氣象要素對中國經(jīng)濟行業(yè)產(chǎn)值產(chǎn)出的影響

◎ 肖 芳 于 丹 呂麗莉

提 要:在國民經(jīng)濟發(fā)展中，社會生產(chǎn)越來越多的環(huán)節(jié)受到氣象條件的影響和制約。研究表明，氣象條件變化對我國8個行業(yè)的經(jīng)濟產(chǎn)出具有顯著敏感性影響。在控制資本和勞動力影響因素不變的條件下，2008-2017年氣象因素對我國經(jīng)濟產(chǎn)出變化的影響為4.44%。不同行業(yè)的經(jīng)濟產(chǎn)出對氣象因素敏感性從大到小依次是：農(nóng)業(yè)（7.40%）、房地產(chǎn)業(yè)（6.80%）、交通業(yè)（6.79%）、批發(fā)零售業(yè)（5.89%）、工業(yè)（5.30%）、金融業(yè)（5.15%）、建筑業(yè)（4.47%）、住宿餐飲業(yè)（3.09%）。

一、開展氣象要素對經(jīng)濟行業(yè)產(chǎn)值影響研究的意義

氣象條件對國民經(jīng)濟各行業(yè)的影響愈發(fā)凸顯。氣象關乎生命安全、生產(chǎn)發(fā)展、生活富裕、生態(tài)良好。在國民經(jīng)濟發(fā)展中，社會生產(chǎn)越來越多的環(huán)節(jié)受到氣象條件的影響和制約。特別是當前，氣象災害的多樣性、突發(fā)性、極端性、不可預見性日益突出，如何科學、合理地評估國民經(jīng)濟產(chǎn)出對氣象因素的敏感性，是提高氣象服務能力，提升氣象服務針對性與服務經(jīng)濟社會效益的基礎。

經(jīng)濟行業(yè)產(chǎn)值對氣象的敏感性評估已成為氣象服務效益評估中的一項重要工作。目前關于氣象對經(jīng)濟產(chǎn)出的影響這一問題并沒有權(quán)威、科學的研究結(jié)論作為對外展示氣象工作的科學支撐，影響外部門科學理解、合理評估氣象貢獻?？v觀國內(nèi)相關研究，中國氣象局分別于1983年、1994年、2006年組織了三次全國范圍的氣象服務效益評估研究，許多專家學者也開展了很多相關研究，但以往的研究主要集中于投入產(chǎn)出比，雖然它也是氣象服務效益評估的重要內(nèi)容，但科學全面評估氣象部門的經(jīng)濟貢獻，需要大規(guī)模的組織領導才能完成，所以本研究聚焦于經(jīng)濟產(chǎn)值對氣象因素的敏感性評估，來反映氣象條件對國民經(jīng)濟的影響。

開展經(jīng)濟行業(yè)產(chǎn)值對氣象要素敏感性研究也是用自然科學研究方法（計量經(jīng)濟學）開展政策研究的探索嘗試。當前關于氣象條件變化對經(jīng)濟產(chǎn)出的敏感性影響研究可大致分為四大類：（1）特定經(jīng)濟行業(yè)對氣象要素的敏感性分析，主要側(cè)重于評估氣象要素對農(nóng)業(yè)產(chǎn)出的影響；（2）較長時間尺度的氣候變化對經(jīng)濟增長的影響；（3）采用定性或半定性方法評估經(jīng)濟行業(yè)對氣象要素的敏感性分析；（4）定量分析經(jīng)濟行業(yè)對氣象要素的敏感性。其中采用定量方法評估我國經(jīng)濟行業(yè)產(chǎn)值對氣象要素敏感性評估的研究相對較少，且研究時段主要集中在2010年之前。本研究嘗試用計量經(jīng)濟學的方法彌補近十年來該領域的定量研究空白。

二、國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢

（一）國際研究與實踐

美國學者Dutton在2002年發(fā)表的一篇文章中對美國各行業(yè)GDP產(chǎn)值受到天氣和氣候制約的情況進行了估算，結(jié)果顯示，美國三分之一左右的GDP屬于天氣氣候敏感領域，年產(chǎn)值達到3萬億美元。這一研究結(jié)果被美國政府和學術界廣泛接受。

2004年，在Dutton工作的基礎上，NCAR和Stratus咨詢公司共同開展了規(guī)模較大的“美國不同經(jīng)濟行業(yè)對天氣敏感性評估項目”（OUSSSA-Overall U.S.Sector Sensitivity Assessment），應用柯布-道格拉斯生產(chǎn)函數(shù)法（C-D生產(chǎn)函數(shù)），將氣象因子作為生產(chǎn)要素加入其中，作出了相應的敏感性評估。2004年4月發(fā)布的《NOAA經(jīng)濟統(tǒng)計》第三版認為：美國受天氣和氣候直接或間接影響的產(chǎn)業(yè)，從金融、保險和不動產(chǎn)到服務、零售和批發(fā)貿(mào)易，占國家GDP的三分之一。直接受天氣影響的產(chǎn)業(yè)，如農(nóng)業(yè)、建筑、能源傳輸和室外娛樂業(yè)，占國家GDP接近10%。

Larsen（2006）用傳統(tǒng)的資金、勞動力和能源消耗投入以及溫度和降水的觀測值來估計美國經(jīng)濟對于天氣變化的敏感性, 通過Monte-Carlo擬合表明，美國西部和西南地區(qū)比其他地區(qū)對天氣更為敏感, 其中制造加工業(yè)對天氣 （例如低溫天氣）的敏感性尤其顯著。

2008年，學者在搜集美國各地70年氣象記錄以及主要經(jīng)濟部門近24年的數(shù)據(jù)的基礎上開展了天氣敏感性分析，研究結(jié)論說明，常規(guī)的天氣變化對美國國民生產(chǎn)總值的影響高達3.4%。就具體行業(yè)來看，常規(guī)天氣變化每年對礦業(yè)經(jīng)濟有14%的影響，對農(nóng)業(yè)的影響為12%；其他敏感行業(yè)包括制造業(yè)（8%），金融保險 （8%）和公用事業(yè)（7%）。相比之下，批發(fā)業(yè)（2%）、零售業(yè)（2%）和服務業(yè)（3%）被認為是最不敏感。Laoz等用加入氣象因子的計量經(jīng)濟模型，對美國48個州11個行業(yè)的天氣變化敏感性進行了估算。

（二）我國相關研究與實踐

氣象要素對行業(yè)經(jīng)濟產(chǎn)出的影響研究是難度較大的工作，我國學者對此做了大量的研究與實證分析。丑潔明等在C-D生產(chǎn)函數(shù)法中添加氣候變化因子，建立一個新的“經(jīng)濟-氣候模型”（簡稱C-D-C模型），用來評價全球氣候變化對糧食產(chǎn)量的影響。戴洋等（2008）應用C-D生產(chǎn)函數(shù)法將氣象因子作為一個生產(chǎn)要素加入其中，衡量氣候條件對國民經(jīng)濟生產(chǎn)的影響，并利用新建的氣候-經(jīng)濟敏感性模型對全國各省市氣象-經(jīng)濟敏感性進行了評估，結(jié)果表明，華東地區(qū)國民經(jīng)濟發(fā)展對氣象條件的敏感性相對較高。周京平等采用文獻信息統(tǒng)計法重點評估了農(nóng)林牧漁業(yè)的天氣氣候敏感程度。孫寧等基于規(guī)范的協(xié)整理論，定量分析了氣溫變化對南京市主要行業(yè)的長期以及短期影響。2006年全國氣象服務效益評估中，以氣象敏感度和氣象效用大小為標準，應用專家評估法對氣象敏感行業(yè)進行了評定并排序（如表1所示）。羅慧等（2010）基于C-D生產(chǎn)函數(shù)法，綜合分析了我國31個省份22年（1984-2006年）間的行業(yè)和氣象數(shù)據(jù)，采用隨機效應模型對時間序列截面數(shù)據(jù)進行了分析，結(jié)果表明，氣象條件變化與行業(yè)經(jīng)濟產(chǎn)出之間存在密切聯(lián)系，在控制資本投資和勞動力兩個因素不變的情況下，中國經(jīng)濟產(chǎn)出對氣象條件變化敏感度為12.36%。孫鑒鋒等（2017）通過改進C-D生產(chǎn)函數(shù)，得到了北京市各行業(yè)對氣象條件的敏感性排名，其中建筑業(yè)（0.4995%）、批發(fā)零售業(yè)（0.4176%）和金融業(yè)（0.2933%）對氣象條件變化表現(xiàn)出高敏感性，而農(nóng)業(yè)（0.2537%）對氣象條件變化的敏感性最低。

表1 氣象敏感行業(yè)排序表（2006年）

區(qū)域行業(yè)經(jīng)濟發(fā)展的氣象敏感性也是研究重點之一。楊松等（2011）針對江蘇省1980-2008年的行業(yè)經(jīng)濟數(shù)據(jù)與氣象數(shù)據(jù)，運用灰色理論對生產(chǎn)函數(shù)在數(shù)據(jù)處理等方面加以改進，分析了它們之間的關系。芮玨等（2011）分析了江蘇省行業(yè)經(jīng)濟產(chǎn)出受氣象因素影響的大小，得到了各行業(yè)的敏感性排名，依次為建筑業(yè)、農(nóng)業(yè)、批發(fā)和零售貿(mào)易餐飲業(yè)、房地產(chǎn)業(yè)、工業(yè)。孫鑒鋒等（2017）通過改進C-D生產(chǎn)函數(shù)計量經(jīng)濟模型，采用嶺回歸模型對北京市的行業(yè)經(jīng)濟-氣象系統(tǒng)要素進行分析，得到了北京市各行業(yè)對氣象條件的敏感性排名，其中建筑業(yè)、批發(fā)零售業(yè)和金融業(yè)對氣象條件變化表現(xiàn)出高敏感性，而農(nóng)業(yè)對氣象條件變化的敏感性最低。許霜等（2014）引入超越對數(shù)生產(chǎn)函數(shù)，對1987-2010年相關數(shù)據(jù)進行動態(tài)分析，研究華北地區(qū)能源行業(yè)產(chǎn)出對氣象條件變化的歷年敏感性影響。

從研究方法上看，目前國內(nèi)外對于行業(yè)氣象敏感性評估的方法主要分為兩類：一種是專家評估法：采用專家打分制，采集各省份高氣象敏感行業(yè)排序樣本，用加權(quán)平均的方法對每個行業(yè)的得分進行統(tǒng)計，得分越高的行業(yè)對氣象敏感程度越高，最后得到全國范圍內(nèi)行業(yè)氣象敏感度排行。另一種是柯布-道格拉斯生產(chǎn)函數(shù)法，此模型的結(jié)果相比專家評估法或其他主觀判斷方法更具科學性、客觀性和延伸性。

從研究內(nèi)容上來看，已有研究在分析我國氣象條件變化對經(jīng)濟產(chǎn)出是否存在顯著的敏感性影響方面, 主要側(cè)重于氣候變化對農(nóng)業(yè)產(chǎn)出的影響上,在定量測度這種影響力究竟有多大,以及不同行業(yè)產(chǎn)出對氣象條件變化的敏感性分析上還相對薄弱。因此，如何更科學地選取代表性氣象要素，收集更長時間序列的樣本和更豐富的經(jīng)濟數(shù)據(jù)建立合理模型，更加精確地定量化進行行業(yè)氣象敏感性評價，是未來的研究趨勢。

正是基于這一研究趨勢，并考慮到不同省域、不同行業(yè)受不同氣象條件變化的影響程度和變化方向不相一致的特點, 本研究擬在傳統(tǒng)計量經(jīng)濟研究方法的基礎上，試圖改進生產(chǎn)函數(shù)計量經(jīng)濟模型，引入更多有影響性的氣象因子，梳理更長時間序列的最新數(shù)據(jù)，對我國經(jīng)濟行業(yè)產(chǎn)值的氣象敏感性進行評估分析。

三、研究方法與數(shù)據(jù)

本研究在文獻調(diào)研的基礎上，采用通用的計量經(jīng)濟統(tǒng)計方法研究氣象要素對經(jīng)濟行業(yè)產(chǎn)值的影響。

（一）研究模型和計算方法

1.改進柯布-道格拉斯生產(chǎn)函數(shù)（C-D生產(chǎn)函數(shù)）

C-D生產(chǎn)函數(shù)是一種多因素分析法，多用于生產(chǎn)過程中要素投入對產(chǎn)出貢獻大小的經(jīng)濟分析。經(jīng)典的C-D生產(chǎn)函數(shù)形式為Q=ALαK1-α，其中Q代表產(chǎn)量，L代表勞動投入量，K代表資本投入量，A是常數(shù)，α是勞動力產(chǎn)出的彈性系數(shù)。在開展氣象因素變化產(chǎn)生的經(jīng)濟影響分析時，通過增加氣象變量（W）對函數(shù)加以改進。改進后的函數(shù)為：

公式（1）中βL、βK、βW為常數(shù)，分別表示勞動投入量L、資本投入量K和氣象因素W對經(jīng)濟產(chǎn)出Q相應于解釋變量變化的敏感性系數(shù)。將模型兩邊取自然對數(shù)線性化，得到：

公式（2）就是本研究中生產(chǎn)函數(shù)法的計量模型，將據(jù)此開展各行業(yè)經(jīng)濟產(chǎn)出受天氣變化影響的敏感性研究。從經(jīng)濟學分析的角度，公式（2）中βL、βK、βW即為經(jīng)濟產(chǎn)出Q對于相應解釋變量變化的敏感性系數(shù)，也叫彈性系數(shù)。如:

該系數(shù)度量了在資本和勞動力等變量保持不變的情況下，氣象變量lnW對因變量lnQ的影響變化，具體而言，當保持固定資產(chǎn)投資和勞動力因素不變的情況下，1%的氣象變量變化，將引起各行業(yè)經(jīng)濟產(chǎn)出的百分比變化，即為敏感性變化。

2.計算模型

為了能定量分析氣象變量對我國各地區(qū)、各行業(yè)的影響程度，采用了計量經(jīng)濟模型——面板數(shù)據(jù)（Panel Data）模型，又稱時間序列截面數(shù)據(jù)，比只利用截面數(shù)據(jù)或只利用時間序列數(shù)據(jù)模型具有不可替代的作用，其優(yōu)勢主要表現(xiàn)在：由于觀測值的增多，可以增加估計量的抽樣精度；建模時比單截面數(shù)據(jù)建?？梢垣@得更多的動態(tài)信息。由于各樣本之間的差異是隨機的，分析數(shù)據(jù)時選擇了隨機效應模型（Random Effect Model）。

（二）經(jīng)濟要素指標

根據(jù)《中國統(tǒng)計年鑒》，選取31個?。▍^(qū)、市）8個行業(yè)2008-2017年的GDP、年末在崗就業(yè)人數(shù)、固定資產(chǎn)投資數(shù)據(jù)。（8個行業(yè)包括：農(nóng)業(yè)、工業(yè)、建筑業(yè)、交通運輸倉儲和郵電通信業(yè)、批發(fā)和零售業(yè)、住宿和餐飲業(yè)、金融保險業(yè)、房地產(chǎn)業(yè)）

（三）氣象要素指標

根據(jù)中國氣象數(shù)據(jù)網(wǎng)，選取31個?。▍^(qū)、市）2008-2017年氣溫、降水量氣象數(shù)據(jù)。第一類是年平均氣溫與該省 30年（1987-2017年）平均氣溫的差值，描述當年年平均氣溫與歷史 30年平均值的差距, 差值為正為暖年, 否則為冷年；第二類是逐年的年平均氣溫標準差，表示年均氣溫波動特征；第三類是單位面積平均降水量，即該省年平均降水量除以其行政面積后的每平方公里的平均降水量；第四類是逐年降水量的標準差，即該省逐年降水量的標準偏差，描述年均降水量的波動特征。

本次研究共選取了31個?。▍^(qū)、市）10年（2008-2017年）8個行業(yè)橫截面數(shù)據(jù)（如表2所示），樣本容量共有8680個。

表2 數(shù)據(jù)選取情況

四、實證分析

（一）不同經(jīng)濟行業(yè)產(chǎn)值對氣象因素敏感性擬合結(jié)果分析

通過Stata計量經(jīng)濟軟件，基于改進的C-D生產(chǎn)函數(shù)模型，需要對公式兩側(cè)進行取對數(shù)處理，對對數(shù)化后的數(shù)據(jù)建立帶時間趨勢項的面板隨機效應模型，分別使用8個分行業(yè)GDP進行模型參數(shù)估計，得到的8組系數(shù)即為不同經(jīng)濟行業(yè)對氣象因素敏感性影響的回歸結(jié)果（如表3所示）。

表3 氣象變量對不同行業(yè)敏感性影響的計算結(jié)果

根據(jù)加入氣象因子的模型的物理意義和回歸結(jié)果來看，除農(nóng)業(yè)外所有行業(yè)均與固定資產(chǎn)（K）和勞動力人口（L）密切相關。就氣象因素的影響而言，以農(nóng)業(yè)為例，得到農(nóng)業(yè)產(chǎn)出對氣象條件敏感性的邊際影響方程：

GDP=4.7123+0.1364K-0.0089L-0.0215TT+0.4275TD-0.0057RR+0.0386RD

方程中，逐年平均氣溫與30年平均氣溫差值（TT）、氣溫標準差（TD）通過了小于1%的顯著性檢驗，說明農(nóng)業(yè)產(chǎn)出變化受到氣溫變化影響。平均氣溫與30年平均氣溫差值增加1%，則農(nóng)業(yè)產(chǎn)出減少0.022%；年均氣溫標準差TD每增加1%，農(nóng)業(yè)產(chǎn)出會增加0.428%。

根據(jù)回歸結(jié)果，逐年平均氣溫與30年平均氣溫差值（TT）每增加1%，農(nóng)業(yè)、交通運輸業(yè)的經(jīng)濟產(chǎn)出將會分別減少0.022%和0.012%，其他行業(yè)沒有通過顯著性檢驗；單位面積降水（RR）每增加1%，工業(yè)、批發(fā)零售業(yè)、交通運輸業(yè)、住宿餐飲業(yè)、金融業(yè)、房地產(chǎn)業(yè)等行業(yè)產(chǎn)出將會分別增加0.064%、0.122%、0.116%、0.090%、0.170%、0.197%；氣溫標準差（TD）每增加1%，農(nóng)業(yè)、工業(yè)、建筑業(yè)、批發(fā)零售業(yè)、交通運輸業(yè)和房地產(chǎn)業(yè)等行業(yè)產(chǎn)出將分別增加0.428%、0.238%、0.305%、0.445%、0.534%、0.292%；其中，降水標準差（RD）的變化，與金融業(yè)產(chǎn)值顯著相關，當RD增加1%，金融業(yè)產(chǎn)出將減少0.107%，對其他行業(yè)的敏感性影響未通過顯著性檢驗。

（二）各地區(qū)不同經(jīng)濟行業(yè)產(chǎn)出對氣象因素敏感性的實證分析

在實證分析中，引入極差率這一概念，進一步分析氣象因素對經(jīng)濟行業(yè)產(chǎn)出的敏感性影響。極差率計算公式為：（產(chǎn)出最大值-產(chǎn)出最小值）/產(chǎn)出平均值，即保持經(jīng)濟因子不變，將歷年氣象因子代入各行業(yè)邊際影響方程中，計算得到歷年的經(jīng)濟產(chǎn)出估計值，該產(chǎn)出估計值的差異完全由氣象因子的變化產(chǎn)生，所以極差率即可表示經(jīng)濟產(chǎn)出對氣象因素的敏感程度。

本研究中固定資產(chǎn)投資K和勞動力L的數(shù)據(jù)，均采用2008-2017年的平均數(shù)，氣象要素采用2013-2017年的數(shù)據(jù)，預測出2013-2017年31個省（區(qū)、市）8個行業(yè)的GDP值，代入極差率計算公式，得到各地區(qū)不同經(jīng)濟行業(yè)產(chǎn)出對氣象因素的敏感性（如表4所示）。

表4 經(jīng)濟產(chǎn)出對氣象因素敏感性影響的預測結(jié)果 單位：%

1.不同行業(yè)經(jīng)濟產(chǎn)出對氣象因素敏感性分析

將全國各行業(yè)的極差率進行平均值計算，即可得到不同行業(yè)經(jīng)濟產(chǎn)出對氣象因素的敏感性（如圖1所示）。通過計算可得，我國經(jīng)濟產(chǎn)出對氣象條件變化的平均敏感性系數(shù)為4.44%。不同行業(yè)的經(jīng)濟產(chǎn)出對氣象因素敏感性從大到小依次是：農(nóng)業(yè)（7.40%）、房地產(chǎn)業(yè)（6.80%）、交通業(yè)（6.79%）、批發(fā)零售業(yè)（5.89%）、工業(yè)（5.30%）、金融業(yè)（5.15%）、建筑業(yè)（4.47%）、住宿餐飲業(yè)（3.09%）。

圖1 不同行業(yè)的經(jīng)濟產(chǎn)出對氣象因素敏感性

2.不同地區(qū)經(jīng)濟產(chǎn)出對氣象因素敏感性分析

將各省（區(qū)、市）不同行業(yè)的極差率進行平均值計算，即可得到該省經(jīng)濟產(chǎn)出對氣象因素的敏感性。以北京市為例，房地產(chǎn)業(yè)對氣象因素的敏感性最高，達到8.95%，其次是工業(yè)，為8.21%，金融業(yè)對氣象因素的敏感程度最低，為2.87%。將北京市8個行業(yè)產(chǎn)出對氣象因素的敏感程度進行平均值計算，可得到北京市經(jīng)濟產(chǎn)出對氣象因素的敏感性為5.96%。

各省（區(qū)、市）經(jīng)濟產(chǎn)出對氣象因素的敏感性（如圖2所示），氣象條件變化對各?。▍^(qū)、市）的影響程度不一，但總體而言均存在顯著敏感性影響。具體來看，遼寧、河北、山東、甘肅、海南等省份對氣象因素的變化相當敏感，敏感性基本高于6%；內(nèi)蒙古、吉林、西藏、福建等省份對氣象要素較為敏感，敏感性在5%-6%之間；江西、湖南和河南等省份對氣象要素較不敏感，敏感性低于2%。

圖2 各?。▍^(qū)、市）的經(jīng)濟產(chǎn)出對氣象因素敏感性

五、研究結(jié)果與討論

利用31個省（區(qū)、市）8個經(jīng)濟行業(yè)產(chǎn)值、勞動力、固定資產(chǎn)投資、平均氣溫差值、氣溫標準差、單位面積平均降水量、降水量標準差等資料，代入生產(chǎn)函數(shù)模型，進行建模和擬合，分析了不同地區(qū)不同行業(yè)經(jīng)濟產(chǎn)出的氣象敏感性，主要結(jié)論如下。

一是應用C-D生產(chǎn)函數(shù)，將氣象因素作為經(jīng)濟增長影響的投入因素引入模型，通過回歸分析，根據(jù)不同行業(yè)對氣象條件變化的邊際影響分析可得，氣象條件變化對我國8個行業(yè)的經(jīng)濟產(chǎn)出具有顯著敏感性影響。

二是在控制資本和勞動力影響因素不變的條件下，2008-2017年氣象因素對我國經(jīng)濟產(chǎn)出變化的影響為4.44%。不同行業(yè)的經(jīng)濟產(chǎn)出對氣象因素敏感性從大到小依次是：農(nóng)業(yè)（7.40%）、房地產(chǎn)業(yè)（6.80%）、交通業(yè)（6.79%）、批發(fā)零售業(yè)（5.89%）、工業(yè)（5.30%）、金融業(yè)（5.15%）、建筑業(yè)（4.47%）、住宿餐飲業(yè)（3.09%）。

三是氣象條件變化對各省市的影響程度不一，但總體而言各行業(yè)產(chǎn)出對氣象條件變化存在顯著敏感性影響。其中，山東省經(jīng)濟產(chǎn)出對氣象條件變化的敏感性最強，為8.25%；江西省經(jīng)濟產(chǎn)出對氣象條件變化的敏感性最小，為1.11%。

將C-D模型模擬出的各省GDP值與實際GDP值進行對比，發(fā)現(xiàn)雖然有些省份如海南、甘肅、黑龍江、吉林、遼寧、天津等，模擬GDP值能夠較為準確地貼近實際GDP值，但也存在一些省份，如廣東、江蘇、山東、浙江等經(jīng)濟發(fā)達省份，模擬GDP值與實際GDP值有較大偏差的現(xiàn)象，模擬GDP明顯低于真實GDP值。分析原因后，發(fā)現(xiàn)主要存在以下兩個問題：

（1）所選取的C-D模型無法捕捉非線性關系和協(xié)同關系。經(jīng)濟要素和氣象要素之間存在大量的非線性關系、替代關系和協(xié)同關系。尤其是在發(fā)達省份，由于發(fā)達省份可以通過資本、勞動力、技術等更好地彌補由氣象要素帶來的不利影響，不利的溫度和降水未必會導致GDP大幅下滑。

（2）樣本數(shù)據(jù)的年限問題。通常，樣本數(shù)據(jù)的時間序列越長，模型擬合得出的參數(shù)越準確。受限于經(jīng)濟數(shù)據(jù)統(tǒng)計口徑改變等原因，當前的樣本數(shù)據(jù)只有10年，導致模型參數(shù)不夠準確。

由于本研究尚屬探索階段，目前只獲得初步階段成果，后續(xù)研究中，我們還需要優(yōu)化模型，拓展樣本數(shù)據(jù)的時間序列與變量選擇，以提升研究結(jié)果的科學性。