后,我们需要找出每个部门的地震冲击。冲击这里是政府提供的直接资本损失和劳动力损失。为了验证我们的第二个假设,我们根据IO表中各部门对交通部门的投入及消费比例,确定了对交通部门最重要的五个部门。结合这五个部门,我们设置了五个场景去验证先前的两个假设,:1)无灾场景,2)无灾重建场景,3)按比例重建所有部门,4)第二年先重建交通部门,5)第二年先重建交通部门及其相关部门。其中情景3)、4)、5)分别对应重建策略1、2、3。其中,三年重建预算总额等于资本损失总额,第一年按20%分配,第二年按50%分配,第三年按30%分配。初步结果支持这两个备择假设。也就是说,汶川地震对四川省的交通运输产出造成了巨大的负面影响,造成了近32.11%的损失。同时,灾后要优先重建交通运输部门及其相关部门,这要比先建后建或按比例重建要好。仿真结果的精度对验证这些初步结果的可靠性至关重要。由结果可知,即使是策略1的GDP上限也小于策略3的GDP下限。通过比较,可以确保优先交通部门及其相关部门重建的合理性。另外我们也进行了敏感性的分析,结果表明,我们的结果对外生参数不敏感,进一步验证了我们的两个备择假设的正确性。然而,本文也存在一些不足之处。首先,CGE模型的均衡是一个长期均衡。然而,大多数政策决策都需要考虑短期情况。其次,虽然汶川地震在那一天大多数中国人都能感觉到,但是研究区域应该集中在像四川省,甘肃省和陕西省这样的灾区。第三,一个具有预测能力的模型可能对灾害应对更加有用。最后,虽然我们做了敏感性分析,但是如果想得到更有说服力的结果,重新评估与中国有关的弹性会更好。