李碩，王敏

（1.香港大學經濟及工商管理學院，香港 999077； 2.北京大學中國經濟研究中心/國家發(fā)展研究院，北京 100871）

改革開放40多年來，中國經濟高速增長，但環(huán)境改善的壓力也與日俱增，其中空氣質量問題尤為突出。2013年1月29日，中國各地出現(xiàn)持續(xù)大范圍的霧霾天氣，霧霾面積約130萬km2，期間北京等城市的空氣污染指數(shù)一度突破儀器監(jiān)測的最高值，為歷史罕見。自此，中國政府采取包括制定《大氣污染防治行動計劃》、修訂《環(huán)境保護法》、實施環(huán)保督察等一系列措施加強大氣污染治理。《中國空氣質量改善報告（2013—2018年）》表明，首批實施《環(huán)境空氣質量標準》的74個城市的PM2.5平均濃度下降42%，京津冀、長三角和珠三角地區(qū)PM2.5平均濃度分別下降了48%、39%和32%。但是，《生態(tài)環(huán)境部公布2019年全國生態(tài)環(huán)境質量簡況》也顯示，中國仍有53.4%的城市空氣質量不達標，空氣污染仍然是當今社會的重要環(huán)境問題。

大量研究從不同視角討論了空氣污染對人類健康的負面影響，并發(fā)現(xiàn)當空氣污染降低人類健康水平時，人們的醫(yī)療和保健消費會顯著增加，但空氣污染對居民日常消費的影響卻很少被關注。自新古典宏觀經濟學興起以來，大量研究表明居民消費決策是影響宏觀經濟周期和宏觀政策制定最為重要的因素之一［1-2］。考慮到個體的效用或福利水平主要是由消費所決定，而且居民消費也已成為GDP總量和增速的最重要組成部分，研究空氣污染對居民消費的影響不但有重要的福利含義，也有一定宏觀經濟意義。2020年，習近平提出加快構建以國內大循環(huán)為主體、國內國際雙循環(huán)相互促進的新發(fā)展格局，全面促進消費、增強消費對經濟發(fā)展具有基礎性作用。中國目前正處于從依賴投資和全球貿易順差的增長模式轉向更加依賴國內消費的增長模式，消費已連續(xù)多年成為經濟增長的最大推動力，在此背景下，探討空氣污染對居民日常消費的影響，無疑具有重要的現(xiàn)實意義。

中國家庭追蹤調查（China family panel studies，CFPS）問卷調查中有關收入和消費的變量記錄的是被訪家庭在過去一年的情況。每一期CFPS問卷調查雖然會集中在幾個月內完成，但每個被訪家庭的訪談月份不盡相同，空氣污染、氣象狀況也不盡相同。即便在同一個區(qū)縣、同一調查期中，不同家庭由于被訪時間不同導致過去一年受到的空氣污染沖擊也不相同，已有文獻中絕大多數(shù)［3］基于家戶微觀數(shù)據(jù)討論地區(qū)層面的特征變量對家戶行為的影響時，由于無法獲得每個家戶的被訪時間，只能將調查年份的地區(qū)特征變量統(tǒng)一匹配給當?shù)厮屑覒?。這種做法不但導致核心解釋變量與真實的數(shù)據(jù)生成過程不符（即家戶實際暴露的空氣污染濃度與其真實水平不符），也不能完全排除由與空氣污染相關的遺漏變量影響結果的質疑。

雖然不同家庭的被訪時間相對比較隨機，但是在一年的時間尺度內，空氣污染與當?shù)氐慕洕顒涌赡苓€存在一定的相關性。因為當?shù)氐慕洕顒硬坏绊懣諝馕廴尽⒁部赡苡绊懢用裣M，所以分析空氣污染對消費的影響面臨著內生性挑戰(zhàn)。該研究采用逆溫作為空氣污染的工具變量以解決內生性問題。在控制固定效應以及其他氣象變量后，逆溫是非常隨機的大氣現(xiàn)象，因此也是文獻中常用的空氣污染工具變量［4-8］。該研究工具變量回歸結果表明，同時期的空氣污染顯著抑制家庭年度人均消費支出，而且空氣污染對居民消費存在一定的非線性影響，即日均污染濃度越高的天數(shù)越多，年度人均居民消費的下降幅度越大。進一步的機制分析發(fā)現(xiàn)，空氣污染對居民日常消費的影響主要可能是人們對空氣污染采取的防護性行為減少了消費場景、從而抑制了消費能力。此外，空氣污染在年度層面對居民收入在統(tǒng)計上沒有顯著性影響，但顯著提升居民儲蓄率。進一步的異質性分析結果表明，農村地區(qū)的消費對空氣污染更為敏感；空氣污染顯著降低了家庭對純消費品的消費，說明空氣污染對消費的影響并非由醫(yī)療保健支出所驅動。

1 文獻綜述

空氣污染對人類社會最主要的影響是健康損害。大量的流行病學和經濟學研究表明，空氣污染會導致呼吸道疾病和心血管疾病，增加疾病死亡風險。此外，空氣污染對心理健康也有不利影響，例如空氣污染會降低人群認知能力［9］、增加抑郁風險［10-11］。身心健康是人類進行有效率的生產和消費活動的首要因素。當空氣污染損害人類健康時，人類的日常生產和消費行為顯然也會間接受到空氣污染的影響。已有研究表明，通過健康這個渠道，空氣污染不但會減少人們的勞動供給［12-13］，而且還會進一步降低勞動力的勞動生產效率［7，14-17］。

空氣污染對居民消費的影響最直接體現(xiàn)于空氣污染會增加居民醫(yī)療和預防性健康消費支出。大量文獻研究證實，空氣污染會增加口罩、空氣凈化器等防護性支出和醫(yī)療保險等健康預防性消費：基于2007—2009年中國城鎮(zhèn)住戶調查數(shù)據(jù)發(fā)現(xiàn)年度PM2.5每上升1%，家庭年度醫(yī)療保健支出增加2.94%［18］；利用天貓和淘寶電商平臺上190個城市每日口罩銷售數(shù)據(jù)發(fā)現(xiàn)空氣質量指數(shù)（AQI）每上升100個單位，口罩日銷售量上升50.4%［19］；利用2006—2012年中國81個城市空氣凈化器月度銷售數(shù)據(jù)以及斷點回歸，研究發(fā)現(xiàn)秦嶺淮河以北含有高效過濾網的空氣凈化器市場份額顯著跳躍增長［20］；利用城市層面的每日健康保險銷售數(shù)據(jù)，發(fā)現(xiàn)人們會在空氣質量較差時購買醫(yī)療保險，在空氣質量較好時退保［21］。但是一個重要卻被忽視的問題是，空氣污染對居民日常消費究竟會有什么樣的影響？Wang等［22］基于代際交疊模型從健康角度探討環(huán)境污染與經濟發(fā)展之間的關系，并通過理論推導證明，空氣污染會導致人們在當下減少消費、增加預防性儲蓄以應對未來（由空氣污染引發(fā)的）更高的健康風險。一方面，當空氣質量較差時，人們會減少外出消費或休閑娛樂來減少空氣污染的暴露水平、從而降低空氣污染對健康的負面影響，可能會導致人們的日常消費活動在一定程度上受到抑制。另一方面，空氣污染的醫(yī)療成本只是其全部健康成本的一部分?？諝馕廴局饕慕】涤绊懯墙o多數(shù)人群帶來眼睛和喉嚨不適反應以及頭疼痛等輕癥狀，這些輕癥狀并不導致就醫(yī)，因此也沒產生任何醫(yī)療費用，但是對人類健康和日常生活的影響卻更為普遍［23］。例如，當空氣污染導致人們身體不適或使得人們減少外出時，人們的消費欲望可能因此下降、從而減少其當期消費。Barwick等［24］利用中國城市級別日度的信用卡交易記錄，發(fā)現(xiàn)空氣污染會顯著增加醫(yī)療支出，同時也會顯著減少日常必需品的支出。由于Barwick等［24］利用的是信用卡類交易數(shù)據(jù)，非卡類支出的居民消費就不在該數(shù)據(jù)的統(tǒng)計范圍內，因此其樣本代表性有限；此外，城市層面的加總數(shù)據(jù)也使得該研究無法在微觀層面基于家戶各項特征展開研究。

另外，有大量的經濟學文獻從不同角度探索了中國低消費、高儲蓄率的難解之謎，例如房價［25-27］、家庭結構［28］、流動性約束［29］和未來不確定［1，30］等因素；也有文章關注家庭消費中隱含的污染排放［31］。該研究從空氣污染視角研究家戶消費和儲蓄問題，豐富了該文獻研究。此外，雖然該研究的理論模型設定與Wang等［22］不同，但有關空氣污染對健康和儲蓄率影響的結論基本一致。因此，該研究的實證結果也在一定程度上驗證了Wang等［22］的理論推導。

該研究可能的邊際貢獻主要包括以下三方面。第一，相比于已有文獻主要關注空氣質量對醫(yī)療支出或防護性支出的影響，該研究關注的是空氣質量對居民日常消費的影響，為理解空氣質量對居民消費的影響提供了更全面和整體的視角。第二，該研究是第一篇利用全國代表性樣本探討空氣污染對家庭日常消費支出影響的文章。該研究根據(jù)每個家庭被調查的年月信息，將每個家庭被訪問過去一年的收入消費信息與同時期的空氣污染、氣象數(shù)據(jù)進行匹配，得到的家戶面板數(shù)據(jù)在因果識別上有一定的優(yōu)勢，得到的估計結果更有外部有效性且細致。第三，從消費角度分析空氣污染的社會外部性，豐富了環(huán)境外部性分析的視角?？諝馕廴緦θ梭w健康影響的經濟學研究在過去20年大量涌現(xiàn)［3，6，32-36］。但是，空氣污染健康成本之外的研究相對有限，尤其是直接涉及中國國內的經濟影響更不多見［37-38］。該研究則為這一支文獻提供了新的角度。

2 理論模型

假設消費者的健康水平是空氣污染和醫(yī)療健康防護支出的一個函數(shù)，H=H(x，A)。其中，A代表空氣污染水平，x為醫(yī)療健康防護支出。健康水平單調遞減于空氣污染水平，但單調遞增于醫(yī)療健康防護支出，即?H/?A<0以及?H/?x>0。此外，設?2H/?x?A>0，即邊際上每增加一單位醫(yī)療健康防護支出會減少空氣污染對健康的邊際損害影響。

消費者效用是健康水平H和一般消費品c的函數(shù)：

其中：c是居民家戶消費中除醫(yī)療防護消費支出以外的其他消費品加總，即那些能直接帶來效用提升的消費品。對于消費者而言，空氣污染A是外生給定的變量。效用函數(shù)嚴格凹且滿足以下偏導數(shù)的符號性質：?u/?c>0，?2u/?c2≤0； ?u/?H>0， ?2u/?H2≤0。同時，該研究也假定一般消費品c是健康水平H的互補品：?2u/?c?H≥0，即健康水平越高，人們更愿意增加c的消費。例如，人們更愿意在身體健康狀態(tài)比較好的時候進行外出就餐、購物和休閑旅游等消費支出活動。消費者面臨的預算約束條件如下：

其中：消費品c的價格被標準化為1，px是消費品x的價格。

把公式（2）帶入公式（1）可以得到如下的居民效用最大化問題：

對公式（3）求一階條件可得到：

消費者最優(yōu)消費決策由公式（2）和公式（4）共同決定。

對公式（4）應用隱函數(shù)定理，進一步可以得到空氣污染對居民消費c的影響：

給定最大化問題（3）的二階條件，公式（5）的分母d2u/dc2小于0。另外，再根據(jù)上文中相關函數(shù)一階和二階導數(shù)的條件假設，公式（5）的分子小于0。因此，可以得到dc/dA<0。也就是說，空氣污染上升會減少一般消費品c的消費。給定約束條件（2）以及dc/dA<0，得到dx/dA>0，即空氣污染上升會增加醫(yī)療健康防護x的支出。在目前的討論中，該研究沒有引入儲蓄，因此總消費水平c+pxx總是不變且等于總收入。如進一步考慮儲蓄，由于空氣污染增加x的消費、減少c的消費，空氣污染存在減少總消費水平、增加儲蓄率的可能。基于以上討論，該研究提出假說1。

假說1：隨著空氣污染水平的上升，消費者會減少非醫(yī)療一般消費品支出；同時，消費者的總消費水平和儲蓄率分別存在下降和上升的可能。

3 數(shù)據(jù)和實證策略

3.1 數(shù)據(jù)來源及處理

家庭數(shù)據(jù)來自2010—2018年共5期的CFPS微觀數(shù)據(jù)，其樣本選取了25個省份，反映中國社會、經濟、人口、教育和健康的變遷。該研究選用的CFPS家庭層面數(shù)據(jù)包括了家庭過去一年家庭總消費支出、分項消費支出、總收入等變量；其中家庭總消費支出是食品消費、衣著支出、居住消費、醫(yī)療保健支出、交通通信支出、家庭設備及日用品支出、文教娛樂支出和其他消費的總和，家庭總收入是工資性收入、經營性收入、轉移性收入、財產性收入和其他收入的總和。在實際調查過程中，調查完一個區(qū)縣內所有樣本家戶需要較長的時間，每一期調查在很多區(qū)縣都持續(xù)了若干個月甚至半年以上時間，這就使得樣本中每個被訪家庭在調查日期之前一年所面臨的空氣污染暴露都不盡相同。不同家庭所暴露的PM2.5濃度的外生差異，也有利于該研究更好地將空氣污染對家庭行為的影響從共同的區(qū)縣時間趨勢中剝離出來。由于消費、收入、儲蓄率存在諸多明顯的異常值，因此該研究去掉了樣本中這三個變量處在上下各2.5%分位數(shù)的家戶樣本；由于該研究關心的核心被解釋變量為家庭人均居民消費性支出，因此該研究去掉了這一變量為缺失值的樣本。

空氣質量數(shù)據(jù)采用美國國家航空航天局（NASA）發(fā)布的現(xiàn)代回顧性分析研究與應用項目（Modern‐Era Retro‐spective Analysis for Research and Applications version 2，MERRA‐2）中50 km×60 km的網格數(shù)據(jù)，基于衛(wèi)星氣溶膠光學厚度（Aerosol Optical Depth，AOD）反演得到的月度PM2.5質量濃度。參考之前研究［7-8］，該研究將網格數(shù)據(jù)加總到區(qū)縣層面，再與CFPS數(shù)據(jù)進行匹配。衛(wèi)星反演數(shù)據(jù)相對于監(jiān)測站的數(shù)據(jù)的優(yōu)勢在于時間跨度長，測算標準統(tǒng)一且覆蓋面更廣；由于中國大規(guī)模空氣監(jiān)測站建設始于2013年，如果利用空氣監(jiān)測站數(shù)據(jù)研究空氣污染對家庭消費的影響，不但導致樣本期限縮短（2010和2012年的家戶數(shù)據(jù)將無法使用），而且也會導致樣本大幅度減少。因此，2010—2018年間的PM2.5衛(wèi)星反演數(shù)據(jù)可以提供前后一致可比的空氣污染信息，同時保證樣本有足夠的時間跨度。由于CFPS問卷中有關收入、消費的問題都是針對調查時間之前一年的情況，如某家戶在2016年6月份被訪談，那么調查問卷記錄的是過去12個月（即2015年6月到2016年5月）的收入和消費信息，因此該研究以CFPS中家庭調查的月份作為時間節(jié)點，往前推算一年作為家庭消費、收入的統(tǒng)計周期，并與對應同時期的空氣污染、氣象等數(shù)據(jù)進行匹配，包括PM2.5平均濃度、PM2.5中位數(shù)以及高污染天數(shù)等；該研究以月中（當月15日）作為其調查時間以匹配氣象和污染數(shù)據(jù)。在穩(wěn)健性檢驗中，同時也檢驗月初（當月1日）等不同時間窗口的口徑對于估計結果的影響，發(fā)現(xiàn)結果幾乎沒有變化。其中，計算不同程度污染的天數(shù)時，定義輕度污染以上天數(shù)為日均PM2.5濃度超過45 μg/ m3的天數(shù)，中度污染以上天數(shù)為日均PM2.5濃度超過60 μg/ m3的天數(shù)，重度污染以上天數(shù)為日均PM2.5濃度超過75 μg/m3的天數(shù)。根據(jù)該研究的比對，NASA衛(wèi)星反演的PM2.5濃度數(shù)值約為地面監(jiān)測站監(jiān)測的PM2.5濃度數(shù)值的二分之一左右，因此45 μg/m3、60 μg/m3和75 μg/m3大概相當于地面監(jiān)測站90 μg/m3、120 μg/m3和150 μg/m3左右的水平。

氣象控制變量數(shù)據(jù)來自國家氣象信息中心公布的全國氣象監(jiān)測站所報告的每日平均氣溫、平均風速、累計降雨量、平均相對濕度和日照時數(shù)等氣象信息。該研究首先利用反距離加權插值法（Inverse Distance Weight，IDW），將距離CFPS被調查區(qū)縣200 km半徑內的氣象監(jiān)測站的氣象數(shù)據(jù)與CFPS數(shù)據(jù)進行匹配。在具體的回歸中，將每類氣象變量在每個家戶被訪時間前一年內的日值數(shù)據(jù)進行區(qū)間（bin）分組，以充分控制氣象因素對逆溫、空氣污染以及人類生活的非線性影響［39-40］。以氣溫變量的區(qū)間構造為例，先將氣溫分成若干溫度區(qū)間，然后計算每個家庭在過去一年日平均氣溫落在不同溫度區(qū)間的天數(shù)，得到一組代表不同溫度組對應天數(shù)的變量。該研究可以利用過去一年氣溫的分布情況，控制氣溫的非線性影響；由于一年中所有溫度區(qū)間的值加總等于365，將這些變量同時放入到回歸方程中進行回歸時，完全多重共線性會使得回歸中某個溫度區(qū)間變量被自動舍棄。其他氣象變量的區(qū)間分組過程與上述例子相同。該研究選取各個氣象變量的區(qū)間規(guī)則如下：平均氣溫的區(qū)間間隔是5 ℃，平均風速的區(qū)間間隔是1 m/s，累計降雨量的區(qū)間間隔是1 mm，平均相對濕度的區(qū)間間隔是20%，日照時數(shù)的區(qū)間間隔是1 h。

該研究所使用的工具變量——逆溫數(shù)據(jù)，同樣來自美國國家航空航天局（NASA）發(fā)布的MERRA‐2。MER‐RA‐2把地球表面劃分為50 km×60 km網格，每6小時紀錄一次各個高度的大氣層對應的溫度。其中，離地表最近的兩層對應的高度分別為110 m和320 m。正常情況下，近地面溫度應高于高空大氣層溫度。如果反之，則出現(xiàn)逆溫現(xiàn)象，并意味著空氣污染物難以通過空氣上下對流進行擴散，導致大氣污染濃度上升。如果某一天出現(xiàn)了至少一次逆溫，該研究將這一天記作逆溫天。該研究按照家庭所在區(qū)縣和被訪時間，計算每個家庭所面臨的年度逆溫天數(shù)。

表1展示了該研究核心變量的描述性統(tǒng)計。從中可以看到，無論是家庭層面的消費和收入數(shù)據(jù)，還是匹配到家庭層面的空氣污染數(shù)據(jù)都存在較大的差異。這就為該研究的回歸分析提供了好的識別基礎。圖1展示了經異常值處理后的核心被解釋變量——家庭人均消費支出的分布，家庭人均消費支出取對數(shù)后的分布非常接近正態(tài)分布。

圖1 平衡面板中人均消費對數(shù)形式的分布

表1 描述性統(tǒng)計

3.2 實證策略

識別空氣污染對于人類經濟行為影響的最大挑戰(zhàn)來自內生性問題。由于空氣污染是由經濟活動產生的污染物排放所致，空氣污染比較嚴重的地區(qū)往往也是經濟活動比較活躍的地區(qū)。因此，潛在遺漏變量的存在使得OLS估計結果有偏且不一致。為解決內生性問題，該研究借鑒文獻中的經典做法，在控制溫度、風速、降雨等其他氣象變量及固定效應的基礎上，將逆溫現(xiàn)象作為空氣污染的工具變量。正常氣象條件下，地面氣溫高于大氣高層氣溫。由于冷空氣重于熱空氣，大氣高層較冷的空氣就會下沉與地面較熱的空氣發(fā)生對流交換，從而把地面的空氣污染物擴散出去。但是當逆溫發(fā)生時，地面氣溫低于高層大氣氣溫，地面空氣與大氣高層空氣無法實現(xiàn)上下對流，導致地面空氣污染物難以擴散。最為重要的是，盡管逆溫加重了空氣污染，但逆溫卻跟人類的社會經濟活動不直接相關，這也就使得逆溫滿足了工具變量的外生性條件，即逆溫只通過空氣污染這個唯一渠道影響人類經濟活動。正是因為逆溫是非常外生隨機的現(xiàn)象，它也成為文獻中最常用的空氣污染工具變量之一［4-8］。圖2直觀地展示了逆溫天數(shù)與PM2.5明顯的正相關關系。

圖2 逆溫天數(shù)與PM2.5濃度的相關關系

利用逆溫作為空氣污染的工具變量，使用如下的兩階段最小二乘法（2SLS）進行回歸分析：

其中：被解釋變量Yiym是家庭i在y年m月之前一年中家庭人均消費支出。核心解釋變量Piym代表家庭i在y年m月之前一年所面臨的PM2.5平均濃度。X"iym和Ziym分別是家庭i在y年m月之前一年的一系列氣象變量以及逆溫變量。γi是家庭固定效應，控制每個家庭不隨時間變化的因素。δym代表年月固定效應，控制所有家庭隨時間窗口變化的系統(tǒng)性差異。系數(shù)β是該研究關心的估計系數(shù)。控制上述固定效應和控制變量后，β估計的是同一個家庭在各輪調查中由于空氣污染的差異導致的家庭人均消費的變化；其經濟學含義是，過去一年中PM2.5平均濃度每上升1 μg/m3，同時期的家庭人均居民消費性支出會變化100×β%。最后，考慮到同一戶家庭不同年之間的自相關以及同一區(qū)縣同一年月內空氣污染以及氣象條件的自相關，該研究將標準誤雙向聚類在家庭和區(qū)縣-年月層面［41］。

需要指出的是，空氣污染與區(qū)縣或家戶層面其他變量存在一定的相關性。例如，在地區(qū)層面，空氣污染跟人口或GDP等經濟活動相關；在家戶層面，如前言所討論的，空氣污染可能會影響勞動生產率，從而影響勞動收入，而收入又會進一步影響消費。因此，在式（6）中，該研究只控制了氣象變量和相對外生的家庭層面控制變量（家庭人數(shù)），避免引入了壞的控制變量（Bad Control）進而帶來新的內生性問題（穩(wěn)健性檢驗部分又進一步加入其他家庭層面控制變量，仍能得到穩(wěn)健結果）。該研究使用的工具變量法的識別關鍵在于工具變量（逆溫）只通過影響內生變量（空氣污染）影響被解釋變量（消費）。條件于氣象控制變量和固定效應時，工具變量與擾動項不相關即可（由于逆溫作為高度隨機外生的氣象條件，在控制其他氣象變量后，逆溫與其他經濟影響因素不相關），即可得到無偏一致的估計結果。在當前的識別策略下，該研究估計的系數(shù)β反映的是空氣污染對家庭人均消費的總影響。

4 實證結果

4.1 空氣污染對家庭人均消費的影響

4.1.1 基準回歸結果

表2對比了OLS和2SLS兩種模型設定的回歸結果。由表2可知，OLS估計結果表明，過去一年中PM2.5平均濃度每提高1μg/m3，家庭人均居民消費性支出會降低0.6%。相比之下，2SLS二階段的估計結果表明，過去一年中PM2.5平均濃度每提高1μg/m3，家庭人均居民消費性支出會降低2.9%。這也就意味著傳統(tǒng)的OLS估計可能低估了空氣污染對消費的負向沖擊。低估的可能原因是，空氣污染跟當?shù)厣a活動高度正相關，而更活躍的生產活動則有可能通過提高居民收入從而進一步促進居民消費增長；也就是說，OLS的估計結果有可能包括了這部分的正向效果，從而導致空氣污染對居民總消費的負向沖擊被低估。2SLS一階段中KPF‐statistics顯著拒絕了弱工具變量（Weak Ⅳ）的零假設，且符號為正表示逆溫天數(shù)增加導致PM2.5平均濃度上升，符合工具變量的假設，這就保證了該研究2SLS估計結果的可靠性。

表2 空氣污染對家庭人均消費的基準回歸結果

自2013年以來，新一屆政府對環(huán)境治理工作的重視上升到前所未有的高度，不但修訂《大氣污染防治法》、發(fā)布《環(huán)境保護稅法》，而且也實施了中國有史以來規(guī)格最高、區(qū)域最廣、實施最嚴、力度最大的環(huán)保類行政規(guī)制——環(huán)保督察。該研究的研究結果表明，空氣質量的改善會進一步促進居民的家庭消費。這就意味著中國近年來的大氣治理工作在改善環(huán)境的同時，對宏觀經濟發(fā)展也有一定的促進作用。尤其是2014年以來，消費已超過投資和凈出口成為中國經濟增長的最大推動力。2014—2019年間，全年最終消費支出對國內生產總值（GDP）增長的貢獻率分別高達50.2%、66.4%、64.6%、58.8%、76.2%和57.8%?？紤]中國未來30年經濟增長、城鎮(zhèn)化和人口老齡化三大因素的影響，中國居民家庭消費總量將從2015年的22.9萬億元增長到2049年的71萬億—134萬億元，成為全球最大的消費國［2］。在消費已成為并將持續(xù)成為中國經濟增長最主要動力以及“雙循環(huán)”戰(zhàn)略的背景下，大氣污染治理下的空氣質量改善有了更深一層的宏觀意義。

4.1.2 穩(wěn)健性檢驗

為進一步證實基準回歸的結果，該研究對工具變量回歸結果進行了一系列的穩(wěn)健性檢驗工作。表3是2SLS二階段的估計結果。首先，該研究分別用每個家庭被訪日前一年的PM2.5年中位數(shù)、輕度污染以上天數(shù)（日均PM2.5濃度超過45 μg/m3的天數(shù)）、中度污染以上天數(shù)（日均PM2.5濃度超過60 μg/m3的天數(shù)）和重度污染以上天數(shù)（日均PM2.5濃度超過75 μg/m3的天數(shù)）代替PM2.5年平均濃度作為核心解釋變量。表3結果顯示，當PM2.5中位數(shù)作為核心解釋變量時，其系數(shù)與基準回歸結果非常接近。更有意義的發(fā)現(xiàn)是，每增加一天重度以上天數(shù)對應的系數(shù)要明顯大于輕度污染和中度污染天數(shù)對應的系數(shù)。這意味著相對輕度污染和中度污染來說，重度污染對家庭人均消費的抑制作用更為明顯。顯然，空氣污染對家庭消費存在非線性的影響，即空氣污染濃度越高，空氣污染對居民消費的邊際負面影響越大。

表3 空氣污染對家庭人均消費的非線性影響

其次，該研究在表4中進行了調整標準誤的聚類水平、增加家庭層面控制變量以及改變樣本的時間窗口匹配規(guī)則等穩(wěn)健性檢驗。由于基準回歸中已經控制了家庭固定效應，所有家庭層面不隨時間變化的因素已經被控制住。表4的列（1）回歸將標準誤雙向聚類到家庭和年月層面，發(fā)現(xiàn)顯著性不受影響。表4的列（2）回歸則控制了每個家戶在第一期被訪時的家庭人均收入與調查批次虛擬變量的交互項?？刂魄爸米兞浚吹谝黄诘氖杖耄┡c調查批次虛擬變量的交互項，而不是當期家庭人均收入，是為了避免當期家庭人均收入產生潛在內生性問題。雖然能夠確定CFPS每個家戶的調查月份，但不能確定每個家戶具體在該月哪天被訪談。因此，在基準回歸中，該研究以每個家戶被訪月份的15號作為被訪日期進行測算。表4的列（3）則匯報了將時間窗口改為被訪月份1號的回歸結果?？傮w而言，上述穩(wěn)健性檢驗的結果與基準回歸結果都很接近。

4.2 空氣污染影響消費的機制檢驗

盡管基準回歸結果和穩(wěn)健性檢驗都證實了空氣污染確實會降低家庭消費水平，然而影響的機制還有待探索。正如前文所討論的，空氣污染對居民日常消費存在兩個可能的直接渠道。首先，人們也會通過一系列的防護性行為，來規(guī)避空氣污染對自身健康可能的負向沖擊。例如，人們會在重污染天減少戶外活動。這類防護性行為可以減少居民健康水平由于空氣污染導致的受損，但也必然降低了消費場景的可能性，從而直接減少了居民的日常消費。其次，空氣污染對居民日常消費影響的另一個機制是空氣污染對居民健康的影響。一方面，居民健康受到空氣污染的負向影響后，人們可能會傾向于增加醫(yī)療支出來修復健康水平；另一方面，空氣污染導致居民健康惡化后，人們的消費欲望也將相應下降，比如不愿出門購物、就餐等等。因此，空氣污染通過健康這一機制對消費的影響可正（空氣污染增加人們的醫(yī)療支出）可負（人們健康水平下降后消費欲望也會下降）。因此，空氣污染對居民消費的影響渠道主要是健康變化帶來的消費變化以及防護性行為導致的消費下降。

為驗證上述機制，該研究結合CFPS家庭信息與個人信息，將家庭中各個成員的健康水平匹配到家庭層面。由于問卷中有關消費的問題對應的時間窗口均為過去一年，因此理想情況下，相應健康狀況的時間窗口也應是過去一年。該研究利用CFPS問卷中“您覺得您的健康狀況和一年前比較起來如何”這一問題來定義個人層面的健康變化情況。具體來說，如果回答為“更差”，則定義“不健康”這一虛擬變量取1；如果回答為“更好”或“沒有變化”，則定義“不健康”這一虛擬變量為0。然后，在家庭內部求得每個成年家庭成員的“不健康”虛擬變量的平均值及最大值；如果家庭內部有兩個成員，其中一人健康，另一人不健康，那么家庭層面的不健康水平的均值為0.5，最大值為1。表5展示了將家庭層面健康情況作為控制變量納入基準回歸模型的估計結果。

表5 空氣污染對家庭人均消費的機制檢驗

根據(jù)表5的回歸結果，家戶在被訪日期前一年健康狀況下降總體而言會增加居民家庭消費支出。但是，相比于表5列（1）的回歸結果，列（2）和列（3）在控制了健康變量后，空氣污染對居民消費的負向影響結果基本不變，PM2.5平均濃度對應的系數(shù)絕對值僅略微增加。這就意味著，可能不存在空氣污染通過健康這個渠道影響居民消費的機制——也與表7列（2）的回歸結果一致，即空氣污染對家庭人均醫(yī)療保健支出的影響基本不顯著。此外，表5的回歸結果也表明無論是以最大值、還是以均值定義家庭層面的健康水平都對估計結果影響不大。因此，綜合以上結果，該研究基本可以得出以下結論：防護性行為對消費場景的限制不但降低了居民消費，而且可能是空氣污染影響家庭消費的最主要機制。然而，由于CFPS數(shù)據(jù)本身并沒有合適的變量可以充分反映人們對空氣污染的防護性行為，因此該研究難以直接驗證。

4.3 空氣污染對家庭收入和家庭儲蓄率的影響

空氣污染影響消費的另一個可能途徑是空氣污染通過影響健康降低了家庭的收入水平，進而間接影響了家庭消費水平。正如前文所討論的，不少研究發(fā)現(xiàn)空氣污染不但會減少勞動供給時間，而且會降低勞動生產率。那空氣污染會不會通過降低居民家庭年收入水平抑制家庭消費呢？從表6可以看出，該研究利用工具變量回歸，識別空氣污染對家庭收入的影響。回歸結果表明，PM2.5平均濃度在年度層面上對家庭人均收入沒有顯著影響。

表6 空氣污染對家庭人均收入與儲蓄率的影響

需要指出的是，該研究關于空氣污染與收入之間關系的發(fā)現(xiàn)與文獻中的研究結論并不矛盾。以往文獻的相關研究大多利用日度或月度的相對高頻數(shù)據(jù)，關注的是短期空氣污染暴露對勞動供給時間和勞動生產率的短期影響。日常的空氣污染給人們健康帶來的主要是急性癥狀反應?？諝赓|量一旦改善（例如從污染天氣變成優(yōu)質天氣），大部分不適反應都會消失。因此，空氣污染對勞動者行為的影響主要表現(xiàn)為短期影響，這也是文獻中的主要發(fā)現(xiàn)。但在年度的中長期層面，可能會存在補償效應，即在空氣質量較好的時候，人們會提高勞動力供給或勞動生產率以彌補在污染天中所遭受的收入損失?？諝馕廴緦θ藗儽ｋU購買行為的影響的研究中也發(fā)現(xiàn)類似效應的存在［21］。此外，文獻中有關空氣污染對勞動生產率的影響研究，考察的大多是空氣污染對計件制工人的收入影響［42-43］；現(xiàn)實中，大部分勞動者的收入還是以計時制為主。因此，空氣污染即使會降低勞動生產率，但也不會影響勞動者收入。

該研究現(xiàn)有的回歸結論表明，空氣污染會抑制居民消費，但對居民收入沒有顯著影響。一個直接的推論是空氣污染會導致居民儲蓄率的上升。表6中空氣污染對居民儲蓄率影響的回歸結果顯示：被訪日過去一年中PM2.5平均濃度每提高1 μg/m3，家庭儲蓄率會顯著提高0.06個百分點。由于空氣污染對家庭人均收入沒有顯著影響，空氣污染對儲蓄率的影響顯然是由空氣污染對消費的影響效應帶來的。長期以來，中國居民的儲蓄率在全球高居第一。2017年，中國居民的儲蓄率高達30%；相比之下，2017年美國的居民儲蓄率僅為6.7%。該研究的發(fā)現(xiàn)則提供了另一個視角來理解中國居民的高儲蓄率。

4.4 空氣污染對家庭分項消費的影響

基于國家統(tǒng)計局的居民消費支出分類口徑，該研究利用CFPS數(shù)據(jù)進一步檢驗空氣污染對居民家庭分項消費的影響。文獻［24］利用中國城市層面日度的信用卡交易記錄，發(fā)現(xiàn)空氣污染會顯著增加城市加總的醫(yī)療支出，但同時也會顯著減少城市加總的日常必需品的支出。但是信用卡消費人群和場景有一定的特殊性，未必有足夠的代表性。

為了檢驗空氣污染是否影響非醫(yī)療保健類的消費水平，該研究檢驗了空氣污染對剔除家庭醫(yī)療保健支出后的消費支出（對應理論模型中僅提高家庭效用本身、不影響健康水平的消費品c）以及醫(yī)療保健支出（對應理論模型中的僅提高健康水平卻并不通過健康之外的渠道影響效用的消費品x）的影響。將家庭分項消費分為醫(yī)療保健支出和非醫(yī)療保健支出兩大類，進行分樣本回歸。由于在CFPS數(shù)據(jù)中，諸多分項消費的數(shù)據(jù)存在較多零值和缺失值，因此相關結果的解讀需要謹慎。由于分項消費存在諸多明顯的異常值，因此剔除樣本中這三個變量上下各2.5%分位數(shù)的家戶樣本以及總消費為缺失值的樣本后進行估計。分析結果見表7。

表7 空氣污染對消費的分項支出影響

表7的回歸結果表明， 日均PM2.5濃度每上升1 μg/m3，這一年中家庭人均非醫(yī)療保健支出下降2.5%，這一效果與基準回歸結果接近，表明空氣污染對消費的抑制性影響主要由日常消費類型（即非醫(yī)療保健支出）所驅動。從表7中還可以看出，空氣污染對醫(yī)療保健支出的影響結果并不顯著，這可能是因為空氣污染對健康的影響更多是短期影響，而且是眼睛和喉嚨不適反應以及頭疼痛等輕癥狀，因此年度層面的估計結果并不顯著［23］。綜合考慮表7的估計結果，得出以下結論：年度層面的空氣污染上升顯著降低了家庭對純消費品（僅提高居民效用但不影響健康水平的消費品）的消費，但對家庭的醫(yī)療保健支出的影響并不顯著。

4.5 空氣污染對家庭消費的異質性影響

中國空氣污染消費水平在城鄉(xiāng)間存在較大差異性，為了進一步考察空氣污染對居民家庭消費的城鄉(xiāng)異質性影響，該研究以被調查家庭是否屬于城市對樣本進行分類。在這一部分，為比較組間是否有顯著性差異，該研究在基準模型的基礎上加入分組虛擬變量與空氣污染的交乘項，用來檢驗空氣污染的異質性影響。表8比較了這兩個分類組別中的均值是否存在顯著差異?？傮w而言，農村地區(qū)消費支出少于城市地區(qū)，且空氣質量相對更好。

表8 變量組間差異檢驗：城鄉(xiāng)差異

為比較組間是否有顯著性差異，該研究在基準模型的基礎上加入分組虛擬變量與空氣污染的交乘項，用來檢驗空氣污染的異質性影響。該研究同時使用逆溫天數(shù)以及逆溫天數(shù)與分組虛擬變量的交乘項作為工具變量，以盡可能保證工具變量法一階段的擬合情況，避免弱工具變量問題，分析結果見表9。

表9 空氣污染對家庭人均消費的異質性分析

表9結果顯示，城鎮(zhèn)的家庭人均消費受到空氣污染的負向影響比農村要小0.32%（約為全部影響的10%）。該研究的研究結論表明，農村家庭相對城鎮(zhèn)家庭承擔更多的因PM2.5產生的消費影響。該結論暗含著分配效應的啟示，即社會弱勢群體受到空氣污染負面影響更大。這種空氣污染在城鄉(xiāng)地理空間上的收益和成本分布不平衡的狀況，也在一定程度上加劇了中國城鄉(xiāng)福利差距問題；而過去10年大氣污染治理工作帶來的空氣質量提升，則在一定程度上緩解了該問題，并起到了再分配作用。

5 結論與建議

空氣污染一直是中國政府和民眾關心的熱點問題。以往文獻主要關注空氣污染對人體健康和人力資本的影響，該研究則從消費角度研究空氣污染對經濟發(fā)展的負面影響。使用2010—2018年5期中國家庭追蹤調查數(shù)據(jù)的消費和收入信息，匹配同時期的空氣污染數(shù)據(jù)，并以逆溫作為空氣污染的工具變量進行工具變量回歸。回歸結果表明，空氣污染雖然對居民收入沒有顯著影響，但顯著抑制居民家庭消費水平，且污染水平越高，空氣污染對居民消費的負向影響越大。機制檢驗發(fā)現(xiàn)空氣污染對家庭消費的負向影響，可能主要來自人們對空氣污染的防護性行為限制了其消費場景和相應的消費能力。進一步的回歸表明空氣污染會顯著增加居民儲蓄率、顯著降低家庭對純消費品的消費。此外，農村家庭的消費受到空氣污染的抑制作用更加強烈。

該研究結論具有一定的政策意義。黨的二十大報告強調著力擴大內需，增強消費對經濟發(fā)展的基礎性作用和投資對優(yōu)化供給結構的關鍵作用。該研究表明，為進一步釋放居民消費潛力，不僅需要關注經濟因素，也需要改善環(huán)境質量因素。中國的大氣污染治理攻堅戰(zhàn)已經取得了階段性成果，“雙碳”目標的實現(xiàn)又將進一步改善空氣質量。該研究發(fā)現(xiàn)，環(huán)境治理也可以進一步帶動消費水平的提高，進而在需求側激活內需，助力“雙循環(huán)”。中國未來的環(huán)境治理也將推動中國在供給側升級為更清潔的產業(yè)結構，在需求側實現(xiàn)“以內需驅動取代外需驅動”的轉型。因此，考慮到中國經濟發(fā)展水平和內在發(fā)展需要，應對氣候變化和治理空氣污染仍應作為當下乃至未來中國的重要發(fā)展議題。