推文人 | 谭小清 

 

原文信息：Patrick Baylis.2020. “Temperature and temperament: Evidence from Twitter” Journal of Public Economics 184:104161.

 

01 简介及背景

 

随着地球气候发生实质性变化，经济学家对计算这些变化所带来的全部收益和成本也越来越感兴趣。但是现有文献大部分关注由于气温上升对总收入、发病率和死亡率、冲突和农业利润等的影响所带来的福利变化，相对而言，较少有研究关注个人对不同气候的潜在偏好，以及由此延伸而来的气候变化本身对表达情绪的影响。这一差距是非市场估价中的一个经典问题造成的:由于环境温度是非竞争和非排他的，因此没有直接市场可以让研究人员推断出对不同气候的偏好。本文展示了一种将跨越时间和空间的不可观测因素纳入控制来估算非市场商品偏好的新方法，即本文基于一个关于日常表达的情绪或情绪状态的丰富空间和时间数据集，估计了社交媒体的表达情绪与室外环境温度之间的关系。

 

02 数据及实证策略

 

本文的数据主要包括两部分：

 

（1）情绪表达数据。通过一项调查来估计全美民众的日常情绪成本过高，但社交媒体上公开的更新信息提供了一种低成本的选择。本文基于2006年创建的全球最受欢迎的社交媒体平台之一——Twitter上发表的简短的tweet，通过将大量地理定位的tweet与情绪分析算法（旨在揭示情绪状态的NLP算法）相结合，本文测量了美国各地每日表达情绪的变化，本文的分析主要关注每个核心统计区（Core-Based Statistical Area，CBSA）每日平均值。由于从语言中估计潜在情绪状态所固有的不确定性，本文基于已有使用NLP的研究构建的单词列表编制了四种不同的情绪测量方法（AFINN、Hedonometer、LIWC、VADER）。

 

（2）气象数据。本文的气象数据来自PRISM气候小组的AN81d网格天气数据集，这些数据提供了美国每天大约4×4公里网格单元的最低温度、最高温度和降水量的测量数据。这些数据是使用一个模型产生，该模型插值了来自10,000多个气象站的测量数据，并校正了海拔和其他因素对当地气候的影响。

 

 

03 主要结果

 

1.基准结果

 

图2展示了气温对四种方式衡量的情绪指标的影响结果，结果都表明，情绪与温度之间存在明显的倒U型关系，相对于气温适中的一天，情绪与高温之间存在显著的负相关关系。但是，影响大小存在差异，最热的温度区间的影响从0.1个标准差到超过0.2个标准差。尽管估计值的持续下降为低温下的负面影响提供了暗示证据，但情绪与低温之间的关系估计稍微不那么一致，四项指标中有一项的估计结果不显著。

由于不同情绪衡量指标估计结果一致，其余部分结果分析使用VADER表达情绪指标，基于该指标模型（1）的估计结果见表3。结果发现相对于20-25，高温和低温对表达的情绪有显著的负面影响。

2.机制分析

 

大量文献记录了气候对冲突的影响，一种可能的机制是，温暖的温度会鼓励攻击性行为。为了检验温度对所表达的情绪反应是否部分归因于这种攻击机制，本文使用一个包含超过300种亵渎短语的列表估计了温度和亵渎表达之间的关系。这种方法的一个问题可能是，如果用户只是简单地使用更多的亵渎语句来反映他们的情绪，这些影响可能代表情绪状态的下降。为了调查这种可能性，本文还构建了一个“攻击性亵渎”指标，它只计算包含一个常用的攻击性亵渎短语的tweet数量。图3绘制了结果图，结果发现使用亵渎和攻击性亵渎短语在高温和低温日期都上升。这一发现与之前关于温度和攻击性行为的研究形成了对比，之前的研究并没有发现在温度较低的时期犯罪或冲突会增加。这可能是因为增加攻击性冲动来表达对两种温度不适的反应，但较低的温度限制了对这种攻击性采取行动的机会。

3、适应性

 

本文基于平均年温度将每个地区分成四个等级（冷、最冷、温暖、最温暖）估计在空间维度上的异质性影响，估计结果见图4，在不同温度区间地区的情绪表达对温度反应存在差异性，较寒冷的地区对低温的反应减弱，而较温暖的地区对高温的反应减弱。相反，寒冷地区对高温的反应更强烈，而温暖地区对低温的反应较强。本文进一步检验了不同季节的差异性反应，估计结果与常识一致，秋季和夏季宜凉爽，冬季宜暖和，春季宜适中。

04 表达情绪变化的解释

 

通过使用社交媒体表达情绪作为对温度的潜在偏好的代理，能够减轻在使用享乐或离散选择模型来估计气候值时产生的识别担忧，但其在估计气候价值时比较直接。反过来，基于表达情绪的变化来对气候损害价值的估计则需要额外的假设。作为利用这些数据确定是否愿意为气候便利设施支付费用的第一步，本文提供了一系列方法，旨在为观察到结果的重要性提供意义和背景，并指导这一领域的未来工作。

 

首先，本文考察情绪与其他因素之间的关系。第一，表达情绪在一周中的每一天是如何变化的。结果见图5，相较于非周五的工作日，周末和周五更受欢迎，周一情绪最低，周六情绪最高。表达情绪在周日和周一的平均差异在0.1个标准差和0.2个标准差之间，相当于表达情绪在经历一天最高温度在20-25和35-40之间的差异；第二，飓风的影响。结果见表5，平均而言，由于附近飓风的影响，CBSA的表达情绪每天减少近0.4个标准差，而高速飓风导致情绪表达下降约0.7个标准差，这一影响是高温和低温影响的2到7倍，表明附近飓风的影响比极热或极冷温度的影响更明显；第三，足球比赛结果的影响。结果见表6，附近球队遭受损失会对表达的情绪造成负面影响，这种影响的大小大致相当于一个非常炎热天气产生的负面影响。

然后，本文基于Levinson（2012）的方法将表达情绪变化的估计转化为货币价值，以估计不同气候的价值。Levinson（2012）将生活满意度对污染水平的反应除以生活满意度对收入变化的反应来将生活满意度转化为美元价值。本文的估计结果见表7，例如，本文样本个人平均愿意支付11.94美元或4.77美元（取决于使用工资回归值还是违规停车罚单的响应值）来将30-35的一天交换为20-25的一天。

最后，本文基于基准估计结果、气候变化的预测值以及对气候变化的估值来预测气候变化中预期的表达情绪的变化价值。结果表明，在所有预测方案中，每年的损失都会随着时间的推移而增加，RCP 8.5带来的损失超过RCP 4.5带来的损失。基准结果表明，本文估计在RCP 4.5下每人每年损失297美元，在RCP 8.5下每人每年损失810美元。考虑到适应的可能性，估计数将会下降，分别为195美元和313美元。2017年美国的年收入中位数是31,786美元，这意味着本文得到的估计值占当前年收入的0.6%到2.5%。

 

05 温度对全球表达情绪的影响

 

由于数据的可得性，到目前为止的分析主要集中在美国。然而，尽管所有国家都将受到气候变化的影响，但将本文估计的气候偏好外推给世界其他国家可能是不合适的。因此，本文收集了其他六个英语国家（澳大利亚、印度、南非、菲律宾、乌干达和肯尼亚）的Twitter数据和气象数据重新估计模型（1），估计结果见图7。对于这些国家，适宜的温度更受欢迎。澳大利亚、印度和肯尼亚（在一定程度上）都显示出对中等温度而不是炎热或寒冷温度的偏好，澳大利亚的反应似乎与美国最相似，而印度的反应则显示出对日益温暖气候的逐渐但不是强烈的厌恶；南非和菲律宾的结果表明人们更喜欢中等温度而不是高温，但没有证据表明人们不喜欢低温；乌干达对不同温度的反应没有显示出明显的不同情绪；肯尼亚的反应也相当有限。

06 总结

 

本文通过使用社交媒体上表达情绪对温度变化的即时反应，作为对温度潜在偏好的代理，提供了一种传统非市场估值技术的替代方法。这种方法允许估计情绪对温度的非线性反应，并解释在空间和时间上未观察到的变化。本文所演示的一套验证和评估工作为今后按照这种方法进行的研究提供了一个基准解释和前进方向。

 

Abstract

 

How do people value their climate? This paper demonstrates a new approach to estimating preferences for nonmarket goods using social media data. I combine more than a billion Twitter updates with natural language processing algorithms to construct a rich panel dataset of expressed sentiment for the United States and six other English-speaking countries around the world. In the U.S., I find consistent and statistically significant declines in expressed sentiment from both hot and cold temperatures. To better understand how preferences may adapt, I document heterogeneity in both regional and seasonal responses. I complete the U.S. analysis with a suite of validation exercises to understand the magnitude of these effects and two methods to estimate willingness-to-pay for climate amenities. Finally, I document similar relationships between temperature and expressed sentiment for four out of the six non-U.S. countries I examine.