| 5,686 | 26 | 848 |
| 下载次数 | 被引频次 | 阅读次数 |
如何应对气候风险加剧背景下的极端天气现象冲击是当前及未来我国经济面临的一个重要问题。为更全面理解极端天气现象的经济后果，本文借助最新的地理信息数据，研究暴雨冲击与城市经济增长之间的关系。实证结果表明，暴雨冲击会显著降低城市经济增长率，在经过一系列稳健性检验后，此结论依旧成立。机制分析表明，暴雨冲击不仅会造成显著的直接经济损害，还会降低微观经济主体的经济活跃度，从而引致城市经济增长率降低。进一步分析表明，通过完善城市公共服务和营造城市宜居环境推动城市内涵式发展，有助于减轻暴雨冲击对经济增长的负面影响和增强城市应对气候风险的能力。本文研究为我国城市内涵式发展转型提供了经验证据。
Abstract：How to cope with the impact of extreme weather events in the context of exacerbated climate risks is an important issue facing China's economy currently and in the future. In order to understand the economic consequences of extreme weather more comprehensively, this paper studies the relationship between rainstorm shock and urban economic growth with the help of the latest geographic information data. The empirical results show that the impact of rainstorm will significantly reduce the urban economic growth rate. After a series of robustness tests, this conclusion is still valid. The mechanism analysis shows that rainstorm shock will not only cause significant direct economic loss, but also reduce the economic activity of microeconomic entities, resulting in a decrease in urban economic growth rate. Further analysis shows that by improving urban public services and creating a livable environment to promote urban conformal development, it is helpful to alleviate the negative impact of rainstorms on economic growth and enhance the city's ability to cope with climate risks. This study provides empirical evidence for the transformation of China's urban intensive development.
[1]柏荷,明義森,刘启航,等.基于GPM卫星降雨产品的2001-2019年中国暴雨数据集[J].中国科学数据,2022,7(2):231-240.
[2]常晨,陆铭.新城之殇--密度、距离与债务[J].经济学（季刊）,2017,16(4):1621-1642.
[3]黄亮雄,王贤彬,刘淑琳.经济增长目标与激进城镇化--来自夜间灯光数据的证据[J].世界经济,2021,44(6):97-122.
[4]胡凯群,林美霞,吝涛,等.快速城镇化过程中的城市蔓延与生态保护冲突空间识别与量化评估--以长三角生态绿色一体化发展示范区为例[J].生态学报,2022,42(2):462-473.
[5]胡艺馨,杨丽丽,关大博.“自然灾害-公共卫生”重大突发复合极端事件的经济影响评估:以郑州“涝疫复合”事件为例[J].计量经济学报,2022,2(2):257-290.
[6]江艇.因果推断经验研究中的中介效应与调节效应[J].中国工业经济,2022(5):100-120.
[7]金刚,沈坤荣.气候变化与线下服务业消费:以电影行业为例[J].世界经济,2022,45(9):152-178.
[8]刘修岩,李松林,秦蒙.开发时滞、市场不确定性与城市蔓延[J].经济研究,2016,51(8):159-171.
[9]鲁晓东,连玉君.中国工业企业全要素生产率估计:1999-2007[J].经济学（季刊）,2012,11(2):541-558.
[10]罗良文,茹雪,赵凡.气候变化的经济影响研究进展[J].经济学动态,2018(10):116-130.
[11]毛军,田赟,谢军平,等.北京市4种城市功能区森林植被涵养水源功能评价及价值估算[J].生态学报,2021,41(22):9020-9028.
[12]毛文峰,陆军.蔓延的城市发展模式与地方公共财政负担[J].财政研究,2019(11):64-76.
[13]聂辉华,江艇,杨汝岱.中国工业企业数据库的使用现状和潜在问题[J].世界经济,2012,35(5):142-158.
[14]石光,岳阳,张过.政府换届周期对城市空间扩张的影响[J].世界经济,2021,44(4):178-200.
[15]孙伟增,何磊磊.职住分离、时间挤出与企业生产效率[J].经济学（季刊）,2022,22(4):1147-1168.
[16]王春超,林芊芊.恶劣天气如何影响劳动生产率?--基于快递业劳动者的适应行为研究[J].经济学（季刊）,2021,21(3):797-818.
[17]吴敏,周黎安.晋升激励与城市建设:公共品可视性的视角[J].经济研究,2018,53(12):97-111.
[18]杨冕,谢泽宇,杨福霞.省界毗邻地区绿色发展路径探索:来自革命老区振兴的启示[J].世界经济,2022,45(8):157-179.
[19]杨璐,史京晔,陈晓光.温度变化对中国工业生产的影响及其机制分析[J].经济学（季刊）,2020,20(5):299-320.
[20]Cai X,Lu Y,Wang J.The Impact of Temperature on Manufacturing Worker Productivity:Evidence from Personnel Data[J].Journal of Comparative Economics,2018,46(4):889-905.
[21]Chen S,Gong B.Response and Adaptation of Agriculture to Climate Change:Evidence from China[J].Journal of Development Economics,2021,148:102557.
[22]Chen Z,Yu B,Yang C,et al.An Extended Time Series (2000-2018) of Global NPP-VIIRS-Like Nighttime Light Data From a Cross-Sensor Calibration[J].Earth System Science Data,2021,13(3):889-906.
[23]Davis D R,Weinstein D E.Bones,Bombs,and Break Points:The Geography of Economic Activity[J].American Economic Review,2002,92(5):1269-1289.
[24]Dell M,Jones B F,Olken B A.Temperature Shocks and Economic Growth:Evidence from the Last Half Century[J].American Economic Journal:Macroeconomics,2012,4(3):66-95.
[25]Jia R,Ma X,Xie V W.Expecting Floods:Firm Entry,Employment,and Aggregate Implications[R].National Bureau of Economic Research,2022.
[26]Kocornik-Mina A,McDermott T K J,Michaels G,et al.Flooded Cities[J].American Economic Journal:Applied Economics,2020,12(2):35-66.
[27]Naguib C,Pelli M,Poirier D,et al.The Impact of Cyclones on Local Economic Growth:Evidence from Local Projections[J].Economics Letters,2022,220:110871.
[28]Taylor C A,Druckenmiller H.Wetlands,Flooding,and The Clean Water Act[J].American Economic Review,2022,112(4):1334-1363.
[29]Zhang P,Deschenes O,Meng K,et al.Temperature Effects on Productivity and Factor Reallocation:Evidence from a Half Million Chinese Manufacturing Plants[J].Journal of Environmental Economics and Management,2018,88:1-17.
[30]Zhu P,Burney J,Chang J,et al.Warming Reduces Global Agricultural Production by Decreasing Cropping Frequency and Yields[J].Nature Climate Change,2022,12(11):1016-1023.
(1)因篇幅所限，变量的描述性统计以附表1展示，见《统计研究》网站所列附件。下同。
(2)栅格数据下载网址为http://www.csdata.org/。根据中国气象局对暴雨的定义，每小时降雨量16mm以上，或连续12小时降雨量30mm以上，或连续24小时降雨量50mm以上的降水为暴雨（柏荷等，2022）。
(3)数据的下载地址为https://floodobservatory.colorado.edu/Archives/index.html。
(1)网址为https://aiqicha.baidu.com/。
(2)城市的平均GDP为1634.39亿元，1634.39×0.00035≈0.57204。
(3)城市的月度平均温度和年度降水数据基于中国气象数据网提供的数据整理生成。
(1)在本文使用的数据中，年降水量（对数值）和年暴雨量（对数值）相关系数高达0.7824。
(2)城市初始经济水平使用2000年城市人均GDP对数值衡量，2000年城市GDP数据整理自2001年《中国县域经济统计年鉴》和《中国城市经济统计年鉴》，常住人口数据来源于《人口普查分县资料2000》。
(3)具体而言，本文首先将Landscan人口栅格进行矢量化处理，并识别人口矢量点所在的城市，然后使用Arcgis软件对人口矢量点叠加暴雨栅格进行暴雨量赋值，最后在城市内部按照人口数量进行加权平均生成作为新的解释变量。计算公式为■，其中ijt volume是包含在城市i内第t年第j个人口矢量点的暴雨值，ijt pop是包含在城市i内第t年第j个人口矢量点的人口值，it Pop是城市i第t年的人口总值。
(4)网址为https://www.163.com/dy/article/IBPAPOS10514BE2Q.html。
(5)剔除了海南、广东、广西、福建、浙江、江苏、山东和上海等省份的城市样本。表2列（3）中，关键解释变量的系数绝对值有所上升，这有可能是因为剔除了常年遭受台风侵袭且应对暴雨冲击的能力相对更强的样本城市，剩余样本城市应对暴雨冲击能力较弱，从而暴雨冲击对这些城市经济增长的损害相对更大。
(6)七大地理区域分别为东北、华北、华东、华南、华中、西南、西北。
(1)基于中国科学院地理科学与资源研究所提供的中国气候区划矢量底图，并结合城市行政中心来识别城市的气候类型。由于本文样本城市的行政中心不落在北温带气候区和南热带气候区涉及的区域范围，故本文的气候类型包括中温带气候区、南温带气候区、北亚热带气候区、中亚热带气候区、南亚热带气候区、北热带气候区、中热带气候区和高原气候区8种。
(2)2018年全国经济普查结束后国家统计局对各省份GDP的历史数据进行了修正，GDP的修正带来的问题是本文被解释变量可能存在测量误差，对此进行了一系列的讨论和稳健性检验，以增强基准回归结果的可信度。因篇幅所限，检验结果以附录2展示。此外，有关暴雨冲击影响持续性的讨论以附录3展示。
(3)因篇幅所限，基于夜间灯光值的稳健性检验以附录4展示。
(4)DFO(Dartmouth Flood Observatory）洪水观测矢量数据记录了全球历年洪水事件的成因、年份、空间范围等因素。极少洪水事件是由于泄洪、溃坝或雪崩引起的，这类洪水事件影响范围很小，同时无论是泄洪、溃坝或是雪崩，都可能与强降水过程密切相关，本文不对洪水事件成因做具体的区分。
(1)在面板数据中，通过对it extremerain变量提前或滞后s期生成相应的变量。例如，it1extremerain-表示极端暴雨冲击发生前的第1年。it1extremerain+表示极端暴雨冲击发生后的第1年。
(2)显然，当年是否发生极端暴雨冲击的虚拟变量it extremerain和lnit hardrain变量正相关，因而，在研究当年极端暴雨冲击对经济增长的影响时，这两个变量的作用互相混杂。一个可行的处理方法是当it extremerain取值为1时，lnit hardrain赋值为0，即发生极端暴雨冲击的栅格，经济影响效应主要依靠前者来识别，此时，it extremerain的系数绝对值从0.0273上升到0.0314。
(3)所有7个回归结果中，ln hardrain的系数值都显著为负，这与表2的结果相一致，极端暴雨冲击与经济发展动态回归结果图以附图1展示。
(4)自然灾害时间影响情况及损失表记录了自然灾害的类型、发生时间、发生范围、直接经济损失（单位为万元）、受灾人口（单位为人）等变量，本文将与暴雨冲击相关的自然灾害挑选出来（包括洪涝、暴雨、降雨、雨雪、山洪、泄洪、坍塌、山崩、崩塌、泥石流、滑坡、滚石等十二类），按照年份-城市对直接经济损失和受灾人口进行加总。部分自然灾害的发生范围跨越多个城市，将变量在多个城市取均值后再加总。
(1)原生自然灾害包括暴雨、降雨、雨雪；次生灾害包括洪涝、山洪、泄洪、坍塌、山崩、崩塌、泥石流、滑坡、滚石。
(2)因篇幅所限，控制变量的详细说明以附录5展示。
(1)暴雨百度指数提取关键词为“暴雨”。百度百科中交通拥堵的定义为“交通堵塞，又称交通挤塞、交通拥挤、交通拥堵、交通壅塞、塞车或堵车，是指一种车多拥挤且车速缓慢的现象”，因此交通拥堵指数的提取关键词为堵车、塞车、交通拥堵和交通拥挤（交通堵塞、交通壅塞、交通挤塞三个关键词百度指数未收录）。
(2)因篇幅所限，基于百度指数的检验以附录6展示。
(3)参考鲁晓东和连玉君（2012）的研究，使用LP法和OP法计算出2001-2007年中国工业企业生产率。为避免极端值，本文对衡量工业企业生产效率的关键变量进行1%的缩尾处理（杨璐等，2020）。参考聂辉华等（2012）的研究，剔除了总资产、职工人数、销售值、固定资产净值缺失、职工人数小于8人、总资产小于流动资产、总资产小于固定资产净值、累计折旧小于单期折旧、销售额低于500万的工业企业样本。另外，本文也剔除了样本期内只出现一次的企业样本，以确保企业变量具备时间维度上的差异，保留这些样本不会影响回归结果。
(4)因为篇幅所限，基于中国工业企业数据的检验以附录7展示。
(1)列（5）在岗职工工资总额的回归，ln hardrain不显著，由于这项指标只统计城市各国有经济、城镇集体经济和其他各种经济类型单位及附属机构的在岗职工工资情况，因而可能无法完全反映城市居民收入的情况。
(2)新成立企业数量的减少可以视为暴雨冲击对企业经济在“广延边际”上的影响，与此相对应，企业生产率的降低可以视为暴雨冲击对企业经济在“集约边际”上的影响。
(3)“切实保障城市安全”明确提及，要“提高城市排涝系统建设标准，加快实施改造”，这与增强城市抵御暴雨冲击的能力紧密相关。
(4)为使关键变量ln hardrain的回归系数具有直观含义，本文对连续型调节变量和暴雨变量进行中心化（去均值）处理（江艇，2022）。
(1) exp(8.6840+1)-exp(8.6840)≈10150.97。
(2)1748.626×0.0012=2.0984。
(1)中国土地利用遥感监测数据使用空间栅格的形式对土地利用类型进行存储与区分，每个空间栅格代表的面积相同，可使用2000年、2005年、2010年、2015年和2020年的数据。首先，将每年栅格数据转换为矢量点数据，并识别每个矢量点所在的城市；其次，将有利于水土涵养的三种土地利用类型，即湿地（包括河渠、湖泊、水库坑塘、冰川雪地、滩涂、滩地、沼泽地、水田）、草地（包括高覆盖草地、中覆盖草地、低覆盖草地）和林地（有林地、灌木地、疏林地、其他林地）的矢量点数量相加，并除以城市总的矢量点生成相应年份的水土涵养生态面积占比变量ecology；最后，使用线性插值法生成连续时间序列变量ecology。
(1)本文使用2015年和2016年两批海绵城市试点城市生成虚拟变量，当一个城市开始试点海绵城市时，当年及之后的年份，spongecity取1，否则取0。2015年海绵城市试点城市为唐山市、白城市、镇江市、嘉兴市、池州市、厦门市、萍乡市、济南市、鹤壁市、武汉市、常德市、南宁市、重庆市、遂宁市、贵阳市、安顺市、西安市、咸阳市；2016年试点城市为北京市、天津市、大连市、上海市、宁波市、福州市、青岛市、珠海市、深圳市、三亚市、玉溪市、庆阳市、西宁市、固原市。
(2)2016年，在河南省财政支持下，郑州市、洛阳市、平顶山市、安阳市、焦作市、濮阳市、许昌市和商丘市进行海绵城市试点。
基本信息:
DOI：10.19343/j.cnki.11-1302/c.2024.06.010
中图分类号:P429;F299.23
引用信息:
[1]陈海山,陈志龙.气候风险、经济增长与城市内涵式发展——基于暴雨冲击的经验证据[J].统计研究,2024,41(06):121-134.DOI:10.19343/j.cnki.11-1302/c.2024.06.010.
基金信息:
国家自然科学基金青年项目“城市化视角下的人口集聚与生态环境改善：实证检验与多维机制分析”（72203031）
2024-06-25
2024-06-25