印度南24帕尔加纳斯地区灾后恢复的驱动因素：从可持续生计方法的视角来看

《Progress in Disaster Science》：Drivers of post-cyclone Amphan recovery in south twenty-four parganas, India: Insights from a sustainable livelihoods approach

　　德夫迪uti博斯|特鲁普蒂米什拉|苏班卡尔卡马克卡尔
印度理工学院孟买分校气候研究中心，波瓦伊，孟买400076，印度

**摘要**
印度东海岸社区极易受到飓风的影响，2020年的超级飓风“安潘”加剧了人们的苦难，尤其是在COVID-19大流行期间。飓风带来的负面影响加剧了原有的社会经济脆弱性，给持续的生计恢复带来了严峻挑战，这需要政策支持。然而，关于此类多重灾害后恢复模式的研究仍然有限。本研究调查了印度高风险沿海地区之一——南24帕尔加纳斯最脆弱地区的住房与收入恢复动态及关键驱动因素。采用可持续生计方法，我们对最脆弱的社区进行了家庭调查（n=223）。研究结果表明，社会资本是恢复的关键驱动因素之一。对地方政府的强烈信任与收入恢复有显著的正相关关系；社交资本的建立也与住房恢复正相关。获得任何形式的正式援助都与住房修复显著相关。应对措施显著降低了住房完全修复的概率。该研究强调了多重灾害带来的挑战，并提倡以恢复生计资产和增强社区韧性为中心的恢复框架。这些见解为政策制定者设计有针对性的干预措施以加强灾害恢复和风险降低策略提供了宝贵指导。

**1. 引言**
印度海岸极易遭受飓风袭击，平均每年发生九次飓风[31]，主要影响沿海人口。尤其是东海岸，每年大约会发生五到六次热带飓风，其中一些会发展成强烈的飓风风暴[1] [76]。21世纪以来，“安潘”是孟加拉湾首次出现的强烈超级飓风风暴（SuCS），于2020年5月20日登陆[17]（见附录图A1）。它影响了西孟加拉邦（北24帕尔加纳斯、南24帕尔加纳斯、普尔巴梅迪尼普尔）和奥里萨邦的沿海地区，以及孟加拉国部分地区。这三个地区的暴雨分别导致西孟加拉邦430.43平方公里的农田受灾[41]。
“安潘”飓风影响了约1800万人，在印度造成90人死亡，其中西孟加拉邦72人[26]，还破坏了170万公顷的农田[62]，以及南24帕尔加纳斯地区的12万英亩农田[3]。基础设施受损包括该州290万套房屋[32]和南24帕尔加纳斯的170万套房屋[3]；堤坝决口；电线杆损坏。飓风还摧毁了约15.8万公顷的红树林[53]，侵蚀了孙德尔本斯海岸线的69%[Mishra等人，2021年]。社会、经济和人力资本也受到了影响，表现为合作减少、财务损失以及粮食安全和就业中断[15] [53]。尽管采取了预先的风险预防措施（红树林保护、部署38支国家灾害响应队伍、疏散30万人到避难所、提前预警），政府还为受灾者提供了370.77亿卢比的救助，包括提供住所、食物和医疗援助[68]。
“安潘”的影响因COVID-19大流行的同时发生而加剧，导致食品供应链中断和出行限制。大流行还通过紧张的社会网络、资源获取、就业安全和避难所管理问题使得恢复工作变得复杂[24]。政府和相关机构在平衡灾害风险管理活动和封锁措施方面面临巨大困难，从而影响了资源分配，进而影响了恢复的规模和速度[34]。此外，依赖气候敏感型农业生计的资产贫乏的沿海社区在多重灾害情况下难以调动有限的资本资产进行灾后生计恢复。这些重叠的灾害给西孟加拉邦造成了约1120亿卢比的经济损失[45]，凸显了受灾社区的多方面脆弱性。
虽然现有文献主要关注“安潘”对土地利用变化、农业以及COVID-19复合效应的影响[1] [3] [24] [40]，但对于这些受影响社区的恢复动态研究仍然不足。此外，关于灾前准备和灾后应对策略在恢复过程中的关键作用的研究也很有限。因此，本研究旨在通过分析南24帕尔加纳斯地区从“安潘”飓风中恢复的驱动因素来填补这一空白，提供实证见解，了解家庭如何在复合灾害后调动资源、采取策略并重建生计。同时，还研究了住房恢复的动态过程，识别影响恢复时间的因素。这将强调家庭韧性如何随时间塑造恢复过程，并捕捉恢复轨迹的时间差异。

**2. 研究框架**
灾害恢复是通过预防规划和灾后行动来修复、重建和重塑受影响系统的差异化过程[81]，旨在减少未来的灾害风险和脆弱性，促进“更好重建”，需要社区的参与、技术资源以及充足的财政和制度支持[86]。这一过程是多维度的，受到社区规模和经济结构的影响。Nazari等人[65]指出，灾害恢复轨迹主要取决于经济的空间分布范围、经济多样化以吸收灾害冲击并实现恢复、社会经济和人口特征（如收入、教育、财富、海拔高度[38]、基础设施的坚固性以及城市规划[59]、政府援助的获取和机构准备情况。
在南亚，特别是在沿海地区，多项研究探讨了家庭层面的灾害恢复模式和决定因素。Alam和Collins[5]以及Rahman等人[71]强调， Bangladesh家庭的灾害影响和恢复轨迹取决于多种社会经济因素、脆弱性及其准备程度。这些研究表明，恢复是一个路径依赖的过程，需要解决限制家庭应对和恢复能力的结构性障碍。文献还强调了社会资本在生计恢复中的作用，其中社交资本的建立有助于即时应对，而社交资本的桥梁作用有助于获得长期恢复和发展所需的资源和信息[33] [51]。Minamoto[51]也强调了社交资本在获取正式援助以实现全面恢复中的关键作用。其他印度相关研究也讨论了社会资本在灾害恢复中的重要性。Naithani和Saha[64]指出，横向社交资本是生存的前提，但必须通过纵向联系来提高山区家庭在2013年凯达纳特灾害后的韧性。
恢复不仅取决于家庭资产和社区因素，还取决于制度过程和社区层面的治理。尽管家庭层面有足够的财政和物质资本，但没有多组织协调、治理结构和社区参与，就难以实现公平的恢复，正如海啸后的恢复研究中所讨论的[57] [72] [73]。Das和D Souza[18]以及Malakar和Mishra[46]也强调了自然资本、社会资本和其他生计资产在提高沿海社区韧性方面的作用，这些社区过去曾受到Phailin和Hudhud等飓风的侵袭。
除了南亚，还有很多其他研究（[54] [92]；Hawkins和Maurer 2010；[23] [27] [44] [69] [85] [90]）也指出，生计资产、制度支持和外部条件是生计恢复的主要驱动力。因此，恢复是一个多维度的过程，涉及不同的资本资产。
恢复研究确定了两个指导恢复的关键框架：韧性框架和脆弱性框架，但前者忽略了更深层次的结构性问题、权力动态的不平衡以及长期恢复的复杂性；后者则往往忽视了个体能动性和生计过程。韧性框架主要包含三个维度：吸收能力、适应能力和转型能力。吸收能力是指政府、社会或产业单位吸收或减轻冲击负面影响的能力[52]；适应能力是指系统通过教育和创新来学习、重组和转向其他生计策略的能力[66]；转型能力是指通过改变治理框架、法律和规则以及社会文化规范来减少脆弱性的能力[49]。
本研究采用了经典的可持续生计方法（SLA）来确定家庭层面的灾害恢复驱动因素（见图1）。通过关注重建五种资本资产，SLA直接捕捉了灾后生计恢复动态[80]。它提供了一个以人为中心的框架，帮助相关利益相关者根据家庭的韧性有效分配资源。

**下载：**
下载高分辨率图像（136KB）
下载全尺寸图像

**图1. 基于可持续生计方法的研究框架**
该框架将四种资本资产、风险预防措施和应对措施与灾害恢复结果联系起来。箭头表示各组成部分之间的关系方向，蓝色实线箭头表示通往灾害恢复（住房和收入）的路径，红色虚线箭头表示政策和机构的影响，绿色虚线箭头表示飓风对家庭资产和灾后应对措施的影响。

**作者说明：**
（关于图例中颜色的解释，请参阅本文的网络版本。）
经典SLA强调了资产、生计策略和制度结构在分析贫困和福祉方面的相互作用，但未能捕捉灾难引起的突发冲击，缺乏评估恢复的指标，也未将制度结构视为影响恢复的主动因素。因此，本研究扩展了SLA，以更好地适应恢复情境，并在以下几个方面进行了改进：首先，扩展后的SLA将重点从增强脆弱人群的生计和资产建设转向灾后恢复动态；其次，这种方法不将灾害冲击视为脆弱性的内在组成部分，而是将其视为影响资本资产和恢复路径的因素；第三，扩展后的SLA将政策和机构视为灾后恢复过程中的促进因素，与“压力与释放”（PAR）模型（Wisner等人，2014年）保持一致。最后，扩展后的SLA还整合了韧性框架，包括：
(i) 资本资产与恢复结果之间的动态关系；
(ii) 预先风险预防措施和应对措施的影响；
(iii) 政策和机构结构对资本资产的作用，从而增强吸收能力、适应能力和转型能力。

**图1显示，“安潘”飓风严重破坏了关键资本资产，这些资产成为了制定灾害恢复策略的起点。灾害恢复不仅取决于资本资产，还取决于政策和机构。政策决定了结构和组织的运作，例如公共部门和私营部门组织。政策在人们的生计中起着关键作用，因为它们激励人们做出更好的选择，控制资源的可获取性，并影响系统间的相互关系。然而，如果没有适当的机构来执行这些政策，政策将无法产生效果。因此，政策和机构有助于调动资产以改善灾后恢复情况，而资产状况也会影响机构的发展。该框架将住房恢复（RH）和收入恢复（RI）视为灾后恢复的代理指标，因为住房恢复反映了家庭物质环境的重建，而收入恢复则反映了家庭生计的恢复[46][72][81]。从概念上讲，SLA框架认为资本资产与恢复能力和路径之间存在双向关系，成功的恢复有助于资产重建。然而，由于调查数据的横截面性质，本研究仅关注资本资产在飓风过后恢复结果中的影响，因为飓风是一种外生冲击。本研究重点关注四种资本资产：人力资本、物质资本、经济资本和社会资本；并未将自然资本作为独立的资产驱动因素单独考虑，因为捕捉自然资本的代理指标已包含在其他类别中，例如物质资本类别中的财富指数，其中财富指数包括了农业用地、池塘和牲畜的所有权。此外，基于生态系统的风险降低措施（如维护孙德尔本红树林带）也被纳入风险降低措施类别中，这些措施是自然资本的潜在指标。该框架还强调了政策和机构作为影响资源可获取性和恢复过程的关键作用。研究同时考虑了事前的风险预防措施和事后的应对措施，这些措施也有助于资本资产的积累。该框架还包括了COVID-19大流行这一并发灾难，该灾难通过机构实施的封锁限制对恢复工作造成了挑战。尽管从概念上讲（图1），该框架讨论了吸收能力、适应能力和转化能力在韧性文献中的重要性，但本研究主要通过将生命周期脂肪（LDI）和事前的风险预防及应对措施纳入实证模型来衡量吸收能力和适应能力。然而，鉴于研究范围和数据限制，本研究未能衡量反映生计系统长期结构变化或机构转型的转化能力。

然而，如果没有适当的机构来执行这些政策，政策将无法产生效果。因此，政策和机构有助于调动资产以改善灾后恢复情况，而资产状况也会影响机构的发展。该框架将住房恢复（RH）和收入恢复（RI）视为灾后恢复的代理指标，因为住房恢复反映了家庭物质环境的重建，而收入恢复则反映了家庭生计的恢复[46][72][81]。从概念上讲，SLA框架认为资本资产与恢复能力和路径之间存在双向关系，成功的恢复有助于资产重建。然而，由于调查数据的横截面性质，本研究仅关注资本资产在飓风过后恢复结果中的影响，因为飓风是一种外生冲击。本研究重点关注四种资本资产：人力资本、物质资本、经济资本和社会资本；并未将自然资本作为独立的资产驱动因素单独考虑，因为捕捉自然资本的代理指标已包含在其他类别中，例如物质资本类别中的财富指数，其中财富指数包括了农业用地、池塘和牲畜的所有权。此外，基于生态系统的风险降低措施（如维护孙德尔本红树林带）也被纳入风险降低措施类别中。该框架还强调了政策和机构作为影响资源可获取性和恢复过程的关键作用。研究同时考虑了事前的风险预防措施和事后的应对措施，这些措施也有助于资本资产的积累。该框架还包括了COVID-19大流行这一并发灾难，该灾难通过机构实施的封锁限制对恢复工作造成了挑战。尽管从概念上讲（图1），该框架讨论了吸收能力、适应能力和转化能力在韧性文献中的重要性，但本研究主要通过将生命周期脂肪（LDI）和事前的风险预防及应对措施纳入实证模型来衡量吸收能力和适应能力。然而，鉴于研究范围和数据限制，本研究未能衡量反映生计系统长期结构变化或机构转型的转化能力。

这项研究在印度西孟加拉邦的South-24 Parganas地区进行，该地区拥有157.5公里长的海岸线。作为西孟加拉邦最大且风险最高的东海岸地区之一[47]，它覆盖了9960平方公里的面积，包括5个分区、29个社区发展（CD）区块和7个市镇。农村人口占总人口的74.4%，人口密度为819人/平方公里，性别比为956[11]。研究重点关注三个CD区块：Gosaba、Basanti和Canning-II（图2），人口统计概况见附录表A2，其中还显示了社会经济特征的差异。虽然Gosaba的识字率最高（70%）和工人比例最高（45%），但其农业劳动力比例最高（58%），以及SC/ST人口比例较高，且茅草屋比例最高（75.33%），这些因素可能导致其社会经济脆弱性较高。Basanti面积最大（404平方公里），人口也最多，茅草屋比例较高，且对气候敏感的农业生计的依赖程度也较高（48%）。相反，Canning-II的家庭工业工人比例最高（10.52%），表明其生计具有多样性，同时砖房比例也最高（17.51%）。这三个区块在结构脆弱性上的差异凸显了恢复能力和灾后恢复路径的差异。Gosaba的低海拔、海平面上升[8]、密集的河流网络[63]以及高农业脆弱性使其面临较高的飓风风险[19]。Basanti由于基础设施薄弱[7]、社会经济脆弱性（高人口密度、高依赖比例、低识字率以及不足的住房和基础设施[75]和低适应能力（缺乏飓风避难所、医疗保健不足[19][25]而极其脆弱。相比之下，Canning-II靠近城市中心，交通便利，生计机会多样，且灾害准备充分，因此社会脆弱性较低，对飓风的抵抗力较高[25][63]。

下载：下载高分辨率图像（112KB）
下载：下载全尺寸图像

图2. 印度西孟加拉邦South Twenty-Four Parganas区的研究地点地图。选择了三个受灾最严重的区块——Gosaba、Basanti和Canning-II进行展示。每个区块选取了三个代表低、中、高暴露水平的村庄。

3. 材料与方法
3.1 研究区域
本研究在印度西孟加拉邦的South-24 Parganas进行，该地区拥有157.5公里长的海岸线。作为西孟加拉邦最大且风险最高的东海岸地区之一[47]，它覆盖了9960平方公里的面积，包括5个分区、29个社区发展（CD）区块和7个市镇。农村人口占总人口的74.4%，人口密度为819人/平方公里，性别比为956[11]。研究主要关注三个CD区块：Gosaba、Basanti和Canning-II（图2），其人口统计概况见附录表A2，其中也显示了社会经济特征的差异。尽管Gosaba的识字率最高（70%）和工人比例最高（45%），但其农业劳动力比例最高（58%），SC/ST人口比例较高，以及茅草屋比例最高（75.33%），这些因素可能导致其社会经济脆弱性较高。Basanti面积最大（404平方公里），人口也最多，茅草屋比例较高，且对气候敏感的农业生计的依赖程度也较高（48%）。相反，Canning-II的家庭工业工人比例最高（10.52%），表明其生计具有多样性，同时砖房比例也最高（17.51%）。这三个区块在结构脆弱性上的差异凸显了恢复能力和灾后恢复路径的差异。Gosaba的低海拔、海平面上升[8]、密集的河流网络[63]以及高农业脆弱性使其面临较高的飓风风险[19]。Basanti由于基础设施薄弱[7]、社会经济脆弱性（高人口密度、高依赖比例、低识字率以及不足的住房和基础设施[75]和低适应能力（缺乏飓风避难所、医疗保健不足[19][25]而极其脆弱。然而，Canning-II靠近城市中心，交通便利，生计机会多样，且灾害准备充分，因此社会脆弱性较低，对飓风的抵抗力较高[25][63]。

3.2 抽样设计与主要调查
本研究采用多阶段集群随机抽样技术。首先，使用熵加权TOPSIS方法计算了该地区29个CD区块的脆弱性指数，并将其分类为最高、高、中等、低和最低脆弱性，具体分类见附录。本研究仅关注最高的三个脆弱区块——Gosaba、Canning-II和Basanti。然而，考虑到人口规模作为暴露程度的代理指标[21]，这些区块中的村庄被进一步分为低（低于第1四分位数）、中等（第1至第3四分位数之间）和高（高于第3四分位数）。本研究按照联合国灾害风险减少机构（UNDRR）的定义将人口规模作为暴露程度的代理指标，即灾害易发区域的人口或资产数量（UNDRR 2017）。选择人口规模作为代理指标的原因在于它体现了以人为中心的脆弱性评估方法，确保代理指标能够反映所需的恢复规模。此外，由于South Twenty-Four Parganas地区选定的沿海CD区块具有相似的地貌特征——三角洲区域内的平均海拔在3至9米之间，空间损害主要受风险因素的影响。然而，这一代理指标仅反映了潜在的暴露程度，并未涵盖灾害强度和空间损害的变化。为了确保每个类别内灾害影响的准确反映，研究咨询了当地非政府组织（NGO），以遴选受Amphan灾害影响最严重的村庄列表。随后，从每个类别中随机选取一个村庄进行调查，每个选定村庄的样本量根据公式（1）确定[39]：
n = Z2·p·q·(N?1)/Z2·p·q
其中，n是样本量，N是选定村庄的总户数，p=0.9表示样本比例可靠性，q=1-p；e=10%表示误差范围；Z=1.645是90%置信区间的临界值。根据2011年印度人口普查数据，共选出了223户家庭作为调查对象（附录表A3），其中Gosaba选出了75户，Canning-II选出了75户，Basanti选出了73户。研究的抽样框架基于选定村庄的行政边界。尽管Lau等人[12]提出了许多批评意见，但本研究仍采用了“随机 walk”抽样方法[6]，在框架内定期选取样本。如果在调查过程中遇到无回应的情况，则转而询问下一户符合条件的家庭。调查使用结构化问卷进行，时间范围为2023年7月至10月，采用孟加拉语收集家庭的人口统计信息、不同资本资产状况以及他们目前的灾后恢复情况。

3.3 计量经济学模型
根据Wooldridge[89]的方法，本研究采用有序逻辑回归模型来识别灾后恢复的驱动因素。该模型用于有序响应或因变量的回归，具体如下：
设Yi为第i个个体的有序因变量，包含M个类别，取值范围为（0, 1, 2, …, M），由M-1个方程组和一组协变量xi定义。有序logit模型可以从潜在变量模型推导得出，假设潜在变量y*由以下公式确定：
y* = xβ + ε
其中x是自变量向量，β是待估计的K×1回归系数向量；ε是误差项，假设服从标准逻辑分布。
设μ1< /><μm为未知阈值参数，定义如下： y=0 如果 y* ≤ μ1 y=1 如果 μ1 < y* ≤ μ2 y=M 如果 y*> μM
通过最大似然估计方法估计参数β。

如先前研究[27][44][51]所述，本研究还将住房恢复和收入恢复的主观感知视为恢复的代理指标。不过，本研究没有选择二分制的感知恢复变量（即第i个家庭是否认为已经恢复），而是将因变量划分为多个有序类别。模型将收入恢复（RI）和住房恢复（RH）视为有序因变量，其类别见表1：第（iii-iv）列。受访者被问及他们对Amphan灾害后恢复情况的当前看法，包括收入状况和住房重建情况。住房恢复通过报告的房屋修复状态来衡量——未修复、部分修复或完全修复。收入恢复则通过家庭收入的恢复情况来衡量，这反映了家庭的主要生计活动（农业、渔业、非农业活动）对总收入的影响。这种方法考虑了家庭主要收入来源的恢复情况，而不仅仅是边际收入流。

表1. 有序逻辑回归和AFT模型中使用的分类和连续因变量的描述性统计
(i) 资本资产
(ii) 形式
(iii) 频率（%）
(iv) 有序logit回归模型的分类因变量
空单元
住房恢复 = 1，如果无法重建/修复
1.40
2，如果部分重建
42.99
3，如果完全重建
55.61

收入恢复
空单元
= 1，如果低于飓风前
31.84
= 2，如果与飓风前相同
51.12
= 3，如果高于飓风前
17.04

AFT模型的因变量
变量 频率 均值 标准差 最小值 最大值
完全住房修复时间（月） 11 97.9 25 7.40 0.124
部分住房修复时间（月） 9 27.9 58.1 60.33

独立分类变量
人力资本
教育水平 = 1，如果文盲
= 2，如果小学以下
= 3，如果完成小学
= 4，如果完成初中
= 5，如果完成高中及以上
21.52 13 23.77 29.15
2 12.56

性别 = 男性
40.36
= 女性
59.64

物质资本
住房类型
a = 茅草屋
= 砖房
= 半砖房
9.87 43.95
46.19

经济资本
飓风后的政府支持
a = 货币支持
b = 非货币支持
c = 货币和非货币支持
0.90 4.04
15.70
79.37

社会资本
是否为SHGs、政党、NGO或合作社成员 = 1，否则为0
43.95
56.05

信任地方政府在困难时期提供帮助 = 0，否则为1
= 强烈反对
= 反对
= 同意
= 强烈同意
8.97
31.84
33.18
24.66

信任村里的人在困难时期提供帮助 = 1，否则为0
= 不确定
65.47
30.49
4.04

信任外面的人在困难时期提供帮助 = 1，否则为0
= 不确定
18.83
80.72
0.45

其他因素
因封锁而感到应对困难 = 1：强烈反对
= 反对
= 2：反对
= 中立
= 4：同意
= 强烈同意
= 6：无意见
8.97
3.59
7.62
47.09
24.22

暴露程度
低
= 中等
= 高
31.84
34.53
33.63

独立连续变量
资本资产
年龄 = 家庭年龄（岁）
40.34
14.71
1885

家庭规模 = 家庭成员总数
4.33
14
11

年收入（对数，单位：卢比）
= 来自农业、渔业、非农业活动（NFAs）和牲畜生产的年收入
11.39
1.18
7.75
12.56

生活多样化指数（LDI）
= 各生计来源（农业、非农业、渔业和畜牧业）的二元值简单计数
1 1.67
70.92
70

财富指数
= 农业用地、非农业用地、池塘、牲畜、自行车、冰箱、液化石油气（LPG）连接和手机连接的分类变量指数，使用多重对应分析（MCA）
0.00
0.31
2?2.76
82.03

其他因素
事前的风险预防措施 = 采取的风险降低措施总数
4.34
1.41
29

应对措施 = 采取的应对措施总数
2.07
1.10
40

a = 根据对屋顶、墙壁和地板材料的回答分类
b = 基本上价值5000卢比
c = 根据实地调查

适应措施 = 根据[60]和试点调查

MCA用于研究分类变量之间的关联，即它是名义分类数据的主成分分析（PCA）的对应方法

此外，本研究还采用了加速失效时间（AFT）模型来计算家庭完全恢复住房所需的时间。这是一种生存分析模型，用于建模事件发生前的时间，不同于其他基于风险率的生存模型（如Cox比例风险模型PH）。AFT模型用于表达生存时间对数与其他协变量之间的线性函数关系，这些协变量可能会增加或减少事件发生的时间。此外，初步的诊断检查表明违反了比例风险假设，这意味着Cox PH模型不适用于当前的数据。该模型可以表示为：
$$
\log T = X\beta + \sigma W
$$
其中，$ T $ 是生存时间；$ X $ 是协变量向量；$ \beta $ 是回归系数向量；$ \sigma $ 是尺度参数；$ W $ 是服从特定分布的随机误差项。方程式（2）和（3）中考虑的解释变量包括四种主要的资本资产——人力资本、物质资本、经济资本和社会资本；以及其他因素，以捕捉COVID-19封锁对恢复的影响（见表1的第（ii-iv）列）。方程式（3）将对数生存时间进行建模，即完全修复受损房屋所需的时间，并将截至调查时尚未修复受损房屋的观测值视为右删失数据。

在用Weibull分布、对数正态分布和对数逻辑分布拟合加速失效（AFT）模型后，并比较了它们的赤池信息准则（AIC）和贝叶斯信息准则（BIC），发现Weibull分布是最合适的模型，其AIC最低（441.15），BIC较低（467.96），对数似然值最高（-212.57）。这两个模型都考虑了社会资本预测因子，既包括纵向也包括横向的社会资本。对于“是否相信村庄外的人在困难时期会提供帮助”这一变量，“不确定/没有意见”这一选项被合并到了“不”这一类别中，以避免由于样本频率低而产生的时间比率估计值被严重高估。为了降低气候变异性的风险，研究在家庭和政府层面都采用了事前风险降低措施（见图3）以及应对策略。标准误差在村庄层面进行聚类，因为村庄内部可能面临相似的灾害影响和恢复机制。附录表A4总结了现有文献中提到的资本资产及其假设的关系。

**下载：**
- 下载高分辨率图像（242KB）
- 下载全尺寸图像

**图3.** 报告称采取了事前风险预防措施的户数百分比（蓝色条形图显示），这些措施在家庭和政府层面都得到了实施。这些措施包括软性和结构性措施，是从试点调查中选出的。

**作者汇编。**（关于图中颜色参考的解释，请参阅本文的网络版本。）

**4. 结果**
本节使用有序逻辑回归模型讨论了住房（RH）和收入（RI）恢复的驱动因素；并使用AFT模型讨论了住房恢复持续时间的驱动因素。

**4.1. 描述性统计**
表1报告了本研究中使用的有序逻辑回归模型和AFT模型中涉及的因变量和自变量的描述性统计信息。在2145个家庭中，55.61%的家庭已经完全修复了房屋；42.99%的家庭部分修复了房屋；1.40%的家庭尚未修复房屋。未报告房屋受损的家庭未被纳入模型。AFT模型显示，家庭平均需要7.925个月时间来完全修复房屋。RI是根据家庭从农业、渔业和非正规经济活动（NFA）中主要收入来源的恢复情况来评估的。51.12%的家庭恢复到灾前收入水平，32%的家庭收入减少，17%的家庭收入增加。虽然21%的受访者是文盲，但约29%的人完成了5至10年级的教育，13%的人完成了高中或更高层次的教育。样本家庭的平均年龄为40岁。46%的家庭居住在半砖房中，44%的家庭居住在砖房中。只有47.53%的家庭实现了生计多样化，平均生活多样性指数（LDI）为1.68。大约45%的家庭从事农业，20.2%的家庭从事渔业，25%的家庭从事畜牧业产品生产，78.03%的家庭从事非正规经济活动。样本家庭的年平均收入为129,995印度卢比。大约56%的家庭没有加入自助小组（SHG）、合作社或政党。只有16%的家庭接受了政府和民间提供的货币和非货币支持，而79%的家庭没有接受任何支持。这也体现在33%的受访者对地方政府缺乏信任上。虽然65%的受访者信任村庄内的合作，但只有19%的受访者信任村庄间的互助。47%的受访者同意在COVID-19封锁期间难以应对困难。

样本家庭采用了最多九种事前风险预防措施（见图3）和四种应对措施（见附录表A5）。只有31%的样本家庭受益于Indira Awas Yojana或Pradhan Mantri Gramin Awas Yojana的住房翻新计划。6.3%的家庭在Aila飓风后被政府从易受灾地区重新安置；只有6.3%的样本家庭购买了农作物保险。

**4.2. 有序逻辑回归结果**
表2显示了有序逻辑回归的边际效应（MEs）和优势比（OR），分析了与住房恢复（RH）和收入恢复（RI）相关的因素。边际效应显示了在给定分类预测因子的一个水平上，相对于参考水平，处于相应结果类别的概率变化；而对于连续预测因子的一个单位变化，在其他预测因子保持不变的情况下。鉴于数据的横截面性质，实证发现应被视为关联，而非严格的因果关系。

**表2. 用于识别与住房恢复和收入恢复相关因素的有序逻辑回归模型的边际效应和优势比（显著性：*** 1%，** 5%，* 10%）**
| 因素 | 住房恢复 | 收入恢复 |
|----------------------------------------|-------------------|-------------------|
| 家庭规模 | 0.001 | 0.008 |
| 年龄 | 0.0004 | -0.004 |
| 性别 | -0.004 | 0.046 |
| 教育水平（基础：高中及以上） | -0.001 | -0.008 |
| 文盲（0年） | -0.001 | 0.008 |
| 初中以下 | -0.008 | -0.095 |
| 高中 | 0.001 | 0.011 |
| 人力资本 | 0.001 | 0.008 |
| 家庭成员数量 | 0.001 | 0.008 |
| 年收入 | 0.0003 | -0.003 |
| 政府支持（基础：无支持） | 0.013 | **-0.251 |
| 形式支持（货币或非货币） | 0.003 | -0.037 |
| 房屋类型（基础：砖房） | 0.005 | 0.06 |
| 半砖房 | 0.008 | -0.098 |
| 财富指数 | 0.008 | -0.015 |
| 社会资本 | 0.004 | 0.04 |
| 对地方政府的信任（基础：无意见/不确定） | -0.006 | -0.191 |
| 对村庄内人员的信任 | 0.007 | -0.014 |
| 对村庄外人员的信任 | 0.007 | 0.066 |
| 事前风险降低措施 | 0.006 | **-0.064 |
| 应对措施 | 0.006 | ***-0.064 |
| 封锁影响 | 0.006 | **-0.229 |
| 同意应对困难的措施 | 0.015 | **-0.263 |
| 暴露程度 | 0.006 | ***-0.264 |

**4.3. 人力资本**
研究将家庭规模、年龄、性别和教育水平作为人力资本的代理变量。家庭规模每增加一个单位，处于较高住房恢复类别的概率降低5.8%。较大的家庭灾后收入降低1.4个百分点；尽管家庭规模增加时部分修复的概率增加了0.8个百分点，但完全修复的概率降低了0.9个百分点。年龄每增加一度，进入较高住房恢复类别的概率增加0.1%，而进入较高收入恢复类别的概率显著增加了3.2%。女性受访者更有可能报告达到较高的住房恢复水平（不显著），收入恢复水平也显著增加。文盲家庭和初中以下家庭完全修复房屋的概率较高，但收入恢复水平较低；相反，完成5至10年级教育的家庭完全修复房屋和收入恢复的概率都较高。

**4.2.2. 经济资本**
本研究使用灾后正式支持（无论是货币形式还是非货币形式）以及家庭年均收入（LDI）作为经济资本的代理指标。与没有支持相比，任何形式的支持都能显著增加完全修复房屋的概率26.4个百分点。同时接受两种形式的支持会使进入较高住房恢复类别的概率增加29.9%，但收入恢复的概率降低了33.7%。年平均收入的增加会使进入较高住房恢复类别的概率增加2.4个百分点，但收入恢复的概率仅增加了0.9个百分点。财富指数与非正式经济活动呈正相关，但与住房恢复无关。

**4.2.3. 物质资本**
研究发现财富指数是收入恢复的负预测因子（OR = 0.801），表明较高收入概率降低了2.7个百分点；然而，它与住房恢复呈正相关，但不显著。虽然这些效应都不显著，但半砖房家庭的完全修复概率降低了47.2%，而砖房家庭的完全修复概率降低了5.4%。

**4.2.4. 社会资本**
研究表明，社会资本在恢复过程中起着关键作用，特别是通过会员资格、对政府的信任以及对村庄内外人员的信任来表达的困难时期获得帮助的期望。加入自助小组、合作社等可以降低进入较高住房恢复类别的概率25.5%，完全修复的概率降低4.4个百分点。此外，对地方政府的信任可以增加进入较高住房恢复类别的概率22.8个百分点，收入恢复的概率增加31.5个百分点。强烈不同意在困难时期寻求帮助的受访者进入较高住房恢复和收入恢复类别的概率分别是平常的3.7倍和3.57倍。深红色边框表示与恢复相关的负面且显著的要素，而浅红色边框表示负面（不显著）的要素。下载：下载高分辨率图片（285KB）下载：下载全尺寸图片。图4. 在飓风Amphan和COVID-19大流行的多重灾害环境中，与住房和收入恢复相关的驱动因素或决定因素，来自有序逻辑回归模型。这些因素是资本资产和重叠灾害的代理变量，以及政策响应（如预防和应对措施）。深绿色边框表示与恢复相关的正面且显著的要素，而浅绿色边框表示正面（不显著）的要素。作者整理。（关于此图例中颜色的解释，请参阅文章的网络版本。）使用Brant检验对两个模型都进行了比例优势假设的测试，结果显示住房恢复和收入恢复的违反概率值分别为0.0058和0.0027。然后，使用自动拟合程序为两个模型估计了一个广义有序逻辑回归（gologit2）模型。对于住房恢复模型，由于样本量小和回归变量多，gologit2模型显示出一些观测值的预测概率为负，因此保留了OLR模型。然而，对于收入恢复模型，gologit2模型的结果表现出稳定性，边际效应在附表A6.4.3中报告。

加速失效时间（AFT）模型结果显示了解释变量如何加速或减缓飓风Amphan后房屋完全重建的生存时间对数。时间比率小于1表示与快速恢复相关的协变量，大于1表示恢复时间更长，其他变量保持不变。家庭规模和年龄分别将恢复时间减少了6.2%和1.4%（显著）。尽管不显著，女性完成住房修复所需的时间延长了10.4%。教育水平也显著减少了住房恢复时间，其中完成中学及以上教育的家庭恢复速度快了48.9%。表3显示了加速失效时间模型的结果。

在资本资产方面：
- **决定因素** | 时间比率
- **人力资本** | 0.938
- **家庭规模** | 0.986**
- **女性** | 1.104
- **教育水平（基准：文盲）** | 下于小学 | 0.368
- **小学** | 0.582
- **5-10年级** | 0.538
- **中学及以上** | 0.511
- **经济资本** | Ln（年收入） | 0.928
- **灾害后政府支持（基准：无支持）** | 货币或非货币支持 | 0.731
- **货币和非货币支持** | 0.981
- **物理资本** | 住房类型（基准：半普卡） | 库查房 | 0.753
- **普卡房** | 0.908
- **财富指数** | 0.928
- **社会资本** | 是（会员） | 1.001
- **对当地政府的信任（基准：无意见/不确定）** | 强烈反对 | 0.692
- **反对** | 0.955
- **同意** | 1.101
- **对村庄内人员的信任（基准：无意见/不确定）** | 强烈同意 | 0.116

在财务资本方面：
- **Pre-anti风险减少措施** | 0.888
- **应对措施** | 1.466
- **封锁影响（基准：中立）** | 强烈反对 | 0.708
- **反对** | 0.48
- **无意见** | 0.575
- **同意** | 0.728
- **强烈同意** | 0.554

**经济指标对恢复时间的影响：**
- **财富指数** | 减少了11.7%的恢复时间。
- **年收入** | 尽管年收入与恢复时间之间存在负相关，但统计上不显著。
- **灾害后正式援助** | 接受任何形式的援助（货币或非货币）的恢复时间相对较长，最少增加了1.9%。

在物理资本方面：
- **住房类型** | 库查房居民比半普卡房居民恢复速度快25%；普卡房居民恢复速度加快了9.2%。
- **财富指数** | 减少了7.2%的恢复时间。
- **社交资本** | 对当地政府的强烈信任显著加快了88.4%的恢复速度。
- **对村庄内人员的信任** | 也显著减少了40%的恢复时间。

在人类资本方面：
- **家庭规模** | 虽然与恢复没有显著正相关，但较大的家庭规模增加了对有限资源的需求，从而延迟了恢复。
- **年龄** | 较高的年龄与更快的恢复速度和更高的恢复类别相关。

在政治资本方面：
- **教育水平** | 较高教育水平的家庭由于劳动力更多和需要为所有家庭成员提供住房庇护，因此恢复速度更快。
- **性别** | 女性的恢复可能性可能更高，可能是因为她们更了解恢复过程，并能更好地评估和报告恢复水平和持续时间。

在应对措施方面：
- **封锁影响** | 对封锁造成的困境持不同看法的家庭恢复速度不同。
- **预抗风险措施** | 采用这些措施的家庭恢复速度更快。

在感知因素方面：
- **封锁带来的应对挑战** | 对封锁带来的困扰持不同看法的家庭恢复速度不同。

在AFT模型中，中度暴露的家庭恢复时间延长了25.5%，而高暴露的家庭恢复时间缩短了25.4%。

**讨论：**
本节将讨论不同的资本资产指标、对封锁造成的应对挑战的感知因素、暴露类别、风险减少措施的采用如何影响家庭处于不同恢复和收入类别的可能性，以及使用AFT模型确定完全重建的持续时间。OLR和AFT模型均没有报告多重共线性，方差膨胀因子（VIF）在附表A7.5.1中报告。

**结论：**
- **人力资本**：家庭规模与恢复没有显著正相关。
- **教育水平**：较高教育水平的家庭由于劳动力更多，能够更快地完成修复，但由于资源有限，恢复速度可能受到限制。
- **年龄**：年龄与更快的恢复速度和更高的恢复类别相关。
- **性别**：女性更有可能报告更高的恢复类别和更长的恢复持续时间。
- **社交资本**：对当地政府的信任和村庄内人员的信任显著加快了恢复速度。
- **风险减少措施**：采取这些措施的家庭恢复速度更快。
- **感知因素**：对封锁造成的困扰的看法不同，恢复速度也不同。
- **政府支持**：接受任何形式的政府支持的家庭恢复速度更快。
- **财富指数**：较高的财富指数有助于更快的恢复。

**经济资本**：灾后正式援助与更高的恢复水平正相关且显著。
- **物理资本**：住房类型和财富指数有助于更快的房屋重建。
- **社会资本**：对村庄内人员的信任和社区组织的会员资格对恢复速度有显著影响。

**政府支持**：使用倾向得分匹配（PSM）技术调整了混杂因素，结果显示政府支持与恢复之间没有显著的统计关联。AFT模型的估计表明，茅草屋（pucca housing）能够更好地反映家庭的财务状况，从而能够快速调动资源，实现更快的重建。虽然简陋的房屋（kuccha houses）最容易受到飓风破坏，但由于它们由低成本材料制成，虽然不耐用，但可以更快地修复完毕。这两种物理资本指标都通过增强家庭抵御资产冲击的能力并恢复到原有水平来体现吸收韧性。5.4 社会资本：加入妇女自助小组（SHGs）、政党及合作社与恢复程度呈负相关，尽管这种关联在统计上并不显著。成员身份通常有助于获得信贷和其他财务资源，但负相关关系反映了资源调动的延迟。与机构审批信贷相关的行政程序相对耗时，这可能导致提高住房恢复水平（RH）的可能性降低。这种现象在灾害恢复研究中常被称为“制度拖累”或惯性（Plein 2019）。同样，成员身份对收入恢复的支持有限，从而降低了达到更高收入恢复水平（RI）的可能性。AFT模型的估计还表明，那些优先考虑生计稳定的家庭在房屋修复方面需要更长的时间。对地方政府的强烈信任源自强大的社会网络，这些网络有助于灾后恢复的支持；因此，这些家庭更有可能在更短时间内实现更高的恢复水平[29][33]。相反，对地方政府的强烈不信任显著增加了达到更高住房恢复水平（RH）和收入恢复水平（RI）的可能性。一种可能的解释是，对政府的不信任促使家庭采取自力更生的恢复策略。家庭的自主应对能力取决于其人力、物力和财力，这也可能解释了不信任与收入恢复之间的正相关关系。尽管OLR模型已经控制了可观察的家庭特征（如财富和收入），但信任与恢复之间的关系可能存在未观察到的异质性或非线性。因此，信任与不信任与恢复动态之间的关联呈现出非线性模式，通过两种不同路径表现出来：依赖正式援助和自力更生的恢复努力。有趣的是，部分信任与部分修复的概率呈正相关，但与完全修复的概率呈负相关（且显著）。根据AFT模型的估计，同意接受政府合作的家庭不会完全修复房屋，因为他们期待正式支持；而那些完全修复房屋的家庭则需要更长的时间来恢复。不愿意信任和合作的家庭由于财务限制而无法进行完全修复。对政府的期望也会影响家庭的行为及其恢复收入的措施，因此与收入恢复（RI）呈显著正相关。通过村内信任来衡量的社会资本纽带与住房恢复水平和恢复时间呈正相关，这与Hawkins和Maurer（2010）以及Islam和Walkerden [33]的研究结果一致。虽然村内信任通过提供共享劳动力、物质支持和动员集体努力显著缩短了房屋完全修复的时间，但由于资源限制，它与收入恢复（RI）呈负相关。另一种可能的解释是，社会资本的纽带可能会产生“行为惯性”，限制了收入恢复所需的生计策略的采纳，正如Plein（2019）所提出的。然而，本研究没有行为变量来捕捉这些动态，因此无法进行实证验证，只能视为理论解释。相反，对信任的不确定会导致社区凝聚力减弱，从而降低房屋完全修复的概率，但增加了通过自力更生努力达到更高收入恢复水平（RI）的可能性，尽管这些效应在统计上并不显著。对村外人的信任与恢复呈负相关。在飓风等冲击事件后，由于家庭之间的资源竞争以及外部支持有限，村间信任无法转化为灾后支持（Nakagawa和Shaw [61]; Murphy [58]）。研究强调了在资源有限的情况下动员这些资源的难度。AFT模型的结果还表明，村间信任与房屋重建所需时间较长相关。5.5 同时发生的灾害、暴露程度和应对策略：其他因素风险降低措施通过减少收入和生计中断来提高家庭的韧性，从而促进其恢复，并将住房恢复时间缩短了10.4%。然而，这些措施在统计上并不显著，可能是由于采用程度有限；像建造更安全的房屋、维护红树林等措施可以减轻损害程度，但如果没有财务资源，这些措施并不能直接增加恢复努力。应对措施在飓风过后提供短期流动性或收入稳定性，尽管具有侵蚀性，因此与收入恢复（RI）呈正相关。然而，这些措施也表明了经济困境和资源限制，这限制了他们投资于房屋完全修复的能力，从而推迟了房屋完全修复的时间。采取应对措施的条件——无论是为了应对飓风冲击还是应对家庭困境——也暗示了它们的潜在内生性。虽然风险降低和应对措施通过吸收飓风的不利影响来体现吸收韧性，但它们在实现完全恢复方面的有限效果凸显了增强转型能力的不足，表明正式援助的分配不平等。COVID-19大流行带来的应对困难感知与恢复呈显著负相关。尽管这种感知性衡量并不客观反映封锁的严重程度，但它反映了应对多重灾害时所经历的挑战和限制。根据实地调查与受访者的交流，这些感知可以与其他在大流行限制期间面临的困难联系起来。流动性限制和劳动力市场中断（如失业或暂时待在家里无工作）阻碍了收入恢复的努力，特别是对于非正规工人来说。收入减少、购买日常必需品的困难以及借款以维持消费降低了达到更高收入恢复水平（RI）的可能性。供应链中断也延迟了住房恢复的工作。尽管封锁没有影响配给卡持有者获得粮食的能力，但它限制了应对飓风的能力。同意或强烈同意这种困境的家庭报告说，他们达到更高住房恢复水平（RH）的可能性较低。然而，在房屋完全修复的条件下，由于自力更生的恢复努力，在有限的制度支持或正式援助下，他们所需时间较短。尽管家庭强烈反对这种困境，但由于财务限制，他们不太可能处于更高的住房恢复水平（RH）。暴露程度也与住房恢复（RH）和收入恢复（RI）表现出有趣的模式（尽管不显著）。高暴露程度与住房恢复（RH）的边际效应较高相关，而中度暴露程度与此相反。高暴露区域受益于更好的基础设施、更完善的灾害准备和更牢固的社区纽带，这增加了达到更高住房恢复水平（RH）和更快完成修复的可能性。然而，这些区域通常面临更大的总损失和灾后对有限经济资源的更大竞争，导致达到更高收入恢复水平（RI）的可能性降低。Yabe等人（2020）的研究也证实了高暴露与改进恢复之间的这种模式。相反，中度暴露程度与收入恢复（RI）呈负相关，这是由于多样化的生计、相对较少的资源竞争和强大的非正式支持网络。由于中度暴露家庭的主要优先事项是收入恢复，他们完成修复所需时间较长。这种暴露-恢复悖论中，高暴露程度与达到更高住房恢复水平（RH）的可能性呈正相关，但与达到更高收入恢复水平（RI）的可能性呈负相关，这一点也通过卡方Kruskal-Wallis检验的两种模型的非参数比较得到了证实。测试结果与OLR模型一致，差异处于临界显著性范围内，表明收入恢复与高暴露程度之间存在负相关。尽管不同暴露组之间的差异不显著，但非参数测试的结果也显示，相对于低暴露程度，高暴露和中度暴露的家庭更有可能实现住房完全恢复，这与OLR模型一致。6. 比较OLR模型与AFT模型结果：住房恢复模型本节试图比较OLR模型和AFT模型的结果，前者估计家庭实现完全住房恢复的概率，后者估计完成住房修复所需的时间。虽然许多变量（如年龄、收入、灾后正式支持、住房类型、财富指数、成员身份、对地方政府的强烈信任和不信任、村间和村内信任、风险预防措施及应对措施）在AFT模型和OLR模型中表现出相似的模式。换句话说，这些变量与达到更高住房恢复水平（RH）的概率更高（更低）相关，同时完成恢复所需的时间更短（更长）。结果表明，财务能力更强、社会网络更发达、外部援助更多以及有制度信任的家庭更有可能在更短时间内完成住房修复。另一方面，其他变量在两个模型中表现出不同的模式，具体如下：家庭规模的增加增加了对有限资源的需求，这与完全修复的可能性呈负相关。然而，在房屋完全修复的条件下，较大的家庭规模由于劳动力更充足和亟需住房庇护而减少了时间。女性更多地参与日常家务，并且更了解恢复过程；因此她们能够更好地评估和报告恢复水平和时间。这可以解释为什么女性更有可能报告更高的恢复水平，以及更长的恢复时间。具有多样化生计的家庭由于优先考虑收入恢复，与完全修复房屋的概率呈负相关，但那些成功完成房屋修复的家庭由于财务能力更强和来自多样化生计的多种收入来源而恢复得更快。对村内信任和合作缺乏信心的家庭不太可能完成房屋修复，但那些完成修复的家庭通过自力更生的恢复努力在更短时间内完成修复。此外，同意或强烈同意因COVID-19封锁而面临挑战的家庭完成房屋修复的概率较低。然而，在房屋完全修复的条件下，由于自力更生的恢复努力，在有限的制度支持或正式援助下，他们所需时间较短。尽管家庭强烈反对这种困境，但由于财务限制，他们不太可能处于更高的住房恢复水平（RH）。暴露程度也与住房恢复（RH）和收入恢复（RI）表现出有趣的模式（尽管不显著）。高暴露程度与住房恢复（RH）的边际效应较高相关，而中度暴露程度则相反。高暴露区域受益于更好的基础设施、更完善的灾害准备和更牢固的社区纽带，这增加了达到更高住房恢复水平（RH）和更快完成修复的可能性。然而，这些区域往往面临更大的总损失和灾后对有限经济资源的更大竞争，导致达到更高收入恢复水平（RI）的可能性降低。这些高暴露与改善恢复之间的模式在Yabe等人的研究中得到了证实（2020）。相反，中度暴露程度与收入恢复（RI）呈负相关，这是由于多样化生计、相对较少的资源竞争和强大的非正式支持网络。由于中度暴露家庭的主要优先事项是收入恢复，他们完成修复所需时间较长。这种暴露-恢复悖论中，高暴露程度与达到更高住房恢复水平（RH）的可能性呈正相关，但与达到更高收入恢复水平（RI）的可能性呈负相关，这也通过两种模型的非参数比较得到证实。测试的结果与OLR模型一致，尽管差异不显著，但非参数测试的结果也表明，相对于低暴露程度，高暴露和中度暴露的家庭更有可能实现住房完全恢复，这与OLR模型一致。6. 比较OLR模型与AFT模型结果：住房恢复模型本节尝试比较OLR模型和AFT模型的结果，前者估计家庭实现完全住房恢复的概率，后者估计完成住房修复所需的时间。虽然年龄、收入、灾后正式支持、住房类型、财富指数、成员身份、对地方政府的强烈信任和不信任、村间和村内信任、风险预防措施及应对措施等许多变量在AFT模型和OLR模型中表现出相似的模式。换句话说，这些变量与达到更高住房恢复水平（RH）的概率更高（更低）相关，同时完成恢复所需的时间更短（更长）。结果表明，财务能力更强、社会网络更发达、外部援助更多以及有制度信任的家庭更有可能在更短时间内完成住房修复。相反，其他变量在两个模型中表现出对比模式，具体如下：家庭规模的增加增加了对有限资源的需求，这与完全修复的可能性呈负相关。然而，在房屋完全修复的条件下，较大的家庭规模由于劳动力更充足和迫切需要住房庇护而减少了时间。女性更多地参与日常家务，并且更了解恢复过程；因此她们能够更好地评估和报告恢复水平和时间。这可以解释为什么女性更有可能报告更高的恢复水平以及更长的恢复时间。具有多样化生计的家庭由于优先考虑收入恢复，与完全修复房屋的概率呈负相关，但那些成功完成房屋修复的家庭由于财务能力更强和来自多样化生计的多种收入来源而恢复得更快。对村内信任和合作缺乏信心的家庭不太可能完成房屋修复，但那些完成修复的家庭通过自力更生的恢复努力在更短时间内完成修复。此外，同意或强烈同意因COVID-19封锁而面临的挑战的家庭完成房屋修复的概率较低。然而，在房屋完全修复的条件下，由于自力更生的恢复努力，在有限的制度支持或正式援助下，他们所需时间较短。尽管相对于低暴露区域，中度暴露的家庭受益于相对更好的基础设施、更完善的灾害准备和更牢固的社区纽带，这增加了达到更高住房恢复水平（RH）的可能性，但由于主要优先考虑收入恢复，他们完成修复所需时间较长。如前所述，“教育”和“住房类型”变量的参考类别在两个模型中并不一致。OLR模型试图突出受教育程度较低家庭相对于受教育程度最高家庭的恢复动态，而AFT模型试图捕捉受教育程度较高家庭相对于文盲群体的恢复时间。同样，对于住房类型，AFT模型的结果显示，尽管简陋房屋（kuccha housing）的居住者完成房屋修复的可能性较低，但如果他们成功修复了房屋，由于使用低成本材料，所需时间较短。AFT模型改变了住房类型的参考类别，以了解茅草屋（pucca houses）相对于半茅草屋（semi-pucca houses）的恢复时间。总体而言，这些发现强调了灾后恢复动态的多维性。OLR模型和AFT模型结果之间的差异清楚地表明，促进住房恢复的资本资产不一定有助于减少恢复时间。因此，理解这两种模型为理解恢复过程提供了全面的框架。7. 敏感性分析本研究还进行了敏感性分析，以检查社会资本变量的潜在内生性。加入妇女自助小组（SHGs）、合作社和政党、建立和增强社会资本变量可能与经济结果具有内生性。较富裕的家庭或收入较高的家庭，或者人力资本较高的家庭更有可能参与社会网络。因此，为了评估当前研究结果的稳健性，研究人员重新估计了模型，这次没有包括社会资本变量以检验它们的内生性，相关结果展示在附录表A8中。重新估计的模型结果表明，住房与收入恢复以及其他协变量之间的关联保持不变。尽管某些预测因子（如暴露程度较高类别和教育水平低于小学教育类别）的边际效应系数的符号发生了变化，但这些变化在统计上并不显著；性别协变量的显著性水平仅略有变化。然而，对于收入恢复模型而言，总体结论仍然没有改变。对于住房恢复模型，年龄和政府支持（无论是哪种形式）等协变量不再具有统计显著性；性别和教育水平（文盲类别）的比值比降低（小于1），在统计上也并不显著。因此，即使排除了社会资本变量，住房恢复模型的总体结论也相似，这进一步增强了模型的稳健性。

鉴于有两个独立变量以及在两个住房与收入恢复模型中使用了大量的解释变量，同时进行的假设检验数量很多，这增加了获得假阳性的概率，即在10%的显著性水平下出现多个临界显著的系数。为了解决这个问题，本研究应用了Benjamini Hochberg假发现率（FDR）校正作为敏感性分析的一部分。调整后的p值表明，虽然在10%显著性水平下一些边际系数在FDR校正后失去了统计显著性，但一些关键发现仍然具有稳健性。对于住房恢复模型，灾后获得任何形式的政府支持以及村庄内部的帮助和合作与较低的未修复或部分修复概率显著相关，而与完全修复的概率较高相关。对当地政府的不信任显著降低了部分修复的概率，同时增加了完全修复的概率；而对政府的部分信任则显著降低了部分修复的概率。应对措施显著增加了未修复的概率。此外，对于封锁带来的应对难度，同意或强烈不同意这种难度的情况显著增加了部分修复的概率，但降低了完全修复的概率。然而，对于收入恢复模型，对当地政府的部分或强烈信任显著降低了灾后收入降低的概率，并增加了实现更高收入或保持不变的概率。另外，对于封锁难度的看法（同意、强烈同意或强烈不同意），以及对是否获得村庄内部帮助的不确定性，都与灾后收入减少的概率显著相关。

8. 结论

本研究通过关注2020年5月西孟加拉邦受影响最严重的地区之一South-24 Parganas的SuCS Amphan灾后重建情况，为灾难后生计恢复的现有文献做出了贡献。它使用扩展的SLA框架（Service Level Agreement）来确定South-24 Parganas地区住房与收入恢复的关键驱动因素，同时考虑了同时发生的灾害（如COVID-19大流行）对恢复工作的挑战。除了关注不同收入和住房恢复类别的可能性外，该研究还利用这一扩展的SLA框架来理解住房恢复的动态过程，即决定住房恢复持续时间的关键因素。

研究的主要发现表明，55.61%（95%置信区间：48.91% – 62.1%）的受访家庭已经完全修复或重建了房屋，42.99%（95%置信区间：36.54% - 49.7%）的家庭进行了部分重建。在收入方面，只有51.12%（95%置信区间：44.59% - 57.61%）的家庭恢复了灾前水平，31.84%（95%置信区间：26.08% - 38.22%）的家庭收入低于灾前水平，仅有17.04%（95%置信区间：12.67% - 22.52%）的家庭收入高于灾前水平。

在人力资本指标方面，教育水平较低的家庭更有可能通过人工努力和依赖强大的社交网络实现住房的完全恢复，但他们不太可能将收入恢复到灾前水平以上。家庭成员人数较多会增加对有限资源的需求，从而降低进入更高收入和住房恢复类别的概率；但同时会延长住房完全修复的时间。经济资本指标（通过收入来衡量）与进入更高收入和住房恢复类别的概率呈正相关。灾后正式的支持有助于克服住房修复中的流动性限制，因此与住房恢复的速度和程度呈正相关。然而，它与收入恢复呈负相关，这表明家庭存在内在脆弱性，并且在援助分配方面存在效率问题。尽管不明显，但生计多样化与住房完全修复呈负相关，但与收入恢复呈正相关。半棚户区居民更不可能达到更高的住房恢复类别；财富指数与收入恢复呈负相关。

社会资本指标（如参加SHGs和合作社）由于信贷、贷款或其他住房重建所需资源的调动延迟，降低了进入更高住房恢复类别的可能性，并增加了住房完全修复的时间。这些指标也与收入恢复呈负相关，因为社交网络可能无法帮助恢复创收生计。具有紧密社交关系的家庭在更短时间内进入更高住房恢复类别的概率增加；而社交关系的松弛则可能降低这种概率。此外，对封锁带来的应对难度的看法（同意、强烈同意或强烈不同意）显著增加了部分修复的概率，但降低了完全修复的概率。然而，对当地政府的部分或强烈信任显著降低了灾后收入降低的概率，并增加了实现更高收入或保持不变的概率。同时，对封锁难度的看法以及不确定是否能获得村庄内部帮助的家庭，也与灾后收入降低的概率显著相关。

8. 结论

本研究通过关注2020年5月South-24 Parganas地区的SuCS Amphan灾害后重建情况，为灾难后生计恢复的现有研究做出了贡献。它利用扩展的SLA框架（Service Level Agreement）识别了该地区住房与收入恢复的关键驱动因素，同时考虑了同时发生的灾害（如COVID-19大流行）对恢复工作的影响。除了关注不同收入和住房恢复类别的可能性外，该研究还利用这一框架来理解住房恢复的动态过程。研究发现，55.61%（95%置信区间：48.91% – 62.1%）的受访家庭完全修复或重建了房屋，42.99%的家庭进行了部分重建。在收入方面，只有51.12%的家庭恢复到灾前水平，31.84%的家庭收入低于灾前水平，17.04%的家庭收入高于灾前水平。

在人力资本指标中，教育水平较低的家庭更有可能通过人工努力和依赖强大的社交网络实现住房的完全恢复，但他们不太可能将收入恢复到灾前水平以上。家庭成员较多会增加对有限资源的需求，从而降低进入更高收入和住房恢复类别的概率；但同时会延长住房完全修复的时间。经济资本指标（通过收入来衡量）与进入更高收入和住房恢复类别的概率呈正相关。灾后正式的支持有助于克服住房修复中的流动性限制，因此与住房恢复的速度和程度呈正相关。然而，它与收入恢复呈负相关，这表明家庭存在内在脆弱性，并且援助分配存在效率问题。尽管不明显，但生计多样化与住房完全修复呈负相关，但与收入恢复呈正相关。半棚户区居民更不可能达到更高的住房恢复类别；财富指数与收入恢复呈负相关。

社会资本指标（如参加SHGs和合作社）由于信贷、贷款或其他住房重建所需资源的调动延迟，降低了进入更高住房恢复类别的可能性，并增加了住房完全修复的时间。这些指标也与收入恢复呈负相关，因为社交网络可能无法帮助恢复创收生计。紧密的社交关系能够在更短时间内提高进入更高住房恢复类别的概率；但社交关系的松弛可能降低这种概率，可能是由于行为惯性。由于村庄之间的资源获取冲突，社交关系的桥梁作用与住房恢复（速度和程度）和收入恢复呈负相关。有趣的是，通过信任政府来体现的社交关系在恢复动态中表现出非线性模式，并通过两种途径（依赖正式援助和自力更生的恢复努力）与恢复动态呈正相关。

预先的风险预防措施具有积极作用，但与恢复程度的关联不显著。尽管这些措施可以减轻损害的严重程度，但由于缺乏资金资源和采用率低，其在恢复中的效果有限。应对措施显著降低了进入更高住房恢复类别的可能性，并延长了重建时间，但增加了收入水平保持不变或高于灾前水平的概率，仅提供短期流动性或安全性以稳定收入水平。此外，多重灾害（Amphan和COVID-19）的叠加效应对恢复有负面影响，由于移动限制、劳动力市场中断和供应链中断。

研究结果对SLA框架的适用性提供了以下见解：(i) 扩展的SLA框架是一个动态过程，其中社会资本、经济资本和人力资本的背景影响恢复结果和持续时间，与静态的经典框架不同；(ii) 扩展框架考虑了风险预防和应对措施在影响住房与收入恢复中的不同作用；(iii) 社会资本在恢复中的作用不仅有助于促进恢复，也可能由于制度障碍、行为惯性和协调挑战而延缓恢复；(iv) 扩展的SLA方法是一种零和博弈，突出了实现住房与收入恢复所需的有限物理资本和金融资本之间的权衡；(v) 通过纳入COVID-19大流行的感知测量，该框架在多灾害环境中分析了恢复动态。

本研究在韧性框架内的发现表明，SLA方法嵌入了吸收性和适应性韧性作为重叠过程。恢复通过依赖社交网络、正式援助和采取风险预防和应对措施来影响脆弱家庭的吸收能力。然而，吸收能力不仅取决于财富和收入，还取决于资源的调动。适应性韧性通过教育和生计多样化策略得到提高，但这通常会在住房与收入恢复之间产生权衡。然而，由于正式援助的不足和平等获取问题以及同时发生的灾害的叠加效应，转型韧性受到限制。

尽管本研究的实证发现具有特定背景，但这些发现具有普遍性，可以应用于其他具有类似社会经济脆弱性和非正式生计的沿海家庭，这些家庭也面临同时发生的灾害。教育、年龄、收入、生计多样化、水平和垂直社交资本以及在多灾害环境下的灾后正式援助的获取对家庭层面恢复轨迹的塑造起到了关键作用，这些内容在扩展的SLA方法中得到了体现，并可推广到其他类似的灾害易发沿海地区。

9. 局限性

本研究提供了关于印度东部沿海地区灾害恢复驱动因素的实证见解。尽管脆弱沿海社区采取了多种风险缓解策略，但仍存在一些方法论上的局限性。首先，调查时间（即家庭调查与主要研究事件（SuCS Amphan）之间的时间间隔）可能导致回顾性偏差。尽管本研究通过灾前和灾后的收入水平感知来衡量收入恢复，而不是回忆绝对收入水平，但回应可能会受到对收入水平主观感知的锚定偏差的影响。此外，家庭报告的住房恢复完成时间可能会受到修复时间线压缩的影响，从而产生回忆偏差。尽管Amphan后的住房重建是一个突出的事件，误差可能性较小，但这些误差可能会降低估计的精度，但不会导致估计方向的系统性偏差。未来的研究可以通过基于敏感性的分析来检验结果在测量误差存在情况下的稳健性。

其次，本研究采用了对COVID-19大流行的感知测量来考虑同时发生的灾害对恢复动态的影响。这种测量基于主观体验，并不能客观衡量大流行的强度。它不是对同时发生的灾害的“独立”测量，而是反映了伴随大流行的总体负担，如收入减少、失业或临时解雇以及心理困扰，这些因素并未包含在实证模型中。此外，这种测量可能导致受访者产生感知偏差。报告因封锁而应对困难的家庭可能本身就比较脆弱，大流行困难与较低恢复可能性之间的正相关可能未能捕捉到封锁限制的影响。因此，未来的研究必须考虑大流行暴露指标以及封锁前后的情况，以了解同时发生的灾害与恢复结果之间的关联。

第三，未来的研究可以采用更稳健的测量方法，如Simpson多样性指数或Herfindahl–Hirschman指数来构建LDI（Likelihood of Diversity Index）。第四，应对和风险最小化策略的有效性可以通过定性或加权指标来更好地评估，而不仅仅是简单计数，这样可以掩盖效果和强度的差异。第五，尽管在OLR（Ordinal Logistic Regression）和AFT（After-Factor Tipping Point）模型中都将性别作为协变量纳入，但恢复的性别方面仍研究不足。未来的研究必须包括女性在日常劳动、农业和非农业活动中的参与情况，以及女性作为家庭主人的决策作用。第六，该研究考虑了人力资本、物质资本和社会资本，但没有明确将自然资本作为独立的资产驱动因素，因为捕捉它的代理指标包含在其他类别中。第七，经济计量模型的规定，特别是住房恢复的OLR模型需要注意，尽管估计了广义有序逻辑模型以解决比例几率假设的违反问题，但由于参数过度设定和样本量有限，某些系数出现了负预测概率，使得模型不稳定。因此为了稳健性，保留了OLR模型，但也承认了这一局限性。最后，研究在村级考虑了标准误差的聚类，聚类数量相对较少，限制了统计推断的稳健性。

10. 政策建议与未来研究方向

研究结果提出了一些政策干预措施。首先，政府支持与住房恢复呈正相关，但关于排斥、延迟和援助分配不均等的报告损害了人们对政府的信任。因此，本研究建议采用透明和公平的分配机制，以确保目标受益人能够获得援助，并加强社交关系。此外，建议在受影响地区进行全面和无偏的家庭层面损害评估。此外，通过促进资源的公平获取，可以解决村庄间的冲突并增强社会资本的联系。其次，村庄内部信任与恢复之间的关联表明需要开展基于社区的项目和有针对性的干预措施来加强社会资本。由社区主导的倡议，如植树、村庄生态系统保护和共享的本地治理项目，可以通过诸如“Rashtriya Gram Swaraj Abhiyan (RGSA)”等项目来促进地方自治和经济发展。像“Atal Bhujal Yojana”这样的倡议可以通过基于社区的水资源保护活动来建立社会资本，而“Pradhan Mantri Adarsh Gram Yojana”则可以在村庄层面促进技能发展并加强社会资本的联系。第三，成员身份与恢复之间的负面关联表明需要解决自 ??(SHGs)在贷款审批方面的程序延误问题，并通过“Deendayal Antyodaya Yojana-National Rural Livelihoods Mission (DAY-NRLM)”等倡议的支持，推动自 ??和其他非政府组织(Sabuj Sangha)参与技能提升和外部市场机会的利用。最后，正式支持与收入恢复可能性降低之间的关联表明，公共支持不足且不可靠，需要通过参数化飓风微型保险等金融工具来补充。尽管我们的研究中的实证模型并未直接探讨这一点，但在灾害风险融资文献中强烈推荐使用保险产品，因为这可以增强低收入沿海社区的经济韧性。

**作者贡献声明**
Devdyuti Bose：撰写 – 审稿与编辑、撰写 – 原稿、可视化、软件使用、方法论、数据分析、概念化。
Trupti Mishra：撰写 – 审稿与编辑、数据验证、监督、项目管理、资金筹集、概念化。
Subhankar Karmakar：撰写 – 审稿与编辑、数据验证、监督、项目管理、资金筹集。

**伦理声明**
本研究已获得印度理工学院孟买分校机构审查委员会的批准。

**声明与声明**
作者声明没有与本文内容相关的利益冲突。

**资金声明**
本研究由印度政府科技部在SPLICE – 气候变化计划（项目编号：DST/CCP/CoE/140/2018）的资助下进行。

**未引用参考文献**
[2], [9], [13], [20], [22], [30], [36], [37], [48], [50], [56], [67], [74], [79], [83], [84], [87], [91]