白癜风去哪里治疗好 http://m.39.net/pf/bdfyy/bjzkbdfyy/

原文标题：StayorLeave?TheRoleofAirPollutioninUrbanMigrationChoices

原文作者：ZimingLiuLuYu

来源期刊：EcologicalEconomics()

DOI：10./j.ecolecon..

01

研究背景

伴随着收入的增加，人们开始提高对于生存环境的要求，尤其是空气质量。已经有大量研究显示空气污染对身体健康抑或是心理健康均存在着显著的负向影响。为了减轻这一负面影响，大众采取了多种适应性措施，比如少出门、戴口罩、购买空气净化器或迁徙离开污染严重区域等。中国作为全亚洲乃至全世界空气污染问题最为严重的国家之一，对于空气污染与适应性行为方面的关联具有巨大的学术研究价值。

目前，已经有大量的文献就环境质量与人口迁徙之间的潜在关系进行了探索，但是现有的研究大体上仍然存在两点不足之处：首先，既有研究大都聚焦于极端气象或自然灾害引起的迁徙影响，比如洪水、干旱、台风或全球变暖等。尽管考虑自然灾害可以有效规避内生性问题，但是探究空气污染对于迁徙影响的思考仍然很少；其次，在有限的分析空气污染对于迁移影响的文献中，使用的数据主要是宏观数据，因此可能无法估计空气污染对迁徙影响的异质性，而这有助于理解个体对环境质量变化的反应。

针对以上两点现有研究中存在的不足之处，第一，作者通过研究城市的空气污染是否以及在多大程度上影响临时打工者在目的地城市定居的意愿，来探讨人们关于空气污染对于移民决定的影响。第二，作者采用了年覆盖31个省市自治区的临时打工者微观数据，共包含名受访者。

02

变量选取、数据来源与研究设计

本文使用的数据取自国家卫计委年在所有省份进行的全国移民动态监测调查，为截面数据。该调查针对的是临时打工者，这些人群年龄在15岁以上，并且在目的地城市居住了至少一个月且没有户口。

被解释变量方面本文选择临时打工者对目的地城市的迁移意愿。具体地，在调查问卷中，临时打工者被问到“如果您有资格，您想获得目的地城市的户口吗？”，答案是“是”，“不确定”和“否”。作者选用此信息作为衡量被解释变量的主要指标。此外，由于“不确定”在质量上与“是”或“否”不同，因此作者将答案为“不确定”的观察结果排除在外。

核心解释变量方面作者选取来自中国空气质量检测与分析网站的AQI指数。该指数由六种关键污染物（例如NO2，SO2，PM10，PM2.5，CO和O3）的月平均浓度综合计算得到，且AQI值越高意味着空气质量较差。在本文中，作者将年4月份的AQI指数作为核心解释变量衡量空气污染程度，而将全年平均AQI指数用作替代变量进行稳健性检验。如此做的目的在于年4月是全国移民动态监测调查进行的之前一个月，选择4月份的空气污染指数可以确保调查中的所有移民在被调查时至少经历了一个月时间来感受空气质量。

控制变量包括城市、个体两个方面，主要有人口密度、人均生产总值、第二和第三产业比重、医院数量、年龄、婚姻状况、受教育水平、居住地、户籍所在地。

为了估计空气污染对于迁移意愿的影响，本文构建基准回归模型（1）如下所示：

其中SETTLE为0-1变量，若受访者有意愿迁移户口至目标城市，则取值为1，反之则取值为0；AQI为i城市年4月的AQI指数，用以衡量空气污染水平；X为一系列控制变量；D为省虚拟变量。考虑到迁移意愿与空气污染之间可能存在的内生性问题，本文采用基于工具变量的估计，即二阶段最大似然法（2SCML）。在2SCML的第一阶段，作者对空气污染进行了回归分析，如模型（2）所示：

而在2SCML的第二阶段，本文使用预测的残差Ri作为模型中的附加回归变量，第二阶段模型如（3）所示：

在2SCML估计中，最为关键的是工具变量的选取。在本文中，作者选择采用基于异方差的办法来生成一个工具变量。具体而言，将工具变量定义为：

其中Z是控制变量X的子集变量，Z是Z的均值，而上式中的εi是工具变量Z对AQI回归残差的估计值。如此选取工具变量的依据是通过使回归变量与异方差的乘积不相关来实现识别。综上所述，作者将工具变量Z定义为下雨天数，这是因为当选择下雨天数作为IV对AQI进行回归时，BP检验的卡方统计量最大，证明下雨天数在所有控制变量中具有最明显的异方差性，因此选择下雨天数作为IV。

03

实证结果与解释

首先报告基准回归结果，如下图所示：

上表中的第二列展示的是空气污染对迁移意愿的估计系数，第三列则是边际影响。结果显示，空气污染对临时打工者的迁移意愿产生了负面影响。平均边际效应为-0.，统计显著性为1％。这表明，将AQI提高点将使打工者的定居概率降低15.1％。这一结果说明居民倾向于空气质量较好的地区。

进一步了解空气污染对中国城市潜在劳动力短缺的影响，作者考察了不同群体与污染相关的定居意愿是否不同。为此，本文选择了四个变量，分别是年龄、受教育程度、是否来自同一城市和是否是农村户口，并分别估计AQI与上述四个变量交互项对于迁移意愿的影响，结果如下所示：

其中第一列的结果表明，随着受访者年龄的上升，其更不愿意在环境污染严重的城市定居。换言之，增加居民的年龄可以进一步加强空气污染对迁移意愿的负面影响。这可能是因为老年人更容易受到空气污染的危害，因而对于在污染严重地区定居的意愿较弱。第二列的结果表明，教育可以积极抵空气污染对迁移意愿的负向影响，即受教育程度相对高的临时打工者在做出迁移定居决定时不太