研究背景和意义
        每年夏季，高温都会以各种姿势刷屏。去年流行的是我国火炉城市最新排行，今年则聚焦北欧和国内东北多地高温破纪录。今年8月5日，中国气象局中央气象台发布最新一期高温黄色预警，这是入夏以来，气象局连续第23天发布高温预警。炙热的气温除了给我们出行生活带来不便，对经济行为的影响也是很显著的。每当高温季节来临，企业特别是劳动密集型企业，常常苦恼于员工急剧下降的工作效率，而试图通过高温补贴、雪糕补助等对员工进行激励，首先高温对工作效率的影响这个结论到底能不能被证明呢？如果有，对企业来说，因为工作效率下降所带来的损失是多大？这两个问题有助于解决增加防暑降温补贴这样的做法到底有没有意义这类话题。
         文献上关于气候（高温、降雨还有污染）对人们经济行为及后果的分析越来越多，但是更多关注都是在农业，原因之一是因为气候对于种植的决定性影响导致农业对气候变化的弱调适性。同时，农业劳动者常年在户外劳动， 气候条件对于其行为的影响更为直接。然而， 农业产出对经济发展的比重和影响相对较小。比如由2012年国际劳工组织出具的调查结果显示，全球有超过8千万受雇于高风险制造业的室内劳动者。这些数量巨大的产业工人大多数来自于发展中国家，在气候控制不充分（比如缺乏空调降温和供暖设备）的工作条件下，他们常是冒着酷暑和严寒在工作。对于在我国这样一个工业比重很高，产业工人数量很大的经济体，这个研究话题有着极其强的现实意义。从这个角度来说，这篇文章的政策指导意义也是极其重要的。
         说到气温对于工人劳动效率的影响，有一篇文章不得不提到，那就是张鹏等三位老师（2018）使用1998–2007国内5万家制造业企业数据，发表在JEEM上的一篇非常相近的研究。那篇文章从企业层面研究了温度对全要素生产率(TFP)、劳动力和资本要素投入、产出的影响。但是蔡熙乾、陆毅和王瑾老师这篇文章利用企业工人日产出数据，从个人层面更好的分解出人在面对高温是所表现的行为和生理差异。尽管使用不同的数据和方法，两篇文章却得到了相似的结论，日最高气温对工人生产率的影响呈倒U型，过高和过低的温度均会降低工人的生产率。此外，由于这篇文章所使用数据的独特性，作者们测试了性别，年龄以及出生地的异质性影响。

数据来源
           本文的生产数据来自于福建厦门的一家纸杯制造企业。始建于2003年，发展至今，该公司已经成为本行业的龙头企业。2011年，其已经占有国内15% 的市场，而发展到2013年，其资产价值折合7百万美元，年收入是5百万美元，现有员工约300人。坐落在我国东南海岸的厦门，除了每年7-9月的台风季，由于亚热带海洋性气候，温和多雨，夏无酷暑，冬无严寒，全年平均气温为21度，年平均降雨量在1100毫米左右。该企业位于厦门市郊的翔安银鹭高科技工业园区，员工主要构成既有本地也有外地工人。size]


      员工的生产效率数据来源于图中虚线所标识出的塑型车间和包装车间的工人。每天车间工人们被分为白班和夜班，每个班时长12小时。每个工人被分配到指定的一台机器从事指定产品的生产，每台机器都可以生产不同产品，也由于生产过程比较简单，每一个工人都会塑型和包装这两种技术。企业的生产效率可能会受到生产分配过程的影响，所以如何把工人分配到机器从事生产的过程就尤为重要。每个工作日开始，工人们被告知他们所分配到的工作小队，每个小队有4-5名工人和一个负责人监督。生产小队的人员组成是由负责生产的副总经理在前一天确定，人员构成每天都会变化，并且这些信息工人和小队负责人事先并不知情。每个小队所有工人都生产同样的产品以确保工人之间的公平性。尽管每一个团队所使用的机器是由副总经理指派，单生产队负责人有权决定分配到的机器在团队内的分配，或者说哪一个工人使用指定的哪一台机器。工人无法自主选择生产的产品以及所使用的机器，也无法选择工作团队，他们唯一能选择的人工投入和更高效地完成更多合格的产品。这样的生产过程一方面体现了生产过程的公平性，同时也说明了工人在技术和工作经验的获得的平等，一定程度降低了样本选择问题。
作者追踪了从2012年10月到2014年2月共473天，61个工人的日劳动产出（值得指出的是，由于生产过程的特殊性，工人的工资以计件形式支付，在介绍估计方法的时候会更详细的介绍）和77台机器运作，23个生产产品的情况。
          此外，本文的气象数据来源是国家气候数据中心。文章使用到的数据包括日最高最低气温，露点， 降水量，气压，能见度和风速等。很多文章提到空气质量会影响工人的生产效率（如Graff Zivin & Neidell, 2012），本文的作者也从国家环境检测中心收集了研究时间段内空气污染指数（API）。我国的API系数从0到300，分成五个等级：0–50, 51–100, 101–200, 201–300 和 >300，依次代表空气环境优良，良好，轻度污染，重度污染和严重污染。总的说来，厦门日最高气温均值为25.6摄氏度，最高的时候不到38摄氏度，最低的时候大概12.8度。从空气质量角度来看，厦门的平均空气污染指数为54（空气环境良好），最差的时候API也只有99的轻度污染。

估计方法
在分析气温对工作效率的影响，作者使用了以下这个估计方法，

         其中yid表示的是第i个工人在第d天的产出。由于作者对气温对劳动力供给集约边际（extensive margin）和粗放边际（intensive margin）两个度量都很很感兴趣，这里工人产出有以下两层含义，（1）dummy 变量衡量extensive margin，取值为零表示工人某一天不工作；（2）工人在某一天的工作时间来衡量intensive margin。
            此外，由于本文对更关注的是气温对生产效率的影响，作者构建了一个超出目标产量百分比的指标来衡量工人的劳动生产率。由于每个产品的产量目标是固定的，这里的工作效率取决于工人的日产出。同时，由于工人的产出直接决定工人的工资，无论工人还是企业在计算工人日产出的时候格外谨慎，以降低错漏。于此紧密联系的是，工人工资的支付方式。工人每日工资有两部分工程，目标产量及以下的合格产品每件价格是0.006元，而超过目标产量的每件价格是0.009元。由于超过目标产量的单位价格收入更高，工人有更大的动力完成每日目标。
        这个公式里的核心变量是日最高温（tempd），但由于之前的文献提到日最高温会受到最低温的影响，同时不同季节的日温差会有所不同，这里作者也控制了最低温。由于没有室内温度的记录，作者采用了室外温度，主要原因是由于在气候控制设备比较缺乏的发展中国家，室内外温度高度相关。考虑到气温可能对于工人工作效率的影响呈现非线性的关系，在做估计得时候，作者分别加入了温度的二阶函数以及温度箱变量。最后，考虑到日产量会随着时间和工人变化，作者对标准差进行了双向聚类处理（two-way clustering）。

研究结论
         在进行主回归前，作者分别查看了不同产品，塑型和包装两项工作，不同的工人以及日期下的劳动生产率，发现存在很大的差异，说明工人的能力，劳动投入还有工作环境确实对产出有很大的影响。此外，作者还进一步测试了温度和空气污染指数的相关性，结果显示模型中控制API可以更大的减少空气污染对生产率的混杂因素的影响。
       首先，作者们对劳动力供给集约边际（extensive margin）进行回归，并未发现气温对其的相助影响。这和之前Graff Zivin & Neidell (2014) 用美国时间利用调查数据和 Somanathan et al. (2015) 用印度数据得到的结果有所出入。一种可能是因为调查工人的工作时间对其收入有着重要的影响，由于计件工资的支付形式所造成的劳动力供给的低弹性，所以作者认为这个结论尤其特定性。
       接下来，作者对劳动力供给的粗放边际（intensive margin）做了回归，结果如下。表三的第一列显示的是温度箱估计，作者选择的参照组是23-26摄氏度，一是因为这个温度是人体感知最舒适的气温，同时这个区间也被其他同类型的研究普遍使用为参照组。在气温低于该区间时，随着温度的增加，工人劳动效率也会增加；但是一旦气温超过23-26摄氏，随着气温的增加，劳动生产率在每一个温度箱的下降幅度达到8.5%。此外，作者用了线性和Tobit不同的估计模型，均显示气温对于工作效率的影响呈现倒U型。

为了更好的呈现表3的结果，作者将温度箱估计的系数用下图呈现出来。值得指出的是，不仅是高温引起的疲劳会降低工人的劳动生产效率，过低的温度会影响技术工人手指灵活，从而降低其工作效率。

       接下来，作者计算了温度是如何影响工人和企业的经济收入的。以10.5摄氏度 (51华氏) 为例，这个气温下工人的劳动生产率比参照组温度（23-26摄氏度）要低2.59%，由于工人的工资的计算方式是通过两步计算，，其中，分别代表目标产量以下和超过目标产量的每件单价。由于企业严格规定了每日的目标产量为20,000件，分别0.006和0.009元每件，由于温度过低造成的劳动生产率下降给工人带来的收入减少为4.66元。
      通过类似的计算，作者还估算出，由于温度导致的工人工作效率下降给企业造成的年收入损失为28,961元/人。假定企业的利润率为30%， 简单估算以后得到，气温给企业造成的利润损失为8688元/人。在考虑到企业规模后，利润损失值更是增加到了315,391万元!

        最后，作者探讨了气温变化对不同性别，不同年龄以及本地和外地员工的异质性。下表的第一列加入了性别和气温的交互项，但是结果并不显著。尽管学术上对男女在面对气候变化时的性别差异有不同的结论，大多数文章发现女性在面对气候变化时相对男性有更高的脆弱性以及较弱的适应和调节性。但是最近一篇由张欣，陈希和张晓波老师发表在PNAS上的讨论空气污染对认知能力影响一文发现，空气污染暴露会显著降低受访者的字词测试成绩，并且对男性的影响显著大于女性。本文却指出，气温变化导致劳动生产率的性别差异不显著，并指出导致这个结果的原因并非是因为性别差异，而是由于性别所造成的身体素质不同在面对热的应激反应导致的差异，这个性别差异会在控制了身体素质指标会逐渐减小。
        第二，作者探讨了年龄在面对气温变化可能对生产效率产生的影响，尽管系数为负但是统计上也是不显著的。原因之一可能是被调查的工人年龄普遍偏低，平均年龄仅为32岁，而之前研究显示，极高或者极低温度对于老年人的影响更大。最后，作者查看了当地和外来员工在面对气温变化时候的工作效率差异。本地工人，由于出生和成长在厦门，在气候的适应能力可能会好于外来员工。但是结果发现，本地或者外来员工的生产效率的气温差异并没有不同。

        文章最后作者提出，明明知道气温可能会对工人的劳动效率造成影响，为什么企业主并没有采取相应的应对气候变化的措施，比如在生产车间安装空调或者供暖设备。作者认为由于气温变化降低的工作效率最终会通过跨期的替代努力而内化这种损失，也有可能企业管理者会想办法改进并优化其生产过程。但是本文并未发现在研究时间段，在面对气温变化时企业所做出的调整。

写在最后
越来越多的研究证实了气候变化影响人类行为和认知能力，过去的半个世纪内地表气温增加了0.8摄氏度，其中过去30年就增加了0.6摄氏度。今年有一则新闻关于“北极圈现32℃罕见高温”“北极海冰融化，无家可归的北极熊面临灭顶之灾”的文章深深震撼了我。这些由于人为因素造成的环境变化，无时无刻不是在给我们敲响警钟。除了更多的关注气候变化带来的经济和社会影响，更需要思考的是在危害造成前我们可以做哪些预防措施。

原文信息: Xiqian Cai, Yi Lu and Jin Wang (2018). “The Impact of Temperature on Manufacturing Worker Productivity: Evidence from Personnel Data,” Journal of Comparative Economics, Forthcoming.

参考文献：
1.Graff Zivin, J., & Neidell, M. 2012. The impact of pollution on worker productivity. American Economic Review, 102(7), 3652-73.
2.Graff Zivin, J. and Neidell, M., 2014. Temperature and the allocation of time: Implications for climate change. Journal of Labor Economics, 32(1), pp.1-26.
3.Somanathan, E., Somanathan, R., Sudarshan, A., & Tewari, M. 2015. The impact of temperature on productivity and labor supply: Evidence from Indian manufacturing (No. 15-03). Indian Statistical Institute, New Delhi, India.
4.Zhang, P., Zhang, J., Deschênes, O., Meng., K., 2018. Temperature effects on productivity and factor reallocation: evidence from a half million Chinese manufacturing plants. Journal of Environmental Economics and Management, 88: 1–17.
5.Zhang, X., Chen, X. & Zhang, X.B. 2018. The impact of exposure to air pollution on cognitive performance. Proceedings of the National Academy of Sciences.