农业自然灾害对通货膨胀的影响基于动态面板的实证分析

摘 要：通过将农业自然灾害作为外生冲击引入“三角”模型，建立涵盖通货膨胀惯性、超额需求和农业自然灾害外生冲击三者关系的动态面板模型进行实证分析，结果表明：就全国范围和中部地区而言，农业自然灾害对我国通货膨胀具有明显的影响，而东部和西部地区表现不显著。值得关注的是，农业自然灾害会造成当期通货膨胀水平下降，表明农业自然灾害造成的需求负向冲击大于供给负向冲击，政府相关部门应重视农业自然灾害引起的需求抑制作用。

关键词： 农业自然灾害；“三角”模型；通货膨胀

中图分类号：F822.5 文献标识码： A 文章编号：1003-7217(2012)02-0002-06

一、引 言

我国是一个自然灾害多发、频发的国家，水灾和旱灾等农业自然灾害尤为突出。从20世纪90年代开始，我国每年因农业自然灾害造成的物资损失呈现整体上升趋势。2011年，农业自然灾害形势依然不容乐观：农作物受灾面积3247.1万公顷，其中绝收289.2万公顷，直接经济损失3096.4亿元，农业自然灾害已经成为制约我国农业平稳发展的重要因素。农业自然灾害的频发对我国农业生产、农民增收乃至居民消费带来严重的负面影响。谭本艳等（2009）通过对CPI分类指数分析，研究结果表明食品既是我国CPI波动的短期驱动力，也是CPI波动的长期驱动力［1］，由此，无论从供给面还是从需求面看，农业自然灾害都会通过引发食品价格变动进而引发CPI的变动。

自然灾害对经济造成的冲击突出表现在两个方面：一是自然灾害造成社会资本存量受损，引起社会总体消费和投资下降，进而造成产出水平下降；二是自然灾害造成的产出下降，通过需求冲击和供给冲击影响物价水平。现有的文献主要集中在自然灾害对产出影响方面：从短期、中期和长期的产出影响来分析自然灾害的宏观经济影响。短期和中期主要考察自然灾害对产出造成的正、负效应［2-7］，长期主要考察自然灾害对经济增长的影响 ［8-11］。然而，自然灾害对物价水平影响方面的研究较为缺乏，已有的研究主要停留在理论分析层面，实证分析层面相对较少。Pantin（1997）构建了自然灾害影响经济的11个指标，通过对比自然灾害发生前后三年的数据，发现灾前平均通胀率为8%，灾后通胀率在6.5%~9%之间波动，自然灾害影响物价水平变动方向并不明确［12］ 。Rasmussen（2004）从长期影响考察了自然灾害对通货膨胀的影响，他认为灾害重建的努力会挤出有效投资，推高利率并减少投资，有可能引发通货膨胀［13］。Popp（2006）在分析自然灾害对经济的长期影响时，将通货膨胀的产生归结为债务负担和市场投机［14］。 Baum（2011）运用AD-AS模型分析了自然灾害对通货膨胀的影响，他们假定自然灾害在短期内不影响总需求，然而潜在产出因资本存量受损而下降，自然灾害会带来临时性通胀压力［15］，美国2008年的卡特琳娜飓风和2010年昆士兰洪水造成的食物和农产品价格上涨验证了他们的推断。

上述的文献更多将自然灾害视为供给冲击，结论偏向于自然灾害会推高物价水平，然而，自然灾害并不单纯表现为供给冲击，也会带来需求冲击，物价水平变动的方向取决于自然灾害引发的需求冲击和供给冲击两者的力量对比。因此，从理论层面上我们很难得出自然灾害对通货膨胀的具体影响。本文尝试在传统理论的基础上就农业自然灾害对通货膨胀的影响进行实证分析，力图弄清农业自然灾害同通货膨胀之间的数量关系。

二、农业自然灾害影响通货膨胀的理论基础

农业自然灾害发生以后，微观经济主体将遭受自然灾害引致的供给冲击和需求冲击，引发总供给与总需求的相对变动，进而推动物价水平的持续波动。就供给方面而言，农业自然灾害倾向于推高物价水平：农户物资资本受损（农田、耕地受灾），粮食产量下降，推高粮食价格；粮食产量的下降和粮价上涨会增加农产品加工企业的成本，推高农副产品的价格。就需求方面而言，农业自然灾害在几个方面表现出抑制物价：（1）粮食产量是农户创收的必备条件，粮食产量的下降减少了农户的收入，农户因此改变自己的收入分配决策，减少消费和农业投入，在一定程度上抑制了需求；（2）农产品加工企业的成本上升，推高农副产品的价格，相应地会减少企业产品的销售，进而减少其收入，从而抑制消费需求和投资需求；（3）当农业自然灾害的规模、强度、持续时间达到一定的程度时，其影响必然会从农业部门向非农业部门传导，家庭和企业的消费需求和投资需求受到抑制。下面借鉴郑超愚(2004)［18］的总需求、总供给动态调整模型，加入农业自然灾害所引起的需求冲击和供给冲击因素，

并假定价格调整是瓦尔拉斯均衡的，则有：

S(P/PE,Yd－Dshock)－D(M/P)=Dshock－Sshock （1）

假定原有Yd和Ys是均衡的，并且不随时间变化；价格预期是适应性的；货币供给在短期内不变。对式（1）左右两边进行时间求导，可以求得价格的动态调整过程，如式（2）所示。根据价格与总供给和总需求的数量关系，可知式（2）的分母为正。

dPdt=dDshockdt－dSshockdtS(P/PE)1PE+

S(Yd－Dshock)(Yd－Dshock)P+D(M/P)MP2（2）

由式（2）可知，物价变动主要由价格预期、需求冲击和供给冲击等因素决定。由于农业自然灾害引起的供给冲击为负，而需求冲击难以确定，需分三种情况来说明：（1）当需求冲击为正时（dDshock/dt>0），由于供给冲击为负（dSshock/dt＜0，即有dDshock/dt－dSshock/dt＞0，表现为物价上涨；（2）当需求冲击为负时（dDshock/dt＜0），如果需求冲击的下降幅度大于供给的下降幅度，即有dDshock/dt－dSshock/dt＜0，表现为物价下降；（3）当需求冲击为负时（dDshock/dt＜0），如果需求冲击的下降幅度小于供给冲击的下降幅度，即有dDshock/dt－dSshock/dt＞0，表现为物价上涨。根据适应性预期理论，价格预期可以由上期价格替代，表现为价格惯性；而需求冲击和供给冲击都是由自然灾害等外部因素引发。Gordon（1996）提出了三角菲利普斯曲线，认为影响通货膨胀的因素可以归结为需求拉动、成本推动和通胀惯性三类［17］；由以上的理论分析，农业自然灾害和通货膨胀率、社会总需求以及社会总供给这三者密切联系，本文将采用Gordon提出的“三角”模型，即一种菲利普斯曲线的扩展模型，以研究农业自然灾害对我国通货膨胀的影响。

πt=C+a(L)πt－1+b(L)Dt+c(L)zt+et （3）

其中，因变量πt是指通货膨胀率，C表示常数项；通货膨胀率的滞后项πt-1表示通货膨胀惯性；Dt指超额需求；zt表示外部冲击（需求冲击和供给冲击）；et为误差项；a(L)、b(L)、c(L)分别表示各变量的滞后系数。

三、变量选取、数据说明和模型设定

（一）变量选取和数据说明

采用定基CPIt来代表通货膨胀，并用定基CPIt的滞后一期代表通货膨胀惯性。根据Gordon的“三角模型”，式（3）中的变量Dt可以用产出比率的对数Rt=ln(Yt/YtN)代替（YtN为潜在产出），并将Rt-1作为前定变量①。由于潜在产出不可直接观测，不能采用常规的估计方法，一般解决的办法有两种：趋势分解法（通过线性时间趋势、HP滤波将产出分解为长期趋势和周期性成分）、结构分解法（通过向量回归、卡尼曼滤波将产出分解为结构效应和周期效应）。借鉴Ravn & Uhlig（2002）［18］所采用的HP滤波法来估计31个省的产出缺口，平滑参数取6.25，并将农业自然灾害作为外部冲击变量zt引入模型。由于我国统计数据的可得性限制，考虑到不能收集到我国自然灾害造成的直接经济损失的相关数据，因而只能选取间接衡量自然灾害冲击的变量。根据国家统计局对农业成灾面积AANDt的相关解释：成灾面积是指在遭受自然灾害的受灾面积中，农作物实际收获量较常年产量减少3成以上的播种面积，成灾面积可以在一定程度上衡量自然灾害的强度以及对农业生产造成的影响。基于以上的考虑，选用对农业生产影响较大的成灾面积来衡量农业自然灾害的强度，用变量SIZEt=ln(AANDt)来表示。

选用的数据为1997~2010年我国（除港、澳、台）31个省市自治区的年度面板数据，所有数据均来源于1997~2011年中国统计年鉴和各地区统计年鉴。CPI作了定基化处理（1997年为100）。

（二）模型设定

由于我国经济发展的区域差异明显，为了能够更好地估计自然灾害对我国通货膨胀的影响，本文按照国家统计局的划分标准将我国（除港、澳、台）分为东、中、西三个区域②。依照Gordon提出的“三角模型”，建立涵盖全国、东部、中部和西部的动态面板模型如下：

CPIi,t=α+β1CPIi,t－1+β2Ri,t+

β3Ri,t－1+β4SIZEi,t+vi+ui,t （4）

其中，i=0，1，2，3，分别表示全国、东部、中部和西部地区；t=1，2，3，…，T表示样本年度；νi表示截面个体差异；μi,t为随机扰动项。

对式（4）动态面板数据模型估计的困难之处在于：方程的右边包含有因变量的滞后值，导致解释变量和随机扰动项相关，而且式（4）本身存在横截面相依性。如果直接运用传统处理面板数据的固定效应或是随机效应方法，会导致参数估计的非一致性，产生动态面板偏差，影响模型估计的准确性和适用性。Blundell & Bond(1998)则将差分GMM与水平GMM合并，将差分方程与水平方程作为一个整体系统进行GMM估计，这种改进的估计方法称为系统广义矩估计（System GMM）［19］。考虑到系统广义矩估计是一种更有效的估计，将采用系统广义矩估计对动态面板模型进行估计［20］。

在系统广义矩估计中，方程（4）经过一阶差分并结合水平方程进行变换：

ΔCPIi,t=(β1－1)CPIi,t－1+β2Ri,t+

β3Ri,t－1+β4SIZEi,t+vi+ui,t （5）

在此基础上选取合适的工具变量并产生矩条件方程。在式（6）中，需满足：β1≠1；当t＜s时，解释变量Ri,t、SIZEi,t和随机扰动项ui,s是无关的；随机扰动项ui,s不存在自相关；E(CPIi,1,εi,t)=0(t=2,3,…,T)，E(ΔCPIi,2,εi,3)=0。在此基础上设定矩条件为：

E(CPIi,t-sΔεi,t)=0(s≥2;t=3,…,T)

E(Xi,t-sΔεi,t)=0(s≥2;t=3,…,T)

E(ΔCPIi,t-1εi,t)=0(t=4,5,…,T)（6）

其中，εi,t=ui,t+vi，Xi,t=［Ri,t,SIZEi,t］。设Zi为所选取的工具变量矩阵。

通过GMM估计，可以得到估计参数：

α＾GMM=∑Ni=1ΔCPI'i,－1ΔX'iZi・

WN∑Ni=1Z'iΔCPItΔXi－1・

∑Ni=1ΔCPI'i,－1ΔX'iZiWN∑Ni=1Z'iΔCPIi（7）

四、实证结果及分析

（一）实证结果

动态面板数据估计的前提是数据要具有平稳性，否则会出现估计的“伪回归”问题。因此，在对模型进行估计之前，首先对模型进行面板单位根检验。为了保证检验结论的可靠性，选用了四种单位根检验方法：LLC检验、IPS检验、Hadri的最大似然检验以及Breitung检验。LLC检验、IPS检验和Breitung检验的原假设是“存在单位根，变量是不平稳”，Hadri检验的原假设是“不存在单位根，变量是平稳的”。从表1的检验结果可以看出，所有的变量至少在两种检验之下通过平稳性检验，这说明面板数据具有平稳性，模型估计的结果不存在伪回归问题。

表2列出了系统GMM估计的结果。无论是全国、东部、中部还是西部，Wald检验值在5%的显著水平下均拒绝了“方程拟合度较差”的原假设，表明方程拟合较好。其次，Sargan检验是判断方程所选的工具变量是否有效的一个重要检验，原假设是“方程所选工具变量是有效的”，从表2中所反映的结果看，Sargan检验的P值都大于0.05，四个方程在5%的显著水平下接受了原假设，表明所选的工具变量是有效的。另外，AR检验的原假设是“扰动项无自相关”，表2中的AR(2)的P值均大于0.05，在5%的显著水平下接受原假设，表明所选的系统GMM估计方法是适用的。另外，全国、东部、中部和西部的通货膨胀惯性（CPIt－1）和超额需求（Rt）系数均在1%的显著水平下拒绝“系数为零”的原假设，表明通货膨胀惯性、超额需求对当期通货膨胀具有显著的推动作用，而农业自然灾害（SIZEt）系数只有全国和中部地区通过了t检验，东部和西部地区均没有通过t检验，这表明全国和中部地区的农业自然灾害对通货膨胀产生了显著的影响。

（二）实证分析

在通货膨胀惯性方面，全国、东部、中部和西部均表明通货膨胀惯性对当期通货膨胀产生较大的正向推动作用，上一期通货膨胀每上升1%会推动当期通货膨胀上涨大约1%，这跟传统的通货膨胀预期理论相符，说明稳定通货膨胀预期对于稳定通货膨胀具有重要的意义，这是货币当局在进行货币调控时总是强调稳定通胀预期的原因所在。在超额需求方面，全国、东部、中部和西部的数据都反映了超额需求和通货膨胀存在显著的正相关。在全国范围内，当期的超额需求每增加1%会推动当期通货膨胀上涨0.04%，这表明超额需求因素并不是推动我国通货膨胀上涨的最主要因素，原因可能是我国家庭最大的消费支出是住房支出，而住房价格并没有包含在CPI当中，因此，超额需求难以推动通胀的上涨。

在农业自然灾害方面，各地区的通货膨胀对农业自然灾害的反应表现出较大的差异性，主要是由各地区的经济发展水平的差异所致。在东部和西部地区，农业自然灾害对通货膨胀没有产生显著影响，而在全国和中部地区表现较为显著。就全国或中部地区而言，农业自然灾害在当期就会对通货膨胀产生影响，原因是东部地区的经济发展水平较高，且主要集中在第二和第三产业，受农业自然灾害的影响相对较小，而中部地区是我国粮食的主产区，在我国农业现代化程度不高的现实情况下，农业仍易遭受自然灾害的影响，因而参数估计较显著。西部地区一方面经济发展水平不高，物价传导效率较低；另一方面粮食生产在农业中的占比相对中部地区较低，受农业自然灾害的影响相对较小，因而参数估计不显著。

值得特别关注的是，农业自然灾害对通货膨胀的影响并不是正向的，农业自然灾害会对通货膨胀率产生下行压力。全国和中部地区的数据显示，农业自然灾害和通货膨胀存在显著的负相关。就全国而言，农业自然灾害强度每增加1%会推动当期通货膨胀下降大约0.11%；就中部地区而言，农业自然灾害强度每增加1%会推动当期通货膨胀下降大约0.71%。这证实了自然灾害影响物价变动的第二种情况，即自然灾害造成的需求冲击为负时，如果需求冲击的下降幅度大于供给的下降幅度，物价将趋于下降，这说明我国自然灾害造成的需求面负面冲击大于供给面负向冲击。之所以如此可能有几方面的原因：一是我国消费结构所致。我国城镇家庭消费结构中住房消费占据很大的比重，在很大程度上抑制了对非住房商品的需求，农业自然灾害等外部冲击造成的收入减少更容易表现为需求的下降；另外，农村居民的消费结构中耐用消费品占较大的比重，而这些商品需求弹性较大，农业自然灾害造成的收入下降会引起农村居民消费更大幅度地下降。二是农民收入主要来源于农业，农业自然灾害造成当期粮食产量下降，从而降低农民收入，并从需求上抑制农民的消费和投资行为，而粮食价格更多由粮食收购和储备体系决定，当期粮食产量下降不一定会对国家整体的粮食储备造成较大冲击，进而引发粮食价格的上涨。三是我国农村社会保障体系还不够完善，农村居民收入当中用于消费的部分受到了抑制。当出现农业自然灾害冲击引发粮食生产波动时，农民的收入将变得更加不确定，农村居民的消费和投资需求更容易受到负面的影响。

五、结论

以上将农业自然灾害变量引入“三角”模型中，首次尝试运用动态面板模型实证分析农业自然灾害对我国通货膨胀的影响。为了区分我国区域发展的差异性，分别对全国、东部、中部和西部进行实证。结果表明：在通货膨胀的影响因素中，通货膨胀惯性对当期通货膨胀有显著的正向推动作用，上期通货膨胀每上涨1%会推动当期通货膨胀上涨大约1%；超额需求虽然对当期通货膨胀有显著的正向影响，但影响程度小于通货膨胀惯性，当期超额需求每增加1%会推动当期通货膨胀上涨0.04%；东部和西部地区的农业自然灾害对该地区的通货膨胀影响不显著，全国和东部地区的农业自然灾害对该地区的通货膨胀产生了显著的影响；就全国和中部地区而言，农业自然灾害对当期通货膨胀有显著的负向冲击，表现为农业自然灾害强度每增加1%，当期通货膨胀分别下降0.11%和0.71%，农业自然灾害会降低当期的通货膨胀水平；若单独考虑外部冲击因素，农业自然灾害引发的通胀变动表现为负，但是综合考虑通货膨胀惯性、产出缺口和外部冲击三大因素的共同影响，通货膨胀变动表现为正。传统观点倾向于认为农业自然灾害引发通货膨胀正向变动，在于仅考虑了三大因素的综合影响。本文从综合影响中分离出了农业自然灾害这一个外部冲击因素，得出的结论不同于传统观点。

由此可见，相比起供给面的紧缩作用，农业自然灾害对我国需求面的紧缩作用更大，表现为农业自然灾害降低当期的通货膨胀水平。因此，政府部门应高度重视农业自然灾害造成的负面影响，充分重视突发性冲击对消费需求的抑制作用。首先，应根据各地区农业生产的特点，采取不同的应对措施，尤其是中部地区的产粮大省，政府要加大对农业抗灾的投入，减少自然灾害对农业生产的影响；其次，要加大应对农业自然灾害风险的补贴力度，财政部应加大对农业的投入，增加对农民的转移支付，保障农户收入的稳定性；再次，建立自然灾害救济和保险机制，当农业自然灾害发生后，政府和社会提供多方面的救济，保险公司为农民提供自然灾害保险。最后，要不断调整和优化各地区的农业结构，改变农村居民收入过多依赖农业，尤其是粮食作物的局面，多渠道增加农民收入。

注释：

①Gordon（1996）在“三角”模型中，将超额需求滞后一期Dt-1和通货膨胀滞后一期πt作为前定变量，考虑到πt-1在动态面板中已作为工具变量，不宜在动态模型中再将此变量作为前定变量，因此，本文的动态面板模型仅将Rt-1作为前定变量。

②东部包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西和海南，共12个地区；中部包括：山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北和湖南，共9个地区；西部包括：重庆、四川、贵州、云南、、陕西、甘肃、青海、宁夏和新疆，共10个地区。

参考文献：

［1］谭本艳，柳剑平．我国CPI波动的长期驱动力与短期驱动力［J］．统计研究，2009，（1）：50-55．

［2］Benson, C. and Clay, E．Dominica.Natural disasters and economic development in a small island state［R］. Disaster Risk Management Working Paper Series No.2, 2001.

［3］Crowards, T．Comparative vulnerability to natural disasters in the caribbean［R］．Charleston, South Carolina, Caribbean Development Bank，2000．

［4］Charveriat, C. Natural disasters in latin america and the caribbean:an overview of risk［R］. IDB Working Paper No. 434, 2000.

［5］Mechler, R. Natural disaster risk management and financing disaster losses in developing countries［R］. Karlsruhe, Verlag für Versicherung swissens chaft, 2004.

［6］Hochrainer, S. Macroeconomic risk management against natural disasters［M］. Wiesbaden, German University Press, 2006: 24-45.

［7］Noy, I. The macroeconomic consequences of disasters［J］.Journal of Development Economics,2009,(88): 221-231.

［8］Albala-Bertrand, J. M.The unlikeliness of an economic catastrophe:localization & globalization［R］.QMULDE Working Papers 576,2006.

［9］Skidmore, M. and H. Toya. Do natural disasters promote long-run growth?［J］. Journal of Economic Inquiry, 2002, 40(4) :664-87.

［10］Caselli, F. and Malhotra, P. Natural disasters and growth: from thought experiment to natural experimen［R］. Washington DC , IMF, 2004.

［11］Chi-Kyu Kim. The effects of natural disasters on long-run economic growth［J］.The Michigan Journal of Business,2011,4(1):11-49.

［12］Pantin, D.A. Alternative ecological vulnerability indices for developing countries with special reference to small island developing states (SIDS)［R］.Report for the United Nations Department of Economic and Social Affairs, Sustainable Economic Development Unit, 1997.

［13］Rasmussen,T. Macroeconomic implications of natural disasters in the caribbean［R］. IMF Working Paper 04/224, 2004.

［14］Aaron Popp.The effects of natural disasters on long-run growth［R］.Major Themes in Economics, 2006, (8): 61-82.

［15］Baum, C.Natural disasters in japan threaten to release global inflation genie out of rubble［EB/OL］. The Sydney Morning Herald. Retrieve from , March 25, 2011.

［16］郑超愚．中国总供给总需求模型的动态调整［J］．金融研究，2004,（3）：90-98．

［17］Robert J.Gordon. The Time-varying NAIRU and Its implication for economic policy［R］.NBER Working Paper No.5735,1996.

［18］Ravn, Morten,O. and Harald Uhlig. On adjusting the hodrick-prescott Filter for the frequency of observations［J］.Review of Economics and Statistics,2002, 84(2):371-376.

［19］Blundell, R., and S. Bond. Initial conditions and moment restrictions in dynamic panel data models［J］.Journal of Econometrics,1998,(87): 115-143.

［20］白仲林，张晓峒．面板数据的计量经济分析［M］．天津：南开大学出版社，2009：65-69．

The Impact of Agricultural Natural Disasters on Inflation: Based on Dynamic Panel Model

TANG Wen-jin,XU Gui-hua,XU Xiao-wei

（Finance Shool, Zhongnan University of Economics and Law, Wuhan, Hubei 430073,China)

Abstract：By introducing agricultural natural disasters as exogenous shock to "triangle" model, the dynamic panel model covering inflation inertia, excess demand and agricultural natural disasters exogenous shocks is established. The empirical results indicate that: agricultural natural disasters have obvious impacts on the inflation in the nationwide and central regions, however the effect is not significant in the east and west regions. It is remarkable that the agricultural natural disasters will cause the current inflation levels to drop and that the negative impact which agricultural natural disasters caused on demand is greater than supply. The relevant government departments should pay more attention to the demand inhibition which agricultural natural disasters caused.

Key words：Agricultural natural disasters; “Triangle” model; Inflation