◎ 肖 芳 于 丹 呂麗莉

提 要:在國民經(jīng)濟(jì)發(fā)展中，社會(huì)生產(chǎn)越來越多的環(huán)節(jié)受到氣象條件的影響和制約。研究表明，氣象條件變化對(duì)我國8個(gè)行業(yè)的經(jīng)濟(jì)產(chǎn)出具有顯著敏感性影響。在控制資本和勞動(dòng)力影響因素不變的條件下，2008-2017年氣象因素對(duì)我國經(jīng)濟(jì)產(chǎn)出變化的影響為4.44%。不同行業(yè)的經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素敏感性從大到小依次是：農(nóng)業(yè)（7.40%）、房地產(chǎn)業(yè)（6.80%）、交通業(yè)（6.79%）、批發(fā)零售業(yè)（5.89%）、工業(yè)（5.30%）、金融業(yè)（5.15%）、建筑業(yè)（4.47%）、住宿餐飲業(yè)（3.09%）。

一、開展氣象要素對(duì)經(jīng)濟(jì)行業(yè)產(chǎn)值影響研究的意義

氣象條件對(duì)國民經(jīng)濟(jì)各行業(yè)的影響愈發(fā)凸顯。氣象關(guān)乎生命安全、生產(chǎn)發(fā)展、生活富裕、生態(tài)良好。在國民經(jīng)濟(jì)發(fā)展中，社會(huì)生產(chǎn)越來越多的環(huán)節(jié)受到氣象條件的影響和制約。特別是當(dāng)前，氣象災(zāi)害的多樣性、突發(fā)性、極端性、不可預(yù)見性日益突出，如何科學(xué)、合理地評(píng)估國民經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素的敏感性，是提高氣象服務(wù)能力，提升氣象服務(wù)針對(duì)性與服務(wù)經(jīng)濟(jì)社會(huì)效益的基礎(chǔ)。

經(jīng)濟(jì)行業(yè)產(chǎn)值對(duì)氣象的敏感性評(píng)估已成為氣象服務(wù)效益評(píng)估中的一項(xiàng)重要工作。目前關(guān)于氣象對(duì)經(jīng)濟(jì)產(chǎn)出的影響這一問題并沒有權(quán)威、科學(xué)的研究結(jié)論作為對(duì)外展示氣象工作的科學(xué)支撐，影響外部門科學(xué)理解、合理評(píng)估氣象貢獻(xiàn)?？v觀國內(nèi)相關(guān)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(wù)效益評(píng)估研究，許多專家學(xué)者也開展了很多相關(guān)研究，但以往的研究主要集中于投入產(chǎn)出比，雖然它也是氣象服務(wù)效益評(píng)估的重要內(nèi)容，但科學(xué)全面評(píng)估氣象部門的經(jīng)濟(jì)貢獻(xiàn)，需要大規(guī)模的組織領(lǐng)導(dǎo)才能完成，所以本研究聚焦于經(jīng)濟(jì)產(chǎn)值對(duì)氣象因素的敏感性評(píng)估，來反映氣象條件對(duì)國民經(jīng)濟(jì)的影響。

開展經(jīng)濟(jì)行業(yè)產(chǎn)值對(duì)氣象要素敏感性研究也是用自然科學(xué)研究方法（計(jì)量經(jīng)濟(jì)學(xué)）開展政策研究的探索嘗試。當(dāng)前關(guān)于氣象條件變化對(duì)經(jīng)濟(jì)產(chǎn)出的敏感性影響研究可大致分為四大類：（1）特定經(jīng)濟(jì)行業(yè)對(duì)氣象要素的敏感性分析，主要側(cè)重于評(píng)估氣象要素對(duì)農(nóng)業(yè)產(chǎn)出的影響；（2）較長時(shí)間尺度的氣候變化對(duì)經(jīng)濟(jì)增長的影響；（3）采用定性或半定性方法評(píng)估經(jīng)濟(jì)行業(yè)對(duì)氣象要素的敏感性分析；（4）定量分析經(jīng)濟(jì)行業(yè)對(duì)氣象要素的敏感性。其中采用定量方法評(píng)估我國經(jīng)濟(jì)行業(yè)產(chǎn)值對(duì)氣象要素敏感性評(píng)估的研究相對(duì)較少，且研究時(shí)段主要集中在2010年之前。本研究嘗試用計(jì)量經(jīng)濟(jì)學(xué)的方法彌補(bǔ)近十年來該領(lǐng)域的定量研究空白。

二、國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢

（一）國際研究與實(shí)踐

美國學(xué)者Dutton在2002年發(fā)表的一篇文章中對(duì)美國各行業(yè)GDP產(chǎn)值受到天氣和氣候制約的情況進(jìn)行了估算，結(jié)果顯示，美國三分之一左右的GDP屬于天氣氣候敏感領(lǐng)域，年產(chǎn)值達(dá)到3萬億美元。這一研究結(jié)果被美國政府和學(xué)術(shù)界廣泛接受。

2004年，在Dutton工作的基礎(chǔ)上，NCAR和Stratus咨詢公司共同開展了規(guī)模較大的“美國不同經(jīng)濟(jì)行業(yè)對(duì)天氣敏感性評(píng)估項(xiàng)目”（OUSSSA-Overall U.S.Sector Sensitivity Assessment），應(yīng)用柯布-道格拉斯生產(chǎn)函數(shù)法（C-D生產(chǎn)函數(shù)），將氣象因子作為生產(chǎn)要素加入其中，作出了相應(yīng)的敏感性評(píng)估。2004年4月發(fā)布的《NOAA經(jīng)濟(jì)統(tǒng)計(jì)》第三版認(rèn)為：美國受天氣和氣候直接或間接影響的產(chǎn)業(yè)，從金融、保險(xiǎn)和不動(dòng)產(chǎn)到服務(wù)、零售和批發(fā)貿(mào)易，占國家GDP的三分之一。直接受天氣影響的產(chǎn)業(yè)，如農(nóng)業(yè)、建筑、能源傳輸和室外娛樂業(yè)，占國家GDP接近10%。

Larsen（2006）用傳統(tǒng)的資金、勞動(dòng)力和能源消耗投入以及溫度和降水的觀測值來估計(jì)美國經(jīng)濟(jì)對(duì)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(qū)比其他地區(qū)對(duì)天氣更為敏感, 其中制造加工業(yè)對(duì)天氣 （例如低溫天氣）的敏感性尤其顯著。

2008年，學(xué)者在搜集美國各地70年氣象記錄以及主要經(jīng)濟(jì)部門近24年的數(shù)據(jù)的基礎(chǔ)上開展了天氣敏感性分析，研究結(jié)論說明，常規(guī)的天氣變化對(duì)美國國民生產(chǎn)總值的影響高達(dá)3.4%。就具體行業(yè)來看，常規(guī)天氣變化每年對(duì)礦業(yè)經(jīng)濟(jì)有14%的影響，對(duì)農(nóng)業(yè)的影響為12%；其他敏感行業(yè)包括制造業(yè)（8%），金融保險(xiǎn) （8%）和公用事業(yè)（7%）。相比之下，批發(fā)業(yè)（2%）、零售業(yè)（2%）和服務(wù)業(yè)（3%）被認(rèn)為是最不敏感。Laoz等用加入氣象因子的計(jì)量經(jīng)濟(jì)模型，對(duì)美國48個(gè)州11個(gè)行業(yè)的天氣變化敏感性進(jìn)行了估算。

（二）我國相關(guān)研究與實(shí)踐

氣象要素對(duì)行業(yè)經(jīng)濟(jì)產(chǎn)出的影響研究是難度較大的工作，我國學(xué)者對(duì)此做了大量的研究與實(shí)證分析。丑潔明等在C-D生產(chǎn)函數(shù)法中添加氣候變化因子，建立一個(gè)新的“經(jīng)濟(jì)-氣候模型”（簡稱C-D-C模型），用來評(píng)價(jià)全球氣候變化對(duì)糧食產(chǎn)量的影響。戴洋等（2008）應(yīng)用C-D生產(chǎn)函數(shù)法將氣象因子作為一個(gè)生產(chǎn)要素加入其中，衡量氣候條件對(duì)國民經(jīng)濟(jì)生產(chǎn)的影響，并利用新建的氣候-經(jīng)濟(jì)敏感性模型對(duì)全國各省市氣象-經(jīng)濟(jì)敏感性進(jìn)行了評(píng)估，結(jié)果表明，華東地區(qū)國民經(jīng)濟(jì)發(fā)展對(duì)氣象條件的敏感性相對(duì)較高。周京平等采用文獻(xiàn)信息統(tǒng)計(jì)法重點(diǎn)評(píng)估了農(nóng)林牧漁業(yè)的天氣氣候敏感程度。孫寧等基于規(guī)范的協(xié)整理論，定量分析了氣溫變化對(duì)南京市主要行業(yè)的長期以及短期影響。2006年全國氣象服務(wù)效益評(píng)估中，以氣象敏感度和氣象效用大小為標(biāo)準(zhǔn)，應(yīng)用專家評(píng)估法對(duì)氣象敏感行業(yè)進(jìn)行了評(píng)定并排序（如表1所示）。羅慧等（2010）基于C-D生產(chǎn)函數(shù)法，綜合分析了我國31個(gè)省份22年（1984-2006年）間的行業(yè)和氣象數(shù)據(jù)，采用隨機(jī)效應(yīng)模型對(duì)時(shí)間序列截面數(shù)據(jù)進(jìn)行了分析，結(jié)果表明，氣象條件變化與行業(yè)經(jīng)濟(jì)產(chǎn)出之間存在密切聯(lián)系，在控制資本投資和勞動(dòng)力兩個(gè)因素不變的情況下，中國經(jīng)濟(jì)產(chǎn)出對(duì)氣象條件變化敏感度為12.36%。孫鑒鋒等（2017）通過改進(jìn)C-D生產(chǎn)函數(shù)，得到了北京市各行業(yè)對(duì)氣象條件的敏感性排名，其中建筑業(yè)（0.4995%）、批發(fā)零售業(yè)（0.4176%）和金融業(yè)（0.2933%）對(duì)氣象條件變化表現(xiàn)出高敏感性，而農(nóng)業(yè)（0.2537%）對(duì)氣象條件變化的敏感性最低。

表1 氣象敏感行業(yè)排序表（2006年）

區(qū)域行業(yè)經(jīng)濟(jì)發(fā)展的氣象敏感性也是研究重點(diǎn)之一。楊松等（2011）針對(duì)江蘇省1980-2008年的行業(yè)經(jīng)濟(jì)數(shù)據(jù)與氣象數(shù)據(jù)，運(yùn)用灰色理論對(duì)生產(chǎn)函數(shù)在數(shù)據(jù)處理等方面加以改進(jìn)，分析了它們之間的關(guān)系。芮玨等（2011）分析了江蘇省行業(yè)經(jīng)濟(jì)產(chǎn)出受氣象因素影響的大小，得到了各行業(yè)的敏感性排名，依次為建筑業(yè)、農(nóng)業(yè)、批發(fā)和零售貿(mào)易餐飲業(yè)、房地產(chǎn)業(yè)、工業(yè)。孫鑒鋒等（2017）通過改進(jìn)C-D生產(chǎn)函數(shù)計(jì)量經(jīng)濟(jì)模型，采用嶺回歸模型對(duì)北京市的行業(yè)經(jīng)濟(jì)-氣象系統(tǒng)要素進(jìn)行分析，得到了北京市各行業(yè)對(duì)氣象條件的敏感性排名，其中建筑業(yè)、批發(fā)零售業(yè)和金融業(yè)對(duì)氣象條件變化表現(xiàn)出高敏感性，而農(nóng)業(yè)對(duì)氣象條件變化的敏感性最低。許霜等（2014）引入超越對(duì)數(shù)生產(chǎn)函數(shù)，對(duì)1987-2010年相關(guān)數(shù)據(jù)進(jìn)行動(dòng)態(tài)分析，研究華北地區(qū)能源行業(yè)產(chǎn)出對(duì)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(nèi)外對(duì)于行業(yè)氣象敏感性評(píng)估的方法主要分為兩類：一種是專家評(píng)估法：采用專家打分制，采集各省份高氣象敏感行業(yè)排序樣本，用加權(quán)平均的方法對(duì)每個(gè)行業(yè)的得分進(jìn)行統(tǒng)計(jì)，得分越高的行業(yè)對(duì)氣象敏感程度越高，最后得到全國范圍內(nèi)行業(yè)氣象敏感度排行。另一種是柯布-道格拉斯生產(chǎn)函數(shù)法，此模型的結(jié)果相比專家評(píng)估法或其他主觀判斷方法更具科學(xué)性、客觀性和延伸性。

從研究內(nèi)容上來看，已有研究在分析我國氣象條件變化對(duì)經(jīng)濟(jì)產(chǎn)出是否存在顯著的敏感性影響方面, 主要側(cè)重于氣候變化對(duì)農(nóng)業(yè)產(chǎn)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(yè)產(chǎn)出對(duì)氣象條件變化的敏感性分析上還相對(duì)薄弱。因此，如何更科學(xué)地選取代表性氣象要素，收集更長時(shí)間序列的樣本和更豐富的經(jīng)濟(jì)數(shù)據(jù)建立合理模型，更加精確地定量化進(jìn)行行業(yè)氣象敏感性評(píng)價(jià)，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(yè)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(diǎn), 本研究擬在傳統(tǒng)計(jì)量經(jīng)濟(jì)研究方法的基礎(chǔ)上，試圖改進(jìn)生產(chǎn)函數(shù)計(jì)量經(jīng)濟(jì)模型，引入更多有影響性的氣象因子，梳理更長時(shí)間序列的最新數(shù)據(jù)，對(duì)我國經(jīng)濟(jì)行業(yè)產(chǎn)值的氣象敏感性進(jìn)行評(píng)估分析。

三、研究方法與數(shù)據(jù)

本研究在文獻(xiàn)調(diào)研的基礎(chǔ)上，采用通用的計(jì)量經(jīng)濟(jì)統(tǒng)計(jì)方法研究氣象要素對(duì)經(jīng)濟(jì)行業(yè)產(chǎn)值的影響。

（一）研究模型和計(jì)算方法

1.改進(jìn)柯布-道格拉斯生產(chǎn)函數(shù)（C-D生產(chǎn)函數(shù)）

C-D生產(chǎn)函數(shù)是一種多因素分析法，多用于生產(chǎn)過程中要素投入對(duì)產(chǎn)出貢獻(xiàn)大小的經(jīng)濟(jì)分析。經(jīng)典的C-D生產(chǎn)函數(shù)形式為Q=ALαK1-α，其中Q代表產(chǎn)量，L代表勞動(dòng)投入量，K代表資本投入量，A是常數(shù)，α是勞動(dòng)力產(chǎn)出的彈性系數(shù)。在開展氣象因素變化產(chǎn)生的經(jīng)濟(jì)影響分析時(shí)，通過增加氣象變量（W）對(duì)函數(shù)加以改進(jìn)。改進(jìn)后的函數(shù)為：

公式（1）中βL、βK、βW為常數(shù)，分別表示勞動(dòng)投入量L、資本投入量K和氣象因素W對(duì)經(jīng)濟(jì)產(chǎn)出Q相應(yīng)于解釋變量變化的敏感性系數(shù)。將模型兩邊取自然對(duì)數(shù)線性化，得到：

公式（2）就是本研究中生產(chǎn)函數(shù)法的計(jì)量模型，將據(jù)此開展各行業(yè)經(jīng)濟(jì)產(chǎn)出受天氣變化影響的敏感性研究。從經(jīng)濟(jì)學(xué)分析的角度，公式（2）中βL、βK、βW即為經(jīng)濟(jì)產(chǎn)出Q對(duì)于相應(yīng)解釋變量變化的敏感性系數(shù)，也叫彈性系數(shù)。如:

該系數(shù)度量了在資本和勞動(dòng)力等變量保持不變的情況下，氣象變量lnW對(duì)因變量lnQ的影響變化，具體而言，當(dāng)保持固定資產(chǎn)投資和勞動(dòng)力因素不變的情況下，1%的氣象變量變化，將引起各行業(yè)經(jīng)濟(jì)產(chǎn)出的百分比變化，即為敏感性變化。

2.計(jì)算模型

為了能定量分析氣象變量對(duì)我國各地區(qū)、各行業(yè)的影響程度，采用了計(jì)量經(jīng)濟(jì)模型——面板數(shù)據(jù)（Panel Data）模型，又稱時(shí)間序列截面數(shù)據(jù)，比只利用截面數(shù)據(jù)或只利用時(shí)間序列數(shù)據(jù)模型具有不可替代的作用，其優(yōu)勢主要表現(xiàn)在：由于觀測值的增多，可以增加估計(jì)量的抽樣精度；建模時(shí)比單截面數(shù)據(jù)建模可以獲得更多的動(dòng)態(tài)信息。由于各樣本之間的差異是隨機(jī)的，分析數(shù)據(jù)時(shí)選擇了隨機(jī)效應(yīng)模型（Random Effect Model）。

（二）經(jīng)濟(jì)要素指標(biāo)

根據(jù)《中國統(tǒng)計(jì)年鑒》，選取31個(gè)?。▍^(qū)、市）8個(gè)行業(yè)2008-2017年的GDP、年末在崗就業(yè)人數(shù)、固定資產(chǎn)投資數(shù)據(jù)。（8個(gè)行業(yè)包括：農(nóng)業(yè)、工業(yè)、建筑業(yè)、交通運(yùn)輸倉儲(chǔ)和郵電通信業(yè)、批發(fā)和零售業(yè)、住宿和餐飲業(yè)、金融保險(xiǎn)業(yè)、房地產(chǎn)業(yè)）

（三）氣象要素指標(biāo)

根據(jù)中國氣象數(shù)據(jù)網(wǎng)，選取31個(gè)省（區(qū)、市）2008-2017年氣溫、降水量氣象數(shù)據(jù)。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(dāng)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(biāo)準(zhǔn)差，表示年均氣溫波動(dòng)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(biāo)準(zhǔn)差，即該省逐年降水量的標(biāo)準(zhǔn)偏差，描述年均降水量的波動(dòng)特征。

本次研究共選取了31個(gè)?。▍^(qū)、市）10年（2008-2017年）8個(gè)行業(yè)橫截面數(shù)據(jù)（如表2所示），樣本容量共有8680個(gè)。

表2 數(shù)據(jù)選取情況

四、實(shí)證分析

（一）不同經(jīng)濟(jì)行業(yè)產(chǎn)值對(duì)氣象因素敏感性擬合結(jié)果分析

通過Stata計(jì)量經(jīng)濟(jì)軟件，基于改進(jìn)的C-D生產(chǎn)函數(shù)模型，需要對(duì)公式兩側(cè)進(jìn)行取對(duì)數(shù)處理，對(duì)對(duì)數(shù)化后的數(shù)據(jù)建立帶時(shí)間趨勢項(xiàng)的面板隨機(jī)效應(yīng)模型，分別使用8個(gè)分行業(yè)GDP進(jìn)行模型參數(shù)估計(jì)，得到的8組系數(shù)即為不同經(jīng)濟(jì)行業(yè)對(duì)氣象因素敏感性影響的回歸結(jié)果（如表3所示）。

表3 氣象變量對(duì)不同行業(yè)敏感性影響的計(jì)算結(jié)果

根據(jù)加入氣象因子的模型的物理意義和回歸結(jié)果來看，除農(nóng)業(yè)外所有行業(yè)均與固定資產(chǎn)（K）和勞動(dòng)力人口（L）密切相關(guān)。就氣象因素的影響而言，以農(nóng)業(yè)為例，得到農(nóng)業(yè)產(chǎn)出對(duì)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(biāo)準(zhǔn)差（TD）通過了小于1%的顯著性檢驗(yàn)，說明農(nóng)業(yè)產(chǎn)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(nóng)業(yè)產(chǎn)出減少0.022%；年均氣溫標(biāo)準(zhǔn)差TD每增加1%，農(nóng)業(yè)產(chǎn)出會(huì)增加0.428%。

根據(jù)回歸結(jié)果，逐年平均氣溫與30年平均氣溫差值（TT）每增加1%，農(nóng)業(yè)、交通運(yùn)輸業(yè)的經(jīng)濟(jì)產(chǎn)出將會(huì)分別減少0.022%和0.012%，其他行業(yè)沒有通過顯著性檢驗(yàn)；單位面積降水（RR）每增加1%，工業(yè)、批發(fā)零售業(yè)、交通運(yùn)輸業(yè)、住宿餐飲業(yè)、金融業(yè)、房地產(chǎn)業(yè)等行業(yè)產(chǎn)出將會(huì)分別增加0.064%、0.122%、0.116%、0.090%、0.170%、0.197%；氣溫標(biāo)準(zhǔn)差（TD）每增加1%，農(nóng)業(yè)、工業(yè)、建筑業(yè)、批發(fā)零售業(yè)、交通運(yùn)輸業(yè)和房地產(chǎn)業(yè)等行業(yè)產(chǎn)出將分別增加0.428%、0.238%、0.305%、0.445%、0.534%、0.292%；其中，降水標(biāo)準(zhǔn)差（RD）的變化，與金融業(yè)產(chǎn)值顯著相關(guān)，當(dāng)RD增加1%，金融業(yè)產(chǎn)出將減少0.107%，對(duì)其他行業(yè)的敏感性影響未通過顯著性檢驗(yàn)。

（二）各地區(qū)不同經(jīng)濟(jì)行業(yè)產(chǎn)出對(duì)氣象因素敏感性的實(shí)證分析

在實(shí)證分析中，引入極差率這一概念，進(jìn)一步分析氣象因素對(duì)經(jīng)濟(jì)行業(yè)產(chǎn)出的敏感性影響。極差率計(jì)算公式為：（產(chǎn)出最大值-產(chǎn)出最小值）/產(chǎn)出平均值，即保持經(jīng)濟(jì)因子不變，將歷年氣象因子代入各行業(yè)邊際影響方程中，計(jì)算得到歷年的經(jīng)濟(jì)產(chǎn)出估計(jì)值，該產(chǎn)出估計(jì)值的差異完全由氣象因子的變化產(chǎn)生，所以極差率即可表示經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素的敏感程度。

本研究中固定資產(chǎn)投資K和勞動(dòng)力L的數(shù)據(jù)，均采用2008-2017年的平均數(shù)，氣象要素采用2013-2017年的數(shù)據(jù)，預(yù)測出2013-2017年31個(gè)?。▍^(qū)、市）8個(gè)行業(yè)的GDP值，代入極差率計(jì)算公式，得到各地區(qū)不同經(jīng)濟(jì)行業(yè)產(chǎn)出對(duì)氣象因素的敏感性（如表4所示）。

表4 經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素敏感性影響的預(yù)測結(jié)果 單位：%

1.不同行業(yè)經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素敏感性分析

將全國各行業(yè)的極差率進(jìn)行平均值計(jì)算，即可得到不同行業(yè)經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素的敏感性（如圖1所示）。通過計(jì)算可得，我國經(jīng)濟(jì)產(chǎn)出對(duì)氣象條件變化的平均敏感性系數(shù)為4.44%。不同行業(yè)的經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素敏感性從大到小依次是：農(nóng)業(yè)（7.40%）、房地產(chǎn)業(yè)（6.80%）、交通業(yè)（6.79%）、批發(fā)零售業(yè)（5.89%）、工業(yè)（5.30%）、金融業(yè)（5.15%）、建筑業(yè)（4.47%）、住宿餐飲業(yè)（3.09%）。

圖1 不同行業(yè)的經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素敏感性

2.不同地區(qū)經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素敏感性分析

將各省（區(qū)、市）不同行業(yè)的極差率進(jìn)行平均值計(jì)算，即可得到該省經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素的敏感性。以北京市為例，房地產(chǎn)業(yè)對(duì)氣象因素的敏感性最高，達(dá)到8.95%，其次是工業(yè)，為8.21%，金融業(yè)對(duì)氣象因素的敏感程度最低，為2.87%。將北京市8個(gè)行業(yè)產(chǎn)出對(duì)氣象因素的敏感程度進(jìn)行平均值計(jì)算，可得到北京市經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素的敏感性為5.96%。

各省（區(qū)、市）經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素的敏感性（如圖2所示），氣象條件變化對(duì)各?。▍^(qū)、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(duì)氣象因素的變化相當(dāng)敏感，敏感性基本高于6%；內(nèi)蒙古、吉林、西藏、福建等省份對(duì)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(duì)氣象要素較不敏感，敏感性低于2%。

圖2 各?。▍^(qū)、市）的經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素敏感性

五、研究結(jié)果與討論

利用31個(gè)?。▍^(qū)、市）8個(gè)經(jīng)濟(jì)行業(yè)產(chǎn)值、勞動(dòng)力、固定資產(chǎn)投資、平均氣溫差值、氣溫標(biāo)準(zhǔn)差、單位面積平均降水量、降水量標(biāo)準(zhǔn)差等資料，代入生產(chǎn)函數(shù)模型，進(jìn)行建模和擬合，分析了不同地區(qū)不同行業(yè)經(jīng)濟(jì)產(chǎn)出的氣象敏感性，主要結(jié)論如下。

一是應(yīng)用C-D生產(chǎn)函數(shù)，將氣象因素作為經(jīng)濟(jì)增長影響的投入因素引入模型，通過回歸分析，根據(jù)不同行業(yè)對(duì)氣象條件變化的邊際影響分析可得，氣象條件變化對(duì)我國8個(gè)行業(yè)的經(jīng)濟(jì)產(chǎn)出具有顯著敏感性影響。

二是在控制資本和勞動(dòng)力影響因素不變的條件下，2008-2017年氣象因素對(duì)我國經(jīng)濟(jì)產(chǎn)出變化的影響為4.44%。不同行業(yè)的經(jīng)濟(jì)產(chǎn)出對(duì)氣象因素敏感性從大到小依次是：農(nóng)業(yè)（7.40%）、房地產(chǎn)業(yè)（6.80%）、交通業(yè)（6.79%）、批發(fā)零售業(yè)（5.89%）、工業(yè)（5.30%）、金融業(yè)（5.15%）、建筑業(yè)（4.47%）、住宿餐飲業(yè)（3.09%）。

三是氣象條件變化對(duì)各省市的影響程度不一，但總體而言各行業(yè)產(chǎn)出對(duì)氣象條件變化存在顯著敏感性影響。其中，山東省經(jīng)濟(jì)產(chǎn)出對(duì)氣象條件變化的敏感性最強(qiáng)，為8.25%；江西省經(jīng)濟(jì)產(chǎn)出對(duì)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(shí)際GDP值進(jìn)行對(duì)比，發(fā)現(xiàn)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(zhǔn)確地貼近實(shí)際GDP值，但也存在一些省份，如廣東、江蘇、山東、浙江等經(jīng)濟(jì)發(fā)達(dá)省份，模擬GDP值與實(shí)際GDP值有較大偏差的現(xiàn)象，模擬GDP明顯低于真實(shí)GDP值。分析原因后，發(fā)現(xiàn)主要存在以下兩個(gè)問題：

（1）所選取的C-D模型無法捕捉非線性關(guān)系和協(xié)同關(guān)系。經(jīng)濟(jì)要素和氣象要素之間存在大量的非線性關(guān)系、替代關(guān)系和協(xié)同關(guān)系。尤其是在發(fā)達(dá)省份，由于發(fā)達(dá)省份可以通過資本、勞動(dòng)力、技術(shù)等更好地彌補(bǔ)由氣象要素帶來的不利影響，不利的溫度和降水未必會(huì)導(dǎo)致GDP大幅下滑。

（2）樣本數(shù)據(jù)的年限問題。通常，樣本數(shù)據(jù)的時(shí)間序列越長，模型擬合得出的參數(shù)越準(zhǔn)確。受限于經(jīng)濟(jì)數(shù)據(jù)統(tǒng)計(jì)口徑改變等原因，當(dāng)前的樣本數(shù)據(jù)只有10年，導(dǎo)致模型參數(shù)不夠準(zhǔn)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(xù)研究中，我們還需要優(yōu)化模型，拓展樣本數(shù)據(jù)的時(shí)間序列與變量選擇，以提升研究結(jié)果的科學(xué)性。