蒋小仙

摘要：文章选取对社会经济发展具有重要影响的创新领域作为研究对象，构建天气变化与创新产出的计量模型，定量分析天气变化对创新产出的影响。结果表明，天气变化对创新产出具有显著影响。每月最高温度数增加1单位，创新产出就减少0.0078个单位，降雨天数增加1个单位，创新产出量就增加0.0074个单位;西部地区对天气变化的敏感程度最大，中部地区次之，东部地区更弱。各创新区域应因时制宜的制定创新战略，保障创新资源配置有效性的同时，激发员工的创造力，促进创新产出，保障社会可持续发展。

关键词：天气变化;创新产出;社会可持续发展

一、引言

即將在北京大学召开关于气候变化和可持续发展的社会创新论坛表明天气变化与创新对社会可持续发展具有重要意义。人类生活在地球上，人类活动与自然环境息息相关，天气变化作为自然环境的微观特征，直接影响着人类赖以生存的环境，制约着社会经济的发展。当前，我国正处于经济发展的升级转型期，经济社会发展面临较大的挑战，近几年国内生产总值（GDP）的增长率在减缓，从10%下降到7%。在中国经济新常态的背景下，经济发展必须从投资驱动和要素驱动转向创新驱动，社会创新成为经济发展的关键所在，创新产出对国家经济的推动作用已毋庸置疑，创新成为社会焦点所在。但已有文献对创新的研究主要集中于政府规制、金融体系和技术，管理者特质、制度、环境和文化氛围等制度和文化环境因素，忽略了天气变化对创新产出的影响。天气变化通过影响创新主体的认知水平和情绪变化，进而影响创造力的提升，最终影响创新产出。因此，探索天气变化对创新产出的影响机制，对创新战略的制定和调整具有重要意义。

二、理论分析

（一）创新产出影响因素

创新对整体经济的竞争力具有重要意义，十九大报告中“创新”被提及了将近60次，以创新提升我国经济创造力和竞争力。可见，创新是获得竞争优势的跳板，创新是实现社会经济可持续发展的重要途径。在已有文献中存在大量关于创新和创新战略的研究，从研究内容上看，Manual指出阻碍创新的五大因素分别是成本因素、知识因素、市场因素、制度因素和其它不创新的因素，其中成本因素包含企业内外部的资金缺乏、风险成本过高等;知识因素包括创新潜力不足、缺乏技术信息、缺乏市场信息、难以找到合作伙伴、企业内部组织僵化等;市场因素包括对创新商品或服务的不确定需求，以及由老牌公司主导的潜在市场竞争;制度因素是缺乏基础设施、产权、立法、法规等;其他不创新的原因为缺乏创新的需求，不需要进行创新，在这些研究内容中，学者们关注较多的是制度与市场因素，主要集中于政府、市场和企业三方面的相互协调关系。

（二）天气变化对创新产出的影响分析

随着气候变化，社会创新产出也在发生变化。较多研究表明天气变化对个体情绪、行为具有决定性的影响，进而影响个体创造力的提升。首先，天气变化影响着个体情绪和行为，Lucas &Lawless发现低温会提升幸福感，减轻疲劳和压力，而高温则会降低幸福感;Dowling&Lucey发现阳光灿烂的天气对投资者的认知过程和交易决策行为产生影响，进而影响股票的市场回报率;Simonsohn发现在阴雨天气里人们更加专注和明确自己的目标，较少关注社会因素和个人享受。

在心理学研究中，Keller和Denissen等人提供很多将天气与情绪联系起来的例子。而个体情绪和行为又是影响组织创新创造力的关键。左玉涵，谢小玉在组织行为领域对情绪作用机制的研究中指出，情绪无论是在个体的工作产出还是组织变革过程中都有着重要作用，对组织的冲突、合作和创造力具有重要影响，并根据Schwarz的研究明确情绪是反映环境状况信息的突出表现，为了回应环境中的问题，不同的情绪会触发适应该环境的不同认知加工策略，即环境通过情绪影响着组织人员的认知。不仅如此，Schwarz的研究还表明情绪存在调协效应，具有积极情绪和消极情绪两种特征，积极情绪会促进发散性思维和提升认知灵活性，做出更多创造性探索，使人们的认知视野更广阔，思维和行为都更发散。反之，消极情绪会使认知视野更狭窄，但消极情绪又有利于问题识别和持续努力。所以，无论是积极情绪还是消极情绪都能提升创造力（George，Zhou）。因此在微观上，天气变化对创新产出的影响机理是通过对组织人员的情绪产生影响，进而影响组织个体或团队创造力，最终影响创新产出。

三、数据来源与计量模型

（一）数据来源

文中使用的数据包括创新产出数据和气象数据，创新产出数据源于万得资讯经济数据库中的统计数据，包含我国31个省、市、自治区（以下简称省份）2011～2016年逐月的发明专利授权量。气象数据源于手动收集天气网的历史天气数据，包含我国31个省份省会城市2011～2016年逐月的天气因子，主要为：最高温度数（Tmax，℃）、最低温度数（Tmin，℃）、降雨天数（Rain，days）、降雪天数（Snow，days）、晴天数（Sun，days）、阴天数（Overcast，days）、多云天数（Cloudy，days），沙尘暴和雾霾天气由于只存在部分省份，因此根据在观察期间是否出现过两种天气来生成无量纲的沙尘暴虚拟变量（Sandstorm）（未发生=0，发生=1）和无量纲的雾霾虚拟变量（Foghaze）（未发生=0，发生=1）。其中安徽合肥和浙江杭州在2014年5月存在数据缺失，本文以上一年同月份的数据进行补充。各变量的描述性统计见表1，除每月最低温度和多云天数的波动较大，其它变量的变化都较平稳。

（二）计量模型

1. 气候经济模型的建立

已有研究大多使用C-D生产函数模型对天气变化和经济发展的关系进行实证分析，但本文天气因子是月度数据，存在较多取值为0的观测值，取自然对数会产生较多缺失值。另外，最高温度数和最低温度数存在负值，不满足取自然对数的要求，因此本文只对创新产出（Q，件）取对数值。并构建以下研究模型：

lnQij=β0C+β1Tmaxij+β2Tminij+β3Rainij+β4Snowij+β5Sunij+β6Overcastij+β7Cloudyij+β8Sandstormijβ9Foghazeij+di+mj+εij（1）

（1）式中，C表示常数项，i表示各省会城市，j表示2011～2016年各月份，β1到β9表示天气因子的产出弹性，即表示在其它条件不变的情况下，某因子变化一个单位，创新产出会相应地变化βX个单位（1≤x≤9），反应创新产出对天气变化的敏感性。

di表示地區固定效应，mj表示时间固定效应，避免季节性变化的干扰，εij表示随机干扰项，包含对创新产出无法观测到和忽略的影响因子。

2. 变量的平稳性检验

由于各省会城市的创新产出数据结构相似，就以北京市为例观察创新产出和天气变化的时间趋势。本文采用IPS检验和Chio检验法进行面板单位很检验，同时考虑所有城市的各个变量是否含有单位根。在经过面板单位根检验后，各变量均为平稳序列，一阶差分后仍然平稳。再对模型1的残差序列进行Fisher型的单位根检验，P统计值为656.1783，在0.1%的显著水平下拒绝原假设，即残差序列平稳，模型构建合理，不存在伪回归现象。

四、结果分析

（一）回归检验结果分析

本文对2011年01月至2016年12月间中国31个省份创新产出的自然对数和相应省会城市的9个天气因子时间序列面板数据构建线性回归模型，方程的可决系数调整R2为0.863，模型拟合度较高。回归结果见表3，表中模型（1）表示未控制地区固定效应和时间效应时的回归结果，可以看出当月最高温度对创新产出具有负向作用，但在统计意义上不显著;当月最低温度对创新产出具有显著的正向影响，显著水平为0.1%;下雪天、晴天、阴天越多，创新产出也会随之显著增加，存在雾霾天气的省份较其它省份的创新产出会显著增加，而多云天对创新产出具有显著的负向影响。在模型（2）中加入地区固定效应虚拟变量D以后，控制区域间的相互影响。下雪天、多云天以及是否有雾霾对创新产出不再具有显著影响，其它天气因子对创新产出的影响未发生本质变化。在模型（3）中，同时引入地区固定效应和时间固定效应，每月最高温对创新产出的负向影响在0.5%的水平上显著;每月最低温对创新产出的正向影响在0.5%的边际水平上显著（文中未标注）;降雨天气在0.5%的显著水平上能促进创新产出;其它天气因子对创新产出的影响均不显著。可见是否控制地区固定效应和时间固定效应对研究结果的有效性存在较大的影响。

（二）区域间的差异分析

本文将全国31个省会城市划分为东中西部三个区域。各地区天气变化对创新产出的影响关系见表4。从中可以看出，降雨天气影响创新产出显著的区域有东部地区和中部地区，降雨天数每增加1个单位，东部地区创新产出增加0.0087个单位，而中部地区增加0.0132个单位，中部地区对降雨天气的敏感性强于东部地区。而高温度数和低温度数只对西部地区有显著影响，高温度数每增加1个单位，西部地区创新产出就减少0.0157个单位，反之，低温度数上升1个单位，西部地区创新产出增加0.0154个单位。

五、结论与启示

本文通过构建9个天气因子与创新产出因子的气候经济模型，实证研究了天气变化对我国31个省份创新产出的影响，研究得出如下结论。

1. 在控制了地区固定效应和时间固定效应的模型中，9个天气变化因子中最高温度数和降雨天数对我国创新产出具有显著影响。最高温度数对我国创新产出有显著负影响，每增加1个单位，创新产出就会减少约0.0078个单位。降雨天数对我国创新产出有正面影响，每增加1个单位，创新产出量就会增加0.0074个单位。其余天气变化因子对我国创新产出的长期均衡关系不显著。

2. 不同区域对天气变化的敏感程度不同，东部地区和中部地区受降雨天数影响显著，西部地区受降雨天数影响不显著。西部地区受最高温度数影响显著，其它地区受最高温度数影响不显著。其它天气变化因子对各区域的创新产出影响均不显著。即中部地区对降雨天气影响的敏感度大于东部地区，西部地区对温度影响的敏感度高于东中部（影响不显著）。西部地区对天气变化的敏感程度最大，中部地区次之，东部地区更弱。

从结论中可以得出，东部地区对天气变化的敏感性最弱，但是东部地区的创新产出远远高于中西部地区。即区域创新产出量对天气变化的敏感性越强的地区，不管降雨天气和温度对创新产出是促进作用还是抑制作用，创新产出量都受到天气变化的明显制约。即在中部地区，降雨天气对创新产出量具有显著的正向促进作用，但是当降雨天气天数减少时，员工的情绪会受到影响，进而阻碍创造力的提升，减少创新产出量。相对于中西部地区，东部地区创新主体对天气变化的敏感性较低，其创新产出较高且稳定。因此，各区域在制定创新战略时，如果忽略了天气变化对创新产出量的影响，将在长期的过程中造成一定的隐形损失。因此，基于本文研究，创新组织应根据天气变化对我国各区域创新产出的影响，预估受天气变化影响的可能创新产出值，调整创新战略。因时制宜的组织创新，将资源充分调度到促进利于创新产出的季节，规避抑制创新的季节，保障创新资源配置有效性的同时，激发员工的创造力，促进创新主体的创新产出，保障社会可持续发展。

参考文献：

[1]刘杰，许小峰，罗慧.极端天气气候事件影响我国农业经济产出的实证研究[J].中国科学（地球科学），2012（07）.

[2]刘丽丽，杜荣，艾时钟.IT服务企业中文化对知识共享与创新行为关系的影响[J].中国管理科学，2016（04）.

[3]张海冰.欧洲一体化的制度变革与创新研究[J].世界经济研究，2005（02）.

[4]叶志强，赵炎.独立董事、制度环境与研发投入[J].管理学报，2017（07）.

[5]张杰，杨连星，新夫.房地产阻碍了中国创新么？——基于金融体系贷款期限结构的解释[J].管理世界，2016（05）.

[6]张峰，黄玖立，王睿.政府管制，非正规部门与企业创新：来自制造业的实证依据[J].管理世界，2016（02）.

[7]肖文，林高榜.政府支持、研发管理与技术创新效率——基于中国工业行业的实证分析[J].管理世界，2014（04）.

[8]中国企业家调查系统，仲为国，李兰，等.企业进入创新活跃期：来自中国企业创新动向指数的报告——2016·中国企业家成长与发展专题调查报告[J].管理世界，2016（06）.

[9]Necadova M， Scholleova H. Competitiveness and innovation performance of the Czech Republic in international rankings[J].Research Journal of Economics， Business and ICT. 2012（04）.

[10]Krause J. Factors Hampering Innovation Activities： Case Study from the Czech Republic[J]. Journal of technology management & innovation，2016（04）.

[11]张梦婷，钟昌标.要素市场、制度与创新[J].南开经济研究，2015（06）.

[12]周柯，唐娟莉.我国省际创新驱动发展能力测度及影响因素分析[J].经济管理，2016（07）.

[13]臧欣昱，马永红，王成东.基于效率视角的区域协同创新驱动及影响因素研究[J].软科学，2017（06）.

[14]李楠，龚惠玲，张超.区域创新驱动发展关键影响因素研究[J].科技进步与对策，2016（12）.

[15]Lucas R E， Lawless N M. Does life seem better on a sunny day？Examining the association between daily weather conditions and life satisfaction judgments.[J]. Journal of personality and social psychology. 2013（05）.

[16]Dowling M， Lucey B M. Weather， biorhythms， beliefs and stock returns—some preliminary Irish evidence[J]. International Review of Financial Analysis.2005（03）.

[17]Simonsohn U. Excess entry into high-demand markets： evidence from the timing of online auctions[R]. Working paper. The Wharton School. University of Pennsylvania， 2005.

[18]Keller M C， Fredrickson B L， Ybarra O， et al. A warm heart and a clear head： The contingent effects of weather on mood and cognition[J].Psychological science. 2005（09）.

[19]Denissen J J， Butalid L， Penke L， et al. The effects of weather on daily mood： A multilevel approach.[J]. Emotion. 2008（05）.

[20]左玉涵，謝小云.组织行为领域情绪作用机制研究回顾与展望[J].外国经济与管理，2017（08）.

[21]Schwarz N. Feelings as information： informational and motivational functions of affective states[M]. Guilford Press， 1990.

[22]George J M， Zhou J. Dual tuning in a supportive context： Joint contributions of positive mood， negative mood， and supervisory behaviors to employee creativity[J]. Academy of Management Journal. 2007（03）.

（作者单位：贵州大学管理学院）