更多知情的公民会做出更好的气候政策决策吗？

10921 更多的知情公民是否能做出更好的气候政策决策？ Michael M. Lokshin Iván TorreMichael Hannon Miguel E. Purroy 政策研究工作论文 10921 摘要 本研究探讨了人们对灾难事件的认知与对气候变化的信念之间的关系。利用2023年《生活过渡调查》的数据，研究发现，与传统观点相反，对过去灾难更准确的认知与对气候变化的担忧程度较低有关。该论文提出，提高的威胁敏感性可能是高估灾难影响和增加担忧的倾向的共同原因。 关于气候变化的担忧。研究发现，对更加了解情况的公民必然导致更好的气候政策决策这一假设提出了挑战。相反，它们表明，心理因素，如焦虑和风险感知，在塑造气候态度方面发挥着关键作用。阐明这些动态有助于社会培养关于我们星球和我们物种面临的紧迫挑战的更加细致和建设性的公共对话。 本文是欧洲及中亚地区首席经济学家办公室的成果。它是世界银行更大规模努力的一部分，旨在提供其研究内容的开放访问权限，并对全世界的发展政策讨论作出贡献。政策研究报告也发布在http://www.worldbank.org/prwp网站上。作者可以通过mlokshin@worldbank.org联系。 《政策研究工作报告系列》传播正在进行中的工作的发现，以鼓励关于发展的思想交流问题。本系列的一个目标是快速发布研究结果，即使报告的呈现可能不够完美。论文包含作者姓名应据此引用。本文中表达的研究发现、解释和结论完全是作者自己的。作者的观点。他们不一定代表国际复兴开发银行/世界银行的立场。其附属机构，或世界银行执行董事或他们所代表的政府的机构。 更多的知情公民是否能使气候政策决策更加明智？ 迈克尔·M·洛克申，伊万·托雷，迈克尔·哈NON，以及米格尔·E·普罗伊1 JEL:Q54, D83, Q58 关键词：气候变化；灾难；威胁敏感性；公众舆论；风险公众认知；科学传播；焦虑 1. 引言 2011年3月11日，日本太平洋沿岸发生9.0级地震，引发海啸，席卷了日本本州岛，造成超过19,500人死亡。海啸损坏了福岛第一核电站三个反应堆的冷却系统电源，导致它们熔化。这起核事故被评为国际和辐射事件量表（International and Radiological Event Scale）最高等级，即第7级。世界核能协会 2023). 尽管没有报道死亡或辐射病病例，但福岛灾难的应对在全球范围内产生了变革性影响（Latre等人，2017年).2日本暂停了其54个核能单位中的21个（Mounfield 2017德国决定于2022年前关闭所有核电站，中国台湾也决定于2025年前实施这一措施。意大利撤销了恢复其核能计划的决策。法国，核能占其电力发电量的约70%，决定到2025年将其能源组合中的核能依赖度降低至50%。瑞士议会决定到2034年逐步淘汰核能，西班牙也确认了其计划于2035年前关闭所有核电站。公众舆论在支持这些往往代价高昂的改革中发挥了关键作用，这些改革改变了全球能源格局。3 本文探讨了人们对重大全球事件了解程度与他们对待气候变化态度之间的关系。我们通过询问受访者关于四个灾难中死亡人数的问题来评估他们的意识：1984年博帕尔化工厂事故、1986年切尔诺贝利核电站事故、2010年海地地震和2011年福岛核电站事故。4问题询问：“你能否估计这些灾难中有多少人死亡？”并给受访者提供了六个关于每起事故死亡人数的选项——少于100人、少于1,000人、10,000人、100,000人、百万或更多，以及不知道。 低估了1984年博帕尔化学泄漏事故的死亡人数（约70%的受访者）和2010年海地地震的死亡人数（约61%）。同时， 受访者对核事故造成的死亡人数严重高估。超过75%的受访者认为切尔诺贝利核电站事故造成的死亡人数超过10,000人，近17%的人认为事故造成了100万人或更多的死亡，但实际估计的范围从与事故直接相关的50人死亡到因辐射暴露导致的一生的总死亡人数4,000人。5关于92%的受访者认为，福岛事故导致的死亡人数远超实际的无辐射相关死亡估计。15%的受访者估计死亡总数为百万级别，近30%的受访者估计死亡人数为数十万级别。 我们估计了一个模型，将受访者对气候变化的认知以及他们为气候缓解政策支付意愿与他们在四个全球灾难中的死亡人数知识总和指数联系起来。我们采用工具变量（IV）方法以减轻系统性非响应偏差的影响。敏感性分析证实了我们的结果对于广泛的替代模型设定、汇总方法和变量定义的稳定性。 本文提出证据挑战了这样一个假设：知识更丰富的公民总是能做出更好的政治决策，尤其是关于气候变化方面的决策。普遍认为，基于无知制定的政策可能导致未经证实的风险；我们的研究发现，在某些情况下，情况可能正好相反。我们发现，具有不准确关于灾害相关死亡的认识往往持有更精确人们对气候变化社会风险的看法，以及那些对灾难造成的死亡人数有更准确看法的人往往不会像科学家们认为的那样严肃对待气候变化。 这些发现挑战了传统的观点，即信息更全面的公民将作出符合社会最佳利益的决定。在某些情况下，对灾难风险的过度感知可能更有效地灌输解决关键全球挑战所需的紧迫性。我们的研究结果表明，对风险与利益之间关系的更细微理解可能是必要的。 知识、风险感知和政策偏好是有效应对气候变化等复杂社会挑战所必需的。 本文结构如下。第二章讨论了与本研究相关的文献和理论背景。第三章描述了用于实证分析的资料，这些资料在第四章中呈现。第五章展示了实证结果，第六章进行了敏感性分析。第七章对我们发现进行了总体讨论。第八章总结了本文，提出了关键见解和本文发现的重要意义。 2. 相关文献及理论背景 一个普遍的观点是，根植于无知之地的政策可能导致不合理的风险，可能损害公共利益。这一观点可以追溯到…共和国在此，柏拉图批评民主制度依赖无知公民的意见，同时忽视）。这一观点与现代“信息赤字”理论相一致。专家的明智建议（柏拉图 1997 “科学传播”模型，该模型认为，缺乏足够的信息是公众理解并参与科学或技术问题（如） 的主要障碍。Suldovsky 2017). 气候变化或疫苗犹豫（ 当代学者们对此观点表示赞同，认为公众的无知导致了）。错误信念有效的治理的重大威胁（Brennan 2016, Caplan 2007, Somin 2016关于COVID-19，例如，可能阻止了可能挽救生命的行动（）。Roozenbeek等人2020年,Loomba et al. 2021然而，最近的研究挑战了这一观点（）。Kellstedt et al. 2008). 例如，Kahan et al. (2012)展示“公众中科学素养和技术推理能力最高的成员并不是最关注气候变化的人群。相反，他们在文化两极分化方面最为严重。” 动机推理、文化认知和意识形态倾向在塑造个体对风险和政策偏好的看法中比知识发挥更重要的作用（。Kahan et al. 2011, Kahan 2013, Drummond and Fischhoff 2017）。此外，认知反思、数学能力、教育水平和基本科学事实的了解都可以放大党派偏见和政治极化（Hannon 2022). 主张“(2022)一个更加聪明、受教育程度更高的公民群体不一定能够减少极化，导致更好的政 策决策，或改善民主。总体而言，几乎没有证据表明公众对气候变化的冷漠主要是由于缺乏知识导致的（。霍恩西等人，2016年;卡汉等人，2012年;Kellstedt et al. 2008;Malka et al. 2009) . 3. 数据和变量定义 我们的数据来自欧洲复兴开发银行（EBRD）和世界银行共同进行的2023年《过渡中的生活》调查（LiTS），涵盖欧洲和中亚的“转型”经济体以及西欧、中东和北非的一些比较国家（。欧洲复兴开发银行2023). 2023年，LiTS（生活、收入和支出调查）在欧洲、中亚和北非的37个国家进行，每个国家包括约1,000户家庭的代表性样本。6 3.1 气候变化的认识 为了理解人们对气候变化的信仰和偏好，我们分析了对于以下问题的回答：你有多个人确信气候变化是真实的？对于这个问题，我们构建了一个二元指标，如果受访者回答则取值为1。非常确信或者完全确信，并且，否则为0。我们对问题进行了编码。你：您个人对气候变化是人为造成的这一观点有多少信心？同样地，为了捕捉受访者对气候变化潜在影响的认识，我们考察了他们对两个问题的回答：您认为气候变化会严重影响到您的一生，或者将在您的一生中产生严重影响吗？和你认为气候变化会在他们的一生中严重影响或将会严重影响当今的儿童吗？两个虚拟变量在受访者回答时取值为1。是的且每个问题回答“否”时计0分。 为了了解受访者的政策偏好是否转化为行动，我们考察了以下问题，你同意或不同意以下说法的程度如何：如果我支付的额外税款被用于……包括以下选项减少/预防污染，例如提高空气或水质，或处理 废物/污水，“…应对全球变暖或温室效应，”并防止物种或生物多样性的丧失。我们为每个类别创建了三个二元指标，当受访者回答时，这些指标取值为1。同意。或者强烈同意和0，否则。 3.2 对灾难死亡人数的认识 我们使用关于每次灾害死亡人数的回应来构建一个衡量死亡人数过度估计程度的指数。对于每次灾害，我们按照数量级的顺序计算受访者估计数与实际死亡人数之间的差异（例如，如果受访者估计死亡人数约为10万，而实际死亡人数约为1000，则差异将是两个数量级的过度估计）。我们将四个灾害的回应作为一个加权总和进行汇总，每个回应的权重与对该问题的非回应数量成反比。形式上，我们关于死亡人数过度估计的指数O我：i定义为： 在何处∑=1 − 灾难 AA −d估计由受访者提供我：i,是 灾害死亡人数的规模直接返回英文内容：d，并且 “” 针对关于灾害伤亡人数问题的解答d. 因为只有39%的受访者对四个灾害都提供了有效回应，所以我们使用有序随机森林机器学习技术，对至少回答了两个与灾害相关问题的15%的受访者缺失回应进行推断。莱chner 和 Okasa 2019).7我们估计了四种针对灾难的特定模型，以预测受访者在给定个体协变量（年龄、性别、教育水平、婚姻状况、宗教、心理健康指标、主要信息来源、城市/乡村位置、家庭构成、家庭收入以及到灾难发生地点的距离）的条件下，对每个伤亡类别给出答案的概率。 灾害）。我们包括这些变量的非线性组合以增强模型拟合。然后，我们为概率最高的类别进行值估计。8 3.3 其他变量 我们使用来自世界发展指标（WDI）的数据，用于国家层面的指标，如人均GDP和人口规模（）。世界银行 2024). 我们根据事件的质心（工厂位置或地震震中）推导出灾难距离变量。我们构建了从受 访者的主要抽样单位（PSU）到核电站的距离指标，该指标基于运营中的每个核电站的坐标编制而成。国际原子能机构（2023年）。9表 1提供分析中所有变量的描述性统计数据。 4. 经验性策略 我们通过估计每个灾害的以下方程来检验决定受访者对死亡人数评估的因素的影响。d: 这里，w它是一组个体特征，例如受访者的年龄、性别、最高教育水平、婚姻状况、宗教信仰。 $_{\\mathrm{OO}}$− 𝜀𝜀𝑖𝑖𝑖𝑖数字、心理健康以及主要信息来源；是一个区域特征的向量，例如到灾害现场的距是时间不变的国家c固定