气候变化的经济铁拳：未来26年全球收入将减少19%
气候变化的经济铁拳：未来26年全球收入将减少19%
气候变化是当今世界面临的重大挑战之一。除了对环境造成直接影响外，气候变化还会对经济增长产生重大影响。然而，目前气候变化对经济增长的长期影响的评估存在很大差异。
气候变化对全球经济的影响远比之前预期的更加严重、也更广泛。通过分析过去40年间全球1600多个地区的实证数据，这项研究预测了温度和降水变化，包括日常变异、以及极端天气事件，对次国家级经济造成的损害。该研究于2024年4月17日在《自然》期刊上在线发表。
图源：绿会融媒·“海洋与湿地”（OceanWetlands）
该研究使用了固定效应面板回归模型，精确控制了潜在的混杂因素。通过分析局部温度和降水的变化，研究确定了多种气候变量对经济生产力的因果效应。这些变量不仅包括年平均温度的变化，还涵盖了日常温度的变异、年降水总量、年降雨天数以及极端降雨事件的影响。通过这些额外气候变量的分析，研究团队希望提供更全面、更详细的气候变化影响描述。
气候变化对未来经济损害的持久性分析
气候变化对未来经济损害的估计存在很大差异，其关键因素在于气候变量对经济增长率影响的持久性。这些影响的持久性有两种极端情况：一种是影响无限期持续，称为增长效应；另一种是影响仅瞬时存在，称为水平效应（参见方法部分的“实证模型规范：固定效应分布滞后模型”了解数学定义）。研究表明，未来的气候损害在很大程度上取决于是增长效应还是水平效应。
经济气候损害与减缓成本的承诺与分歧。图片来源：Kotz M, Levermann A, Wenz L.
该研究团队采用分布滞后模型来约束这些影响的持久性，分别对每个气候变量进行滞后效应的显著性检验。与之前的研究不同，此次研究使用了气候变量的一阶差分形式，这意味着经济增长率依赖于气候变量的变化。这样做的结果是，在没有任何滞后的基准规范下，模型假设气候变化对增长率只有瞬时影响。如果包括滞后项，则可以测试这些影响是否会进一步持续。
这种规范方法的保守性在于，它避免了假设气候影响对增长的无限持久性，而是基于可观测的数据提供了一个持久性的下限。研究使用固定效应分布滞后模型，通过一阶差分气候变量的十个滞后项，检测出温度变化对经济增长的显著影响可持续约8到10年，降水变化的影响可持续约4年。
信息准则的评估表明，包含所有五个气候变量和这些滞后项的模型在数据拟合和避免过拟合之间提供了最佳权衡。进一步的测试使用蒙特卡洛模拟证明了模型对滞后气候变量自相关的鲁棒性，信息准则有效指示滞后选择，以及结果对气候变量之间不完全多重共线性问题的鲁棒性。
研究还通过限制分布滞后模型进行进一步的鲁棒性检查，结果显示其累积边际效应估计与非限制模型相似。为了明确滞后项数量选择的不确定性，研究在未来损害预测中包含了略有不同滞后项数量的实证模型。基于滞后选择过程（滞后项显著性和信息准则），研究从包含8到10个温度滞后和4个降水滞后的模型中进行抽样。
研究结合了这些实证经济响应函数和21个气候模型的集合，投射了这些物理气候变化组件的宏观经济损害。调整偏差的气候模型提供了对观测气候模式的高度准确再现，避免了在投射中引入偏差。这些投射并不旨在预测未来经济增长，而是相对于社会经济基线，预测未来气候条件对经济的外生影响。
蒙特卡洛程序通过气候模型投射、不同滞后项数量的实证模型和模型参数估计（通过1000次区块自举抽样每个回归）估算了这些来源的联合不确定性。结果显示，未来25年内全球损害在两个最极端的排放情景之间无显著差异，这意味着这些气候损害是由过去排放和未来排放情景的社会经济可行性组合造成的。研究发现全球平均收入将永久减少19%（人口加权平均），中美洲和欧洲的中位数收入减少约11%，南亚和非洲的中位数收入减少约22%。
研究还比较了未来25年的损害与实现《巴黎气候协定》所需的减缓成本。研究发现，2050年（2005年国际美元）的中位数气候损害比减缓成本高出约六倍。这种比较并不是正式的成本效益分析，而是旨在比较未来损害和减缓成本的规模。
尽管这些短期损害是已无法避免的，但在2050年之后，损害估计在不同排放情景之间显著分化，强调了减缓措施的经济效益。结论对结构选择具有鲁棒性，如实证模型调节变量变化时间尺度的估计，以及货币比较的时空顺序。
波动和极端事件的影响
气候变化导致的经济损失主要通过平均温度的变化产生。这是因为与其他气候变量相比，预测的平均温度变化在历史年际波动中表现得更为显著。由于历史波动是用来估计经验模型的，较大的预测变化可能会在统计上导致较大的未来影响。从机制上看，这一结果表明，从历史波动的角度来看，未来的平均温度变化是最前所未有的，因此会造成最大的损害。这一洞见对指导适应措施以应对最大损害来源具有重要意义。
然而，仅考虑年平均温度变化而不考虑其他气候变量的经验模型所预测的未来损害，到2049年仅会导致13%的收入减少。这表明，考虑其他气温和降水分布因素后，净损害增加了近50%。这一增加不仅是由于这些气候因素进一步造成的损害，还因为它们的加入揭示了对平均温度的更强烈负面经济反应。研究人员的蒙特卡洛模拟也表明，如果不考虑其他相关气候变量的影响，平均温度对经济增长的影响幅度将被低估。
按次国家地区和气候要素划分的气候变化造成的经济损害。图片来源：Kotz M, Levermann A, Wenz L.
从不同气候因素对总体损害的相对贡献来看，日温度波动是导致总体损害增加的最大因素，相对于仅考虑年平均温度变化的经验框架，增加了约4.9个百分点，相当于约10万亿美元。降水则导致较小的损害增加，总年降水、湿润天数和极端日降水分别带来了约0.01个百分点、0.34个百分点和0.36个百分点的增加，相当于约1.2万亿美元。此外，气候模型似乎低估了未来温度波动和极端降水在应对人为强迫下的变化，这表明这些变量的实际影响可能更大。
承诺损害的空间分布
承诺损害的空间分布反映了未来几个气候因素变化的模式与历史经济脆弱性之间的复杂相互作用。年平均温度增加带来的损害几乎在全球范围内都是负面的，且在低纬度地区更为显著，这些地区的温度已经较高，经济对温度增加的脆弱性最大。这一现象表明，区域经济对温度变化的脆弱性异质性超过了未来变暖幅度的异质性。
日温度波动带来的经济损害表现出明显的纬度极化现象，这主要反映了日波动对温室气体强迫的物理响应，即低纬度（以及欧洲）地区波动增加，而高纬度地区波动减少。这两个温度因素是总体损害模式的主要决定因素，表现出强烈的极化，全球大部分地区都受到损害，除了最高的北纬地区。未来年降水总量的变化主要带来经济收益，除了一些干旱地区，如地中海和中南美洲，但这些收益被湿润天数的变化所抵消，后者带来的损害模式与之相反。极端日降水的变化在所有地区都造成损害，这反映了全球陆地区域日降水极端事件的加剧。
按历史累积排放和收入划分的气候损害的不公正。图片来源：Kotz M, Levermann A, Wenz L.
承诺损害的空间分布表明，在两个维度上存在显著的不公正性：造成气候变化的历史排放责任和现有的社会经济福利水平。斯皮尔曼等级相关分析表明，承诺损害在历史累积排放较少的国家和当前人均收入较低的地区更为严重。这意味着，那些最受承诺损害影响的国家往往是对气候变化责任最小且适应能力最弱的国家。
为进一步量化这种异质性，研究人员评估了按当前收入水平和历史累积排放量排名的地区上四分之一和下四分之一之间的承诺损害差异。结果表明，收入较低的四分之一国家的平均收入损失比收入较高的四分之一国家高出8.9个百分点（或61%）。同样，历史累积排放较低的四分之一国家的平均收入损失比排放较高的四分之一国家高出6.9个百分点（或40%）。这些模式再次强调了在气候变化影响方面存在的不公正性。
经济损失的背景分析
研究人员预测的经济损失超过了之前的文献估计，这源于他们对之前方法的一些改进。研究人员的估计比之前的研究更大，主要原因是亚国家级别的估计通常显示出更陡的温度反应，且考虑到其他气候因素后，损害估计增加了。然而，他们的经验方法在气候影响对经济增长的持久性方面更为保守。使用与之前研究类似的经验方法，假设无限持久性，同时保持他们的方法（亚国家数据和更多的气候变量），会产生更大的损害。
相比之下，考虑气候变量一阶差分的研究，研究人员的估计也更大。包括更多的气候变量和足够的滞后期以更充分地捕捉影响持久性的程度是主要原因。同样，在温度响应中的非线性捕捉也是原因之一。研究人员的估计建立在最新的数据和经验见解上，并提供了一个关于经济增长影响持久性的稳健经验下限，这构成了增长与水平效应辩论之间的中间立场。
图源：绿会融媒·“海洋与湿地”（OceanWetlands）
该研究的政策意义
研究人员发现，到2049年，气候变化带来的经济损失是世界经济已经承诺的，这些损失远远超过了实现《巴黎气候协定》2°C目标所需的减排成本。这一评估补充了关于从一种排放路径转向另一种路径的净成本和收益的正式分析。研究人员简单地比较了损害和减排成本的规模，这表明这是因为到本世纪中叶，损害在排放情景之间难以区分，即已承诺的损害，实际上已经远远大于减排成本。尽管这些损害从减排的角度来看是不可避免的，但适应可能提供减少这些损害的机会。此外，本世纪中叶之后损害的强烈分化再次强调了减排的明确经济利益，这一点在之前的研究中已经有所强调。
研究全文>>
感兴趣的读者可以参看该研究的全文：
Kotz M, Levermann A, Wenz L. The economic commitment of climate change[J]. Nature, 2024, 628(8008): 551-557.
https://www.nature.com/articles/s41586-024-07219-0
气候经济学
气候经济学（Climate economics）是研究气候变化对经济系统影响的学科。它通过分析气候变化对各个经济部门、市场和整体经济的影响，评估气候变化带来的成本和收益，从而为政策制定者提供科学依据。气候经济学涉及的主题包括但不限于温室气体排放对全球气候的影响、气候变化对农业、渔业、能源、健康和基础设施的经济影响，以及应对气候变化的经济政策和措施，如碳税、排放交易体系和可再生能源激励政策等。
气候经济学的重要性在于它帮助我们理解和量化气候变化的经济后果，为政府和企业制定有效的应对策略提供科学支持。通过气候经济模型，研究人员可以预测未来气候变化对经济的潜在影响，评估不同政策方案的成本效益，并为实现可持续发展目标提供建议。这个领域的研究有助于平衡经济增长与环境保护之间的关系，推动全球应对气候变化的努力。
稳健性分析
稳健性分析（robustness analysis）是一种评估方法，用于确定研究结果在各种假设和条件下是否保持一致和可靠。稳健性（robustness）的另外一个中文对应的词语是“鲁棒”，也称为“鲁棒性”。换句话说，是指一个系统或模型在面对变化或不确定性时，仍然能够保持其性能和可靠性的能力。在统计学和机器学习中，鲁棒性意味着模型在数据噪声、缺失数据、异常值或其他扰动存在的情况下，依然能提供准确和稳定的结果。
通过改变模型参数、假设或数据集，稳健性分析可以揭示研究结论是否对这些变化敏感，确保结果不依赖于特定的条件或模型设定。这种分析有助于验证研究方法的健全性，提高研究结论的可信度。
在经济和科学研究中，稳健性分析方法常用于测试模型的鲁棒性。例如，研究气候变化对经济影响的模型可能会通过稳健性分析来评估不同气候变量或假设条件下的结果变化。通过这种方法，研究人员就可以确定哪些结果在不同情景下依然有效，从而为政策制定、以及接下来进一步研究提供更可靠的依据。
蒙特卡罗方法
蒙特卡罗方法（Monte Carlo method），也称统计模拟方法，是一种基于概率统计理论的数值计算方法。它使用随机数（或更常见的伪随机数）来解决很多计算问题。蒙特卡罗方法的基本思想是：通过大量的随机抽样来模拟某个随机事件，并根据抽样结果进行统计分析，从而得到该随机事件的某种特性或参数的估计值。这种方法的核心在于重复随机生成输入数据，进行模拟实验，并统计输出结果，从而得到系统的概率分布或期望值。由于其能够处理高维空间和复杂分布，蒙特卡罗方法在金融工程、物理学、计算生物学等领域有广泛应用，特别适用于评估不确定性和优化复杂系统。
蒙特卡罗方法的诞生要追溯到20世纪40年代，当时正值第二次世界大战期间。为了研制威力巨大的核武器，当时，科学家们聚集在洛斯阿拉莫斯国家实验室，夜以继日地进行着研究。其中，著名科学家约翰·冯·诺伊曼、斯塔尼斯拉夫·乌拉姆和尼古拉斯·梅特罗波利斯就为蒙特卡罗方法的诞生做出了重要贡献。据说，乌拉姆的叔叔经常光顾摩纳哥的蒙特卡罗赌场，并沉迷于其中。为了纪念叔叔，乌拉姆将这种基于随机抽样的计算方法命名为“蒙特卡罗方法”。
斯皮尔曼等级相关分析
斯皮尔曼等级相关分析（Spearman’s Rank Correlation Analysis）是一种用于评估两个变量之间关系的统计方法，特别适用于情况复杂、数据不满足正态分布、或者样本量较小的情况。该方法的核心思想是将数据转换为等级（即按照大小顺序排列并标记其排名），然后计算这些等级之间的相关性。与皮尔逊相关系数不同，斯皮尔曼等级相关分析不需要假设数据呈线性关系，因此更加灵活，可以捕捉到更广泛范围内的相关性模式。
在斯皮尔曼等级相关分析中，首先对每个变量的观测值进行排序，并为它们分配等级（从1到n，其中n是样本大小）。然后，通过比较每一对等级的差异，计算出等级之间的相关性。这种方法的优势在于它对异常值不敏感，并且不要求数据服从特定的分布假设，因此在现实世界的数据分析中应用广泛。下面的这个视频，很好地阐释了这个概念，感兴趣的读者可以参看：
https://www.simplilearn.com/tutorials/statistics-tutorial/spearmans-rank-correlation
分布滞后模型
分布滞后模型（distributed lag model）是一种时间序列模型，用于描述解释变量（自变量）对因变量（应变量）的滞后影响。该模型的基本思想是，解释变量对因变量的影响并非立竿见影，而是会持续一段时间，并且随着时间的推移，其影响程度可能会有所变化。
换句话说，分布滞后模型是一种时间序列分析方法，用于研究变量之间的关联关系及其在时间上的延迟效应。这种模型可以捕捉到变量之间的非线性关系和时间上的滞后效应，帮助理解时间序列数据中的动态变化。通过分析变量之间的滞后效应，分布滞后模型能够更准确地预测未来的趋势和变化。分布滞后模型在许多领域都有广泛的应用，包括经济学、气候学、医学和社会科学等。在经济学中，分布滞后模型常用于分析经济变量之间的关系，例如GDP与通货膨胀之间的关联关系，以及就业率与经济增长之间的滞后效应。在气候学中，这种模型可用于研究气候变化对环境和生态系统的影响，例如降水和温度变化对农业产量的影响。在医学领域，分布滞后模型可用于分析治疗效果与时间的关系，以及疾病发展与治疗干预之间的滞后效应。在社会科学中，这种模型也常用于分析社会现象的演变过程，例如人口流动与城市发展之间的关系。