Klímaváltozás és gazdaság – Mekkora károkat okoz is az antropogén klímaváltozás?

Honlapunk követői tisztában vannak vele: A jelenlegi klímaváltozás

• egyrészt jelentéktelen;
• másrészt azt nem az antropogén ÜHG kibocsátás megnövekedése okozza; és
• végül hatásait tekintve az elmúlt 120-150 évben inkább pozitív, mint negatív.

Hogy milyen változásokat hoz a jövő, nem tudjuk természetesen. Egy biztos, a pánikkeltő, és célzatosan eltorzított prognózisokat jobb, ha nem vesszük figyelembe, csak időnket pazarolnánk. Ennek az ijesztgető gépezetnek még soha egyetlen prognózisa nem vált valóra, illetve a prognózisoknál kilóg a lóláb: egyetlen céljuk a gigantikus éghajlatvédelmi kiadások elfogadtatása.

Így az olyan célirányos számításoknak sem érdemes hitelt adni, melyek elénk tárják, mennyit veszített az emberiség eddig az ’emberokozta klímaváltozással, de ez még semmi ahhoz képest, amennyit veszíteni fog. Persze egy ilyen sommás ítélettel a hívőket nem lehet meggyőzni. És ezért jön kapóra Roger Pielke jr. kétrészes sorozata, amelyben ismerteti Finbar Curtin és Matt Burgess, a wyoming-i Egyetemen dolgozó szerzőpáros tanulmányát:

„Az empirikusan megfoghatatlan éghajlat–gazdaság kapcsolat.”

Mai bejegyzésünkben Pielke elemzésének első részét adjuk közre: A tanulmány, amely lerombolja a klímaökonómiát. A végén saját megjegyzéseinket is hozzáfűzzük.

Curtin-Burgess (CB26) egy egyszerű kérdést tesznek fel: Valóban képesek vagyunk-e a történelmi adatok alapján mérni, hogy az éghajlat hogyan befolyásolja a gazdaságot?

Válaszuk: nem.

A közgazdászok megpróbáltak a történelmi adatok alapján összefüggést megállapítani az éghajlat és a gazdaság között, hogy prognózisokat állítsanak fel, hogyan befolyásolhatják az éghajlati változások a jövőben a gazdasági növekedést. CB26 elmagyarázza, miért lehetetlen érdemben számszerűsíteni ezt az összefüggést.

A mai bejegyzésben, amely egy kétrészes sorozat első része, bemutatom CB26 elemzését, és tovább is megyek. Azzal érvelek, hogy az általuk feltett kérdésre eleve soha nem lehetett igazán válaszolni – az egész projekt, amely az összegzett gazdasági teljesítményt az összegzett éghajlati változókra alapozza, koncepcionálisan és végzetesen hibás.

Ez a bejegyzés rövid áttekintést ad azokról a makroökonómiai szakirodalmi munkákról, amelyek megpróbálták összekapcsolni az éghajlatot és a gazdaságot, leírja a CB26 elméleti keretét, elmagyarázza, hogyan viszem tovább az érveiket, és megalapozza a 2. részt – amely a CB26 által fontos klímaökonómiai munkákra adott replikációkat vizsgálja.

Lássunk hozzá tehát…

Alulról felfelé és fentről lefelé

A klímagazdaságtan két párhuzamos hagyománya két különböző kérdést vet fel.

A régebbi hagyomány, amely egészen William Nordhaus 1991-es „To slow or not to slow” című cikkéig és az 1992-ben általa bevezetett DICE-modellig nyúlik vissza, azt kérdezte: Mi a megfelelő globális CO₂-ár?

A kérdésre adott válaszok megsaccolják az 1 tonna kibocsátott CO₂ által okozott kár dollárértékét amit ma a szén-dioxid társadalmi költségeinek nevezünk.

Ez a munka jellemzően egy alulról felfelé építkező megközelítést követ: Nordhaus és követői szektoronként becsülik meg a klímaváltozás okozta károkat, például a mezőgazdaság, az emberi egészség, az energiaigény stb. területén. Ha összeadjuk az ágazati károkat, megkapjuk a teljes kárbecslést.

Nordhaus 2018-ban Nobel-díjat kapott e munkájáért, és a DICE továbbra is az amerikai kormány integrált értékeléseinek referenciamodellje.

Az alulról felfelé építkező megközelítés – ágazatonként – különböző kárfüggvényeket kombinál, amelyek (jellemzően) a hőmérsékletet gazdasági eredményekkel kapcsolják össze. A szektorális kárfüggvények explicit módon megmutatják az éghajlat és a gazdasági hatás közötti ok-okozati összefüggést.

Az újabb hagyomány – a top-down – a 2010-es években alakult ki, és egy rokon, de más kérdést vet fel: hogyan befolyásolja az éghajlat valójában a gazdasági termelést a történelmi adatok alapján, amelyekre a klímaváltozás jövőbeli gazdasági hatásainak előrejelzése épül?

A top-down megközelítés célja a szektorális kárfüggvények elkerülése, és helyettük kapcsolat létrehozása a klímaváltozók (jellemzően a hőmérséklet) és az aggregált gazdasági termelés között. A központi gondolat az, hogy ez a kapcsolat, miután létrejött, felhasználható annak vizsgálatára, hogy a klímaváltozók változásai miatt hogyan változhat a jövőbeli gazdasági termelés.

Dell, Jones és Olken (2012) korai példája a GDP-növekedés hőmérsékletre vonatkozó panelregressziójának. Burke, Hsiang és Miguel (2015) folytatták ezt a megközelítést, és azt az általánosan elfogadott állítást fogalmazták meg, hogy a féktelen felmelegedés 2050-ig 23 százalékkal csökkentené a globális egy főre jutó GDP-t.

Ezeket számos tanulmány követte – Kahn et al. 2021, Kalkuhl és Wenz 2020, Kotz et al. 2024 (mára visszavont), Nath, Ramey és Klenow 2024, Bilal és Känzig 2026 –, amelyek mindegyike felállított egy összesített klímaindexet, valamint egy összesített gazdasági indexet, és ezek között ok-okozati kárfüggvényt állapítottak meg, amelyet aztán a jövőbeli károk előrejelzésére lehetne használni az éghajlati változások függvényeként.

Curtin és Burgess megkérdőjelezik, hogy egy ilyen top-down megközelítés képes-e megválaszolni azt a központi kérdést, amelyet felvet, és arra a következtetésre jutnak, hogy

a top-down megközelítések alapvetően nem képesek megválaszolni ezt a központi kérdést.

A CB26 számos forrást elemez.

A Curtin és Burgess-kritika

Curtin és Burgess azt kérdezik, mi lenne szükséges ahhoz, hogy egy összesített top-down regresszió valóban értelmes ok-okozati összefüggést állítson helyre, és azt vizsgálják, hogy az ökonometriai módszerek értelmes eredményekhez vezetnek-e.

A CB26 azzal érvel, hogy nem lehet ilyen összefüggést felállítani: az éghajlat és a gazdaság közötti kapcsolat – összesített történeti adatok alapján mérve – szavaik szerint átláthatatlan.

Hogy egyértelmű legyen: a CB26 kifejezetten elfogadja, hogy az emberi tevékenységek megváltoztatják az éghajlatot és kockázatokat hordoznak magukban. Valójában kritikájuknak semmi köze a klímatudomány fizikájához. Kritikájuk a közgazdaságtanra és különösen az ökonometriai módszerekre vonatkozik.

A CB26 – szigorúan és átfogóan – bemutatja, hogy a top-down megközelítésből származó, a gazdasági növekedésre gyakorolt bármilyen éghajlati hatás mértéke nem állapítható meg biztosan a történelmi adatokból, függetlenül attól, hogy az ökonometria mennyire kifinomult.

A CB26 elméleti érvelése egyszerű, de technikailag igényes. Az illusztráció kedvéért folyamatos példaként egy panelregressziót fogok használni az országok GDP-jéről az országok hőmérsékletére, mivel ez az a megközelítés, amelyet a legtöbb top-down irodalom alkalmaz. Az általános következtetés minden top-down megközelítésre érvényes.

Az adatok egy panel – egy táblázat, amelyben minden országra és évre egy sor jut. Például Ruanda 1994-ben egy sor. India 1980-ban egy sor. Az Egyesült Államok 2010-ben egy sor. Minden sor tartalmaz egy hőmérsékleti értéket, egy csapadékadatot, egy GDP-növekedési rátát, valamint a megközelítéstől függően néhány további változót. Például 170 ország 50 év alatt 6500 sort eredményez (170 x 50). Ennek a táblázatnak két dimenziója van: ország és év.

A klímaökonómusok azt akarják tudni, hogy a hőmérsékletváltozás hogyan befolyásolja a GDP-növekedést. A módszertani kihívás abban rejlik, hogy a hőmérséklet szinte mindennel korrelál. A különböző hőmérsékletű országok eltérő intézményrendszerrel, vallással, gyarmati múlttal, természeti erőforrásokkal, szomszédokkal stb. rendelkeznek. Hasonlóképpen, a különböző hőmérsékletű évek eltérő olajárakkal, háborúkkal, technológiai fejlettséggel, pénzügyi válságokkal stb. járnak. A GDP hőmérsékletre történő naiv regressziója magában hordozza annak a kockázatát, hogy tévesen rendelünk következményeket a hőmérséklet hatásához.

A közgazdászok egy fix hatások nevű eszközzel közelítik meg ezt a kihívást.

A Princeton Egyetem paneladatokra vonatkozó kutatási útmutatója így magyarázza:

„A fix hatások modellje abból indul ki, hogy a modellből kihagyott hatások tetszőlegesen korrelálhatnak a modellben szereplő változókkal. . . . A fix hatások egy entitáson (ország, személy, vállalat stb.) belül vizsgálják a prediktor- és az eredményváltozók közötti kapcsolatot.”

Egyszerűen fogalmazva: a fix hatások arra utasítják a regressziót, hogy hagyjon figyelmen kívül minden olyan variációt, amely vagy egy adott országra jellemző (és ezért potenciálisan összekeverhető az ország átlagos éghajlati viszonyaival), vagy egy adott évre jellemző (és ezért potenciálisan összekeverhető olyan globális sokkokkal, amelyek minden országot ugyanúgy érintenek).

Az ország-fix hatások eltávolítanak mindent, ami egy adott országra jellemző és az időben állandó marad – kultúra, intézmények, földrajz, történelem. Az év-fix hatások eltávolítanak mindent, ami minden országot hasonlóan érintett egy adott évben – a 2008-as pénzügyi válság, az 1973-as olajválság, globális technológiai trendek. Ami marad, az egy residuális érték: India 1987-ben a szokásosnál melegebb volt, 1988-ban pedig a szokásosnál hűvösebb – és a regresszió ezt a maradékot használja fel a hőmérsékleti hatás azonosítására.

Ez a megközelítés csak akkor működik, ha a hőmérséklet és a GDP közötti kapcsolat mindenhol és minden időpontban azonos. A regresszió összegyűjti az egyes országok maradékát, és egy egyetlen függvényt – vagy egy egyetlen másodfokú függvényt, Burke-Hsiang-Miguel esetében – illeszt az adatokra.

A CB26 így magyarázza:

„Sok klímaökonometriai tanulmány globális klíma-gazdaság kapcsolatból indul ki. Panel-módszereket alkalmaznak, amelyek minden egyes időszakmegfigyelést e globális függvény variációjaként kezelnek (pl. Dell et al. (2012); Burke et al. (2015c); Kahn et al. (2021)).”

A kapcsolat nem lehet mindenhol azonos. Vegyünk két olyan országot, amelyek fontos dimenziókban hasonlítanak egymásra. A CB26 El Salvadorra és Irakra hivatkozik: nagyjából azonos átlaghőmérséklet és jóléti szint. Amikor a szerzők minden országra külön becsülik a hőmérsékleti hatást, pozitív kapcsolatot találnak El Salvador esetében, míg Irak esetében negatívat. Az átlag elrejti a trópusi éghajlatot (El Salvador) és a sivatagi olajgazdaságot (Irak), a pénzátutalásoktól függő munkaerőpiacot és a háború által megjelölt intézményi környezetet.

El Salvador és Irak egyetlen függvényillesztésben történő összevonása a CB26 szerint módszertanilag megalapozatlan:

„A globális éghajlat-gazdaság kapcsolat feltételezése azt jelenti, hogy egy ország pontjai implicit módon befolyásolják az éghajlat-gazdaság kapcsolat becslését minden országra vonatkozóan. A fix hatások modelljei azt eredményezik, hogy az országok közötti kapcsolatokat implicit módon súlyozzák hőmérsékleti ingadozásaik (és/vagy más használt éghajlati változók) alapján, ahol a nagyobb varianciájú országok nagyobb súlyt kapnak. . . . Ennek eredményeként a viszonylag kis országok szélsőséges hőmérsékleti viszonyok esetén nagy hatással lehetnek a globális becslésekre.”

Nemcsak a térbeli összevonás problémás, hanem az időbeli összevonás is. Például az 1965-ös indiai éghajlat-gazdaság kapcsolat nem azonos a 2015-ös indiai kapcsolattal. Ebben az időszakban India GDP-je tízszeresére nőtt, és kiterjedt a légkondicionálás, az öntözés és a szolgáltatási szektor.

A gazdasági fejlődés megváltoztatja, hogyan éli meg egy ország az időjárást: Kahn (2005) és Toya & Skidmore (2007) egyaránt megállapította, hogy az egy főre jutó reál-GDP egy százalékos növekedése körülbelül fél százalékkal csökkenti a természeti katasztrófák okozta halálozási és kárarányokat. A gazdag és a szegény országok eltérően reagálnak azonos időjárási viszonyokra, és ugyanaz az ország is eltérően reagál azonos időjárási viszonyokra, ha gazdaggá válik. Az indiai adatok öt évtizedének összefoglalása és a hőmérséklet GDP-re gyakorolt hatásának keresése a CB26 szerint módszertanilag megkérdőjelezhető.

Az éghajlat és a gazdaság közötti bármely kapcsolat a panel mindkét dimenziójában változik, és a CB26 azzal érvel, hogy egy másik feltételezés, ahogyan azt a top-down irodalom teszi, torzítást eredményez.

Egy nyilvánvaló megoldás az lenne, ha a kapcsolatot változóvá tennénk – minden országnak saját együtthatót adnánk, minden évnek saját együtthatót, és az együtthatókat a jövedelemtől és a kiindulási éghajlattól függővé tennénk. De ez a megközelítés módszertani szempontból is problematikus, mert a rögzített kapcsolat keresését olyan sok kapcsolat iránti igényré alakítja, ahány adott idő és hely létezik.

A CB26 így magyarázza:

„Egy klíma-gazdaság idősor minden adatpontjának van egy időindexe (t) és egy térindexe (i, gyakran ország, néha régió). Ha a klíma-gazdaság kapcsolat mind térben, mind időben minőségileg értelmes variációkat mutat – amint azt mi is állítjuk –, akkor nincs elegendő szabadságfok a becsléséhez. A térbeli és/vagy időbeli variáció egy részének feltételezése a szabadságfokok megszerzése érdekében minőségileg értelmes torzulásokat eredményez. Ez a központi, redukálhatatlan becslési kihívás.”

A top-down kutatónak tehát nincs kiútja. Ha hagyja, hogy az éghajlat-gazdaság kapcsolat annyira változzon, amennyire valójában változik, akkor azt nem lehet modellezni. Ha rögzíti, a modell szenzációs eredményt hozhat, de ennek az eredménynek nincs valós jelentősége egyetlen konkrét helyen sem.

Curtin és Burgess ezt a „központi, redukálhatatlan becslési kihívásnak” nevezik, amelyet jobb adatok vagy okosabb módszerek sem tudnak megoldani.

CB26 részletesen kifejti, hogy ez egy statisztikai, és nem klímaérv. Ez egy olyan probléma, amellyel minden paneladat-kutató szembesül, ha a vizsgált kapcsolat az adatok minden dimenziójában változik. A klímaökonometria különösen rossz helyzetben van, mert mindkét heterogenitási dimenzió jelentős.

A módszertani probléma, amelyet Curtin és Burgess leírnak, a modern ökonometriában jól ismert – e szakirodalomból idézik Chernozhukov et al. 2013-at.

Ami új a Curtin–Burgess-cikkben, az az az érv, hogy ez a súlyozási probléma nem csupán egy apró módszertani kérdés – ez egy olyan probléma, amely alapvető fontosságú a szakterületen végzett minden összesített becslés szerkezetében.

A térbeli és időbeli heterogenitás az azonosítási hiba magja, de nem az egyetlen probléma, és Curtin és Burgess három további problémát is tárgyal.

• Az első a növekedési csodák és növekedési katasztrófák problémája, ezeket a kifejezéseket a CB26 használja a történelmi feljegyzésekben szereplő, a klímával semmi kapcsolatban nem lévő néhány szélsőséges gazdasági esemény leírására – mint például a Szovjetunió összeomlása, a ruandai népirtás, Irak háború utáni fellendülése 2003 után, vagy Omán 1968-as olajboomja. Az ilyen események egy év alatt a GDP-ben olyan változásokat eredményeznek, amelyek tíz-harmincszor nagyobbak, mint egy ország tipikus növekedési üteme – felfelé vagy lefelé. Ha ezek közül valamelyik egy kis országban szokatlan időjárású évre esik, a függvényanalízis az időjárást tekinti a GDP-ingadozás okának. Curtin és Burgess kimutatják, hogy hat vagy kilenc ilyen megfigyelés – az adatsorban szereplő mintegy 6500 közül – teszi ki a negyedétől egyharmadáig a prominens cikkekben becsült éghajlati károkat (ezeket a 2. részben tárgyaljuk).
• A második az, hogy az az éghajlat, amelyhez egy ország már alkalmazkodott, nem figyelhető meg az adatokban. Egy közgazdász nem tudja megkülönböztetni az új típusú események által okozott károkat azoktól a károktól, amelyeket várható események okoznak egy olyan országban, amely rosszul alkalmazkodott a környezetéhez. Egy hideg ország, amelynek gyenge a téli infrastruktúrája, télen veszteségeket fog elszenvedni, de ezeket éghajlati kárnak nevezni nyilvánvalóan félrevezető lenne, mivel az ok a dokumentált éghajlati változékonysághoz való rossz alkalmazkodás.
• A harmadik az, hogy az „éghajlat” nem egyetlen szám. A hőmérséklet, a csapadék, a páratartalom, a szélsőséges események, a tengeri áramlás és a szélminták mind szerepet játszanak a társadalom működésében, és ezek a változók kölcsönhatásba lépnek egymással. Szinte minden top-down tanulmány mindezt az éves átlaghőmérsékletre és a teljes csapadékmennyiségre vezeti vissza.

Miért gondolom, hogy a problémák még mélyebbre nyúlnak?

Itt túllépünk Curtin és Burgess érvelésén – nem azért, hogy cáfoljuk az érvelésüket, amely megalapozott, hanem azért, hogy tovább fonjuk a fonalat, mint ők.

A szerzők a fent említett problémákat ökonometriai technikai kihívásokként kezelik: a térbeli heterogenitás torzításokhoz vezet. Az időbeli heterogenitás torzításokhoz vezet. A számos ráhatást figyelembe vevő megfigyelések törékenységhez vezetnek. Az éghajlat egyetlen változóra való redukálása torzításhoz vezet a kihagyott változók miatt.

A szerzők bemutatják, hogy egy elég gondosan, megfelelően jó adatokkal végzett top-down regresszió csak akkor állapítana meg értelmes kapcsolatot, ha a kutatók leküzdhetnék ezeket az akadályokat. A CB26 azzal érvel, hogy a gyakorlatban ez lehetetlen, így a kapcsolat „empirikusan megfoghatatlan”.

Elméleti modelljük feltételezi, hogy létezik egy jól definiált éghajlat-gazdaság kapcsolat, és hogy a probléma az, hogy ezt a rendelkezésre álló adatok alapján egyetlen becsülhető függvénybe összegezzék.

Én még tovább megyek – az összesített kapcsolat, ahogyan azt a top-down irodalom fogalmazza meg, egyszerűen egyáltalán nem létezik koherens kauzális objektumként.

Gondoljuk át, mit is csinál valójában a top-down regresszió, amikor az átlaghőmérsékletet a GDP-hez próbálja kapcsolni. Mindkettő index: egyetlen ember, termény, gyár vagy infrastruktúraelem sem tapasztalja meg soha az átlaghőmérsékletet. Egy iowai farm a saját farmján tapasztalja meg a hőmérsékletet, percről percre. Hasonlóképpen, egy bangalore-i gyár is azt a hőmérsékletet éli meg, ami az adott gyárban van. Az átlaghőmérsékletet ezekben a tanulmányokban úgy állítják elő, hogy egy ország területén rácsos megfigyeléseket átlagolnak – általában népességsúlyozva –, majd ezt az értéket újra átlagolják az évre vonatkozóan. Ami a regresszióba kerül, az egy összefoglalás statisztikai összefoglalása.

A GDP hasonló típusú mutató. Az országos GDP több millió vállalat termelését összesíti, amelyek mindegyike helyi feltételek mellett működik, olyan szektorokban, amelyeknek az időjárással való kapcsolata óriási mértékben eltér. A globális GDP az országok GDP-jét összesíti. Senki, sem vállalat, sem kormány nem tapasztalja meg a GDP-t.

A top-down megközelítés védelmezője azzal válaszolhatna, hogy a GDP az a változó, amely számunkra ténylegesen fontos a politika szempontjából, ezért téves azt a valós mechanizmusoknál alacsonyabb szintűnek tekinteni. Ez a védekezés egy egyszerű okon bukik meg. A GDP az eredmény, amely számunkra fontos, és a klímaváltozás az ok, amely számunkra fontos, de egyik összesített mutató sem az a hely, ahol a kauzális folyamat ténylegesen lezajlik. A kérdés az, hogy mi okozza a GDP változásait – és ezek az okok azon a szinten hatnak, ahol az emberek, a vállalatok és a fizikai rendszerek reagálnak a helyi körülményekre.

Hadd szemléltessem a problémát egy analógiával. Képzelje el, hogy megpróbálja kideríteni, vajon a baseballjátékosok fizetése jobb ütéshez vezet-e, azáltal, hogy összehasonlítja a csapatok fizetési jegyzékeit a csapatok ütési átlagaival. Találna egy összefüggést – a magasabb fizetésekkel rendelkező csapatok átlagosan általában jobban ütnek, mert fizetnek a tehetségekért –, de ez az összefüggés szinte semmit sem árul el az alapvető kérdésről, hogy a fizetés hogyan befolyásolja egy ütő játékos ütési teljesítményét.

Egy csapat fizetési listája az összes játékos keresetének összege, amely minden csapatban különböző arányban oszlik meg a szupersztárok és a közepes teljesítményű játékosok között. Egy csapat ütési átlaga az egyes játékosok hozzájárulásának keveréke, amely minden csapatban különböző arányban oszlik meg a kezdő és a cserejátékosok között egy hosszú szezon során. Bármely mechanizmus is köti össze a fizetést a teljesítménnyel, az az egyes játékosok szintjén, az egyes ütések során működik, és egyik összesített mutató sem szolgáltatja a szükséges adatokat egy ok-okozati összefüggés megállapításához.

A két csapatátlag közötti korreláció adhat egy számot, de ez egy statisztikai torzítás, amely harminc különböző keretstruktúrából származik, csapatonként 162 mérkőzésen, ahol körülbelül negyven különböző játékos játszik egy szezonban különböző stadionokban különböző ellenfelek ellen.

A kifinomult ökonometria bizonyára adhat egy számot, amely összekapcsolja az ütési indexet a fizetési indexszel. A szám egy valós mintát tükröz – a jobban fizetett csapatok átlagosan jobb játékosokat kapnak –, de nem válaszol arra a kérdésre, amely egy csapat tulajdonosának igazán fontos, nevezetesen arra, hogy több pénz befektetése ebbe a keretbe vagy új játékosokba javítaná-e a csapat teljesítményét. Ez az összefüggés az egyes játékosok, az egyéni szerződések és az egyéni találatok szintjén létezik, nem pedig a csapat- vagy szezonösszesítések szintjén.

A klímaökonómia regressziója ebben a tekintetben gyengébb, mert az általa korrelált indexek még távolabb állnak az alapul szolgáló mechanizmusoktól, mint a fizetés és az ütési átlag.

A bottom-up megközelítés minden problémája ellenére legalább megpróbálja figyelembe venni a valószínűsíthető ok-okozati összefüggéseket az időjárási változók és az eredmények között. Megnézhetünk egy Nordhaus-károsodási függvényt, és pontosan láthatjuk, hogy a szerző szerint mi történik a mezőgazdaságban, a partvidéken és az energetikai szektorban, ha az éghajlat megváltozik.

A top-down megközelítés kihagyja az ok-okozati mechanizmus lépését, és abból indul ki, hogy az összesített statisztikai összefüggés valamilyen módon tükrözi az összes ok-okozati mechanizmus összegét.

A CB26 erős bizonyítékot szolgáltat arra, hogy ez a feltételezés nem helytálló. Az érzékenységek, amelyeket a top-down irodalomban dokumentálnak – 20, 30, 50 százalékos ingadozások a főbb becslésekben a specifikációk kisebb változtatásai miatt; teljesen eltérő eredmények ugyanazon adatokkal rendelkező cikkekből; az időjárással semmi köze nem lévő néhány megfigyelésen alapuló eredmények – pontosan azok, amiket elvárhatunk egy olyan regressziótól, amely két indexet korrelál egymással anélkül, hogy közöttük stabil ok-okozati kapcsolat lenne. Ha valódi összesített kapcsolat létezne, és stabil ok-okozati értelmezése lenne, az következetesen megjelenne a specifikációk között, amelyek ésszerűen elkülönítik egymástól. A top-down klímairodalom becslései nem mutatnak ilyen konzisztenciát.

A szakma összetévesztette egy statisztikai artefaktum – két absztrakt index közötti kvantitatív kapcsolat – átláthatatlanságát egy feltételezett valós mennyiség bizonytalanságával. A kárfüggvény, amelyet a top-down irodalom becsülni állít, egyszerűen nem létezik koherens objektumként.

Ha a probléma csupán technikai lenne – jobb adatok, hosszabb panelek, okosabb ökonometria –, akkor a szakma ésszerűen elvárhatná, hogy az idő múlásával közelebb kerüljön az igazsághoz. Ha a probléma koncepcionális – azaz a top-down megközelítés két egymást követő összefoglalást korrelál, amelyek között nincs ok-okozati összefüggés –, akkor több adat és okosabb módszerek sem segítenek. A tudományág továbbra is számokat fog produkálni, és ezek a számok címlapokra kerülnek majd, de ezek a számok, bármit is jelentsenek, semmit sem árulnak el arról, hogy a jövőbeli időjárási változások hogyan befolyásolhatják a jövőbeli gazdasági tevékenységet.

A 2. részben áttekintem, mit találtak Curtin és Burgess, amikor reprodukálták a top-down irodalom három legbefolyásosabb munkáját – és amit dokumentálnak, az pusztító.

Közzétevő az alábbi kiegészítést szeretné Pielke írásához hozzáfűzni:

A klímarögeszmét szuggeráló gépezet közgazdász részlege a világ elé szeretné tárni, milyen súlyos hatásai vannak az emberokozta éghajlatváltozásnak, illetve ez még semmi ahhoz képest, ami vár ránk, blabla, blabla. Ez a feladatuk, ezért fizetik őket. Tehát van egy cél, egy feladat, és ennek rendelik alá tudományos mázzal leöntött állításaikat. (Honlapunkon már összehasonlítottuk, mi különbözteti meg a tudóst a sarlatántól. [1]) Itt tudatosan elkövetnek négy olyan hibát, ami eleve értéktelenné tesz minden általuk leírt sort.

• A gépezet csak az időjárási események (aszály, jégverés, fagy) okozta károkat tudja számszerűsíteni. A pánikkeltők ide számítják még az erdőtüzeket is, dehát a józan kutató tudja, hogy ezeket túlnyomó részben emberi gondatlanság vagy szándékosság okozza. Hiányzik annak kiszámítása, mennyiben következményei ezek a károk az éghajlatváltozásnak. Ehelyett önkényesen klímaváltozás okozta károknak nevezik az időjárás okozta károkat. Nem láttunk még továbbá számításokat, a globális felmelegedés következtében mennyivel csökkentek a fagyveszély okozta károk.
• Az meg aztán végképp hiányzik, hogy vegyék a fáradságot, és megkülönböztessék a természetes klímaváltozás okozta károkat az antropogén klímaváltozás okozta károktól.
• A számszerűsítésnél figyelmen kívül hagynak alapvető tényeket, amelyeket egy statisztikusnak alapból kellene ismernie. Ha a beépítettségi fok, a népsűrűség, a beépített ingatlanok értéke növekszik egy adott területen, akkor ezt nem szabadna az éghajlatváltozás rovására írni. Pl. ahol 80 évvel ezelőtt egy viskót vitt el az árvíz, ma pedig egy többemeletes épületet, pánikkeltő közgazdászaink előszeretettel írják a kár növekedését az éghajlatváltozás rovására.
  

  Évtizedekkel ezelőtt, ha az árvíz egy épületet elsodort, az néhány ezer – tízezer dollár kárt okozott.

  Ma az árvíz milliós nagyságrendben képes károkat okozni.

  

  Képünk az mutatja, amikor a Yalu folyó 2010-ben elárasztotta Dandong városát, és az egyik toronyház a folyóba dől. 

• Ugyancsak mélyen hallgatnak a mainstream közgazdászok a magasabb CO2-koncentráció okozta előnyökről, úgy mint magasabb termésátlagok, a növények jobb szárazságtűrő képessége, illetve a Föld általános kizöldülése. [2]

Ábránk bemutatja: Szoros az összefüggés a társadalmi jólét egyik fokmérője, a GDP, és az atmoszféra CO2-koncentráció között. Az elmúlt 170 év adatai alapján nincs GDP-növekedés és evvel együtt a globális jólét CO2-kibocsátás nélkül. A CO2-koncentráció esetleges káros mellékhatásai eltörpülnek az ezt okozó gazdasági fejlődés eredményei mellett. Ehhez adatokat a [2] hivatkozás alatt találunk.

A pánikkeltő gépezet továbbra is futószalagon ontja a sarlatánok által készített tanulmányokat, milyen súlyos gazdasági következményei lesznek a jövőben az ’emberokozta klímaváltozásnak. Eddig ugye semmi negatív következményei nem voltak. Időnként ezek a tanulmányok még a tudományos folyóiratok (Nature) számára is kínossá válnak, és visszautasítják azokat. A média pedig, amely a pánikkeltést fölturbózza, évi 38 billió dolláros klímaváltozás okozta gazdasági károkról fantáziál, a helyreigazításról hallgat. [3]

Hivatkozások:
[1] Nobel-díjakról, klímamodellekről II.  első bekezdés

[2] Mennyivel tartozunk? Avagy ki tartozik kinek és miért?

[3] Ennyire hiteles a főáramú klímatudomány. A német Klímahatásokat Kutató Intézet (PIK) visszavonta pánikkeltő tanulmányát.

2026. május
Közzéteszi:
Király József
okl. vegyészmérnök

Tetszett a cikk? Amennyiben igen, fejezze ki tetszését a részünkre nyújtott támogatással 300 Ft értékben. Bankszámlaszámom: – Király József – 10205000-12199224-00000000 IBAN: HU47 1020 5000 1219 9224 0000 0000 A közleményben kérjük megadni: klímarealista.