XiaoMi-AI文件搜索系统
World File Search SystemOlken
将气候变化嵌入研究和政策的宏观经济分析
•国家或年级，年际温度变化（Dell，Jones and Olken 2012; Burke，Hsiang and Miguel，2015年； Nath，Ramey和Klenow，2023年； Kotz等；2024）•全球平均年际温度变化（Bilal和Danzig，2024）•El-Nino驱动的变化（Callahan and Mankin，2023）•全球，低频温度变化（Bastien-Olvera等人（Bastien-Olvera等）2022）
气候变化的宏观经济影响：全球与地方温度 *
* We thank Marios Angeletos, Marshall Burke, Gabriel Chodorow-Reich, Simon Dietz, Stephane Hal- legatte, Jim Hamilton, Xavier Jaravel, Ben Jones, Eben Lazarus, Pooya Molavi, Ishan Nath, Ben Olken, Esteban Rossi-Hansberg, Toan Phan, Jón Steinsson, Jeffrey Shrader, Jim股票，克里斯·沃尔夫（Chris Wolf）以及会议和研讨会的数量参与者有用的评论和建议。我们感谢Ramya Raghavan，Lilian Hartmann和Cathy Wang的出色研究帮助。阿德里安·比拉尔（Adrien Bilal）非常感谢哈佛大学Chae家庭经济学研究基金的支持。†斯坦福大学，CEPR和NBER。电子邮件：adrienbilal@stanford.edu。 web：www.sites.google.com/site/adrienbilal电子邮件：adrienbilal@stanford.edu。web：www.sites.google.com/site/adrienbilal
领导力对一个国家经济增长的影响。
自人类历史以来，人们很少关注领导素质如何影响一个国家的经济增长。在行政管理强大的国家，这种影响非常小，因为领导被认为是让人们遵守现有规则的能力。此外，大多数研究人员关注政治领导力，这缩小了领导力的定义。此外，大多数增长理论并不认为领导力或国家领导人的素质是经济增长的资产。促进增长的主要因素包括基础设施、教育、健康、水电供应和技术发展。直到琼斯和奥尔肯发表了关于领导力与经济增长之间可能存在联系的文章，人们才注意到这一点。事实上，就经济增长而言，领导力很重要，这是决策和政策的影响及其长期可持续性的结果。总而言之，本文是对各国经济增长经验及其维持的领导力方面的比较分析。我们得出的结论是，拥有强大和高素质领导者的国家已经成功实现了增长目标，而那些由弱领导力领导的国家则并非如此。
衡量城市内通勤和经济活动...
∗作者感谢Lirneasia组织提供访问Sri Lanka手机数据，尤其是Lirneasia高级研究经理Sriganesh Lokanathan。作者还感谢shibasaki的Ryosuke Shibasaki通过孟加拉国的手机数据导航，到Anisur Rahman和Takashi Hiramatsu，以获取DHUTS调查数据，以及孟加拉国国际增长中心（IGC）孟加拉国的数据。孟加拉国的手机数据由该项目的亚洲开发银行（A-8074REG：“在河流流域管理中应用遥感技术”），这是ADB与东京大学之间的一项联合计划。我们感谢Lauren Li，Akira Matsushita和Zhongyi Tang，他们提供了出色的研究帮助。We sincerely thank David Atkin, Alexander Bartik, Abhijit Banerjee, Sam Bazzi, Arnaud Costinot, Dave Donaldson, Esther Duflo, Gilles Duranton, Jean-benoît Eymeoud, Ed Glaeser, Seema Jayachandran, Sriganesh Lokanathan, Danaja Maldeniya, Melanie Morten, Ben Olken, Lirneasia BD4D团队的成员史蒂夫·雷丁（Steve Redding）和MIT，Lirneasia，Neudc 2016的MIT的研讨会参与者，哈佛城市发展小型会议，ADB城市发展与经济学会议，UEA 2019，NBER CIETS和全球经济会议，以进行建设性评论和反馈。我们感谢Dedunu Dhananjaya，Danaja Maldeniya，Laleema Senanayake，Nisansa de Silva和Thushan Dodanwala在斯里兰卡的Hadoop Code和GIS数据提供帮助。我们还感谢Darin Christensen和Thiemo Fetzer的R代码来计算Conley标准错误（http://www.trfetzer.com/使用r-to-to-to-to-estimate-spatial-spatial-hac-errors-per-per-per-conley/），我们在其中构建了我们的代码。我们非常感谢国际发展研究中心（IDRC）和魏斯基金（Weiss）数据分析的资金，以及国际增长中心（IGC）的资金，以分析孟加拉国数据。†哈佛大学。电子邮件：gkreindler@fas.harvard.edu‡波士顿大学。电子邮件：miyauchi@bu.edu