海平面上升对美国经济的影响

1990-2003年是例外：海平面上升表6：海平面上升和海岸距离估计：不同时间段的SAR模型（8）SLR海岸周期距离线性平方线性平方1990- 2012+*--***+***1990- 2011年+++***1990年- 2010年+o---**+***1990年- 2009年+***-***-***+***1990年- 2008年-+-o+**1990年- 2007年-+-+*1990年- 2006年+***-***-o+*1990年- 2005年+***-***-***+***1990年- 2004年+***-***-***+***1990年- 2003年+-***+***1990年- 2002年+***-***-***+**1990年- 2001年+***-***-***+***1990年- 2000+***-***-***+***观察：3063注：所有模型包括表AVI中的所有协变量+估计值为正；- 估计值为负op＜0.1；*p＜0.05；**p＜0.01；***p<0.001不显著。然而，在大多数较长时期内，线性和二次海平面上升项都不显著，因此不能普遍认为海平面上升对经济增长有显著影响。海平面上升与经济增长之间的关系随着时间的推移是不稳定的。由于增长率是表6所示期间的平均值，我们看到2003年、2007年和2011年的关系发生逆转。因此，唯一的解释是，早期的意义是错误的。4.2匹配估计我们比较了许多不同的倾向评分匹配。用于获得这些匹配的方法在平衡矩阵、卡尺、分配给一个治疗组的对照组数量、倾向评分模型、匹配是替换还是非替换以及如何处理关系等变量中有所不同。具体而言，我们发现，除了海平面上升和海岸距离外，表AVI中列出的所有协变量均实现了三种不同的匹配。

我们从平衡矩阵中排除了海岸距离，因为所有被处理的县都是沿海的，而大多数控制县都是内陆的，因此不可能在这个变量上获得匹配平衡。对于三个平衡匹配，平均数相等的双侧DT检验以及naive和bootstrap Kolmogorov-Smirnov检验对所有协变量都不显著。所有这三种匹配都是配对匹配，每个治疗组分配一个对照组，不进行替换。领带随机断裂。表7总结了三种完全平衡匹配的估计治疗效果和一些特征。本研究估计的每个倾向评分模型中的解释变量是相应平衡矩阵的协变量。关于表7中的第一个匹配，平衡矩阵和倾向评分模型包括表AVI中列出的所有协变量，海平面上升和海岸距离除外。它还包括政府支出、非白人和劳动力的平方。表7中第二次和第三次匹配的倾向评分模型除第一次匹配的倾向评分模型中包含的解释变量外，还包括天主教徒的平方百分比。表7：平衡倾向评分匹配估计的标准p治疗道具。匹配治疗误差值匹配得分校准效应病例模型1 8.60×10-52.12×10-40.684 131 Logit 0.0352-6.46×10-51.85×10-40.726 136探针0.0353 1.88×10-51.89×10-40.921 126概率0.020注：估计效果：治疗卡尺的治疗效果，以每个协变量标准偏差的倍数表示。治疗卡尺的估计治疗效果在第一次和第三次匹配时为正值，在第二次匹配时为负值。在这三种情况下，影响都很小。

除了这三个匹配之外，我们还估计了许多其他匹配，但并没有在所有相关协变量上取得平衡。对于几乎所有这些不完全平衡匹配，治疗效果的估计值都与零显著不同。与经济增长模型的情况一样，使用匹配估计器未发现海平面上升对美国经济的显著影响。估计第4.1节中讨论的模型的5个稳健性变量，以测试我们发现的稳健性。5.1异方差我们估计了异方差稳健的White估计，以确定模型是否不支持更一般类型的异方差。具体而言，我们建立了以下空间滞后模型：π=ρWπ+Xβ+.（10） 通过执行广义两阶段最小二乘法（Kelejian和Prucha，1998）对模型进行估计，并对系数的方差进行异方差校正，以获得白一致估计量。我们使用X中变量的空间标记值作为空间滞后因变量的工具。将White估计值与表8中空间自回归lagmodel（8）的估计值进行比较。它们没有实质性的差别。全套估计值可在附录3表AVIII的第二列中找到。根据方程式2.46（LeSage and Pace，2009，p。

38）使用精确密集矩阵可以在附录3的表AIX中找到。表8 1990-2012年期间的收入增长模型AR模型（8）白色误差（10）常数0.185（0.007）***0.177（0.019）***初始人均收入记录（美元）-0.033（0.005）***-0.033（0.005）***海平面上升（米/年）0.594（0.252）*0.577（0.244）*海平面上升（米/年）-平方-44.406（33.711）-43.675（31.879）海岸距离（千公里）-0.005（0.001）***-0.004（0.001）***海岸距离-平方4535.100（690.000）***4347.300（844.850）***（千平方公里）人均ZF支出-0.596（0.411）-0.590（0.570）（十亿美元）人均税收收入（十亿美元）3.370（0.368）***3.330（0.543）***ρ（SAR）0.458（0.021）***0.481（0.054）***聚集度测量是是宗教信仰测量是其他社会经济是和环境指标区域虚拟变量是是收敛率0.004 0.004观察3063 3063注：括号内的标准误差*p＜0.05；**p＜0.01；***p<0.0015.2异常值空间自回归模型在所有13个时期均无异常值。我们将海平面上升或人均收入平均增长率高于或等于其第95个样本百分位或低于或等于其第5个样本百分位的所有观测值视为异常值。无异常值模型的海平面上升和海岸距离系数估计值与表9中基于整个样本的模型估计值进行了比较。列（2）- （5） 包括整个样本的模型估计值，无异常值的模型估计值列在第（6）列中- （9） 。使用无异常值的样本估计的海平面上升系数在除一个模型外的所有13个模型中都不显著。

这证实了海平面上升对经济增长没有显著影响的结论，因为之前的显著结果似乎主要是由异常值驱动的。表9中的所有模型都包含了表AVI中列出的协变量，但为了节省空间，这里没有给出估计值。由于海岸距离系数与海平面上升高度相关，因此描述了海岸距离系数的迹象和显著水平。表9：海平面上升和海岸距离估计：不同时间段的SAR模型（8）无异常值的样本时间段SLR coast SLR coast distance Linear Sq.Linear Sq.Linear Sq.Linear Sq.Linear Sq.Linear Sq.1990- 2012+*--***+***-+***-+-***+***1990- 2011年+++***+-+*1990年- 2010年+o----***+***+-+***1990年- 2009年+***-***-***+***-+o-***+***1990年- 2008年-+-o+***+-+o1990年- 2007年-+-+*+-++1990年- 2006年+***-***-o++-***-***1990年- 2005年+***-***-***-***+***-+o-***-***1990年- 2004年+***-***-***+***-***-***+***-***-***+***+***1990年- 2003年+-***+***+-+*1990年- 2002年+***-***-***+***-+o-***+***1990年- 2001年+***-***-***+***+-***+-***+***1990年- 2000+***-***-***-***+***-***-***-***+***+***Obs：3063在2593和2607之间变化注：所有模型包括表AVI中的所有协变量+估计值为正；- 估计值为负op＜0.1；*p＜0.05；**p＜0.01；***p<0.0015.3地下水枯竭未发现显著负面影响的一个原因可能是地下水枯竭的反向因果关系。另一种假设是，过度的地下水位下降导致了地面沉降，而地面沉降表现为相对海平面上升。

在人口较多、经济增长率较高的地区开采更多的水，因此，更高的经济增长可以与相对海平面上升呈正相关，这可以抵消海平面上升对经济的负面影响。地下水枯竭只是美国一些沿海地区的一个问题（Konikow，2013）。作为稳健性测试，我们估计了没有经历地下水枯竭的沿海地区的子样本的空间自回归模型（13个时间段）。Konikow（2013）的估计值用于根据相关时期的耗水量将地下水枯竭的状态分为四组。然后，对四个子样本的模型进行了估计。首先，对消耗水平最高的一组中没有状态的子样本进行模型估计，然后对没有消耗水平最高的两组的子样本进行模型估计，然后排除消耗水平最高的三组状态，最后排除所有四组。对于没有第一组的子样本，海平面上升系数的估计值与几乎所有时间段的完整样本没有显著差异。对于其他三个子样本，之前显著的海平面上升系数不再显著，这也可能是由于样本量减少。这些结果与上述结论一致，即未检测到海平面上升的显著影响。5.4海平面数据样本范围各合作站的海平面数据收集周期各不相同。由于数据收集周期的长度与海平面上升或经济增长无关，因此不应导致测量误差或偏差。然而，不相等的收集周期长度可能会导致异方差问题。

第5.1节讨论了可能的异方差问题，如表8所示，异方差稳健白估计值与（8）的估计值相差不大，因此异方差不是一个实质性问题。作为进一步的稳健性测试，我们使用平均海平面永久服务网站（PSMSL）上提供的水位数据，使用相同28年长时期的平均海平面趋势估计值，对所有13个经济增长时期的模型进行了拟合。大多数台站可用数据的最长时间为28年，特别是从1979年到2007年。这些数据仅适用于57个县的水表站，因此我们使用了其他县海平面上升的外推值。采用与第3节所述相同的外推方法。在表10中，通过（8）的基本变量（使用整个海平面上升数据收集周期）获得的系数符号和显著水平与使用28年长的海平面上升数据收集周期获得的估计值进行了比较。该表总结了13个经济增长时期的13个模型，每行对应一个时期。虽然这些模型还包括表AVI中的所有其他协变量，但为了节省空间，表10中仅列出了海平面上升和海岸距离系数。结果没有实质性差异，海平面上升的显著水平和迹象在大多数时间段都是相同的。附录3中的表Axi比较了表10第一行中两种模型的所有系数。

因此，表AX使用整个数据收集范围内的海平面上升数据（表4第二列总结了我们的基本规范）对（8）的估计值与使用缩短的28年长期海平面上升数据对同一规范的估计值进行了比较。在这两种模型中，经济增长的时间段都是1990-2012年。我们可以看到，这两种规格的估计值及其显著水平非常相似。关于表10中其他12个经济增长期的模型，表10中未列出的其他系数的估计值也与使用整个海平面上升数据收集范围获得的估计值非常相似。但是，此处不显示它们以节省空间。我们可以得出结论，就海平面上升数据收集的时间周期而言，结果是稳健的。表10：海平面上升和海岸距离估计：不同时间段的SAR模型（8）SLR数据的全范围自1979年以来的SLR数据- 2007年周期SLR Coast SLR Coast DISTANCE Linear Sq.线性Sq.线性Sq。

线性平方米1990- 2012年+*-***+***+o---***+****1990年- 2011年+++***-++***1990年- 2010年+o-***+***+-***+***1990年- 2009年+***-***-***+***+***-***-***-***+***1990年- 2008年-+-o+***-+-o+***1990年- 2007年-+-+*-+-+*1990年- 2006年+***-***-o++***-***-***-***+**1990年- 2005年+***-***-***+***+***-***-***-***-***+***1990年- 2004年+***-***-***+***+***-***-***-***-***+***1990年- 2003年+-***+***+-***+-***+***1990年- 2002年+***-***-***+***+***-***-***-***-***+***1990年- 2001年+***-***-***+***+***-***-***+***-***-***+***1990年- 2000+***-***-***+***+***-***-***-***+***-***+***Obs：3063 3063注：所有模型包括表AVI中的所有协变量+估计值为正；- 估计值为负op＜0.1；*p＜0.05；**p＜0.01；***p<0.0015.5海平面上升外推由于并非每个沿海县都有一个CO-OPS水表站，因此对海平面上升变量进行了外推。作为稳健性测试，使用外推法拟合模型。对于没有合作站的沿海县，海平面上升计算为所有94个合作站的海平面趋势平均值，由每个站与县质心之间的逆欧几里德距离加权。至少有一个合作站的县的海平面上升是在上述同一个曼涅拉实现的。结果与上述结果没有显著差异。对于所有13个时间段的两种外推，大多数协变量的估计符号和显著水平是相同的。对于线性海平面上升项，任何时间段的符号或符号海平面均无变化。在一种情况下（1990-2009年），当使用加权平均外推方法时，平方海平面上升项的影响从显著变为不显著。

就海平面上升的外推方法而言，结果相当稳健。5.6沿海和近沿海国家根据皮尔逊积矩相关系数，海平面上升和与海岸的距离显著相关。检验统计量的值为-0.335，对应的p值小于2.2×10-16、由于这可能会导致其中一个系数捕捉到另一个系数的影响，因此对海岸附近县的子样本和海岸县的子样本重新估计了具有所有协变量的空间自回归模型（8）。将这些子样本的模型与所有县的模型进行比较的另一个原因是，海平面上升仅直接影响沿海县。使用整个样本估计的模型与表11中海岸附近县的子样本估计的模型进行了比较。列（2）-（5） 包括使用整个样本的模型估计值，因此它们与表6中的相同。列（6）- （9） 表11中描述了海岸附近国家子样本的估计模型。这些县是根据每个县的海岸和质心之间的短距离确定的。近海岸县的子样本包括761个县，其质心与海岸之间的距离短于189km，这是县质心与海岸之间最短距离样本分布的第一个四分位数。表12中，使用整个样本估计的模型与沿海县（包括274个县）子样本估计的模型进行了比较。列（2）- （5） 包括基于整个样本的模型估计值，它们与表6中的估计值相同。基于沿海县子样本的模型估计见表12中的第（6）列和第（7）列。