气候变化对农业影响的经济学方法研究进展，本文主要内容关键词为：研究进展论文,经济学论文,气候变化论文,农业论文,方法论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
气候变化已成为当今国际社会普遍关注的全球性重大环境问题(IPCC，2012)。这是因为农业是对气候变化最敏感的产业，气候变化的许多全球性风险都集中在此。因此，从保障粮食安全的角度而言，气候变化对农业的影响备受关注(Mendelsohn and Dinar，1999；Schlenker et al.，2007)。定量评估气候变化对农业的影响，不仅有助于指导减缓和适应气候变化政策的制定(Stage，2010；Shi and Tao，2014)，也能为研究气候变化背景下农产品供应及价格波动等经济问题提供重要的基础(Schlenker and Roberts，2009)。 从研究方法来看，目前评估气候变化对农业影响的模型主要分为作物机理模型和计量经济模型(实证研究)两大类(Shi et al.，2012)。作物机理模型主要基于作物生长理论和控制性生产实验，探讨气温、降水、光照、辐射、土壤等一系列生态和环境要素对农作物产量的影响，其目的在于揭示农作物在各生长阶段对不同生态环境要素的响应及其机理(例如Stockle et al.，2003；Lobell et al.，2013)。不过，一方面，由于作物生长过程充满复杂性和不确定性，大量参数需要被假定，作物机理模型的估计结果很容易受模型参数设定偏差的影响(Lobell and Burke，2010)。另一方面，为作物机理模型提供数据的实验或模拟研究较少考虑农民对气候变化的适应行为，可能高估气候变化对农业的负面影响(Mendelsohn et al.，1994)。 在全球气候变化的背景下，越来越多的经济学者开始基于历史统计数据和气候情景，采用计量经济模型就气温、降水等气候因素对农作物单产或农业利润的影响开展实证研究(例如Deschênes and Greenstone，2007；Fisher et al.，2012；Schlenker and Roberts，2009；Mendelsohn et al.，1994；Wang et al.，2009)。相比于作物机理模型，计量经济模型能够将生产者适应行为纳入气候变化对农业影响的分析框架，在抽样和计量估计技术的支持下，更可靠地估计气候变化对农业的影响(Lobell et al.，2006)。但是，计量经济模型在估计气候变化对农业的影响上也存在不足。由于实际生产中影响农业生产的因素较多，选取不同的变量进入模型以及采用不同的模型形式，都会对估计结果产生较大影响。 无论采用哪种方法，目前气候变化对农业影响的结论莫衷一是。以Deschênes and Greenstone(2007)为代表的实证研究发现，气候变化对美国农业几乎没有影响，甚至会产生一定的正面作用。然而，另外一些学者的研究结论却截然相反。他们基于美国同样的数据分析发现，气候变化将给美国农业带来潜在巨大的负面影响(Fisher et al.，2012；Schlenker et al.，2006；Schlenker and Roberts，2009)。同样，针对中国的实证研究也出现了类似不一致的结论。譬如，Liu et al.(2004)和Wang et al.(2009)均采用李嘉图模型分析了气候变化对中国农业的影响。前者发现，气候变化有益于提高农地收益；后者的研究则表明，气候变化对农地收益有负面影响。总体而言，不同研究模型、数据以及气候变量的测度等多种因素均可能导致研究结果出现差异，所以，有必要就气候变化对农业影响实证研究方法的差异开展进一步深入分析(Burke et al.，2015)。 针对上述情况，本文的研究目的是，就气候变化对农业影响这一重要领域的最新经济学研究进展提供一个较为全面的总结和归纳，探索不同计量经济模型设定的优缺点，识别导致研究结果存在差异的可能原因，从而增进对气候变化影响农业机理的理解。作为一个研究综述，本文的特色在于：第一，力图将不同视角的计量经济模型纳入统一的气候变化影响分析框架中；第二，研究结果有望为开展其他领域的气候变化影响研究提供借鉴。接下来，第二部分介绍一个分析气候变化对农业影响的基本模型；第三部分通过不断追踪文献拓展假设，揭示计量经济模型分析气候变化对农业影响的要点和争议；第四部分评述关于气候变化对农业影响的实证研究中存在的一些主要问题；第五部分是总结。 二、气候变化对农业影响的基本模型 传统生产函数是理解气候与农业之间物理关系的重要工具，气候变化对农业影响的计量经济模型是从最基本的生产函数扩展而来的。一个基本的生产函数如下：
(1)式中，s和j分别代表省(州)和县。农民在第t年种植作物k的实际单产表示为
，k=1，…，N，表示农民可以种植N种潜在的农作物；
代表种植作物k时各种常规生产要素投入向量，包括种子、农药、化肥、灌溉用水等；
代表一系列环境要素，比如温度、降雨、光照、辐射、风速等。由于本文重点讨论气候(天气)①要素，因此，这里假定
仅代表温度和降水等气候变量向量。 为进一步刻画和理解气候变化的影响，可以将农民对种植作物k的生产决策划分为两个阶段：实际天气发生之前(事前)和实际天气发生之后(事后)。农民的要素需求(
)属于事前发生，产品供给(
)则属于事后发生(Kelly et al.，2005)。前述(1)式给出了农作物生产中的投入产出关系，第j个县在第t年种植作物k的利润函数可以表示为：
(2)式中，
是种植作物k过程中各种可变生产要素的价格向量，
代表作物k的产品价格。这里假设所有地区产品和要素价格是相同的，但是，不同作物和不同年份的价格不同。农民通过调整要素投入以实现预期(事前)利润最大化：
(4)式表明，农民对实际要素投入量的选择除了依赖于已知的价格要素外，还依赖于预期的天气(分布)条件。结合(1)式和(4)式，得到作物的实际(事后)供给反应函数：
三、基本理论模型的拓展 按照研究侧重点的不同，可以将已有文献大致归纳为两类：一是重在分析考虑农民适应行为条件下的气候变化效应，福利指标(土地价值、土地利润或土地收益)往往被用来反映气候变化对农业的影响；二是着眼于刻画气候变化对农业影响的非线性特征，用作物单产作为主要指标来分析气候变化的影响，这类研究一般不考虑农民的适应行为。 (一)气候变化对福利指标的影响 1.李嘉图计量经济模型。早期的作物机理模型和生产函数模型并没有考虑生产者的适应行为，从而可能高估气候变化的负面影响(Mendelsohn et al.，1994)。对此，Mendelsohn et al.(1994)提出了一种新的估计方法——李嘉图模型，通过测量土地价值，估计一个以土地价值为被解释变量的简约式回归模型，分析不同地区之间土地价值的差异在多大程度上受气候的影响。因此，李嘉图模型采用横截面数据进行估计。为理解李嘉图模型的思路，本文接着对前面的基本模型进行拓展。 假设农民在其预期的天气
条件下选择种植最合适的作物k，以获取最大土地利润。这里假设
，即农民预期的天气可以用过去多年天气的平均(意味着一种经验认知)来表征。结合(2)式和(5)式，得到预期利润函数：
进一步地，给定一个贴现因子δ，农民获得的土地价值为
，它反映了未来无限期农民种植第k种作物所获得土地利润的贴现值。因此，由预期利润函数可以得到用于计量经济模型估计的土地价值方程，其形式为(参见Schlenker et al.，2006)：
具体而言，在不考虑价格影响的条件下，Mendelsohn et al.(1994)估计的线性计量经济模型表示为：
(10)式中，
代表第s省(州)第j县的土地价值，
代表过去多年的平均天气向量(比如平均温度和平均降水量)。基于(10)式，Mendelsohn et al.(1994)以美国各县的土地价值为因变量，以当年之前30年的平均天气(气候)为自变量，同时控制其他随时间不变的县级因素(例如土壤等)，估计了气候变化对农业的经济影响。系数
度量了土地价值是如何随着不同县的气候变化而变化的。结果表明，在春季、夏季和冬季，气温升高会降低土地价值，而降水增加则会增加土地价值。结合预估的气候情景，Mendelsohn等进一步推断全球变暖对美国农业的影响相比于利用传统生产函数方法所得到的结果显著降低。该研究结论强调了农民适应气候行为的重要作用：通过调整生产决策可以减缓气候变暖可能带来的损失。自李嘉图模型提出之后，陆续涌现了一大批采用该方法研究不同国家和地区气候变化对农业影响的成果(例如Mendelsohn and Dinar，1999；Liu et al.，2004；Seo et al.，2005；Schlenker et al.，2005；Schlenker et al.，2006；Schlenker et al.，2007；Fleischer et al.，2008；Lippert et al.，2009；Mendelsohn et al.，2009；Wang et al.，2009；Ashenfelter and Storchmann，2010)。 Mendelsohn等的李嘉图模型正式开创了气候变化对农业影响的实证经济分析的先河，但它也引发了大量争议。从方法上看，这些争议归纳起来主要集中于李嘉图模型的三个假定(Darwin，1999；Mendelsohn and Nordhaus，1999；Schlenker et al.，2005；Deschênes and Greenstone，2007)：一是假定降水变量可以用作对农作物用水供给量的测度；二是假定平均气候变量与不可观测因素不相关；三是假定产品和要素价格不变。 首先，李嘉图模型关于土地供水测度指标的设定并不符合现实(Schlenker et al.，2005)。其原因在于，农区分为雨养区和灌溉区，降水变量能够较好地度量雨养区对农作物的供水量，但用于度量灌溉区对农作物的供水量并不合理。事实上，按照(9)式，雨养区和灌溉区用水价格
不同。雨养区作物生产基本以零成本获取自然降水，但灌溉区作物生产却需要以较高的成本抽取地下水或从外地引水。也就是说，两类地区供水模式和供水成本不一样，土地价值的测算方法也不一样。因此，作为对李嘉图模型的一种改进，Schlenker et al.(2005)分别考察了气候变化对雨养区和灌溉区农业生产的影响。研究证实，这种区分对于进一步提高李嘉图模型的适用性和解释力度异常关键。 其次，基于横截面数据分析的李嘉图模型存在潜在的遗漏变量问题，导致估计结果偏误。从计量经济理论上讲，要得到李嘉图模型的一致性估计结果，必须保证所有影响土地价值的不可观测因素与气候不相关，否则，模型会因内生性问题而估计结果不一致。但是，一些不可观测因素(比如灌溉条件)在空间上与气候变量(比如降水量)高度相关，它们同时也是土地产出和土地价值的重要决定因素。比如，Schlenker et al.(2005)的研究显示，灌溉用水的可获得性与气候显著相关。Deschênes and Greenstone(2007)认为，气候会与土壤特征、人口密度、人均收入以及纬度等因素相关，而后者又决定土地价值。 最后，李嘉图模型没有直接控制价格的影响，这可能导致潜在的模型识别问题。该问题将在本文第四部分第二点中进一步讨论。 2.面板数据的固定效应估计。鉴于Mendelsohn等运用李嘉图模型对横截面数据进行估计所存在的不足，一些后续研究建议采用面板数据来估计气候变化与农业产出之间的关系。面板数据的固定效应估计方法不仅可以控制灌溉的影响，同时可以在很大程度上消除潜在的遗漏变量问题(Deschênes and Greenstone，2007；Schlenker and Roberts，2009；Welch et al.，2010；Lobell et al.，2011)。 为描述基于面板数据的估计方法，本文对前述李嘉图模型做进一步拓展。基于利润函数模型即(10)式，考虑全部作物的生产，反映气候和土地总利润长期关系的计量经济模型可以表示为：
(11)式中，
代表一系列影响作物产出的随时间不变的特定地区因素(比如土壤)，用于解决由于部分不可观测因素与气候变量相关导致的模型内生性问题。
测度气候变化对平均土地利润的影响。
(12)式与(11)式相减，即得到以年际变化的土地利润作为被解释变量的面板数据模型：
(13)式模型正好反映了面板数据的组间估计形式，不随时间变化的地区固定效应
因差分被控制。如果年际天气变化可以被认为是严格外生的，那么，
识别了年际天气变化对土地利润的边际影响。根据(13)式，Deschênes and Greenstone(2007)基于美国2268个县多年的面板数据研究发现，天气变化与土地利润之间并不存在统计上显著的关系。此外，他们利用面板数据分析了天气变化对农作物单产的影响，发现天气变化与玉米及大豆单产之间也没有统计上显著的关系。他们进一步预测，如果短期天气变化对土地利润和作物单产没有统计上显著的影响，那么长期而言，考虑到生产者的适应行为，未来气候变化对美国农业很可能没有影响。该结论与大多数其他针对美国的同类研究结论差异较大(比如Schlenker and Roberts，2006，2009；Schlenker et al.，2006；Fisher et al.，2012；Burke and Emerick，2015)。 虽然基于面板数据的分析为解决潜在的遗漏变量问题提供了思路，但该方法是建立在另外一种代价之上的：基于年际天气变化影响的分析没有考虑到农民对气候变化的长期适应；而针对短期天气冲击，农民能够采取的适应措施非常有限(Massetti and Mendelsohn，2011)。相反，李嘉图模型所考虑的农民对长期气候变化的反应，譬如调整作物结构以及农牧转换等应对措施，在短期内很难实施(Kurukulasuriya and Mendelsohn，2008；Seo and Mendelsohn，
)。这意味着，相比基于横截面数据估计的李嘉图模型，使用面板数据的估计仍然可能高估或低估气候变化对农业产出的影响(Schlenker and Roberts，2009；Fisher et al.，2012)。 (二)考虑农民长期和短期适应的混合数据估计
(14)式模型显示，最终实际观察到的土地利润受价格、天气分布(长期气候)、实际发生天气以及不可观测因素等的共同影响。其中，
识别的是考虑农民对年际天气变化适应后的短期天气影响，
和
则识别的是考虑农民长期适应后的气候影响。同时，Kelly等的模型中直接控制了产品价格和要素价格的作用，它们分别通过系数
和
得以识别。 基于1976-1997年美国5个州的县级横截面和时序混合数据，Kelly等分别采用过去多年的平均气温和降水量、气温标准差、降水量标准差以及气温—降水量协方差作为对气候变量的测度，估计了气候和天气对土地利润的影响。从长期气候变化的影响来看，他们的估计结果与Mendelsohn et al.(1994)的结果基本一致，不过，短期天气变化对土地利润的影响为负向。 Kelly等的计量经济模型设定尽管考虑了农民对长期气候变化的适应，但依然无法避免遗漏变量问题。如(14)式模型所示，为避免完全共线性，模型采用横截面与时间序列混合数据进行估计，但无法消除地区固定效应(如果采用固定效应估计，在消除不可观测因素的同时，也会将长期气候变量
消除)。这就意味着，Kelly等的估计结果依然可能因遗漏变量问题而有偏和不一致(Schlenker and Roberts，2009；Deschenes and Kolstad，2011)。 (三)对李嘉图模型估计方法的改进 无论是基于横截面数据还是基于面板数据回归的李嘉图模型，在考虑农民适应行为的问题上，仍然存在各自的不足。最新的估计方法来自Burke and Emerick(2015)，他们采用一种称为“长差分估计(the long differences approach)”的模型，以期同时克服横截面数据和面板数据估计的不足。长差分估计方法的思路是，对于任一个特定地区，构建两个不同时段上的长期平均利润和平均天气数据，然后估计平均天气的变化对平均利润变化的影响。该方法将横截面数据估计方法与面板数据估计方法融合起来，从而兼具二者的优势。 为揭示其原理，本文接着前面(12)式面板数据模型继续进行拓展。考虑两个时期，不妨称之为时期a和b，每个时期涵盖多年时间序列(假设时期a的时长为M)。给定(12)式的估计形式，通过对时期a内的数据进行平均，可以得到时期a的平均利润
；同时，时期a的平均天气可以表示为
。由于平均之后(12)式中的产出偏差项被消除，因此，对于时期a，(12)式变为：
(15)式中，
表示时期a内影响平均产出的随机误差项。采用类似的方法不难得到对于时期b的估计方程，进一步假设气候变化对两期的影响系数相同，然后将两个时期的方程进行“长差分”，可以得到：
只要两个时期平均天气的变化与随时间变化的不可观测因素不相关，那么，对(16)式的估计就能得到
的一致估计量。此外，如果数据的时序足够长，上述长差分模型可以从两期拓展至更多时期。 上述长差分估计方法相比于单一的横截面或面板数据估计而言，具有明显的优势。长差分估计既考虑了农民长期的充分适应行为，又克服了横截面数据估计中潜在的遗漏变量问题。因此，从考虑农民适应行为的角度看，基于长差分估计的结果预测未来气候变化对农业的影响，比单纯基于面板数据或横截面数据的预测要更加真实可信。 那么，农民适应行为对于抵御气候变化的影响到底有何效果呢？Burke and Emerick(2015)基于美国县级数据同时估计了(16)式长差分模型和(13)式面板数据模型，通过比较两个模型中
与
估计结果的差异来识别农民对气候变化的适应行为是否有效。其思路在于，长差分模型充分考虑了农民对不同气候变化的适应行为，而针对年际天气波动，农民很难采取适应措施；如果农民采取有效的适应策略，那么，这两类估计的结果将显著不同。他们发现，无论在长期还是在短期，系数
和
的估计结果差异很小。据此，Burke和Emerick认为，农民应对气候变化的适应措施非常有限。 (四)气候变化对农作物单产的影响：面板数据模型 前文围绕农民的适应行为以及气候(天气)的长短期尺度，重点综述了气候变化对福利指标影响模型的构建和发展。在此之外，还有另一类代表性文献着眼于气候变化对农作物单产影响的研究。这类文献研究的重点并不在于考察农民的适应行为，如何度量气候变化对农业生产的非线性影响成为其关注的焦点。 作物整个生长季或当年(月度)的平均气温和降水量，通常被用来测度气候变量(例如Mendelsohn et al.，1994；Massetti and Mendelsohn，2011)。但是，该处理方法忽略了气候在平均水平之外的异常分布(比如季节内极高或极低气温)，多个月度气温或降水量变量的引入还可能导致潜在的多重共线性问题(Schlenker et al.，2006；Schlenker and Roberts，2009)。对此，Adams et al.(2003)引入平均日最高气温来刻画天气的异常分布。不过，Lobell et al.(2007)认为，忽视日最低气温以及生长季其他月份的气温和降水量，意味着人为假定这些气候因素对作物产量变异无影响。他们建议采用日最高气温、日最低气温以及生长季累计降水量同时作为对天气的测度。此外，还有一类由气温和降水量计算出来的干旱指数指标，近年来也开始被经济学者用来评估气候的影响(例如McCarl et al.，2008)。 然而，Schlenker and Roberts(2006，2009)认为，上述指标均不足以完美地刻画气候因素。考虑到农作物生长在很大程度上依赖于热量(温度)的变化，Schlenker和Roberts建议根据农学原理，构建反映作物生长期内累积热量的积温(degree days)变量，用以刻画短期天气的非线性影响。具体而言，他们引入作物整个生长阶段的热量分布概念，通过设计作物生长季积温(growing season degree days)和极端积温(extreme heat degree days)等农学指标，并与计量经济模型相结合，从而创新性地刻画气候(天气)对作物生长的非线性影响。在这种条件下，单产由于能够直接反映当年作物生长的结果，相比于福利指标(例如土地利润)而言，更加适合于度量天气变化对农业影响的结果(Schlenker and Roberts，2009)。因此，以Schlenker and Roberts(2006，2009)、Schlenker and Lobell(2010)、Fisher et al.(2012)以及Robert et al.(2013)为代表的研究，着力于探讨积温变化对作物单产的非线性作用，以此评估气候变化对农业的影响。 Schlenker等估计的单产模型，实际上是(6)式的简化形式：
(17)式中，
为第t年作物k的单产，
表示个体固定效应。在实际应用中，
包括作物k生长季的积温变量、极端积温变量以及生长季总降水量及其二次项；同时，模型中还控制了时间趋势及其二次项。不过，该单产模型的估计结果与Deschênes and Greenstone(2007)不一致。基于1950-2005年美国旱作区县级面板数据，Schlenker and Roberts(2009)估计了天气对玉米、大豆和棉花三种作物单产的影响。他们发现，在一定范围内，气温增加对产量具有显著的正向作用，但是，当气温高出相应的阈值时，会对这些作物的单产带来显著的负面作用。即使使用与Deschênes and Greenstone(2007)相同的作物产出和气候数据，Fisher et al.(2012)亦发现，气候变化对玉米和大豆单产具有显著的负向影响。 上述基于面板数据的单产模型并没有考虑农民的适应行为。Schlenker and Roberts(2009)采用了两种思路的稳健性检验方法，以判断不考虑农民的适应行为会在多大程度上影响估计结果。首先，测算作物不同生长季时间下的积温，并比较这些不同积温影响的估计结果。其思路在于，农民在不同天气条件下可能提前或延迟播种(收获)日期，通过估计并比较不同生长季时间下的积温效应，可以捕获农民的这种适应行为。结果表明，不管如何调整生长季时间，积温影响的估计结果基本上没有差异。这意味着，是否考虑农民调整播种(收获)日期的适应行为并不影响对积温效应的估计。其次，分别估计横截面与时间序列混合数据模型、纯时间序列数据模型和横截面数据模型，并将上述三类模型的估计结果与面板数据固定效应模型的估计结果比较。该检验思路与前面介绍的Burke and Emerick(2015)的处理方法一致。结果显示，四种情况下的回归结果均非常近似。由于横截面数据分析反映的是农民采取适应措施之后的结果，而时序数据和面板数据分析则暗含了农民在短期内无法采取适应措施的假设。所以，依据上述比较结果，Schlenker and Roberts(2009)推断，农民针对同一作物采取适应气候变化的行动有限。 四、实证研究中的一些问题和挑战 (一)长期和短期气候变化适应 从前述文献来看，对农民长期和短期气候变化适应行为的考察，均暗含了如下基本假设：农民只能够对长期气候变化产生适应行为，对短期天气波动很难采取有效的适应措施。在该假设下，Schlenker and Roberts(2009)和Burke and Emerick(2015)依据长期气候变化和短期天气波动对农作物生产影响之间相似的估计结果，推断农民实际应对气候变化的适应措施非常有限。 然而，上述推断值得商榷。Howden et al.(2007)、Tao et al.(2012)、Shi and Tao(2014)以及Xiao and Tao(2014)均强调了作物生产中适应措施应对气候变化的重要作用。不仅如此，在非洲和亚洲众多发展中国家农村开展的气候变化影响和农民适应行为的田间调查显示，农民采取了广泛的适应措施以应对变化的气候(Deressa et al.，2009；Di Falco et al.，2011；Yu et al.，2013；Chen et al.，2014；Di Falco，2014；Wang et al.，2014)。一些被农民普遍采用的农田管理措施，比如调整生产投入、增加灌溉、调整农作物播种或收获日期、补苗定苗洗苗等以及一些节水灌溉技术，能够在短期内帮助他们抵御气候风险和降低潜在的农业生产损失(Di Falco et al.，2011；Di Falco and Veronesi，2014；Huang et al.，2015)。 上述经验观察为农民采取适应气候变化行动提供了证据。但是，为什么Schlenker and Roberts(2009)和Burke and Emerick(2015)研究得到了与现实不一致的结论？这是一个值得深化研究的问题。首先，基于美国数据的分析结果可能并不代表其他发展中国家和地区的情况，因为后者的农业生产对气候变化往往更加敏感和脆弱。这意味着可能需要进一步开展更多的案例研究和国别比较分析。其次，上述两项研究的理论计量经济模型可能存在误设。篇幅所限，本文就此没有展开讨论。 (二)对产品价格和要素价格的处理 到目前为止，在前述所有经济学模型分析中，除了Kelly et al.(2005)的研究外，均没有直接控制产品价格和要素价格的作用。实际上，(5)式模型已强调，理论上而言，农业产出是产品价格和要素价格的函数。实证研究亦表明，产品价格和要素价格对气候的冲击均相当敏感(Kelly et al.，2005；Di Falco and Veronesi，2014)；在此情况下，忽视价格的作用将导致所估计的气候(天气)影响结果有偏。 Deschênes and Greenstone(2007)和Schlenker and Roberts(2009)虽然意识到上述问题，但是，囿于数据，他们只能试图通过回归技术尽可能降低遗漏价格变量给模型识别带来的潜在问题。具体而言，在(13)式模型的基础上，Deschênes and Greenstone(2007)创新性地引入了省(州)和时间交叉固定效应(state-by-year fixed effects)变量γ[，st]，通过该方法能够较好地控制同时随时间和地区变化的价格效应。相比之下，纯时间固定效应γ[，t]无法控制随地区变化的价格因素。 改变模型设定形式也能在一定程度上控制价格的作用。正如前面(第三部分)提到的，相比于利润函数模型，单产模型很大程度上能避免由价格、农民农产品销售行为等带来的潜在内生性问题。同样，Kelly et al.(2005)的模型采用土地利润作为因变量，但由于控制了产品价格和要素价格的作用，虽然仍面临其他遗漏变量问题，但至少减少了因价格导致的内生性问题。 五、总结及展望 本文就气候变化对农业影响的经济学研究进行了系统的梳理，探讨了不同计量经济模型分析存在的优点和不足，并识别了导致相关研究结果存在较大差异的原因，同时指出了目前该领域中运用计量经济模型进行实证研究所面临的一些挑战。 本文发现，各类经济学模型设定和研究结论所存争议的焦点，实际上集中在是否考虑农民的适应行为。首先，是否考虑农民的适应行为直接影响气候变化对农业影响的估计结果。其次，长期适应和短期适应所包含的内容不同，前者能够反映农民的充分适应，而后者仅反映农民的有限适应。围绕上述问题，不同的计量经济模型设定和气候(天气)变量测度方法得以发展和讨论，构成了目前气候变化对农业影响经济学实证研究的重要内容。 探索气候变化对农业影响的实证研究方法具有重要的理论和现实意义。首先，相比于作物机理模型，基于实证计量模型的经济学研究将生产者的适应行为纳入分析框架，从而极大地丰富了传统的气候变化影响研究框架，有助于识别气候变化对农业的真实影响。其次，实证研究所得到的气候变化对农业影响的结果，将为测算预估的气候情景对全球和地区农业的影响提供重要参数。这将在两个方面提供重要启示：一是多种途径的计量经济模型和实证技术增强了对气候变化影响预测结果的把握；二是农民适应行为的识别为全球气候变化背景下制定积极有效的粮食安全保障政策提供了实证依据。 然而，从文献发展来看，目前国内关于气候变化对农业影响的实证研究文献较少。一方面，相关研究基本上来自自然科学家开展的基于作物机理模型的实验或模拟分析。另一方面，近来气候变化对其他更广泛的社会经济活动的影响亦得到了广泛关注，例如气候变化对移民、房价、经济增长、出生率和死亡率、疾病和健康等的影响(Feng et al.，2010，2012；Butsic et al.，2011；Deschênes and Greenstone，2011；Dell et al.，2012；Barreca，2012)，这些研究主题涵盖了不同部门的经济学研究领域。本文就气候变化对农业影响的实证研究方法和结果的讨论，有望为其他相关领域气候变化经济影响的评估提供借鉴。 ①需要说明的是，在气象学中“气候”和“天气”是两个不同的概念。天气是指发生在某个特定时点的气象实现值，比如年度气温和降水。气候则是表示多年天气的长期模式和分布，可以用一段时期内天气的平均值来表征(Deschênes and Greenstone，2007；Deschênes and Kolstad，2011)。在时间尺度上，天气变化属于短期波动，而气候变化属于长期变动。为简便起见，本文在一般论述中均使用“气候”；如果要特意区分长期气候与短期天气，则按照实际情况区分二者的使用。
标签：面板数据论文; 经济模型论文; 经济学论文; 全球气候变化论文; 农业发展论文; 经济利润论文;
