氣象要素對中國經濟行業產值產出的影響

◎ 肖 芳 于 丹 呂麗莉

提 要:在國民經濟發展中，社會生產越來越多的環節受到氣象條件的影響和制約。研究表明，氣象條件變化對我國8個行業的經濟產出具有顯著敏感性影響。在控制資本和勞動力影響因素不變的條件下，2008-2017年氣象因素對我國經濟產出變化的影響為4.44%。不同行業的經濟產出對氣象因素敏感性從大到小依次是：農業（7.40%）、房地產業（6.80%）、交通業（6.79%）、批發零售業（5.89%）、工業（5.30%）、金融業（5.15%）、建筑業（4.47%）、住宿餐飲業（3.09%）。

一、開展氣象要素對經濟行業產值影響研究的意義

氣象條件對國民經濟各行業的影響愈發凸顯。氣象關乎生命安全、生產發展、生活富裕、生態良好。在國民經濟發展中，社會生產越來越多的環節受到氣象條件的影響和制約。特別是當前，氣象災害的多樣性、突發性、極端性、不可預見性日益突出，如何科學、合理地評估國民經濟產出對氣象因素的敏感性，是提高氣象服務能力，提升氣象服務針對性與服務經濟社會效益的基礎。

經濟行業產值對氣象的敏感性評估已成為氣象服務效益評估中的一項重要工作。目前關于氣象對經濟產出的影響這一問題并沒有權威、科學的研究結論作為對外展示氣象工作的科學支撐，影響外部門科學理解、合理評估氣象貢獻。縱觀國內相關研究，中國氣象局分別于1983年、1994年、2006年組織了三次全國范圍的氣象服務效益評估研究，許多專家學者也開展了很多相關研究，但以往的研究主要集中于投入產出比，雖然它也是氣象服務效益評估的重要內容，但科學全面評估氣象部門的經濟貢獻，需要大規模的組織領導才能完成，所以本研究聚焦于經濟產值對氣象因素的敏感性評估，來反映氣象條件對國民經濟的影響。

開展經濟行業產值對氣象要素敏感性研究也是用自然科學研究方法（計量經濟學）開展政策研究的探索嘗試。當前關于氣象條件變化對經濟產出的敏感性影響研究可大致分為四大類：（1）特定經濟行業對氣象要素的敏感性分析，主要側重于評估氣象要素對農業產出的影響；（2）較長時間尺度的氣候變化對經濟增長的影響；（3）采用定性或半定性方法評估經濟行業對氣象要素的敏感性分析；（4）定量分析經濟行業對氣象要素的敏感性。其中采用定量方法評估我國經濟行業產值對氣象要素敏感性評估的研究相對較少，且研究時段主要集中在2010年之前。本研究嘗試用計量經濟學的方法彌補近十年來該領域的定量研究空白。

二、國內外研究現狀及發展趨勢

（一）國際研究與實踐

美國學者Dutton在2002年發表的一篇文章中對美國各行業GDP產值受到天氣和氣候制約的情況進行了估算，結果顯示，美國三分之一左右的GDP屬于天氣氣候敏感領域，年產值達到3萬億美元。這一研究結果被美國政府和學術界廣泛接受。

2004年，在Dutton工作的基礎上，NCAR和Stratus咨詢公司共同開展了規模較大的“美國不同經濟行業對天氣敏感性評估項目”（OUSSSA-Overall U.S.Sector Sensitivity Assessment），應用柯布-道格拉斯生產函數法（C-D生產函數），將氣象因子作為生產要素加入其中，作出了相應的敏感性評估。2004年4月發布的《NOAA經濟統計》第三版認為：美國受天氣和氣候直接或間接影響的產業，從金融、保險和不動產到服務、零售和批發貿易，占國家GDP的三分之一。直接受天氣影響的產業，如農業、建筑、能源傳輸和室外娛樂業，占國家GDP接近10%。

Larsen（2006）用傳統的資金、勞動力和能源消耗投入以及溫度和降水的觀測值來估計美國經濟對于天氣變化的敏感性, 通過Monte-Carlo擬合表明，美國西部和西南地區比其他地區對天氣更為敏感, 其中制造加工業對天氣 （例如低溫天氣）的敏感性尤其顯著。

2008年，學者在搜集美國各地70年氣象記錄以及主要經濟部門近24年的數據的基礎上開展了天氣敏感性分析，研究結論說明，常規的天氣變化對美國國民生產總值的影響高達3.4%。就具體行業來看，常規天氣變化每年對礦業經濟有14%的影響，對農業的影響為12%；其他敏感行業包括制造業（8%），金融保險 （8%）和公用事業（7%）。相比之下，批發業（2%）、零售業（2%）和服務業（3%）被認為是最不敏感。Laoz等用加入氣象因子的計量經濟模型，對美國48個州11個行業的天氣變化敏感性進行了估算。

（二）我國相關研究與實踐

氣象要素對行業經濟產出的影響研究是難度較大的工作，我國學者對此做了大量的研究與實證分析。丑潔明等在C-D生產函數法中添加氣候變化因子，建立一個新的“經濟-氣候模型”（簡稱C-D-C模型），用來評價全球氣候變化對糧食產量的影響。戴洋等（2008）應用C-D生產函數法將氣象因子作為一個生產要素加入其中，衡量氣候條件對國民經濟生產的影響，并利用新建的氣候-經濟敏感性模型對全國各省市氣象-經濟敏感性進行了評估，結果表明，華東地區國民經濟發展對氣象條件的敏感性相對較高。周京平等采用文獻信息統計法重點評估了農林牧漁業的天氣氣候敏感程度。孫寧等基于規范的協整理論，定量分析了氣溫變化對南京市主要行業的長期以及短期影響。2006年全國氣象服務效益評估中，以氣象敏感度和氣象效用大小為標準，應用專家評估法對氣象敏感行業進行了評定并排序（如表1所示）。羅慧等（2010）基于C-D生產函數法，綜合分析了我國31個省份22年（1984-2006年）間的行業和氣象數據，采用隨機效應模型對時間序列截面數據進行了分析，結果表明，氣象條件變化與行業經濟產出之間存在密切聯系，在控制資本投資和勞動力兩個因素不變的情況下，中國經濟產出對氣象條件變化敏感度為12.36%。孫鑒鋒等（2017）通過改進C-D生產函數，得到了北京市各行業對氣象條件的敏感性排名，其中建筑業（0.4995%）、批發零售業（0.4176%）和金融業（0.2933%）對氣象條件變化表現出高敏感性，而農業（0.2537%）對氣象條件變化的敏感性最低。

表1 氣象敏感行業排序表（2006年）

區域行業經濟發展的氣象敏感性也是研究重點之一。楊松等（2011）針對江蘇省1980-2008年的行業經濟數據與氣象數據，運用灰色理論對生產函數在數據處理等方面加以改進，分析了它們之間的關系。芮玨等（2011）分析了江蘇省行業經濟產出受氣象因素影響的大小，得到了各行業的敏感性排名，依次為建筑業、農業、批發和零售貿易餐飲業、房地產業、工業。孫鑒鋒等（2017）通過改進C-D生產函數計量經濟模型，采用嶺回歸模型對北京市的行業經濟-氣象系統要素進行分析，得到了北京市各行業對氣象條件的敏感性排名，其中建筑業、批發零售業和金融業對氣象條件變化表現出高敏感性，而農業對氣象條件變化的敏感性最低。許霜等（2014）引入超越對數生產函數，對1987-2010年相關數據進行動態分析，研究華北地區能源行業產出對氣象條件變化的歷年敏感性影響。

從研究方法上看，目前國內外對于行業氣象敏感性評估的方法主要分為兩類：一種是專家評估法：采用專家打分制，采集各省份高氣象敏感行業排序樣本，用加權平均的方法對每個行業的得分進行統計，得分越高的行業對氣象敏感程度越高，最后得到全國范圍內行業氣象敏感度排行。另一種是柯布-道格拉斯生產函數法，此模型的結果相比專家評估法或其他主觀判斷方法更具科學性、客觀性和延伸性。

從研究內容上來看，已有研究在分析我國氣象條件變化對經濟產出是否存在顯著的敏感性影響方面, 主要側重于氣候變化對農業產出的影響上,在定量測度這種影響力究竟有多大,以及不同行業產出對氣象條件變化的敏感性分析上還相對薄弱。因此，如何更科學地選取代表性氣象要素，收集更長時間序列的樣本和更豐富的經濟數據建立合理模型，更加精確地定量化進行行業氣象敏感性評價，是未來的研究趨勢。

正是基于這一研究趨勢，并考慮到不同省域、不同行業受不同氣象條件變化的影響程度和變化方向不相一致的特點, 本研究擬在傳統計量經濟研究方法的基礎上，試圖改進生產函數計量經濟模型，引入更多有影響性的氣象因子，梳理更長時間序列的最新數據，對我國經濟行業產值的氣象敏感性進行評估分析。

三、研究方法與數據

本研究在文獻調研的基礎上，采用通用的計量經濟統計方法研究氣象要素對經濟行業產值的影響。

（一）研究模型和計算方法

1.改進柯布-道格拉斯生產函數（C-D生產函數）

C-D生產函數是一種多因素分析法，多用于生產過程中要素投入對產出貢獻大小的經濟分析。經典的C-D生產函數形式為Q=ALαK1-α，其中Q代表產量，L代表勞動投入量，K代表資本投入量，A是常數，α是勞動力產出的彈性系數。在開展氣象因素變化產生的經濟影響分析時，通過增加氣象變量（W）對函數加以改進。改進后的函數為：

公式（1）中βL、βK、βW為常數，分別表示勞動投入量L、資本投入量K和氣象因素W對經濟產出Q相應于解釋變量變化的敏感性系數。將模型兩邊取自然對數線性化，得到：

公式（2）就是本研究中生產函數法的計量模型，將據此開展各行業經濟產出受天氣變化影響的敏感性研究。從經濟學分析的角度，公式（2）中βL、βK、βW即為經濟產出Q對于相應解釋變量變化的敏感性系數，也叫彈性系數。如:

該系數度量了在資本和勞動力等變量保持不變的情況下，氣象變量lnW對因變量lnQ的影響變化，具體而言，當保持固定資產投資和勞動力因素不變的情況下，1%的氣象變量變化，將引起各行業經濟產出的百分比變化，即為敏感性變化。

2.計算模型

為了能定量分析氣象變量對我國各地區、各行業的影響程度，采用了計量經濟模型——面板數據（Panel Data）模型，又稱時間序列截面數據，比只利用截面數據或只利用時間序列數據模型具有不可替代的作用，其優勢主要表現在：由于觀測值的增多，可以增加估計量的抽樣精度；建模時比單截面數據建模可以獲得更多的動態信息。由于各樣本之間的差異是隨機的，分析數據時選擇了隨機效應模型（Random Effect Model）。

（二）經濟要素指標

根據《中國統計年鑒》，選取31個省（區、市）8個行業2008-2017年的GDP、年末在崗就業人數、固定資產投資數據。（8個行業包括：農業、工業、建筑業、交通運輸倉儲和郵電通信業、批發和零售業、住宿和餐飲業、金融保險業、房地產業）

（三）氣象要素指標

根據中國氣象數據網，選取31個省（區、市）2008-2017年氣溫、降水量氣象數據。第一類是年平均氣溫與該省 30年（1987-2017年）平均氣溫的差值，描述當年年平均氣溫與歷史 30年平均值的差距, 差值為正為暖年, 否則為冷年；第二類是逐年的年平均氣溫標準差，表示年均氣溫波動特征；第三類是單位面積平均降水量，即該省年平均降水量除以其行政面積后的每平方公里的平均降水量；第四類是逐年降水量的標準差，即該省逐年降水量的標準偏差，描述年均降水量的波動特征。

本次研究共選取了31個省（區、市）10年（2008-2017年）8個行業橫截面數據（如表2所示），樣本容量共有8680個。

表2 數據選取情況

四、實證分析

（一）不同經濟行業產值對氣象因素敏感性擬合結果分析

通過Stata計量經濟軟件，基于改進的C-D生產函數模型，需要對公式兩側進行取對數處理，對對數化后的數據建立帶時間趨勢項的面板隨機效應模型，分別使用8個分行業GDP進行模型參數估計，得到的8組系數即為不同經濟行業對氣象因素敏感性影響的回歸結果（如表3所示）。

表3 氣象變量對不同行業敏感性影響的計算結果

根據加入氣象因子的模型的物理意義和回歸結果來看，除農業外所有行業均與固定資產（K）和勞動力人口（L）密切相關。就氣象因素的影響而言，以農業為例，得到農業產出對氣象條件敏感性的邊際影響方程：

GDP=4.7123+0.1364K-0.0089L-0.0215TT+0.4275TD-0.0057RR+0.0386RD

方程中，逐年平均氣溫與30年平均氣溫差值（TT）、氣溫標準差（TD）通過了小于1%的顯著性檢驗，說明農業產出變化受到氣溫變化影響。平均氣溫與30年平均氣溫差值增加1%，則農業產出減少0.022%；年均氣溫標準差TD每增加1%，農業產出會增加0.428%。

根據回歸結果，逐年平均氣溫與30年平均氣溫差值（TT）每增加1%，農業、交通運輸業的經濟產出將會分別減少0.022%和0.012%，其他行業沒有通過顯著性檢驗；單位面積降水（RR）每增加1%，工業、批發零售業、交通運輸業、住宿餐飲業、金融業、房地產業等行業產出將會分別增加0.064%、0.122%、0.116%、0.090%、0.170%、0.197%；氣溫標準差（TD）每增加1%，農業、工業、建筑業、批發零售業、交通運輸業和房地產業等行業產出將分別增加0.428%、0.238%、0.305%、0.445%、0.534%、0.292%；其中，降水標準差（RD）的變化，與金融業產值顯著相關，當RD增加1%，金融業產出將減少0.107%，對其他行業的敏感性影響未通過顯著性檢驗。

（二）各地區不同經濟行業產出對氣象因素敏感性的實證分析

在實證分析中，引入極差率這一概念，進一步分析氣象因素對經濟行業產出的敏感性影響。極差率計算公式為：（產出最大值-產出最小值）/產出平均值，即保持經濟因子不變，將歷年氣象因子代入各行業邊際影響方程中，計算得到歷年的經濟產出估計值，該產出估計值的差異完全由氣象因子的變化產生，所以極差率即可表示經濟產出對氣象因素的敏感程度。

本研究中固定資產投資K和勞動力L的數據，均采用2008-2017年的平均數，氣象要素采用2013-2017年的數據，預測出2013-2017年31個省（區、市）8個行業的GDP值，代入極差率計算公式，得到各地區不同經濟行業產出對氣象因素的敏感性（如表4所示）。

表4 經濟產出對氣象因素敏感性影響的預測結果 單位：%

1.不同行業經濟產出對氣象因素敏感性分析

將全國各行業的極差率進行平均值計算，即可得到不同行業經濟產出對氣象因素的敏感性（如圖1所示）。通過計算可得，我國經濟產出對氣象條件變化的平均敏感性系數為4.44%。不同行業的經濟產出對氣象因素敏感性從大到小依次是：農業（7.40%）、房地產業（6.80%）、交通業（6.79%）、批發零售業（5.89%）、工業（5.30%）、金融業（5.15%）、建筑業（4.47%）、住宿餐飲業（3.09%）。

圖1 不同行業的經濟產出對氣象因素敏感性

2.不同地區經濟產出對氣象因素敏感性分析

將各省（區、市）不同行業的極差率進行平均值計算，即可得到該省經濟產出對氣象因素的敏感性。以北京市為例，房地產業對氣象因素的敏感性最高，達到8.95%，其次是工業，為8.21%，金融業對氣象因素的敏感程度最低，為2.87%。將北京市8個行業產出對氣象因素的敏感程度進行平均值計算，可得到北京市經濟產出對氣象因素的敏感性為5.96%。

各省（區、市）經濟產出對氣象因素的敏感性（如圖2所示），氣象條件變化對各省（區、市）的影響程度不一，但總體而言均存在顯著敏感性影響。具體來看，遼寧、河北、山東、甘肅、海南等省份對氣象因素的變化相當敏感，敏感性基本高于6%；內蒙古、吉林、西藏、福建等省份對氣象要素較為敏感，敏感性在5%-6%之間；江西、湖南和河南等省份對氣象要素較不敏感，敏感性低于2%。

圖2 各省（區、市）的經濟產出對氣象因素敏感性

五、研究結果與討論

利用31個省（區、市）8個經濟行業產值、勞動力、固定資產投資、平均氣溫差值、氣溫標準差、單位面積平均降水量、降水量標準差等資料，代入生產函數模型，進行建模和擬合，分析了不同地區不同行業經濟產出的氣象敏感性，主要結論如下。

一是應用C-D生產函數，將氣象因素作為經濟增長影響的投入因素引入模型，通過回歸分析，根據不同行業對氣象條件變化的邊際影響分析可得，氣象條件變化對我國8個行業的經濟產出具有顯著敏感性影響。

二是在控制資本和勞動力影響因素不變的條件下，2008-2017年氣象因素對我國經濟產出變化的影響為4.44%。不同行業的經濟產出對氣象因素敏感性從大到小依次是：農業（7.40%）、房地產業（6.80%）、交通業（6.79%）、批發零售業（5.89%）、工業（5.30%）、金融業（5.15%）、建筑業（4.47%）、住宿餐飲業（3.09%）。

三是氣象條件變化對各省市的影響程度不一，但總體而言各行業產出對氣象條件變化存在顯著敏感性影響。其中，山東省經濟產出對氣象條件變化的敏感性最強，為8.25%；江西省經濟產出對氣象條件變化的敏感性最小，為1.11%。

將C-D模型模擬出的各省GDP值與實際GDP值進行對比，發現雖然有些省份如海南、甘肅、黑龍江、吉林、遼寧、天津等，模擬GDP值能夠較為準確地貼近實際GDP值，但也存在一些省份，如廣東、江蘇、山東、浙江等經濟發達省份，模擬GDP值與實際GDP值有較大偏差的現象，模擬GDP明顯低于真實GDP值。分析原因后，發現主要存在以下兩個問題：

（1）所選取的C-D模型無法捕捉非線性關系和協同關系。經濟要素和氣象要素之間存在大量的非線性關系、替代關系和協同關系。尤其是在發達省份，由于發達省份可以通過資本、勞動力、技術等更好地彌補由氣象要素帶來的不利影響，不利的溫度和降水未必會導致GDP大幅下滑。

（2）樣本數據的年限問題。通常，樣本數據的時間序列越長，模型擬合得出的參數越準確。受限于經濟數據統計口徑改變等原因，當前的樣本數據只有10年，導致模型參數不夠準確。

由于本研究尚屬探索階段，目前只獲得初步階段成果，后續研究中，我們還需要優化模型，拓展樣本數據的時間序列與變量選擇，以提升研究結果的科學性。