空氣污染對人體健康的影響：基于健康生產函數方法的研究

摘要 研究經濟轉型過程中環境污染對人體健康影響的深層機理，是當前迫切需要解決的重大問題。利用山西省臨汾市的空氣污染資料，描述了1985－2005年臨汾市的空氣質量狀況，并根據臨汾市2003－2005年的月空氣污染指數和呼吸系統疾病發病門診量，估計了臨汾市空氣污染對呼吸系統疾病門診量的邊際貢獻率。實證結果表明，空氣污染指數對臨汾市呼吸系統疾病發病率具有顯著的影響，其他影響因素還有季節、煙草人均消費量和城鎮人均可支配收入。根據實證結果，認為：如果我們繼續走“先污染后治理”的傳統經濟增長道路，那么最終將會損害當地的健康人力資本，進而制約經濟的可持續增長。

關鍵詞 健康生產函數；空氣污染；健康

中圖分類號 F407.21；C913.3 文獻標識碼 A 文章編號 1002-2104（2008）05-0205-05

長期以來，對空氣污染與健康問題的定量研究始終是環境科學和醫學工作者富有挑戰性的課題。已有文獻通過橫截面研究、病例-對照研究以及隊列研究開展了高濃度的空氣污染物（如粉塵、二氧化硫等）對健康損害的定量估計，如優勢比、相對危險度等等。但在當前經濟發展過程中，這些研究結果遠遠不能滿足當前環境對健康影響研究的需要，因為空氣污染對健康造成的損害還在進一步的加劇，持久性的污染還在相當范圍內存在。

1 資料的收集

空氣污染的作用受氣象、地理、行為等因素的影響很大，幾乎不可能找到理想的對照人群，這給定量空氣污染的健康損害效應帶來了困難。為此，我們只能從宏觀角度考察臨汾市空氣污染指數對當地呼吸系統疾病發病率的影響。

1.1 調查對象

受空氣污染物、氣象和患者門診就診情況等數據資料的可獲得性的影響，本文選取山西臨汾市作為觀測點，以典型抽樣的方法選取臨汾市幾個大型醫院（包括臨汾市第一人民醫院、臨汾市衛校附屬醫院、臨汾市鐵路醫院、臨汾市第四人民醫院、臨汾市堯都區第一人民醫院）為觀測樣本，調查從2003年1月1日至2005年12月25日為期三年間，月呼吸系統疾病患者門診就診的原始記錄等，同期月均空氣污染物指數和氣象數據來自臨汾市環境檢測部門和臨汾市氣象局。其他相關數據來自臨汾市統計局。

1.2 調查內容

用于研究的數據包括健康結果變量和空氣污染物指數、氣象數據、城鎮居民人均可支配收入、城鎮居民人均醫療保健支出等數據，下面對這些數據做具體的介紹。[KG)]

（1）健康指標，采用調查地區在觀測期內醫院每天所有呼吸系統疾病患者的門診人次數，呼吸系統疾病主要包括哮喘、氣管炎、支氣管炎、上呼吸道感染、肺炎、扁桃體炎、肺氣腫等幾種主要的疾病。

（2）空氣污染指標，采用調查地區在觀測期內每天主要空氣污染物數據，包括：二氧化硫(SO₂)指數，氮氧化物(NOX)指數、空氣動力學直徑小于10μm的微粒(PM10)，由于環境監測站只能提供日空氣污染指數和首要污染物，因此在月均值上采用算術平均法來計算首要空氣污染物的月均指數。

（3）氣象指標，氣象因子作為主要考慮的混雜因子進入研究，主要收集的指標有觀測期日均最高溫度、最低溫度、相對濕度等氣象資料，溫度特別是日均氣溫是主要的氣象指標，所有的研究都使用了這一指標。

（4）其他混雜因子資料，收集了一些特殊事件資料，如流行性感冒等等，另一些混雜因子也是要充分考慮但不需要收集資料，它們是：季節性(seasonality)、日歷效應(calendar effects)、時間趨勢(time trend)。

2 臨汾市空氣質量狀況的描述性分析

20世紀90年代中期以后，臨汾市空氣質量主要受到二氧化硫(SO₂)，二氧化氮(NO₂)、總懸浮顆粒（TSP）、可吸入顆粒物(PM10)4項污染物的影響，廢氣排放總量在不斷增長，但是其增長速度在下降；SO₂濃度呈上升趨勢，NO₂基本保持了平穩的水平，TSP自1985年以來濃度呈下降趨勢（見表1）。總的來說，臨汾市在最近幾年的空氣質量狀況有所好轉，污染等級已經由極重污染降為嚴重污染，顆粒物和二氧化硫污染均有不同程度的減輕，表2詳細描述了2001－2005年間的空氣污染狀況。從表2中可以看出，近幾年，影響臨汾市空氣質量的主要污染物是顆粒物（PM10）和二氧化硫(SO₂)。

染），最大值為423，達到重度污染（301－500為重度污染），[CM)]應用30天移動平均數反映PM10指數的變動趨勢（見圖1），1月、11月和12月達到了污染的最高峰，5月到9月污染程度最低；SO₂的日均指數為118.86，屬于輕度污染，其最大值為212，達到中度污染（201～300為中度污染）。

注：由于變量有366個觀測值，其實際值有很大的隨機波動性，在圖中不能直接反映其變化趨勢，因此文章采用30天移動平均數來代替實際值描述變量的發展趨勢。觀測期內呼吸系統疾病門診患者共199 30人次，日均門診量為55人次，最高為280人次，呼吸系統疾病患者門診就診變化情況也用30天移動平均數表示（見圖1）。

根據觀測期內日門診量、影響空氣質量的污染物日指數等數據進行相關性分析，結果表明，呼吸系統疾病患者門診量與PM10的簡單相關系數達到了0.806 5，經單側顯著性檢驗，在0.05水平上具有統計上的顯著性，表明兩者間有正相關關系。PM10和門診量的劑量－反應關系見圖2。

4 空氣污染對呼吸系統發病率（門診量）的健康生產函數分析

在分析了空氣污染物與地區呼吸系統疾病發病率之間有正相關關系的基礎上進一步估計空氣污染物對呼吸系統發病率的邊際貢獻率［1］。在空氣污染和健康研究的文獻中，研 究者一般采用單純研究各空氣污染物對發病率的作用大小［2］，即建立單一種空氣污染物和發病率之間的回歸模型，而不考慮其他影響發病率的因素，這樣就會使得估計結果出現統計上的“偏誤”，不能得出空氣污染對疾病影響的精確結果。為了彌補這一缺陷，本文采用Grossman提出的健康生產函數理論，分析空氣污染物指數對呼吸系統疾病發病率的邊際貢獻率。

4.1 理論模型

健康是一種商品，這是從經濟學理論的角度評價健康的前提。為了獲得健康，人們愿意對自身的健康進行投資。個體的健康狀況，受個人的收入水平、個人天生所具有的健康存量、周圍的環境質量、上一期的健康狀況、上一期消費的與健康有關的商品、衛生醫療服務支出等等，總之，影響健康的因素很多，有些可以直接觀測到，比如個人的收入水平、個人的醫療服務支出等，而有些卻不能直接觀測到，像個人天生的健康存量等。但是無論是可觀測的變量，還是不可觀測的變量，它們之間進行優化組合就可以生產出健康，因此可以像研究一般商品的生產函數那樣來研究個人的健康生產函數，與一般商品的生產函數不同之處在于在健康生產函數當中包括了對健康產出有負影響的污染因素，這是本文研究的重點所在。

自從Grossman提出了健康生產函數的雛形后，很多學者根據不同研究目的構建了各種健康生產函數模型［3～5］。

本文采用了以下健康生產函數分析框架：

h=F(Y，S，V)（1）

在這里，Y代表了經濟狀況指標的人均向量，S和V分別代表人均社會及生活方式因素指標和環境因素指標。具體化為：

ht=(y1t，y2t，…ynt;s1t，s2t，…，smt；ν1t，ν2t，…νgt)（2）

用微分法把上式細化成具體的形式為

ht=ПyaiitПsβjjtПνγkkt（3）

這里的αi，βj，γk都是彈性系數。

把健康生產函數兩邊取對數后的式子：

Lnh=αi(lnyi)+βj(lnsj)+γk(lnνk)（4）

4.2 空氣污染對呼吸系統疾病發病率影響的估計結果

4.2.1 變量的選取

（1）對因變量的選取。這里的h是個人的健康狀況。研究健康生產函數，如何度量健康是關鍵的問題。然而，對一個地區人群健康狀況的直接度量是非常困難的［6］，因此研究者們提出用與健康狀況相反的變量度量健康，一些研究者提出用出生時的期望壽命測量。一些研究者等用年齡調整死亡率作為衡量健康的變量［7］。Cutler和Richardson借鑒衛生領域的研究，通過建立生命周期效用模型衡量健康［8］。在國內，劉國恩等介紹了4種常用的衡量指標［9］。趙忠等用生活質量指標來衡量中國城鎮居民的健康狀況［10］。本文用與環境污染有關的疾病發病率作為衡量健康狀況的指標。有兩個原因，第一，本文所要研究的重點是環境污染對人體健康的影響，并不是所有的疾病都與環境污染相關，如果用期望壽命或死亡率作為因變量，將減少環境污染對人體健康狀況所造成的邊際貢獻率；第二，疾病死亡率所測度的主要是環境污染對健康影響在死亡維度上的情況，而對健康其他維度的情形如發病、失能和不適（mobility、disability和discomfort）等則未充分反映，因此用疾病發病率能更加準確地描述環境污染對人體健康造成的影響。

（2）對自變量的選取。①經濟因素向量的選取：Auster [WTBX]et al[WTBZ]、Thornton和Bichaka Fayissa等都用選用人均GDP來衡量人群的收入水平，期望對健康生產有一個正的影響，因為收入高的人一般可以消費質量更好的商品和服務，居住條件更好和享受更好的有利于健康狀況的醫療服務。然而，一些學者認為在超出一些影響的臨界水平外，高收入不再帶來更好的健康。事實上，可能導致產生壓力和不健康的生活方式，而這種生活方式對健康狀況影響不利。進一步講，收入增加，人們可能會選擇對健康更不利的飲食，開快車，減少鍛煉等等［7， 11］。本文選用城鎮居民家庭人均可支配收入（y1）作為衡量人群的收入水平；一些實證研究用地區擁有的衛生設施存量，像每1 000人擁有的衛生機構床位數、每1000人擁有的衛生機構醫生數等來度量在健康上的支出。然而，Hadley認為用人均醫療保健支出要比用地區醫療設備供應量更合理的衡量了人們對健康生產的投資［12］，因此本文選用城鎮居民家庭人均醫療保健支出（y2）作為衡量衛生服務狀況的指標。②生活方式因素向量的選取：已有研究表明，生活方式和衛生醫療資源享受狀況等因素都對居民的健康水平產生影響。本文選用城鎮居民家庭人均煙草購買量（s2）作為衡量生活方式的因素。③環境因素變量的選取：包括空氣污染指數（ν1）和月均溫度（ν2）。④控制變量的選取：按月份或按季節數據的許多經濟時間序列呈現有季節模式，個人或群體在空氣污染中的暴露時間隨季節的變化而變化，因此我們選擇了季節虛擬變量（D1，D2，D3），如果是春天，D1＝1，如果是夏天，D2＝1，如果是冬天，D3＝1。

4.2.2 實證結果

本部分利用2003-2005年的月空氣污染指數和月呼吸系統疾病門診量，實證研究空氣污染指數對健康狀況的影響和檢驗，基本的計量模型如下：

Lnht=αYLnYt+βSLnSt+γVLnVt+φCCt+μt（5）

ht代表不同時期的呼吸系統發病率，Yt是經濟因素向量，包括城鎮居民家庭人均可支配收入y1t，城鎮居民家庭人均醫療保健支出y2t，St是社會及生活方式向量，本文選取城鎮居民家庭人均煙草購買量s1t，Vt是環境因素向量，本文選取PM10的月均指數ν1t作為空氣污染指數，選取月均溫度ν2t為氣溫因子，Ct是控制變量向量，本文的控制變量選取的是季節虛擬變量（D1，D2，D3）。αY，βS，γV，φC，分別是向量參數，μt是誤差項。Grossman認為不僅良好的健康狀況獲得需要醫療保健和收入，而且反過來醫療保健和收入的獲得也需要良好的健康狀況，二者之間互為因果，因此為了獲得健康生產函數的一致性估計，估計方法選擇二階段最小二乘法。

表3列出了應用2SLS方法的健康生產函數估計結果。估計結果顯示，這個模型解釋了臨汾市2003-2005年呼吸系統發病率的72.1%。PM10的估計參數是0.222，t-統計量是2.326。說明在臨汾市可吸入顆粒物PM10對呼吸系統發病率的影響顯著，PM10月均污染指數每變化1%，所引起的呼吸系統疾病發病率增加0.222%。從而也證實了在臨汾市2003-2005年可吸入顆粒物PM10是造成呼吸系統發病率的主要污染源。醫學也證明可吸入顆粒物（PM10）被人吸入后，會累積在呼吸系統中，引發許多疾病。對粗顆粒物的暴露可侵害呼吸系統，誘發哮喘病。細顆粒物可能引發肺病、呼吸道疾病，降低肺功能等。一些可吸入顆粒物來自污染源的直接排放，比如煙囪與車輛。另一些則是由環境空氣中硫的氧化物、氮氧化物、揮發性有機化合物及其他化合物互相作用形成的細小顆粒物，它們的化學和物理組成依地點、氣候、一年中的季節不同而變化很大。另一個需要關注的是城鎮家庭人均醫療保健支出y2t，估計參數是0.106 8，t-統計量是1.041，這個 結果說明在對呼吸系統發病率高的臨汾市而言，醫療支出的邊際貢獻率在統計上不顯著，與Auster的分析結果類似。從表3中還發現虛擬變量D1在呼吸系統發病率中的重要作用，春天臨汾市呼吸系統發病率比其他季節的發病率要高23.73%。同時也證實了吸煙對呼吸系統發病率的影響存在統計上的顯著性。

另一個值得注意的問題是解釋變量之間的多重共線問題，直接用OLS估計模型，發現模型存在多重共線問題，污染指數和城鎮家庭人均醫療支出之間的關系，直接計算這兩個變量的相關系數，發現它們之間的簡單相關系數為-0.467，顯示了中度相關，但是這還不能認為它們之間有線性關系，還需要用一次差分來看差分后的相關性，結果顯示，差分后這兩個變量的簡單相關系數只有-0.060 7，從而證實了這兩個變量之間存在偽相關。因此污染指數和城鎮家庭人均醫療支出之間不存在真正意義上的線性關系，即模型中的解釋變量之間不存在嚴重的多重共線問題。

5 結 論

本文用地區數據證明了臨汾市空氣污染和呼吸系統

疾病的月均門診量之間存在顯著的相關性，進一步用健康生產函數方法研究了臨汾市的空氣污染對人體健康影響的程度。根據研究結果得出如下結論：

空氣污染對人體健康影響的經驗分析存在顯著性，表明臨汾市空氣污染對人體健康影響存在明顯的負效應，而且這種負效應已經成為疾病發病率的主要原因。在經濟發展面臨資源和環境約束的情況下，如果我們仍然走“先污染后治理”的傳統經濟增長道路，那么最終將會損害了當地的健康人力資本，進而制約經濟的可持續增長。

(編輯：溫武軍)

參考文獻(References)

［1］World Bank. Cost of pollution in China.2007［B/OL］.www.worldbank.org/eapenvironment.

［2］田文華. 城市空氣污染健康損失的經濟學研究疾病損失為對象的上海實證分析［D］. 上海：復旦大學，2002. ［Tian Wenhua. Economic Study on Health Losses by Urban Air Pollution: a Case Study of Illness Losses in Shanghai［D］. Shanghai: Fudan University，2002.］

［3］Cropper， Maureen L. Measuring the Benefits from Reduced Morbidity［J］. American Economic Review， 1981， 71(2):235～240.

［4］Schultz，T Paul， Tansel. Wage and Labor Supply Effects of Illness in Cote d` lvoire and Ghana: Instrumental Variable Estimates for Days Disabled［J］. Journal of Development Economics， 1997， 53(2):251～286.

［5］Christophe Muller. A Health Production Function for QuasiAutarkic Agr icultural Households in Rwanda［J］. The European Journal of Development Research， 2001，13(1):87～105.

［6］Bichaka Fayissa， Paulos Gutema. Estimating a Health Production Function for SubSaharan Africa［J］. Applied Economics， 2005，37(2):155～164.

［7］Richard Auster， Irving Leveson，et.al. The Production ofHealth， an Exploratory Study［J］. The Journal of Human Resources， 1969，4(4):411～436.

［8］Cutler， D M and E Richardson. Measuring the Health of the U.S. P opulation［R］. Brookings Papers on Economic Activity: Microeconomics. 1997：217 ～271.

［9］劉國恩，William H. Dow等.中國的健康人力資本與收入增長［J］.經濟學， 2004， 4(1). ［Liu G.， William H. Dow et al. Health Human Capital and Income Growth in China［J］. China Economic Quarterly， 2004，4(1).］

［10］趙忠，侯振剛. 我國城鎮居民的健康需求與Grossman模型——來自截面數據的證據［J］. 經濟研究，2005， (10).［Zhao Zhong， Hou Zhengang. Health Demand in Urban China and Grossman Model: Evidence from Crosssectional Analysis［J］. Economics Research Journal， 2005，(10).］

［11］Rodgers， GB. Income and Inequality as Determinants of Mortality: An International Crosssection Analysis ［J］. Population Studies， 1979，(33):343～351.

［12］Jack Hadley， Anthony Osei. Does Income Affect Mortality? An Analysis of the Effects of Different Types of Income on Age/Sex/RaceSpecific Mortality Rates in the United States ［J］. Medical Care， 1982， 20(9):901～914.