极端高温与COVID-19共同对加利福尼亚社区农业劳动力供应造成的影响

　　农场工人劳动供给受极端高温与COVID-19双重影响研究。采用LASSO筛选变量和Heckman两阶段模型，分析2020年加州Central Valley 280名拉丁裔移民农场工人的数据，发现高温单独及与新冠联合作业参与概率提升，但均减少工作时长（-0.186/-0.173），联合效应叠加（-0.218）。性别、教育、语言能力等人口特征及健康保险覆盖显著调节工作时长。

　　
本文以美国加州中央谷地的拉丁裔农业工人为研究对象，系统探讨了极端高温与COVID-19双重压力下劳动供给决策及工时变化规律。研究通过混合研究方法，结合实证分析与机器学习技术，揭示了多重灾害叠加对农业劳动力市场的深层影响机制。

一、研究背景与问题提出
当前气候变化与公共卫生危机的叠加效应正在重塑全球劳动力市场格局。美国农业部门作为劳动力密集型产业，其从业者长期暴露于极端气候与环境健康风险中。既有研究多单独考察高温或疫情对劳动供给的影响，却忽视了二者叠加作用带来的复合效应。特别是加州作为移民农业劳动力集中地，2020年同期遭遇极端高温热浪（日均最高气温达44.9℃）与COVID-19疫情，形成了双重压力测试场景。

二、研究方法与技术路线
1. 数据采集：2020年8-9月对加州科林加、阿韦纳尔、胡隆三地280名农业工人进行结构化问卷调查，重点采集劳动参与决策、工时分布及健康适应等核心指标。问卷设计经过焦点小组预调研优化，包含130个观测变量，涵盖人口统计学特征、家庭经济状况、健康保障水平等维度。

2. 变量筛选：运用LASSO回归算法进行特征优化，通过正则化处理筛选出具有显著预测效力的核心变量（见附录S2表）。该算法有效解决了农业数据中常见的多重共线性问题，VIF检验显示模型不存在严重共线性（VIF均<1.6）。

3. 模型构建：采用Heckman两阶段选择模型纠正样本选择性偏差。第一阶段Probit模型估计劳动参与概率，第二阶段OLS模型测算工时分布。特别引入逆米尔斯比λ作为校正因子，有效分离了不可观测因素对估计结果的影响。

三、核心研究发现
1. 劳动参与决策机制：
- 单一极端高温暴露使参与概率提升0.581（p<0.05）
- COVID-19单独影响不显著（β=0.043，p=0.32）
- 双重暴露情境下参与概率提升6.073（p<0.01）
该现象揭示了经济脆弱性与健康风险的交互作用：工人为维持生计（家庭人均收入每降低$1000，参与概率提升0.36）不得不承受双重健康风险，形成"生存驱动型"劳动参与模式。

2. 工时分布影响特征：
- 极端高温使周均工时减少0.186小时（p=0.023）
- COVID-19单独影响为-0.173小时（p=0.018）
- 双重暴露情境下工时锐减0.218小时（p<0.001）
值得注意的是，健康保险覆盖率每提升1%，工时恢复系数达0.233（p<0.01），显示医疗保障对劳动能力的重要缓冲作用。

四、理论机制与政策启示
1. 复合风险放大效应：
- 高温导致心血管负荷增加（代谢当量MEI测算显示每升高1℃高温指数，劳动耐受力下降2.3%）
- COVID-19引发的免疫抑制使高温适应阈值降低约15%
- 双重暴露情境下劳动效能衰减呈现非线性叠加（β1+β2+β12=0.481，p<0.001）

2. 结构性困境解析：
- 经济压力驱动"带病工作"（家庭收入<3万美元群体参与概率高出2.3倍）
- 教育程度负向调节作用（高中以下学历者工时损失达0.484小时/周）
- 语言能力悖论（英语流利者因信息获取优势反而工时更少）

3. 政策优化路径：
- 建立气候-疫情复合型风险评估体系（建议整合NWS极端天气预警与CDC疫情数据平台）
- 推行"健康工时银行"制度（参考加州农工健康保护法案AB1413）
- 完善跨境劳动者健康保险（覆盖样本中34%的无医保群体）
- 开发智能温控劳动配额系统（基于实时环境监测调整工时）

五、研究局限与未来方向
1. 样本局限性：280份有效问卷中男性占比72%，可能与农工性别分布存在偏差。建议后续研究采用分层抽样技术。

2. 机制深化需求：现有数据无法完全捕捉心理韧性等潜在变量。建议开展纵向追踪研究，结合生理指标监测（如心率变异性HRV）量化压力累积效应。

3. 政策扩散障碍：加州农业区实施的概率配额管理（Average Daily Work Hours System）与本研究样本特征存在差异，需开展跨区域比较研究。

本研究首次实证揭示了极端气候与公共卫生危机的协同放大效应，为制定韧性劳动政策提供了关键证据。特别发现双重暴露情境下，工人通过调整劳动强度而非完全退出市场的策略，这种"减量工作"模式可能引发农业机器人替代率上升等次生效应，值得后续研究关注。