區域氣候變化對中國人口死亡率的影響

摘要：文章構建了氣候變化影響人口死亡率的面板模型，利用分段函數方法得到氣候變化的代理變量，采用我國2004～2010年的日平均降雨量、日平均氣溫和人口死亡率的省域數據，建立了氣候變化影響我國居民人口死亡率的面板模型。研究發現，人口死亡率一氣溫曲線呈現u型，并且曲線左低右高，在5～10℃區間人口死亡率最低，高溫時病菌等更容易損害人體免疫力和抵抗力，導致人口死亡率增加。同時區域經濟發達程度能夠顯著地影響人口死亡率，區域人均GDP每增加1萬元能夠降低人口死亡率0.1342人/千人，更高的生活質量和醫療服務條件是經濟發展降低人口死亡率的重要原因。最后本文對模型進行了6種形式的擴展，發現模型具有良好的穩健性。

關鍵詞：氣候變化；人口死亡率；面板模型

中圖分類號：C92-05 文獻標識碼：A 文章編號：1000-4149（2013）03-0020-06

一、引言

過去的100年，地球經歷了以全球變暖為主要特征的氣候變化，根據IPCC第四次評估報告，1906～2005年，全球地表平均氣溫升高了0.74℃，本世紀氣候將繼續變暖，且速度超過過去一萬年中的任何時期。中國是氣候變暖最顯著的國家之一，近百年來地表平均氣溫升高了1.1℃，自1986年以來經歷了21個暖冬，2007年是自1951年有系統氣象觀測以來最暖的一年。氣候變化通過氣溫、水文和生態系統對人類健康產生影響，如熱浪或極寒等極端氣候事件、大氣中有害氣體的含量增加等，氣候變化使得病菌、寄生蟲及敏感源更為活躍，真菌孢子、花粉和大氣顆粒物濃度增加，使人群免疫力降低，疾病的發病率增加。根據世界衛生組織的統計，每年全球的痢疾患者和瘧疾患者中，分別有4%和2%的人的發病原因是由于氣候變化，全球每年因氣候變化而死亡的人數超過10萬人，如果這一情況不能得到有效改善，到2030年，每年將有30萬人死于氣候變化。但目前為止我們對于氣候變化如何影響人類的健康還一無所知，只有加強氣候變化影響人體健康的研究，才能采取適當措施減緩氣候變化的不利影響。

我國人口的平均預期壽命已經達到相當高的水平，根據第六次全國人口普查詳細匯總資料計算，2010年我國男性人口平均預期壽命為72.38歲，比2000年提高了2.75歲；女性為77.37歲，比2000年提高了4.04歲，但全國平均水平掩蓋了顯著的區域差異，過去20年，我國人口平均預期壽命不斷提高的同時，其區域差異進一步擴大。同時我國幅員遼闊，各地區氣候類型復雜多樣，既有熱帶、亞熱帶和溫帶季風氣候，也有溫帶大陸性氣候和高原氣候。本文對研究我國復雜區域氣候如何影響人口健康提出了新的估計方法，即從時間變化和空間分布兩個角度考察，利用省際面板數據模型，使用分段函數方法得到氣候變化的代理變量，研究各區域氣候變化與人口死亡率的關系，由于數據全面，使得結論更有說服力，本項實證研究對于準確評價氣候變化對我國居民社會生活造成的負面影響具有重要意義。

二、文獻綜述

氣候變化與人口關系已有的研究主要采用整合評估模型（IAM），它整合了經濟、人口、社會、技術、海洋、陸地、能源與大氣等因素，通過評估影響氣候變化各因素的變化趨勢及其之間的動態關系，研究不同因素條件下氣候變化的可能結果和范圍。該方法能夠研究人口因素，如人口年齡結構、家庭規模變動、城市化等與氣候變化的關系，但IAM模型中往往含有大量的變量，甚至有上百個參數需要估計，如果要研究氣候變化與人口的關系就需要將其他因素設定為常量，這將嚴重影響估計結果的可信度。

其他研究方法還有克林克伯格（Klinenberg）利用相關分析方法研究了美國的人口死亡率和氣溫變化，研究發現極低溫度和極高溫度都與人口死亡率存在顯著的相關關系。戴斯庫尼斯（Deschnes）等人利用回歸方法研究了美國氣溫變化與居民人口死亡率的關系，認為氣溫對于人口死亡率具有非線性的影響，在15～20℃時，人口死亡率是最低的，隨著溫度降低或升高，人口死亡率都會增加。王麗榮等人利用統計分析方法，整理了廣州市、上海市10個冬季和夏季的逐日死亡數據和氣象資料，發現在最高溫度達34℃的高溫天氣死亡率明顯增加，冬季死亡率隨最低溫度的下降而略有增加。方博等人利用相關分析方法研究了2003～2007年上海市低溫寒流季節超額死亡率，發現氣溫驟降和天氣急劇變化影響居民生命健康，導致居民死亡率的增加。

三、計量模型與數據

氣候變化有著豐富的內涵，氣溫和降雨量是氣候變化最重要的指標，對其他氣候條件的變化有重要的影響，同時在氣候變化的眾多指標中，氣溫和降雨量指標也是對人口死亡率產生最直接影響的指標。所以本文在討論氣候變化對人口死亡率的影響時，使用的是氣溫變化和降雨量變化這兩個指標。

1.回歸方程

人口死亡率的回歸方程如下：

其中，DR_ct是第c個省第t年的人口死亡率；ε_ct是隨機誤差項；Rain_ctj和Temp_ctj用來描述每年降雨量和氣溫波動的情況。Rain_ctj是第c個省第t年的不同降雨量的天數，將24小時的降雨量每5毫米分成1個區間，超過50毫米的歸為1個區間，共11個解釋變量；Temp_ctj是第c個省第t年的日平均氣溫的天數，將日平均氣溫每5℃分為1個區間，低于-5℃的歸為1個區間，高于30℃的歸為1個區間，共9個解釋變量。γ_st是固定效應指標，表示不隨時間變化的各省之間的差異水平。設計降雨量每5毫米為1個區間和氣溫每5℃為1個區間是為了能夠更精確地確定降雨量和氣溫變化對人口死亡率的影響。本文的實證研究假定人口死亡率回歸方程能夠得到θ_j和δ_j向量的無偏估計向量，通過固定效應模型控制不隨時間變化的各省之間的差異水平，而且由于氣象數據的波動是隨機的，所以待估參數與人口死亡率是正交的，θ_j和δ_j向量通過各省之間降雨量和氣溫波動數據是能夠被識別的。

2.數據

本文所采用的降雨量和氣溫數據來自國家氣象信息中心數據應用服務室共享服務辦公室，由于各省內都有大量的氣候數據采集地點，如北京有3個采集點，新疆有68個采集點，如果把各省采集點的數據取平均值，計算量繁復，也需要確定各采集點的權重問題，所以本研究統一采用省會的數據代表各省的平均降雨量和氣溫，由此產生的測量誤差在可接受的范圍內。具體的數據采集點如下（括號內是氣象站編號）：北京（54511）、天津（54527）、石家莊（53698）、太原（53772）、呼和浩特（53463）、沈陽（54342）、長春（54161）、哈爾濱（50953）、上海寶山（58362）、南京（58238）、杭州（58457）、合肥（58321）、福州（58847）、南昌（58606）、濟南（54823）、鄭州（57083）、武漢（57494）、長沙（57687）、廣州（59287）、南寧（59431）、海口（59758）、重慶奉節（57348）、宜賓（56492）、貴陽（57816）、昆明（56778）、陜西榆林（53646）、敦煌（52418）、西寧（52866）、銀川（53614）、烏魯木齊（51463）。

本文得到30個省市2004—2010年的日平均氣溫和日24小時降雨量數據，然后將每年30個省市的日平均氣溫合并排序，從而得到2004～2010年的日平均氣溫的各分位數值。2007年的最低氣溫數值為-20.4℃，是2004～2010年度最高的，比第二高的2008年還高3.2℃；各年的日平均氣溫中位數處于16.2～17.3℃，波動幅度較小；2008年的最高氣溫為33.7℃，是各年當中最低的，具體統計分析見表1。

人口死亡率、居民人口數和各地區GDP數據來自于《中國統計年鑒》，其中各地區GDP數據利用GDP平減指數統一調整到以2004年為基期。GDP平減指數計算方法首先利用本年度名義GDP除以上年度名義GDP，得到GDP的名義增長率，再減去《中國統計年鑒》給出的GDP增長指數，可以得到GDP平減指數。

四、實證分析結果

1.實證結果

從模型回歸結果可以看出，11個降雨量解釋變量只有1個通過了5%水平的顯著性檢驗，氣溫變化所有9個氣溫區間解釋變量都在5%水平下通過了顯著性檢驗，且人口死亡率與氣溫變化呈現非對稱u型曲線，相對來說，溫度較高時的人口死亡率高于溫度較低時的人口死亡率。人口死亡率在日均氣溫低于5℃的時候基本保持一致，在5—10%區間的時候最低，此時的溫度屬于氣象意義上的涼爽天氣，也是體感較舒適的天氣。隨著日均氣溫的升高，人口死亡率線性增加，當氣溫處于25～30%區間的時候達到最高，具體結果見圖1。之所以在日均氣溫高于30%區間時人口死亡率略有下降，可能是由于此時屬于氣象意義上的炎熱標準，人群的戶外活動因此受到限制，死亡率反而比25～30%區間略有下降。氣溫處于25～30%區間的回歸系數為0.10727，氣溫處于5～10%區間的回歸系數為0.09145，這意味著氣溫處于25～30℃區間比處在5～10%區間的天數每多一天，人口死亡率要上升0.01582（0.10727-0.09145）人/千人。

實證結果表明極端氣溫對人類的健康有很大的影響，人的正常體溫是通過機體調節產熱和散熱的動態平衡而實現的，暴露于高溫或低溫中的人溫度調節能力和溫度敏感性均變差，這就使維持身體正常體溫的能力降低，導致人口死亡率增加。而且患有心腦血管病或循環系統障礙的人，極端氣溫使得體溫調節系統處于超負荷狀態，增加死亡的危險。所以極端氣溫往往導致超額死亡率，這也是影響人口死亡率的重要外部因素。

2.穩健性分析

本研究對人口死亡率模型進行了6種形式的擴展來分析人口死亡率與氣溫變化關系的穩健性，分別為：①不含降雨解釋變量，即在模型中剔除未通過顯著性檢驗的11個降雨解釋變量，只保留截距項和氣溫變量；②人口死亡率對數，在原始模型的基礎上對被解釋變量取對數再進行回歸；③含氣溫變量的1階滯后項，在原始模型的基礎上加入9個氣溫變量的1階滯后項，建立動態面板模型；④含AR項，在原始模型的基礎上加入AR（1）項進行自相關修正；⑤采用2006～2008年的數據，對原始模型采用2006—2008年的數據進行回歸；⑥含人均GDP項，在原始模型的基礎上加入人均GDP項，分析我國各地的經濟發展程度對人口死亡率的影響。

由圖2可以看出，6個擴展模型與原始模型氣溫變量的回歸系數較接近，都呈現類似的非對稱的u型，其中不含有降雨解釋變量、人口死亡率對數、含AR項、2006～2008年數據，這4個擴展模型中氣溫解釋變量都通過了5%水平的顯著性檢驗；含人均GDP模型的氣溫解釋變量通過了10%水平的顯著性檢驗，顯示人口死亡率模型具有很好的穩健性。

如表2所示，擴展模型①，剔除降雨變量后，氣溫解釋變量能夠獨立解釋人口死亡率的變化；擴展模型②，對人口死亡率取對數后，只是改變了各回歸系數的數量級，將模型的總殘差平方和從8.59降低到0.27；擴展模型③，加入氣溫變量的1階滯后項后，氣溫變量和其1階滯后項都未通過顯著性檢驗，但氣溫變量的回歸系數與原始模型相比并未發生大的波動；擴展模型④，AR（1）的系數通過了1%水平的顯著性檢驗，加入AR項后模型的DW值從1.81提高到2.08；擴展模型⑤，利用2006～2008年的數據進行回歸分析，模型的系數估計結果與2004～2010年數據較接近，說明我國人口死亡率與氣溫變化的關系具有很好的穩健性，不隨時間維度選擇發生大的波動；擴展模型⑥，加入人均GDP項之后，方程回歸系數為-0.1342，且通過了5%水平的顯著性檢驗，說明在相同的氣候條件下，區域經濟的發達程度能夠顯著地影響區域人口死亡率。具體來說，區域經濟越發達，人口死亡率越低，區域人均GDP每增加1萬元能夠降低區域人口死亡率0.1342人/千人。

擴展模型的實證結果說明經濟發展能夠有效降低人口死亡率。首先是因為經濟發展會增加公共衛生服務支出，在患病時人們能夠及時得到必要的基本醫療服務，特別是在經濟發展水平較低的時候，公共衛生的邊際支出效果更顯著，因此，在經濟水平不發達時，經濟發展對降低人口死亡率的基礎作用會非常明顯；其次是因為隨著經濟水平的進一步提高，居民生活質量、飲食、居住和環境條件等也相應提高，良好的生活質量是居民健康的重要基礎，同時人們對于高質量生活的追求，能夠促進健康教育的傳播和普及，提高了人們的健康意識，培養良好的衛生習慣，這也能夠有效降低人口死亡率。

五、研究結論

本文對我國多樣的區域氣候影響人口健康提出了新的研究方法，利用我國2004～2010年省際面板數據，研究區域氣候變化與人口死亡率的關系。研究發現氣溫變化對人口死亡率具有顯著的影響，9個氣溫解釋變量中有8個通過了顯著性檢驗，降雨量對人口死亡率不具有解釋能力，降雨量指標在人口死亡率方程中都沒有通過顯著性檢驗。人口死亡率與氣溫變化呈現非對稱的u型曲線，曲線左低右高，在氣溫屬于5～10%區間時人口死亡率最低。加人人均GDP項后，方程回歸系數是-0.1342，且通過了5%水平的顯著性檢驗，說明發達的區域經濟能夠顯著地降低區域人口死亡率，區域人均GDP每增加1萬元能夠降低人口死亡率0.1342人/千人，更高的生活質量和醫療服務條件是經濟發展降低人口死亡率的重要原因。文章對模型進行了6種形式的擴展，估計結果顯示方程具有良好的穩健性。

氣候變化對人類健康的影響仍然存在許多未知領域，如氣候變化影響人口死亡率的機理、氣候變化與健康預警以及和氣候變化相關的疾病負擔等。同時我國目前與氣候相關的法律法規基本上只關注減緩溫室氣體排放層面，缺乏對氣候變化影響公共衛生領域的關注，需要在后續相關研究的基礎上制定適合我國公共衛生領域的應對氣候變化的政策。同時本文僅研究了氣候變化和經濟發達程度對人口死亡率的影響，其他因素如城市化水平、教育程度等本文并沒有進行相關的實證分析，這也是后續研究可以探討的方向。