您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[IMF]:从数十亿次地理空间天气观测估计气候冲击的宏观财政影响 - 发现报告
当前位置:首页/行业研究/报告详情/

从数十亿次地理空间天气观测估计气候冲击的宏观财政影响

金融2022-07-29IMF秋***
从数十亿次地理空间天气观测估计气候冲击的宏观财政影响

从数十亿次地理空间天气观测估计气候冲击的宏观财政影响 BerkayAkyapi、MatthieuBellon和EmanueleMassetti WP/22/156 基金组织工作论文描述了作者正在进行的研究并发表以征求意见和鼓励辩论。 基金组织工作文件中表达的观点是作者的观点,并不一定代表基金组织、其执董会或基金组织管理层的观点。 2022 七月 ©2022国际货币基金WP/22/156 基金组织工作文件 财政司 从数十亿次地理空间天气观测估计气候冲击的宏观财政影响由BerkayAkyapi、MatthieuBellon和EmanueleMassetti编写* 由JamesRoaf授权于2022年7月分发 基金组织工作论文描述了作者正在进行的研究并发表以征求意见和鼓励辩论。基金组织工作文件中表达的观点是作者的观点,并不一定代表基金组织、其执董会或基金组织管理层的观点。 抽象的:越来越多的文献使用国家层面温度和降水年平均值的变化来估计天气对宏观经济的影响。然而,平均值可能无法揭示以更高时间频率或更高空间分辨率发生的极端事件的影响。为了解决这个问题,我们依靠从1979年到2019年具有30公里空间分辨率的全 球每日天气测量数据,并构建了164个天气变量及其滞后。我们使用基于最小绝对收缩和选择算子的算法选择相关天气变量的简约子集。除了人均GDP,我们还通过分析天气对政府收入、支出和债务的影响来扩展文献。我们发现,高温和干旱发生率的增加会降低GDP,而更频繁的温和气温会产生积极影响。由我们选择的少数变量捕获的由天气解释的GDP变化份额远高于以前使用年温度和降水平均值所暗示的份额。我们还发现了可以减轻不利天气冲击的反周期财政政策的证据,尤其是降水过多或异常低的降水事件。 JEL分类号: C33、C55、E62、O40、O44、Q54 关键词: 气候;极端天气;宏观经济;大数据 作者的电子邮件地址: BerkayAkyapi:berkayakyapi@ufl.edu;马蒂厄·贝隆:mbellon@imf.org;和EmanueleMassetti:emassetti@imf.org *我们感谢国际货币基金组织、世界银行和EAERE第27届年会的研讨会参与者提出的有益评论和讨论。 国际货币基金组织工作文件工作计划名称 工作稿 从数十亿次地理空间天气观测估计气候冲击的宏观财政影响 由BerkayAkyapi、MatthieuBellon和EmanueleMassetti编写1 1我们感谢国际货币基金组织、世界银行和EAERE第27届年会的研讨会参与者提出的有益评论和讨论。 国际货币基金1 内容 第1 页简介4 27 2.17 2.28 2.39 311 3.111 3.213 3.316 417 4.117 4.218 4.321 4.4气候冲击的动态影响24 4.5异质性24 5宏观财政结果27 5.1宏观财政影响的系统实证方法27 5.2估计气候冲击对宏观财政结果的影响28 6结论33 ................................................................................................................................................................................38 A.138 A.239 A.349 A.455 A.5附加图66 图列表 页 1说明使用绝对阈值时高空间分辨率的作用14 2变量选择和OLS估计结果为λ变化(国家和年份的影响)。19 3特定天气冲击对人均GDP的持续性23 4气候冲击标准差的全球分布25 5跨组的天气系数26 A.1计算特定时间间隔内天气状况的电网天数份额41 A.2GDP–气候变量选择和OLS估计结果,没有年份影响66 A.3GDP–具有二次趋势的变量选择和OLS估计结果67 A.4GDP–平衡样本上的变量选择和OLS估计结果67 A.5年平均气温冲击对人均GDP的影响持续存在68 A.6政府收入——气候变量选择和OLS估计结果68 A.7政府支出——气候变量选择和OLS估计结果70 表列表 页 1选定气候变量的变化对人均GDP增长的影响20 2估计气候冲击对GDP增长的影响:与文献的比较22 3对选定气候变量的宏观财政影响的估计32 A.1气候变量的定义44 A.2天气变量的趋势49 A.3宏观财政变量汇总统计51 A.4气候变量汇总统计52 A.5基线变量之间的相关矩阵53 A.6子组的汇总统计54 A.7LASSO在随机搜索后选择的气候变量及其GDP效应:基线规范56 A.8LASSO随机搜索后选择的气候变量及其GDP效应:无年份效应57 A.9LASSO随机搜索后选择的气候变量及其GDP效应:具有二次趋势58 A.10LASSO随机搜索后选择的气候变量及其GDP效应:平衡样本59 A.11LASSO随机搜索后为政府支出选择的气候变量及其估计效果60 A.12LASSO随机搜索后为政府收入选择的气候变量 及其估计效果61 A.13LASSO在随机搜索后为政府债务选择的气候变量和 他们的估计效果62 A.14选定气候变量的变化对人均GDP增长的影响63 A.15估计气候对GDP增长的影响:与文献的比较64 A.16宏观财政效应:对替代气候变量的稳健性65 A.17宏观财政效应:财政空间的作用69 1.介绍 气候正在发生变化,即使温室气体排放量大幅减少,预计未来几十年仍将继续变化(IPCC,2021b)。在此背景下,经济学家和政策制定者正在努力更好地了解气候对经济的所有影响。1 对天气和气候的宏观经济影响的研究可分为两类。2一类文献通过将部门研究的影响汇总到与全球平均值联系起来的简化形式的损害函数中来估计气候对宏观经济的影响总输出损失(例如Hopeetal.,1993;NordhausandYang,1996;Tol,1997;Christensenetal.,2012)。另一类文献使用计量经济学分析直接估计温度的随机变化,有时是降水对人均GDP或全要素生产率的影响(Dell等,2012;Deryugina和Hsiang,2014;Burke等.,2015年;Abatzoglou等人,2018年;Letta和Tol,2019年;Kalkuhl和Wenz,2020年;Tol,2021年;Newell等人,2021年;Abatzoglou等人,2018年;Kahn等人,2021年)。两种文献都主要关注年平均天气对GDP的影响,这与公众辩论的主要焦点是极端天气形成鲜明对比。 我们填补了这一空白,并在三个方面为第二条文献做出了贡献。首先,我们利用具有高空间分辨率的每日温度和降水测量的全球数据集来构建大量天气变量,这些变量可以捕获各种可能相关的极端事件。然而,大量潜在相关的天气变量给标准估计技术带来了挑战。因此,我们的第二个贡献是使用最小绝对收缩和选择操作(LASSO)来选择对解释宏观经济结果贡献最大的天气变量。第三,我们超越了天气对GDP的影响,审视了重要的财政总量。与先前工作相比,这种扩展的动机是财政政策,如果是反周期的,可能会吸收和掩盖天气冲击的一些宏观影响。 简而言之,我们发现关注GDP和天气平均值忽略了气候冲击的大部分宏观财政影响。引入少量精心挑选的替代天气变量对提高我们对宏观财政变化的理解大有帮助。 我们的研究从构建可用于进行宏观财政分析的丰富天气变量数据库开始。我们依靠来自ERA5数据集的30公里分辨率的全球网格上的数十亿次每日温度和降水测量。将这些每日地理空间测量值与国家年度变量结合起来的方法有很多种。因此,我们依靠 1国际货币基金组织第九届统计论坛:,国际货币基金组织气候变化指标仪表板: 2气候是几十年来天气的长期分布(Auffhammer等,2013)。天气变化 连续,但受其长期分布的限制。这种分布可以用平均值来表征,也可以用高阶矩来表征。我们用天气冲击或气候冲击来表示天气变量的短期变化。相反,气候变化是天气分布的长期、缓慢的变化。 气候文献来指导潜在相关天气变量的构建。我们获得了164个变量,包括温度和降水分布的中心和尾部、热浪和冷浪、干旱和强降水。一旦与宏观财政结果合并,我们的数据集在1979-2019年期间每年覆盖199个国家。 我们的天气数据集利用每日地理空间测量的丰富性来捕捉当地和年下的冲击。这些变量可以反映在对空间和时间进行平均时可能错过的天气事件。例如,如果今年晚些时候或该国其他地区同时出现高降水,平均值将无法捕捉到当地的干旱 。这些变量还允许我们区分持续时间和强度的影响。例如,极端高温(短暂的极端温度)的影响可能与热浪的影响(异常高温的长时间)不同。我们还可以测量仅因偏离当地和季节性规范而相关的冲击(在印度这样的国家可能正常的温度在蒙古这样气候不同的国家可能是毁灭性的)。对于每个变量,我们还考虑使用总体权重在空间上进行替代聚合。 我们依靠灵活的经验规范将天气冲击与宏观财政结果联系起来。在我们的基线规范中,我们将感兴趣的宏观经济变量的一阶差分回归到我们选择的天气变量的一阶差分,包括国家和年份的固定效应。我们还添加了所有变量的滞后,以允许丰富的动态效果和自相关控制。我们还尝试了文献中考虑的替代控制,以确认我们结果的稳健性。 为了选择最能解释宏观经济结果的变量,我们使用了基于LASSO的算法(Tibshirani,1996;Belloni等人,2014)。即使将我们的天气数据的复杂性减少到只有164个变量,标准的宏观经济回归也会很快遇到过度拟合和多重共线性问题 ,尤其是在添加多个滞后时。我们使用的算法平衡了欠拟合和过拟合问题。它依赖于将我们的样本分成训练集和测试集来选择最大化测试集样本中R平方的变量。此外,我们按照机器学习文献进行额外的网格搜索,以改进选择并获得一组稳健且简约的相关气候变量。 我们发现少数天气变量对人均GDP有显着影响。其中一些变量反映了干旱和高温。我们估计,此类天气冲击发生率的增加会对GDP产生不利影响。相反,我们发现温和温度的升高会产生有益的影响。我们还使用Jorda(2005)中提出的局部投影方法估计的脉冲响应函数来检查这些影响的持久性。我们发现,这些冲击对人均GDP水平具有永久性影响。所选变量中一个标准偏差的冲击会导致大约0.2个百分点的GDP影响,随着时间的推移似乎是恒定的。这个数量级类似于文献中测量的自然灾害的影响(Cantelmo等人,2019年;国际货币基金组织,2020年)。我们只发现气候冲击具有持续影响的证据 对GDP水平的影响,并且没有证据表明对增长有持续影响。 我们通过一系列替代规范和异质性分析证实了我们结果的稳健性。异质性分析还突出了国家组之间的有意义的差异。总体而言,我们发现天气冲击的影响在更注重农业的国家和较贫穷的国家中更大。更频繁的温和温度的积极影响与农业和寒冷国家特别相关,可能会捕捉到冰冻温度减少天数的有益影响。我们发现撒哈拉以南非洲受高温影响相对最大,而中东和北非受干旱影响最大。 我们的主要结果之一是,我们选择的气候变量在解释GDP变化方面的表现比文献中使用的温度和降水平均值要好得多 。我们通过与文献中的两篇核心论文Burke等人的比较来证实这一结果适用于广泛的指标。(2015)和卡恩等人。(2021年)。例如,我们测量了由于引入气候变量相对于没有气候变量的规范而导致的内R方的改进。我们发现,在他们考虑的GDP回归中添加我们选择的气候变量可以使R平方内的增加增加一倍或三倍。这一结果强调了极端天气的变化比平均条件的变化更重要。 然而,我们发现归因于天气的人均GDP变化总量很小。我们对气候变量的选择最多可以将R平方内增加几个百分点。这表明天气并不是全球平均GDP变化的主要驱动因素。 将注意力转向宏观财政结果,我们考虑政府收入、支出和债务以及GDP,以系统分析财政反应的构成和周