空气污染、空间外溢与公共健康 本文关键词：外溢，空气污染，健康，空间
空气污染、空间外溢与公共健康 本文简介：摘要空气污染对居民公共健康的影响，引起了人们高度的关注。但大多数学者研究从样本的独立性出发且不考虑内生性问题，忽视区域之间空间相关性，所得结论和政策建议需谨慎对待。为了弥补上述不足，本文基于Grossman中国宏观健康生产函数，选取2001—2014年中国广东省珠江三角洲9个城市作为样本
空气污染、空间外溢与公共健康 本文内容：
摘要 空气污染对居民公共健康的影响，引起了人们高度的关注。但大多数学者研究从样本的独立性出发且不考虑内生性问题，忽视区域之间空间相关性，所得结论和政策建议需谨慎对待。为了弥补上述不足，本文基于Grossman中国宏观健康生产函数，选取2001—2014年中国广东省珠江三角洲9个城市作为样本，选择以PM10和PM2.5作为空气污染的代理指标，在充分考虑空间效应和严格假设检验的基础上选择合适的空间计量经济学模型，对此进行实证研究。主要研究结果显示：空气污染对居民的公共健康带来了负面影响，即PM10和PM2.5每增加1%，导致哮喘疾病和内科门诊等疾病人数不断上升，且影响都比较大，尤其是对哮喘疾病的影响分别为0.2236%和0.2272%。经济增长对公共健康均有显著的促进作用，影响最大；其它财政医疗支出、卫生技术人员和人口密度等要素对居民公共健康的影响较小。由于空气污染的负外部性，研究还发现，区域之间空气污染的“溢出效应”对领域居民公共健康存在显著的影响，说明忽视空间自相关性的存在，会使得空气污染对公众健康的估计产生偏差。从长期看，空气污染对本地居民公共健康的直接效应都显著为正，PM2.5间接效应显著为负，但PM10间接效应并不显著。因此，各级政府除了在源头上治理污染物的排放，提高公共健康水平外，还应该打破各自为阵的行政垄断，应该作为一个整体，实现跨区域环保合作，共同治理和制定公共卫生政策等。这对区域之间协同减排和保护居民公共健康具有重要的理论和现实意义。
关键词 空气污染；外溢效应；空间面板模型；公共健康；经济增长
中图分类号 X196文献标识码 A文章编号 1002-2104（2017）09-0035-11DOI：10.12062/cpre.20170469
长期以来，我国在经济发展的过程中，更多的关注经济的增长，忽略了环境资源价值，甚至在一定程度上以牺牲环境为代价。而且伴随着工业化和城市化进程不断加速，能源大量集中消耗，导致城市区域大气污染日趋严重，表现为大气能见度严重下降，雾霾锁城事件频繁发生。而愈发严峻的空气污染，对居民的公共健康的影响也引起了人们高度的关注。在此背景下，如何分析空气污染所带来的公共健康问题具有极为重要的意义。
珠江三角洲地区（珠三角）是我国最大的工业生产区，市场最繁荣的城市群，也是我国相对其它地区空氣污染较严重的地区之一，备受人们关注。据最新统计数据显示，2015年珠三角PM2.5区域平均浓度为35 ug/m3，各市平均浓度范围在27—40 ug/m3之间。伴随着“区域经济一体化”进程的加快，区域之间距离不断缩小以及大气污染长距离扩散的自然属性，使得整个区域内所有城市也呈现出“区域污染一体化”的趋势[1-2]。据研究，珠三角各市空气质量受区域内其他城市污染源的影响程度约为10%—30%。也就是说，各城市的空气质量除受本市的污染源影响之外，还受到周边城市污染源不同程度的影响。因而，治理环境健康问题不仅仅是一个行政区的问题，而且还是一个区域性的问题，必须考虑到区域之间影响，即大气污染问题与其周边地区存在空间依赖性。但是，鲜有经济学文献对其环境健康效应进行系统且严谨的识别。医学和环境学者大都基于个体或非随机样本且不考虑内生性问题，且较少关注区域性之间环境健康的空间交互影响，所得结论及政策建议均需谨慎对待。
因而，本文试图从空间的角度，以PM10和PM2.5污染物为主的典型珠江三角洲为例，一是分析区域之间空气污染（PM10和PM2.5）对公共健康的影响？二是探讨一个地区的空气污染增加是否对邻域的公共健康产生影响？这些研究是有益的补充，极具社会现实性和研究的迫切性。其意义在于，第一，保护环境的重要性，理解环境资源价值。第二，认识降低环境污染对经济可持续发展和公共健康的现实意义。这有助于地方政府进一步了解经济增长和公共健康的环境代价。从而实现中央政府提出的“环境友好型社会”和推进“健康中国”战略。
1 文献回顾
环境污染对健康的影响及所带来的经济损失等问题，引起了政策制定者和经济学者的兴趣，开始逐渐地认识到环境健康问题研究中经济学的价值和意义。环境对健康的研究是以Grossman开创的健康生产函数为起点，并在此基础上Cropper[3]、Gerking[4]引入环境污染到健康生产函数中，证明了污染对健康折旧率的影响。学者认为在生命周期中，除年龄外，环境污染是影响健康折旧率的重要因素，环境污染严重地区的居民普遍面临着健康存量加速折旧的冲击[5]。现有的研究以此为研究基础，主要是从环境健康关系、环境健康效应评估和环境健康的差异性等方面进行研究。
国外学者开展大气污染对居民健康的影响或风险进行了一系列研究，第一，分析不同污染物和健康状况之间的关系。其中，许多学者研究显示不同污染物与生命预期寿命之间有统计学意义和存在显著的负相关，即不断增加的污染物对预期寿命和疾病带来不利的影响[6-8]。近几年，有学者发现主要使用的泊松回归和传统的广义线性模型等传统方法，不能有效剔除影响健康的内生性问题而产生偏差，主要表现在测量偏差和遗漏变量问题[9-10]。于是人们采用面板数据运用工具变量估计法或两阶段最小二乘法来解决[11-12]。第二，危害健康带来的经济损失程度也被许多学者关注。不同时期国内外相关研究结果均表明，空气污染引发疾病或致死而造成的健康经济损失是巨大的[13-14]。其主要是根据污染剂量效应和人口暴露-响应原理的解析法评估环境污染对居民健康的经济损失程度[15]。在研究内容方面，空气污染引发疾病或致死而造成的健康经济损失主要包括疾病医疗成本、疾病保健成本、过早死亡导致生产力的损失和健康质量的下降[16-18]。为了降低环境健康损失，一些学者从交通等角度分析人们乘交通行为方式的改变，所带来的环境改善和健康成本收益的问题[19-21]。第三，环境污染健康效应区域（群体）差异性分析。在研究环境对健康的影响时，我们不能忽视结构效应影响，即环境污染对不同地区或群体的健康的影响存在差异。研究发现发展中国家空气污染产生的货币化疾病负担，贫困家庭的更明显[22]。有的学者发现污染物对不同发展程度的国家均有影响，且存在差异性，而且除了污染之外，还认为社会经济因素有更强的影响[12]。因此，可以说环境健康绩效的异质性看似围绕个体的差异[23]，实际很大程度上是经济发展水平、医疗保健支出等要素造成的。
纵观国内研究，起步较晚，主要是参照国外的理论和方法进行研究。一方面从区域及行业的角度采用解析法评估环境健康损失效应。从区域的角度，评估单个地区不同SO2、PM10等气体的暴露水平及由于能源结构优化所减少的人群健康损失[24-25]；以及预测未来不同能源消费情景下单个地区SO2等气体排放量及其引发的公共健康经济损失评估[26-28]。另一方面，较少学者采用统计与计量分析法研究环境污染与公共健康之间的关系，其主要局限于特定地区，实证检验二者之间的关系[29-30]。近几年，少数学者就两者之间因果识别进行研究，其中有的学者以单一地区为研究对象，运用Grossman函数模型分析空气污染物等要素对居民健康需求的影响[31-32]。有的学者以面板数据并利用计量模型研究空气质量等要素对公共健康的影响[33]，并对男女差异性以及发达国家与发展中国家居民健康效应差异作比较分析[34]。在对中国112个重点城市的研究中显示经济发展越落后，污染的健康经济负担就越严重，且呈现出明显的累退分布[35]。与此同时，有的学者在研究环境污染与公共健康时，也考虑到了公共健康存在遗漏变量等内生性问题[36-37]。总之，中国学者参考国外的理论与方法更多地引用空气暴露系数关注环境健康损失评估，而采用计量的方法分析空气污染与公共健康的因果识别较少，鲜有人从空间的角度分析空气污染对公共健康影响的研究。
纵观国内学者，医学和环境领域文献大多基于个体或非随机样本对空气污染与公共健康进行了大量而富有成果的研究，较少从空间的角度对其进行系统且严谨的因果识别。现有的研究仍需谨慎对待。第一，引入空间面板计量模型分析，准确分析空气污染与公共健康之间的关系。打破传统的面板回归通常假定各个地区的要素是相互独立的假设，这显然与现实存在偏离，如经济、空气污染等客观因素使得一个地区的公共健康必然会受到邻近地区的影响，因而如果忽略这种空间相关性的影响，模型估计将是有偏的或产生错误的参数检验[38]。第二，空气污染等要素对公共健康影响有多大，区域之间“越境污染”是否对邻近区域公共健康有影响？因此，分析区域之间在空间交互的作用下不同驱动要素对公共健康影响的空间效应包括直接效应和溢出（间接）效应，有待深入研究。
2 空间计量模型的构建与变量选择
2.1 空间计量模型设定
环境污染对健康的影响研究源于Grossman在1972年首次建立的健康生产函数来分析居民的健康微观需求，该函数考虑了包括收入方式、健康水平、教育、环境等多方面因素，居民的健康状况除了受环境影响外，还受其他诸多因素的影响。在此基础上，由Cropper[3]、Gerking[4]不断改进和完善。同时参考曲卫华[33]、卢洪友等[34]和赵忠[39]等人的研究。将居民的健康影响因素确定为经济、社会、教育、医疗卫生与环境，由此健康生产函数可以表示为如公式（1）所示：
其式（1）中，H代表健康水平，Envi、Phce、Eco、Doc、Pop分别代表环境、医疗支出（占GDP的比重）、经济、人均医疗卫生技术人员与人口密度等变量。α1，α2，α3，α4和α5为解释变量的弹性系数，Ω为初始健康状况的估计值。
由于区域之间空气污染的相互影响。因此，本文从空间视角来评估空气污染等要素对公共健康的影响，一般采用空间计量模型。为了不失一般性，本项目采用空间杜宾模型（Spatial Dubin Model SDM），它是空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM）的一般形式，其表达式为：
上式（2）中，yit为被解释变量，xit为解释变量，c为常数项，δ为空间自回归系数，β与θ分别为待估系数，ε为残差项。xitβ为区域自变量对因变量的影响，δ∑Nj=1Wijyit为空间滞后项，表示各空间单元（i=1，…，N）的解释变量在时间t时（t= 1，…，T）的观测值所组成的π×1阶因变量；εit是独立且同分布的随机误差项；ui和λi分别表示空间和时间效应。本文构造空间变量：W·自变量（W·空气污染）、W·因变量来刻画PM2.5以及公共健康的空间外溢。W·自变量（W·空气污染）表示一个地区周围其他地区的空气污染对该地区公共健康的影响，即通过其他地区空气污染的加权和来衡量空气污染的“溢出效应”。W表示為空间权重，计算各个空间元素之间存在关联与相互影响程度，一般用0和1来表示（相邻为1，不相邻为0）。
对于自变量影响的测度，根据空间杜宾模型估计得参数测度其影响程度是不准的，长期看空间效应的存在可以将解释变量对被解释变量的影响效应分解为直接效应和间接效应[40]，其中直接效应表示各区域自影响因素的改变对该地区本身公共健康的影响，间接效应表示影响因素的改变通过空间交互作用潜在地影响所有其它地区公共健康（被解释变量）。可以将上述公式（2）转换为一般形式为：
被解释变量对第K个自变量的偏导数微分方程矩阵为：
上式（4）中，定义右边矩阵元素值和的平均值为直接效应，非对角线元素所有行与列元素和的平均值为间接效应，反映其他区域自变量对区域因变量的影响。
由于空间模型都是从全域计算空间相关性，因而空间回归模型中变量可能存在内生性问题，对上述模型的估计如果仍采用普通最小二乘法（OLS），则会产生系数估计值有偏或无效[38，41]，Anselin建议采用极大似然法（ML）来估计空间计量模型参数。其好处在于一方面能够克服传统OLS估计中的变量内生性问题而产生的估计偏误；另一方面又科学地反映了区域之间要素的相关性。
2.2 指标选取及数据说明
我国居民的公共健康受到环境、经济条件、生活方式、社会因素和医疗水平等诸多复杂因素影响。在选取影响因素时，根据前人研究，按照对影响人们公共健康的影响程度和资料获取的难易程度进行甄别，提炼出具有代表性的影响因素（见表1）。
公共健康：本次研究主要选择与大气污染相关性较强的呼吸系统疾病和循环系统疾病作为健康危害指标。本研究选择与可吸入颗粒物污染相关的急性健康效应终点包括哮喘发病和内科门诊次数为公共健康代理指标。综合考虑国内流行病学研究现状及数据的缺乏，所以本文选择与大气污染物存在定量的暴露-反应关系计算而来。考虑到不同地区暴露-反应关系系数应该有所差异，所以本文参考国内流行病学研究资料，在国内研究数据严重不足时，再考虑参考其他地区资料。具体参数及计算过程请见参考文献[42]。并根據世界卫生组织推荐的参考浓度值，PM10和PM2.5分别是40 ug/m3和10 ug/m3为基准值，表示低于或等于此值对人体公共健康的影响可以忽略不计，以此来研究不同颗粒物污染暴露水平导致的疾病变化。
空气污染：本文主要基于以下三点选取PM10和PM2.5为研究对象，主要原因在于：第一，中国环境的污染主要来源于工业排放，许多学者研究表明空气污染物排放物的增加对公共健康影响更大，因此，也是诸多学者首选的空气污染指标之一；第二，与其他环境要素相比，空气环境的外生决定性和外溢性更强，这在一定程度上减轻了内生性问题[43]；第三，国民整体暴露于空气环境中的概率比在其他环境要素中要高，这在一定程度上弥补了使用宏观数据可能存在的缺陷[34]。
其它控制变量：为了尽量减少其它变量遗漏所造成的估计结果有偏差，在模型中增加了影响公共健康的其它控制变量。主要包括：经济水平：经济水平的测量指标相对较成熟，大多数以人均GDP表示，它反映了某个区域的经济发展状况。因此，本项目在模型中引入人均GDP考察公共健康与经济发展之间的关系。公共卫生水平：公共卫生水平包括人均医疗支出（用占本地区GDP的比重来表示）和人均卫生技术人员（人/万人）等影响因素，它的提高是有利于居民健康的改善，也被许多学者所采用[33-44]。人口密度：更大的人口密度可以使在有限财政预算约束下的卫生服务能够更便捷地被人们获得[45]，研究中许多学者也采用了人口密度作为影响健康生产的主要变量[36]。
本研究选取2001—2014年中国广东省珠江三角洲9个城市作为样本（珠江三角洲城市群包括广州、深圳、珠
海、佛山、东莞、中山、江门、肇庆、惠州等9个城市）。空气污染（PM10和PM2.5）数据收集基本原则是先国内后国外，其中部分数据来源于《珠三角各地区各年环境公报（2002—2015）》统计而来，缺失部分借鉴已有研究方法[42]，采用转换系数PM2.5/PM10=0.7对颗粒物的暴露反应关系系数进行转换；另一部分区域PM2.5浓度参考哥伦比亚大学国际地球科学信息网络中心（Battelle Memorial Institute，CIESIN，2013）测定的全球浓度年均值；其它部分数据主要来自《中国广东省统计年鉴（2002—2015）》和《珠三角各地区统计年鉴（2002—2015）》。为了消除异方差影响，本文所有被解释变量和解释变量都取自然对数。
3 实证研究
3.1 空间检验
正确的模型设定是保证实证结果真实可靠的前提。首先，需要测算未考虑空间相关性因素的普通面板数据模型（OLS），对残差进行空间自相关性的LM和Robust LM检验，来判断模型的空间相关性及何种面板计量经济学模型。从表2中发现，在LM检验中LMlag和LMerror的P统计值均在1%的水平下显著，说明建立空间数据模型比较恰当。此外，从LR检验显著性可知，Robust LMlag和Robust LMerror分别在5%和1%的水平下显著。根据Fischer[46]提出的模型检验原则，说明变量之间具有空间相关性，非空间传统面板模型估计不足。但是，由此还不能确定是采用哪种空间计量模型，还需进一步对空间杜宾模型SDM进行Wald估计和LR检验，看是否可以简化成SLM或者SEM模型。从表3和4可知，Wald和LR检验结果均在1%的水平下显著，表明本文选择SDM是合适的。在回归之前，进行Hausman 检验，通过1%的显著性水平检验，所以固定效应模型更为合适，因此，本文采取固定效应下的杜宾模型研究空气污染对公共健康的空间效应。
3.2 空间杜宾模型检验与估计分析
为了表示模型选取的合理性，我们进一步把不同固定效应下SVM模型的结果进行比较研究。其中，不同固定效应分为无固定效应（NONF）、空间固定效应（SF）、时间固定效应（TF）、空间和时间固定效应（STF）。我们进一步综合分析不同固定效应下的空间模型调整后的R2和自然对数似然函数值LogL，以及解释变量估计系数的经济学含义，发现空间固定效应下的SDM模型研究空气污染等要素对公共健康的影响，更具有合理性。因此，选择空间固定效应下的空间杜宾模型研究空气污染等要素对公共健康的影响。其计算结果如表3和4所示。
空气污染PM10和PM2.5都通过1%的显著性检验，估计系数显著为正。说明空气污染对居民的公共健康带来了负面影响，即PM10和PM2.5颗粒物的增加带来哮喘疾病和内科门诊等疾病人数不断上升，且影响都比较大，尤其是对哮喘疾病的影响更大，分别达到每单位变化0.223 6和0.227 2。这与许多研究结构结论大体一致的。目前流行性病学公认的各种大气污染物中，可吸入颗粒物（PM10），细颗粒物（PM2.5）与人群健康效应最为密切。而且一些研究，如世界卫生组织2002年的报告指出，发展中地区25%的死亡可归结于环境原因，而在发达地区，只有17%的死亡归于此类原因。在发达国家，20%的上呼吸道感染可归结于环境原因，在发展中国家则上升到42%。《全球疾病负担2010报告》表明，中国2010年因室外PM2.5已成为中国公共健康的第四大危险因素。所以，污染物对哮喘疾病的影响较大。这主要原因在于，珠三角地区工业发达，广州、深圳、佛山和东莞等地区城市集中了较多的电厂和工厂，以及随着人们生活的提高，不断增加的汽车尾气排放，使得珠三角地区污染浓度不断累积，最终导致了颗粒物污染（PM2.5和PM10）对居民公共健康有较大的负面影响。
《
空气污染、空间外溢与公共健康》由：
免费论文网互联网用户整理提供；
链接地址：http://www.csmayi.cn/show/210989.html
转载请保留,谢谢!
