空氣污染對公眾健康的空間效應分析

申 俊，孫 涵，成金華

(1.山西財經大學 資源型經濟轉型協同創新中心，太原 030006；2.中國地質大學（武漢）a.經濟管理學院；b.資源環境經濟研究中心，武漢 430074)

0 引言

空氣污染對公眾健康的影響毋庸置疑，如何制定有效的環境政策來提高環境健康效應逐漸成為研究者關注的重點。Wong等[1]在研究香港含硫燃料環境政策時發現，在政策實施之后SO2的排放量下降了約80%，兒童患呼吸道類的疾病下降了約16%～29%。同樣，由于在奧運會在前北京對交通運輸以及相關產業實施環境管制，使得奧運期間PM2.5平均值下降32.1微克/立方米，PM10平均值下降了46%，與之相關的死亡數下降了40，環境健康成本下降了約38%[2]。Brooks和Sethi[3]在其研究中指出，最容易暴露于空氣污染物中的人群包括租房者、收入較低的窮人以及受教育程度較低的人等。Ebenstein[4]的研究表明，擁有自來水或者清潔水資源的家庭患癌癥等疾病的風險明顯低于其他家庭。盧洪友和祁毓[5]的研究則指出環境的健康效應在國家或者之間存在差異，而各國或者地區環境健康風險的差異又受制于該國或者地區教育、環境、衛生等公共服務水平的差異。

由于區域之間在經濟、社會、環境、醫療等方面的差異，進而造成不同區域的空氣污染等要素對公眾健康的也存在顯著空間差異[6]。縱觀國內外關于環境與健康的研究，一方面主要集中在環境科學與醫學領域，且大多基于個體或非隨機樣本，研究環境對健康經濟損失效應[7，8]。另一方面，現已有經濟學研究文獻的大多采用面板數據分析空氣污染與公眾健康之間的關系，但缺乏關于空間計量方面的研究。傳統的面板回歸通常假定各個區域的公眾健康是相互獨立的，這顯然與現實存在偏離，如空氣污染等客觀因素的存在使得一個地區的公眾健康必然受到臨近區域污染物排放的影響，而如果忽略這種影響，模型估計將是有偏的或產生錯誤的參數檢驗[9]。由此，從新地理經濟學角度出發，考慮了空氣污染與健康的溢出效應，來分析空氣污染物對公眾健康的空間效應顯得更加重要和有意義。

1 模型、方法與數據

1.1 理論模型

1972年，Grossman在首次通過建立健康生產函數來分析居民的健康微觀需求，該函數考慮了包括收入方式、健康水平、教育、環境等多方面因素[10]。同時參考盧洪友等[5]、王俊等[11]、趙忠[12]等人的研究，本文選取其共有指標將居民的健康影響因素確定為經濟、社會、教育、醫療衛生與環境，由此本文的健康生產函數可以表示為：

其中，H代表健康水平，Eoc、Soc、Edu、Mc、Envi分別代表經濟、社會、教育、醫療衛生與環境變量。

在式（1）的基礎上，進一步轉換可以得到新的中國宏觀健康函數表達形式：

其中，α為核心解釋變量的彈性系數，β1、β2、β3、β4為其他控制變量的彈性系數，Ω為初始健康狀況的估計值[11]。

健康與居民個人所處的環境有著密切關系[11]。環境對健康的影響取決于污染物的濃度、暴露響應系數等多個方面。健康和居民經濟水平密切相關，居民經濟水平一般用收入來表示。社會因素與居民健康有很大的相關度。如增加公共財政支出力度，增加公共設施投入，居民可以獲得更多的體育鍛煉和休閑活動的機會，這些都將影響居民健康的改善。健康與教育同樣密不可分。Grossman[10]指出受過良好教育的人能夠更加有效的提高自身的健康狀況，而這個結論已經得到很多實證研究的證實。醫療衛生的改善對增加居民健康需求，改善居民健康水平非常重要。

1.2 空間計量模型

（1）空間相關性檢驗

全局空間相關性檢驗。考慮到“地理學第一定律”的存在，國內外學者開始關注地域之間空間相關性的問題。研判空間相關性問題，現有研究一般通過測算Moran’s I指數來進行檢驗。其計算公式為：

（2）空間計量模型

一般空間計量模型可以分為空間滯后模型（SLM，也稱空間自回歸模型，SAR）和空間誤差模型（SEM），Elhorst[13]把空間面板數據模型分成四類：空間固定效應模型、空間隨機效應模型、空間固定系數模型和空間隨機系數模型，并給出了每個模型的對數似然函數，還分析了ML估計量的漸進性質。本文使用空間固定效應模型。通常情況下，當回歸分析局限于一些特定的個體時，固定效應模型是更好的選擇；另外，空間面板研究文獻一般都選擇了固定效應模型。面板數據的空間計量模型表示如下：

空間滯后模型（SAR）：

空間誤差模型（SEM）：

式（5）、式（6）中的δ與λ分別為空間回歸系數與空間誤差系數。δ反映了樣本觀察值的空間依賴性，λ為被解釋變量的空間自相關系數，反映了鄰接地區殘差項對于本地區殘差項的影響程度。

1.3 變量與數據

根據式（2）來分析環境等因素對公眾健康的影響，需要對各因素變量進行指標定義。

被解釋變量——公眾健康。健康的直接度量是非常困難的，現有關于公眾健康的研究在指標度量方面主要選取人口死亡率、五歲以下兒童死亡率、出生時健康壽命等指標[5,11]。通過人口死亡率來度量空氣環境對公眾健康的影響并不適宜，因為空氣污染對健康的影響相對緩慢，同時造成人口死亡的因素通常是多方面且復雜的。本文考慮到空氣污染對公眾健康表現的多面性以及數據的可得性，從被動醫療診斷、主動健康檢查和健康狀態入院情況三個維度，分別選取醫院診療人數（Y1_DT）、醫院健康檢查人數（Y2_HC）和入院人數（Y3_HN）三個維度指標來度量居民的健康狀況。

核心解釋變量——空氣污染。本文選取空氣中三種主要的空氣污染物PM2.5、PM10與SO2濃度來表征空氣污染。這三種空氣相比于其他空氣污染物對公眾健康的危害更大，PM2.5是造成2013年初中國北方地區大面積霧霾天氣的主要污染物，PM2.5、PM10濃度的上升使得呼吸系統、循環系統等疾病的發生概率大為增加[5,14]。SO2排放的增加也使得呼吸疾病及肺癌的人數顯著增加[15]。

其他控制變量，主要從經濟、醫療、教育、社會四個方面來選取，分別為人均GDP、每萬人醫師數、初中升學率、公共財政支出占比四個指標。其中，公共財政支出占比主要表現為政府在公共服務支出、建立社會醫療保障制度和疾病預防與控制體系等方面支出占GDP的比重。

本文數據主要來源于《中國統計年鑒（2005—2016）》《中國衛生統計年鑒（2005—2016）》《中國衛生和計劃生育統計年鑒》和中國國家統計局等。由于中國PM2.5濃度從2013年才開始統計，因此，2004—2012年中國各省域的PM2.5濃度參考哥倫比亞大學國際地球科學信息網絡中心測定的全球2004—2012年的PM2.5濃度年均值（Battelle Memorial Institute，CIESIN，2013）處理求的，該數據同中國的霧霾形勢基本吻合[16]。

2 實證分析

2.1 空間自相關檢驗

根據Moran’s I指數的計算方法，表1給出了2004—2015年中國被解釋變量公眾健康的三個維度指標的Moran’s I指數檢驗結果。由下頁表1可知，公眾健康三個維度的指標在2004—2015年的12年間空間自相關Moran’s I值均呈現不斷增強的趨勢，指數值均為正值且結果顯著。從整體來看，公眾醫院診療次數呈現出相對更高的全局空間自相關，其次為健康檢查次數與入院人數。這表明在2004—2013年中國公眾健康在地理上呈現較強的空間正相關性，即中國各地區公眾健康的空間分布并非相互獨立變化，而是存在區域之間的空間溢出或擴散效應，公眾健康三個維度的指標值呈現明顯的空間集聚現象。中國公眾健康具有顯著的空間趨同性和一致性，而且隨著經濟社會的不斷發展，這種健康集聚效應不斷增強，而這與中國區域之間的各類社會、經濟、教育等資源的空間集聚是密切相關的。

表1 中國公眾健康與空氣污染的Moran’s I指數值

2.2 空間面板回歸結果分析

公眾健康的空間效應顯著，經豪斯曼檢驗本文公眾健康三個維度指標模型均采用固定效應模型，一般來講，當研究的樣本是從總體中隨便獲取的，選擇隨機效應模型較為合適，但是當回歸分析針對一些特定個體時，則選擇固定效應模型更為恰當。本文以中國31個省域為研究對象，因此固定效應更為合適。

（1）未考慮空間因素的全樣本估計

從表2可以看出，公眾健康三個維度指標的全樣本估計結果均較為顯著，各模型的R2值基本在0.7以上，DW統計量接近2表明序列相關問題并不顯著，除公眾健康入院人數醫院住院人數維度指標部分回歸變量不顯著外，其余各解釋變量均表現高度顯著。

表2 未考慮空間因素時的公眾健康全樣本估計

從核心解釋變量的估計結果來看，PM2.5、PM10與SO2濃度的升高顯著增加了中國公眾的醫院診療人數、醫院健康檢查人數和入院人數，降低了公眾健康水平。從結果系數來看，PM10對公眾健康的影響最大，其次為SO2與PM2.5。從控制變量的估計結果來看，教育、醫療衛生與社會方面投入的增加能夠顯著提高公眾健康水平，經濟因素的增長增加了公眾醫院診療人數與醫院健康檢查人數，同時降低了公眾入院人數。

然而，普通的面板回歸由于未考慮被解釋變量的空間溢出效應其估計結果可能是有偏的。本文前面部分已經驗證了公眾健康空間效應的存在，因此，有必要建立空間面板回歸模型來分析空氣污染公眾健康的空間效應。此外，對于空間計量模型的選取，按照Anselin等的判別規則與空間相關性、兩個拉格朗日乘數及其穩健型檢驗結果（見表2），本文選擇空間滯后模型。

（2）考慮空間因素的全樣本估計

考慮空間因素后的估計結果見下頁表3。同表2的估計結果對比可以看出，考慮空間因素之后PM2.5濃度對公眾健康三個維度的負向影響要高于未考慮空間因素的估計結果，而PM10濃度與SO2濃度對公眾健康三個維度的影響在空間因素之后，其負向影響有所減弱。由此看來，未考慮空間因素來研究空氣污染對公眾健康的影響估計結果的有偏的，其會低估PM2.5濃度對公眾健康影響，同時高估PM10濃度與SO2濃度對公眾健康的影響。考慮空間因素之后，PM10濃度對公眾健康的負向影響仍然是最大的，其次為PM2.5濃度。PM10濃度每增長1%，公眾健康的三個維度指標醫院診療人數、醫院健康檢查人數、入院人數分別增加0.490%、0.722%、0.737%，PM2.5濃度每增長1%，公眾健康的三個維度指標醫院診療人數、醫院健康檢查人數、入院人數分別增加0.398%、0.466%、0.380%。空氣污染是各類疾病發病的主要誘因，公眾長期暴露于空氣污染之中身體健康必將受到重要影響。北京大學與國際環保組織綠色和平的研究報告指出，中國城市居民因PM2.5而導致的超額死亡率接近1/1000，盧洪友等[5]也指出空氣污染導致五歲以下兒童死亡率的上升以及國民預期壽命的下降。

（3）三大地區的子樣本估計

考慮到我國地域廣袤，區域之間經濟社會發展、資源稟賦、人口教育科技等方面存在明顯差異，本文從我國區域差異的角度研究我國東、中、西三大地區的空氣污染對公眾健康的影響。鑒于篇幅限制，僅做了三類重要空氣污染物對公眾健康醫院診療人數維度指標的三大地區的子樣本估計（見表4）。

表3 考慮空間因素時的公眾健康醫院全樣本估計

表4 考慮空間因素公眾健康醫院診療人數維度指標的子樣本估計

從區域的角度來看，空氣污染對公眾健康的差異顯著。中部地區的三種空空氣污染物對該地區公眾健康的負向影響均顯著；東部地區PM10濃度與SO2濃度對該地區公眾健康的負向影響均顯著，PM2.5濃度的影響則不顯著；西部地區空氣污染對當地公眾健康的影響不顯著。由此可以看出，中部地區公眾健康受空氣污染影響的危害最為嚴重，中部地區的很多省域如山西、河南等屬于煤炭大省，大量的煤炭直接燃燒產生嚴重的空氣污染，其次中部地區也是中國工業較為集聚的地區，工業廢氣排放也相當嚴重。東部地區相較于中部地區略好，其中SO2濃度對當地區公眾健康的負向影響低于中部地區。

3 結論與建議

本文采用2004—2013年中國公眾健康與空氣污染等方面的省域面板數據，基于Grossman健康生產函數拓展的中國宏觀健康生產函數與空間面板數據分析技術，綜合分析了中國公眾健康的空間集聚以及空氣污染等因素對公眾健康三個維度的空間效應。通過實證研究本文主要結論如下：

（1）公眾健康存在顯著的空間集聚效應且逐年增強，主要分布為華北、華中以及東部沿海地區呈現高高集聚，西北、東北等地呈現低低集聚。由于空氣污染的廣延性和持續性使得公眾健康的空間集聚效應愈加顯著。區域公眾健康呈現趨同效應，而這與區域之間的各類社會、經濟、教育等資源的空間集聚是密切相關的。中國公眾健康在空間相關性上，不僅存在著空間依賴性的特征，也有空間異質性的表現。

（2）空氣污染對公眾健康的負外部性顯著。大氣空氣污染物濃度的升高顯著增加了中國公眾的醫院診療人數、醫院健康檢查人數和入院人數，降低了公眾健康水平。空氣污染是各類疾病發病的主要誘因，公眾長期暴露于空氣污染之中身體健康必將受到重要影響。應重視在經濟發展過程所產生的空氣污染問題，控制和減少空氣污染，改善公眾健康迫在眉睫。

（3）從區域的角度來看，空氣污染對公眾健康的影響地區差異顯著。中部地區空氣污染對公眾健康的影響最為顯著，其次為東部地區。中國東部與中部地區屬于工業較為發達地區，而前期的粗放式發展產生了嚴重的環境污染，因此現階段需要不斷加大環保力度來改善地區公眾健康，對于西部地區發展相對緩慢，需要加大對教育、醫療等方面投入來逐步提高本地區公眾的健康水平。針對中國不同區域采用差異化的環保政策是中國今后環境治理的發展方向。