空氣污染與高管流動研究
——基于秦嶺—淮河線的斷點回歸設計

楊金玉

一、引 言

2019年《中國生態環境狀況公報》顯示，全國337個地級及以上城市中有180個城市空氣質量超標，其占比為53.4%；337個城市發生重度污染1666天次，發生嚴重污染452天次，以PM2.5為首要污染物的天數占重度及以上污染天數的78.8%。2020年全球環境績效指數(Environmental Performance Index，EPI)排名中，中國空氣質量指數在180個國家和地區中排在第137位。空氣污染給居民健康帶來了嚴重威脅，并制約了經濟的高質量發展，長期以來受到相關部門和學者們的高度重視(黎文靖和鄭曼妮，2016；石慶玲等，2016；陳強等，2017)。

與此相關的早期研究主要關注經濟增長造成的污染問題(Peng和Bao，2006；符淼和黃灼明，2008)。之后，越來越多的學者指出環境污染也會反向抑制經濟增長(Weuve等，2012；Chen等，2013；陳碩和陳婷，2014)。隨著環境立法和相關政策的出臺，也有學者關注于相關立法對空氣質量的改善和經濟增長、資源配置效率的影響(陳詩一和陳登科，2018；李蕾蕾和盛丹，2018)。總的來講，空氣污染和經濟增長相關研究集中于宏觀政策(例如環境立法、環境規制)對宏觀經濟實體(例如國家、地區經濟增長)影響的探討，較少有研究探討空氣污染對微觀個體行為決策和生產績效的影響(Higdon等，2015；Chang等，2016；羅勇根等，2019)。

在現實的經濟運行中，空氣污染可能對區域高級人才和人力資本的流動帶來重要影響。本文關注于空氣污染對企業高管流動的影響。理論上，空氣污染將對個體的健康和情緒帶來嚴重的威脅。對于高管來講，作為較高收入群體，高管更加看重生活的質量與品質。當空氣污染對自身的健康和情緒等造成影響時，將促使高管選擇離職。同時，高管個體、企業和所處的外部環境因素也將對上述關系產生直接或者間接的影響。以高管能力為例，在面臨同等嚴重的空氣污染時，能力較強的高管在勞動力市場中具有更強的競爭優勢，易于獲取相當或者更好的工作崗位，其流動性也將隨之增加。此外，企業及其所處外部環境因素也會對高管流動決策產生影響(宗文龍等，2013；饒品貴和徐子慧，2017)。

基于上述背景，結合高管簡歷和中國地級市的空氣質量指數(AQI)數據，本文以秦嶺—淮河線(供暖分界線)作為南北空氣質量差異的“斷點”，使用斷點回歸設計(RDD)檢驗空氣污染對高管流動的影響。

本文可能的研究貢獻主要有以下三個方面。

第一，拓展了與空氣污染及其經濟后果相關的研究領域。當前，與空氣污染及其經濟后果相關的研究主要集中于宏觀層面的國家政策、地區環境政策對經濟增長的影響(陳詩一和陳登科，2018；李蕾蕾和盛丹，2018)，鮮有探討空氣污染對微觀層面的影響(Chen等，2017；Dehaan等，2017；羅勇根等，2019)。本研究從高管個體角度，探討了空氣污染對高管流動可能性的影響，并發現空氣污染促進了高管流動，從而可能造成企業和區域高級人力資本的流失與錯配。同時，本研究也有助于理解空氣污染治理的重要作用，對進一步提高環境治理能力，實現經濟與環境的和諧共生，具有一定的借鑒意義。

第二，將空氣污染這一地區層面因素納入對高管流動的分析框架中，檢驗空氣污染對高管流動的影響。具體而言，鑒于高管對企業的重要性，現有較多的研究探討了高管流動及其影響因素，主要聚焦于高管個體特征和企業層面因素(黃繼承和盛明泉，2013；周林潔和邱汛，2013)，較少從高管所在的空間特征進行分析。基于中國空氣污染的經濟環境背景，本文以空氣污染這一地區層面因素為視角，為高管流動領域的研究提供了更為豐富的實證證據。同時，本研究對空間經濟學的相關研究也有所貢獻，即除了個體所在城市的規模、天氣和日照等空間地理特征會影響企業高管決策行為外(Chen等，2017；Dehaan等，2017)，空氣污染也被納入個體行為決策的重要因素之中。

第三，在一定程度上解決了當前高管流動的內生性問題。在相關研究中，對空氣污染影響高管流動的內生性因素鮮有涉及。本文參考Chen等(2013)的研究，以秦嶺—淮河線作為南北空氣質量差異的斷點，采用斷點回歸方法(RD)來檢驗空氣污染對高管流動的影響，能夠更好地識別出空氣質量對高管流動的影響。

本文剩余部分結構如下：第二部分為理論分析與研究假設；第三部分為研究設計，包括數據來源、變量測量以及實證模型；第四部分是實證結果分析；第五部分為進一步分析，對主要的影響機制進行探討；第六部分是穩健性檢驗；第七部分總結全文并提出相關啟示。

二、理論分析與研究假設

高管作為企業的管理者和決策者，其流入和流出都將對企業關鍵性和戰略性資源產生重要影響，受到學者們的廣泛關注(Messersmith等，2013；Bermiss和Murmann，2015)。現有研究主要集中于對高管個體特征和企業層面兩方面的探討。從個體特征來看，黃繼承和盛明泉(2013)的研究表明高管變更事件的宣告效應與其背景特征呈現顯著相關性；王錕和李偉(2012)指出高管的從政背景能夠顯著弱化高管的離職可能性與業績水平的負相關關系。從企業層面來看，大部分研究證實了高管流動與公司業績負相關(劉青松和肖星，2015)，另外也有研究指出企業的產權性質(周林潔和邱汛，2013)、公司的股權結構(趙震宇等，2007)等也將對高管流動產生影響。此外，也有研究關注于高管所處的外部環境對其流動的影響。例如，饒品貴和徐子慧(2017)指出，經濟政策不確定性影響了高管變更，繼任高管更有可能從內部選聘。

總體而言，相關研究集中于對企業或高管個體特征差異的探討，較少有研究從地區層面探討高管流動的影響因素，例如地區環境差異是否會影響到高管流動的可能性，等等。這方面已開始受到學者們的關注，并有學者指出環境對人口流動會產生重要作用，區域因素是影響人力資本流動和經濟資源配置的重要因素(Chen等，2017；Dehaan等，2017；陸銘，2017；羅勇根等，2019)。

不同于以往的研究，本文提出，空氣污染通過直接影響個體的健康、工作效率和生產率而影響個體的情緒和內在動機，繼而提高了高管流動的可能性。其具體包括以下方面。

首先，空氣污染直接影響到個體健康，進而影響其流動決策。大量醫學方面的文獻表明，空氣污染會直接進入人體，阻礙正常的血液循環，引發呼吸系統等相關疾病，嚴重損害個體的健康狀況甚至縮短壽命(Laden等，2000；Peel等，2005)。Chen等(2013)以秦嶺—淮河供暖線作為南北空氣質量高低的斷點，使用斷點回歸分析了空氣污染對預期壽命的影響，得出了空氣高濃度的總懸浮顆粒物平均減少個體壽命超過5年的結論；陳碩和陳婷(2014)發現二氧化硫濃度每增加1%，每一萬人中死于呼吸系統疾病或肺癌的人數分別增加0.055和0.005。由此可見，空氣污染會對身體健康甚至壽命造成不利影響。這種不利影響又可能會促使高管選擇離開空氣污染較嚴重的地區，前往空氣質量更好的城市以規避空氣污染對其健康帶來的影響。

其次，空氣污染影響個體的人力資本輸出，在減少勞動力供給的同時，降低工作效率及生產率。例如Higdon等(2015)探討了墨西哥城一家大型煉油廠對外界的污染如何影響勞動力供給，結果表明，二氧化硫每增加1%會導致當地居民下一周的工作時間將減少0.43%～0.67%；而當煉油廠關閉后，當地SO2濃度平均下降19.7%，促使周圍居民每周的工作小時數增加3.5%。對于高管而言，工作效率和工作能力的下降可能帶來對工作“不滿意”的感知；同時，高管工作效率的低下也可能意味著工作績效的下降，增加了其被解雇的可能性，這兩方面都促使了高管的流動。

最后，空氣污染可能使個體產生消極情緒，繼而造成其離職行為。Dehaan等(2017)研究結果表明，惡劣的天氣導致股票分析師對收益回報的反應變得遲鈍，甚至無法做出回應。Bassi等(2013)的研究表明，天氣會影響到個體的決策，良好的天氣(陽光)增加了金融市場中個體采取高風險投資行為的可能性。Chen等(2017)發現，陰天天氣會使企業高管產生較為嚴重的負面情緒，企業避稅的可能性也隨之增加。相較于短期的天氣變化所造成的情緒變化，長期空氣污染對個體及高管所帶來的負面情緒將更顯突出，對工作現狀的憂慮和厭倦將增加高管離職的可能性。

據此，本文提出如下假設。

研究假設：在其他條件不變的情況下，空氣污染越嚴重的地區，高管流動的可能性越大。

三、樣本選擇與模型設定

（一）樣本選擇

本文樣本數據主要來源于以下三個途徑：(1)中華人民共和國生態環境部(原環境保護部)公布的全國城市空氣質量日報；(2)國泰安(CSMAR)數據庫；(3)中華人民共和國國家統計局統計年鑒。

首先，參考黎文靖和鄭曼妮(2016)、羅勇根等(2019)等人的研究，本文從生態環境部公布的全國城市空氣質量日報獲取了個體所在城市的空氣質量指數(Air Quality Index，AQI)。其次，高管簡歷數據來自國泰安(CSMAR)數據庫。通過對簡歷的整理，本研究獲取了2007—2017年間439246份高管簡歷，包括證券代碼、統計日期、職位類別、高管工作經歷等詳細信息。值得一提的是，根據國泰安數據庫中高管簡歷信息，本文以高管團隊成員作為研究的樣本，而在數據分析中，是否剔除非高管團隊成員的樣本對回歸結果和顯著性沒有影響。企業層面的控制變量來源于國泰安(CSMAR)數據庫，區域層面控制變量來源于中國國家統計局。最后，參考宗文龍等(2013)、饒品貴和徐子慧(2017)的研究，本研究按以下標準對樣本做篩選與處理：剔除金融行業，因為這些企業的資產特性與其他企業存在較大差異；剔除了所有“ST”企業，因為這些企業的財務數據可能存在異常；剔除相關數據缺失的樣本。同時，為了消除極端值的影響，本研究對所有的連續控制變量進行了1%和99%的Winsorize處理。本文的研究樣本涉及2007—2017年期間47637位高管，共計179393個個體年度觀測樣本。

（二）變量測量

(1) 空氣質量指數(AQI)。參考黎文靖和鄭曼妮(2016)、羅勇根等(2019)的研究，本文以空氣質量指數(AQI)作為空氣污染的衡量指標。空氣質量等級按照AQI的大小來進行劃分，AQI值越大，表明空氣污染越嚴重，本文對空氣質量指數取自然對數。

(2) 高管流動(Flow)。若高管當年發生跨城市流動則取值為1，未發生流動或者同城市流動則為0。同時，根據高管流動前后城市空氣質量指數的差異，區分了高管流動的方向變量，Flow_up表示高管流向空氣質量較好的城市，此時Flow_up取值為1，否則為0；Flow_down表示高管流向空氣質量更差的城市，此時Flow_down取值為1，否則為0。

(3) 控制變量。本文還加入了高管個體、企業和城市三個層面的控制變量。具體而言，參考Custódio等(2013)和趙子夜等(2018)的研究，個體層面的控制變量包括高管能力結構指數(GAI)、性別(Sex)、年齡(Age)、高管職務類別(CEO)、任期(Tenure)、高管年末持股數(SharEnd)、薪酬(Salary)；企業層面的控制變量包括企業規模(Size)、產權性質(SOE)、企業年齡(Firm_age)、企業績效(Performance)；城市層面的控制變量包括所在城市居民消費價格指數(CityCPI)、所在城市GDP增長率(CityGDP)和所在城市人均GDP(GDP_avg)。

此外，為了消除不可觀測變量對本文結果的影響，參照Dehaan 等(2017)的研究，在回歸中還控制了年份(Year)、城市(City)和行業(Industry)的固定效應，并采用Robust估計，在城市層面進行集群(Cluster)處理。具體的變量定義如表1所示。

（三）研究模型

參考Chen等(2013)的研究，本文將秦嶺—淮河線(供暖分界線)作為南北空氣質量差異的斷點，采用斷點回歸方法(RD)來檢驗空氣污染對高管流動可能性的影響①本文從谷歌地圖上獲取了秦嶺—淮河線及各個城市的緯度，當城市位于秦嶺—淮河線以北時視作北方城市，即屬于供暖城市，城市區域(Side)取值為1，反之為0。。

具體而言，本文采用2SLS方法進行參數估計，首先檢驗了秦嶺—淮河線是否導致了南北兩側空氣污染和高管流動的不連續變化，模型如下：

模型中，AQI是城市當年的空氣質量指數；Sidej,t作為虛擬變量，表示城市j是位于秦嶺—淮河線的南側還是北側，位于北側取值為1，南側則取值為0；Flow表示高管流動指標；Control是一系列控制變量；Year、City和Industry分別是年份、城市和行業的固定效應；ε是模型誤差項。模型(1)目的在于檢驗秦嶺—淮河線是否導致了南北兩側空氣污染的不連續變化。模型(2)目的在于檢驗秦嶺—淮河線是否導致了南北兩側高管流動可能性的不連續變化。在此基礎上，本文構建了2SLS第二階段模型：

四、實證分析

（一）描述性統計

1. 描述性統計表格

表2列出了主要變量的描述性統計。在描述性統計中，高管流動均值為0.0310，方差為0.1759，表明不同高管流動可能性呈現一定的差異性。空氣質量指數(AQI)均值為4.4014，方差為0.3148，與黎文靖和鄭曼妮(2016)的研究基本一致。高管的能力結構指數(GAI)均值為-0.0378，方差為0.8454，與趙子夜等(2018)的研究基本一致。企業層面的控制變量如ROA、資產負債率(Lev)等與已有研究基本一致。同時，本文還對所有自變量進行了方差膨脹因子檢驗，VIF最大值為4.75，表明變量間不存在嚴重的共線性干擾。

表2 描述性統計

2. 秦嶺—淮河線的局部平均處理效應

在使用斷點回歸前，本文先估計了秦嶺—淮河線對南北兩側空氣污染以及高管流動的局部平均處理效應，如圖1和圖2所示。從圖1中可以看出，秦嶺—淮河斷點線空氣污染呈現較為明顯的上升態勢，局部平均處理效應為0.08(4.59－4.51)。從圖2中可以看出，秦嶺—淮河斷點線高管流動同樣呈現上升態勢，平均處理效應為0.005(0.032－0.027)。以上結果表明，主要考察變量在斷點兩側均呈現非連續性的變化。

圖1 秦嶺—淮河線與兩側空氣質量

圖2 秦嶺—淮河線與兩側高管流動

（二）RD回歸結果

表3 空氣污染與高管流動

表4 空氣污染與高管流動方向

續表3

續表4

五、進一步分析

（一）邊界影響因素檢驗

本文從高管個體、企業和外部環境三個層面檢驗了空氣污染影響高管流動的間接影響因素。具體而言，在高管個體層面關注高管能力，在企業層面關注薪酬補償和股權補償，在外部環境層面關注經濟政策不確定性指數。

1. 高管能力的調節作用

空氣污染對高管流動可能性的影響可能受到高管能力的影響。這是因為，在其他條件相同的情況下，高管的能力越強，在勞動力市場和崗位競爭中優勢越明顯，從而更易于獲取相當或者更好的工作崗位。因此，在其他條件不變的情況下，能力越強的高管在面對高強度的空氣污染時流動可能性也將越高。

鑒于此，參考Custódio等(2013)和趙子夜等(2018)的研究，本文對高管的能力進行了估計。同時，參照Demerjian等(2012)的方法，本文采用數據包絡分析法(DEA)估計管理者能力作為穩健性檢驗指標。主要構建思路分為兩個步驟：第一步先確認投入產出模型，以公司主營業務收入作為投入指標，用公司的主營業務成本、銷售與管理費用之和、固定資產凈值、無形資產和企業商譽等作為產出指標，采用DEA方法分行業計算每一家公司的運營效率(Firm Efficiency)；第二步運用Tobit模型分年度分行業將公司特征與公司的運營效率進行回歸，從而分離出由企業特征所產生的效率以及由管理者能力所帶來的效率，回歸的殘差即為管理者能力的代理變量(Capability)。

其回歸結果如表5所示。從其中可以看出，交互項系數分別為0.1851和0.1525，分別在1%和5%水平上與高管流動可能性顯著正相關，與預期相一致。

表5 空氣污染、高管能力與高管流動

2. 薪酬和股權補償的作用機制

前文分析表明，空氣污染顯著增加了高管流動的可能性。從成本效用角度來看，高管流動決策本質上是比較成本與預期效用的結果(Tiebout，1956)。從這方面來講，空氣污染給高管增加了健康和負面情緒等成本，如果給予適當或額外的補償，也可能降低個體成本損失感知程度，繼而影響高管流動決策(宗文龍等，2013)。因此，本文進一步分析薪酬和股權兩類補償機制對高管流動可能性的影響。

表6 薪酬和股權補償的作用機制

3. 經濟政策不確定性的作用機制

從外部環境來看，當外界經濟政策不確定性程度較高時，高管對流動后的效用水平具有不確定或者消極的預期；同時，在經濟政策不確定性較高時，高管流動可能會導致企業潛在成本和風險上升(饒品貴和徐子慧，2017)，企業可能通過多種方法以留住高管。因此，經濟不確定性將對空氣污染與高管流動可能性之間的關系產生影響。鑒于此，本文進一步探討了經濟政策不確定性對上述關系的影響。

本文經濟政策不確定性指標(Economic Policy Uncertainty，EPU)來源于Baker等(2016)開發編制的中國經濟政策不確定性指數，其數據從1995年1月開始逐月更新。參考饒品貴和徐子慧(2017)等人的研究，本文將1995年1月的指數標準化為100，并以此計算隨后每個月的指數。隨后，構建兩個指標來測量經濟政策不確定性：EPU是每年的月度數據均值除以100；DEPU是在EPU基礎上按照時間序列分組，當EPU大于中位數時視作高經濟政策不確定性，DEPU賦值為1，反之賦值為0。其回歸結果如表7所示。表7中，交互項系數為-0.7993和-0.2825，分別在1%和5%水平上與高管流動可能性(Flow)顯著負相關，表明經濟政策不確定性指標在空氣污染和高管流動可能性之間起到負向調節作用。

表7 空氣污染、經濟政策不確定性與高管流動

續表7

（二）空氣污染與高管流動類型

（三）空氣污染、企業性質與高管流動

表8 空氣污染、企業性質和高管流動

（四）不同污染物與高管流動

不同的污染物類型對高管流動可能性具有差異化的影響。參考羅勇根等(2019)的研究，本文以空氣污染中二氧化硫(SO2)、可吸入顆粒物(PM10和PM2.5)和一氧化碳(CO)為例，分析了這四類不同的污染物對高管流動的影響，回歸結果如表9所示。其中，第(1)列至第(4)列為單一污染物(即PM10、SO2、PM2.5和CO)對高管流動的影響。整體而言，不同污染物均提高了企業高管流動的可能性。第(5)列是同時加入四種不同污染物的回歸結果，從系數及顯著性可以看出，細微顆粒物(PM10和PM2.5)對高管流動可能性的影響更大。

表9 不同污染物類型與高管流動

六、穩健性檢驗

（一）RD估計有效性檢驗

RD估計的有效性需滿足兩個前提假設：一是樣本在驅動變量附近是隨機的；二是除了考察變量外，其他變量在斷點附近不存在明顯“跳躍”。鑒于此，本文做了兩方面的檢驗。首先，研究統計了每一緯度上高管觀測值的數量①由于直接高管觀測值數量頻數統計較為分散，本文統一對高管觀測值頻數取了自然對數。，如圖3所示。從圖3中可以看出，樣本的選取在斷點附近并沒有出現明顯的“跳躍”，驅動變量的選取服從隨機分布，滿足第一個條件。其次，參考劉行等(2017)的研究，本文采用非參數斷點估計的方法對控制變量進行檢驗，結果如表10所示。整體而言，控制變量的參數估計系數基本不顯著，表明其他控制變量在斷點附近不存在明顯“跳躍”，滿足第二個條件。因此，使用RD估計的結果是有效的。

圖3 秦嶺—淮河斷點線兩側高管觀測頻數分布

表10 控制變量在斷點兩側的連續性檢驗

（二）最優帶寬及穩健性檢驗

表11 最優帶寬及多項式檢驗

七、結論與討論

本文考察了空氣污染對高管流動可能性的影響。本研究結果表明，空氣污染提高了高管流動的可能性，高管更有可能向空氣質量更好的城市遷移。之后，本研究從不同層面探討了空氣污染和高管流動的邊界影響因素。其結果表明：高管能力起到正向調節作用；企業補償機制(薪酬補償和股權補償)削弱了空氣污染對高管流動可能性的影響，并且股權補償機制作用更為明顯；外界經濟政策不確定性緩和了空氣污染與高管流動可能性間的關系。此外，相比于國有企業，非國有企業中，空氣污染與高管流動可能性的正向相關關系更為顯著；不同類型的污染物提高了高管流動的可能性，細微顆粒物(PM10和PM2.5)對高管流動的正向影響更為明顯。

除了前文的理論貢獻外，從本文的研究和結論方面還可以得到以下啟示。

一方面，對于企業而言，空氣污染顯著增加了高管流動的可能性，尤其是增加了能力較強的高管流動可能性。本文雖然表明企業可以利用薪酬補償和股權補償的方法來削弱空氣污染對高管流動可能性的影響，但也應當明確補償措施并非能夠從根本上解決問題，過多補償也可能對企業發展產生不利的影響。因此，本文提出企業另一條可行的途徑，即盡可能地改善高管及員工所處的環境，重視技術革新，減少甚至杜絕高耗能、高污染和低產出的傳統生產方式。例如，化工企業在追求經濟效益的同時，還應當考慮到自身的經濟發展帶來的環境污染問題，應當注重污染氣體的排放處理，改善環境以削弱或消除企業的空氣污染對員工身體健康、工作效率和情緒等的影響。

另一方面，對于國家和地方政策制定者而言，在意識到空氣污染負向影響宏觀經濟增長的同時，也應當明確空氣污染也顯著增加了區域企業高管流失的可能性。高級人才的流失同樣不利于區域經濟的長期發展。例如，城市空氣污染和環境質量的差異可能導致城市區域間人力資本的錯配和不均衡，從而擴大城市和地區間經濟發展的差距，不利于地區和國家的長期、可持續的發展。同時，國家和地方政府在制定并推行相關立法之余，應當意識到使用限行、停產等強制性的手段雖然在一定程度上改善了環境質量，但空氣污染問題依然不容樂觀(石慶玲等，2016)。國家和相關機構還應當致力于探索能夠從根本上解決好中國環境污染問題的方法與路徑，例如，除了使用強制性手段外，還應當加強對民眾和企業管理者的教育與宣傳工作，使其意識到自身所造成的環境污染反過來會抑制績效產出，不利于其長期發展。這也表明，進一步提高環境治理能力和開創綠色發展的新局面具有重要實踐意義。

除了上述貢獻和啟示外，未來研究也可以關注以下方面。其一，可以進一步探討空氣污染對不同層次的人力資本流動的影響。本文使用高管樣本具有較為重要的意義和代表性，然而相較于一般的個體，在面臨高強度的污染時，高管可選擇性相對較高，而對于低收入群體，空氣污染對其流動決策的影響尚需進一步研究。其二，可進一步探討空氣污染對高管流動可能性的間接影響因素。本文雖然從高管個體、企業和所處的外在環境三個層面探討了空氣污染對高管流動的影響，但也應當明確，以上三個層面的探討只是間接影響因素中的一部分。例如，還可以通過大規模問卷、訪談等方式獲取高管個體的健康、情緒等指標，直接地檢驗健康成本等指標在空氣污染與高管流動間可能具有的中介效應，等等。