气象经济学：可靠数据来源与选取

2025-09-30 理论教育版权反馈

【摘要】：数据的来源要可靠权威，并且容易取得。在时刻方面，将气象台供交换用的数据进行处理后，得到每日6时、12时、18时和0时四个时刻的数据。，30；t表示不同的月份；k表示每月的天数；n表示该月份的总天数；qi，qj分别表示时刻权重和站点权重；如果i时刻，j站点的气温的取值在同时刻、同站点、不同年份的8个数据组成的序列中属于异常值，则tzij的取值为1，否则取值为0。

（一）产业数据

产业的选择需要考虑两个因素，产业的代表性和数据的可得性。

数据的来源要可靠权威，并且容易取得。在指标的选择上，为了符合科布-道格拉斯生产函数模型的要求，主要选取了各产业的销售收入[4]、总资本投入、劳动力投入等指标，为了减少指标的异方差性，将各指标取对数值。

从各指标数据对数值的描述结果来看，六个产业中，石油和天然气开采业的全部从业人员年平均人数序列（L_SY）的峰度和偏度值较大（峰度值为11.43，偏度值为2.62），通信设备、计算机及其他电子设备制造业的产品销售收入（Y_TX）和资产序列（I_TX）的峰度值较大（分别为-1.08和-1.18），医药制造业的资产总计（I_YY）和全部从业人员（L_YY）年平均人数序列的峰度值较大（分别为-1.23和-1.32），其他序列的峰度和偏度值基本上属于中低等程度。再从各产业的正态系数[5]来看，石油和天然气开采业的全部从业人员年平均人数序列（L_SY）的正态系数值为1.07，医药制造业的资产总计（I_YY）和全部从业人员年平均人数序列（L_YY）的正态系数值分别为1.77和1.76，煤炭开采和洗选业的全部从业人员年平均人数序列（L_MT）的正态系数值为1.72，其他各时间序列的值基本在1.3左右，大致符合正态分布。

图4-9　六个典型产业各指标对数值的时间趋势图

（a）Y_DQ；（b）Y_H X；（c）Y_MT；（d）Y_SY；（e）Y_TX；（f）Y_YY；（g）I_DQ；（h）I_H X；（i）I_MT；（j）I_SY；（k）I_TX；（l）I_YY；（m）L_DQ；（n）L_H X；（o）L_MT；（p）L_SY；（q）L_TX；（r）L_YY

从各产业指标的对数序列图来看（图4-9），各销售收入序列值（Y）呈现较强的时间趋势，资本额的序列值（I）表现了较强的周期性特征。但就从业人员年平均人数序列值（L）来看，新兴产业如通信设备、计算机及其他电子设备制造业、医药制造业除通信设备的年均人数（L_TX，L_YY）呈现逐年递增的趋势，而其他成熟或衰退产业如化学原料及化学制品制造业、煤炭开采和洗选业、石油和天然气开采业、电气机械及器材制造业等产业的从业人员年平均人数序列值（L_HX，L_MT，L_SY，L_DQ）在2025年、2025年附近到达低谷，在最近几年又逐年回升，这说明随着国民经济形势持续好转，各产业的生产规模扩大，就业人数、投资额和销售收入等随之增加。

（二）气象因素数据

1.原始数据的选择

在选择气象站点时，共选择了兰州、杭州、合肥、武汉、南昌、西宁、广州、南宁、海口、南京、上海（宝山）、福州、北京、哈尔滨、西安、天津、长沙、长春、乌鲁木齐、成都、昆明、重庆、贵阳、沈阳、石家庄、郑州、太原、呼和浩特、银川、济南等30个有代表性的取样点[6]。在时刻方面，将气象台供交换用的数据进行处理后，得到每日6时、12时、18时和0时四个时刻的数据。在站点的权重的分配上，对以上30个不同的站点，按每年该站点所在省份的GDP占全国GDP的比重来确定[7]。在时刻的权重的分配上，我们认为，人类社会经济活动量和活动频率在每日的12时达到最大，18时次之，6时再次，0时最小，因此确定6时、12时、18时和0时四个时刻的权重分别为0.2，0.4，0.3，0.1。(https://www.chuimin.cn)

2.气候因子的选择及指数的计算

在选择气候因子时，同样出于因子的代表性和数据的可得性的考虑。选择了气温、相对湿度、风速、气压、降水五个方面的因子[8]。每个因子又分解成异常值和异常度两个指数。气温、相对湿度、风速、气压、降水五个因子的异常值和异常度指数分别用符号tz，rhz，spdz，slpz，rz；td，rhd，spdd，slpd，rd表示。如气温异常值指数tz的计算过程如下，其他因子的异常值指数依此类推。

气温的异常情况tz ij（i表示时点，j表示取样的气象台站）表示在不同年度同时刻的8个数据（1999—2025年共有8个年度）组成的序列中，如有某个时刻点的因子值与平均值的差距大于一个标准差[9]，则认为该时点的因子值为异常。某月份t因子异常值指数tzt的计算公式为

式中i表示不同的取值时刻，i=1，2，3，4，而j表示不同的站点，j=1，2，…，30；t表示不同的月份；k表示每月的天数；n表示该月份的总天数；qi，qj分别表示时刻权重和站点权重；如果i时刻，j站点的气温的取值在同时刻、同站点、不同年份的8个数据组成的序列中属于异常值，则tzij的取值为1，否则取值为0。

与气温异常值指数同理，气温因子的异常指数td ij（i表示时点，j表示取样的气象台站）表示某个时刻点的气温因子值与平均值的比值。某月份t气温因子的异常度指数td t的计算公式为

式中各参数的取值同公式（4-19）。其他气象因素的异常度指数可以依此类推。

从各气象因素异常值指数的描绘性指标来看，相对湿度的异常值和异常度指数（rhz，rhd）的峰度和偏度较大（分别为2.45和-1.42），前24小时降水量的异常度指数（rd）的峰度和偏度略大（分别为1.61和-1.18），其他指数的峰度和偏度基本处于中低程度；就各对数序列值的正态系数来看，风速的异常值指数（spdz）的正态系数值略低（0.97），其他序列的正态系数值基本在1.3左右，这说明，其他指数的序列值基本符合正态分布。

再从各指数序列值的时间趋势图来看，风速异常度指数（spdd）在近两年（2005，2025年）逐渐偏大，前24小时降水量的异常度指数（rd）的波动性逐渐增大，其他指数的序列值呈现明显的随机性特征。这说明数据能较好地反映产业界和自然界的规律，同时也充分说明本节所创建指标的有效性。具体情况见图4-10所示。

气象经济学：可靠数据来源与选取

相关推荐