全球变暖对农业的影响：李嘉图分析法

2.经验分析

　　李嘉图方法估测气候和其他变量对农田价值的重要性。如上所述，土地价值是未来预期租金的现值。美国各县的无风险利率差异不大，但土地价值的风险和资本收益可能会差别很大。例如，加利福尼亚州发展中城市附近的农业用地可能比经济停滞的阿巴拉契亚煤矿区的农村土地有更高的资本收益。此外，由于土地价值由农民估算，而这种估算往往并不可靠，因此土地价值的测算会有重大的潜在误差。不过，没有理由认为测算误差与气温或降水等独立数据紧密相关。测算误差会降低计量经济学估计值的精确度，但不会导致系数估计中的偏差或气候的农业经济价值影响估计中的偏差。

　　我们根据气候、土壤和社会经济变量对土地价值进行回归，以估算不同县的最优价值函数。我们共有2 933个横截面观测数据。在这项回归中，均值已从自变量中删除。因此二次气候变量更容易理解。线性项反映了按美国平均值评估的气候边际值，二次项则显示边际效应将如何随着偏离平均值而改变。

　　表3列出了若干回归。为理解模型中非农业变量的重要性，我们不妨从一个只包含气候变量的模型切入。表3中的第一组回归是一个二次模型，其中包括8项气候指标（4个月的降水量和温度）。每个变量都含有线性项和二次项，从而反映实地研究中明显的非线性。

　　在其余的回归里，我们纳入城市、土壤和其他环境变量，以控制影响土地价值和农场收入的外部因素。这就产生了一个问题，即这些县城应该如何进行加权。第一组回归使用农田权重，其中观测值按每个县的耕地比例加权。拥有大量耕地的县应能提供更好的价格决定数据，因为城市或森林等其他影响被最小化了；另外，这些结果尤其适用谷物种植带。第二组回归使用了作物收入权重；换言之，观测值按每个县的作物收入总价值加权。第二种加权方案关注那些对农业总产量最为重要的县，尽管有些县的土地价值可能受到邻近大城市的影响；这一方案还对种植更值钱作物的县赋予更大的权重。总之，农田指标倾向于关注玉米、小麦和大豆种植带，进而反映气候对这些谷物的影响。相比之下，作物收入权重对沿海地区的蔬菜农场（truck farm）和柑橘种植带的影响更大，因此作物收入回归反映了更广义的农业生产。

　　表3的（2）-（5）列给出回归结果。大多数气候变量的平方项都很显著，这意味着观测到的关系是非线性的。然而，一些平方项是正数，特别是对降水量而言，这表示存在一个最低产出水平的降水量，多于或少于该水平的降水量都会增加土地价值。二次项的负系数意味着存在一个最优水平的气候变量，其价值函数从该水平上向两个方向减小。

　　虽然定量估计各有不同，但通过边际效应衡量的气候总体影响在不同模型中基本相同。所有模型均表明，冬季和夏季的较高气温对作物有害；秋季的较高气温和冬春两季的较大降水量对作物有利；而夏季或秋季降水量增加则是有害的。然而，这两种加权方案在评估冬季与夏季气温的相对重要性方面有所不同。农田模型认为，冬季温度升高的危害性较小，升高1华氏度的影响大概是每英亩89~103美元；而作物收入模型认为，这种影响比较有害，估算的影响为每英亩138~160美元。但是根据作物收入模型，夏季气温每升高1华氏度，农业价值仅减少88~132美元，而在农田模型中将减少155~177美元。作物收入模型指出，除春季外，降水对土地价值的影响比农田模型大得多。譬如，作物收入模型表明，冬季降水使农场价值每月每英寸增加172~280美元，而农田模型显示其影响在每月每英寸57~85美元。

　　图2和图3展示美国现行气候的总体预测影响。绘制的地图则列出1982年各县气候的李嘉图值，也即气候对农田价值的局部影响。为了制作每一张地图，我们首先要获得各个县的预估气候与全美平均气候的差异值。然后将这些差异值乘以表3中的估计系数，并将其与气候变量相加。图2和图3显示了气候对各县农田价值的估计贡献。结果与民间对农场价值的评估相吻合（例如，图2中清晰呈现了美国历史上家喻户晓的第100条子午线，即西部大平原）。最具价值的气候在美国西海岸、芝加哥附近的玉米种植带和东北部。价值最低的地区是西南部和东南部区域。这两幅图显示了几乎相同的地理格局，说明结果颇为稳定；使用1978年的数据也得出了类似的结果。

　　表3的控制变量本身就提供了一组丰富的结果。经济和土壤变量在决定农场价值方面起着重要的作用。在人口稠密、经济增长较快的富裕县，农场的价值更高，因为当地对粮食的需求增加，而且土地有可能转为非农用地。农场价值对太阳通量（纬度）和海拔高度等其他环境因素的响应与预期一致。盐度、洪涝易发性、湿地的存在以及土壤侵蚀都会产生预期的负面影响。斜坡长度对土地价值影响较小。灌溉不列入表3所示的回归模型，因为灌溉明显是对气候的内生反应。不过如果将灌溉包括在内，它就是一个显著的正变量，会大幅增加土地价值；这不足为奇，因为在许多干旱的西部地区，灌溉至关重要。（*6.纳入灌溉不会显著改变本文的研究结果。）

　　理论部分提出的一个假设是，总收入模型会夸大环境效应的影响。在表4中，我们通过回归相同的气候和作物总收入控制变量来探讨这一假设。表4中农场收入模型的边际效应表明，除春季外，季节模式与农场价值方程相似。温暖的4月减少了农场收入，但增加了农场价值。根据农田模型，利于农场价值增长的较湿润的春季减少了农场收入；而在作物收入模型下，湿润的春季增加了农场收入。

　　然而，总收入模型预测的损害程度通常大于李嘉图模型预测的影响。为了比较这两种方法，我们需要使用第2节中定义的贴现率将年租金换算为土地价值。根据资产收益和农场收入，每年5%的实际贴现率似乎是合适的。（*7.根据Roger Ibbotson and Gary Brinson（1987）的研究，1947—1984年的农田价格产生了9.6%的复合年收益率（收入和资本收益），而GNP平减指数平均年增长率为4.4%。这继而产生了4.99%的实际年均收益率。相比之下，在此期间，所有房地产投资的实际年均收益率为4.4%。另一个比较是农场的利润率，定义为农场的净收入除以农场和农田的总价值。在1974年、1978年和1982年的人口普查中，农场的平均利润率为每年5.02%。）按照这个贴现率，表4中的边际系数应乘以20，这样就与表3中的现值估计具有可比性了。遵循这一调整，根据总收入模型，夏季气温每升高1华氏度，农场的现值将降低140~540美元，但根据李嘉图模型则仅降低 88~177美元。

　　测算气候影响的李嘉图方法关切的一个问题是，随着时间的推移，结果可能并不稳健，而特定年份的天气和经济因素有可能扭曲结果。因此我们使用1978年的数据再次估算了模型。这些估计值已经用1991年《总统经济报告》中的国民生产总值（GNP）平减指数换算为1982年美元。1978年的结果与基于1982年数据的研究结果惊人得相似。控制变量在两年里具有类似的影响。同样，用全美平均值评估1978年的气候边际效应，并与1982年的结果进行比较，我们发现1978年和1982年的气候变量基本相同，且几乎没有例外。随着时间的推移，气候变化对农业的影响是稳健的，但某些因素显然会逐年改变影响的程度。