现代宏观经济学商业周期理论模型中，经济波动是各种外生冲击引起的，但天气因素却很少作为一种重要的冲击来源引入理论分析。然而近40年的统计数据表明，热浪与干旱等极端天气灾害在全球范围内都造成了重大的经济损失，并且从频率和损失程度来看，都似乎有不断增长的趋势。这意味着天气冲击会从农业部门传导到整个实体经济，尤其对农业国家则更是如此。

本文以新西兰作为小型开放农业国家的代表，研究了包含天气因素在内的多个冲击来源对实体经济波动的传导机制与影响程度的定量结果。理论模型在实际经济周期（RBC）框架基础上，把企业部门划分为农业和非农业两部门，农业部门生产力受天气灾害等影响。模型中天气灾害发生时，不仅生产函数会面临一个损失，而且土地作为一种生产要素也将遭受损失，并影响下一期的产出。家庭部门为农业与非农业部门提供劳动力，并且劳动力不能完全自由地跨部门流动。非农业部门同时也为农业部门提供中间品（肥料、农药、种子等）用以改善肥力。新西兰是国际主要的农业出口国，模型中引入了国外消费者，并且面临消费需求冲击。

本文实证部分主要基于上述理论模型进行贝叶斯估计，数据样本包含从1992年2季度到2016年4季度共91组观测值，每组观测值包括GDP、消费、投资、工作时长、农业产值、国外产值、实际汇率、干旱指数共8个变量。除此以外，本文通过VAR（向量自回归）模型对同样的数据样本进行了计量估计。

与不存在天气冲击的基准模型对比，实证结果强烈拒绝了天气冲击不造成产出损失的原假设，这意味着天气因素极有可能在经济波动中具有不可忽视的重要影响，天气冲击应当是经济周期的重要来源之一。

与VAR模型实证结果相一致，干旱事件会导致农业部门面临较大（1.5%）的产出损失，而土地生产力本身的下降高达22%，这迫使农场主加大了通过非农产品（如灌溉用水、肥料和农药等）使用来补偿干旱影响，刺激了对非农部门的需求，非农部门产出会面临暂时性上升。总体而言会使得总GDP和总消费下降0.2%。与VAR模型相比，DSGE估计结果表明经济波动对干旱冲击更为敏感。

理论方差分解的结果表明，天气冲击与其他类型的冲击来源（本文主要划分为供给侧冲击、需求侧冲击、国外冲击和天气冲击四类）相比，对经济波动影响相对更为滞后和更具持久性，这导致天气冲击的短期影响相对较低，然而长期的影响则被大大低估。对历史数据进行方差分解，样本期内天气对产出波动的影响大致在4%~-6%之间。

从图中（黄色区域）可见，平均而言两季度内天气冲击对GDP波动率的贡献仅2%，然而10季度天气冲击为GDP合共贡献了接近20%的波动率，50季度以及更长期可达30%。

图中红线部分即为天气冲击对给各经济变量的影响估计，严重干旱能导致GDP 超过1%的损失。

前述结论基于气候维持现有的水平不变的假定，本部分将考察气候变化下，不同情景对经济波动的不同影响。IPCC（联合国政府间气候变化专门委员会）第五次评估报告采用了四个温室气体浓度情景，按低至高不同代表路径浓度(RCP)排列分别为RCP2.5、RCP4.5、RCP6.0和RCP8.5[2]。在RCP2.5情景中，天气冲击的方差要比1994~2016年平均水平低8.24%，使得GDP波动下降2.5%。RCP8.5情景下天气冲击的方差将样本期高51.91%，使得GDP波动上升15.89%。

从福利分析结果看，与无天气冲击相比，当前气候条件下福利损失等价于0.19%的消费损失（Consumption Equivalent），而RCP8.5情景下将导致相当于0.29%的消费损失。

第一，天气冲击将导致农业生产的收缩，并且传导到整个经济体。这表明天气因素应当是不可忽视的经济波动来源。第二，气候变化将导致极端天气事件的频率和强度上升，这将导致经济波动上升。第三，本文模型（尽管没有引入货币政策）可为评估货币政策缓解天气冲击对实体经济波动的影响提供一个基础模型。第四，对于低收入而言特别是缺乏有效的保险市场的国家，财政政策可以承担巨灾防范的角色。第五，对金融业而言，基于对宏观经济稳定的不可忽视的影响，天气巨灾风险的测量有必要纳入到资产定价中。

How much do weather shocks matter? The literature addresses this question in two isolated ways: either by looking at long-term effects through the prism of theoretical models, or by focusing on short-term effects using empirical analysis. We propose a framework to bring together both the short and long-term effects through the lens of an estimated DSGE model with a weather-dependent agricultural sector. The model is estimated using Bayesian methods and quarterly data for New Zealand using the weather as an observable variable. In the short-run, our analysis underlines the key role of weather as a driver of business cycles over the sample period. An adverse weather shock generates a recession, boosts the non-agricultural sector and entails a domestic currency depreciation. Taking a long-term perspective, a welfare analysis reveals that weather shocks are not a free lunch: the welfare cost of weather is currently estimated at 0.19% of permanent consumption. Climate change critically increases the variability of key macroeconomic variables (such as GDP, agricultural output or the real exchange rate) resulting in a higher welfare cost peaking to 0.29% in the worst case scenario.