城市空氣污染與人才流動

摘 要 在城市間“搶人大戰” 與高人力資本群體對空氣污染更為敏感的背景下，本文基于2006 年至2018 年高校招生分數線數據，結合城市空氣污染數據與城市統計數據，研究發現城市PM2. 5 濃度顯著降低了城市內高校招生分數線，這表明城市空氣污染顯著抑制了準大學生報考意愿。這一結論在內生性處理與各種穩健性檢驗下均成立。機制分析結果表明，城市PM2. 5 濃度顯著抑制了外企進入，刺激服務業從業人員與高校老師流出，從而降低城市吸引力與高校吸引力。進一步分析結果表明，空氣污染對高校招生分數線的負面影響是長期的。本文研究得出空氣污染抑制人才流入、刺激人才流出這一結論。研究結論主要有以下三個作用：一是拓展了空氣污染、人才流動與高考等領域的研究邊界;二是為人才流動與區域人力資本流失等問題提供新的思考方式與研究視角;三是為地方政府制定人才吸引政策與污染防治政策提供現實參考。

關鍵詞 空氣污染;人才流動;高考;準大學生

0 引言

人才是社會經濟發展動力源泉之一，是科技進步與研發創新主體之一。習近平總書記在2021 年9 月中央人才工作會議中指出，“人才是衡量一個國家綜合國力的重要指標”“做到人才為本、信任人才、尊重人才、善待人才、包容人才”。各級政府都在積極推動人才培養體系建設，不斷推出各類人才優待政策，力爭培養人才、吸引人才，區域間“搶人大戰” 愈演愈烈。但人才選擇地區時不僅僅只考慮經濟發展前景與各類優待政策，還會考慮地區各種負面因素，其中以空氣污染最為典型。例如，不少研究都發現高受教育水平人口與高技能勞動力對空氣污染更敏感，更容易被地區空氣污染驅離（ 孫偉增等，2019;李丁等，2021;Chen et al. ，2022）。因此，高人力資本群體對環境要求更為嚴格，這為地區人才吸引政策效力埋上陰影。

人類社會對空氣污染造成的生理心理健康損害與社會經濟損失早有共識。根據全球疾病負擔研究（GBD）估計，2019 年空氣污染造成了全球約667 萬人死亡（GBD 2019 Risk Factors Collaborators，2020）。空氣污染亦是我國居民健康重要危害因素之一。根據中國疾病預防控制中心（CDC）一項聯合研究估計，2017年我國因空氣污染死亡人數達124 萬，其中近七成源于大氣PM2. 5 污染;全國人口加權平均PM2. 5 濃度達52. 7μg/ m3，遠超世界衛生組織空氣質量指南標準10μg/ m3（Yin et al. ，2020）。此外，空氣污染還降低了我國居民預期壽命（Chenet al. ，2013;Ebenstein et al. ，2017）。已有部分文獻研究了空氣污染對人口流動的影響。例如，孫偉增等（2019）基于2011 年至2015 年全國流動人口動態監測調查數據，研究發現城市PM2. 5 濃度顯著降低了流動人口到該城市的就業概率;且受教育水平越高，對空氣污染越敏感。李丁等（2021）基于2013 年至2015年中國家庭金融調查數據，研究發現空氣污染均顯著刺激了勞動力跨區縣流出與跨國流出，且對高學歷勞動者影響更大。Chen et al. （2022） 則利用中國人口普查數據與五年平均PM2. 5 濃度，得出類似研究結論：空氣污染顯著促進了縣域人口流出，抑制了人口流入;且受教育水平越高，越容易被空氣污染驅離。

值得關注的是，以上文獻主要考慮的是人口與勞動力流動，雖然對高受教育水平人口與高技能勞動力分析有所涉及，但沒有將人才流動作為核心研究內容，尤其忽視了中國一個潛在的大規模人才流動現象———高考。本文首先經研究證明城市PM2. 5 濃度顯著降低了城市內高校招生分數線，即城市空氣污染顯著抑制了準大學生報考意愿;并基于逆溫強度這一工具變量進行內生性處理，結果穩健。其次，從城市外企進入退出，以及服務業從業人員與高校老師流動角度，探討了城市吸引力與高校吸引力這兩類機制。最后，研究發現空氣污染對高校分數線抑制效應存在滯后性與長期性。

與本文最為接近的研究是李明和張亦然（2019），該文基于在校留學生-高校數據集，將風速作為空氣污染工具變量，研究發現城市空氣污染顯著降低了城市內高校在校留學生數量;且相對于政府獎學金留學生，自費留學生受空氣污染影響更大。本文與其異同之處在于，二者均探究空氣污染對大學生選擇的影響，且研究結論相似，即城市空氣污染顯著抑制了大學生選擇意愿。李明和張亦然（2019）關注的是在華留學生選擇，本文關注的是高考準大學生選擇;準大學生在人才范圍上更具代表性與規模性，是分析人才流動與地區人力資本流失的最佳研究對象之一。

本文將城市空氣污染數據與2006 年至2018 年高校招生分數線數據相匹配，經研究發現城市年平均PM2. 5 濃度顯著降低了城市內高校招生分數線，這表明城市空氣污染顯著抑制了準大學生的報考意愿。對于內生性問題，本文采用文獻中常用的逆溫作為空氣污染水平的工具變量（Arceo et al. ，2016;Xue et al. ，2021;Chen et al. ，2022），結果穩健。在機制分析部分，本文發現城市PM2. 5 濃度顯著抑制了城市外企進入，刺激了服務業從業人員與高校老師流出，從而降低了城市吸引力與高校吸引力。進一步分析表明，空氣污染對高校招生分數線的負面影響存在滯后性，大約持續四年之久;而五年平均PM2. 5 濃度仍對高校招生分數線產生顯著負面影響。

本文邊際貢獻在于：第一，將空氣污染、人才流動與高考三個研究方向相結合，通過分析城市空氣污染水平對高校招生分數線的影響，探究準大學生地域選擇與流動傾向;進一步拓寬了空氣污染、人才流動與高考這三個領域的研究邊界。第二，大部分現有文獻的主要研究對象長期暴露于地區空氣污染中，且較少關注高受教育水平與高人力資本群體;而本文關注的是高考背景下準大學生城市選擇，研究發現人才在沒有長期經歷目標城市空氣污染的情況下，其選擇意愿依然會受到空氣污染的顯著負面影響。一方面較為精準地識別出人才對空氣污染的預期反應，將其與空氣污染直接影響相分離;另一方面，也為高受教育水平人口與高人力資本群體對地區負面因素敏感性研究提供堅實證據與新視角。第三，本文同時發現城市空氣污染顯著刺激區域內高校老師流出，進一步證實了高素質群體對空氣污染的高敏感性;也揭示了空氣污染對地區人力資本的雙重負面效應，即抑制人才流入的同時，也加速地區原有人才流失。第四，本文對空氣污染與高校招生分數線的研究，為各級政府制定人才政策、優化地區環境，完善發展體系提供事實基礎與現實依據，即城市空氣污染顯著抑制人才流入，刺激區域內人才流出。各級政府應采取有效的污染防治政策，重視人才綜合吸引體系與定居環境建設，打破空氣污染與人才流失的惡性循環。

本文后續安排如下：第1 部分為文獻綜述，主要介紹關于空氣污染對個體、企業與宏觀經濟影響的文獻。第2 部分為數據、變量、模型，介紹本文使用的數據、相關變量構建方法與計量模型。第3 部分為實證分析結果，包括基準回歸結果、內生性處理與穩健性檢驗。第4 部分為機制分析，從城市吸引力與高校吸引力兩個角度探討可能的機制。第5 部分為進一步分析，包括異質性分析和滯后分析與長期分析。最后為結論與啟示。

1 文獻綜述

自工業革命以來，工業生產、燒煤取暖與汽車尾氣等活動引致的空氣污染一直影響人類身心健康與社會經濟活動。極端空氣污染，如致1. 2 萬人死亡的1952 年倫敦煙霧事件，敲響了空氣污染這類惡劣環境災難的警鐘（Davis et al. ，2002;Polivka，2018）。令人震驚的是，即使在1952 年倫敦煙霧事件中只是子宮內暴露（胎兒）和生命早期暴露（嬰兒） 的個體，長大后哮喘概率也會顯著增加（Bharadwaj et al. ，2016）。醫學期刊《柳葉刀》（The Lancet） 一篇綜述性文獻指出，在短期研究和長期研究中都能發現空氣污染提高呼吸道和心血管疾病的死亡率與住院人數;即使是非常低的接觸水平都可以看到影響（ Brunekreef andHolgate，2002）。除了自然科學，空氣污染對人體健康的危害，以及其對人類社會經濟活動的負面影響，也已被經濟學相關文獻從多個角度予以研究。

第一類文獻主要關注居民生理、心理健康與死亡率。例如，空氣污染增加了美國嬰兒死亡率（Chay and Greenstone，2003;Currie and Neidell，2005）、美國老年人死亡率（ Deryugina et al. ，2019），以及墨西哥嬰兒死亡率（ Arceo et al. ，2016）;提高居民呼吸道與心臟疾病概率，增加住院費用（Schlenker and Walker，2016）。此外，PM10 顯著加重了美國兒童的呼吸道健康問題，其中低收入家庭兒童所受影響更大（Jans et al. ，2018）。Chen et al. （2018）則關注中國居民心理健康，基于中國家庭追蹤調查數據，研究發現PM2. 5 顯著提高了居民與重度精神疾病相關的可能性，并引起了兩百多億的年度成本。Deschenes et al. （2020）則利用中國健康與營養調查數據，研究發現空氣污染顯著提高了個體體重指數、超重率和肥胖率;主要原因在于空氣污染改變了個體行為，如減少體育活動、步行上班或上學、睡眠時間，并攝入更多的脂肪。He et al. （2020） 研究發現中國秸稈焚燒提升PM2. 5 濃度，導致以心肺疾病為主要原因的死亡率增加，其中農村地區中老年人受到的影響最大。此外，空氣污染還抑制居民健康需求，惡化居民健康狀況（苗艷青和陳文晶，2010）;提高居民患病概率，增加醫療費用支出（ 關楠等， 2021）; 而空氣質量改善則適度降低了印度嬰兒死亡率（Greenstone and Hanna，2014）。

第二類文獻涉及個體層面認知與行為。空氣污染除了直接危害個體身心健康，還會對個體認識與決策產生影響。代表性研究是Sager（2019），該文發現空氣污染顯著提高了英國道路交通事故數量;因為空氣污染可能損害司機認知能力，提高攻擊性，或降低耐心程度，進而危及安全駕駛。Molina（2021） 也發現空氣污染抑制個體認知能力，并導致女性教育程度與收入水平降低。羅勇根等（2019）則發現城市空氣污染顯著抑制發明人創新活力，降低創新產出;且促使發明人向空氣質量較好的地區遷移;關鍵機制在于空氣污染對個體健康和情緒狀況產生顯著負面影響。令人驚訝的是，空氣污染甚至會影響旅客短期旅行決策，Chen et al. （2020）發現目的地空氣質量比出發地空氣質量越好，航班乘客數量越多。異曲同工的是，空氣污染降低居民觀影意愿，減少電影的市場份額（He"et al. ，2022）。此外，環境污染能影響居民政治態度和信任度（ 左翔和李明，2016;Yao et al. ，2022）;降低學生成績，并與后期受教育水平與收入負相關（Ebenstein et al. ，2016）;降低個體工作與產出效率（ Zivin and Neidell，2012;Chang et al. ，2016，2019;He et al. ，2019;陳帥和張丹丹，2020;Adhvaryu et al. ，2022）;提高城市犯罪率，尤其是暴力犯罪，因為空氣污染導致失眠，損害心理健康，降低生活和社會滿意度（李衛兵和張凱霞，2021）;而空氣污染改善則能增加工作時間， 提高勞動供給（ Hanna and Oliva，2015）， 提高學生成績（ Stafford，2015）。

第三類文獻則將注意力轉移到企業上。絕大多數研究都發現空氣污染對企業生產經營的顯著負面影響，包括企業庫存（李超和李涵，2017）、勞動力成本（沈永建等，2019）、產出（ He et al. ，2019）、人力資本（ Xue et al. ，2021;吳超鵬等，2021）與生產率（李衛兵和張凱霞，2019;Fu et al. ，2021，2022）等。例如，Xueet al. （2021） 首先利用中國百度搜索指數，研究證明人們因擔憂空氣污染對健康的負面影響而降低到空氣污染嚴重地區的工作意愿。隨后基于企業層面數據，研究發現空氣污染顯著降低企業高管人力資本水平與員工人力資本水平，進而沖擊企業生產率與價值。Fu et al. （2022）則將日度高頻空氣污染數據與年度企業數據相結合，研究發現空氣污染不僅降低當地企業勞動生產率，還會通過溢出效應影響到500 至1000 公里以外的城市。

空氣污染對個體身心健康與企業績效的負面影響，最終體現在宏觀經濟衰退，以及人口與勞動力流失方面。對于前者，相關研究發現空氣污染顯著抑制地區經濟增長（陳詩一和陳登科，2018;Dechezleprêtre et al. ，2019）。對于后者，相關研究發現空氣污染顯著促進人口與勞動力流出，抑制流入（ Banzhaf andWalsh，2008;孫偉增等，2019;李明和張亦然，2019;王兆華等，2021; 李丁等，2021;Chen et al. ，2022）。Hanlon（2020）從燃煤導致空氣污染這一角度出發，發現工業用煤顯著抑制了1851 至1911 年英國城市長期就業和人口增長。而工業煙囪排污與盛行風導致下風向城區人口流失， 加劇貧困（ Heblich et al. ，2021）。謝婷婷和王勇（2022） 則利用人口普查與衛星燈光數據，研究發現空氣污染顯著刺激城市高學歷人口流出，進而降低城市人均夜間燈光亮度值與 GDP增長率。Khanna et al. （2021） 則證明技術工人比非技術工人對空氣污染更敏感，技術工人從空氣污染城市遷離降低了地區生產率和總體經濟增長。此外，空氣污染還通過健康效應加劇地區內與地區間的不平等（ 祁毓和盧洪友，2015）;加速了健康資本折舊，提高了醫療成本（王玉澤和羅能生，2020）。

本文與以上文獻不同在于，多數研究空氣污染影響的文獻所關注的對象，如當地居民、企業與組織等長期暴露在地區空氣污染中，因此研究結論混雜了空氣污染的直接影響與個體的預期反應。相比之下，由于絕大部分高考生并沒有長期親歷過目標城市空氣污染，因此本文研究背景（ 高考） 與數據結構（ 當期分數線與滯后期空氣污染水平），一方面大大減輕了因果識別的內生性問題;另一方面較為準確地識別出空氣污染的間接影響，尤其是個體對空氣污染的預期反應，即群體即使沒有親身經歷過目標城市空氣污染，也能夠作出理性預期反應，降低向高污染水平城市流動的意愿。

綜上，在微觀層面，空氣污染一方面危害人體身心健康，損害認知能力，加大精神壓力，降低工作效率;另一方面，顯著抑制企業績效，造成人力資本流失與生產率損失。在宏觀層面，空氣污染沖擊社會經濟活動，刺激人口與勞動力流出，抑制流入。準大學生在面對目標城市高空氣污染水平時，可能產生負面健康預期，從而降低報考意愿。此外，目標城市空氣污染抑制社會經濟活動，可能會降低城市對準大學生的吸引力。因此，本文預期城市空氣污染水平會顯著降低城市內高校招生分數線。

2 數據、變量與模型

2.1 數據

本文高校數據集主要包括三個部分。第一個是從新浪高考網搜集的2006年至2018 年高校招生分數線數據，包括各年高校在各省市不同科目（文科與理科）不同批次（本科一批、本科二批與本科三批） 的平均分數線。考慮到軍校與警校有額外招生要求，且考生報考軍校與警校的目的可能與報考普通院校不同，因此本文剔除了具有部隊、武警和公安背景的院校。此外，還剔除了港澳背景院校。本文對高校招生分數線數據作如下處理：第一，剔除平均分大于北京大學平均分或清華大學平均分的樣本。第二，剔除平均分大于750 分，或平均分小于200 分的樣本。這兩步處理主要是為了剔除異常值。第二個是高校科技統計數據，來自教育部發布的2007 年至2017 年《高等學校科技統計資料匯編》（后簡稱高校匯編）。高校匯編提供了高校層面人員、經費、課題與科技成果信息，例如教學與科研人員總數。第三個是教育部發布的《2020 年全國普通高等學校名單》（后簡稱高校名單）。由于研究期內存在高校改名等情況，本文以高校名單為基準，輔以網絡手工收集等方式，確定了高校唯一識別碼。此外，高校名單還提供了高校主管部門、所在地與辦學性質信息。本文將上述三個高校數據合并，形成一套完整的高校研究數據集。

本文空氣污染數據集主要包括三個來源的PM2. 5 數據。三種PM2. 5 數據分別來自達爾豪斯大學大氣成分分析組（后簡稱達大PM2. 5）、圣路易斯華盛頓大學大氣成分分析組（后簡稱華大PM2. 5） 與哥倫比亞大學社會經濟數據和應用中心（后簡稱哥大PM2. 5）。三者均使用了美國航空航天局（NASA） 的氣溶膠光學厚度（AOD）衛星數據，前兩者將衛星數據與EOS-Chem 化學傳輸模型相結合估計PM2. 5 濃度，還使用地面觀測數據進行校準。本文主要使用達大PM2. 5 進行實證研究，華大PM2. 5 與哥大PM2. 5 做穩健性檢驗使用。

逆溫數據來自NASA MERRA2 衛星的M2I6NPANA 數據集，原始樣貌為6 小時/ 次（0 點、6 點、12 點與18 點）采集的全球42 個氣壓層次下的氣溫數據，覆蓋全部研究期。本文在城市層面計算了第二層與第一層（地面層） 的日平均溫度差，如果溫度差大于零，則定義為逆溫強度;如果溫度差小于零，則歸于零，即不存在逆溫現象。

城市統計數據主要來自2005 年至2018 年《中國城市統計年鑒》。城市進出口數據來自CEIC 數據庫。城市氣候數據來自中國國家氣象科學數據中心。此外，本文還基于工商注冊數據計算了城市層面外企指標。對于部分缺失數據，本文使用前后期平均值進行了補缺。相關變量以2000 年為基期進行了平減處理。

2.2 變量

本文旨在探究城市空氣污染是否會抑制準大學生報考意愿，即地區空氣污染是否顯著降低了區域內高校招生分數線。由于不同年份、不同省市、不同科目、不同批次使用考卷、判卷力度和招考政策有所不同，為了能跨年份、省市、科目、批次比較各高校招生分數線，本文對高校招生分數在年份-省市-科目-批次層面進行去中心化處理，如式（1）所示：

由于各省高考在每年六七月份開始，最遲到九月份完成所有流程，因此考生在報考時考慮的是往期高校所在城市的空氣污染水平。對此，本文核心解釋變量選取城市年平均PM2. 5 濃度作為地區空氣污染水平的替代，并滯后一期。

考生報考會考慮目標城市的空氣污染水平，但錄取新生要在九月入學后才能直接影響當地社會經濟活動，即當期高校招生分數線不會對滯后一期城市空氣污染水平產生影響，但滯后一期城市空氣污染水平可能會影響考生報考意愿。此外，在讀大學生通常不從事工業生產活動，也很少擁有私家車，主要依賴對空氣污染貢獻較少的公共交通。因此，本文因果識別面臨的內生性問題中的互為因果較弱，主要是遺漏變量與測量誤差，尤其是難以控制同時影響考生選擇和城市空氣污染水平的不可觀測因素，例如城市地形環境、氣候條件、居民環保認識與政府環保態度等。

對此，本文選取逆溫作為空氣污染水平，即PM2. 5 濃度的工具變量。逆溫是一種氣象現象。一般情況下，海拔越高，氣溫越低，這樣高處的冷空氣下沉，地面的熱空氣上浮，形成垂直空間上的空氣循環。這種機制帶來的空氣流動可以緩解地面空氣污染程度。但在逆溫情況下，海拔越高，氣溫越高，此時熱空氣凝聚在上空，冷空氣淤積在地表，反而加重了空氣污染。逆溫現象加劇空氣污染已被自然科學文獻所證實（ Wallace and Kanaroglou，2009; Gramsch et al. ，2014;Czarnecka and Nidzgorska-Lencewicz，2017;Trinh et al. ，2019）。此外，逆溫強度作為空氣污染水平的工具變量，已在經濟學相關領域研究中廣泛使用，并證明是有效的，例如嬰兒死亡率（Arceo et al. ，2016）、兒童生理健康（Jans et al. ，2018）、居民心理健康（Chen et al. ，2018）、地區經濟發展（ Dechezleprêtre et al. ，2019）、道路交通事故（Sager，2019）、工人產出（He et al. ，2019）、短期旅行決策（Chen et al. ，2020）、體重與肥胖（ Deschenes et al. ，2020）、企業人力資本（ Xueet al. ，2021）、企業生產率（Fu et al. ，2021）和地區人口流動（Chen et al. ，2022）等。逆溫作為一種氣象現象加劇空氣污染，滿足工具變量的相關性要求，但不直接影響高校招生分數線，滿足排他性約束，從而滿足工具變量要求。具體地，本文將年平均逆溫強度作為PM2. 5 濃度的工具變量。

本文選取了以下控制變量：①滯后一期城市經濟發展水平，用人均GDP 衡量，取對數。②滯后一期城市產業發展水平，包括第二產業增加值份額和第三產業增加值份額。③滯后一期城市收入水平，用職工年平均工資衡量，取對數。④滯后一期公共服務水平，用人均政府財政支出衡量，取對數。⑤滯后一期城市消費水平，用人均社會零售總額衡量，取對數。⑥滯后一期城市貿易開放度，用進出口總額與GDP 的比值衡量。⑦滯后一期城市天氣變量，包括城市年平均風速、年降水量、年平均氣溫、年平均氣壓、年日照時數和年平均相對濕度。⑧高校是否進入211 工程、985 工程、一流大學和一流學科四個二元變量，均滯后一期①。本文在穩健性檢驗部分加入更多控制變量，結果穩健。

2.3 模型

本文旨在探究城市空氣污染水平是否會影響準大學生報考意愿，即PM2. 5濃度是否會降低城市內高校招生分數線。為此，本文設定計量模型如下：

3 實證分析結果

3.1 基準回歸結果

表2 報告了基準回歸結果。第（1） 列將城市滯后一期PM2. 5 濃度對數lnLpm 對地區內高校去中心化招生平均分數線mean_d 進行回歸，并加入高校固定效應;第（2）列在第（1）列基礎上額外加入了控制變量。可見，城市滯后一期PM2. 5 濃度顯著降低了地區內高校招生平均分數線。第（3）和第（4）列與前兩列相似，額外控制了年份固定效應。第（5） 和第（6） 列則將高校固定效應替換為高校-招生地-科目-批次固定效應。可見，核心解釋變量lnLpm 系數依舊在1%統計水平上顯著為負。這表明空氣污染顯著抑制了準大學生報考意愿，即準大學生更不愿意報考空氣污染嚴重城市的院校。本文將第（6）列作為后續回歸基準規范。

3.2 內生性處理與穩健性檢驗

為了解決內生性問題，本文選取逆溫強度作為PM2. 5 濃度的工具變量，進行兩階段最小二乘回歸，結果如表3 所示。第（1） 列加入了高校-招生地-科目-批次固定效應與年份固定效應，第（2） 在第（1） 列基礎上進一步加入了所有控制變量。先看第一階段回歸結果，可見城市滯后一期年逆溫強度顯著提高了城市滯后一期年PM2. 5 濃度，這符合預期。再看第二階段回歸結果，可見城市滯后一期PM2. 5 濃度顯著降低了城市內高校招生平均分數線。有研究發現，白天逆溫可能會減少PM2. 5 濃度， 且這種減少主要發生在夏季（ Wallace andKanaroglou，2009）。為了檢驗逆溫強度作為PM2. 5 濃度工具變量的穩健性，本文在計算年平均逆溫強度時，分別剔除了12 點的衛星觀測值，以及夏季（6 至8月份）的衛星觀測值，回歸結果分別如第（3）、第（4） 列與第（5）、第（6） 列所示。可見，結果穩健。由Kleibergen-Paap rk LM 統計量p 值可知，所有回歸均通過了不可識別檢驗;此外，第一階段回歸F 值均大于10，從而排除了弱工具變量可能。因此，本文選取的工具變量是有效的。表3 各列核心解釋變量回歸系數大約是同規范OLS 估計效應的2 倍。這表明，如果忽視內生性問題，基準回歸估計將低估城市空氣污染水平對城市內高校招生平均分數線的抑制效應，即低估了城市空氣污染水平對考生報考意愿的抑制強度。

表4 報告了穩健性檢驗結果第一部分。第（1） 列和第（2） 列將核心解釋變量的達大PM2. 5 濃度對數分別替換為哥大PM2. 5 濃度對數和圣大PM2. 5 濃度對數。可見，不同來源的空氣污染數據均對高校招生平均分數線產生顯著負面影響。第（3）列將回歸在更嚴格的省級層面進行聚類;可見，標準誤差有所上升（0. 00661→0. 00745），但核心解釋變量系數仍在1%水平上顯著。本文核心因果關系可能是由那些空氣污染嚴重且高等教育資源豐富的城市所驅動的，而非普遍現象。考慮到我國北方空氣污染更為嚴重，第（4）列剔除了北京市、天津市與西安市這三個北方高等教育重鎮城市的樣本，可見核心解釋變量系數仍在1%統計水平上顯著。本文發現的空氣污染對高校招生分數線的負面影響，可能是由于地方環境治理不善，即城市環境治理水平較低同時導致嚴重的空氣污染與較低的分數線。對此，本文提出采用基于城市政府工作報告的詞頻分析方法來測量地方政府對環境治理的重視程度。具體地，將環境保護（如環境保護、環保、污染防治等）與環境污染（如污染、環境污染、PM2. 5 等）相關關鍵詞數量占工作報告總詞數的比例，作為地方政府對環境治理重視程度的衡量指標，并作為控制變量加入回歸，結果如第（5）列所示。第（6）列則加入了更多高校層面控制變量，包括高校專著數對數、論文數對數與獎項數對數。可見，核心解釋變量穩健。

表5 報告了穩健性檢驗結果第二部分。國家大氣污染專項項目首席科學家張小曳接受采訪表示，人類活動對逆溫現象也有影響：人類排放的污染物集中在低層大氣，加劇逆溫，逆溫又加劇污染，形成惡性循環①。廢氣排放可能同時加劇逆溫現象，降低城市對準大學生的吸引力，那么逆溫現象作為空氣污染的工具變量，將高估核心效應。對此，本文在基準回歸和工具變量法回歸中，額外控制滯后一期城市廢氣排放強度指標（城市年工業二氧化硫排放量與工業煙粉塵排放量和行政區面積的比值，均取對數），以控制人類排放活動的干擾，結果分別見表5 第（1）列和第（2）列②。可見，表5 第（1）列和第（2）列結果與其對應的表2 第（ 6） 列和表3 第（ 2） 列結果差異很小（ - 0. 0335 和- 0. 0330，-0. 0557 和-0. 0547）;因此，本文核心結果受該可能性的干擾較小。如果城市空氣污染降低了區域內高校對準大學生的吸引力，高校可能改變自己的招生策略，如減少在某省某科目某批次的招生規模。由于新浪高考網沒有各高校招生計劃數據，本文不能直接予以控制。對此，本文將高校-招生地-科目-批次-年份層面分數線簡單平均到高校-科目-批次-年份層面，再進行回歸，結果如第（3）列所示。該方法的思路是，將樣本信息轉化到高校-科目-批次層面，盡量降低高校對招生地招生策略內生變化的干擾。由于本文不能直接控制高校招生計劃，難以從根本上解決這個問題。因此，本文核心估計效應是基于高校招生策略和考生報考策略不變這一假設。此外，由于高校招生策略與考生報考策略可能內生變化，本文核心結論的外部有效性較弱，應謹慎外推至所有準大學生報考與高校招生情況。由于城市區位可能同時影響空氣質量與準大學生報考，第（4） 列在基準規范中額外控制了年份-經度固定效應和年份-緯度固定效應。第（5） 列在第（4）列基礎上，進一步控制了年份-招生地-科目-批次固定效應，以控制各省文理科在不同批次上的年度差異。可見，結果均穩健。

最后，本文對清洗方法進行穩健性檢驗，結果如表6 所示。第（1）列報告了對核心解釋變量進行首尾1%截尾處理的回歸結果。第（2） 列和第（3） 列逐步放松了第二節中的清洗步驟。第（2） 列沒有剔除平均分大于750，或者平均分小于200 的樣本;第（3）列在第（2）列基礎上，沒有剔除平均分大于北京大學平均分或清華大學平均分的樣本。第二節中第二步清洗步驟是保留平均分在[200，750]范圍內的樣本，第（4）列與第（5）列則進行更為更嚴格的處理。 前者將區間縮小為[300，700]，后者對平均分進行首尾1%的截尾處理。可見，本文數據清洗方法并不干擾最終估計的顯著性，結果均穩健。

4 機制分析

由前文研究結果可知，城市空氣污染顯著降低區域內高校招生分數線。一方面，可能是由于準大學生預期到目標城市空氣污染的負面健康效應;另一方面，空氣污染可能對城市社會經濟活動與高校產生負面影響，進而降低城市與高校對準大學生的吸引力。如文獻綜述所示，負面健康效應早已被相關研究所證實。因此，本節將重點關注經濟因素，從城市吸引力和高校吸引力兩個角度，探討空氣污染降低高校招生分數線的可能機制。具體地，遵循本文研究主題與思路，從空氣污染的驅離效應入手，探究空氣污染是否驅離城市外企、服務業從業人員與高校老師。

4.1 城市吸引力

從考生角度來看，城市吸引力可能體現在工作、教育、醫療、基礎設施與服務業水平等;而已有研究發現空氣污染會促進地區人口流出，抑制人口流入（Chen et al. ，2022）。那么，空氣污染是否會通過減少高價值就業與驅離服務業從業人員，進而降低城市對準大學生的吸引力？ 對于高價值就業，本文將注意力集中在外企上①。外企是我國求職市場上的熱門目標，尤其對大學生具有很強的吸引力①。為了精準測度城市外企規模，本文參考Shi et al. （2021）的思路，基于企業工商注冊數據，構建城市層面外企流量指標，以探究城市空氣污染對外企進入退出的影響，結果如表7 所示。本文關注的是企業數Lfirmnum 與實收資本，其中實收資本分為外企總實收資本Lcapital1 和外企中外方實收資本Lcapital2。前三列是外企成立，即進入情況。可見，城市PM2. 5 濃度顯著減少了成立外企的企業數、總實收資本與外方實收資本。這意味著，空氣污染顯著抑制了外企進入。后三列是外企注銷，即退出情況。可見，城市PM2. 5 濃度顯著提高了外企退出的外方實收資本。此外，雖然城市PM2. 5 濃度對外企退出的企業數與總實收資本影響不顯著，但符號均為正。這表明，空氣污染總體促進了外企退出。該結果還暗示，空氣污染刺激了那些外方持資比例較高的外企退出。

表8 報告了城市滯后一期PM2. 5 濃度對數對滯后一期服務業從業人員數量對數的回歸結果。A 組是交通與商業服務，第（1）至（6）列分別為交通運輸倉儲和郵政業、住宿和餐飲業、信息傳輸計算機服務和軟件業、金融業、房地產業，以及租賃和商業服務業。可見，除了信息軟件業和金融業，城市空氣污染顯著降低了交通與商業服務各行業從業人員規模。類似地，B 組是公共服務，第（1）至（6）列分別為水利環境和公共設施管理業、居民服務修理和其他服務業、教育業、衛生社會保障和社會福利業、文化體育娛樂業，以及公共管理和社會組織業。可見，城市空氣污染顯著降低了公共服務各行業從業人員規模。城市空氣污染顯著降低服務業從業人員規模，一方面相關從業者可能出于健康考慮遷出城市。另一方面，空氣污染抑制了城市社會經濟活動，降低了城市經濟增長（陳詩一和陳登科，2018;謝婷婷和王勇，2022），尤其可能抑制了居民對服務業服務的需求，降低了城市服務業崗位供給。對于準大學生而言，空氣污染顯著降低服務業從業規模意味著：第一，降低了城市服務業吸引力。因為行業從業人員規模越大，越有可能降低居民服務搜尋成本，從而帶來規模效應與競爭效應。第二，降低了大學生畢業后在服務業就業的可能性。

綜上，一方面，空氣污染抑制城市外企進入，促進外企退出。另一方面，空氣污染也降低了城市服務業從業人員規模。這兩方面都會減少準大學生對目標城市就業的預期，進而抑制城市對準大學生的吸引力，降低城市內高校招生平均分數線。

4.2 高校吸引力

有研究發現，人口受教育水平越高，越容易被地區空氣污染驅離（ 孫偉增等，2019;謝婷婷和王勇，2022;Chen et al. ，2022）。例如，謝婷婷和王勇（2022）研究發現城市空氣污染顯著降低了人均受教育年限，尤其是顯著刺激大學及以上學歷人口流出。而高校是高學歷人員密集的地方，那么城市空氣污染是否也刺激了高校人員流失？ 本文從2007 至2017 年《高等學校科技統計資料匯編》中整理出高校科技人員信息，探究城市PM2. 5 濃度對區域內高校人員的影響，表9 報告了城市滯后一期PM2. 5 濃度對數對滯后一期高校師資對數的回歸結果。可見，空氣污染顯著降低了城市內高校人員數量，包括各類教學與科研人員，以及研究與發展人員。

空氣污染降低高校師資規模，一方面可能由于大部分高校老師與研究人員是高受教育水平人群，本身對空氣污染極為敏感，導致高校老師因空氣污染而遷出城市，或者不愿意到空氣污染嚴重城市的高校任職。另一方面，空氣污染抑制城市經濟發展，可能減少高校從政府與企業處獲得的經費與課題，既降低了高校對老師的吸引力，也抑制了高校崗位供給能力。為此，本文也探究了城市PM2. 5 濃度對高校經費與課題的影響，作為該可能性的佐證，結果如附表2所示。可見，空氣污染顯著降低了高校撥入經費。此外，空氣污染還顯著減少了高校課題經費撥入額，也對課題總數產生不顯著的負面影響。這暗示空氣污染降低了高校獲得課題的平均經費規模，如果課題經費與課題層次正相關，那么該結果還暗示空氣污染降低了高校課題整體層次。

綜上，空氣污染顯著刺激了高校老師與研究人員流失。考慮到師資規模是高校實力與吸引力的重要體現，準大學生可能傾向于報考師資雄厚的高校。因此，空氣污染通過抑制高校師資規模，降低高校吸引力，進而減少高校招生分數線。此外，經費與課題也是高校實力的重要組成部分，附表2 結果暗示空氣污染也可能通過減少高校經費與課題規模，進而降低高校吸引力。

5 進一步分析

5.1 異質性分析

表10 是招生分組回歸結果。前兩列是招生科目分組，可見城市PM2. 5 濃度均顯著降低了城市內高校文科與理科招生平均分數線。后三列是招生批次分組，可見城市PM2. 5 濃度顯著降低了城市內高校本科一批和本科二批的招生平均分數線，對本科三批的招生平均分數線影響為負但不顯著。本文認為本科三批受空氣污染不顯著的負面影響，有三種可能的解釋。第一，第三批次招生的院校整體層次較低，考生可能更多考慮院校、專業和距離，降低了對空氣污染的考量權重。第二，本科三批多是本省高校招生，考生報考省內院校時，可能不會過多考慮目標城市特征，考生畢業后回家鄉或去往省會和一線城市的可能性更大。第三，報考本科三批的考生高考整體成績不高，背后可能意味著考生和家長對信息收集和整理能力較弱，報考時對城市和高校評估不準，存在隨機填報和就近填報等現象。事實上，有研究發現信息鴻溝與信息劣勢等是造成考生決策失誤的重要原因，例如填報和被錄取到低經濟回報率專業（ 丁延慶等，2021），以及第一志愿與院校錯配（Wu and Zhong，2020）。

表11 是高校分組回歸結果。前兩列是高校辦學類型分組，可見城市PM2. 5濃度顯著降低了公辦院校的招生平均分數線，對民辦院校招生平均分數線影響為負但不顯著。第（3） 和第（4） 列分別是主體院校與獨立院校回歸結果，可見城市PM2. 5 濃度顯著降低了主體高校的招生平均分數線，對獨立學院招生平均分數線影響為負但不顯著。一個可能的解釋是，考生為了報考獨立學院，可以忍受目標城市空氣污染，因為獨立學院可以獲得其主體高校的資源與聲望。最后三列是高校主管部門分組，可見城市PM2. 5 濃度均顯著降低了部屬高校與省屬高校的招生平均分數線。

5.2 滯后分析與長期分析

以上分析都是將滯后一期城市空氣污染水平對區域內高校招生分數線進行回歸，即研究高考前一年目標城市空氣污染水平對高校招生分數線的影響。那么高考前兩年，甚至更長時間年份前的空氣污染水平也會降低高校招生分數線嗎？ 為了探究空氣污染對高校招生分數線的滯后效應，本文將滯后一期到滯后五期的城市PM2. 5 濃度對數分別對高校招生平均分數線進行回歸，結果如表12所示。前五列分別是滯后一期到滯后五期PM2. 5 濃度的單獨回歸結果，可見滯后一期至滯后四期的城市PM2. 5 濃度顯著降低了區域內高校招生平均分數線;滯后五期的城市PM2. 5 濃度對分數線影響不顯著。第（6） 列則將所有滯后PM2. 5 變量放到一個方程中回歸，可見滯后一期至滯后四期的城市PM2. 5 濃度仍然顯著降低了區域內高校招生平均分數線。

考慮到空氣污染可能存在長期效應，例如受空氣污染驅動的人口流失以及經濟抑制效應可能需要較長時間才能顯著表現;城市空氣污染水平可能由于地理環境、產業結構與居民汽車消費等因素，存在長期慣性。此外，準大學生對目標城市空氣污染整體認識也可能是長期性的。因此，本文進行了長期分析。具體地，計算城市滯后兩年內到滯后五年內的平均PM2. 5 濃度對數作為核心解釋變量，回歸結果如表13 所示。前四列是簡單平均，各期權重均為1。考慮到時期越近，空氣污染影響越大，因此后四列為加權平均，各期權重為時期的逆序數，具體解釋見表注。對于簡單平均與加權平均，空氣污染的長期負面效應均有逐漸加強的趨勢。

以上發現表明，城市空氣污染對高校招生分數線的負面影響是長期的，絕非短期現象。四年前空氣污染水平顯著降低城市內高校招生分數線，滯后五年內的城市平均空氣污染水平仍然會顯著降低高校招生分數線。

6 結論與啟示

本文從高考招生與準大學生報考選擇視角入手，研究城市空氣污染是否會影響準大學生區域選擇。基于2006 年至2018 年高校招生分數線數據，結合高校科技統計數據與城市空氣污染數據，本文實證研究發現，城市PM2. 5 濃度顯著降低了城市內高校招生分數線，這意味著城市空氣污染顯著抑制了準大學生報考意愿。該結論在內生性處理與多種穩健性檢驗下均成立。機制分析結果表明，城市PM2. 5 濃度顯著抑制了外企進入，刺激服務業從業人員與高校老師流出，從而降低了城市吸引力與高校吸引力。進一步分析結果表明，城市空氣污染對高校招生分數線的抑制效應是長期存在的，大約持續四年之久，且五年平均PM2. 5 濃度也顯著抑制了準大學生的報考意愿。

空氣污染危害居民身心健康，沖擊宏觀經濟發展，引起社會各界的廣泛關注。學界也早已開展相關研究，其中熱點之一是空氣污染對人口與勞動力流動的影響。同時，各地區對人才愈發重視，不斷推出人才政策，力爭贏得“ 搶人大戰”。但現有研究主要關注的是人口與勞動力流動，較少研究空氣污染如何影響人才地域選擇與流動。本文在此種背景下，基于高校招生分數線數據集與城市污染數據，研究證明城市空氣污染顯著抑制準大學生報考意愿，即城市PM2. 5濃度顯著降低了區域內高校招生分數線，這拓展了相關問題與研究的邊界，并提供新的視角。本文啟示在于，城市空氣污染顯著抑制準大學生流入的同時，還加速了高校老師流出，造成了嚴重的人力資本流失問題。相應地，人力資本流失又惡化地區發展環境，使城市陷入空氣污染與人才流失的惡性循環。這一方面提醒地方政府，應全面認識吸引人才的復雜性與困難性，系統性提出應對措施，科學制定人才培養與吸引政策;同時將經濟發展思路從粗獷式發展轉向高質量發展，完善污染防治體系，堅持“綠水青山就是金山銀山”的發展理念，提高城市綜合吸引力。另一方面也提示相關學者高考人才流動等研究領域的重要性。

參考文獻

陳帥， 張丹丹. 2020. 空氣污染與勞動生產率———基于監獄工廠數據的實證分析

[J]. 經濟學（季刊）， 19（4）： 1315-1334.

Chen S， Zhang D D. 2020. Impact of air pollution on labor productivity： Evidence

from a prison factory data[J]. China Economic Quarterly， 19（4）： 1315-1334. （in

Chinese）

陳詩一， 陳登科. 2018. 霧霾污染、政府治理與經濟高質量發展[J]. 經濟研究， 53（2）：

20-34.

Chen S Y， Chen D K. 2018. Air pollution， government regulations and high-quality

economic development [ J]. Economic Research Journal， 53 （ 2）： 20-34. （ in

Chinese）

丁延慶， 杜立珍， 李偉， 等. 2021. 信息干預對高考志愿專業選擇的影響———來自

大規模隨機實驗的證據[J]. 經濟學（季刊）， 21（6）： 2239-2262.

Ding Y Q， Du L Z， Li W， et al. 2021. The impact of informational interventions on

college-major choice： Evidence from a large-scale randomized experiment[J]. China

Economic Quarterly， 21（6）： 2239-2262. （in Chinese）

關楠， 黃新飛， 李騰. 2021. 空氣質量與醫療費用支出———基于中國中老年人的微

觀證據[J]. 經濟學（季刊）， 21（3）： 775-796.

Guan N， Huang X F， Li T. 2021. Air quality and health care expenditure：

Evidence from Chinese middle-aged and elderly samples [ J]. China Economic

Quarterly， 21（3）： 775-796. （in Chinese）

李超， 李涵. 2017. 空氣污染對企業庫存的影響———基于我國制造業企業數據的實

證研究[J]. 管理世界，（8）： 95-105.

Li C， Li H. 2017. The effect of air pollution on enterprise inventory： Empirical

research based on Chinese manufacturing enterprise data [ J ]. Journal of

Management World， （8）： 95-105. （in Chinese）

李丁， 張艷， 馬雙， 等. 2021. 大氣污染的勞動力區域再配置效應和存量效應[J].

經濟研究， 56（5）： 127-143.

Li D， Zhang Y， Ma H， et al. 2021. The regional relocation effect and the stock

effect on labors of air pollution[J]. Economic Research Journal， 56（5）： 127-143.

（in Chinese）

李明， 張亦然. 2019. 空氣污染的移民效應———基于來華留學生高校-城市選擇的

研究[J]. 經濟研究， 54（6）： 168-182.

Li M， Zhang Y R. 2019. The effect of air pollution on migration： A study based on

the choice of university city by international students in China [ J]. Economic

Research Journal， 54（6）： 168-182. （in Chinese）

李衛兵， 張凱霞. 2019. 空氣污染對企業生產率的影響———來自中國工業企業的證

據[J]. 管理世界， 35（10）： 95-112.

Li W B， Zhang K X. 2019. The effects of air pollution on enterprises productivity：

Evidence from Chinese industrial enterprises[ J]. Journal of Management World，

35（10）： 95-112. （in Chinese）

李衛兵， 張凱霞. 2021. 空氣污染是否會影響犯罪率： 基于斷點回歸方法的估計

[J]. 世界經濟， 44（6）： 151-177.

Li W B， Zhang K X. 2021. Does air pollution affect crime rates： A regression

discontinuity design[ J]. The Journal of World Economy， 44（ 6）： 151-177. （ in

Chinese）

羅勇根， 楊金玉， 陳世強. 2019. 空氣污染、人力資本流動與創新活力———基于個

體專利發明的經驗證據[J]. 中國工業經濟，（10）： 99-117.

Luo Y G， Yang J Y， Chen S Q. 2019. Air pollution， human capital flow and

innovative vitality： Evidence from individual patent inventions[J]. China Industrial

Economics， （10）： 99-117. （in Chinese）

苗艷青， 陳文晶. 2010. 空氣污染和健康需求： Grossan 模型的應用[J]. 世界經濟，

33（6）： 140-160.

Miao Y Q， Chen W J. 2010. Air pollution and health needs： Application of

Grossans model [ J]. The Journal of World Economy， 33 （ 6）： 140-160. （ in

Chinese）

祁毓， 盧洪友. 2015. 污染、健康與不平等———跨越“環境健康貧困”陷阱[J]. 管理

世界，（9）： 32-51.

Qi Y， Lu H Y. 2015. Pollution， health and inequality： Crossing the

“environmental health poverty” trap[ J]. Management World， （ 9）： 32-51. （ in

Chinese）

沈永建， 于雙麗， 蔣德權. 2019. 空氣質量改善能降低企業勞動力成本嗎？ [J]. 管

理世界， 35（6）： 161-178.

Shen Y J， Yu S L， Jiang D Q. 2019. Does the improvement of air quality decrease

firm labor cost？ [J]. Management World， 35（6）： 161-178. （in Chinese）

孫偉增， 張曉楠， 鄭思齊. 2019. 空氣污染與勞動力的空間流動———基于流動人口

就業選址行為的研究[J]. 經濟研究， 54（11）： 102-117.

Sun W Z， Zhang X N， Zheng S Q. 2019. Air pollution and spatial mobility of labor

force： Study on the migrants job location choice[ J]. Economic Research Journal，

54（11）： 102-117. （in Chinese）

王玉澤， 羅能生. 2020. 空氣污染、健康折舊與醫療成本———基于生理、心理及社會

適應能力三重視角的研究[J]. 經濟研究， 55（12）： 80-97.

Wang Y Z， Luo N S. 2020. Air pollution， health depreciation and medical costs：

Research based on the three perspectives of physical health， mental health and social

adaptability[J]. Economic Research Journal， 55（12）： 80-97. （in Chinese）

王兆華， 馬俊華， 張斌， 等. 2021. 空氣污染與城鎮人口遷移： 來自家庭智能電表

大數據的證據[J]. 管理世界， 37（3）： 19-33.

Wang Z H， Ma J H， Zhang B， et al. 2021. Air pollution and residential migration：

Empirical evidence from smart meter data [ J]. Journal of Management World，

37（3）： 19-33. （in Chinese）

吳超鵬， 李奧， 張琦. 2021. 空氣污染是否影響公司管理層人力資本質量[J]. 世界

經濟， 44（2）： 151-178.

Wu C P， Li A， Zhang Q. 2021. Does air pollution affect corporate management

quality？ [J]. The Journal of World Economy， 44（2）： 151-178. （in Chinese）

謝婷婷， 王勇. 2022. 環境質量與中國城市發展沉浮： 人力資本視角的解釋[J]. 世

界經濟， 45（1）： 133-157.

Xie T T， Wang Y. 2022. Environmental quality and Chinese urban development：

An interpretation from the perspective of human capital[ J]. The Journal of World

Economy， 45（1）： 133-157. （in Chinese）

左翔， 李明. 2016. 環境污染與居民政治態度[ J]. 經濟學（ 季刊）， 15 （ 4）：

1409-1438.

Zuo X， Li M. 2016. The impacts of pollution on peoples political attitude in China

[J]. China Economic Quarterly， 15（4）： 1409-1438. （in Chinese）

Adhvaryu A， Kala N， Nyshadham A. 2022. Management and shocks to worker

productivity[J]. Journal of Political Economy， 130（1）： 1-47.

Arceo E， Hanna R， Oliva P. 2016. Does the effect of pollution on infant mortality differ

between developing and developed countries？ Evidence from Mexico City[ J]. The

Economic Journal， 126（591）： 257-280.

Banzhaf H S， Walsh R P. 2008. Do people vote with their feet？ An empirical test of

Tiebouts mechanism[J]. American Economic Review， 98（3）： 843-863.

Bharadwaj P， Zivin J G， Mullins J T， et al. 2016. Early-life exposure to the great smog

of 1952 and the development of asthma[ J]. American Journal of Respiratory and

Critical Care Medicine， 194（12）： 1475-1482.

Brunekreef B， Holgate S T. 2002. Air pollution and health[J]. The Lancet， 360（9341）：

1233-1242.

Chang T， Zivin J G， Gross T， et al. 2016. Particulate pollution and the productivity of

pear packers[J]. American Economic Journal： Economic Policy， 8（3）： 141-169.

Chang T Y， Zivin J G， Gross T， et al. 2019. The effect of pollution on worker

productivity： Evidence from call center workers in China[ J]. American Economic

Journal： Applied Economics， 11（1）： 151-172.

Chay K Y， Greenstone M. 2003. The impact of air pollution on infant mortality：

Evidence from geographic variation in pollution shocks induced by a recession[ J].

The Quarterly Journal of Economics， 118（3）： 1121-1167.

Chen S， Oliva P， Zhang P. 2018. Air pollution and mental health： Evidence from China

[R]. NBER Working Paper， No. 24686.

Chen S， Chen Y Y， Lei Z T， et al. 2020. Impact of air pollution on short-term

movements： Evidence from air travels in China[J]. Journal of Economic Geography，

20（4）： 939-968.

Chen S， Oliva P， Zhang P. 2022. The effect of air pollution on migration： Evidence from

China[J]. Journal of Development Economics， 156： 102833.

Chen Y Y， Ebenstein A， Greenstone M， et al. 2013. Evidence on the impact of

sustained exposure to air pollution on life expectancy from Chinas Huai River policy

[J]. Proceedings of the National Academy of Sciences of the United States of

America， 110（32）： 12936-12941.

Currie J， Neidell M. 2005. Air pollution and infant health： What can we learn from

Californias recent experience？ [J]. The Quarterly Journal of Economics， 120（3）：

1003-1030.

Czarnecka M， Nidzgorska-Lencewicz J. 2017. The impact of thermal inversion on the

variability of PM10 concentration in winter seasons in Tricity [ J]. Environment

Protection Engineering， 43（2）： 157-172.

Davis D L， Bell M L， Fletcher T. 2002. A look back at the London smog of 1952 and the

half century since[J]. Environmental Health Perspectives， 110（12）： A734-A735.

Dechezleprêtre A， Rivers N， Stadler B. 2019. The economic cost of air pollution：

Evidence from Europe[ R]. OECD Economics Department Working Papers， No.

1584. Paris： OECD Publishing.

Deryugina T， Heutel G， Miller N H， et al. 2019. The mortality and medical costs of air

pollution： Evidence from changes in wind direction[J]. American Economic Review，

109（12）： 4178-4219.

Deschenes O， Wang H X， Wang S， et al. 2020. The effect of air pollution on body

weight and obesity： Evidence from China[ J]. Journal of Development Economics，

145： 102461.

Ebenstein A， Lavy V， Roth S. 2016. The long-run economic consequences of high-stakes

examinations： Evidence from transitory variation in pollution [ J ]. American

Economic Journal： Applied Economics， 8（4）： 36-65.

Ebenstein A， Fan M Y， Greenstone M， et al. 2017. New evidence on the impact of

sustained exposure to air pollution on life expectancy from Chinas Huai River Policy

[J]. Proceedings of the National Academy of Sciences of the United States of

America， 114（39）： 10384-10389.

Fu S H， Viard V B， Zhang P. 2021. Air pollution and manufacturing firm productivity：

Nationwide estimates for China[J]. The Economic Journal， 131（640）： 3241-3273.

Fu S H， Viard V B， Zhang P. 2022. Trans-boundary air pollution spillovers： Physical

transport and economic costs by distance[ J]. Journal of Development Economics，

155： 102808.

GBD 2019 Risk Factors Collaborators. 2020. Global burden of 87 risk factors in 204

countries and territories， 1990—2019： A systematic analysis for the Global Burden

of Disease Study 2019[J]. The Lancet， 396（10258）： 1223-1249.

Gramsch E， Cceres D， Oyola P， et al. 2014. Influence of surface and subsidence

thermal inversion on PM2. 5 and black carbon concentration [ J]. Atmospheric

Environment， 98： 290-298.

Greenstone M， Hanna R. 2014. Environmental regulations， air and water pollution， and

infant mortality in India[J]. American Economic Review， 104（10）： 3038-3072.

Hanlon W W. 2020. Coal smoke， city growth， and the costs of the industrial revolution

[J]. The Economic Journal， 130（626）： 462-488.

Hanna R， Oliva P. 2015. The effect of pollution on labor supply： Evidence from a

natural experiment in Mexico City[J]. Journal of Public Economics， 122： 68-79.

He G J， Liu T， Zhou M G. 2020. Straw burning， PM2. 5， and death： Evidence from

China[J]. Journal of Development Economics， 145： 102468.

He J X， Liu H M， Salvo A. 2019. Severe air pollution and labor productivity： Evidence

from industrial towns in China[J]. American Economic Journal： Applied Economics，

11（1）： 173-201.

He X B， Luo Z J， Zhang J J. 2022. The impact of air pollution on movie theater

admissions [ J ]. Journal of Environmental Economics and Management，

112： 102626.

Heblich S， Trew A， Zylberberg Y. 2021. East-side story： Historical pollution and

persistent neighborhood sorting [ J]. Journal of Political Economy， 129 （ 5）：

1508-1552.

Jans J， Johansson P， Nilsson J P. 2018. Economic status， air quality， and child health：

Evidence from inversion episodes[J]. Journal of Health Economics， 61： 220-232.

Khanna G， Liang W Q， Mobarak A M， et al. 2021. The productivity consequences of

pollution-induced migration in China[R]. NBER Working Paper， No. 28401.

Molina T. 2021. Pollution， ability， and gender-specific investment responses to shocks

[J]. Journal of the European Economic Association， 19（1）： 580-619.

Polivka B J. 2018. The great London smog of 1952[ J]. AJN， American Journal of

Nursing， 118（4）： 57-61.

Sager L. 2019. Estimating the effect of air pollution on road safety using atmospheric

temperature inversions[ J]. Journal of Environmental Economics and Management，

98： 102250.

Schlenker W， Walker W R. 2016. Airports， air pollution， and contemporaneous health

[J]. The Review of Economic Studies， 83（2）： 768-809.

Shi X Y， Xi T Y， Zhang X B， et al. 2021. “Moving Umbrella”： Bureaucratic transfers

and the comovement of interregional investments in China [ J ]. Journal of

Development Economics， 153： 102717.

Stafford T M. 2015. Indoor air quality and academic performance [ J]. Journal of

Environmental Economics and Management， 70： 34-50.

Trinh T T， Trinh T T， Le T T， et al. 2019. Temperature inversion and air pollution

relationship， and its effects on human health in Hanoi City， Vietnam [ J ].

Environmental Geochemistry and Health， 41（2）： 929-937.

Wallace J， Kanaroglou P. 2009. The effect of temperature inversions on ground-level

nitrogen dioxide （ NO2 ） and fine particulate matter （ PM2. 5 ） using temperature

profiles from the Atmospheric Infrared Sounder （ AIRS） [ J]. Science of the Total

Environment， 407（18）： 5085-5095.

Wu B Z， Zhong X H. 2020. Matching inequality and strategic behavior under the Boston

mechanism： Evidence from Chinas college admissions[ J]. Games and Economic

Behavior， 123： 1-21.

Xue S Y， Zhang B H， Zhao X F. 2021. Brain drain： The impact of air pollution on firm

performance [ J ]. Journal of Environmental Economics and Management，

110： 102546.

Yao Y， Li X， Smyth R， et al. 2022. Air pollution and political trust in local

government： Evidence from China[ J]. Journal of Environmental Economics and

Management， 115： 102724.

Yin P， Brauer M， Cohen A J， et al. 2020. The effect of air pollution on deaths， disease

burden， and life expectancy across China and its provinces， 1990—2017： An

analysis for the Global Burden of Disease Study 2017[ J]. The Lancet Planetary

Health， 4（9）： e386-e398.

Zivin J G， Neidell M. 2012. The impact of pollution on worker productivity [ J].

American Economic Review， 102（7）： 3652-3673.