图片来源：Bing

原文信息：Dang, Hai-Anh H.; Trinh, Trong-Anh (2022)：Does Hotter Temperature Increase Poverty? Global Evidence from Subnational Data Analysis, GLO Discussion Paper, No. 1124, Global Labor Organization (GLO), Essen.

原文链接：https://ssrn.com/abstract=4123766

写在前面

不论北方or南方还是国内or国外，相信你都体验了今年来势汹汹的层层热浪。这场史无前例的高温让“热死了”不再是句玩笑，甚至地里的庄稼都难逃厄运。有人说2022年是过去10年最热的一年，却可能是未来10年最凉快的一年。除了生活体验，全球变暖会对经济社会造成哪些影响呢？是否存在“因热致贫”呢？Hai-Anh Dang和Trong-Anh Trinh通过分析166个国家的数据，对“气温-贫困率”这一关系展开了深入探讨。

01

引言

气候变化能够通过多种方式加剧贫困，而贫困家庭的生计常常维系于“靠天吃饭”的工作且不具备如何适应气候变化的知识。尽管如此，鲜有文献站在全球视角关注气候变暖与贫困的关系。世界银行（2021a）和IPCC（2021a）报告预测，2030年将有超1.3亿人口陷入贫困，同时气温将在本世纪末上升近6℃。因此，为制定总体扶贫计划和实现2030年消除绝对贫困的可持续发展目标，研究气温上升对贫困的影响变得尤为重要。

对贫困的衡量标准不统一、家庭数据可获得性不足、国内贫困率迥异是开展相关研究所面临挑战。举例来看，Figure 1&2体现了印度贫困率和气温的相关数据。

为处理这一问题，作者根据Global Subnational Atlas of Poverty（GSAP）当中的家庭消费调查数据统计了2018年166个国家1780个地区的贫困状况，同时匹配1979-2018年源自European Centre for Medium-Range Weather Forecasts Reanalysis 5的ERA-5历史气候数据。结果发现，气温每上升1℃将导致贫困率上升0.21、0.33、0.30个百分点（分别对应每日消费支出$1.90、$3.20、$5.50的贫困线）并通过了更改估计模型、替换测温方法、控制协变量和分析数据子样本的稳健性检验。进一步研究表明，高温加剧贫困的重要影响机制为主要农作物产量降低（如大米、玉米、大豆和小麦）。气温升高在短中长期内均会显著加剧贫困，由此造成的后果在尚未出台减排措施以应对过高温室气体排放量的欠发达地区格外明显。

本文突出贡献在于利用分散在166个国家的地区数据，提供了首个气候变暖影响贫困的全球性评估。

数据

02

1. GSAP（Global Subnational Atlas of Poverty）

本文核心因变量为贫困率。GSAP利用166个国家超1780个地区的代表性数据（95%的样本数据取自2010-2018年），预测了2018年的全球贫困情况。

2. ERA5（from European Centre for Medium-Range Weather Forecasts Reanalysis 5）

ERA5每小时都会在0.25°×0.25°分辨率的网格内监测部分气候变量的变化情况，且数据可以追溯到1979年。此外，由于综合了气象站、卫星、气象气球等其他气象数据，ERA5的偏误性极低。

3. 其他

为检验未来气候变化对贫困的影响，文章引用了 NASA Earth Exchange（NEX）Global Daily Downscaled Projections（GDDP）数据，此外还包括 Iizumi and Sakai（2020）全球网格化农作物年产量、Collins Bartholomew’s Mobile Coverage Explorer的宽带网络覆盖、NASA Socioeconomic Data and Applications（SEDAC）的其他国家级指标。

GSAP是只有一年的截面数据，为解决稳健性问题，作者综合利用Kalkuhl and Wenz（2020）1981-2016年77个国家超1500个地区的GRP数据以及Kummu  et al.（2020）1990-2015年82个国家0.5°×0.5°分辨率网格内的人均GDP构建了面板数据。

Appendix B 展示了部分国家名单和主要变量的描述性统计。

03 

识别模型

本文主要采取了三种识别模型：（1）panel model（2）long differences model（3）cross-sectional model

模型（1）的回归方程（1）如下：

模型（1）只能识别短期气温变化对贫困的影响，故引出模型（2），回归方程（2）如下：

此外，为保证结论的稳健性，作者作了如下处理：（1）更换平均值计算时长：改为5年和15年（2）控制其他影响贫困的地理变量和资源禀赋（3）运用模型1进行验证。

鉴于GSAP截面数据的特征，作者使用地区层面的数据构造模型（3），回归方程（3）如下：

为确保结论稳健，作者（1）将求均值的时间段拉长（2）加入地区层面的协变量、替换样本数据（3）随机选取子样本进行安慰剂检验（4）改用将核心自变量的形式改为平方项。

同时，为进一步识别气温对贫困的非线性影响，本文参考Chen and Gong（2021）和Mullins and White（2020）的做法在回归模型中引入了“温度箱”（temperature-bin），回归方程（4）如下：

本文将每5℃归为一个温度箱，共10个，则2018年全年的日均温度变化可以通过温度箱的数量分布体现出来。本文将最适温度区间16℃-20℃作为参照组剔除，故核心变量的回归系数可以理解为当气温不在16℃-20℃区间时气温变化对贫困的影响。

实证检验

04

4.1 主要结论

Table 1反映出两点：首先，不考虑cross-sectional模型，气温在国家层面上对贫困的影响微乎其微。因为国内地区之间的贫富差异较大，使用国家层面的数据进行分析有可能掩盖气温上升带来的影响；其次，降水量对贫困率影响不显著，这也与已有文献结论保持一致（Burke et al.，2015b；Dell et al.，2012）。

Table 2中列（1）（4）（7）采用了Kalkuhl and Wenz（2020）的地方GDP数据，表明气温上升均会在5%水平上显著恶化当地贫困程度。具体表现为，当每日贫困线为$1.90时，温度每升高1℃将相应提高0.15%的贫困率。列（2）（5）（8）证明温度升高也会在长期内抬高贫困率，且这种影响的绝对值远远高于短期影响。

列（3）（6）（9）采用样本更全面的微观GSAP数据进行分析，系数依旧显著为正，且仍未发现降雨量会对贫困率产生冲击。

4.2 稳健性检验

首先，参考Kalkuhl and Wenz（2020）和Kotz et al.，（2021）对模型做了不同处理，包括：（1）控制温度变化（2）加入温度平方项（3）加入温度交乘项（4）调整窗口期（5）更换样本数据。Table A1、A2均表明结果稳健。

其次，本文利用GSAP数据进一步进行稳健性检验，具体包括：（1）改变温度测量方法（2）引入temperature-bin验证气温的非线性影响（3）控制协变量（4）使用加权回归（5）利用不同子样本数据（6）检验潜在的反向因果。实证结果均通过稳健性检验。其中，上文提到的Figure A2反映出贫困率的恶化会随着气温升高而变得愈发严重。

最后，本文还通过随机匹配的方式进行了安慰剂检验，即将某地区的温度替换为从样本中随机抽取的另一个地区的温度，结果见Figure A3

4.3 异质性分析

（1）Figure 2表明：在撒哈拉以南非洲、中东、北非和南亚等贫困地带，气温上升对贫困率的影响更显著。

（2）Figure A4表明：受气候变暖影响最大的国家也是当前收入最低的国家。

（3）Table 9表明：民主政体的国家能够较好抵御气候变暖产生的冲击，非民主政体的国家集中在赤道附近。工业国相较农业国更不易受到气温上升对贫困率增加的威胁。

（4）Table A10：具备信息通信技术优势的地区对气温升高所导致的负面结果相较而言不敏感。

4.4 潜在机制

现有结论已表明，气温上升对在地区层面对贫困存在恶劣影响，然而这背后存在怎样的机制？本文提出了一个可能的解释，即贫困国家常位于气候变化快速且剧烈的赤道附近，同时它们的发展也更多地依赖于“靠天吃饭”的农业部门。许多文献已经证实极端气温会对贫困国家的农作物产量造成格外严重的冲击（Jacoby et al.，2015；Knox et al.，2012；Schlenker and Lobell，2010）。在Table 3 中，本文利用Iizumi and Sakai（2020）在全球范围内统计的1981-2016年分辨率为0.5℃×0.5℃的农作物年产量数据按照回归方程（1）（2）进行回归，回归系数大多在1%水平上显著为负。Table A11 表明，农业比例高的国家更易受到气候变暖带来的危害，与预期相符。

由于气温与农作物产量有关，本文进一步检验了贫困率与农业变量的关系。Figure A5的横纵轴分别表示气温对农作物产量和贫困率的影响，Figure A6的横轴表示第一产业GDP比重。结果均表明，气温上升可以通过降低农作物产量抬高贫困率。

4.5 预测

该部分将Table 2的cross-sectional model与2030-2099年模拟气温数据相结合，预测了未来不同场景下气温变化对贫困带来的影响。本文主要关注根据Representative Concentration Pathway（RCP）设定的两个极端场景RCP4.5（可再生能源的高依赖率、燃煤发电的低依赖率）和RCP8.5（保持现状、不采取气候相关措施）。

参照Burke and Emerick （2016）和Kalkuhl and Wenz（2020）的预测方法，首先利用ERA-5年度气温数据计算1979-2018的历史平均气温并拟合平均气温分布。其次，计算预测气温与历史平均气温的差异。最后，结合Table 2（3）（6）（9）的回归系数计算温度变化对贫困率的影响。

Table A12表明不论在哪种RCP情境下，气温升高对贫困在短中长期内均会造成影响。到本世纪末，气温的上升幅度将会在2.631℃-5.999℃之间。

05 

结论

本文通过运用GSAP数据和三种识别模型证明，在每日贫困线为$1.9的条件下，气温每上升1℃会导致贫困率提高0.21%。同时，由于各国内部贫富差异较大，气温-贫困率的关系在国家层面的分析中并不显著。本文发现，撒哈拉沙漠以南非洲和南亚是对高温影响最敏感的地区。此外，本文指出农作物产量下降是气温升高加剧贫困的一个重要机制。最后，本文预测在不采取措施的情况下，全球变暖可能会导致本世纪末的贫困率涨幅高达6.5%。

最后作者指出，在取得地区层面贫困程度的相关数据后，有许多值得研究的方向。一是探讨气温-贫困率其他更多的影响机制，如国内冲突、劳动生产率、移民等。二是更好理解全球变暖对地区不平等的影响。该类研究能够帮助各国政府在应对全球变暖这一挑战时做出更加明智的决策。

推文作者简介

柳一涵，华侨大学经济与金融学院2019级金融学专业本科生。推文可能存在纰漏与不足，欢迎大家批评指正！邮箱：ellalyh@126.com

Abstract 

Despite a vast literature documenting the negative effects of climate change on various socio-economic outcomes, little, if any, evidence exists on the global impacts of hotter temperature on poverty. Analyzing a new global dataset of subnational poverty in 166 countries, we find higher temperature to increase poverty. This finding is robust to various model specifications, data samples, and measures of temperature. Our preferred specification shows that a 1˚C increase leads to a 2.1 percent increase in the headcount poverty rate, using the US$ 1.90 daily poverty threshold. Regional heterogeneity exists, with Sub-Saharan African countries being most vulnerable to higher temperature. We find suggestive evidence that reduction in crop yields could be a key channel that explains the effects of rising temperature. Further simulation indicate that global warming can significantly increase poverty, with more pronounced effects occurring in poorer regions and under scenarios of higher greenhouse gas emissions without mitigation policies.

声明：推文仅代表文章原作者观点，以及推文作者的评论观点，并不代表香樟经济学术圈公众号平台的观点。