劉波 李蕓琪 蔣銀娟

［摘 要］ 基于微觀企業(yè)生產(chǎn)理論框架，利用縣級(jí)地理單元的氣候數(shù)據(jù)以及1999-2007年中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)，從機(jī)制分析和實(shí)證檢驗(yàn)兩個(gè)方面研究氣候變化對(duì)制造業(yè)企業(yè)全要素生產(chǎn)率的影響及作用機(jī)制。結(jié)果表明：氣候風(fēng)險(xiǎn)顯著降低了制造業(yè)企業(yè)的全要素生產(chǎn)率，秦嶺-淮河以北及中、東部經(jīng)濟(jì)地區(qū)尤甚；機(jī)制分析表明，氣候風(fēng)險(xiǎn)削弱了制造業(yè)企業(yè)的盈利能力，導(dǎo)致企業(yè)的融資約束強(qiáng)化、研發(fā)投入減少，最終降低了制造業(yè)企業(yè)的全要素生產(chǎn)率；進(jìn)一步分析發(fā)現(xiàn)，制造業(yè)企業(yè)所在區(qū)縣較強(qiáng)的金融服務(wù)能力能夠顯著緩解氣候風(fēng)險(xiǎn)對(duì)全要素生產(chǎn)率的負(fù)面沖擊。

［關(guān)鍵詞］ 氣候變化；氣候風(fēng)險(xiǎn)；全要素生產(chǎn)率

［中圖分類號(hào)］ F272．3 ［文獻(xiàn)標(biāo)識(shí)碼］ Ａ ［文章編號(hào)］ 1008—1763（2023）01—0078—10

Climate Changes and the Total Factor Productivity of Manufacturing

Enterprises： Mechanism Analysis and Empirical Tests

LIU Bo^1，2，LI Yun-qi²，JIANG Yin-juan¹

（1. College of Economic， Hunan Agricultural University， Changsha 410128， China;

2. College of Finance and Statistics， Hunan University， Changsha 410079， China）

Abstract：Based on the theoretical framework of micro enterprise production， this paper theoretically analyzes and empirically tests the impact of climate changes on the total factor productivity of manufacturing enterprises and the mechanism of action， with the climate data of county-level geographical units and the Chinese Industrial Enterprises Database from 1999 to 2007.The result shows that climate risk significantly reduces the total factor productivity of manufacturing enterprises， especially in the north of Qinling Mountains-Huaihe River Line and in the central and eastern economic regions. The mechanism analysis indicates that climate risks reduce the profitability of manufacturing enterprises， which leads to the strengthening of financing constraint and the reduction of R&D investment， and ultimately reduces the total factor productivity. Furthermore， stronger financial service capacity of the districts and counties where manufacturing enterprises are located can significantly buffer the negative impact of climate risks on total factor productivity.

Key words： climate changes; climate risks; total factor productivity

一 問(wèn)題的提出

氣候變化是當(dāng)前全人類面臨的重大挑戰(zhàn)之一，氣候暖化對(duì)人類生存環(huán)境、經(jīng)濟(jì)發(fā)展與社會(huì)穩(wěn)定形成了巨大沖擊。2022年7月21日，國(guó)家氣候中心發(fā)布消息，自2022年6月以來(lái)，多地出現(xiàn)持續(xù)性高溫天氣，全國(guó)平均氣溫22.1℃，為1961年以來(lái)歷史同期最高，湖北、湖南、江西、安徽、福建大部分地區(qū)，以及浙江局部地區(qū)，均經(jīng)歷了重旱、特旱災(zāi)害。在高溫與旱災(zāi)并行的條件下，長(zhǎng)江水位持續(xù)下降，水力發(fā)電的發(fā)電量不足。2022年8月，四川、重慶相繼實(shí)施工業(yè)限電，安徽、浙江、江蘇等地的化工、水泥、金屬等高耗能企業(yè)臨時(shí)停產(chǎn)，極端氣象災(zāi)害對(duì)工業(yè)生產(chǎn)的不利影響逐漸凸顯?！吨袊?guó)氣候變化藍(lán)皮書（2020）》指出，中國(guó)是全球氣候變化的敏感區(qū)，在1951-2019年期間，中國(guó)地表年均氣溫平均升高了0.24℃/10a，增溫速率顯著高于全球同期平均水平。為了穩(wěn)定氣候、預(yù)防損失擴(kuò)大，減少溫室氣體排放已迫在眉睫。2020年9月22日，習(xí)近平總書記宣布二氧化碳排放力爭(zhēng)于2030年前達(dá)到峰值，努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和。瑞士再保險(xiǎn)（Swiss Re Institute）的壓力測(cè)試表明，如果不采取任何行動(dòng)，2050年的全球經(jīng)濟(jì)因氣候變化導(dǎo)致的損失將達(dá)到GDP的18%，亞洲經(jīng)濟(jì)體將面臨最為嚴(yán)重的沖擊，我國(guó)因氣候變化導(dǎo)致的損失將高達(dá)GDP的24%。根據(jù)穆迪的測(cè)算，企業(yè)約有33%～38%的資產(chǎn)暴露于氣象風(fēng)險(xiǎn)之下。在非農(nóng)部門中，制造業(yè)企業(yè)首當(dāng)其沖，極端氣象災(zāi)害對(duì)電子和電器產(chǎn)品制造、石油和煤炭加工、非金屬礦物制品、食品制造和化學(xué)制品等行業(yè)的負(fù)面沖擊尤為突出（《Moodys ESG Solutions》）。雖然氣候暖化已經(jīng)危及企業(yè)的經(jīng)營(yíng)績(jī)效，但企業(yè)對(duì)氣候風(fēng)險(xiǎn)的重視程度有待進(jìn)一步提升。因此，從機(jī)制上分析氣候變化對(duì)企業(yè)全要素生產(chǎn)率的傳導(dǎo)渠道，并從實(shí)證上量化沖擊程度，對(duì)于提升企業(yè)對(duì)氣候風(fēng)險(xiǎn)的重視程度、增加企業(yè)節(jié)能減排的積極性具有重要現(xiàn)實(shí)意義。

諾德豪斯（Nordhaus）作為氣候經(jīng)濟(jì)學(xué)研究的先驅(qū)，提出將碳循環(huán)模型和經(jīng)濟(jì)模型相結(jié)合的評(píng)估體系，為研究氣候變化引起的物理變化同實(shí)體經(jīng)濟(jì)之間的交互影響奠定了理論基礎(chǔ) ^[1]。諾德豪斯將氣候模型和經(jīng)濟(jì)模型的損失函數(shù)融入到評(píng)估體系中，構(gòu)建了動(dòng)態(tài)綜合模型（DICE），并進(jìn)一步將其拓展為區(qū)域綜合模型（RICE）以及納入技術(shù)變遷因素的R&DICE模型^[2-4]。在DICE的模型設(shè)定中，氣候變化僅對(duì)產(chǎn)出造成影響，忽視了氣候變化對(duì)全要素生產(chǎn)率的沖擊，從而得出“經(jīng)濟(jì)增長(zhǎng)對(duì)氣候變化不敏感”的結(jié)論。基于此，Moyer等對(duì)DICE模型進(jìn)行了改進(jìn)，將全要素生產(chǎn)率內(nèi)生化，同產(chǎn)出一并納入氣候變化的考察框架內(nèi)^[5]。自諾德豪斯的開(kāi)創(chuàng)性工作以來(lái)，越來(lái)越多的文獻(xiàn)開(kāi)始關(guān)注氣候變化對(duì)經(jīng)濟(jì)金融的影響，并將氣候變化作為影響經(jīng)濟(jì)增長(zhǎng)的關(guān)鍵變量^[6]。研究發(fā)現(xiàn)，較直接影響而言，氣候變化通過(guò)全要素生產(chǎn)率對(duì)產(chǎn)出造成的間接影響更為持久^[7]。

從國(guó)家層面來(lái)看，因國(guó)情不一，氣候變化對(duì)各國(guó)全要素生產(chǎn)率的影響各異。以溫度上升為例，熱帶國(guó)家受到的沖擊更大^[8]。就行業(yè)而言，考慮到溫度、降水等因素對(duì)農(nóng)業(yè)生產(chǎn)的特殊性，已有文獻(xiàn)重點(diǎn)側(cè)重于農(nóng)業(yè)部門，研究發(fā)現(xiàn)氣候變化對(duì)農(nóng)業(yè)全要素生產(chǎn)率的沖擊具有突出的異質(zhì)性。在美國(guó)的農(nóng)業(yè)生產(chǎn)中，僅降水量和降水密度的變化對(duì)全要素生產(chǎn)率產(chǎn)生影響，溫度變化的影響可忽略不計(jì)^[9]。在我國(guó)的農(nóng)業(yè)生產(chǎn)中，氣候變化對(duì)全要素生產(chǎn)率的影響具有顯著的區(qū)域異質(zhì)性^[10]。雖然氣候因素對(duì)農(nóng)業(yè)生產(chǎn)舉足輕重，但近年來(lái)，隨著氣候風(fēng)險(xiǎn)的不斷增加，學(xué)者將視線轉(zhuǎn)向制造業(yè)，發(fā)現(xiàn)制造業(yè)部門全要素生產(chǎn)率受氣候變化的沖擊反而更為明顯，全要素生產(chǎn)率是氣候變化影響企業(yè)產(chǎn)出的主要途徑^[11-12]。與此同時(shí)，對(duì)美國(guó)和印度制造業(yè)企業(yè)的研究也得到了相似的結(jié)論，高溫環(huán)境下工人出現(xiàn)的熱應(yīng)激，將導(dǎo)致生產(chǎn)率下降、曠工增加，改善工作環(huán)境雖能緩解這一現(xiàn)象，但高溫帶來(lái)的影響無(wú)法完全消除^[13-14]。

氣候變化對(duì)制造業(yè)企業(yè)全要素生產(chǎn)率的作用渠道主要有兩個(gè)方面：技術(shù)效率渠道與技術(shù)進(jìn)步渠道。在技術(shù)效率方面，通過(guò)分析勞動(dòng)生產(chǎn)率和資本生產(chǎn)率的變動(dòng)發(fā)現(xiàn)，當(dāng)氣候處于適宜區(qū)間外時(shí)，勞動(dòng)力工作總量會(huì)隨之降低，且出現(xiàn)認(rèn)知障礙，同時(shí)生產(chǎn)設(shè)備性能惡化，從而間接對(duì)全要素生產(chǎn)率造成負(fù)面影響^[14-17]。在技術(shù)進(jìn)步方面，研究與開(kāi)發(fā)（R&D）投入是氣候變化作用于全要素生產(chǎn)率的主要渠道。由內(nèi)生增長(zhǎng)模型可知，技術(shù)進(jìn)步能夠驅(qū)動(dòng)全要素生產(chǎn)率增長(zhǎng)，從而形成經(jīng)濟(jì)增長(zhǎng)的持久動(dòng)力。全要素生產(chǎn)率作為技術(shù)進(jìn)步的產(chǎn)出指標(biāo)，離不開(kāi)研發(fā)投入，研發(fā)投入在氣候變化作用于全要素生產(chǎn)率的過(guò)程中具有重要作用^[18]。具體而言，企業(yè)的盈利能力、所受融資約束，以及地方金融發(fā)展水平等有關(guān)因素將共同作用于研究與開(kāi)發(fā)活動(dòng)，進(jìn)而形成“氣候變化-研發(fā)投入-技術(shù)進(jìn)步-全要素生產(chǎn)率”的傳導(dǎo)機(jī)制^[10，19-20]。

綜上所述，已有文獻(xiàn)在討論氣候變化對(duì)全要素生產(chǎn)率的影響時(shí)，多以農(nóng)業(yè)及具體作物為研究對(duì)象，關(guān)于氣候變化對(duì)企業(yè)全要素生產(chǎn)率的影響研究相對(duì)匱乏。氣候暖化導(dǎo)致的極端氣象災(zāi)害，已然成為現(xiàn)實(shí)經(jīng)濟(jì)中不容忽視的重大環(huán)境因素。企業(yè)全要素生產(chǎn)率水平高低反映了宏觀經(jīng)濟(jì)增長(zhǎng)和社會(huì)資源配置效率程度，厘清氣候變化對(duì)企業(yè)全要素生產(chǎn)率的影響機(jī)制及程度，對(duì)于完善與氣候變化相關(guān)的經(jīng)濟(jì)理論具有重要理論意義。鑒于此，本文將視線轉(zhuǎn)向微觀主體，首先，在理論層面，構(gòu)建企業(yè)生產(chǎn)理論模型，厘清氣候變化作用于制造業(yè)企業(yè)全要素生產(chǎn)率的傳導(dǎo)渠道；其次，在實(shí)證層面，從總體上檢驗(yàn)氣候變化對(duì)制造業(yè)企業(yè)全要素生產(chǎn)率的沖擊方向及程度，并從盈利能力、融資約束及研發(fā)投入3個(gè)方面入手，檢驗(yàn)傳導(dǎo)渠道是否存在；最后，在實(shí)踐層面，所得研究結(jié)論為應(yīng)對(duì)氣候變化對(duì)制造業(yè)企業(yè)產(chǎn)生的負(fù)面沖擊提供決策參考。

二 機(jī)制分析與研究假說(shuō)

（一）理論模型

借鑒Koren和Tenreyro的設(shè)定方式^[21]，假設(shè)制造業(yè)企業(yè)的生產(chǎn)函數(shù)為替代彈性不變生產(chǎn)函數(shù)（Constant Elasticity of Substitution，CES），如式（1）所示：

其中，At為t期的企業(yè)全要素生產(chǎn)率；qt（ω）為t期第ω類中間產(chǎn)品投入量；lt（ω）為t期第ω類中間產(chǎn)品對(duì)應(yīng)的勞動(dòng)投入量，有l(wèi)tω=l*ω·rtθt，rtθt為調(diào)整系數(shù)（0≤rtθt≤1），θt為氣候風(fēng)險(xiǎn)；N為中間產(chǎn)品種類數(shù)；ε為替代參數(shù)。假設(shè)存在最優(yōu)氣候條件T*，當(dāng)氣候參數(shù)Tt處于適宜制造業(yè)企業(yè)生產(chǎn)的最佳狀態(tài)T*時(shí)（Tt=T*，Tt的取值范圍為T^low，T^up），氣候風(fēng)險(xiǎn)θt=θ*=0，與中間投入qtω配套的勞動(dòng)投入ltω達(dá)到預(yù)期目標(biāo)l*ω，有rt（θ*）=1。而當(dāng)氣候參數(shù)Tt偏離最佳狀態(tài)T*時(shí)（Tt≠T*），此時(shí)的氣候風(fēng)險(xiǎn)為θt=Tt－T*>0，氣候風(fēng)險(xiǎn)增加會(huì)導(dǎo)致企業(yè)的勞動(dòng)生產(chǎn)率降低，勞動(dòng)投入無(wú)法達(dá)到預(yù)期目標(biāo)，只能實(shí)現(xiàn)勞動(dòng)投入ltω

然而，制造業(yè)企業(yè)生產(chǎn)的最佳氣候條件T*是未知的，因而需要對(duì)rtθt與Tt之間的關(guān)系進(jìn)行假設(shè)。首先，假設(shè)rtθt與Tt為非線性關(guān)系，當(dāng)氣候條件偏離最佳氣候條件時(shí)，調(diào)整系數(shù)將隨之降低，即rtθt與Tt呈“倒U型”。其次，假設(shè)rtθt與θt為線性關(guān)系，隨著氣候異常程度的增加，調(diào)整系數(shù)將隨之下降，具體如圖1所示。

在現(xiàn)實(shí)生活中，氣候異常程度通常采用50年一遇或者30年一遇予以刻畫，因而可以采用世界氣象組織（WMO）提出的“平均氣候態(tài)”或“標(biāo)準(zhǔn)氣候態(tài)”來(lái)刻畫氣候變化程度。平均氣候態(tài)是指在特定地區(qū)的一段氣候相對(duì)穩(wěn)定的時(shí)期內(nèi)，氣候要素的平均值所表征的氣候特征和分布形態(tài)；標(biāo)準(zhǔn)氣候態(tài)是將某個(gè)氣象要素30年的平均值作為氣候基準(zhǔn)值來(lái)表征特定地區(qū)的一般氣候特征和分布形態(tài)。在實(shí)證研究中，氣候風(fēng)險(xiǎn)通常采用年均氣溫的波動(dòng)幅度予以刻畫，波動(dòng)幅度越大，氣候風(fēng)險(xiǎn)水平越高?？紤]到制造業(yè)企業(yè)分布在全國(guó)各地的區(qū)縣，為了使區(qū)縣之間的氣候風(fēng)險(xiǎn)具有可比性，可采用標(biāo)準(zhǔn)化年均氣溫作為刻畫氣候風(fēng)險(xiǎn)的指標(biāo)。標(biāo)準(zhǔn)化年均氣溫與標(biāo)準(zhǔn)氣候態(tài)的思路基本一致，在數(shù)據(jù)允許的條件下，可將30年的參考期擴(kuò)展為50年，標(biāo)準(zhǔn)化年均氣溫的計(jì)算方式如式（2）所示：

一方面，利潤(rùn)降低會(huì)導(dǎo)致企業(yè)減少研發(fā)投入，從而降低企業(yè)的全要素生產(chǎn)率；另一方面，利潤(rùn)降低會(huì)導(dǎo)致企業(yè)獲取外源融資的可能性降低，間接地減少研發(fā)投入，企業(yè)的全要素生產(chǎn)率也會(huì)降低。鑒于此，結(jié)合蔡競(jìng)和董艷、蔡衛(wèi)星的研究^[23-24]，按照“氣候風(fēng)險(xiǎn)-盈利能力-融資約束-研發(fā)投入-全要素生產(chǎn)率”的傳導(dǎo)路徑，提出本文的第二、三個(gè)研究假說(shuō)：

假說(shuō)2：氣候風(fēng)險(xiǎn)會(huì)損害企業(yè)的盈利能力，強(qiáng)化企業(yè)的融資約束、減少企業(yè)的研發(fā)投入，從而降低企業(yè)的全要素生產(chǎn)率；

假說(shuō)3：如果企業(yè)所在地的金融服務(wù)能力較強(qiáng)，氣候風(fēng)險(xiǎn)強(qiáng)化企業(yè)融資約束的程度會(huì)有所降低，對(duì)企業(yè)全要素生產(chǎn)率的負(fù)面沖擊也會(huì)相應(yīng)地減弱。

三 實(shí)證研究

（一）研究設(shè)計(jì)

以下的實(shí)證研究將依次驗(yàn)證本文提出的3個(gè)假說(shuō)。在驗(yàn)證假說(shuō)1時(shí)，被解釋變量為制造業(yè)企業(yè)的全要素生產(chǎn)率，其測(cè)度方法主要有固定效應(yīng)模型、OP方法、LP方法、ACF方法和GMM方法^[25-26]，數(shù)據(jù)來(lái)源于1999-2007年中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)。考慮到所選樣本數(shù)據(jù)的缺失可能是非隨機(jī)的，即模型可能存在選擇性偏差問(wèn)題，因而，在基準(zhǔn)回歸中，本文采用改進(jìn)后的OP方法^[27]測(cè)度全要素生產(chǎn)率，在穩(wěn)健性檢驗(yàn)中，則采用LP方法測(cè)度全要素生產(chǎn)率。

相較于氣候變量的絕對(duì)值，本文更為關(guān)注由氣候波動(dòng)導(dǎo)致的氣候風(fēng)險(xiǎn)，而在已有文獻(xiàn)中，氣候波動(dòng)主要通過(guò)年均氣溫的波動(dòng)幅度來(lái)衡量。囿于年均氣溫會(huì)隨經(jīng)緯度、地形、坡度等指標(biāo)的變動(dòng)而改變，為了使得縣域地理單元之間的年均氣溫波動(dòng)具有橫向可比性，需要將氣溫?cái)?shù)據(jù)進(jìn)行無(wú)量綱化處理。標(biāo)準(zhǔn)化是無(wú)量綱化的常用方式，標(biāo)準(zhǔn)化年均氣溫絕對(duì)值既能滿足橫向可比的要求，又能刻畫氣候風(fēng)險(xiǎn)水平^[28]。因此，在驗(yàn)證假說(shuō)1時(shí)，將標(biāo)準(zhǔn)化年均氣溫絕對(duì)值作為氣候風(fēng)險(xiǎn)這一解釋變量的代理變量，年均氣溫源自“GISS Surface Temperature Analysis （v4）”提供的站點(diǎn)觀測(cè)數(shù)據(jù)。

如式（2）所示，首先按制造業(yè)企業(yè)所在的縣級(jí)地理單元，分別求年均氣溫的歷史均值與標(biāo)準(zhǔn)差，然后計(jì)算得到標(biāo)準(zhǔn)化年均氣溫指標(biāo)。滯后期的窗寬長(zhǎng)度會(huì)影響均值和標(biāo)準(zhǔn)差的估計(jì)值，窗寬擬設(shè)定為10年、20年、30年、40年和50年。由于五十年一遇或者百年一遇的極端氣象災(zāi)害更受關(guān)注，因而在實(shí)證研究中，主要以窗寬為50年的標(biāo)準(zhǔn)化年均氣溫絕對(duì)值為核心解釋變量，在穩(wěn)健性檢驗(yàn)中，則將窗寬設(shè)定為30年。相應(yīng)地，驗(yàn)證假說(shuō)1的模型可以設(shè)定為：

其中，tempWit為標(biāo)準(zhǔn)化年均氣溫的絕對(duì)值，即氣候風(fēng)險(xiǎn)水平。Xit為控制變量，本文共選取7個(gè)控制變量^{[23-24，29]}，具體包括出口強(qiáng)度、資產(chǎn)負(fù)債率、企業(yè)規(guī)模、市場(chǎng)集中度，以及地方經(jīng)濟(jì)發(fā)展水平等，具體的界定方式如表1所示。

假說(shuō)2的驗(yàn)證分為2個(gè)部分：首先，氣候風(fēng)險(xiǎn)是否會(huì)通過(guò)降低企業(yè)的盈利能力，進(jìn)而減少企業(yè)的研發(fā)投入；其次，如果氣候風(fēng)險(xiǎn)損害了企業(yè)的盈利能力，是否會(huì)強(qiáng)化企業(yè)的融資約束。具體而言，氣候風(fēng)險(xiǎn)不僅會(huì)通過(guò)盈利能力直接損害企業(yè)研發(fā)投入，而且會(huì)通過(guò)盈利能力改變企業(yè)所面臨的融資約束，對(duì)研發(fā)投入發(fā)揮間接作用。因此，擬采用中介效應(yīng)模型刻畫三者間的關(guān)系。又因中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)中的研發(fā)投入數(shù)據(jù)缺失較多，故采用逐步檢驗(yàn)法檢驗(yàn)中介效應(yīng)是否存在。在探究氣候風(fēng)險(xiǎn)是否會(huì)強(qiáng)化企業(yè)的融資約束時(shí)，則從“投資-現(xiàn)金流敏感性”的角度予以驗(yàn)證^{[24，30]}。相應(yīng)地，實(shí)證模型如式（13）、式（14）所示：

其中，profit為刻畫制造業(yè)企業(yè)盈利能力的財(cái)務(wù)指標(biāo)，考慮到觀測(cè)對(duì)象為制造業(yè)企業(yè)，故將營(yíng)業(yè)利潤(rùn)率作為代理變量；RDit為研發(fā)投入，用研究開(kāi)發(fā)費(fèi)用/工業(yè)銷售產(chǎn)值來(lái)表示。Iit/Kit反映的是企業(yè)新增投資，用（期末固定資產(chǎn)-期初固定資產(chǎn)）/期初固定資產(chǎn)來(lái)表示；CFit是內(nèi)部現(xiàn)金流，由于中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)中缺乏連續(xù)的現(xiàn)金流數(shù)據(jù)，借鑒Guariglia等的做法^[31]，采用（營(yíng)業(yè)利潤(rùn)+當(dāng)期折舊）/總資產(chǎn)來(lái)表示內(nèi)部現(xiàn)金流。若CFit的系數(shù)估計(jì)值φ顯著為正，則φ的數(shù)值在一定程度上反映了企業(yè)面臨的融資約束程度；如果交互項(xiàng)tempWit×CFit的系數(shù)顯著為正，則意味著氣候風(fēng)險(xiǎn)進(jìn)一步強(qiáng)化了企業(yè)所面臨的融資約束。

假說(shuō)3的驗(yàn)證以式（14）為基礎(chǔ)，為了識(shí)別出金融服務(wù)能力是否能夠緩解氣候風(fēng)險(xiǎn)對(duì)企業(yè)融資能力的不利沖擊，將式（14）調(diào)整為面板門限模型，即以企業(yè)所在地的金融服務(wù)能力作為門限變量。如果系數(shù)φ、的估計(jì)值在不同區(qū)制之間存在差異，則意味著氣候風(fēng)險(xiǎn)對(duì)企業(yè)融資能力的沖擊會(huì)因金融服務(wù)能力的不同而出現(xiàn)差異。我國(guó)以間接融資為主，銀行信貸是企業(yè)的主要融資渠道，企業(yè)所在區(qū)縣的銀行網(wǎng)點(diǎn)越多，則意味著該地的金融服務(wù)能力越強(qiáng)，故將企業(yè)所在區(qū)縣的銀行網(wǎng)點(diǎn)數(shù)量（banksit）作為金融服務(wù)能力的代理變量，具體的實(shí)證模型如式（15）所示：

其中，I（·）為示性函數(shù)，T為門限值。如果>T顯著小于≤T（或者≤T顯著大于>T），則表明較強(qiáng)的金融服務(wù)能力能夠緩解氣候風(fēng)險(xiǎn)對(duì)企業(yè)全要素生產(chǎn)率的沖擊?？紤]到多個(gè)指標(biāo)存在異常值，對(duì)除全要素生產(chǎn)率、氣候風(fēng)險(xiǎn)、企業(yè)規(guī)模和夜間燈光亮度之外的變量做截尾處理，變量的描述性統(tǒng)計(jì)結(jié)果如表2所示。

（二）假說(shuō)的驗(yàn)證

1. 假說(shuō)1的驗(yàn)證

以式（12）為基礎(chǔ)，結(jié)合樣本數(shù)據(jù)進(jìn)行豪斯曼檢驗(yàn)，檢驗(yàn)結(jié)果表明固定效應(yīng)模型優(yōu)于隨機(jī)效應(yīng)模型，因而本文采用固定效應(yīng)模型。假說(shuō)1的驗(yàn)證結(jié)果如表3所示，方程1列示了不含控制變量的估計(jì)結(jié)果，在1%的置信水平上，氣候風(fēng)險(xiǎn)的系數(shù)顯著為負(fù)。方程2引入控制變量，在包含控制變量的條件下，以過(guò)去50年的年均氣溫均值為參照，當(dāng)年均氣溫偏離其1個(gè)標(biāo)準(zhǔn)差時(shí)，全要素生產(chǎn)率將減少0.0082個(gè)單位，即氣候風(fēng)險(xiǎn)降低了企業(yè)的全要素生產(chǎn)率，假說(shuō)1得以驗(yàn)證。由區(qū)域變量系數(shù)可知，較其他地區(qū)而言，秦嶺-淮河以北、東部經(jīng)濟(jì)地區(qū)的制造業(yè)企業(yè)全要素生產(chǎn)率水平更高。方程3和方程4分別引入南北區(qū)域和氣候風(fēng)險(xiǎn)的交互項(xiàng)、經(jīng)濟(jì)區(qū)域和氣候風(fēng)險(xiǎn)的交互項(xiàng)。在1%的置信水平上，南北區(qū)域和氣候風(fēng)險(xiǎn)的交互項(xiàng)系數(shù)顯著為正，說(shuō)明與位于北方地區(qū)的企業(yè)相比，氣候風(fēng)險(xiǎn)對(duì)置身于南方的企業(yè)的負(fù)面沖擊更小。與此同時(shí)，在1%的置信水平上，中部地區(qū)、東部地區(qū)與氣候風(fēng)險(xiǎn)的交互項(xiàng)系數(shù)均顯著為負(fù)，即與位于西部地區(qū)的企業(yè)相比，氣候風(fēng)險(xiǎn)對(duì)置身于中、東部地區(qū)的企業(yè)的負(fù)面沖擊更大。此外，在1%的置信水平上，資產(chǎn)負(fù)債率、企業(yè)規(guī)模、市場(chǎng)集中度、夜間燈光亮度和經(jīng)度對(duì)企業(yè)全要素生產(chǎn)率均存在顯著影響，企業(yè)全要素生產(chǎn)率隨著資產(chǎn)負(fù)債率和市場(chǎng)集中度的增加而降低，但隨著企業(yè)規(guī)模、地方經(jīng)濟(jì)發(fā)展水平（夜間燈光亮度）和經(jīng)度的提升而增加。

2. 假說(shuō)2的驗(yàn)證

假說(shuō)2的驗(yàn)證結(jié)果如表4所示，在1%的置信水平上，氣候風(fēng)險(xiǎn)的增加顯著降低了企業(yè)的盈利能力，以過(guò)去50年的年均氣溫均值為參照，當(dāng)年均氣溫偏離其1個(gè)標(biāo)準(zhǔn)差時(shí)，營(yíng)業(yè)利潤(rùn)率將降低0.1834%；與此同時(shí)，滯后1期的盈利能力顯著提升了當(dāng)期的企業(yè)研發(fā)投入，如果營(yíng)業(yè)利潤(rùn)率增加10%，研究開(kāi)發(fā)費(fèi)用在工業(yè)銷售產(chǎn)值中的占比將增加0.002%。由“投資-現(xiàn)金流敏感性”模型的估計(jì)結(jié)果可知，在包含控制變量的條件下，在5%的置信水平上，交互項(xiàng)（滯后1期的氣候風(fēng)險(xiǎn)與內(nèi)部現(xiàn)金流水平）對(duì)新增投資水平存在顯著的正向影響。根據(jù)“投資-現(xiàn)金流敏感性”模型的思路，交互項(xiàng)系數(shù)顯著為正則意味著氣候風(fēng)險(xiǎn)顯著強(qiáng)化了企業(yè)面臨的融資約束。綜合表4的估計(jì)結(jié)果，假說(shuō)2得以驗(yàn)證。

3. 假說(shuō)3的驗(yàn)證

在面板門限模型的估計(jì)中，需要將非平衡面板數(shù)據(jù)調(diào)整成平衡面板數(shù)據(jù)，由于樣本數(shù)據(jù)缺失2004年的觀測(cè)值，故樣本數(shù)據(jù)被分割為兩個(gè)子樣本，相應(yīng)的估計(jì)結(jié)果如表5所示。在兩個(gè)子樣本中，門限值分別為11和15，兩者分別在10%、1%的置信水平上顯著。由面板門限模型的估計(jì)結(jié)果可知，在1%的置信水平上，對(duì)于第一個(gè)子樣本，當(dāng)企業(yè)所在縣級(jí)行政單元內(nèi)的銀行網(wǎng)點(diǎn)數(shù)量小于或等于11時(shí)，交互項(xiàng)對(duì)新增投資水平存在顯著的正向影響，而當(dāng)銀行網(wǎng)點(diǎn)數(shù)量大于11時(shí)，交互項(xiàng)對(duì)新增投資水平則不存在顯著影響。與之類似，對(duì)于第二個(gè)子樣本，當(dāng)銀行網(wǎng)點(diǎn)數(shù)量小于或等于15時(shí)，交互項(xiàng)對(duì)新增投資水平存在顯著的正向影響，而當(dāng)銀行網(wǎng)點(diǎn)數(shù)量大于15時(shí)，交互項(xiàng)對(duì)新增投資水平亦存在顯著影響，但系數(shù)估計(jì)值小于前者。與此同時(shí)，分組回歸的估計(jì)結(jié)果與面板門限模型的估計(jì)結(jié)果具有一致性。由此可見(jiàn)，當(dāng)企業(yè)所在縣級(jí)行政單元內(nèi)的金融服務(wù)能力偏弱時(shí)，氣候風(fēng)險(xiǎn)會(huì)顯著強(qiáng)化企業(yè)所面臨的融資約束，而當(dāng)金融服務(wù)能力較強(qiáng)時(shí)，氣候風(fēng)險(xiǎn)對(duì)融資約束的影響較弱，由此驗(yàn)證了假說(shuō)3。

四 穩(wěn)健性檢驗(yàn)

穩(wěn)健性檢驗(yàn)主要從兩個(gè)方面著手：首先，調(diào)整全要素生產(chǎn)率的測(cè)度方法，采用LP方法測(cè)度全要素生產(chǎn)率^[32]；其次，調(diào)整標(biāo)準(zhǔn)化年均氣溫的參照標(biāo)準(zhǔn)，將窗寬調(diào)整為30年，假說(shuō)1的穩(wěn)健性檢驗(yàn)如表6所示。具體而言，在方程1中，將計(jì)算標(biāo)準(zhǔn)化年均氣溫的窗寬調(diào)整為30年；在方程2中，全要素生產(chǎn)率的測(cè)算選擇LP方法；在方程3中，同時(shí)改變窗寬的選擇以及全要素生產(chǎn)率的測(cè)算方法。由（1）至（3）列的估計(jì)結(jié)果知，在1%的置信水平上，標(biāo)準(zhǔn)化年均氣溫的絕對(duì)值始終對(duì)全要素生產(chǎn)率存在顯著影響，企業(yè)全要素生產(chǎn)率隨著氣候風(fēng)險(xiǎn)的增加而降低。由此，驗(yàn)證了假說(shuō)1的穩(wěn)健性。

將窗寬調(diào)整為30年后，再次對(duì)式（13）至（15）進(jìn)行估計(jì)，估計(jì)結(jié)果如表7所示。由估計(jì)結(jié)果可知，在1%、5%的置信水平上，盈利能力隨著氣候風(fēng)險(xiǎn)的增加而顯著降低，而盈利能力的提升會(huì)顯著提升企業(yè)的研發(fā)投入，即氣候風(fēng)險(xiǎn)增加間接地降低了企業(yè)的研發(fā)投入?！巴顿Y-現(xiàn)金流敏感性”模型的估計(jì)結(jié)果表明，在1%的置信水平上，交互項(xiàng)（滯后1期的氣候風(fēng)險(xiǎn)與內(nèi)部現(xiàn)金流水平）對(duì)新增投資水平存在顯著的正向影響，由此可見(jiàn)，隨著氣候風(fēng)險(xiǎn)的提升，企業(yè)的融資約束問(wèn)題不斷強(qiáng)化，從而驗(yàn)證了假說(shuō)2的穩(wěn)健性。面板門限模型的估計(jì)結(jié)果表明，在1%的置信水平上，門限值（T=11）的交互項(xiàng)系數(shù)顯著不為0，當(dāng)企業(yè)所在地的銀行網(wǎng)點(diǎn)數(shù)量小于或等于11時(shí)，氣候風(fēng)險(xiǎn)對(duì)企業(yè)融資約束的強(qiáng)化作用更為突出，從而驗(yàn)證了假說(shuō)3的穩(wěn)健性。

五 結(jié)論與政策建議

以現(xiàn)有文獻(xiàn)為基礎(chǔ)，本文首先將氣候因素引入企業(yè)生產(chǎn)函數(shù)中，從理論層面推導(dǎo)氣候變化與企業(yè)全要素生產(chǎn)率的關(guān)系，提出相應(yīng)的假說(shuō)；其次，從企業(yè)盈利能力、融資約束和研發(fā)投入切入，分析氣候風(fēng)險(xiǎn)影響企業(yè)全要素生產(chǎn)率的傳導(dǎo)機(jī)制，并以傳導(dǎo)機(jī)制為基礎(chǔ)提出相應(yīng)的假說(shuō)。在實(shí)證研究中，以1999-2007年中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)為樣本，結(jié)合制造業(yè)企業(yè)所在縣級(jí)地理單元的年均氣溫?cái)?shù)據(jù)，驗(yàn)證本文提出的3個(gè)假說(shuō)，主要的實(shí)證研究結(jié)論如下：（1）因氣候波動(dòng)形成的氣候風(fēng)險(xiǎn)降低了制造業(yè)企業(yè)的全要素生產(chǎn)率，且具有區(qū)域異質(zhì)性。與位于北方地區(qū)的企業(yè)相比，氣候風(fēng)險(xiǎn)對(duì)置身于南方的企業(yè)的負(fù)面沖擊更小；與位于西部地區(qū)的企業(yè)相比，氣候風(fēng)險(xiǎn)對(duì)置身于中、東部地區(qū)的企業(yè)的負(fù)面沖擊更大。（2）氣候風(fēng)險(xiǎn)通過(guò)損害企業(yè)的盈利能力、強(qiáng)化企業(yè)的融資約束、減少企業(yè)的研發(fā)投入，降低了企業(yè)的全要素生產(chǎn)率?！巴顿Y-現(xiàn)金流敏感性”模型的估計(jì)結(jié)果表明，氣候風(fēng)險(xiǎn)進(jìn)一步強(qiáng)化了企業(yè)所面臨的融資約束。（3）企業(yè)所在地的金融服務(wù)能力強(qiáng)，氣候風(fēng)險(xiǎn)對(duì)融資約束的提升作用將有所降低。面板門限模型的估計(jì)結(jié)果表明，當(dāng)企業(yè)所在縣級(jí)行政單元的銀行網(wǎng)點(diǎn)數(shù)量低于閾值時(shí)，氣候風(fēng)險(xiǎn)對(duì)企業(yè)融資約束的強(qiáng)化作用更為突出。

鑒于此，本文認(rèn)為可從以下三方面緩解氣候風(fēng)險(xiǎn)對(duì)企業(yè)全要素生產(chǎn)率的不利沖擊。

首先，督促企業(yè)根據(jù)自身的實(shí)際生產(chǎn)情況，編寫應(yīng)對(duì)極端氣象災(zāi)害的應(yīng)急預(yù)案并定期演練。在短期內(nèi)，氣候暖化的趨勢(shì)難以完全逆轉(zhuǎn)，氣候暖化顯著提升了極端氣象災(zāi)害的頻次與強(qiáng)度。在此背景下，企業(yè)需要將氣候風(fēng)險(xiǎn)作為制定生產(chǎn)規(guī)劃的重要條件和前提條件，制定應(yīng)對(duì)高溫、寒潮、干旱和洪澇等災(zāi)害的應(yīng)急預(yù)案，具體包括：明確組織機(jī)構(gòu)職責(zé)、注意災(zāi)害監(jiān)控與預(yù)警、完善信息傳遞機(jī)制、設(shè)置避險(xiǎn)區(qū)域及保障裝置，并將應(yīng)急演練常態(tài)化，以期最大程度地降低氣候風(fēng)險(xiǎn)帶來(lái)的直接和間接經(jīng)濟(jì)損失。

其次，鼓勵(lì)企業(yè)增加研發(fā)投入，推動(dòng)生產(chǎn)技術(shù)換代升級(jí)，落實(shí)節(jié)能減排的社會(huì)責(zé)任。增加研發(fā)投入是企業(yè)進(jìn)行生產(chǎn)技術(shù)革新的必要條件，生產(chǎn)技術(shù)革新是企業(yè)節(jié)能減排的主要手段，節(jié)能減排是控制氣候暖化的有效方式?；诖耍瑸榫徑馄髽I(yè)資金壓力，一方面應(yīng)增加政府補(bǔ)助和稅收返還，在直接增加企業(yè)資金的基礎(chǔ)上，向社會(huì)傳遞政策傾向信號(hào)，引導(dǎo)企業(yè)進(jìn)行自主創(chuàng)新；另一方面應(yīng)通過(guò)制定監(jiān)管政策，改善金融環(huán)境，鼓勵(lì)金融機(jī)構(gòu)、資本市場(chǎng)為企業(yè)以節(jié)能減排為目標(biāo)的研發(fā)活動(dòng)提供資金支持。

最后，鼓勵(lì)金融機(jī)構(gòu)開(kāi)發(fā)出更多管理氣候風(fēng)險(xiǎn)的金融工具，為企業(yè)應(yīng)對(duì)和防范極端氣象災(zāi)害沖擊提供融資便利。目前，氣候金融產(chǎn)品創(chuàng)新仍處于起步階段，主要包括以綠色信貸和綠色債券為主的綠色增長(zhǎng)金融工具和以綠色保險(xiǎn)為代表的綠色治理金融工具。一方面，各國(guó)央行陸續(xù)試點(diǎn)綠色QE，并將綠色信貸和綠色債券納入合格抵押品范圍，這一舉措在引導(dǎo)市場(chǎng)資本流向低碳企業(yè)的同時(shí)，改變了銀行的貸款偏好，為企業(yè)提供了融資便利，即通過(guò)相機(jī)決策的方式，縮小了氣候風(fēng)險(xiǎn)帶來(lái)的企業(yè)融資缺口。另一方面，從微觀企業(yè)的角度出發(fā)，綠色保險(xiǎn)是企業(yè)化解氣候風(fēng)險(xiǎn)的有效工具。因此，應(yīng)鼓勵(lì)金融機(jī)構(gòu)針對(duì)各個(gè)地區(qū)的氣候特點(diǎn)、產(chǎn)業(yè)結(jié)構(gòu)，因地制宜地推出更多適用于管理氣候風(fēng)險(xiǎn)的產(chǎn)品，如環(huán)境保險(xiǎn)、巨災(zāi)保險(xiǎn)，以及有利于緩解氣候惡化的低碳保險(xiǎn)等。

［參 考 文 獻(xiàn)］

［1］ Nordhaus W D. Economic growth and climate： The carbon dioxide problem[J]. American Economic Review，1977（1）：341-346.

［2］ Nordhaus W D. Managing the global commons： The econo-mics of climate change[M]. Cambridge， MA： MIT press， 1994.

［3］ Nordhaus W D， Yang Z. A regional dynamic general-equilibrium model of alternative climate-change strategies[J]. American Economic Review， 1996（4）：741-765.

［4］ Nordhaus W D. Induced technological change with applications to modeling of climate-change policies[R]. Yale University， New Haven， CT （US）， 2002.

［5］ Moyer E J， Woolley M D， Matteson N J， et al. Climate impacts on economic growth as drivers of uncertainty in the social cost of carbon[J]. Journal of Legal Studies，2014（2）：401-425.

［6］ Dell M， Jones B F， Olken B A. What do we learn from the weather？ The new climate-economy literature[J]. Journal of Economic Literature， 2014（3）：740-798.

［7］ Dietz S， Stern N. Endogenous growth， convexity of damage and climate risk： How Nordhaus framework supports deep cuts in carbon emissions [J]. Economic Journal，2015（583）： 574-620.

［8］ Burke M， Hsiang S M， Miguel E. Global non-linear effect of temperature on economic production[J]. Nature，2015（7577）：235-239.

［9］ Villavicencio X， McCarl B A， Wu X， et al. Climate change influences on agricultural research productivity[J]. Climatic Change，2013（3）：815-824.

［10］尹朝靜，李谷成，范麗霞，等.氣候變化、科技存量與農(nóng)業(yè)生產(chǎn)率增長(zhǎng)[J].中國(guó)農(nóng)村經(jīng)濟(jì)，2016（5）：16-28.

［11］Chen X， Yang L. Temperature and industrial output： firm-level evidence from China[J]. Journal of Environmental Economics and Management，2019（5）：257-274.

［12］楊璐，史京曄，陳曉光.溫度變化對(duì)中國(guó)工業(yè)生產(chǎn)的影響及其機(jī)制分析[J].經(jīng)濟(jì)學(xué)（季刊），2020（5）：299-320.

［13］Graff Zivin J， Neidell M. Temperature and the allocation of time： Implications for climate change[J]. Journal of Labor Economics，2014（1）：1-26.

［14］Somanathan E， Somanathan R， Sudarshan A， et al. The impact of temperature on productivity and labor supply： Evidence from Indian manufacturing[J]. Journal of Political Economy， 2021（6）：1797-1827.

［15］F?re R， Grosskopf S， Norris M， et al. Productivity growth， technical progress， and efficiency change in industrialized countries[J]. American Economic Review，1994（1）：66-83.

［16］汪言在，劉大偉.納入氣候要素的重慶市農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)時(shí)空分布分析[J].地理科學(xué)，2017（12）：1942-1952.

［17］林光華，陸盈盈.氣候變化對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響及對(duì)策——以冬小麥為例[J].農(nóng)村經(jīng)濟(jì)，2019（6）：114-120.

［18］易福金，周甜甜，陳曉光.氣候變化、農(nóng)業(yè)科研投入與農(nóng)業(yè)全要素生產(chǎn)率[J].南京農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021（4）：155-167.

［19］Michalopoulos S， Laeven L， Levine R. Financial innovation and endogenous growth[R]. National Bureau of Economic Research， 2009.

［20］孫浦陽(yáng)，張蕊.金融創(chuàng)新是促進(jìn)還是阻礙了經(jīng)濟(jì)增長(zhǎng)——基于技術(shù)進(jìn)步視角的面板分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2012（3）：26-34.

［21］Koren M， Tenreyro S. Technological diversification[J]. American Economic Review， 2013（1）：378-414.

［22］傅曉霞，吳利學(xué).技術(shù)差距、創(chuàng)新路徑與經(jīng)濟(jì)趕超——基于后發(fā)國(guó)家的內(nèi)生技術(shù)進(jìn)步模型[J].經(jīng)濟(jì)研究，2013（6）：19-32.

［23］蔡競(jìng)，董艷.銀行業(yè)競(jìng)爭(zhēng)與企業(yè)創(chuàng)新——來(lái)自中國(guó)工業(yè)企業(yè)的經(jīng)驗(yàn)證據(jù)[J].金融研究，2016（11）：96-111.

［24］蔡衛(wèi)星.銀行業(yè)市場(chǎng)結(jié)構(gòu)對(duì)企業(yè)生產(chǎn)率的影響——來(lái)自工業(yè)企業(yè)的經(jīng)驗(yàn)證據(jù)[J].金融研究，2019（4）：39-55.

［25］魯曉東，連玉君.中國(guó)工業(yè)企業(yè)全要素生產(chǎn)率估計(jì)：1999-2007[J].經(jīng)濟(jì)學(xué)（季刊）， 2012（2）：541-558.

［26］楊汝岱.中國(guó)制造業(yè)企業(yè)全要素生產(chǎn)率研究[J].經(jīng)濟(jì)研究，2015（2）：61-74.

［27］Olley S， Pakes A. The dynamics of productivity in the telecommunications equipment industry [J]. Econometrica，1996（6）：1263-1297.

［28］Hong H， Li F W， Xu J. Climate risks and market efficiency[J]. Journal of Econometrics，2019（1）： 265-281.

［29］蔣銀娟.政府補(bǔ)貼對(duì)企業(yè)就業(yè)波動(dòng)的影響研究[J].財(cái)經(jīng)研究，2021（4）：108-123.

［30］Fazzari S， Hubbard R G， Petersen B. Investment， financing decisions， and tax policy[J]. American Economic Review，1988（2）：200-205.

［31］Guariglia A， Liu X， Song L. Internal finance and growth： Microeconometric evidence on Chinese firms[J]. Journal of Development Economics，2011（1）：79-94.

［32］Levinsohn J， Petrin A. Estimating production functions using inputs to control for unobservables[J]. Review of Economic Studies，2003（2）：317-341.