Daily Fluctuations in Weather and Economic Growth at the Subnational Level: Evidence from Thailand
日常天气波动与地方经济增长：来自泰国的证据AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：省级经济增长的固定效应面板分析对应宏观面板，长期气候变化影响对应结构变化研究。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
日常天气波动与地方经济增长：来自泰国的证据
- 研究问题
- 泰国各省的温度波动如何影响经济增长，不同行业与省份是否存在差异，以及温度影响的持续性如何改变长期气候损失预测？
- 方法与思路
- 作者结合省级产出与再分析天气数据，估计固定效应面板回归和分布滞后模型，再利用两种排放情景推算长期经济影响。
- 材料陈述的贡献
- 摘要报告温度与增长呈倒 U 形关系，农业受损较明显；滞后效应与气候预测偏差调整会显著改变长期损失估计。
- 阅读关注点
- 应核对日温度如何汇总为年度暴露、省内变化的外生性依据、滞后设定，以及增长效应如何累积为长期产出损失。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未核实；摘要中的长期预测高度依赖偏差调整和动态设定，不能视为确定性损失。
原文摘要
This paper examines the effects of daily temperature fluctuations on subnational economic growth in Thailand. Using annual gross provincial product (GPP) per capita data from 1982 to 2022 and high-resolution reanalysis weather data, I estimate fixed-effects panel regressions that isolate plausibly exogenous within-province year-to-year variation in temperature. The results indicate a statistically significant inverted-U relationship between temperature and annual growth in GPP per capita, with adverse effects concentrated in the agricultural sector. Industrial and service outputs appear insensitive to short-term weather variation. Distributed lag models suggest that temperature shocks have persistent effects on growth trajectories, particularly in lower-income provinces with higher average temperatures. I combine these estimates with climate projections under RCP4.5 and RCP8.5 emission scenarios to evaluate province-level economic impacts through 2090. Without adjustments for biases in climate projections or lagged temperature effects, climate change is projected to reduce per capita output for 63-86% of Thai population, with median GDP per capita impacts ranging from -4% to +56% for RCP4.5 and from -52% to -15% for RCP8.5. When correcting for projected warming biases - but omitting lagged dynamics - median losses increase to 57-63% (RCP4.5) and 80-86% (RCP8.5). Accounting for delayed temperature effects further raises the upper-bound estimates to near-total loss. These results highlight the importance of accounting for model uncertainty and temperature dynamics in subnational climate impact assessments. All projections should be interpreted with appropriate caution.