轉軌期中國空氣污染的社會經濟損失評估

張鳳林　楊曉

摘要：以我國中西部地區的老工業城市西安為例，從邊際損害的視角出發，運用APEEP模型亦即綜合評價模型估算環境空氣污染造成的多種損害及其社會成本體現。研究結果表明：與以往流行的平均損害估算方法相比，邊際損害估算方法具有可以明確區分不同區域污染損害強度差異的特點，從而更適宜為制定有針對性的減排政策及服務于經濟可持續發展的規制目標調整提供科學依據。

關鍵詞：環境空氣污染；邊際損害；社會成本估算；APEEP模型；環境減排政策；暴露量；健康損害；社會凈收益

中圖分類號：F205 文獻標識碼：A 文章編號：1007-2101（2015）04-0087-08

一、以往的研究概況與本文的分析視角

近30年的中國經濟轉軌促進了經濟的高速增長，但同時也帶來了嚴重的環境污染問題。如何采用科學方法來估算環境空氣污染造成的損害，并基于社會福利最大化的目標實施治理對策，已經成為保證社會經濟可持續發展的重要前提之一，它也是環境經濟學與福利經濟學等相關研究領域面臨的重要挑戰之一。一般來說，有關環境污染損害估算的研究多是基于所謂“暴露—反應關系”，并形成了可計算一般均衡模型（CGE）的動態分析和關于污染排放實驗與政策綜合評價模型APEEP（the air pollution emission experiments and policy）的靜態分析兩大類。前者注重于環境污染隨時間延續的損害累積效應及相關聯動效應，進而估算其社會經濟損失（Matus等，2012；Nam等，2010）。后者主要關注特定時點（例如某一年）的污染，通過利用代表性的物質來模擬環境變化過程中的機制并對環境狀況進行評估，以此為基礎來估算污染損害量及其造成的社會總成本損失。現有的國內外文獻大多是按照第二類研究思路展開，本文也遵循此種思路。

按照綜合評價模型的靜態分析思路來估算污染造成的社會成本，涉及到兩方面的具體技術與方法問題。其一，究竟是從平均損害（AD）的視角還是從邊際損害（MD）的視角來估算總損害量（GAD）。以往流行的研究均采用平均損害估算的視角，但是近幾年美國學者Muller等人開辟了邊際損害估算的新視角（Muller和Mendelsohn，2007；Muller et al.，2011）。基于邊際損害視角的估算雖然在對于總損害的估算方面與基于平均損害視角的估算并無本質性區別，然而由于引入了邊際損害的概念可以獲得更多的有關污染的結構性信息，從而得出更豐富的結論與政策含義。例如，估算污染物的邊際損害將有利于針對不同的污染物制定不同的減排政策；通過比較各種污染物的邊際損害量與邊際減排成本，又可以獲悉不同政策的福利后果；此外，估算不同空間結構下的邊際損害，也可以為制定區域間差異性的減排政策提供理論支持。其二，如何將所估算的污染損害的物量值轉化為貨幣量值，進而評估污染造成的社會總成本或福利損失。目前這方面的方法呈現多樣化，諸如：關于健康損害的貨幣量值轉化，由于難以直接找到對應的市場價格，常用疾病成本法（Huang等，2012）、人力資本法（World Bank和China SEPA.，2007；岳立，2011）、顯示性偏好法（Muller等，2011）以及陳述性偏好法（Hammitt和 Zhou，2006；陳仁杰等，2010）等從不同角度推算或賦值；農業損害主要用直接市場價值法（過孝民等，2009）；林業損害主要用直接市場價值法（Muller等，2011）或影子工程估算法（霍書浩和丁桑嵐，2011）；建筑材料損害主要借助恢復費用法和成果參照法（過孝民等，2009）。

目前，國內在空氣污染總量損害估算（World Bank和China SEPA.，2007）以及減排邊際成本計算（涂正革，2009）等方面，取得了不少研究成果。但是，總體來說仍存在著明顯不足：第一，估算的覆蓋范圍過窄，多數總量估算只關注某一方面損害（通常是健康損害或者農作物減產），很少有多方面的估算；第二，估算的方法和程序相對單一，均采用平均損害估算方法，在邊際損害估算方面留有空白。

本文嘗試彌補上述兩方面的不足。借鑒國外學者的最新研究成果，采用邊際損害估算的新視角，以西安市的數據為例，對于城市空氣污染造成的損害及其社會成本體現進行更為準確的評估與計算。以期表明：基于邊際分析原理的損害估算方法，不僅具有理論框架與估算結果上的精確性，而且具有環境規制政策操作上的有效性。

二、基于邊際原理的空氣污染損害物量估算

根據經濟學的基本原理，實現社會福利最大化的目標要求任何經濟活動的邊際成本等于邊際收益。污染物作為企業生產的正常物品的伴生物，其最優或最適度排放量，應當確定在其為社會帶來的邊際負效用或邊際損害與企業減排或治理污染的邊際成本相均等的水平，這也成為政府實施環保政策的基本理論依據。由此，也就產生了從邊際損害視角計量污染程度的必要性。

從邊際損害視角出發依據APEEP程序進行污染損害估算，主要遵循以下步驟：首先是選擇污染因子和危害對象。其次是確定污染水平和覆蓋面。在此基礎上，將分別就各種污染因子引致的不同方面的損害有針對性地予以評估，并進而計算其邊際損害及總損害量，之后是開展替代性實驗。

（一）污染因子及危害對象的選擇

污染因子的選擇依據《環境空氣質量標準》（GB3095—2012）中規定的大氣污染基本項目，共5種污染物，分別為SO2、PM10、PM2.5、NO2、O3-8h，其中O3-8h指1天中最大的連續8小時的臭氧濃度均值。這些因子不僅損害健康，而且對農業、森林、建筑材料、能見度等方面也不同程度地造成損害。具體影響見表1。

（二）污染濃度與暴露量的確定

本文使用的年日均濃度值（μg/m3）是西安市從2013年1月1日至12月31日期間的日濃度算術平均值。由于環境空氣中污染物的濃度并不一定精確地等于暴露群體所遭受的污染水平，故在用前者替代后者時需要謹慎地避免出現較大偏差。本文選用西安市9個行政區域中監測子站的數據來分別代表各區域的污染水平，以此來縮小可能的偏差②。之所以這樣做是因為，一方面由于西安市本身的地理范圍和空間范圍就比較小，另一方面由于利用監測子站的分布對西安市進行了進一步細分，而監測子站可以更好地對常住人口進行覆蓋，實時監測濃度能夠較好地反映常住人口的暴露水平。endprint

暴露量的計算涉及人群、農業、林業及建筑材料等多個方面，由于數據收集的限制，除污染物濃度、降塵量、污染天數、酸雨PH值外，其余數據均采用2012年的數據。其中各個區劃的暴露人群數量、家庭戶數、農作物播種面積、年末機動車輛數均源于《西安統計年鑒（2013）》，而健康終端的發生率、建筑材料暴露面積、清洗衣物增加的天數以及清洗車輛增加的次數等數據均來源于相關年鑒、文獻及資料的整理和推算。

（三）污染損害的實物量評估方法

本文盡可能全面地估算空氣污染造成的各種損害，使其涵蓋多個領域，諸如健康、農業、林業、建筑材料、能見度以及額外清洗等。具體估算方法將因損害所涉主體的不同而有所區別。

1. 關于健康損害估算。健康損害分為早亡和患病兩類，這兩類健康終端在不同程度上影響著“消費者”的生命價值、生產力水平及閑暇效用。估算的核心問題是在暴露的人群當中，多少人的健康終端可以歸因于環境空氣污染。所依據的暴露—反應方程為：fpi=fti·exp[？茁i·（Cp-Ct）]，其中，fpi、fti分別表示污染物在實際濃度下和參考濃度下健康終端i的發生率（死亡，門、急診等）；βi表示健康終端i的暴露—反應關系系數，含義為污染物每增加1μg/m3，健康終端i增加的百分比；Cp、Ct分別表示污染物的實際濃度、基線值或參考濃度值。如果βi、fpi、Cp和Ct已知，即可求出fti，從而歸因于環境空氣污染物的健康損害可表示為fpi和fti的差值。再根據公式E=■（fpi-fti）·Pe對各種健康終端進行加總，即可獲得健康危害的總效應，其中n、Pe、E分別表示健康終端i的類別、各類別暴露人口數、損害合計數。

估算健康損害時，系數βi尤為重要，它通常由人群流行病學研究給出。本文借鑒并篩選了現有的關于βi系數研究成果，大多是源于過孝民等的研究。然而，并不是所有污染因子的各類健康終端的反應系數都具備，例如O3、NO2和PM2.5的反應系數就相對缺乏。PM2.5和O3濃度的實時監測從2013年才開始在全國大范圍展開，其前期研究成果也相對較少。基于可靠性與可行性考慮，本文對βi系數的選取僅限于SO2、PM10、PM2.5三種因子。除暴露反應系數外，還需獲得各健康終端的發生率，由于沒有完備的統計數據，只能通過借鑒或者推算來獲得。具體系數值見表2。

健康損害估算還需考慮污染物的基線濃度。流行病學的相關研究表明，污染物在一定濃度下會危害身體健康，但某些污染物的健康損害率閾值尚沒有明確定論。不過顆粒物與健康損害存在著相關性，其中顆粒物粒徑越小危害程度越大。考慮到污染物的健康終端效應和控制其濃度的政策意義，我們分別以GB、WHO指導值作為基線值進行估算，另外在研究PM2.5和PM10時增加了零值。估算三種背景下健康損害可能帶來的經濟損失，將可以了解不同政策目標下的減排收益，以及檢驗健康損害對濃度基值選取的敏感性。具體取值見表3。

2. 關于農業損害估算。環境空氣污染對農業的減產損失主要源于SO2及其在一定氣候條件下所形成的酸雨⑩。本文借鑒張林波等以及世界銀行（張林波等，1998；World Bank和China SEPA.，2007）等研究采用的評估方法，即對不同濃度的SO2或不同PH值的酸雨下的農作物進行逐一評估，從而獲得不同農作物的反應系數。張林波等研究表明：SO2對農作物產生危害的閾值為SO2>40μg/m3，酸雨相對應的閾值為PH<5.0。以此為基礎結合西安各區域的實際情況可知{11}，2013年西安市有三個區域（未央區、閻良區和臨潼區）的農作物受到SO2的危害。受損量的計算公式為：Wi=Qi×Ri/（1-Ri），其中W表示農作物受損實物量，Q表示農作物的實際產量，R表示農作物的減產比例，i表示不同種類的農作物。具體反應關系見表4。

3. 關于林業損害估算。環境空氣污染不僅使農業減產，還可能導致森林遭受損害，對森林的損害主要指直接木材損失、林業經濟產品損失和生態功能損失。而此類損失的主要污染物也是SO2和酸雨，相關研究表明二者的具體閥值為SO2>50μg/m3和PH<5.3，其計算方式與農業損失計算方式相似。由于西安的SO2濃度和酸雨PH值均不處于危害值范圍內，故林業損害可忽略。

4. 關于建筑材料損害估算。SO2和酸雨會使材料腐蝕加速，建筑物和橋梁受損，各種保護層失效，人類文化遺產受到嚴重破壞。從目前的研究文獻來看，對材料損失估算的研究主要集中于建筑物及各種保護層的損失，而對文物或文化遺產損失的估算鮮有研究，主因是文化遺產的核算的項目繁多且操作程序較為復雜。現有的估算大多采用兩類方法，一是成果參照法（經驗估計法），二是各類材料的濃度反應關系。本文采用后一種方法，借助濃度反應關系和建筑物材料的暴露存量來獲得各種建筑物材料的實物量損失，再將其轉化為貨幣損失的量值。計算公式為：C=（1/L-1/L0）×S，其中C、L、L0、S分別表示材料的損失面積、污染條件下材料的壽命、對照區清潔條件下材料的壽命、材料的暴露面積。L和L0均可通過濃度反應關系獲得，材料暴露面積的獲得則較難。獲得暴露面積較好的方法是衛星遙感數據和實地調查相結合，但目前對暴露存量進行遙感分析和大規模調查的研究較為缺乏。現有的文獻均用已有的暴露存量人均占有量（d）乘以常住人口（Pe）的方法來估算暴露面積。對于d的獲取多數參照已有的研究成果，例如過孝民等用太原和濟南人均暴露占有量的均值來代替四川人均占有量來估算材料損失；葉堤在研究大氣對材料鋅的腐蝕中，借用Tidblad的人均推薦值進行計算（2007）；世界銀行使用廣州、太原和濟南的人均占有暴露均值來推算中國南方省區空氣污染對材料的損失。本文用與西安氣候條件相似的太原和濟南的人均占有量均值作為d的取值。

5. 關于能見度損害估算。能見度損害主要指空氣污染導致民眾交通出行困難、心理情緒低落以及風景欣賞受限所引致的損失。黃德生對北京市約1 400個樣本進行問卷調查的結果顯示，在中國現階段，能見度下降對大多數居民都產生了直接或者間接影響（2013）。這說明能見度已經成為公共環境物品中一個重要方面。但是，公眾難以對具體能見度進行準確測度和效用感知，最終導致鮮有文獻估算能見度損失。本文嘗試以污染天數（輕度、中度、重度、嚴重污染）來近似替代能見度受損天數，計算公式為：V=D×Pe，其中V、Pe、D分別表示能見度損失的總天數、受影響的人數和受影響的天數。D用2013年西安污染的總天數（227天）來表示，其中PM2.5、PM10、O3為首要污染物的天數分別為138天、56天、33天；Pe用15歲以上常住人口來表示。endprint

6. 關于清洗費用增加量的估算。清洗費用的增加主要指由空氣污染（粉塵、降塵增多）所導致的家庭衣物清洗費用、機動車輛清洗費用等的額外增加量。額外清洗衣物費用指由于清洗衣物次數增加造成居民戶閑暇時間減少或者勞動量增加、清潔用品消耗及衣料折舊的額外損耗增加。清洗次數的增加量可用清洗增加的天數來近似計算，因此額外清洗衣物所增加的總天數可表示為：每戶額外清洗衣物的天數×家庭戶數，而清潔用品消耗以及衣料折舊費用，由于數據所限只能采用通常的估算方式，即此費用按額外清洗衣物費用的20%{12}計。同樣，額外清洗車輛的總次數可以表示為：額外清洗車輛總次數=單位車輛額外清洗次數×機動車輛總數。清洗衣物增加天數的選擇主要根據西安的降塵量來決定。由于不能獲得每個區域具體的降塵數據，因此只能用平均數來近似代替，《西安環境監測動態》顯示2013年降塵均值約為17.7噸/平方公里·月{13}。這一數據與2009年蘭州的18.89噸/平方公里·月較為接近，因此以岳立對蘭州2009年降塵污染產生的清洗費用增加的估算結果作為參考，即以10天作為西安市居民戶每年額外的清掃和清洗時間。而對機動車輛的額外清洗次數參照宋赪等對西安的研究結果，即機動車額外增加的清洗次數為41次/車·年（宋赪等，2006）。

（四）邊際損害及總損害的估算

根據上述估算程序以及關于污染損害范圍、各種參數與口徑的界定，可分別估算出單個來源地單一污染因子對應某一濃度的物量損害，而變更污染濃度，即令單一來源地的單一污染物濃度增加1單位，又可獲得新濃度水平下的損害量。將兩個損害量相減便獲得了單一來源地單一污染物的邊際損害量，它可以精確地顯示隨著污染濃度增加總損害增加的幅度。將對應不同污染濃度的邊際損害量累積相加，便可求出某來源地單一污染物造成的損害總量。依此步驟可以計算出所有來源地的所有污染物的損害總量。表5給出了這一結果。其中，健康、農業和建筑材料的實物損害量是從邊際損害視角估算得出的，其余兩項的污染損害量則是采用相對簡單的方法進行核算。

（五）替代性實驗

替代性實驗的做法是在計算出基年每一區域單個污染物損害的基礎上，分兩次變更污染濃度并觀察結果。第一次實驗是把1單位濃度的單一污染物同時增加到所有來源地，然后用總污染的變化量除以濃度的變化量，以此獲得所有來源地的單一污染物的平均邊際損害（AMD）；依此程序分別計算出所有污染物的AMD，最終用污染物各自的AMD乘以其相對應的濃度得到其損害，將其相加即得到污染物的損害總量。第二次實驗是將濃度增量幅度變為1%單位，然后進行類似計算。

替代性實驗的目的在于，通過比較不同估算方法的結果考察它們的特點及適用性。對MD與AMD估算結果進行比較，可以從側面驗證兩種視角的估算結果是否一致及其總體可靠性。MD與AMD比較則可以揭示平均視角在一定程度上掩蓋了邊際損害所可能表達的信息。而對比AMD1單位濃度與AMD1%單位濃度的估算結果還可以進一步發現地區之間差異性的來源，因為從1單位到1%單位的變化把不同來源地污染物濃度的基值考慮進來，進而得到對不同來源地排放量進行加權后的平均邊際損害。最后對各區域的MD進行比較，有助于了解各區劃單一污染物的具體危害程度以及不同區域、不同污染物損害之間的差異。

本研究主要針對健康損害進行了替代實驗。實驗結果（見表6）首先證明了MD視角的估算具有可靠性。從表6可知，MD估算的實物量損害結果與AMD估算基本一致，只是在某些終端MD的結果要稍小，二者間的差異可從（AMD-MD）/AMD的結果中得到。差異的原因一方面在于，在一定范圍內，隨著污染物濃度的升高，其損害會不斷增加，但其邊際卻在遞減{14}；另一方面則在于，空氣污染因子的濃度基值較高，使得MD值稍低，進而拉低損害總量。同時，AMD1單位和AMD1%單位濃度的計算結果與MD計算的結果也基本保持一致，略有上下浮動，但浮動幅度不大，其中死亡人數的AMD計算結果與MD計算結果基本一致，無差異幅度。而其他終端的上下浮動主要是由于AMD計算掩蓋了各個區劃之間MD的差異性（β值和暴露人口直接影響MD）以及不同來源地濃度值的間接影響共同作用。

此外，表6的實驗結果還驗證了MD視角比AMD視角更具優勢的地方，即它可為政策制定提供關鍵的信息。首先，AMD計算的健康損害可反映來源地濃度差異所引致的總差異，其中AMD1單位濃度對所有來源地都給予了同樣的權重，未對不同來源地不同的濃度進行區分，而1%單位濃度的增量可以彌補此缺點。雖然實驗結果表明兩種AMD估算的結果之間存在著較小的差異，差異小的主因是西安市不同區劃間的地域范圍較小，進而使得區劃差異在AMD1%濃度的計算過程中沒有得到明顯的體現。但AMD 1%單位濃度計算的結果更與MD的結果接近，這與Mueller等人的結論一致。其次，暴露人口之間的差異也會造成總量結果之間的差異，這一點經常會被政策制定者所忽略。根據本文研究，西安市區的實物損失約為郊區的2.5倍～2.7倍，但這種總量損害的差異并不能簡單表明郊區污染比城區輕，它很可能是郊區常住人口較少的一個結果（西安市2012年末市區常住人口約是郊區常住人口的3.2倍）。如果考慮到暴露人口是影響總損害量的一個因素，就不能簡單地根據損害總量實行“一刀切”式的減排政策（其后果必然是“重城輕鄉”），而需要更為精細化的操作。最后，MD方法的突出優勢還體現在，可以根據不同區劃同一污染物以及同一區劃不同污染物MD的異質性，有針對性地為制定環境減排政策提供可靠依據。研究結果表明，不同區劃的同一污染物的MD之間存在著明顯的差異性。MD越大說明在目前環境污染狀況下，污染物每增加1單位濃度，該區劃所受的健康損害也就越大，因而在制定減排政策時，要以優先考慮MD同時兼顧總量信息為原則來展開，方能使社會凈收益達到最大化。

三、空氣污染損害引致的社會成本估計

將實物量損害轉化為貨幣量值，既是比較不同來源地的污染損害以及不同污染物的損害從而科學實施減排政策的需要，也是從宏觀上準確評估一定時期環境空氣污染造成的社會總體經濟損失與福利代價的要求。對此，需要針對不同類型的污染損害依次采用適宜的方法。endprint

環境空氣污染造成的健康損害主要分為患病住院或門診損失和早亡損失兩部分。門診和住院的貨幣損失估算，可以通過疾病成本法（COI）進行估算，而早亡的貨幣損失估算，分別用陳述性偏好法中的支付意愿（WTP）與修正的人力資本法（AHC）進行評估。COI包括直接成本和間接成本，直接成本指住院或門診的直接診療費用和醫藥費，間接成本指患者住院所致的誤工損失（按日均GDP折算）、交通及陪護費用。對于后者，我們選取《第四次全國衛生服務調查分析報告》中大城市中次均住院和門診間接費用與直接費用之比來近似作為間接費用的系數，因此住院費用和就診費用可用以下公式來表示：

住院費用=住院人次×（1.064×人均住院直接費用+住院天數×日人均GDP）{15}，

就診費用=就診人次×（1.05×人均就診直接費用{16}+0.5×日人均GDP）。

關于早亡的貨幣量值轉化，WTP雖然從理論上講比較完美，但限于各種條件在中國的實用性尚有限（Wang和Mullahy，2006；Hammitt和Zhou，2006），故需要結合使用AHC方法作為適當補充。前者可以作為上限值，后者作為下限值。本文以Wang和Mullahy對重慶的調查結果為基礎，估算出一個統計壽命年價值（VSL）：VSLxa=VSLcq×（Ixa/Icq）e。其中VSLxa表示2012年西安城鎮居民的統計壽命年價值；VSLcq表示重慶1998年居民的統計壽命年價值，其價值為28.6萬元；Ixa與Icq分別表示2012年西安市城鎮居民家庭人均可支配收入（29 982元）和重慶1998年城鎮居民家庭人均可支配均收入（5 467元，與西安當年的人均收入5 670元較為接近）；e代表收入彈性，設定為1（Huang等，2012）。AHC方法在估算污染引起早亡的經濟損失時，把人均GDP作為一個統計壽命年對社會的貢獻，故而是從社會角度來評估人的生命價值。其計算公式為：AHC=GDPpc0×■（1+？琢）i/（1+r）i，其中AHC、GDPpc0、t、r、α分別表示修正的人力資本、基年的人均GDP、平均損失壽命年、社會貼現率及人均GDP增長率。在國內的相關研究中，t一般選取18年；r一般取8%（趙越，2007）；α取《西安統計年鑒2013》中“十一五”時期年平均人均GDP年增速13.9%作為參考值；GDPpc0以西安2012年人均GDP（51 166元）作為基準。綜合起來，早亡的經濟損失的上下限值可表示為：V=De×VSLxa和V=De×AHC，其中De表示早亡的人數。

對于農業和建筑材料損害的貨幣價值估算，可使用直接市場價值法，即用市場價格把實物量損害和貨幣損失聯系在一起。因而農業損害的貨幣價值等于各種農作物實物量損害乘以其相應的收購價格或者銷售價格，其中2012年小麥、棉花、油菜籽的國家收購價格分別為：2 040元/噸{17}、20 400元/噸{18}和5 000元/噸{19}，蔬菜的平均銷售價格為4 000元/噸{20}。建筑材料損害的貨幣價值等于各類材料損失量乘以其各自維修或更新的價格，各相關價格均以過孝民等的調查數據為基礎，并經過物價指數修正，限于種類繁多故不再詳細列出。

能見度損害的貨幣轉化，用能見度損失總天數乘以單位WTP來估算。我們參照黃德生的研究結果，當改善3個單位的能見度時，受訪者的WTP均值為363元/人·年（中位數為100元/人·年）。考慮到其調查結果存在一定的偏斜程度，故選擇中位數近似作為西安居民對能見度改善的WTP。因此能見度損害的貨幣價值可表示為：污染天數×暴露人口×WTP/365。此一數值可能有某種向下偏差，這主要是因為西安是一個重要的旅游城市，能見度在人們主觀效用評價中的地位相較于一般城市來說更為重要。

清洗費用的貨幣增加額等于清洗衣物和車輛增加額之和，額外清洗衣物的貨幣價值等于額外清洗增加的總天數乘以戶日均工資再加上清潔用品消耗和衣料折舊費用，而額外清洗車輛的價值等于額外增加的總次數乘以次均價格。相應的計算方法為：額外清洗衣物費用=1.2×戶均清洗增加天數×家庭戶數×日均工資；額外清洗車輛費用=額外清洗次數×汽車輛數×次均價格。其中總戶數為175.48萬戶，民用汽車為1 380 125輛{21}，日均工資為44元{22}，戶均清洗增加天數為10天，車輛額外清洗次數為41次/年，車輛次均清洗價格為15元{23}。

綜合上述各項，便可以將2013年西安市環境空氣污染導致的各種實物損害轉化為貨幣量值，即得到空氣污染導致的社會成本或福利損失額，具體見表7。表7顯示：（1）在本文估算的范圍內，按照國家大氣一級標準，2013年西安市空氣污染造成的總損失約為42.56億元～44.24億元，約占2012年西安市GDP總值的0.97%～1.01%。其中健康損害造成的價值損失比重較大，約為40%～42%；清洗費用損失也比較大。（2）PM2.5和PM10的損害要大于SO2的危害{24}。

需要注意，按照上述步驟來估算污染損害造成的社會成本價值，仍然會由于各種參數選取等因素而影響其準確性。對此可以采用敏感性分析方法來驗證導致不確定性的具體因素及其影響程度。敏感性分析是指一個或幾個參數的估計值發生變化時所引起的最終結果相應變化及其敏感程度。藉此，可以了解各參數對結果的影響程度，以便改善這些參數的質量，準確把握評價的結果。為此，筆者進行了兩方面的敏感性分析，具體情況見表8和表9。

從表8可知GB背景下，不同α下的GAD/GDP的變動值為0.94%～1.01%，同樣WHO標準和0值背景下，其范圍變化分別為0.98%～1.05%和1.02%～1.11%；相似地，當α不變時，背景標準對GAD/GDP的影響范圍為0.94%～1.11%。從變化范圍來看，GAD/GDP對濃度基值以及人均GDP增速變化不敏感。

從表9可知，如果單從影響GAD的角度來看，人均GDP的增速以及不同的背景濃度都會對其產生影響。以α=13.9%為基準值，在GB背景下，α降低1%，用AHC計算的死亡損失則降低約9%，當增加1%時，死亡損失則相應的增加10%；同樣在其他濃度背景下，當α變化1%時，死亡損失也上下浮動10%。當α不變時，不同的濃度背景下的死亡損失為10%～23%，從這一角度來看GAD的估算對濃度背景和人均GDP增速都存在一定的敏感性，因此在計算過程中要依照實際情況進行選擇，否則會導致估算偏誤。endprint

四、簡要討論與總結

對于空氣污染引致的社會成本的估算，從消費者層面來看，不僅包括上述的直接損害，還應該包括疾病、死亡以及其他損害等對整個家庭造成的間接傷害；從廠商層面來看，應該包括污染引致的工人生產力水平下降帶來的損失以及為達到減排標準進行投資或者減少生產所造成的損失等；從政府層面來看，應該包括政府對于環境治理的財政支出、政策制定、執行的成本以及違反懲處成本等。由于某些估算層面的數據空白以及尋找合適的替代指標存在困難，本文僅從第一個層面中消費者的直接損害以及第二個層面中農業生產者的直接損失等進行估算，因此嚴格說來，這里所估算的空氣污染的社會成本還不是其造成的全部社會經濟與福利損失，只能說是其中的一大部分。這種低估是現有的經驗研究約束條件下所難免的，且并不影響本文分析框架與估算程序的嚴謹可靠性及其在其他污染物損害的社會成本估算中的推廣應用價值。

本文的分析清楚地展示了邊際方法的優勢。與平均損害估算相比，邊際損害估算不僅在結果上與其保持著很好的一致性，而且還揭示了許多平均損害所掩蓋的信息。運用邊際損害，可以清楚地獲得在目前濃度背景下，某一地區某一污染物的邊際損害量，可以對同一地區的不同污染物邊際損害以及不同地區的同一污染物的邊際損害進行比較，進而得到某一地區具有針對性的減排政策，而不是對所有區域制定同樣的減排目標和政策；不僅如此，邊際損害的計算還明確地給予了郊區和市區在制定減排政策上的一些啟示。綜合上述信息，政策執行相關部門還可以對邊際損害和減排的邊際成本進行比較，從而保證在成本一定的情況下實現收益最大化。

本文關于空氣污染損害造成的社會成本的估算數值，也直觀地顯示了中國在工業化過程中如何解決好環境問題的重要性和緊迫性。上面已知，西安市2013年環境污染造成的損失，僅就不完全的估計就高達42.56億元～44.24億元。這個量值約占2012年西安市GDP總值的1%左右，它相當于西安市2012年人均GDP的8.33萬倍～8.64萬倍。這意味著，整個西安市約有相當于8萬人全年收入的社會財富因為空氣污染而失掉了。由此可見環境污染的嚴重后果。如果我們將視角從空氣污染再擴展到水及其他污染，并從一個城市擴展到全國，那么環境污染給當下中國社會帶來的巨大經濟與福利損失，足以令人瞠目結舌。在目前，雖然中國仍需要工業化高速發展所帶來的國家財富，但更需要居民真實福利水平的改善，對環境質量的需求尤為如此。對于二者之間的權衡，既需要公民環保意識的提高，更需要政府制定良好的激勵政策、減排政策以及建立和健全監督和執行制度。

注釋：

①污染物影響矩陣中的危害對象部分來源于過孝民等（2009），部分來源于Mueller等（2007）。

②西安市行政區劃分為9區4縣，其中9區可分為6市區和3郊區，6市區一共分布著10個監測子站，而其余3個分別分布在3郊區內。剔除4個縣域的注釋，這4個縣域沒有監測子站。如果把這4個縣域涵蓋進來，會使得報告的污染濃度和實際人群的暴露水平不相一致。為了對不同來源地污染物的邊際損害進行進一步考察，對行政區劃和監測子站重新進行了匹配，括號內為監測站名：即碑林區（興慶小區）、新城區（市人民體育場）、蓮湖區（高壓開關廠）、未央區（草灘）、雁塔區（高新西區）、灞橋區（紡織城）、閻良區（閻良區）、長安區（長安區）、臨潼區（臨潼區），其中最后三個區劃為郊區。

③來源于《中國衛生統計年鑒》，以“城市居民主要疾病死亡率”中的“心臟病死亡率”作為近似替代。

④Huang W，Cao J，Tao Y，et al. Seasonal variation of chemical species associated with short-term mortality effects of PM2. 5 in Xian，a central city in China. American Journal of Epidemiology，2012，175（6）：556-566.

⑤來源于《中國衛生統計年鑒》中“城市居民主要疾病死亡率”中的“呼吸系統疾病死亡率”。

⑥⑦內科門診人次的估算，首先依據《中國衛生統計年鑒》中各地區醫院分科門、急診人次數推算出陜西內科門診和兒科門診比例，其次近似以比例分別計算出西安市內科門診和兒科門診人次數，最后使用內科門診人數除以西安市15歲以上常住人口，即可獲得內科門診發生率；同樣用兒科門診人數除以西安市區0～14歲的常住人口即可獲得兒科門診發生率。

⑧⑨呼吸系統和心血管住院人次來源于《第四次全國衛生服務調查分析報告》中的“大城市疾病住院率”。

⑩只研究SO2對農業的損失，主要是由于其他污染物的濃度反應關系缺乏所致。

{11}西安《環境監測科研動態》顯示：2013年西安降水pH均值大于臨界值，農作物不在酸雨損害的范圍內，故只需計算SO2對農作物的損失。

{12}汪鵬：《大氣擴散模型與環境經濟損失評價研究》，大連理工大學，2010年博士畢業論文。

{13}此數據為作者估算的數據，現有的降塵數據為2013年1-11月的月度數據，但是沒能獲得12月的數據，因此假定12月與11月降塵數量相等，最后加總平均獲得2013年年均月度降塵數據。

{14}關于邊際遞減需要注意，由于研究的污染物的濃度基值很高，其邊際變化雖在減小，但遞減幅度極小。

{15}心血管疾病和呼吸系統住院的天數以及平均住院費用均用《中國衛生統計年鑒》中，“30種疾病的平均醫療費用”計算而得。用“急性心肌梗塞”和“充血性心力衰竭”來估算心血管疾病的住院天數和費用，其分別為10.5 天和1 140 元/天·人次。對于呼吸系統的住院天數和費用，則用“細菌性肺炎”進行近似替代，其住院天數為9.7 天，住院費用為495元/天·人次。endprint

{16}據《中國衛生統計年鑒》知：陜西省醫院門診平均醫療費用為156 元/人次，誤工天數為0.5天。

{17}《2012年小麥最低收購價格每市斤1.02元》，國家發改委，2012年5月23日。

{18}祝娟：《2012年度棉花臨時收儲啟動》，央視網，2012年9月10日。

{19}《我國2012年油菜籽收購價格確定》，中國飼料在線網，2012年5月16日。

{20}《2013陜西省重要商品價格變化情況》，陜西商務廳，2014年3月5日。

{21}《西安統計年鑒2013》，中國統計出版社，2013年。

{22}以《西安統計年鑒》中“居民服務、修理和其他服務業”的日均工資來進行近似替代。

{23}車輛次均清洗價格來源于互聯網網購洗車價格調查，調查顯示：2012年西安單次洗車（不含其他服務項目）價格為9.9元～20元，因此取其平均價格15元作為單次洗車價格進行計算。

{24}核算過程中，因為PM2.5引起心血管住院的反應關系的缺失，所以PM2.5的損害比PM10的損害稍小，另外在能見度和清洗損失中3種污染物也都有貢獻，但是其具體的貢獻比例并不清楚，因此只分析了MD視角下的各污染物的損失。

參考文獻：

[1]Hammitt J K，Zhou Y.The economic value of air-pollution-related health risks in China：a contingent valuation study[J]. Environmental and Resource Economics，2006，（3）：399-423.

[2]Huang D，Xu J，Zhang S.Valuing the health risks of particulate air pollution in the Pearl River Delta[J]. China. Environmental Science & Policy，2012，（1）：38-47.

[3]Krupnick A，Alberini A，Cropper M，et al.Age，health and the willingness to pay for mortality risk reductions：a contingent valuation survey of Ontario residents[J].Journal of Risk and Uncertainty，2002，（2）：161-186.

[4]Matus K，Nam K M，Selin N E，et al.Health damages from air pollution in China[J]. Global Environmental Change，2012，（1）：55-66.

[5]Muller N. Z，Mendelsohn R.Measuring the damages of air pollution in the United States[J]. Journal of Environmental Economics and Management，2007，（1）：1-14.

[6]Muller N. Z，Mendelsohn R，Nordhaus W.Environmental accounting for pollution in the United States economy [J].The American Economic Review，2011，（5）：1649-1675.

[7]Nam K. M，Selin N. E，Reilly J. M，et al.Measuring welfare loss caused by air pollution in Europe：a CGE analysis [J].Energy Policy，2010，（9）：5059-5071.

[8]Wang H.，Mullahy J.Willingness to pay for reducing fatal risk by improving air quality：a contingent valuation study in Chongqing，China[J]. Science of the Total Environment，2006，（1）：50-57.

[9]World Bank，China SEPA.Cost of pollution in China：Economic Estimates of Physical Damages[R].The World Bank，2007.

[10]陳仁杰，陳秉衡，闞海東.我國113個城市大氣顆粒物污染的健康經濟學評價[J].中國環境科學，2010，（3）：410-415.

[11]過孝民，於方，趙越.環境污染成本評估理論與方法[M].北京：中國環境科學出版社，2009.

[12]黃德生.大氣污染能見度價值評估方法與實證研究——以北京市為例[D].北京：北京大學，2013.

[13]霍書浩，丁桑嵐.大氣污染對林業影響的經濟損失分析[J].廣州化工，2011，（12）：122-124.

[14]宋赪，王麗，董小林.西安環境污染經濟損失估算與分析[J].長安大學學報（社會科學版），2006，（4）：56-6.

[15]葉堤.重慶市大氣污染對鋅材料腐蝕的經濟損失分析[J].裝備環境工程，2007，（1）：21-24.

[16]岳立.蘭州市大氣污染治理的經濟學分析[D].蘭州：蘭州大學博士論文，2011.

[17]張林波，等.蘇、浙、皖、閩、湘、鄂、贛7省酸沉降農業危害——酸沉降農業生態綜合危害分析[J].中國環境科學，1998，（1）：12-15.

[18]趙文昌.空氣污染對城市居民的健康風險與經濟損失的研究[D].上海：上海交通大學博士論文，2012.

[19]趙越.大氣污染對城市居民的健康效應及經濟損失研究[D].北京：中國地質大學博士論文，2007.

責任編輯、校對：李金霞endprint