李文婷,段宏波

一、引 言

全球變暖是當(dāng)前國際上最重要的議題之一。根據(jù)IPCC 2018年發(fā)布的 《全球1.5℃增暖特別報(bào)告》,2017年全球氣溫已比工業(yè)化前水平高出約1℃,若按照當(dāng)前的速度繼續(xù)增暖,則全球氣溫將在2030年至2052年期間,預(yù)計(jì)高出工業(yè)化前水平1.5℃[1]。全球變暖不僅會(huì)給地球生態(tài)系統(tǒng)帶來嚴(yán)重的負(fù)面影響,如冰圈消融、災(zāi)害增多、物種滅絕等[2][3],而且對(duì)人類社會(huì)經(jīng)濟(jì)系統(tǒng),也同樣影響深遠(yuǎn),如糧食減產(chǎn)、勞動(dòng)減少、人類健康、國內(nèi)沖突等[4]。

我國受全球變暖的影響很可能高于全球平均水平。已有研究表明,過去幾十年,中國的增溫速度比同緯度其他地區(qū)和北半球的平均變暖速度都要快[5]。在嚴(yán)峻的氣候變化形勢和溫升差異背景下,作為當(dāng)前世界上第二大經(jīng)濟(jì)體的中國,其面臨的全球變暖帶來的生態(tài)、社會(huì)和經(jīng)濟(jì)負(fù)影響不容忽視[6]。

全球變暖是一個(gè)公共產(chǎn)品問題,但其有著自身的復(fù)雜性和特殊性。其中關(guān)鍵一點(diǎn)在于全球變暖并非是一個(gè)純粹的環(huán)境外部性問題,因?yàn)樵谌蜃兣@一事件中,排放者同樣需要承受全球變暖帶來的損害[7]。盡管如此,解決全球變暖問題時(shí),經(jīng)典的庇古理論仍有一定的指導(dǎo)意義,即通過對(duì)碳排放所帶來的影子成本進(jìn)行定量評(píng)估,繼而把這種成本加總到生產(chǎn)消費(fèi)的顯性成本中,來解決這一外部性問題[8][9]。碳排放的影子成本也被稱為社會(huì)碳成本 (Social Cost of Carbon,SCC),一般可由綜合評(píng)估模型 (Integrated Assessment Models,IAMs)計(jì)算得出[10]。在綜合評(píng)估模型中,損失函數(shù)作為反映氣候變化造成損失的貨幣化評(píng)估模塊,是耦合氣候模塊和經(jīng)濟(jì)模塊的重要一環(huán)[11]。然而,早期的損失函數(shù)多采用專家評(píng)估法,具有很大的主觀性[12]。隨著可用資料的增加,經(jīng)驗(yàn)性的客觀評(píng)估顯得十分必要,但由于全球變暖影響的地理分布差異[13],更加精細(xì)的評(píng)估工作也亟待開展?；诖?本文利用中國的省級(jí)氣候和宏觀經(jīng)濟(jì)數(shù)據(jù),實(shí)證估計(jì)了全球變暖對(duì)我國區(qū)域經(jīng)濟(jì)的影響,并創(chuàng)新性地利用門檻模型,比較不同時(shí)段、不同發(fā)展階段,全球變暖對(duì)我國區(qū)域經(jīng)濟(jì)的影響。

本文余下章節(jié)安排如下:第二部分是文獻(xiàn)回顧,大致總結(jié)了當(dāng)前國內(nèi)外相關(guān)研究現(xiàn)狀和主要研究方法；第三部分為實(shí)證分析框架及模型構(gòu)造,第四部分報(bào)告實(shí)證研究結(jié)果并進(jìn)行分析,第五部分是本文的結(jié)論與政策建議。

二、文獻(xiàn)回顧

氣候?qū)θ祟惿a(chǎn)生活的影響是一個(gè)古老的問題。過去十多年,隨著計(jì)算能力的提升、數(shù)據(jù)的增多和方法學(xué)的發(fā)展,越來越多的研究致力于解答氣候條件的變化如何影響人類社會(huì)經(jīng)濟(jì)系統(tǒng)[14]。由于人類擁有數(shù)千年的農(nóng)耕經(jīng)驗(yàn),氣候條件的變化對(duì)農(nóng)業(yè)的影響也最為直觀,因此,研究全球變暖對(duì)人類福祉的影響也最先開始于農(nóng)業(yè)。例如,Schlenker等[15]將撒哈拉以南非洲地區(qū)的歷史農(nóng)作物產(chǎn)量和天氣數(shù)據(jù)結(jié)合形成面板數(shù)據(jù),然后利用面板回歸模型分析了農(nóng)作物產(chǎn)量和氣候變化之間的關(guān)系。另外,Burke等[16]利用1950—2005年間4×4km氣候格點(diǎn)數(shù)據(jù),同樣采用面板回歸模型研究了長期氣候變化對(duì)美國玉米和大豆兩種農(nóng)作物產(chǎn)量的影響。除此之外,在不同地區(qū),對(duì)不同作物產(chǎn)出和歷史氣候變化間的經(jīng)驗(yàn)關(guān)系研究目前已不勝枚舉。然而,值得注意的是,對(duì)大量相似研究的結(jié)果比較表明,溫度的影響通常遠(yuǎn)大于降水,這說明人類可以通過灌溉或水利系統(tǒng)的應(yīng)用和推廣去對(duì)沖降水變化的風(fēng)險(xiǎn),也反映了溫度變化的影響對(duì)人類社會(huì)來說也許比想象中更加難以適應(yīng)。

全球變暖同樣會(huì)影響到其他經(jīng)濟(jì)部門。例如,Auffhammer等[17]基于美國加利福尼亞州三家公共事業(yè)電力公司擁有的居民電費(fèi)單數(shù)據(jù),使用隨機(jī)和外生兩種天氣沖擊來量化氣候變化對(duì)家庭用電量的影響。結(jié)果表明,加利福尼亞州不同地區(qū)的居民用電量對(duì)溫度的響應(yīng)差異較大。此外,即使在人口數(shù)量不變的情況下,到本世紀(jì)末當(dāng)?shù)氐募彝ル娏傁M(fèi)仍可能大幅增加55%。以上基于單一行業(yè)分析氣候變化帶來的經(jīng)濟(jì)損失的研究為我們考察全球變暖的整體經(jīng)濟(jì)影響提供了一種思路,即采用 “自下而上”的辦法,把對(duì)各行業(yè)的影響進(jìn)行加總,從而計(jì)算出全球變暖對(duì)社會(huì)整體經(jīng)濟(jì)的影響。但很明顯地,當(dāng)前可以被量化的影響對(duì)于經(jīng)濟(jì)整體來說只是其中一小部分；另外,即使在單一行業(yè)中進(jìn)行評(píng)估,這種評(píng)估也可能是不完整的[18]?？紤]到這一局限性,一些學(xué)者從相反的思路出發(fā),利用宏觀經(jīng)濟(jì)數(shù)據(jù),“自上而下”地量化評(píng)估。

采用 “自上而下”評(píng)估方法中較為有代表性的研究為Dell等[19]的線性經(jīng)驗(yàn)?zāi)Ｐ秃虰urke等[20]的非線性經(jīng)驗(yàn)?zāi)Ｐ汀ell等[19]利用歷史氣候數(shù)據(jù)和各個(gè)國家的歷年GDP來探索溫度沖擊與經(jīng)濟(jì)增長之間的線性經(jīng)驗(yàn)關(guān)系。此外,通過在模型中考慮溫度的滯后項(xiàng)來研究其中可能存在的滯后效應(yīng)。Burke等[20]則基于相似的數(shù)據(jù)集,通過在模型中加入溫度和降水的二次項(xiàng),得出了氣候變化與經(jīng)濟(jì)增長之間的全球非線性關(guān)系,即平均年氣溫與國家總產(chǎn)出增長間存在的倒U型關(guān)系:當(dāng)年平均溫度為13℃附近時(shí),各個(gè)國家的經(jīng)濟(jì)總產(chǎn)出增長能達(dá)到一個(gè)最優(yōu)水平。值得注意的是,這兩個(gè)模型均是在固定效應(yīng)模型的統(tǒng)計(jì)框架下的拓展。然而,基于統(tǒng)計(jì)分析的實(shí)證結(jié)果在很大程度上是由樣本的分布情況決定的。在全球范疇的研究中,全球財(cái)富的地理分布表明大多數(shù)貧窮國家都集中在炎熱地區(qū),而富裕國家則更多地集中在高緯度地帶；相反,在中國,大部分經(jīng)濟(jì)較發(fā)達(dá)的省份主要分布在東南沿海,這些地區(qū)無論是年平均溫度還是年降雨量,甚至各類災(zāi)害性天氣均明顯高于全國平均水平。因此,我們可以合理地懷疑基于全球數(shù)據(jù)集的模型對(duì)于中國情況的解釋能力可能有所減弱[21]。

目前,專門研究全球變暖對(duì)中國經(jīng)濟(jì)影響的論文在數(shù)量上屈指可數(shù)。魏柱燈等[22]對(duì)過去2 000年氣候變化對(duì)中國經(jīng)濟(jì)與社會(huì)發(fā)展的影響進(jìn)行了綜述,發(fā)現(xiàn)中國歷史社會(huì)經(jīng)濟(jì)與氣候變化的時(shí)序共振現(xiàn)象中可能含有內(nèi)在的關(guān)聯(lián)機(jī)制。一般而言,暖期氣候有助于社會(huì)經(jīng)濟(jì)的健康發(fā)展,而冷期氣候所引發(fā)的負(fù)面社會(huì)經(jīng)濟(jì)效應(yīng)則可能與社會(huì)發(fā)展本身有關(guān),而且該負(fù)面效應(yīng)會(huì)被社會(huì)放大。這種定性分析雖然帶來了一定啟發(fā),但由于缺少定量分析的數(shù)據(jù)支撐,在政策制定上所能發(fā)揮的作用有限。

在定量分析上,陳帥等[23]基于中國所有水稻和小麥生產(chǎn)縣 (市)的縣級(jí)面板種植結(jié)構(gòu)和氣象數(shù)據(jù),采用計(jì)量經(jīng)濟(jì)學(xué)的辦法,定量分析了氣候變化對(duì)中國水稻和小麥生產(chǎn)的影響。結(jié)果表明:氣溫、降水和日照等氣象要素對(duì)我國的水稻和小麥單產(chǎn)的影響都存在著 “先增后減”的非線性關(guān)系。因此,越早地采取有效措施應(yīng)對(duì)全球變暖就更有可能地把全球變暖對(duì)糧食生產(chǎn)的不利影響限制在可控的范圍內(nèi)。另外,Zhang等[24]利用1998—2007年中國的日氣溫和制造業(yè)企業(yè)生產(chǎn)數(shù)據(jù),研究了日氣溫與全要素生產(chǎn)率 (Total Factor Productivity,TFP)之間的經(jīng)驗(yàn)關(guān)系。結(jié)果表明,與日氣溫對(duì)全要素生產(chǎn)率的影響相比,溫度對(duì)勞動(dòng)力和資本投入的影響相對(duì)有限,而溫度與產(chǎn)量之間的響應(yīng)函數(shù)和溫度與TFP之間的響應(yīng)函數(shù)類似,表明溫度的升高導(dǎo)致TFP的降低是造成產(chǎn)量損失的主要原因。此外,溫升對(duì)經(jīng)濟(jì)的影響可能存在明顯的季節(jié)效應(yīng),比如:從城市尺度看,1℃溫升在溫暖季節(jié)可能引起經(jīng)濟(jì)增長下降0.7%,而在寒冷季節(jié)這一影響將會(huì)降至0.36%[25],但這一影響仍然高于美國[26]。

以上幾篇文獻(xiàn)從行業(yè)的角度分析了全球變暖對(duì)我國經(jīng)濟(jì)的影響,對(duì)于制定行業(yè)相關(guān)氣候政策、措施有一定的指導(dǎo)意義。然而,制定氣候政策需要 “上下一條線,全局一盤棋”,農(nóng)業(yè)和制造業(yè)目前在我國國民經(jīng)濟(jì)中的比重正逐年下降,對(duì)經(jīng)濟(jì)增長的貢獻(xiàn)也隨之降低,因此,不能忽略其他行業(yè),須從更宏觀的角度出發(fā),分析全球變暖對(duì)我國整體經(jīng)濟(jì)的影響,才能全面地了解全球變暖為我國經(jīng)濟(jì)所帶來的效應(yīng),制定有效的氣候政策、在國際合作中選擇合適的立場,才能把未來可能的風(fēng)險(xiǎn)限制在可防可控的范圍內(nèi)。此外,氣候?qū)?jīng)濟(jì)的影響可能存在非線性性[20],這意味著不同時(shí)期溫升對(duì)中國經(jīng)濟(jì)的影響可能存在差異。顯然,這些方面的研究還有待深入開展。

研究全球變暖的影響,不可避免地要討論不同系統(tǒng)對(duì)氣候敏感性的變化。氣候敏感性變化的主要原因可分為內(nèi)因和外因兩種。內(nèi)因的存在主要是在更長的時(shí)期內(nèi),人們對(duì)于氣候常態(tài) “信念”的改變,從而調(diào)整自身對(duì)氣候變化的響應(yīng)[27]。例如,Hsiang等[28]的研究表明,當(dāng)一個(gè)國家遭受的強(qiáng)熱帶氣旋越多時(shí),社會(huì)的邊際損失更小,在一定程度上說明人類自身對(duì)氣候敏感性調(diào)節(jié)的作用。相對(duì)地,外因則是由于技術(shù)、資源等外部條件的改變,從而影響了人類社會(huì)對(duì)氣候變化的敏感性。例如,空調(diào)的普及能在很大程度上降低因高溫所帶來的死亡風(fēng)險(xiǎn)[29]。

人們普遍認(rèn)為,貧窮的國家因?yàn)橘Y源所限而更容易受到全球變暖的影響,因?yàn)閼?yīng)對(duì)全球變暖是一項(xiàng)花費(fèi)不小的 “投資”。另外,即便現(xiàn)有技術(shù)能在一定程度上幫助人們應(yīng)對(duì)全球變暖,但能否享用相應(yīng)的技術(shù)則在很大程度上取決于人們手中擁有的資源[28]。在以往分析氣候敏感性差異的研究中,常用的方法是把樣本按一定的人為規(guī)則劃分為不同的子樣本,然后再分別對(duì)子樣本進(jìn)行模型估計(jì),比較分析氣候因子的系數(shù)是否存在明顯差異。如Dell等[19]在其研究中,按照某一年的樣本中值,把全球所有國家分為了貧窮和富裕、冷和熱、農(nóng)業(yè)和非農(nóng)業(yè)三個(gè)亞組,再分別進(jìn)行回歸分析。這種劃分方法可以確保不同數(shù)據(jù)子集中樣本數(shù)量的相等。但當(dāng)樣本分布呈現(xiàn)明顯的偏態(tài)時(shí),這種劃分辦法則可能使得不同子集間的模型估計(jì)系數(shù)差異變小,出現(xiàn)誤導(dǎo)結(jié)果。其次,利用某一年的樣本中值作為樣本劃分的標(biāo)準(zhǔn),并且樣本劃分過程獨(dú)立于模型回歸過程之外,這種靜態(tài)且獨(dú)立的劃分方法實(shí)際上忽略了不同國家間社會(huì)經(jīng)濟(jì)結(jié)構(gòu)隨時(shí)間演變這一重要事實(shí)。最后,這種辦法也沒有給出氣候敏感性差異的相應(yīng)統(tǒng)計(jì)檢驗(yàn)信息,因?yàn)闊o法獲知差異背后的真實(shí)性以及顯著性。

針對(duì)以上所列文獻(xiàn),以及相關(guān)研究的局限,本文在前人的研究上對(duì)全球變暖對(duì)中國的經(jīng)濟(jì)影響進(jìn)行了再估計(jì),同時(shí)通過引入門檻模型,研究經(jīng)濟(jì)發(fā)展水平的變化能否產(chǎn)生我國區(qū)域的氣候敏感性差異。

三、實(shí)證分析框架及模型構(gòu)造

(一)實(shí)證分析框架

為研究全球變暖對(duì)某個(gè)地區(qū)宏觀經(jīng)濟(jì)的影響,首先考慮一個(gè)簡單的經(jīng)濟(jì)體,采用基本形式的Cobb-Douglas生產(chǎn)函數(shù):

其中Y表示總產(chǎn)出,A表示技術(shù) (或全要素生產(chǎn)率),L表示人口,K表示資本,T表示氣象因子。為方便分析,把 (1)兩邊除以人口L,得到人均形式的生產(chǎn)函數(shù):

如方程 (2)所示,氣候因素對(duì)人均產(chǎn)出的影響可以通過影響技術(shù)A和資本K兩個(gè)渠道發(fā)揮作用[14][24]。但由于A(T)和K(T)的具體形式未知,這說明技術(shù)和資本因素在氣候-經(jīng)濟(jì)影響關(guān)系中的角色仍有待研究。

假定技術(shù)A與資本K的增長率有如下形式:

對(duì)方程 (2)的兩邊取自然對(duì)數(shù)的形式,并對(duì)時(shí)間求導(dǎo),可以獲得各要素的增長率方程,如方程 (3)所示。在方程 (3)中,gX表示與要素X相關(guān)的特定增長率,X在本研究中為人均GDP(不變價(jià)計(jì))和三大產(chǎn)業(yè)的年度增加值；而γXT則表示與氣象要素T相聯(lián)系的增長率部分。最后,得到動(dòng)態(tài)增長方程的一般形式:

在上述方程 (4)中,git可以表示某地某年的人均生產(chǎn)或某個(gè)產(chǎn)業(yè)的增長率；gi表示與該地區(qū)相聯(lián)系的特定增長率；γTit則表示某年某地氣象因子對(duì)增長率的貢獻(xiàn)部分。

(二)固定效應(yīng)模型

為了分析全球變暖對(duì)總體經(jīng)濟(jì)增長的影響,本研究對(duì)方程 (4)采取基于固定效益模型的形式,并參考Dell等[19]的線性模型進(jìn)行了相應(yīng)的拓展。對(duì)此,本研究把基本方程 (4)進(jìn)行了拓展,如以下方程 (5)所示:

在上述方程 (5)中,git表示某地區(qū)的人均收入或產(chǎn)業(yè)增加值的增長率；Tit表示年平均氣溫,Pit表示年雨量；μi為個(gè)體固定效應(yīng)；νt為時(shí)間固定效應(yīng)；εit為滿足期望為零的誤差項(xiàng)。

(三)門檻模型

在固定效應(yīng)模型中,個(gè)體之間的異質(zhì)性被儲(chǔ)存到個(gè)體獨(dú)有的截距中,但這無法獲知模型中自變量與因變量是否存在非線性關(guān)系。如前所述,以往在分析不同群體對(duì)氣候變化的敏感性差異時(shí)均采用主觀劃分樣本的辦法,但這樣的劃分標(biāo)準(zhǔn)是否有效合適卻不會(huì)得到相應(yīng)的統(tǒng)計(jì)學(xué)檢驗(yàn)。為此,本文基于Hansen的面板門檻模型[31],基于方程 (5),將門檻模型設(shè)定為:

其中i表示地區(qū)；t表示年份；xit為與門檻變量qit有交互作用的自變量,而γ為需要估計(jì)的門檻值；Cit為與門檻變量沒有交互作用的氣候因子；yit為相應(yīng)的模型因變量；μi為個(gè)體固定效應(yīng)；I(·)為示性函數(shù)；εit為隨機(jī)擾動(dòng)項(xiàng)。

在完成門檻模型的參數(shù)估計(jì)后,需要進(jìn)行門檻效應(yīng)顯著性檢驗(yàn)和門檻值的真實(shí)性檢驗(yàn)。顯著性檢驗(yàn)基于F統(tǒng)計(jì)量檢驗(yàn)?zāi)Ｐ?(6)中α1和α2是否存在顯著差異。由于F的漸進(jìn)分布是非標(biāo)準(zhǔn)的,一般取決于樣本的距,因此臨界值無法列出,但可以借助自助抽樣法 (Bootstrap)達(dá)到 “一階漸進(jìn)分布”,使得構(gòu)造的P值是漸進(jìn)有效的[32]。在進(jìn)行門檻值的真實(shí)性檢驗(yàn)時(shí),Hansen提出使用極大似然比率 (Likelihood Ratio,LR)作為門檻估計(jì)值真實(shí)性的檢驗(yàn)標(biāo)準(zhǔn)。一般取5%顯著性水平下的LR值,即7.35為標(biāo)準(zhǔn),當(dāng)門檻估計(jì)值的LR值大于7.35時(shí),則拒絕門檻估計(jì)值等于真實(shí)值的原假設(shè)。

四、數(shù)據(jù)與統(tǒng)計(jì)性描述

(一)數(shù)據(jù)來源及預(yù)處理

本文中的歷史氣候數(shù)據(jù)來源于美國國家海洋和氣候管理局 (National Oceanic and Atmospheric Administration,NOAA)所主管的氣候數(shù)據(jù)在線 (Climate Data Online,CDO)網(wǎng)站。CDO主要提供全球各個(gè)國家的國際氣象交換站的歷史天氣和氣候數(shù)據(jù)。在我國,國家氣象交換站由國家基準(zhǔn)氣象站組成。根據(jù)全球氣候觀測系統(tǒng)的要求,國家基準(zhǔn)氣候站的氣象數(shù)據(jù)具有長期穩(wěn)定和連續(xù)性好兩大基本特點(diǎn)。CDO網(wǎng)站上所提供的數(shù)據(jù)包括經(jīng)過質(zhì)量控制的日度、月度、季度和年度的溫度、降水、風(fēng)等多種氣象要素的觀測值,同時(shí)還提供了雷達(dá)、海洋和30年氣候平均值等數(shù)據(jù)。

CDO網(wǎng)站上共提供中國境內(nèi)226個(gè)國際氣象交換站的歷史天氣和氣候數(shù)據(jù)。從數(shù)據(jù)的完整性和時(shí)效性看,日度數(shù)據(jù)最為完整,提供各站建站伊始至今的每日歷史天氣數(shù)據(jù)。篩選掉數(shù)據(jù)連續(xù)缺測值較多的站點(diǎn),本文最后選取了30個(gè)省市自治區(qū)共177個(gè)站點(diǎn)1961—2018共58年的歷史天氣數(shù)據(jù),并把這些站點(diǎn)的日數(shù)據(jù)進(jìn)行計(jì)算和轉(zhuǎn)換,最后得出各省年平均氣溫、年平均總降水量等研究所需的省級(jí)年度氣象數(shù)據(jù)。

本文中的社會(huì)經(jīng)濟(jì)數(shù)據(jù)來源于國家統(tǒng)計(jì)局編撰的 《統(tǒng)計(jì)年鑒》、國家統(tǒng)計(jì)局網(wǎng)站和世界銀行公開數(shù)據(jù)庫,包含各省GDP、人口、三大產(chǎn)業(yè)增加值和GDP平減指數(shù),時(shí)間范圍同為1961—2018年。由于原始數(shù)據(jù)中未提供人均GDP數(shù)據(jù),因此需要通過各省GDP和當(dāng)年的人口數(shù)量進(jìn)行換算。在數(shù)據(jù)集中,由于1988年前,大部分省份的人口數(shù)據(jù)不全,為獲得各省每年的人口總數(shù),并盡量減少數(shù)據(jù)誤差,在計(jì)算時(shí)首先對(duì)各個(gè)省市占全國總?cè)丝诒壤龑?duì)時(shí)間進(jìn)行了回歸擬合,并以回歸模型的擬合值對(duì)缺測值進(jìn)行了補(bǔ)全。進(jìn)而按照新的各省人口占比計(jì)算出每年每省的人口總數(shù),再求出當(dāng)年的各省的人均GDP。最后,利用世界銀行公開數(shù)據(jù)庫提供的我國歷年GDP平減指數(shù)求出各省年度真實(shí)GDP和真實(shí)人均GDP。

(二)統(tǒng)計(jì)性描述

據(jù)統(tǒng)計(jì),1961—2018年間全國年平均氣溫為12.56℃,其中最低為1969年11.56℃,最高為2017年13.71℃。從全國的年平均溫度時(shí)間趨勢看 (如圖1所示),過去近60年以來,全國的年平均氣溫有明顯的增加趨勢。從時(shí)間序列的擬合趨勢來看,我國年平均氣溫以0.03℃每年的速度上升；從全國范圍來看,大概已經(jīng)上升了1.61℃,這顯然高于全球1℃的平均溫升水平。

圖1 1961—2018年全國年平均氣溫時(shí)間趨勢

圖2、圖3分別為2018年各省年平均溫度和年降雨量與2018年各省真實(shí)GDP的關(guān)系分布圖。

圖2 2018年各省年平均溫度與當(dāng)年真實(shí)GDP關(guān)系分布圖

圖3 2018年各省年降雨量與真實(shí)GDP關(guān)系分布圖

從圖2和圖3可以看出,各地的溫度和降水量與當(dāng)?shù)氐慕?jīng)濟(jì)水平有較明顯的相關(guān)關(guān)系,即年平均氣溫相對(duì)較高、年降雨量相對(duì)較多的地區(qū),經(jīng)濟(jì)的發(fā)展水平也更好。這種經(jīng)濟(jì)與氣候之間的關(guān)系明顯有別于全球整體情況,因?yàn)榫腿騺碚f,熱帶地區(qū)集中了大量發(fā)展中國家,而發(fā)達(dá)國家則更多地集中于溫帶地區(qū)。這也側(cè)面說明了全球變暖的影響存在明顯的區(qū)域性特征,特別是對(duì)于幅員遼闊、結(jié)構(gòu)復(fù)雜的大國來說,更精細(xì)的區(qū)域性研究顯得尤為必要。

五、實(shí)證結(jié)果及分析

(一)全球變暖對(duì)我國區(qū)域經(jīng)濟(jì)的影響

盡管本文假設(shè)了氣候因素與經(jīng)濟(jì)增長之間存在著經(jīng)驗(yàn)的固定效應(yīng)形式的模型關(guān)系,但考慮到兩者間存在著其他函數(shù)關(guān)系的可能,因此在本文中同時(shí)進(jìn)行了混合回歸模型、隨機(jī)效應(yīng)模型和單、雙向固定效應(yīng)模型的估算,并比較了各個(gè)模型相應(yīng)的估計(jì)值和統(tǒng)計(jì)量,結(jié)果如表1所示。

表1 以人均GDP增長率為因變量的各模型回歸結(jié)果

從表1可以看出,四個(gè)模型的系數(shù)和常數(shù)項(xiàng)大部分是顯著的,但同時(shí)考慮了時(shí)間和個(gè)體固定效應(yīng)的回歸模型中溫度項(xiàng)系數(shù)和常數(shù)項(xiàng)并沒有通過顯著性檢驗(yàn)。剩下的混合回歸、隨機(jī)效應(yīng)和個(gè)體固定效應(yīng)模型的估計(jì)值不僅高度顯著,并且系數(shù)的符號(hào)一致?？傮w而言,過去近60年間,溫度增加對(duì)我國經(jīng)濟(jì)增長率的貢獻(xiàn)為正,而年總降水增加的影響為負(fù),但相較于溫度的影響卻要小得多。在個(gè)體固定效應(yīng)模型中,溫度每增加1℃,能引起真實(shí)人均GDP增長率約2.06%的增幅；而年總降水量每增加100毫米,則會(huì)導(dǎo)致真實(shí)人均GDP增長率下降約0.003%。

在上述四個(gè)模型的選擇上,可以通過擬合優(yōu)度和因變量系數(shù)的顯著性進(jìn)行綜合對(duì)比。就混合回歸模型,可直接采用R2來衡量,而隨機(jī)效應(yīng)和固定效應(yīng)模型則一般使用 “組內(nèi)R2”進(jìn)行衡量。經(jīng)過比對(duì),盡管雙向固定效應(yīng)模型的組內(nèi)R2最大,但模型中溫度的系數(shù)并不顯著,故此先將其排除。另外,混合回歸和隨機(jī)效應(yīng)的R2相等,但個(gè)體固定效應(yīng)的組內(nèi)R2要比隨機(jī)效應(yīng)的組內(nèi)R2更大,因此,個(gè)體固定效應(yīng)在四個(gè)模型中更優(yōu)。進(jìn)一步地,對(duì)個(gè)體固定效應(yīng)模型進(jìn)行Hausman檢驗(yàn),檢驗(yàn)的原假設(shè)為:系數(shù)的差異是非系統(tǒng)性的,即隨機(jī)效應(yīng)為正確模型。利用STATA程序,采用1 000次樣本自抽樣 (Bootstrap),檢驗(yàn)結(jié)果顯示P值為0.000,因此可以拒絕原假設(shè),證明了應(yīng)使用固定效應(yīng)模型。

為了分析全球變暖對(duì)中國的影響和對(duì)全球影響之間的差異,本研究與Dell等[19]的結(jié)果進(jìn)行了對(duì)比。在Dell等[19]的模型中,所使用的數(shù)據(jù)時(shí)間跨度為1950—2005年。為了使兩者間能最大程度上具有可比性,再次利用我國1961—2005年的數(shù)據(jù)進(jìn)行了個(gè)體固定效應(yīng)模型的擬合,結(jié)果如表2所示。結(jié)果表明,1961—2005年間,溫度對(duì)經(jīng)濟(jì)增長的影響仍然是顯著的,但降水的影響卻不甚顯著。通過縱向?qū)Ρ劝l(fā)現(xiàn),溫度與降水對(duì)中國的影響變化不大,但橫向?qū)Ρ缺砻?溫度對(duì)中國經(jīng)濟(jì)的影響要大于對(duì)全球的影響,而降水對(duì)中國經(jīng)濟(jì)的影響卻要明顯小于全球。在接近的時(shí)間段內(nèi),年平均溫度1℃的上升對(duì)中國經(jīng)濟(jì)增長率貢獻(xiàn)約2.78%的增長量,而對(duì)全球經(jīng)濟(jì)增長率的貢獻(xiàn)僅為0.56%；當(dāng)年雨量量增加100毫米時(shí),對(duì)中國經(jīng)濟(jì)增長率的貢獻(xiàn)為－0.000 1%,而對(duì)世界的貢獻(xiàn)為－0.11%。

表2 世界與中國的固定效應(yīng)模型擬合結(jié)果對(duì)比

中國經(jīng)濟(jì)對(duì)不同氣候要素的響應(yīng)模式明顯異于世界整體水平,這種差異的背后很可能包含著影響的差異和敏感性的差異雙重原因,特別是我國對(duì)降水的低敏感性很可能得益于過去我國在水利工程上的建設(shè)和灌溉技術(shù)上的推廣。事實(shí)上,新中國成立70年以來,我國各類水庫從新中國成立前的1 200座增加到近10萬座,總庫容從200多億立方米增加到近900億立方米,5級(jí)以上江河堤防是新中國成立之初的7倍多,水利工程規(guī)模和數(shù)量均躍居世界前列。另外,我國在防洪能力和供水保障兩個(gè)方面也已處于較安全水平,其中水旱災(zāi)害防御能力達(dá)到國際中等水平,在發(fā)展中國家中排名靠前。相比降水的影響,溫度的情況更值得關(guān)注。盡管在總體樣本和子樣本中,溫度的影響都是正的,但這種正面影響卻有減小趨勢:1961—2005年間,1℃增溫對(duì)中國經(jīng)濟(jì)增長率的貢獻(xiàn)為2.78%,但當(dāng)樣本擴(kuò)大到1961—2018年時(shí),貢獻(xiàn)率卻下降到2.06%。已有研究表明,全球變暖的影響大多是深度非線性的,即存在一個(gè)臨界點(diǎn),使得氣候因素的影響由正轉(zhuǎn)負(fù)。在Burke等[20]的研究中,全球經(jīng)濟(jì)增長的最優(yōu)溫度在13℃附近,但考慮到我國經(jīng)濟(jì)對(duì)全球的敏感性與世界整體情形有別,因此,估計(jì)我國可能存在的影響臨界點(diǎn)具有重要意義,值得繼續(xù)研究。

(二)穩(wěn)健性檢驗(yàn)

為了考察模型估計(jì)是否穩(wěn)健,一般采用的辦法是通過改變模型的規(guī)范來考察核心變量系數(shù)的回歸估計(jì)值和顯著性變動(dòng)情況[33]。另外在Dell等[19]的研究中,作者也通過改變樣本數(shù)據(jù)進(jìn)行了模型穩(wěn)健性的檢驗(yàn)。綜合考慮以上兩種方法,本文先改變模型范式,即分別以溫度和年降雨量為模型單一自變量進(jìn)行個(gè)體固定效應(yīng)回歸；其次,按樣本中各省份過去近60年平均溫度的中位數(shù)劃分冷熱省份、按2018年省GDP總量的中位數(shù)劃分窮富省份,以及按1990年劃分為前后期等三個(gè)數(shù)據(jù)子集,再進(jìn)行模型回歸,結(jié)果如表3所示。

表3 模型穩(wěn)健性檢驗(yàn)

從表3可以看出,各個(gè)關(guān)鍵解釋變量的顯著性或符號(hào)在絕大多數(shù)情況下都未發(fā)生明顯變化,因此,本文的回歸結(jié)果是穩(wěn)健可靠的。另外,在不同模型的對(duì)比上 (如表1所示),關(guān)鍵變量的顯著性和符號(hào)在混合回歸模型、隨機(jī)效應(yīng)模型中也未發(fā)生顯著變化,這在一定程度上說明了關(guān)鍵解釋變量與因變量之間的關(guān)系也是穩(wěn)健的。

另外,本文發(fā)現(xiàn),當(dāng)固定效應(yīng)模型中加入時(shí)間固定效應(yīng)時(shí),溫度系數(shù)的符號(hào)發(fā)生了變化。事實(shí)上,在固定效應(yīng)模型中加入時(shí)間固定效應(yīng),即是把經(jīng)濟(jì)增長的年際波動(dòng)儲(chǔ)存到了時(shí)間固定效應(yīng)中去,這種模型設(shè)定可能忽略了氣候條件波動(dòng)帶來經(jīng)濟(jì)增長波動(dòng)的情況。

特別值得注意的是,當(dāng)我們用1990年把數(shù)據(jù)集分為前后兩個(gè)子集時(shí),溫度對(duì)經(jīng)濟(jì)增長的影響由1.40轉(zhuǎn)變?yōu)椋?.50,不僅符號(hào)發(fā)生變化,估計(jì)的絕對(duì)值也增大了。這說明全球變暖對(duì)我國經(jīng)濟(jì)的影響很可能已在1990年前由正轉(zhuǎn)負(fù),且隨著平均溫度的繼續(xù)升高,負(fù)面影響在進(jìn)一步加大。另外,這個(gè)結(jié)果也解釋了表2中為什么當(dāng)我們的回歸模型的數(shù)據(jù)集由1961—2005拓展到1961—2018時(shí),溫度的系數(shù)從2.78下降到了2.06這一經(jīng)驗(yàn)事實(shí)。本研究中所呈現(xiàn)的全球變暖對(duì)經(jīng)濟(jì)影響的時(shí)空非線性僅是初步結(jié)果,因此,繼續(xù)深入研究刻畫這種復(fù)雜的時(shí)空非線性也是作者當(dāng)前的工作之一。

(三)區(qū)域氣候敏感性差異分析

相比于自然界,人類因?yàn)閾碛匈Y源和技術(shù),當(dāng)然更有能力去應(yīng)對(duì)全球變暖,不過應(yīng)對(duì)的成本也許超出我們想象[34][35]。作為一項(xiàng)用來對(duì)沖未來潛在風(fēng)險(xiǎn)的投入,經(jīng)濟(jì)的發(fā)展水平很可能決定了不同地區(qū)對(duì)氣候敏感性的差異?；诖?本文選取了年份、真實(shí)人均GDP和真實(shí)GDP水平為門檻變量,考察可能造成敏感性差異的不同經(jīng)濟(jì)因素。門檻模型的分析結(jié)果如表3和表4所示,其中表4以溫度為交互項(xiàng),表5以年雨量為交互項(xiàng)。

表4 以溫度為交互項(xiàng)、不同經(jīng)濟(jì)因素為門檻變量的門檻模型估計(jì)

表5 以年雨量為交互項(xiàng)、不同經(jīng)濟(jì)因素為門檻變量的門檻模型估計(jì)

從表3可以看出,年份、人均GDP和GDP總量三個(gè)門檻變量的門檻值均通過了顯著性和真實(shí)性檢驗(yàn)。以年份為門檻變量,主要考慮了社會(huì)經(jīng)濟(jì)的變化是高維度的。隨著時(shí)間的推移,除了經(jīng)濟(jì)本身不斷地發(fā)生變化外,其他未知的社會(huì)因素也可能同步地發(fā)生變動(dòng),而產(chǎn)生了適應(yīng)性的結(jié)果。表3的結(jié)果表明,盡管模型的系數(shù)并不顯著,但在1976年前后,溫度對(duì)經(jīng)濟(jì)增長的影響不僅大小不一,而且影響方向相反。這種結(jié)果和之前的所有其他模型中,溫度的影響都是正的估計(jì)值不同,這種情況的出現(xiàn)也許是由于19世紀(jì)70至80年代期間,我國多個(gè)地區(qū)氣候條件由降溫趨勢轉(zhuǎn)變?yōu)樯郎刳厔莸臍夂蜿P(guān)系[36]。

人均收入水平的升高也有明顯的門檻效應(yīng)。人均GDP的門檻值為323.06元,當(dāng)人均GDP超過門檻值時(shí),溫度上升1℃對(duì)經(jīng)濟(jì)增長率的貢獻(xiàn)為0.77%；當(dāng)人均GDP低于該門檻值時(shí),溫度上升1℃對(duì)經(jīng)濟(jì)增長率的影響為增加0.34%,相比之下略小。值得注意的是,自20世紀(jì)60年代起,我國各省市由于經(jīng)濟(jì)基礎(chǔ)和發(fā)展速度的不同,已經(jīng)先后陸續(xù)達(dá)到該門檻值。其中最早的有北京、廣州、天津和重慶四個(gè)省市,均在1961年人均GDP已經(jīng)達(dá)到該水平；最晚達(dá)到該水平的為四川和貴州兩省,為1987年。這個(gè)結(jié)果與其他研究全球變暖對(duì)經(jīng)濟(jì)的影響有明顯不同,因?yàn)槠渌慕Y(jié)果多表明全球變暖對(duì)于收入水平低的地區(qū)影響更大,而對(duì)收入高的地區(qū)影響相對(duì)較小。但中國的經(jīng)驗(yàn)似乎意味著相反的結(jié)論:全球變暖對(duì)經(jīng)濟(jì)產(chǎn)生的影響可能隨著經(jīng)濟(jì)發(fā)展而變得更大。值得一提的是,這里的結(jié)論與全球?qū)用娴慕Y(jié)論并不矛盾,正好驗(yàn)證了著名的經(jīng)濟(jì)學(xué)通識(shí),即任何有利的影響往往對(duì)富有的地區(qū)或人群更有利,而任何不利的影響則往往對(duì)貧困的地區(qū)和人群更不利。通過進(jìn)一步分析人均GDP門檻值的LR曲線時(shí)發(fā)現(xiàn) (如圖4所示),該門檻并沒有明顯的雙門檻效應(yīng),即盡管很早就顯示出氣候敏感性的差異,但這種差異并不會(huì)因?yàn)榻?jīng)濟(jì)水平的繼續(xù)發(fā)展而又有變化。另外,以真實(shí)GDP為門檻變量的門檻模型估計(jì)結(jié)果也是類似的,當(dāng)經(jīng)濟(jì)發(fā)展到一定水平,溫度對(duì)經(jīng)濟(jì)增長的影響不降反升。因此,當(dāng)全球變暖趨勢持續(xù),溫度越過某個(gè)未知的臨界點(diǎn)時(shí),即有可能溫度對(duì)經(jīng)濟(jì)的影響變成消極的時(shí)候,貧困地區(qū)遭受的影響很可能大于富裕地區(qū),即與全球?qū)用娴陌l(fā)現(xiàn)一致。

圖4 以溫度為交互項(xiàng),人均GDP門檻估計(jì)值的LR檢驗(yàn)結(jié)果

以降水為交互項(xiàng)的門檻模型各門檻變量的門檻值與溫度的相等,但降水對(duì)經(jīng)濟(jì)的影響是負(fù)面的,并且對(duì)人均收入水平、和經(jīng)濟(jì)發(fā)展水平較落后的地區(qū)影響更大些。減緩降水對(duì)社會(huì)經(jīng)濟(jì)帶來的負(fù)面影響,很大程度上得益于灌溉技術(shù)的推廣和水利設(shè)施的建設(shè)。在世界范圍內(nèi),近一半的河流都建有大壩,這些大壩通過增加灌溉和水力發(fā)電,可以促進(jìn)發(fā)展和減少貧困[37]。水利現(xiàn)代化建設(shè)作為國家現(xiàn)代化的基礎(chǔ),特別是大型水利工程,需要大量的資金投入,因此與地區(qū)的經(jīng)濟(jì)總量更為相關(guān)。真實(shí)GDP的門檻值為121.03億元,在19世紀(jì)70年代末到80年代中段這段時(shí)間,我國大部分省市先后跨過了該門檻值,總體而言,相比人均GDP跨過其門檻值要晚一些,說明應(yīng)對(duì)全球變暖在大型工程的建設(shè)上,經(jīng)濟(jì)總量是一個(gè)更重要的因素。

(四)不同產(chǎn)業(yè)的經(jīng)濟(jì)影響異質(zhì)性分析

為了分析全球變暖分別對(duì)我國三大主要產(chǎn)業(yè)增加值增長率的影響,利用2000—2018年相應(yīng)的經(jīng)濟(jì)數(shù)據(jù)再次做了個(gè)體固定效應(yīng)模型的擬合,結(jié)果如表6所示。結(jié)果表明,溫度和年雨量對(duì)于三大產(chǎn)業(yè)增加值的增長率和該時(shí)期的人均GDP增長率的影響都是高度顯著的,但與表1的結(jié)果相比,也證實(shí)了全球變暖對(duì)我國經(jīng)濟(jì)的影響已進(jìn)入負(fù)影響區(qū)間；與表3中1990年后的影響對(duì)比看,這種負(fù)面影響似乎在進(jìn)一步加大,這無疑也增加了我們對(duì)氣候變化所造成的全球影響的擔(dān)憂。

表6 溫度和年雨量對(duì)我國三大產(chǎn)業(yè)增加值增長率的影響

另外,通過對(duì)比發(fā)現(xiàn),溫度對(duì)第二產(chǎn)業(yè)的影響最大,對(duì)第一產(chǎn)業(yè)的影響次之,而對(duì)第三產(chǎn)業(yè)的影響最??；年雨量也表現(xiàn)了相似的情形。這也支持了已有研究結(jié)論,即工業(yè)受溫升的影響最為顯著,且主要體現(xiàn)在勞動(dòng)效率和資本影響兩大方面 (Zhang等[24])。從模型的擬合優(yōu)度的情況來看,溫度和降水對(duì)第二產(chǎn)業(yè)增長率下降的原因解釋性更好,在一定程度上說明了全球變暖對(duì)第二產(chǎn)業(yè)的影響會(huì)比其他兩個(gè)產(chǎn)業(yè)更加明顯、直接。對(duì)于第二產(chǎn)業(yè)而言,溫度升高1℃,增長率將會(huì)下降約5.41%。相對(duì)于溫度而言,年雨量的影響則要 “溫和”得多:當(dāng)年雨量增加100毫米時(shí),第二產(chǎn)業(yè)產(chǎn)出的增長率將下降0.015%,盡管這種影響程度不到溫度影響程度的1%,但也從中國尺度證實(shí)了已有研究發(fā)現(xiàn),即降雨量變化會(huì)對(duì)制造業(yè)等第二產(chǎn)業(yè)產(chǎn)生顯著的負(fù)影響 (Kotz等[40])。

六、結(jié)論及政策建議

本文利用中國省際層面的歷史氣候和宏觀經(jīng)濟(jì)數(shù)據(jù),為全球變暖對(duì)中國經(jīng)濟(jì)的影響提供區(qū)域和行業(yè)層面的估計(jì)和證據(jù),研究發(fā)現(xiàn)溫度和降水對(duì)中國經(jīng)濟(jì)的影響與其對(duì)全球經(jīng)濟(jì)的影響存在明顯差異。其中,1℃的升溫將會(huì)引起中國真實(shí)人均GDP增長率2.78%的增幅,而對(duì)世界而言,這種溫度的影響僅為0.56%；相反,年雨量對(duì)中國經(jīng)濟(jì)的影響較小,且要明顯小于世界總體水平,估計(jì)結(jié)果顯示,年雨量增加100毫米,僅導(dǎo)致中國人均GDP增長率下降0.0001%,而全球尺度的降幅為0.11%。

針對(duì)不同數(shù)據(jù)集做經(jīng)驗(yàn)估計(jì)時(shí),經(jīng)濟(jì)對(duì)氣候因素特別是溫度的敏感性呈現(xiàn)顯著的非線性變化特征。在1961—2005年間,1℃增溫的人均GDP增長率的貢獻(xiàn)為2.78%,但當(dāng)時(shí)段擴(kuò)充到1961—2018年時(shí),1℃增溫對(duì)人均GDP增長率的影響下降到2.06%,特別地,當(dāng)時(shí)間段選在1990—2018年時(shí),溫度對(duì)人均GDP增長率的影響已變成－2.50%,這一結(jié)論也在Duan等[21]的研究中得到佐證。這背后不僅意味著全球變暖的影響在時(shí)間上是深度非線性的,同時(shí)意味著全球變暖對(duì)我國經(jīng)濟(jì)影響的臨界點(diǎn)可能在20世紀(jì)90年代已經(jīng)過去。另外,我國過去近60年的年平均溫度為12.56℃,90年代的年平均氣溫與之接近,但根據(jù)Burke等[20]的計(jì)算,全球 “最優(yōu)溫度”在13℃附近。很明顯,中國的 “最優(yōu)溫度”要小于13℃,因此,若全球繼續(xù)變暖,對(duì)我國經(jīng)濟(jì)發(fā)展造成不利影響的可能性在增大。這為中國更好地參與全球氣候治理提供了兩個(gè)啟示:首先,氣候變化對(duì)經(jīng)濟(jì)的影響并不是線性推演的,未來在應(yīng)對(duì)氣候挑戰(zhàn)時(shí)要充分重視影響由正轉(zhuǎn)負(fù)的非線性特點(diǎn),尤其關(guān)注氣候臨界點(diǎn)的存在,避免遭受不可逆的災(zāi)難性損失；其次,全球變暖作為一頭不斷靠近的 “灰犀?！?需要世界各國攜手共同應(yīng)對(duì)。全球變暖對(duì)我國的經(jīng)濟(jì)影響明顯,因此我國在國際氣候治理上除承擔(dān)自身的責(zé)任外,也應(yīng)該發(fā)揮更好的橋梁作用,加強(qiáng)國際間交流與合作,促進(jìn)各國共同承擔(dān)歷史責(zé)任。特別是,在氣候談判中要以非線性的氣候影響證據(jù)來提醒參與意愿不強(qiáng)的國家,比如美國,盡管當(dāng)前氣候變化對(duì)其經(jīng)濟(jì)的影響較小,但從歷史情況和已有研究來看,其正在接近影響由正轉(zhuǎn)負(fù)的拐點(diǎn),未來其遭受的經(jīng)濟(jì)負(fù)影響將顯著增加[39][40],據(jù)此強(qiáng)化中美共同參與全球氣候治理的角色。

一個(gè)國家一年的GDP是三大產(chǎn)業(yè)增加值最終加總的結(jié)果,因此可以粗略地認(rèn)為全球變暖對(duì)三大產(chǎn)業(yè)的影響是全球變暖對(duì)一個(gè)國家經(jīng)濟(jì)影響的不同途徑。從對(duì)GDP的貢獻(xiàn)看 (按2019年價(jià)格計(jì)算),第一產(chǎn)業(yè)占比7.11%,第二產(chǎn)業(yè)占比38.97%,第三產(chǎn)業(yè)占比53.92%。盡管全球變暖對(duì)第三產(chǎn)業(yè)的影響最小,但是1℃的升溫仍可能導(dǎo)致第三產(chǎn)業(yè)增加值增長率下降2.31%。以往在微觀層面研究全球變暖的影響時(shí),主要集中在農(nóng)業(yè)、制造業(yè)、電力等第一和第二產(chǎn)業(yè)的部門,而對(duì)第三產(chǎn)業(yè)的影響研究普遍欠缺,這也導(dǎo)致我們對(duì)全球變暖對(duì)第三產(chǎn)業(yè)的影響機(jī)制知之甚少。但隨著全球變暖加劇,以及經(jīng)濟(jì)結(jié)構(gòu)調(diào)整引起的第三產(chǎn)業(yè)占比持續(xù)攀升,可以預(yù)期未來氣候變化對(duì)第三產(chǎn)業(yè)的影響也將變得更為顯著。因此,我們一方面應(yīng)加大全球變暖對(duì)第三產(chǎn)業(yè)的影響研究,深化影響機(jī)制的探索,為政策層面的積極應(yīng)對(duì)提供科學(xué)支撐；另一方面,要強(qiáng)化三產(chǎn)各主要行業(yè)相關(guān)的氣候適應(yīng)措施,以減少全球變暖帶來的可能的經(jīng)濟(jì)損害,特別是在全球共同減排效果并不顯著的大背景下。此外,激勵(lì)人工智能技術(shù)的發(fā)展以實(shí)現(xiàn)對(duì)勞動(dòng)力的大規(guī)模替代可以提高整個(gè)產(chǎn)業(yè)的氣候韌性,繼而一定程度上降低氣候變暖可能引起的經(jīng)濟(jì)損失。