🌡️ Экономика жары и холода: пора поговорить, как работать в этот холод В особенно холодную зиму мы решили разобраться, как на экономику влияют разные температуры и правда ли, что для экономики опасен мороз Есть ли у экономики «зона комфортной температуры»? Одно из важных открытый последнего десятилетия в экономических исследованиях с климатической компонентой - это U-образная связь экономических показателей (например, продуктивности [Burke et al., 2015], преступности [Ranson, 2014] или смертности [Carleton et al., 2024]) с температурой: температурные экстремумы работают как «двусторонний налог»: слишком жарко - и падают благополучие и производительность, слишком холодно - и падают часы работы, усложняется логистика и снижается инфраструктурная надежность Но все гораздо интереснее! 🕸Методологическая ловушка: как бины температуры могут нарисовать U‑образную кривую из воздуха В недавней статье Бенджамин Джонс, Джейкоб Москóна, Бенджамин Олкен и Кристин фон Дессауер [Jones et al., 2026] показывают, что в некоторых исследованиях U-образная связь исходов с температурой может быть ложной Зерно проблемы: Многие экономические работы, которые учитывают климат, строят панельные регрессии с фиксированными эффектами по месту и времени, где регрессоры - количество дней в каждом температурном «бине». Но при общем потеплении бины с экстремальными температурами начинают иметь тренды, специфично связанные с определенными локациями: горячие места быстрее «накапливают» очень жаркие дни, холодные - быстрее «теряют» очень холодные дни Если при этом в зависимой переменной тоже есть тренды, которые как-то коррелируют с базовой температурой (по любой причине: миграция, структурные сдвиги регионов и т.п.), то оценивание превращается в «регрессию трендов на тренды»: U‑образная форма может возникнуть без эффекта температуры 🧷Как чинить? ✖️state×year FE не работают: если предположить, что в каждом году у каждого региона своя средняя траектория, а затем сравнить только внутри региона и года, то если тренды экстремальных температур завязаны на базовую температуру конкретного округа, ложные U-образные зависимости останутся ✖️лаги не решают проблему связи между трендом в бине и трендом в исходе (мы вообще не адепты решения проблем лагами, так как порой за этим действием нет никакого смысла) ✖️место-специфические тренды: работает хорошо, но только если вы угадали форму тренда - а это сложно ✖️«короткие панели» - частично решают проблему, но плохо подходят, если исход редко наблюдаем (например, раз в 10 лет) или если важны долгосрочные эффекты ✅контролировать не-случайную часть: добавить в регрессию ожидаемое число жарких/холодных дней, чтобы эффект оценивался по отклонениям от ожидания (неожиданно больше/меньше экстремальных дней в конкретном году), а не по долгим трендам, которые могут совпадать с другими региональными трендами Как меняются результаты? (см. картинку) 🔸для населения (данные переписей) исходная U‑форма почти исчезает и верхний температурный бин становится скорее отрицательным 🔸для смертности 65+ U‑образная связь сильно слабеет: эффект экстремальной жары в верхнем бине падает вплоть до близкого к нулю, а холодные бины становятся существенно меньше 🔸для урожайности (например, corn yield) ключевой вывод о вреде высокой температуры почти не меняется 🔸для преступности корректировка уменьшает эффект самой экстремальной жары на преступления, но делает более выраженной отрицательную связь холодных дней с преступностью #канал_обозревает @causal_channel