张 慧

（兰州财经大学，甘肃兰州 730030）

一、研究现状

（一） 研究背景

改革开放以来，随着我国经济的飞速发展，人们的生活水平大幅度上升，人们在生活和生产促进社会经济迅速发展的过程中，物质生活得到了丰富改变，生活福利也得到了提高，但同时对环境产生了非常大的负面影响，环境严重污染，臭氧层破坏，酸雨频繁降临，河水变臭等，为此付出了巨大的环境成本，特别是城镇的空气污染，已经严重影响了城镇居民的身体健康，并给社会造成了巨大的经济损失，空气污染已经开始在全球范围内引起人类的高度关注。

空气污染已经引发了非常多的问题，与城镇居民生活有密切联系的是人类的身体健康，以及由健康进一步导致的就诊量增加，就诊量的增加已经成为了全社会居民看病困难的事实，不仅给自己的家庭带来了沉重的经济压力，而且还给医院甚至社会带来了负担。因为就诊量的增多意味着医疗服务将更过多的占用居民的可支配收入，从而减少其他方面的消费。

（二） 研究意义

空气污染是指由于人类活动或自然过程引起的某些物质进入空气中呈现出足够的浓度、持续足够的时间并因此危害了人体的舒适、健康和福利或危害了环境[1]。随着社会经济的发展，居民所拥有的汽车数量也逐渐增多。据统计，我国私人汽车保有量10年增加近6倍，汽车数量的增加也必然会引起汽车尾气更多的排放，由此也给环境带来了极其严重的破坏[2]。研究表明，汽车尾气已经成为城镇空气污染的主要来源。城镇的空气质量下降与汽车尾气的排放有着密不可分的关系。空气中的氮氧化物，汽车尾气等严重超标，已经给城镇居民的身体健康带来了莫大的伤害。

研究表明，空气中的污染物主要有氮氧化物、颗粒物、无机有害物、甲醛、苯系物、苯并芘等。其中氮氧化物主要来源于雷电反应、硝酸生产厂、汽车尾气以及蛋白质的腐烂等。汽车尾气污染物有碳氢化合物、一氧化碳、二氧化硫、含铅化合物、苯并芘以及固体颗粒物[3]。由于环境污染严重，空气中的污染物含量过高会引起呼吸系统感染，鼻炎，哮喘，慢性阻塞性肺病，肺癌等疾病，这不仅加剧了家庭的经济负担，而且还让居民的身体承受了巨大的痛苦，空气污染已经严重造成了人群死亡率增加[4]。亚洲开发银行和清华大学2012年发布的一份研究报告表明，在全球十个空气污染最严重的城市当中，我国有7个城市上榜，其中北京市2001-2004年的比美国环保局（the US Environmental Proctection Agency） 确定的标准高出了7倍，比国际卫生组织（the WHO Global Air Quality Guideline(AQG)） 规定的浓度标准高出了10倍[5]。据世界卫生组织（WHO） 估计，在全球范围内城市空气污染造成每年约80万人死亡和460万人伤残[6]。空气污染已经与居民的健康生活息息相关，由空气污染引发的疾病严重的威胁了人们的身体健康。空气污染对居民的健康生活造成的伤害已经刻不容缓，因此，有必要对健康居民就诊量和空气污染之间的关系进行研究。

（三） 研究内容

就中国的社会现状而言，城镇的空气污染物主要来自于汽车尾气以及空气中超标的氮氧化物，而大型工厂都建在郊区，因此，所排放的气体不会严重影响城镇居民的身体健康。由于汽车尾气的排放量难以测量，所以将汽车尾气排放量换成汽车保有量（即一个地区拥有车辆的数量）。研究表明，种植绿色植被不仅能吸收二氧化碳制造出氧气，而且具有吸收有害气体，吸附尘粒，改善气候，防噪音和监测空气污染多方面的综合效果。因此，城镇地区的绿色植被会相应的减少空气中的污染物，并且为居民净化空气做出贡献。

为此，我们从城镇健康居民就诊量出发，选取统计年鉴中省级2011-2015年的汽车保有量、氮氧化物、人均公园绿地面积等数据，通过包括了31个省市5年的面板数据分析，估计了城镇健康居民就诊量与空气污染和人均公园绿化面积之间的关系，并由此得出一些结论。

（四） 文献综述

1.国外文献综述

ATKINSON等欧洲8个城市的空气污染与呼吸系统感染的就诊案例表明，空气污染与呼吸道疾病有密切的关系，并且0-14岁和15-67岁的哮喘病人正在日益以1.2%和1.1%的速度增加[7]。很多学者在美国的健康调查数据显示，生活在城镇地区的居民患肺癌、血脉硬化、呼吸道疾病以及心脏病的概率高于其他地区的居民的患病概率。还有学者针对空气污染对孕妇和婴幼儿的危害进行了研究，结果表明空气污染与婴儿早产、夭折以及呼吸道、肺部发病率都有很大的相关性（Committee on Environmental Health,2004）。奥地利、法国和瑞士的样本数据也发现了类似的结果，即由交通引起的空气污染造成了每年约6%人口死亡率（N Künzlietaal.,2001） 。 韩 国 Jong-Taelee 等（2000） 研究了七个主要城市1991-1997年的空气污染与人均每天死亡的关系，在控制了天气和时间因素的影响后，二氧化硫浓度每升高50ppb,每天死亡人数就会增加1-12%[8]。

2.国内文献综述

王丽（2014） 对空气污染和汽车消费的相关性做了分析，结果表明，汽车保有量和空气中的二氧化硫和氮氧化物是显著相关的。徐宁等分析了空气污染对公众健康的危害，得出结论二氧化硫排放量每增加一吨，由呼吸等疾病导致的死亡人数比例就会上升0.027%。黎大美、马玉霞（2012）基于兰州地区数据进行分析，证实采暖期的燃煤型空气污染和尘沙天气过程的颗粒物污染严重影响了人们的呼吸系统健康，且具有明显的季节特征。何庆慈、孔玲莉（2003） 针对学龄儿童进行了调查，结论发现当大气总悬浮微粒、氮氧化物等污染物超标时，儿童呼吸系统症状、疾病患病率明显高于无污染区。王斌（2008） 利用全国84个环境重点保护城市2004-2007三年逐日的空气质量日报数据进行了研究，结论表明空气中的主要污染物为可吸入颗粒物、二氧化硫和二氧化氮。

二、数据和方法

（一） 数据来源及相关说明

数据来源于中国环境统计年鉴、卫生统计年鉴等，包含了中国31个省（市） 2011-2016年的城镇健康居民就诊量，氮氧化物，汽车保有量以及人均公园绿地面积。

为了方便描述，将变量名称中的前三的字母作为该变量的简称。如下：

noh:健康居民就诊量 (Number of health examinations)（单位：万人）

pop:汽车保有量 （Possession of Private Vehicles） （单位：万辆）

prg:人均公园绿地面积（Public recreational green space per capita(sq.m)） （单位：平方米/人）

no:氮氧化物（Nitrogen Oxides） （单位：吨）

（二） 模型方法与检验

1.模型设定

面板数据（panel data或 longuitudinal data,也译为“平行数据”），指的是在一段时间内跟踪同一组个体（individual） 的数据。它既有横截面的维度（n位个体），又有时间维度（T个时期）。面板数据是同时在时间和截面上取得的二维数据，也称作时间序列与截面混合数据（pooled time series and cross section data）[9]。而面板数据模型是一类利用平行数量分析变量间相互关系并预测其变化趋势的模型，它有多种形式，已有很多文献做过介绍，具体选取哪种类型，须经过检验[10]。本文在建立混合回归模型、个体固定效应模型和随机效应模型的基础上，通过F检验、LM检验以及H(豪斯曼)检验，最终选取最佳模型来分析结果。

2.检验方法

（1） F检验。F统计量用来检验一组面板数据应该建立混合模型还是个体固定效应模型[11]。

（2） LM检验。LM检验是用来检验模型中是否存在个体随机效应，即检验是应该选择“随机效应”还是“混合效应”[11]。

（3） H（豪斯曼） 检验。H（豪斯曼） 统计量用来检验个体效应与回归变量是否相关，即检验该组面板数据应该建立个体随机效应回归模型还是个体固定效应回归模型[11]。

三、实证研究

首先，在stata中建立面板数据模型

根据图1可知，这是一个平衡的面板数据，数据结构如图2。

因为 n＝31，T＝5， n＞T， 由图 2 可知，这是一个短面板数据集，该数据类型可以不考虑面板相关的问题。继续查看数据的描述性统计特征，如下：

图1 面板数据模型的建立

图2 短面板数据集

图3 样本描述统计

由图3可知，prg变量的最大值与最小值差异较小，而noh、no与pop的最大值与最小值之间的差异很大，这说明各个省之间的城镇健康居民就诊量、空气中氮氧化物和汽车保有量的差距很大。

进一步作noh的时序图，由图4可知，每个省（市） 的时间趋势不尽相同，有些省（市） 较为平稳，比如：1、2、3、5等，说明这几个省（市） 在2012-2016年期间的城镇健康居民就诊量变动不大；有些省（市）有略微的上升趋势，比如第6、10、11等，说明在2012-2016年期间健康居民就诊量有所增多，可能有更多的人身体健康受到空气污染的影响；有些省（市）有略微的下降趋势，说明在2012-2016年健康居民就诊量有所降低；而第4个省中间有凸起的“山峰”，说明在2012-2014年期间的居民就诊量大幅度上升，而2013年达到最大值，在2014年之后又趋于平缓，说明该省在此期间由于某种原因，导致更多的居民去医院就诊。时序图在一定程度上，可以说明城镇健康居民就诊量的省际差异有助于估计决定健康居民就诊量的因素。

图4 noh的时序图

最后，考察一下各变量之间的简单相关系数,由表1可知，部分变量之间的相关系数大于0.5，说明这几个变量之间可能存在多重共线性，需在建模之前做进一步判断，用stata计算各个变量之间的方差膨胀因子。结果如下：

表1 no、pop、prg相关系数

表2 no、pop、prg方差膨胀因子

由表2可知，各个变量的VIF（方差膨胀因子）值均小于10，说明可以不剔除部分变量，直接进行建模。对数据进行检验来确定选用哪种模型为最佳模型。

（一） F检验

F检验的原假设为建立混合回归模型，备择假设为建立个体固定效应模型。检验结果如图5所示：

图5 F检验

由图5可知，F检验的P值为0.0000，强烈拒绝原假设，故应该使用个体固定效应模型。但由于此时未使用稳健标准误，故这个F检验不足够有效，进一步尝试通过LSDV（虚拟变量法）来考察。通过用stata做LSDV法可知，大多数个体虚拟变量均显著，故可拒绝“所有个体虚拟变量都为0”的原假设，存在个体效应。而且表中最后一行显示，“rho=0.91”,故复合扰动项的方差主要来自个体效应，故不应该使用混合回归。

（二） LM检验

虽然上述检验已经可以确定个体效应存在，但个体效应是否以随机效应（RE） 的形式存在，需要进一步用LM检验。

LM检验的原假设为“不存在个体随机效应”，备择假设为“存在个体随机效应”。检验结果如下：

由图6可知，LM检验的P值为0.0000，强烈拒绝原假设，即认为“存在个体随机效应”，在混合回归模型和随机效应模型之间应该选择随机效应模型。

图6 LM检验

（三） H（豪斯曼） 检验

下面进一步进行检验个体效应与回归变量是否相关，H（豪斯曼）检验的原假设为“个体效应与回归变量无关”，备择假设为“个体效应与回归变量相关”。检验结果如下：

图7 H（豪斯曼） 检验

由图7可知，H（豪斯曼） 检验的P值为0.069，故不能拒绝原假设“个体效应与回归变量无关”，即认为个体效应与回归变量无关，应该建立个体随机效应回归模型。

（四） 面板模型估计结果

结合F检验、LM检验和豪斯曼检验及参数的显著程度，最终选择个体随机效应回归模型。模型结果如图8所示。

图8 个体随机效应回归结果

通过模型结果可知：对城镇健康居民就诊量有显著影响的变量有氮氧化物和汽车保有量，并且氮氧化物和汽车保有量与城镇健康居民就诊量呈正相关。其中，氮氧化物每增加一吨，城镇健康居民就诊量就会增加8.16人；汽车保有量每增加一万辆，城镇健康居民就诊量就会增加1.4人。而人均公园绿化面积与城镇健康居民就诊量呈负相关，人均公园绿化面积每人每增加一平方米，城镇健康居民就诊量就会减少14.68人。但是这种结果并不显著，说明种植绿色植被已经不足够净化空气，从而使得居民生活在一个空气干净的环境之中。

四、结论与建议

（一） 结论

本文基于全国31个省市从2011-2015年5年的省际面板数据来分析我国空气污染（具体为氮氧化物和汽车尾气的排放）和人均公园绿地面积对城镇健康居民就诊量之间的关系。本文先从个体固定效应模型、混合回归模型和个体随机效应回归模型中，通过F检验、LM检验和H(豪斯曼)检验最终选择了个体随机效应回归模型。模型中以各省份的城镇健康居民就诊量为被解释变量，解释变量为氮氧化物、汽车保有量和人均公园绿地面积。此外，还加入了个体随机效应，用以反应一些不随时间改变且同时对氮氧化物、汽车保有量和人均公园绿地面积产生影响的不可观测因素。最后的个体随机效应回归模型结果显示，氮氧化物每增加一单位，城镇健康居民的就诊量就会上升8.16万人；汽车保有量与城镇健康居民就诊量呈正相关，汽车每增加1万辆，居民就诊量就会增加1.42万人；人均公园绿地面积与健康居民就诊量呈负相关，绿地面积每增加一单位，健康居民就诊量就会减少14.68万人，但是这一结果不是特别显著，说明现在种植绿色植被已经不能作为减少健康居民就诊量的主要因素。由上述的实证分析可知：氮氧化物和汽车保有量已经严重的威胁了城镇居民的生活质量，空气的污染与氮氧化物和汽车尾气的排放有密不可分的关系，从而导致了居民的身体受到了不同程度的影响。

（二） 政策建议

面对当前的空气污染形势，政府和民众应该联合起来，用强大的法律做保障，加以适当的社会压力做监督，这样才能为大众赢造一个良好健康的生活环境。从模型变量出发，结合得到的估计结果，为减少氮氧化物和汽车尾气的排放，增加绿色植被种植面积，控制空气污染程度，现提出以下几点建议：

1.遵循“谁排放，谁买单”原则。目前，我国对于氮氧化物排放的事前调查、事中监管及事后统计的各项工作还比较薄弱，无法实现现阶段政府对氮氧化物监管工作的要求。因此，政府以及相关部门应该提高对氮氧化物排放的危害性认识，合理做好监测工作，坚持遵循“谁排放，谁买单”的原则，不再片面的强调经济发展与“先污染，后治理”的认识误区。

2.遵循“谁破坏，谁负责”原则。我们在大力倡导环境保护的同时，应该摒弃“只保护，不发展”的理念，既要保护环境，也要发展环境。政府和有关部门不仅要呼吁大家保护绿色植被，还应该制定相关条例，采用法律的强制手段来约束大家，对于破坏环境者必须做到“谁破坏，谁负责”的基本原则，从而加强对绿色植被的保护。

3.遵循“谁环保，奖励谁”原则。汽车尾气已经成为城镇空气污染的主要来源，限号制度虽然从一部分角度减少了汽车出行，但随着居民对汽车的需求量越来越大，相关部门应该限制私人轿车购买量，坚持一个家庭只能购买一辆家用汽车的原则，从根源上控制汽车尾气的排放。在汽车市场上，建立环保汽车奖励金制度，对于购买电动汽车的用户应予以奖励，大力提倡使用电动汽车，让电动汽车逐渐替代燃油汽车。

4.遵循“谁生病，及时治”原则。目前，由空气污染所引起的疾病越来越多，即使政府和相关部门严格治理空气污染，但是空气的净化仍需要很长的一段时间，不能及时解决居民的身体健康问题。因此，在社会提高居民有病就治的健康意识的同时，政府也应该建立健全医院的基础医疗设施，创建一套完整的医疗卫生机制，对困难人群开通一条先治病后付费的绿色通道，减少因就医难而对病人所造成的伤害。

[1]汪伟全.空气污染的跨域合作治理研究——以北京地区为例[J]. 公共管理学报，2014，11（01）：55-64+140.

[2]陈远通. 汽车保有量预测技术方法及其应用[D].华南理工大学，2010.

[3]刘涛，吕颖坚，丘志锋，陈丽萍，何丽萍，黄江鑫，宋宏，杨轶戬. 城市空气监测数据与空气污染指数的相关性分析[J]. 华南预防医学，2006，（02）：16-18+22.

[4]王岩，齐开屏. 浅析室内空气污染对身体健康的危害[J].河南建材，2010，（05）：73.

[5]王丽. 汽车消费和空气污染相关性的面板数据分析[J]. 中国人口.资源与环境，2014，24（S2）：462-466.

[6]赵文昌.空气污染对城市居民的健康风险与经济损失的研究[D].上海交通大学，2012.

[7]甘甜甜. 基于问卷调查的辽宁省大气污染对居民呼吸道疾病医疗支出的影响分析[D].辽宁大学，2014.

[8]窦晨彬. 空气污染健康效应的经济学分析[D].西南财经大学，2012.

[9]白仲林. 面板数据模型的设定、统计检验和新进展[J]. 统计与信息论坛，2010，25（10）：3-12.

[10]叶小青. 非线性交互效应面板数据模型的估计[J]. 统计研究，2014，31（02）：96-101.

[11]陈强.高级计量经济学及STATA应用[M].北京：高等教育出版社，2014.265-273.