气温变化会影响企业选址吗？——基于碳达峰碳中和的企业层面微观数据

李卫兵，陈思远

一、引 言

气温变暖是全球共同面临的一个发展难题。20世纪80年代以来，每个连续十年都比前一个十年更暖，2020年全球平均温度较工业化前高出约1.2℃。在这种背景下，气温变化的经济影响越来越受到学者们的关注。由于农业部门直接与气温条件相关，早期研究主要集中于考察气温变化对农业生产的影响，(1)Chen，S. A.，Chen，X. G. &Xu，J. T.，“Impacts of Climate Change on Agriculture：Evidence from China”，Journal of Environmental Economics and Management，Vol.76，2016，pp.105-124.② Deschenes，O.，Greenstone，M.，“The Economic Impacts of Climate Change：Evidence from Agricultural Output and Random Fluctuations in Weather”，American Economic Review，Vol.97，No.1，2007，pp.354-385.而关于气温变化对工业部门影响的研究相对较少。对于大多数国家而言，工业部门在国民经济中所占的份额都超过农业部门，因而探究气温变化对工业部门的影响无疑有着极为重要的现实意义。值得指出的是，Cachon et al.(2)Cachon，G. P.，Gallino，S. &Olivares，M.，“Severe Weather and Automobile Assembly Productivity”，NBER Working Paper，2012.利用美国64家汽车厂在10年期间的每周生产数据，发现不利的天气条件会导致产量显著下降。Zhang et al.(3)Zhang，P.，Deschenes，O.，Meng，K. &Zhang，J. J.，“Temperature Effects on Productivity and Factor Reallocation：Evidence from a Half Million Chinese Manufacturing Plants”，Journal of Environmental Economics and Management，Vol.88，2018，pp.1-17.利用中国工业企业数据库考察了气温变化对企业产出和全要素生产率(TFP)的影响，揭示出气温变化对企业产出和TFP具有显著的非线性影响。在此基础上，Chen and Yang(4)Chen，X. G.，Yang，L.，“Temperature and Industrial Output：Firm-Level Evidence from China”，Journal of Environmental Economics and Management，Vol.95，2019，pp.257-274.利用同样的数据库分析了气温的随机变化对工业产出的影响，进一步证实了气温变化与工业产出之间的非线性关系。总体来看，学者们逐渐开始关注气温变化对工业部门的影响，但尚无文献考察气温变化是不是工业企业选址的决定因素。

选址区位决策是企业需要考虑的重要问题之一。从本质上来说，影响企业选址决策的因素可以分为经济因素、制度因素和气候因素。众多文献的研究结果表明地区经济发展水平(5)Delgado，M.，Porter，M. E. &Stern，S.，“Clusters and Entrepreneurship”，Journal of Economic Geography，Vol.10，No.4，2010，pp.495-518.、基础设施完善程度(6)周浩、余壮雄、杨铮：《可达性、集聚和新建企业选址——来自中国制造业的微观证据》，《经济学》(季刊)2015年第4期。、劳动力规模和成本(7)吕大国、耿强、简泽、卢任：《市场规模、劳动力成本与异质性企业区位选择——中国地区经济差距与生产率差距之谜的一个解释》，《经济研究》2019年第2期。、环境规制强度(8)薄文广、崔博博、陈璐琳：《环境规制对工业企业选址的影响——基于微观已有企业和新建企业数据的比较分析》，《南开经济研究》2019年第4期。等经济或制度因素会显著影响企业选址决策。相对而言，关于气候因素对企业选址行为影响的研究还存在空白。本文试图借鉴相关研究，考察气温的整体分布状况如何影响中国工业企业的选址决策。

气温变化可能会通过如下机制影响企业选址决策：(1)劳动力供给机制。现有文献已经充分证实气温变化会对宏观、微观经济主体产生显著影响。例如，高温和低温变化不仅会抑制地区经济增长率(9)Caldeira，K.，Brown，P. T.，“Reduced Emissions Through Climate Damage to the Economy”，Proceedings of the National Academy of Sciences of the United States of America，Vol.116，No.3，2019，pp.714-716.，还会损害个体的心理健康和生理健康(10)Mullins J.T.，White C.，“Temperature and Mental Health：Evidence from the Spectrum of Mental Health Outcomes”，Journal of Health Economics，2019，Vol.68.。因而，异常的气温变化会促使个体向外迁移，使地区间劳动力供给状况发生变化。(11)Marchiori，L.，Maystadt，J. F. &Schumacher，I.，2012，“The Impact of Weather Anomalies on Migration in Sub-Saharan Africa”，Journal of Environmental Economics and Management，Vol.63，No.3，pp.355-374.那些受气温变化影响较大行业的劳动力供给将会大幅减少，而发展中国家的工业基础通常更集中于对气温变化较为敏感的行业，因此发展中国家就业水平受气温变化的影响更大。(12)Zivin，J. G.，Neidell，M.，“Temperature and the Allocation of Time：Implications for Climate Change”，Journal of Labor Economics，Vol.32，No.1，2014，pp.1-26.此外，劳动力无论是在过高或过低的气温环境中工作，其生产率都会受到影响，并且从事脑力密集型工作的劳动力受到的影响更为显著。(13)Zander，K. K.，Mathew，S.，“Estimating Economic Losses from Perceived Heat Stress in Urban Malaysia”，Ecological Economics，Vol.159，2019，pp.84-90.据估计，未来世界大部分地区(特别是热带地区)的劳动力供给和生产率都将持续下降。(14)Dasgupta，S.，van Maanen，N.，Gosling，S. N.，Piontek，F.，Otto，C. &Schleussner，C. F.，“Effects of Climate Change on Combined Labour Productivity and Supply：An Empirical，Multi-Model Study”，Lancet Planetary Health，Vol.5，No.7，2021，pp.E455-E465.综合来说，气温变化所导致的劳动力供给数量不足和劳动力质量下降会造成当地对企业的吸引力降低，进而减少新建企业数量。(2)环境规制强度机制。环境规制是政府应对环境污染的主要手段之一。随着经济发展和居民环境意识的提高，地方政府越来越重视污染问题。一个地区污染程度越严重，该地环境规制强度越大。(15)Wang，K. L.，Yin，H. C. &Chen，Y. W.，“The Effect of Environmental Regulation on Air Quality：A Study of New Ambient Air Quality Standards in China”，Journal of Cleaner Production，Vol.215，2019，pp.268-279.而气温变化是环境污染加重的重要表现之一，因而随着一个地区的气温变化不断加剧，该地政府会更倾向于加强环境规制力度。已有研究已经充分证实环境规制强度是企业选址的重要影响因素，并且这一影响存在地区和行业差异性。(16)薄文广、崔博博、陈璐琳：《环境规制对工业企业选址的影响——基于微观已有企业和新建企业数据的比较分析》，《南开经济研究》2019年第4期。据此，我们认为环境规制强度是气温变化影响企业选址决策的一个重要潜在机制，气温剧烈变化会导致该地环境规制强度增加，从而提高企业成本和进入门槛，进而导致新建企业数减少。

现有相关研究大都利用年平均气温来分析气温变化的影响，但年平均气温的波动相对较小，因而难以体现极端气温变化。更重要的是，如果气温变化与企业选址决策之间的关系是非线性的，那么直接取气温在时间上的均值会损失掉大量气温信息，并稀释气温变化的真实影响。因此，我们参考Agarwal et al.(17)Agarwal，S.，Qin，Y.，Shi，L. W.，Wei，G. X. &Zhu，H. J.，“Impact of Temperature on Morbidity：New Evidence from China”，Journal of Environmental Economics and Management，Vol.109，2021，pp.1-20.和Chen and Yang(18)Chen，X. G.，Yang，L.，“Temperature and Industrial Output：Firm-level Evidence from China”，Journal of Environmental Economics and Management，Vol.95，2019，pp.257-274.的思路，采用如下方法来度量气温变量：(1)将一年分为四个季度，以季度均温来衡量气温的整体分布状况。(2)将气温由低到高划分为若干个温度区间，并计算一年中日均温度落入每个温度箱区间的天数，由此得到每年的气温在每个温度箱区间的分布状况。此外，我们还用极端温度天数来衡量气温变量，以进一步分析极端温度是否会影响企业选址决策。我们用中国工业企业数据库中的“开工年”这一信息来识别企业是否为新建企业，然后将每年每个城市的新建企业数进行加总，以此度量企业选址决策。

气温变化与企业选址决策都与经济行为相关，因而要准确识别二者之间的因果关系需要处理好内生性问题。尽管企业行为可能反向影响气温变化，但气温变化是个漫长的过程，相对来说在较短的样本期内，企业行为对气温变化的影响微乎其微，因而反向因果关系引致的内生性问题较小。为了缓解遗漏变量导致的内生性问题，我们在回归模型中引入可能影响企业选址决策的地区经济变量和除气温以外的气候变量作为控制变量，同时加入年份固定效应和城市固定效应。

研究发现，气温变化会对企业选址决策产生显著影响。如果以季度均温来度量气温变化，夏季和秋季的气温升高对新建企业数具有显著的负面影响，而春季和冬季气温升高则会显著提高新建企业数。如果以温度箱来度量气温变化，相较于基准温度箱(即[15℃，18℃))而言，当气温低于3℃或高于27℃时，新建企业数会显著减少。并且，极端低温(日最高温低于0℃)对新建企业数的负面影响略高于极端高温(日最高温高于30℃)。一系列稳健性检验(高维固定效应、剔除省会城市和直辖市、改变基准温度箱和温度箱区间长度等)证实该结论是稳健、可信的。我们实证检验了气温变化影响企业选址决策的机制，证实劳动力供给机制和环境规制强度机制是存在的。进一步分析表明，气温变化对企业选址决策的影响存在异质性，相对来说气温变化对非劳动密集型企业和私营企业的影响程度更大，并且这一影响不仅存在于不发达地区，在发达地区也同样存在；在气温波动幅度较大的地区，企业选址决策受气温变化的影响更明显。

本文的潜在贡献在于：首先，丰富了企业选址决策的相关文献。现有文献中关于影响企业选址决策的气候因素的研究相对空缺，而本文则首次考察了气温变化对企业选址决策的影响，研究结果从气温变化的角度对企业选址决策的影响因素进行了有益补充。其次，补充了气温变化的经济影响的相关研究。随着气温变化的加剧以及全球极端天气的频频出现，气温变化已经成为一个不可忽视的影响经济、社会的重要因素。现有文献大都从经济整体或企业生产的角度来探究气温变化的影响，但尚无文献考察气温变化如何影响企业选址决策。本文从企业选址的视角证实气温变化的经济影响是巨大的，因而采取有效措施缓解气温变暖是必要的。最后，较为全面地考察了气温的整体分布对企业选址决策的影响。我们采用季度均温、日度均温和极端温度等三个指标度量气温变化，较为全面地体现了气温的整体分布状态。此外，现有文献大都关注极端高温，而本文在关注极端高温的同时，也关注极端低温的影响。

本文如下部分结构安排如下：第二部分介绍变量选取、数据来源与实证策略。第三部分分析实证结果，并进行稳健性检验。第四部分验证影响机制。第五部分进一步分析气温变化影响企业选址决策的异质性特征。最后是结论与政策建议。

二、数据与方法

(一)指标与数据

1．新建企业数

我们用新建企业数衡量企业选址决策，相关数据来源于中国工业企业数据库。中国工业企业数据库包含所有规模以上的国有和非国有工业企业相关信息，包括基本注册信息和会计信息(如企业代码、名称、法人、地址、开工年、固定资产等)。我们首先参照Cai and Liu(19)Cai，H. B.，Liu，Q.，“Competition and Corporate Tax Avoidance：Evidence from Chinese Industrial Firms”，Economic Journal，Vol.119，2009，pp.764-795.的方法进行数据清理，具体步骤为：(1)剔除增加值、就业和资本存量缺失或为负值的企业数据。(2)基于会计原则并保证会计数据的可靠性，仅保留职工数大于8的企业，并且删除流动资产、固定资产或固定资产净值大于总资产以及当期折旧大于累计折旧的企业数据。(3)删除产出增加值、职工人数和资本存量在0.5%到99.5%范围之外的企业数据。

参照周浩和陈益(20)周浩、陈益：《FDI外溢对新建企业选址的影响》，《管理世界》2013年第12期。的方法，我们根据中国工业企业数据库中提供的企业“开工年”信息来判断该企业是否为当年新建企业。由于存在数据缺失问题，我们依据如下方法对企业开工年数据进行补齐。首先，统一开工时间数据，例如将“01”改为“2001”。其次，根据企业ID进行多年匹配。在匹配之前先将企业ID中的字母全部改为大写字母，然后将本年“开工年”信息空缺的企业依据企业ID分别与前一年以及后两年的数据进行匹配，只要与其中一年的企业ID相配，就可认定为同一企业。如果依据ID匹配失败，进一步通过企业中文名称进行匹配，予以补充。此外，如果前后几年的企业“开工年”存在差异，则按照出现次数最多、出现次数最早的年份来确定开工时间。例如，2006年“开工年”信息缺失的企业，我们将该企业ID或中文名称与2005年、2007年以及2008年的数据进行匹配，只要有一年数据能与2006年匹配上，则认定其为同一企业。

中国工业企业数据库还提供了企业所属省份、城市以及详细地址和邮政编码的信息。对于所属省份和城市缺失的企业，我们依据与上述类似的方法进行数据补齐；对于通过企业ID和中文名称匹配后所属地数据依旧缺失的企业，通过谷歌地图查询其详细地址，并补齐所属地数据；如若详细地址缺失，则进一步通过邮政编码进行所属地查询并进行数据补充。

最后，我们将开工时间在2001—2014年以外以及开工年份或所属地信息仍然空白或错误的企业样本删除，最终得到全国各地(不包括港、澳、台等地)在样本期内新建的企业数共有143 463个。从时间分布上看，2008年新建企业数最多(26 762个)，2013年新建企业数最少，仅有3 547家。从空间分布上看，新建企业大部分位于东部沿海地区，西部地区新建企业数相对较少。新建企业数在时空分布上的不均现象大致与地区经济发展程度的差异一致，因而我们在后文的实证分析中引入地区经济特征变量作为控制变量，以便更准确地捕捉气温变化对企业选址决策的影响。

2．气温变化

我们利用中国气象局(CMA)提供的气象数据来构建气温指标，该气象数据包含平均气温、最高气温、最低气温、降水量、气压、相对湿度、日照时数和平均风速等气象指标的日度观测数据，并提供每个气象站点的详细地理坐标信息及其所属城市信息。对于所属城市数据缺失的气象站点，我们通过谷歌地图根据该气象站点的地理坐标信息确定其所属城市，进而获取该城市所对应的气象数据。

以日度均温指标为例，我们首先将各站点按其所属城市进行排列，相同城市的站点排在一起。对于只包含一个站点的城市，就将这个站点所观测到的每日平均气温作为该城市的日度均温；若该城市内存在多个站点，则将每个站点所观测到的每日平均气温进行简单算术平均，并以算得的平均气温作为该城市的日度均温。我们以同样的方式构建其他气候变量指标，最终得到274个城市的非平衡面板气象数据。

为保证结论的稳健性，我们构建如下三个气温指标：

(1)季度均温

依据中国气象局对季节的划分标准，我们将公历3～5月作为春季，6～8月为夏季，9～11月为秋季，12月至次年2月为冬季，并按惯例把1、4、7、10月作为冬、春、夏、秋四季的代表月份。我们先对每个城市的日度均温进行简单算术平均以得到其月度均温，然后借鉴Hsiang(21)Hsiang，S. M.，“Temperatures and Cyclones Strongly Associated with Economic Production in the Caribbean and Central America”，Proceedings of the National Academy of Sciences of the United States of America，Vol.107，No.35，2010，pp.15367-15372.的方法对月度均温进行简单算术平均以计算出季度均温，并得到Tempspring、Tempsummer、Tempfall、Tempwinter四个变量的具体数值。

(2)日度均温——温度箱

我们参考Deryugina and Hsiang(22)Deryugina，T.，Hsiang，S．M．，“Does the Environment Still Matter？Daily Temperature and Income in the United States”，NBER Working Paper，2014，No.20750.的做法，根据日度均温构建温度箱以度量气温变化。具体来说，我们选取3℃为区间长度，将日度均温从低到高划为17个温度区间，分别从(-∞，-12℃)到 [32℃，+∞)，每一个温度区间对应一个温度箱，分别表示为一年中有多少天的日度均温属于该温度区间范围内，并用Tempm代表第m个温度箱的具体数值。例如，Temp1代表第1个温度箱的数值，即一年中的日度均温落入(-∞，-12℃)的天数。为了避免多重共线性，我们将[15℃，18℃)作为基准温度箱，并将其从回归模型中删除。

(3)极端温度

与季度均温和日度均温不同，极端温度天数用以衡量极端温度对企业选址决策的影响。一天中最高气温出现午后14时左右，最低气温出现在日出前后。而企业活动主要集中于白天，相较而言，最高气温对企业行为的影响更大，因而我们选取每日最高气温来衡量极端温度。与获取日度均温的方式相同，我们得到日度最高温数据，并以30℃和0℃为标准，若日度最高温超过30℃则计入极端高温天数(High-temp)中，而低于0℃则计入极端低温天数(Low-temp)中，最终得到极端温度天数(包含极端高温天数和极端低温天数)的具体数值。

3．控制变量

除了气温以外，企业选址决策也会受其他因素的影响，因而我们引入城市其他气候变量和经济变量作为控制变量。其中，气候层面的控制变量主要包括降水量、平均风速、相对湿度和气压。由于阳光一直被认为是影响人类健康和劳动生产率的重要因素(23)De Witte，K.，Saal，D. S.，“Is a little Sunshine all We Need？On the Impact of Sunshine Regulation on Profits，Productivity and Prices in the Dutch Drinking Water Sector”，Journal of Regulatory Economics，Vol.37，No.3，2009，pp.219-242.，因而我们还把日照引入控制变量。气候层面控制变量的数据来自CMA，主要为年度数据或季度数据。

现有研究表明地区外商直接投资(FDI)、市场规模和劳动力成本等经济因素均会对企业选址决策产生显著影响(24)周浩、陈益：《FDI外溢对新建企业选址的影响》，《管理世界》2013年第12期。(25)吕大国、耿强、简泽、卢任：《市场规模、劳动力成本与异质性企业区位选择——中国地区经济差距与生产率差距之谜的一个解释》，《经济研究》2019年第2期。，因而我们将地区市场规模、产业结构、基础设施、地区经济发展水平、劳动力成本、市场需求、劳动力投入质量、FDI和政府支出等变量引入控制变量。相关数据来自于中国城市统计年鉴。

4．机制检验变量

为了检验气温变化影响企业选址决策的潜在机制，我们分别从劳动力供给和环境规制强度两个方面来验证。我们选取各城市城镇单位从业人员期末人数和各省大学及以上劳动力占比来分别衡量地区劳动力供给数量和质量(26)由于《中国劳动力统计年鉴》并未统计城市层面的大学及以上劳动力占比数据，我们用省级层面的数据进行检验。，选取各省环保处罚案例数和政府工作报告中环境规制力度的词频数来衡量地区环境规制强度。其中，城镇单位从业人员期末人数数据来源于2000—2014年《中国城市统计年鉴》，大学及以上劳动力占比数据来源于2003—2016年《中国劳动统计年鉴》，环保处罚案例数来源于北大法宝数据库，环境规制力度的词频数来源于各省(或市)的政府工作报告。最后，我们将处理后的中国工业企业数据、城市气候数据和经济数据进行有效匹配，得到包含257个城市14年期的非平衡面板数据，主要变量定义详见表1。为避免异常值造成的估计结果偏误，我们对所有连续变量进行1%的双侧缩尾处理。

表1 变量定义

(续上表)

核心变量的描述性统计表明，各地新建企业数存在较大差异，最大值高达732，为均值的22.09倍。而核心解释变量中，季度均温之间和季度内部的温差均较大。总体来看，温度箱大致呈“U”分布，且无论是温度箱还是极端温度天数在地区之间的分布均较为分散。

(二)实证策略

我们采用普通最小二乘法(OLS)估计气温变化对企业选址决策的影响。参考Chen and Yang(27)Chen，X. G.，Yang，L.，“Temperature and Industrial Output：Firm-Level Evidence from China”，Journal of Environmental Economics and Management，Vol.95，2019，pp.257-274.和Deryugina and Hsiang(28)Deryugina，T.，Hsiang，S．M．，“Does the Environment Still Matter？Daily Temperature and Income in the United States”，NBER Working Paper，2014，No.20750.的做法，我们分别选取季度均温、日度均温和极端温度天数等三个指标来衡量气温变化，相应的回归方程依次为：

(1)

(2)

Newi，t=φ0+Υ0High-tempi，(t-1)+λ0Low-tempi，(t-1)+π0Wi，(t-1)+τ0Xi，(t-1)+Ψi+μ(t-1)+εi，(t-1)

(3)

由于无法获取地区经济特征变量的季度数据，我们参考现有文献的处理方式，在式(1)中仅加入气温层面的控制变量，并在式(2)、(3)中进一步控制地区经济特征变量。此外，选取季度均温作为核心解释变量时未控制地区经济特征变量，因而我们在式(1)中增加气压变量，以进一步控制其他气候因素对企业选址决策的影响。

我们还在回归中引入年份固定效应(μ(t-1))和城市固定效应(Ψi)，以控制其他未纳入模型中的变量或不可观测因素对企业选址决策的影响。εi，(t-1)为误差项，为了确保结论的稳健性，我们将所有标准误均聚类到城市×年份层面。

三、实证结果

(一)基准回归结果

1．季度均温与企业选址决策

我们首先以季度均温衡量气温变化，具体回归结果见表2。其中，第(1)列和第(2)列分别控制年份固定效应和城市固定效应，第(3)列同时控制年份固定效应和城市固定效应，并且均聚类到城市×年份层面。表2的回归结果表明，气温变化会显著影响企业选址决策，即新建企业数会显著受到春季、夏季、秋季和冬季平均气温的影响。总体来看，春季和冬季气温上升，新建企业数会显著增加，而夏季和秋季气温上升则会显著抑制新建企业数。并且秋季均温的估计系数最大，秋季均温每上升1℃，新建企业数会减少2.525%[第(3)列]。

其他气候控制变量中，日照、气压和相对湿度对新建企业数存在显著的负向影响，降水量则会显著提高新建企业数，而平均风速对企业选址决策的影响并不显著。

表2 季度均温与企业选址决策

2．日度均温与企业选址决策

我们以温度箱来衡量日度均温，选取[15℃，18℃)为基准温度箱并从回归方程中删除，然后依据式(2)进行回归，相应回归结果见表3。其中，第(1)列未控制经济特征变量，第(2)、(3)列分别加入城市固定效应和年份固定效应，第(4)列同时控制气温特征变量和经济特征变量，并且加入年份固定效应和城市固定效应。

由于第(4)列控制了所有特征变量和固定效应，我们对该列的回归结果进行简要分析。容易发现，气温变化会显著影响企业选址行为。与基准温度箱相比，当气温低于[15℃，18℃)时，气温变化对新建企业数的影响显著为负，并且随着温度区间向基准温度区间靠近，气温变化对新建企业数的影响程度整体呈现波动下降的趋势。其中，3℃以下的温度区间对新建企业数的负向影响尤为显著，日度均温处于 [-12℃，-9℃)或者(-∞，-12℃)温度区间的天数每增加一天，新建企业数显著下降2%或1.951%。当气温高于[15℃，18℃)时，高于24℃的温度区间对企业选址决策具有显著的负向影响，并且影响程度随着气温区间的上升而逐渐增强。具体来说，气温处于[27℃，30℃)温度区间的天数每增加一天，新建企业数降低0.872%；而当气温处于30℃以上的极端高温区间时，气温变量的估计系数显著上升，日度均温落入[30℃，32℃)或 [32℃，∞)温度区间的天数每增加一天，新建企业数下降1.341%或2.40%。

3．极端温度与企业选址决策

我们以极端温度天数衡量气温变化，将一年中日度最高温高于30℃的天数计为极端高温天数，日度最高温低于0℃的天数计为极端低温天数，并依据式(3)进行回归。表4中，第(1)列仅加入气候控制变量，第(2)列和第(3)列分别控制城市固定效应和年份固定效应，第(4)列引入所有控制变量和固定效应。回归结果一致表明，日度最高温超过30℃或者低于0℃的天数增加均会显著降低新建企业数，这一结果与用温度箱衡量日度均温所得出的结论相似。此外，相较于极端高温而言，极端低温天数增加对企业选址行为的影响更大，一年中日度最高温低于0℃的天数每增加1天，当地下一年的新建企业数会下降1.168%。

表4 极端温度与企业选址决策

(二)稳健性检验

1．控制高维固定效应

在以季度均温衡量气温变化的基准回归中，由于缺乏季度层面的经济特征变量数据，我们未控制城市经济特征变量，尽管加入了城市固定效应和年份固定效应，但仍可能存在一些城市层面随时间变化的经济变量被遗漏，从而导致估计偏误。因此，我们在同时控制城市固定效应、年份固定效应的基础上，进一步引入城市与年份交互(城市×年份)固定效应，回归结果见表2中的第(4)列。可以看出，引入城市×年份固定效应之后，春季和冬季的气温变化对新建企业数的影响系数变小，而夏季和秋季的气温变化对新建企业数的影响系数则变得更大。总体来说，春季和冬季的气温上升会显著提升新建企业数，而夏季和秋季的气温上升则会显著降低新建企业数，四个季度均温的估计系数始终在1%的统计水平上显著，这也证实了基准回归结果的稳健性。

2．剔除省会城市和直辖市样本

在中国行政体系中，省会城市和直辖市有着不同于其他城市的政治和经济地位，其经济发展水平、投资和营商环境、地理位置整体上优于其他城市，因而更容易吸引新企业进入，这可能会干扰我们识别气温变化对企业选址决策的影响。因此，我们将省会城市和直辖市的样本剔除，并利用季度均温和极端温度天数衡量气温变化，然后重新进行估计。估计结果表明，剔除这些城市样本后，夏季和秋季温度的上升会显著降低当地新建企业的数量，春季和冬季温度的上升会显著增加当地新企业的进入数量，并且极端温度天数的增加也会显著降低当地对新企业的吸引力。(29)限于篇幅，未报告剔除省会城市和直辖市样本之后的回归结果，作者留存备索。

3．调整基准温度箱和温度箱区间长度

我们参照现有文献设定了基准温度箱和温度箱区间长度，但这种设定仍然可能具有一定的主观性。为了确保基准回归结果对于基准温度箱和温度箱区间长度的选取并不敏感，我们设定不同的基准温度箱和温度箱区间长度，并重新进行回归。首先，参考Karlsson and Ziebarth(30)Karlsson，M.，Ziebarth，N. R.，“Population Health Effects and Health-Related Costs of Extreme Temperatures：Comprehensive Evidence from Germany”，Journal of Environmental Economics and Management，Vol.91，2018，pp.93-117.和Chen and Yang(31)Chen，X. G.，Yang，L.，“Temperature and Industrial Output：Firm-Level Evidence from China”，Journal of Environmental Economics and Management，Vol.95，2019，pp.257-274.的做法，我们将基准温度箱分别替换为 [3℃，6℃)和 [21℃，24℃)。回归结果表明，无论选取哪一个作为基准温度箱，气温变量的估计系数与选取[15℃，18℃)为基准温度箱时相差不大，且不同温度箱的显著性程度并未发生较大变化。具体来说，0℃以下温度箱的估计系数依然大多显著，且对企业选址决策存在负向影响，而27℃以上的温度箱也至少在10%的统计水平上显著为负。这也证实了基准回归结果并不随基准温度箱的变化而变化。

其次，基准回归中温度箱区间长度为3℃，我们将其更换为5℃，相应的日度均温划分为11个温度箱；同时，为了与基准回归的设定保持一致，将[13℃，18℃)选为基准温度箱。将温度箱区间长度换成5℃以后的回归结果与基准回归结果非常接近，且气温变化对新建企业数的影响呈明显的倒“U”形曲线。相对而言，低温温度箱和高温温度箱对新建企业数仍然具有显著的负向影响，气温低于-12℃ 和高于32℃的天数每增加一天，新建企业数分别下降1.39%和1.59%。(32)限于篇幅，未报告调整基准温度箱和温度箱区间长度后的回归结果，作者留存备索。

4．调整极端温度天数变量

在基准回归中，我们根据极端高温和极端低温的天数来构建极端温度指标。此部分我们调整衡量高温和低温的阈值(基准回归中选取的阈值为30℃和0℃)，分别用日最高温等于或高于29℃、28℃和27℃的天数来衡量极端高温天数，相应地用日最高温等于或低于1℃、2℃和3℃的天数来衡量极端低温天数。从回归结果可以看出，无论如何调整衡量极端高温和低温的阈值，极端温度天数增加都对新建企业数具有显著的负向影响。而且，随着极端温度划分标准的放宽，极端高温天数的增加对新建企业数的影响程度逐渐下降，而极端低温天数的增加对新建企业数的影响程度也大体呈下降趋势。(33)限于篇幅，未报告调整极端温度天数变量后的回归结果，作者留存备索。

四、机制检验

(一)劳动力供给机制

劳动力供给是企业选址决策的重要影响因素(34)张彩云、苏丹妮：《环境规制、要素禀赋与企业选址——兼论“污染避难所效应”和“要素禀赋假说”》，《产业经济研究》2020年第3期。，而气温变化对劳动力的生理和心理均会产生影响。在极端温度下，人体出现病痛的可能性更大，并且这一影响对从事脑力劳动的劳动者更大。除了对劳动力自身产生影响以外，高温和低温变化对小孩和老人的影响尤为显著，气温的极端变化会使劳动力花费更多时间在照顾老人和小孩上，这些均会对劳动力供给产生负面影响。此外，在气温变化剧烈的地区，经济发展效率和劳动力生产率更低，人口死亡率也更高，因而劳动生产力的损失风险更大。而为了获取更高的收入回报或者是追求更好的生活环境，劳动力就会考虑向气温变化较小的地区流动。因此，气温变化可能对劳动力供给造成影响，进而影响新建企业数。我们以年末单位从业人员数衡量城市劳动力供给数量，以大学及以上学历劳动力占比来衡量劳动力供给质量，考察气温变化是否对其造成显著影响。与基准回归的设定类似，我们对气温特征变量和经济特征变量进行控制，并加入年份固定效应和城市固定效应。由于《中国统计年鉴》中2002—2004年人口密度数据缺失，因此，大学及以上学历劳动力占比回归样本年份实际包含13年，与城镇单位从业人员期末人数回归中的样本年份量一致。

表5 气温变化对劳动力供给的影响

本部分选取的相关变量均只有年度数据，而没有季度数据，因而我们以温度箱来衡量气温变化。表5中第(1)列以劳动力供给数量为被解释变量，回归结果表明气温变化会显著影响劳动力供给数量。具体来说，极端低温会显著抑制劳动力供给数量，而极端高温对劳动力供给数量的影响并不显著，这与Zivin and Neidell(35)Zivin，J. G.，Neidell，M.，“Temperature and the Allocation of Time：Implications for Climate Change”，Journal of Labor Economics，Vol.32，No.1，2014，pp.1-26.的发现有所差别。与[15℃，18℃)的基准温度箱相比，气温处于[-9℃，-6℃)温度箱区间的天数每增加一天，劳动力供给数量会下降0.275%，而气温低于-12℃的天数每增加一天，劳动力供给数量会急剧下降0.465%。第(2)列以劳动力供给质量为被解释变量，回归结果表明极端低温对劳动力供给质量的影响并不显著，但随着气温上升，劳动力供给质量会急剧下降。与[15℃，18℃)的基准温度箱相比，当温度处于[30℃，32℃)的天数每增加一天，劳动力供给质量会下降5.6%。综合来说，高温和低温会显著影响劳动力供给数量和质量，进而减少新建企业的数量。

(二)环境规制强度机制

政策因素也是企业选址决策的重要影响因素。随着气温的不断恶化，气温变化可能会促使地方政府增强地区环境监管强度。近年来，中国在发展经济的同时也愈加关注环境保护，并且公众的环境意识也越来越强。考虑到极端气温变化的负面影响，地方政府有动机主动增强环境监管强度；而在社会公众的监督下，地方政府也可能被迫强化环境规制水平，并制定完善的环境监管政策。相应地，地区环境规制强度增加必然会对企业生产带来一定限制，导致企业生产成本提高，甚至还会改变企业进入门槛，并影响企业选址决策。为了验证这一假设，我们选取环保处罚案件数作为衡量地区环境监管强度的指标。由于该部分数据仅涉及省级层面，我们采用除台湾省、香港特别行政区和澳门特别行政区以外的31个省域作为样本。类似地，我们根据各省域的日度均温构建温度箱以衡量气温变化。控制变量包括经济特征变量(地区GDP、二氧化硫排放量、人口密度)和气候特征变量(与基准回归部分相同)。

表6中第(1)列为以环保处罚案件作为被解释变量的全样本回归结果，与我们的预期一致，高温变化会显著影响地区环境规制强度，但低温变化对环境规制强度的影响并不显著。相较于[15℃，18℃)基准温度箱而言，气温高于18℃的天数每增加一天，地区环境规制强度至少会增加0.058%。这也证实了气温上升会促使地方政府加强环境规制力度，进而增加企业成本和降低新建企业数。

碳排放是气温变暖的主因。那么，气温上升可能会导致高碳排放地区的政府意识到气温变暖问题的严重性，从而加强环境规制强度以抑制碳排放水平。相比较而言，低碳排放地区的碳排放问题并不严重，因而当地政府采取环境政策制约碳排放的形势并不急迫。为了验证这一猜想，我们根据各年碳排放中位数将样本城市分为高碳排放地区和低碳排放地区，并进行分组检验，回归结果见第(2)、(3)列。与我们的猜想一致，气温变化对低碳排放地区的环境规制强度不存在显著影响，而高碳排放地区的环境规制强度会显著受到高温变化的影响。与[15℃，18℃)的基准温度箱相比，气温高于18℃的天数每增加一天，地区环保处罚案件数最高会增加9.91%。

为了保证回归结果的稳健性，我们还以政府工作报告中关于环境规制力度的词频数作为替代的环境规制强度指标，相应的回归结果见第(4)列。结果表明，气温变化会显著提升当地政府工作报告中关于环境规制力度的词频数，这与以环保处罚案件作为被解释变量的回归结果一致。

表6 气温变化对地区环境规制强度的影响

(续上表)

五、进一步分析

(一)气温变化对劳动密集型企业和非劳动密集型企业的异质性影响

由于气温变化对劳动者个体具有重要影响，因而气温变化对劳动密集企业和非劳动密集型企业的影响可能有所差异。参考马双(36)马双、张劼、朱熹：《最低工资对中国就业和工资水平的影响：来自制造业企业的证据》，《经济研究》2012年第5期。等和Lall(37)Lall，S.，“The Technological Structure and Performance of Developing Country Manufactured Exports，1985-1998”，Oxford Development Studies，Vol.28，No.3，2000，pp.337-369.的思路，我们把农副食品加工业、食品制造业、纺织业、纺织服装(和鞋、帽制造业、皮革(和皮毛、羽毛(绒))及其制品业、家具制造业、文教体育用品制造业和塑料制品业划分为劳动密集型行业，其他行业划分为非劳动密集型行业，然后按企业所属行业把企业划分为劳动密集型企业和非劳动密集型企业两个子样本，并用温度箱作为衡量气温变化的指标来考察气温变化对这两个子样本的影响是否存在异质性。

从图1的回归结果可以看出，劳动密集型企业的选址决策会受到气温变化的负向影响，这与理论预期基本一致。但出乎意料的是，相较于劳动密集型企业，非劳动密集型企业的选址决策受气温变化的影响更大，尤其是极端高温区间和极端低温区间的影响尤为显著。这可能因为劳动密集型企业大部分属于低技术、低技能密集型企业，这些企业的劳动力行为更易受高温影响，并且相较而言更难以改变工作或生活环境。而非劳动密集型企业大多属于高技术、高技能密集型企业，对高素质人才的需求较大，而高素质人才会倾向于选择气温更为适宜、环境更好的地方工作，进而对企业选址决策造成显著影响。此外，很多高技术、高技能企业使用的精密器材与实验环境对气温和湿度的要求较高，因而极端温度较少出现的地区更容易受到相关企业的青睐。

图1 气温变化对劳动密集型企业和非劳动密集型企业的选址决策的异质性影响

(二)气温变化对不同所有制企业的选址决策的异质性影响

具有不同所有制性质的企业选址决策受气温变化的影响可能存在异质性。我们按企业所有制类型把全部企业分为国有企业、集体企业、私营企业和外资企业四个子样本，并进行分组回归。

图2直观地表明，气温变化对不同所有制企业的选址决策确实存在异质性影响。其中，国有企业和集体企业的选址决策几乎不受气温变化的影响，而私营企业与外资企业的选址决策则受到气温变化的显著影响。可能的解释是气温变化会显著降低私营企业和外资企业的全要素生产率和产出水平，而国有企业对劳动法规的执行力度通常比私营企业更严格，如在极端炎热的天气里为工人提供水分、空调和奖金等，因而气温变化对国有企业选址决策的影响可能更弱(38)Zhang，P.，Deschenes，O.，Meng，K. &Zhang，J. J.，“Temperature Effects on Productivity and Factor Reallocation：Evidence from a Half Million Chinese Manufacturing Plants”，Journal of Environmental Economics and Management，Vol.88，2018，pp.1-17.。

图2 气温变化对不同所有制企业的选址决策的异质性影响

(三)气温变化对企业选址决策的影响具有“亲贫劫富”特征吗

我们根据样本期间各城市每年GDP的中位数来划分地区贫富程度，将每年GDP高于当年GDP中位数的城市划分为发达城市，低于当年GDP中位数的城市划分为欠发达城市，然后进行分组回归。

图3显示，与基准温度箱相比，无论是在发达城市还是欠发达城市，高温变化对新建企业数均具有显著的负向影响。此外，欠发达地区的企业选址决策还会显著受到低温变化的影响。原因可能在于相较于发达地区，欠发达地区的经济发展程度、基础设施建设水平均相对较弱，因此面临气温变化的负面冲击时，欠发达地区企业的应对能力更弱，其遭受的负面冲击也更大，因而企业选择进入该地区的概率也更低。同时，该结论也进一步证实气温变化的经济后果不但具有“亲贫”特征(39)Dell，M.，Jones，B. F. &Olken，B. A.，“Temperature Shocks and Economic Growth：Evidence from the Last Half Century”，American Economic Journal-Macroeconomics，Vol.4，No.3，2012，pp.66-95.(40)Deryugina，T.，Hsiang，S．M．，“Does the Environment Still Matter？Daily Temperature and Income in the United States”，NBER Working Paper，2014，No.20750.(41)Letta，M.，Tol，R. S. J.，“Weather，Climate and Total Factor Productivity”，Environmental &Resource Economics，Vol.73，No.1，2019，pp.283-305.(42)Kumar，S.，Khanna，M.，“Temperature and Production Efficiency Growth：Empirical Evidence”，Climatic Change，Vol.156，2019，pp.209-229.，也具有“劫富”特质(43)金刚、沈坤荣、孙雨亭：《气温变化的经济后果真的“亲贫”吗》，《中国工业经济》2020年第9期。。

图3 气温变化对企业选址决策的影响具有“亲贫劫富”特征吗

(四)气温波动幅度差异是否会影响企业选址决策

为了更准确地探究气温变化对企业选址决策的影响，我们参照杨璐等(44)杨璐、史京晔、陈晓光：《温度变化对中国工业生产的影响及其机制分析》，《经济学》(季刊)2020年第5期。的做法，计算出每个城市每年气温变化的标准差，用于衡量其气温波动幅度；然后，基于每年所有城市气温变化标准差的中位数，将大于中位数的城市纳入气温波动幅度较大地区，将其余城市纳入气温波动幅度较小地区，然后进行分组回归。

图4描绘了针对这两个组别的回归结果。容易看出，相较于气温波动幅度较小地区，在气温波动幅度较大地区的企业选址决策受气温变化的影响更明显。具体来说，低温天气与高温天气增加均会显著降低气温波动幅度较大地区的新建企业数；而在气温波动幅度较小地区，气温变化对新建企业数的影响几乎不显著。图4的结果一致表明，气温波动幅度较大地区的企业选址决策对气温变化更敏感。

图4 气温波动幅度差异是否会影响企业选址决策？

六、结论与建议

本文基于2001—2014年中国工业企业数据和相应的城市气象数据，分别利用季度均温、日度均温和极端温度天数来衡量气温变化，深入考察了气温变化对企业选址决策的影响。研究发现，夏季和秋季气温上升会使当地新建企业数显著下降，而春季和冬季气温上升则会显著提升该地的新建企业数。当用日度均温构建的温度箱衡量气温变化时，我们发现气温变化对新建企业数存在非线性影响。与[15℃，18℃)的基准温度箱相比，一年中日度均温处于0℃以下的温度箱和27℃以上的温度箱每增加一天，当地新建企业数均会显著下降。此外，相较于极端高温，极端低温对企业选址决策的影响程度更大。机制检验结果证实气温变化会通过劳动力供给和环境规制强度两个机制影响企业选址决策。进一步分析结果表明，非劳动密集型企业和私营企业在进行选址决策时更会考虑当地的极端气温，并且相较于经济欠发达地区，经济发达地区的新建企业数更容易受到当地气温变化的影响；而气温波动幅度较大地区的企业选址决策更容易受到气温变化的负向影响。

本文从企业选址决策的视角，进一步丰富了关于气温变化的相关研究。现有研究大都关注气温企业生产率或产出的影响，但其实企业在进行选址时就会考虑气温变化因素。这也进一步说明，气温变化对经济的影响是无处不在的，因而解决全球气温变暖问题迫在眉睫。本文为国家不断推进可持续发展战略提供了理论支持，也提醒当地政府应当在注重地方经济发展建设的同时，要更为重视气温变化。同时，政府也应当根据当地人才需求，制定相应的人才吸引计划，完善以及贯彻高温低温补贴政策。对于私营企业，政府需增强对他们的投资，制定具有针对性的支持政策，特别是对科技型中小企业，加强支持力度，以促进其不断创新科技，从更长远的角度缓解气温变化所带来的影响。