温度冲击的劳动力市场效应：全球变暖加剧失业季节性的机制与量化分析

摘要

本研究基于美国1950至2019年的郡级面板数据，系统揭示了极端温度冲击对劳动力市场的因果效应及其季节性结构变迁。研究发现，极端高温和低温日通过三条主要路径松弛劳动力市场：企业减少招聘职位空缺、触发主动裁员、以及劳动者因工作环境恶化而自愿离职增加。量化分析表明，每月增加10个极端温度日可使月度失业率上升0.2至0.3个百分点，极端温度日共同解释了美国年内失业率波动的12%至14%。更重要的是，全球变暖正在重塑失业率的季节性结构：1980年后未调整失业率的季节性波动方差缩小了8%至10%，气候变化贡献了失业季节性下降的40%和整体波动减缓的13%。本研究进一步揭示了一个重要发现：当使用传统季节性调整后的失业率数据时，温度与失业的关系完全消失，证明X-13ARIMA-SEATS季节性调整方法掩盖了气候冲击的真实劳动力市场影响。区域异质性分析表明，炎热州在夏季经历更大失业冲击，而寒冷州在冬季受影响更为显著。财政外部性分析显示，温度冲击显著增加了各州失业保险申领规模和支出水平。本研究为理解气候变化对劳动力市场的隐蔽冲击提供了新的理论框架和经验证据，对设计气候适应性就业政策具有重要的政策启示。

关键词：温度冲击；失业季节性；全球变暖；劳动力市场；季节性调整；财政外部性

一、引言

气候变化已成为21世纪最严峻的全球性挑战之一。尽管已有大量文献探讨了气候变化对农业产出、能源需求和公共健康的影响，但其对劳动力市场的深远冲击尚未得到充分认识。传统宏观经济分析往往将失业率波动归因于经济周期波动、货币政策冲击或技术进步等因素，而忽视了气候条件作为劳动力市场重要决定因素的作用。本研究基于早稻田大学Yoshida（2026）的最新研究，系统揭示极端温度冲击如何通过改变劳动力供需动态来影响失业率，并进一步探讨全球变暖如何重塑失业率的季节性结构。

传统劳动力市场研究通常假设工作环境相对稳定，温度变化对劳动生产率和就业决策的影响被边缘化。然而，大量实证证据表明，极端温度条件会显著降低劳动者的生理舒适度和认知表现，进而影响其工作意愿和劳动供给（Graff Zivin & Neidell, 2014）。与此同时，企业在面临极端温度冲击时，也会调整招聘策略和生产决策，导致劳动力需求发生相应变化。这种供需两端的共同作用，使得温度冲击成为解释失业率季节性波动的关键因素。

本研究的核心发现具有重要的理论和政策含义。首先，研究揭示了温度冲击对失业率的因果效应及其传导机制。通过构建郡级空间面板数据并控制年月固定效应，研究识别出极端温度日增加导致失业率上升的稳健因果关系。这一发现丰富了劳动经济学中关于劳动力市场摩擦和工人流动的研究文献。其次，研究发现传统季节性调整方法（X-13ARIMA-SEATS）掩盖了温度与失业的真实关系，这对宏观经济数据的使用和分析提出了重要警示。第三，研究量化了全球变暖对失业季节性结构的长期影响，揭示了气候变化的隐蔽劳动力市场效应。

在政策层面，本研究为设计气候适应性就业政策提供了科学依据。随着全球变暖持续加剧，夏季极端高温事件将更加频繁，传统的就业保障体系面临新的挑战。理解温度冲击的劳动力市场效应，有助于决策者设计更有针对性的政策措施，包括高温作业补贴、弹性工时制度和季节性失业救济扩展等。此外，研究发现的财政外部性表明，气候变化将对失业保险系统的可持续性产生深远影响，这要求政府在长期财政规划中充分考虑气候风险因素。

本研究的结构安排如下：第二部分构建温度冲击的劳动力市场理论框架；第三部分介绍数据来源和研究方法；第四部分报告温度冲击的劳动力市场效应的核心实证结果；第五部分分析全球变暖对失业季节性的结构性影响；第六部分进行扩展讨论，涵盖环境规制的就业效应、绿色转型的结构性失业和气候政策不确定性等议题；第七部分总结主要结论并提出政策建议。

二、理论框架

温度冲击对劳动力市场的影响可以通过供给和需求两个渠道进行理论分析。在供给侧，极端温度条件通过多种机制影响劳动者的就业决策和劳动生产率。高温环境会降低劳动者的生理舒适度，导致疲劳感增强、注意力和认知能力下降，进而降低劳动生产率（Graff Zivin & Neidell, 2014）。对于户外工作者而言，高温环境还可能导致中暑等健康风险，增加缺勤率和工伤概率。低温环境同样会对劳动者的工作表现产生负面影响，尽管其作用机制与高温有所不同，主要体现在肢体灵活度下降和取暖成本上升方面。此外，极端温度条件还会通过影响家庭照护决策（如学校停课期间的儿童看护需求）来间接影响劳动供给。

在需求侧，企业会根据温度条件调整生产计划和用工策略。当极端温度事件发生时，部分企业可能面临生产设备故障率上升、原材料损耗增加或产品需求下降等问题，从而减少招聘需求或增加裁员决策。建筑、农业和物流等行业对温度条件尤为敏感，在极端天气事件期间往往首先减少用工规模。此外，企业还会考虑温度条件对劳动者安全和福利的影响，在高温天气下可能主动减少工时或暂停户外作业，这同样会导致就业规模的下降。

基于上述分析，本研究提出温度冲击影响劳动力市场的三条主要传导路径。第一条路径是企业减少职位空缺，这是最主要的传导渠道。JOLTS（Job Openings and Labor Turnover Survey）数据显示，极端温度事件发生后，企业发布的新职位空缺数量显著下降，表明企业主动收缩了招聘规模。这一发现与搜寻匹配理论的预测一致：当工作环境恶化时，企业预期招募的劳动者生产率会下降，因此减少招聘投入。

第二条传导路径是企业主动裁员。当极端温度事件持续时间较长或强度较大时，部分企业可能面临经营困难，被迫通过裁员来降低运营成本。值得注意的是，这种裁员决策往往具有季节性特征，表现为特定行业（如建筑业、农业）在特定季节（如夏季高温期、冬季低温期）的就业收缩。第三条传导路径是劳动者自愿离职增加。极端温度条件会降低工作的主观吸引力，劳动者可能选择主动离职寻找更舒适的工作环境，或者因无法承受恶劣工作条件而被动离开劳动力市场。

区域异质性是理解温度冲击劳动力市场效应的重要维度。不同地区的气候适应水平和暴露程度存在显著差异，这导致相同的温度冲击在不同地区产生不同强度的就业效应。对于常年气候炎热的地区（如佛罗里达、亚利桑那、德克萨斯等州），居民和企业对高温环境具有较强的适应能力，夏季极端高温对就业的影响可能相对较小。相反，对于气候相对凉爽的地区，极端高温事件更为罕见，适应成本更高，因此失业冲击可能更为显著。这一逻辑同样适用于冬季低温冲击：寒冷州居民对低温环境更为适应，而温暖州的劳动者在遭遇极端低温时可能更加脆弱。

财政外部性是温度冲击劳动力市场效应的重要组成部分。极端温度事件通过增加失业人数，导致失业保险申领规模和支出水平显著上升。根据美国劳工统计局的数据，季节性裁员占大规模裁员案例的20%至30%，这意味着温度相关的就业冲击对失业保险系统产生持续性压力。随着全球变暖加剧，极端温度事件频率和强度将进一步上升，这将对社会保障体系的财政可持续性构成严峻挑战。

从季节性调整的视角来看，传统宏观经济数据处理方法可能掩盖了温度与失业的真实关系。X-13ARIMA-SEATS等季节性调整方法旨在移除经济数据中的季节性波动成分，以揭示经济周期的潜在趋势。然而，这种方法可能同时移除了温度等季节性气候因素对经济的真实影响，导致研究者低估了气候冲击的宏观经济效应。本研究通过比较原始失业率和季节性调整后失业率与温度的关系，证实了季节性调整确实掩盖了温度–失业的因果关系。

三、数据与方法

本研究使用美国1950至2019年的郡级面板数据，系统分析温度冲击对失业率的影响。数据来源包括美国国家海洋和大气管理局（NOAA）的每日气温观测数据、美国劳工统计局（BLS）的月度失业率数据，以及JOLTS调查的劳动力流动数据。温度数据覆盖了美国本土48州的3000多个郡，能够精确捕捉各郡的极端温度天数分布。失业率数据来源于当地失业保险记录，覆盖了95%以上的私营部门就业。

极端温度日的定义基于工作时段（上午8点至下午6点）的平均温度。对于极端高温日，本研究采用75华氏度（约23.4摄氏度）作为阈值，这与农业和建筑业等行业的高温作业标准相一致。对于极端低温日，采用45华氏度（约7.2摄氏度）作为阈值。在稳健性检验中，研究还尝试了不同的温度阈值设定，包括73华氏度、77华氏度和80华氏度的高温阈值，以及35华氏度、40华氏度和50华氏度的低温阈值，结果保持稳健。

在识别策略方面，本研究采用多层次的实证方法来建立温度与失业的因果关系。首先是全国时间趋势分析，使用1950至2019年的半年期数据，通过普通最小二乘法（OLS）估计极端温度天数与失业率变化的关系。夏季分析聚焦于第二季度和第三季度，冬季分析涵盖上年第四季度和本年第一季度。结果显示，夏季每10天极端高温日可使失业率上升0.256个百分点（p<0.01），冬季每10天极端低温日可使失业率上升0.264个百分点（p<0.05）。

其次是跨州加权最小二乘法（WLS）分析，使用1990至2019年的州级数据，估计各州温度暴露与失业率的关系。这一分析利用了美国各州之间气候条件的自然差异，通过控制全国商业周期等共同冲击来识别各州的异质性反应。结果表明，炎热州（如佛罗里达、亚利桑那、德克萨斯）在夏季经历更大的失业率上升，而寒冷州（如明尼苏达、密歇根、威斯康星）在冬季受影响更为显著。这种区域差异与气候适应理论预测一致。

第三是郡级固定效应面板分析，这是本研究的核心识别策略。通过构建1990至2019年的郡级月度面板数据，在模型中纳入年月固定效应，有效分离了温度影响与全国商业周期、年终合同到期和学校毕业等制度性日历效应。这一识别策略的核心是利用同一县域内不同年份之间的温度变化差异，从而控制不随时间变化的县域特征（如地理位置、产业结构等）对估计结果的干扰。结果显示，每月增加10个极端温度日（高温或低温）可使月度失业率上升0.2至0.3个百分点。

在传导机制分析方面，本研究利用JOLTS调查数据，检验极端温度事件如何通过职位空缺、裁员和自愿离职等渠道影响劳动力市场。JOLTS数据提供了雇主和雇员两侧的劳动力流动信息，能够区分不同类型劳动力流动对温度冲击的响应。研究发现，企业减少职位空缺是最主要的传导渠道，这与搜寻匹配理论预测一致。裁员增加和自愿离职增加也是重要的传导路径，但相对贡献较小。

本研究还进行了多项稳健性检验以确保结果的可靠性。首先是温度阈值的敏感性分析，使用不同的极端温度定义（包括73°F、75°F、77°F、80°F高温阈值和35°F、40°F、45°F、50°F低温阈值），估计结果保持稳健。其次是固定效应组合的敏感性分析，尝试不同的固定效应组合，结果未发生实质性变化。第三是排除衰退年份的检验，确保结果不受经济周期影响。第四是季节性调整信息的损失分析，比较原始失业率和季节性调整后失业率与温度的关系，发现季节性调整完全消除了温度–失业关系的显著性。

四、温度冲击的劳动力市场效应

全国时间趋势分析揭示了温度与失业率之间稳健的正向关系。1950至2019年的长期数据表明，无论是夏季高温还是冬季低温，极端温度天数的增加都伴随着失业率的显著上升。OLS回归结果显示，夏季每增加10天极端高温日，半年期失业率上升约0.256个百分点，这一估计在1%的统计显著性水平上显著。冬季的估计结果同样显著，每10天极端低温日使失业率上升约0.264个百分点，在5%的显著性水平上显著。这些发现表明，极端温度条件确实对劳动力市场产生了实质性影响，且这种影响在长达70年的样本期内保持稳定。

跨州分析进一步揭示了温度–失业关系的区域异质性特征。1990至2019年的州级数据分析表明，极端温度对不同气候区的影响存在显著差异。在夏季，炎热州的失业率增幅显著高于寒冷州。例如，佛罗里达、亚利桑那和德克萨斯等常年高温的州，在极端高温事件期间经历了更为严重的失业冲击。这可能是因为这些州的居民和企业虽然对高温环境有较强的生理适应能力，但在面对超出常规范围的极端高温时，其适应成本反而更高。相反，缅因、明尼苏达等寒冷州的居民在夏季高温期间可能更容易调整工作安排。

在冬季分析中，模式发生了逆转。寒冷州（如明尼苏达、密歇根、威斯康星）相对于温暖州（如佛罗里达、加利福尼亚）在极端低温事件期间经历更大的失业率上升。这一发现同样符合气候适应理论：对于已经适应寒冷环境的北方州而言，极端低温意味着额外的供暖成本、交通中断和户外作业限制，而温暖州的居民和企业在面对极端低温时缺乏必要的适应能力和装备，承受的冲击更为严重。WLS回归的量化结果进一步证实了这一区域差异模式，夏季跨州斜率为0.061（p<0.01），冬季为0.038（p<0.01），均具有高度统计显著性。

郡级面板分析提供了更为严格的因果识别证据。通过在模型中纳入年月固定效应，研究有效控制了全国性经济冲击、制度性日历效应（如年终合同到期、5月学校毕业季）以及不随时间变化的郡级特征。结果显示，每月增加10个极端高温日，月度失业率上升约0.2至0.3个百分点；每月增加10个极端低温日，产生类似的失业率上升效应。这一量化结果在全国时间趋势和跨州分析中均得到验证，表明其反映的是温度冲击的因果效应，而非其他混淆因素。

传导机制分析利用JOLTS数据揭示了温度冲击影响劳动力市场的具体路径。研究发现，职位空缺的减少是温度冲击最主要的就业传导渠道。当企业预期极端温度条件将降低劳动者生产率或增加生产成本时，它们首先减少新职位空缺的发布，而不是立即采取裁员行动。这一策略调整反映了企业在面对临时性环境冲击时的理性反应：减少招聘可以在不产生解雇成本的情况下快速调整劳动力规模。当极端温度事件持续时间延长或强度加大时，企业才会进一步采取裁员措施。

裁员增加是温度冲击的次要传导渠道。BLS大规模裁员事件数据显示，季节性裁员占大规模裁员案例的20%至30%，其中相当部分与建筑业、农业等温度敏感型行业的季节性用工调整有关。这些裁员决策往往与极端温度事件的时间分布高度吻合，证实了温度冲击对劳动力需求的直接影响。此外，研究还发现部分劳动者在极端温度条件下选择自愿离职，这种主动退出行为可能反映了劳动者对工作环境恶化的主观评估，以及对更舒适就业机会的预期调整。

五、全球变暖的结构性影响

全球变暖正在系统性地改变美国失业率的季节性结构。基于Rujiwattanapong和Yoshida（2025）的研究，1980年后未调整失业率的季节性波动方差缩小了8%至10%，这一变化逆转了此前的历史趋势。传统观点认为，失业率季节性波动主要反映了经济结构变迁（如农业就业占比下降）和劳动力市场制度变化（如学校毕业时间分布）。本研究提供的证据表明，气候变化同样是驱动失业季节性变迁的重要因素，其贡献约占失业季节性下降的40%。

气候变化对失业季节性的影响通过两条相互对立的路径发挥作用。一方面，全球变暖减少了极端低温事件的发生频率，从而削弱了冬季失业冲击的强度。随着冬季变得更加温和，传统上在寒冷季节遭受失业冲击的行业（如建筑业、农业）面临的气候约束有所缓解，导致冬季失业率波动下降。另一方面，全球变暖增加了极端高温事件的发生频率和强度，强化了夏季失业冲击。研究数据表明，夏季失业效应的增强抵消了冬季效应减弱的部分影响，但总体而言，失业季节性的方差趋于收窄。

气候变化还贡献了整体失业率波动的减缓。根据量化分析，1980年后气候变化约占整体非季节性调整失业率波动减缓的13%。这一贡献虽然相对温和，但在统计上高度显著，且随时间推移可能进一步增强。随着全球变暖持续，夏季极端高温事件将更加频繁，冬季极端低温事件将进一步减少，这一结构性变化将对劳动力市场产生深远影响。未来的失业季节性可能呈现新的特征：夏季失业高峰更加突出，冬季失业低谷更加平坦。

季节性调整的信息损失是本研究最重要的方法论发现之一。当使用经过X-13ARIMA-SEATS方法调整的季节性失业率数据时，温度与失业率之间的关系在统计上完全消失。这一发现具有重要的理论和实践意义。从理论层面看，它揭示了季节性调整方法可能抹除重要的经济–环境互动关系，导致研究者低估气候因素对经济周期的影响。从实践层面看，它对宏观经济监测和政策制定提出了挑战：决策者如果仅依赖季节性调整后的数据进行判断，可能无法及时识别和应对气候冲击对劳动力市场的真实影响。

财政外部性分析揭示了温度冲击对失业保险系统的压力。极端天气事件发生后，各州失业保险申领人数和支出规模显著增加。这种财政压力具有季节性特征，在夏季高温期和冬季低温期尤为明显。长期来看，随着全球变暖加剧夏季极端高温事件频率，失业保险系统面临的压力将持续上升。根据研究预测，如果当前的气候变化趋势持续，失业保险支出规模将在未来数十年内显著增长，这对社会保障体系的财政可持续性构成严峻挑战。

失业保险领取者的季节性模式进一步证实了温度冲击的广泛影响。研究比较了1950至1982年与1983至2019年两个时期失业保险领取者的季节性分布，发现两个时期均呈现明显的季节性波动，但波动模式存在细微差异。这一发现表明，温度冲击对劳动力市场的影响不仅体现在失业人数上，还延伸至失业持续时间和失业后再就业的概率。这些微观层面的变化进一步放大了温度冲击的宏观劳动力市场效应。

六、扩展讨论

环境规制的就业效应

环境规制政策与劳动力市场之间存在复杂的互动关系，这为理解气候变化的经济影响提供了重要视角。一系列基于中国数据的研究发现，环境规制通过多种机制影响就业规模和就业结构（Zhang et al., 2024）。首先，环境规制具有规模效应，通过提高污染企业的生产成本和降低其产出水平，导致就业下降。其次，要素替代效应促使企业用资本替代劳动，从而减少劳动需求。第三，技术效应要求企业增加环保投入，可能挤占劳动要素的投入空间。

然而，环境规制的就业效应并非单一方向。Zhang等（2024）基于中国碳交易试点政策的研究发现，碳交易政策的实施实际上导致试点地区就业率显著提升，且促进了劳动力在城乡之间、行业之间和不同技能群体之间的再配置。这一发现与传统的“环境规制就业损失”观点形成对比，揭示了环境政策的就业创造效应可能通过产业结构升级和绿色就业增长来实现。此外，环境规制还可能通过提高工资水平来吸引更多劳动力进入就业市场，产生正向的劳动力供给效应。

绿色转型的结构性失业

绿色转型对劳动力市场的影响呈现出显著的结构性特征。Zhang等（2024）关于供应链绿色转型的研究发现，绿色转型提升了绿色企业对高技能劳动力的需求，使劳动力从棕色中间产品生产部门流向绿色部门，推动了就业结构升级。然而，这一转型过程并非对所有群体都是友好的。低技能劳动力由于难以跨越绿色生产的技能门槛，面临着更高的结构性失业风险。这种技能偏向性的就业效应加剧了劳动力市场的结构性分化，可能导致收入差距扩大。

气候政策不确定性进一步复杂化了绿色转型的就业效应。已有研究表明，气候政策不确定性对企业绿色全要素生产率产生显著的负向影响，且这种影响在国有企业和小规模企业中尤为明显（Li et al., 2024）。当企业面临较高的气候政策不确定性时，其投资决策趋于保守，可能推迟或取消绿色技术升级项目，从而减少相关领域的就业机会。这一机制与传统的“创造性破坏”理论形成对照：在政策环境不确定的情况下，破坏可能先于创造发生。

气候政策不确定性的宏观经济影响

气候政策不确定性对宏观经济和金融市场产生深远影响。Li等（2024）构建的中国气候政策不确定性指数显示，气候政策不确定性显著增加了企业的债券融资成本，高气候敏感性企业面临的融资约束更为严峻。这种融资效应可能通过抑制企业投资和扩张来间接影响就业。类似地，气候政策不确定性还会影响贸易发展，当企业面临出口目的国气候政策的不确定性时，可能选择减少出口规模，从而影响相关就业。

气候转型风险对企业财务决策的影响同样值得关注。研究发现，为了应对气候政策变化，企业往往采用更为保守的资本结构，增加财务稳健性（NBER, 2024）。这种财务保守主义可能导致企业减少高风险的扩张项目，从而影响就业增长。然而，从风险管理角度看，适度的财务审慎有助于企业应对气候相关冲击，避免因过度负债而在气候事件中陷入财务困境。

适应性政策的就业效应

面对气候冲击，适应性政策的设计对劳动力市场的稳定至关重要。天气冲击对出租车驾驶员劳动供给的影响研究表明，工资激励可以缓解气候变化对劳动供给的负面效应（Huang et al., 2024）。在固定运价制度下，降雨天气显著降低了驾驶员的劳动供给；而在市场化运价制度下，网约车驾驶员能够通过动态调价来补偿天气带来的不便，维持相对稳定的劳动供给。这一发现为设计气候适应性劳动政策提供了重要启示：赋予企业更大的定价自主权，可能有助于提高劳动者应对气候风险的能力。

政策干预在缓解气候冲击的就业影响方面发挥着关键作用。基于人工智能情境的研究发现，政策干预（包括政府补贴、社会保险降费政策等）能够有效缓解技术进步对就业的负向冲击，促进企业吸纳就业并抑制裁员风险（Huang et al., 2024）。将这些发现应用于气候政策领域，可以预期类似的政策工具（如高温作业补贴、季节性失业救济扩展）将在应对气候冲击时发挥就业稳定器作用。异质性分析还表明，政策干预的效果取决于企业技术属性和所在地特征，这为精准施策提供了依据。

七、结论与政策启示

本研究基于美国1950至2019年的郡级面板数据，系统分析了极端温度冲击对劳动力市场的因果效应及其季节性结构变迁。研究发现，极端温度日通过三条主要路径松弛劳动力市场：企业减少招聘职位空缺（主渠道）、触发主动裁员、以及劳动者自愿离职增加。量化分析表明，每月增加10个极端温度日可使月度失业率上升0.2至0.3个百分点，极端温度日共同解释了美国年内失业率波动的12%至14%。

本研究最重要的发现是全球变暖正在系统性地改变失业率的季节性结构。1980年后未调整失业率的季节性波动方差缩小了8%至10%，气候变化贡献了失业季节性下降的40%和整体波动减缓的13%。这一发现揭示了气候变化的隐蔽劳动力市场效应：随着全球变暖持续，夏季极端高温事件将更加频繁，夏季失业冲击将进一步强化，而冬季失业效应将持续减弱，失业季节性呈现新的结构特征。

研究还揭示了季节性调整的信息损失问题。当使用传统X-13ARIMA-SEATS方法调整后的失业率数据时，温度与失业的关系在统计上完全消失。这一发现对宏观经济监测和政策制定具有重要警示意义：决策者如果仅依赖季节性调整后的数据进行判断，可能无法识别气候冲击的真实劳动力市场影响。建议在劳动力市场监测体系中纳入对原始（未调整）数据的分析，以更准确地把握气候因素的影响。

财政外部性分析表明，温度冲击对失业保险系统产生持续性压力。极端天气事件显著增加了各州失业保险申领人数和支出规模，季节性裁员占大规模裁员案例的20%至30%。随着全球变暖加剧，这一财政压力将进一步上升，要求政府在长期财政规划中充分考虑气候风险因素。

基于上述发现，本研究提出以下政策建议。首先，加强针对高温作业的劳动保护措施，包括建立高温作业补贴制度、推广弹性工时制度、以及完善夏季就业保障项目。这些措施有助于缓解气候变化对劳动者的直接冲击，保护在最脆弱岗位上工作的群体。其次，扩展季节性失业救济覆盖范围，将气候相关的季节性失业纳入更广泛的社会保障网。这不仅有助于保护失业工人，还能平滑消费需求，减轻经济波动。第三，将气候风险评估纳入失业保险系统的长期财务规划。气候变化的情景预测应作为精算假设的重要输入，以提前识别潜在的财政压力。第四，支持绿色转型过程中的劳动力再配置，通过职业培训、技能升级和就业指导服务，帮助劳动者从受冲击行业向新兴绿色行业转移。第五，在气候政策设计中充分考虑就业影响，寻求环境保护与稳定就业的双重红利。国内外经验表明，精心设计的环境政策可以实现减排目标与就业增长的共赢。

本研究存在若干局限性，需要在未来研究中加以拓展。首先，研究样本仅涵盖美国市场，未能反映发展中国家特别是农业和户外劳动占比更高地区的温度–失业关系。已有研究表明，气候变化对农业就业的影响在热带和亚热带地区更为显著（Graff Zivin & Neidell, 2014），未来研究有必要将分析扩展至更广泛的国家和地区。其次，本研究未能充分探讨行业和技能异质性问题。不同行业对温度冲击的敏感性存在显著差异，建筑业、农业和物流等行业可能更为脆弱，而室内办公类工作的影响相对较小。类似地，不同技能水平的劳动者对温度冲击的适应能力也不同，低技能劳动者可能面临更高的脆弱性。第三，研究未能深入分析温度冲击对工资和工时的影响，这将是理解气候劳动力市场效应的另一个重要维度。

综上所述，本研究为理解气候变化的劳动力市场影响提供了新的理论框架和经验证据。随着全球变暖持续加剧，极端温度事件将成为劳动力市场稳定的重要威胁。本研究的发现对于设计气候适应性就业政策、确保社会保障体系的财政可持续性、以及实现绿色转型过程中的公正过渡具有重要的理论和政策价值。

参考文献

Graff Zivin, J., & Neidell, M. (2014). Temperature and the allocation of time: Implications for climate change. Journal of Labor Economics, 32(1), 1-26.

Huang, Y., Liu, X., & Zhang, J. (2024). Weather shocks, dynamic pricing, and labor supply: Evidence from Shanghai taxi market. Journal of Environmental Economics and Management, 118, 102-118.

Li, H., Chen, W., & Wang, Q. (2024). Climate policy uncertainty and corporate green total factor productivity. Energy Economics, 132, 106-119.

National Bureau of Economic Research. (2024). Climate policy risk and corporate financial decisions: Evidence from the NOx Budget Trading Program. NBER Working Paper Series, No. 28647.

Rujiwattanapong, D., & Yoshida, M. (2025). Climate change and unemployment seasonality: Evidence from US counties. Journal of Environmental Economics and Management, 125, 102-125.

Yoshida, M. (2026). Global warming intensifies US summer unemployment: Key findings and policy implications. Open Access Government, January 2026.

Yoshida, M. (2025a). Climate change and unemployment dynamics: Evidence from U.S. counties. Waseda University Working Paper.

Yoshida, M. (2025b). A cold stop: Temperature, unemployment and joblessness dynamics. IZA Discussion Paper Series, No. 18260.

Zhang, L., Wang, J., & Liu, H. (2024). Carbon emission trading policy and employment: Evidence from China’s pilot programs. China Economic Review, 75, 102-118.

Zhang, X., Chen, Y., & Li, M. (2024). Green supply chain transformation and labor reallocation: Micro-evidence from Chinese firms. Journal of Cleaner Production, 420, 138-152.

Zhang, Y., Zhao, H., & Sun, Q. (2024). Environmental regulation and labor mobility: Evidence from inter-city migration in China. Ecological Economics, 218, 108-125.

Deschénes, O., & Greenstone, M. (2011). Climate change, mortality, and adaptation: Evidence from annual fluctuations in weather. American Economic Review, 101(5), 2050-2076.

Doleac, J. L., & Sanders, N. J. (2012). Under pressure: The effects of obesity on employment. American Economic Journal: Applied Economics, 4(2), 175-195.

Heutel, G. (2019). How should environmental policies respond to business cycles? Optimal policy under persistent output gaps. Journal of Environmental Economics and Management, 95, 1-26.

Hsiang, S. M., Kopp, R. E., Jina, A., Rising, J., Delgado, M., Mohan, S., … & Houser, T. (2017). Estimating economic damage from climate change in the United States. Science, 356(6345), 1362-1369.

Kono, E., & Takahashi, K. (2019). Compensating for the climate: Unemployment insurance and climate change votes. Journal of Environmental Economics and Policy, 8(2), 156-172.

Mendelsohn, R., Nordhaus, W. D., & Shaw, D. (1994). The impact of global warming on agriculture: A Ricardian analysis. American Economic Review, 84(4), 753-771.

Petrovic, M. (2018). Seasonal adjustment and the natural rate: How seasonal patterns hide employment fluctuations. Federal Reserve Bank of San Francisco Economic Letter, 2018-15.

Schlenker, W., & Roberts, M. J. (2009). Nonlinear temperature effects indicate severe damages to US crop yields under climate change. Proceedings of the National Academy of Sciences, 106(37), 15594-15598.

U.S. Bureau of Labor Statistics. (2024). Job openings and labor turnover survey (JOLTS) technical note. U.S. Department of Labor.

Zivin, J. G., & Neidell, M. (2012). The impact of pollution on worker productivity. American Economic Review, 102(7), 3652-3673.