论文部分内容阅读
摘要 空气污染对居民公共健康的影响，引起了人们高度的关注。但大多数学者研究从样本的独立性出发且不考虑内生性问题，忽视区域之间空间相关性，所得结论和政策建议需谨慎对待。为了弥补上述不足，本文基于Grossman中国宏观健康生产函数，选取2001—2014年中国广东省珠江三角洲9个城市作为样本，选择以PM10和PM2.5作为空气污染的代理指标，在充分考虑空间效应和严格假设检验的基础上选择合适的空间计量经济学模型，对此进行实证研究。主要研究结果显示：空气污染对居民的公共健康带来了负面影响，即PM10和PM2.5每增加1%，导致哮喘疾病和内科门诊等疾病人数不断上升，且影响都比较大，尤其是对哮喘疾病的影响分别为0.2236%和0.2272%。经济增长对公共健康均有显著的促进作用，影响最大；其它财政医疗支出、卫生技术人员和人口密度等要素对居民公共健康的影响较小。由于空气污染的负外部性，研究还发现，区域之间空气污染的“溢出效应”对领域居民公共健康存在显著的影响，说明忽视空间自相关性的存在，会使得空气污染对公众健康的估计产生偏差。从长期看，空气污染对本地居民公共健康的直接效应都显著为正，PM2.5间接效应显著为负，但PM10间接效应并不显著。因此，各级政府除了在源头上治理污染物的排放，提高公共健康水平外，还应该打破各自为阵的行政垄断，应该作为一个整体，实现跨区域环保合作，共同治理和制定公共卫生政策等。这对区域之间协同减排和保护居民公共健康具有重要的理论和现实意义。
关键词 空气污染；外溢效应；空间面板模型；公共健康；经济增长
中图分类号 X196文献标识码 A文章编号 1002-2104（2017）09-0035-11DOI：10.12062/cpre.20170469
长期以来，我国在经济发展的过程中，更多的关注经济的增长，忽略了环境资源价值，甚至在一定程度上以牺牲环境为代价。而且伴随着工业化和城市化进程不断加速，能源大量集中消耗，导致城市区域大气污染日趋严重，表现为大气能见度严重下降，雾霾锁城事件频繁发生。而愈发严峻的空气污染，对居民的公共健康的影响也引起了人们高度的关注。在此背景下，如何分析空气污染所带来的公共健康问题具有极为重要的意义。
珠江三角洲地区（珠三角）是我国最大的工业生产区，市场最繁荣的城市群，也是我国相对其它地区空氣污染较严重的地区之一，备受人们关注。据最新统计数据显示，2015年珠三角PM2.5区域平均浓度为35 ug/m3，各市平均浓度范围在27—40 ug/m3之间。伴随着“区域经济一体化”进程的加快，区域之间距离不断缩小以及大气污染长距离扩散的自然属性，使得整个区域内所有城市也呈现出“区域污染一体化”的趋势[1-2]。据研究，珠三角各市空气质量受区域内其他城市污染源的影响程度约为10%—30%。也就是说，各城市的空气质量除受本市的污染源影响之外，还受到周边城市污染源不同程度的影响。因而，治理环境健康问题不仅仅是一个行政区的问题，而且还是一个区域性的问题，必须考虑到区域之间影响，即大气污染问题与其周边地区存在空间依赖性。但是，鲜有经济学文献对其环境健康效应进行系统且严谨的识别。医学和环境学者大都基于个体或非随机样本且不考虑内生性问题，且较少关注区域性之间环境健康的空间交互影响，所得结论及政策建议均需谨慎对待。
因而，本文试图从空间的角度，以PM10和PM2.5污染物为主的典型珠江三角洲为例，一是分析区域之间空气污染（PM10和PM2.5）对公共健康的影响？二是探讨一个地区的空气污染增加是否对邻域的公共健康产生影响？这些研究是有益的补充，极具社会现实性和研究的迫切性。其意义在于，第一，保护环境的重要性，理解环境资源价值。第二，认识降低环境污染对经济可持续发展和公共健康的现实意义。这有助于地方政府进一步了解经济增长和公共健康的环境代价。从而实现中央政府提出的“环境友好型社会”和推进“健康中国”战略。
1 文献回顾
环境污染对健康的影响及所带来的经济损失等问题，引起了政策制定者和经济学者的兴趣，开始逐渐地认识到环境健康问题研究中经济学的价值和意义。环境对健康的研究是以Grossman开创的健康生产函数为起点，并在此基础上Cropper[3]、Gerking[4]引入环境污染到健康生产函数中，证明了污染对健康折旧率的影响。学者认为在生命周期中，除年龄外，环境污染是影响健康折旧率的重要因素，环境污染严重地区的居民普遍面临着健康存量加速折旧的冲击[5]。现有的研究以此为研究基础，主要是从环境健康关系、环境健康效应评估和环境健康的差异性等方面进行研究。
国外学者开展大气污染对居民健康的影响或风险进行了一系列研究，第一，分析不同污染物和健康状况之间的关系。其中，许多学者研究显示不同污染物与生命预期寿命之间有统计学意义和存在显著的负相关，即不断增加的污染物对预期寿命和疾病带来不利的影响[6-8]。近几年，有学者发现主要使用的泊松回归和传统的广义线性模型等传统方法，不能有效剔除影响健康的内生性问题而产生偏差，主要表现在测量偏差和遗漏变量问题[9-10]。于是人们采用面板数据运用工具变量估计法或两阶段最小二乘法来解决[11-12]。第二，危害健康带来的经济损失程度也被许多学者关注。不同时期国内外相关研究结果均表明，空气污染引发疾病或致死而造成的健康经济损失是巨大的[13-14]。其主要是根据污染剂量效应和人口暴露-响应原理的解析法评估环境污染对居民健康的经济损失程度[15]。在研究内容方面，空气污染引发疾病或致死而造成的健康经济损失主要包括疾病医疗成本、疾病保健成本、过早死亡导致生产力的损失和健康质量的下降[16-18]。为了降低环境健康损失，一些学者从交通等角度分析人们乘交通行为方式的改变，所带来的环境改善和健康成本收益的问题[19-21]。第三，环境污染健康效应区域（群体）差异性分析。在研究环境对健康的影响时，我们不能忽视结构效应影响，即环境污染对不同地区或群体的健康的影响存在差异。研究发现发展中国家空气污染产生的货币化疾病负担，贫困家庭的更明显[22]。有的学者发现污染物对不同发展程度的国家均有影响，且存在差异性，而且除了污染之外，还认为社会经济因素有更强的影响[12]。因此，可以说环境健康绩效的异质性看似围绕个体的差异[23]，实际很大程度上是经济发展水平、医疗保健支出等要素造成的。 纵观国内研究，起步较晚，主要是参照国外的理论和方法进行研究。一方面从区域及行业的角度采用解析法评估环境健康损失效应。从区域的角度，评估单个地区不同SO2、PM10等气体的暴露水平及由于能源结构优化所减少的人群健康损失[24-25]；以及预测未来不同能源消费情景下单个地区SO2等气体排放量及其引发的公共健康经济损失评估[26-28]。另一方面，较少学者采用统计与计量分析法研究环境污染与公共健康之间的关系，其主要局限于特定地区，实证检验二者之间的关系[29-30]。近几年，少数学者就两者之间因果识别进行研究，其中有的学者以单一地区为研究对象，运用Grossman函数模型分析空气污染物等要素对居民健康需求的影响[31-32]。有的学者以面板数据并利用计量模型研究空气质量等要素对公共健康的影响[33]，并对男女差异性以及发达国家与发展中国家居民健康效应差异作比较分析[34]。在对中国112个重点城市的研究中显示经济发展越落后，污染的健康经济负担就越严重，且呈现出明显的累退分布[35]。与此同时，有的学者在研究环境污染与公共健康时，也考虑到了公共健康存在遗漏变量等内生性问题[36-37]。总之，中国学者参考国外的理论与方法更多地引用空气暴露系数关注环境健康损失评估，而采用计量的方法分析空气污染与公共健康的因果识别较少，鲜有人从空间的角度分析空气污染对公共健康影响的研究。
纵观国内学者，医学和环境领域文献大多基于个体或非随机样本对空气污染与公共健康进行了大量而富有成果的研究，较少从空间的角度对其进行系统且严谨的因果识别。现有的研究仍需谨慎对待。第一，引入空间面板计量模型分析，准确分析空气污染与公共健康之间的关系。打破传统的面板回归通常假定各个地区的要素是相互独立的假设，这显然与现实存在偏离，如经济、空气污染等客观因素使得一个地区的公共健康必然会受到邻近地区的影响，因而如果忽略这种空间相关性的影响，模型估计将是有偏的或产生错误的参数检验[38]。第二，空气污染等要素对公共健康影响有多大，区域之间“越境污染”是否对邻近区域公共健康有影响？因此，分析区域之间在空间交互的作用下不同驱动要素对公共健康影响的空间效应包括直接效应和溢出（间接）效应，有待深入研究。
2 空间计量模型的构建与变量选择
2.1 空间计量模型设定
环境污染对健康的影响研究源于Grossman在1972年首次建立的健康生产函数来分析居民的健康微观需求，该函数考虑了包括收入方式、健康水平、教育、环境等多方面因素，居民的健康状况除了受环境影响外，还受其他诸多因素的影响。在此基础上，由Cropper[3]、Gerking[4]不断改进和完善。同时参考曲卫华[33]、卢洪友等[34]和赵忠[39]等人的研究。将居民的健康影响因素确定为经济、社会、教育、医疗卫生与环境，由此健康生产函数可以表示为如公式（1）所示：
其式（1）中，H代表健康水平，Envi、Phce、Eco、Doc、Pop分别代表环境、医疗支出（占GDP的比重）、经济、人均医疗卫生技术人员与人口密度等变量。α1，α2，α3，α4和α5为解释变量的弹性系数，Ω为初始健康状况的估计值。
由于区域之间空气污染的相互影响。因此，本文从空间视角来评估空气污染等要素对公共健康的影响，一般采用空间计量模型。为了不失一般性，本项目采用空间杜宾模型（Spatial Dubin Model SDM），它是空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM）的一般形式，其表达式为：
上式（2）中，yit为被解释变量，xit为解释变量，c为常数项，δ为空间自回归系数，β与θ分别为待估系数，ε为残差项。xitβ为区域自变量对因变量的影响，δ∑Nj=1Wijyit为空间滞后项，表示各空间单元（i=1，…，N）的解释变量在时间t时（t= 1，…，T）的观测值所组成的π×1阶因变量；εit是独立且同分布的随机误差项；ui和λi分别表示空间和时间效应。本文构造空间变量：W·自变量（W·空气污染）、W·因变量来刻画PM2.5以及公共健康的空间外溢。W·自变量（W·空气污染）表示一个地区周围其他地区的空气污染对该地区公共健康的影响，即通过其他地区空气污染的加权和来衡量空气污染的“溢出效应”。W表示為空间权重，计算各个空间元素之间存在关联与相互影响程度，一般用0和1来表示（相邻为1，不相邻为0）。
对于自变量影响的测度，根据空间杜宾模型估计得参数测度其影响程度是不准的，长期看空间效应的存在可以将解释变量对被解释变量的影响效应分解为直接效应和间接效应[40]，其中直接效应表示各区域自影响因素的改变对该地区本身公共健康的影响，间接效应表示影响因素的改变通过空间交互作用潜在地影响所有其它地区公共健康（被解释变量）。可以将上述公式（2）转换为一般形式为：
被解释变量对第K个自变量的偏导数微分方程矩阵为：
上式（4）中，定义右边矩阵元素值和的平均值为直接效应，非对角线元素所有行与列元素和的平均值为间接效应，反映其他区域自变量对区域因变量的影响。
由于空间模型都是从全域计算空间相关性，因而空间回归模型中变量可能存在内生性问题，对上述模型的估计如果仍采用普通最小二乘法（OLS），则会产生系数估计值有偏或无效[38，41]，Anselin建议采用极大似然法（ML）来估计空间计量模型参数。其好处在于一方面能够克服传统OLS估计中的变量内生性问题而产生的估计偏误；另一方面又科学地反映了区域之间要素的相关性。
2.2 指标选取及数据说明
我国居民的公共健康受到环境、经济条件、生活方式、社会因素和医疗水平等诸多复杂因素影响。在选取影响因素时，根据前人研究，按照对影响人们公共健康的影响程度和资料获取的难易程度进行甄别，提炼出具有代表性的影响因素（见表1）。 公共健康：本次研究主要选择与大气污染相关性较强的呼吸系统疾病和循环系统疾病作为健康危害指标。本研究选择与可吸入颗粒物污染相关的急性健康效应终点包括哮喘发病和内科门诊次数为公共健康代理指标。综合考虑国内流行病学研究现状及数据的缺乏，所以本文选择与大气污染物存在定量的暴露-反应关系计算而来。考虑到不同地区暴露-反应关系系数应该有所差异，所以本文参考国内流行病学研究资料，在国内研究数据严重不足时，再考虑参考其他地区资料。具体参数及计算过程请见参考文献[42]。并根據世界卫生组织推荐的参考浓度值，PM10和PM2.5分别是40 ug/m3和10 ug/m3为基准值，表示低于或等于此值对人体公共健康的影响可以忽略不计，以此来研究不同颗粒物污染暴露水平导致的疾病变化。
空气污染：本文主要基于以下三点选取PM10和PM2.5为研究对象，主要原因在于：第一，中国环境的污染主要来源于工业排放，许多学者研究表明空气污染物排放物的增加对公共健康影响更大，因此，也是诸多学者首选的空气污染指标之一；第二，与其他环境要素相比，空气环境的外生决定性和外溢性更强，这在一定程度上减轻了内生性问题[43]；第三，国民整体暴露于空气环境中的概率比在其他环境要素中要高，这在一定程度上弥补了使用宏观数据可能存在的缺陷[34]。
其它控制变量：为了尽量减少其它变量遗漏所造成的估计结果有偏差，在模型中增加了影响公共健康的其它控制变量。主要包括：经济水平：经济水平的测量指标相对较成熟，大多数以人均GDP表示，它反映了某个区域的经济发展状况。因此，本项目在模型中引入人均GDP考察公共健康与经济发展之间的关系。公共卫生水平：公共卫生水平包括人均医疗支出（用占本地区GDP的比重来表示）和人均卫生技术人员（人/万人）等影响因素，它的提高是有利于居民健康的改善，也被许多学者所采用[33-44]。人口密度：更大的人口密度可以使在有限财政预算约束下的卫生服务能够更便捷地被人们获得[45]，研究中许多学者也采用了人口密度作为影响健康生产的主要变量[36]。
本研究选取2001—2014年中国广东省珠江三角洲9个城市作为样本（珠江三角洲城市群包括广州、深圳、珠
海、佛山、东莞、中山、江门、肇庆、惠州等9个城市）。空气污染（PM10和PM2.5）数据收集基本原则是先国内后国外，其中部分数据来源于《珠三角各地区各年环境公报（2002—2015）》统计而来，缺失部分借鉴已有研究方法[42]，采用转换系数PM2.5/PM10=0.7对颗粒物的暴露反应关系系数进行转换；另一部分区域PM2.5浓度参考哥伦比亚大学国际地球科学信息网络中心（Battelle Memorial Institute，CIESIN，2013）测定的全球浓度年均值；其它部分数据主要来自《中国广东省统计年鉴（2002—2015）》和《珠三角各地区统计年鉴（2002—2015）》。为了消除异方差影响，本文所有被解释变量和解释变量都取自然对数。
3 实证研究
3.1 空间检验
正确的模型设定是保证实证结果真实可靠的前提。首先，需要测算未考虑空间相关性因素的普通面板数据模型（OLS），对残差进行空间自相关性的LM和Robust LM检验，来判断模型的空间相关性及何种面板计量经济学模型。从表2中发现，在LM检验中LMlag和LMerror的P统计值均在1%的水平下显著，说明建立空间数据模型比较恰当。此外，从LR检验显著性可知，Robust LMlag和Robust LMerror分别在5%和1%的水平下显著。根据Fischer[46]提出的模型检验原则，说明变量之间具有空间相关性，非空间传统面板模型估计不足。但是，由此还不能确定是采用哪种空间计量模型，还需进一步对空间杜宾模型SDM进行Wald估计和LR检验，看是否可以简化成SLM或者SEM模型。从表3和4可知，Wald和LR检验结果均在1%的水平下显著，表明本文选择SDM是合适的。在回归之前，进行Hausman 检验，通过1%的显著性水平检验，所以固定效应模型更为合适，因此，本文采取固定效应下的杜宾模型研究空气污染对公共健康的空间效应。
3.2 空间杜宾模型检验与估计分析
为了表示模型选取的合理性，我们进一步把不同固定效应下SVM模型的结果进行比较研究。其中，不同固定效应分为无固定效应（NONF）、空间固定效应（SF）、时间固定效应（TF）、空间和时间固定效应（STF）。我们进一步综合分析不同固定效应下的空间模型调整后的R2和自然对数似然函数值LogL，以及解释变量估计系数的经济学含义，发现空间固定效应下的SDM模型研究空气污染等要素对公共健康的影响，更具有合理性。因此，选择空间固定效应下的空间杜宾模型研究空气污染等要素对公共健康的影响。其计算结果如表3和4所示。
空气污染PM10和PM2.5都通过1%的显著性检验，估计系数显著为正。说明空气污染对居民的公共健康带来了负面影响，即PM10和PM2.5颗粒物的增加带来哮喘疾病和内科门诊等疾病人数不断上升，且影响都比较大，尤其是对哮喘疾病的影响更大，分别达到每单位变化0.223 6和0.227 2。这与许多研究结构结论大体一致的。目前流行性病学公认的各种大气污染物中，可吸入颗粒物（PM10），细颗粒物（PM2.5）与人群健康效应最为密切。而且一些研究，如世界卫生组织2002年的报告指出，发展中地区25%的死亡可归结于环境原因，而在发达地区，只有17%的死亡归于此类原因。在发达国家，20%的上呼吸道感染可归结于环境原因，在发展中国家则上升到42%。《全球疾病负担2010报告》表明，中国2010年因室外PM2.5已成为中国公共健康的第四大危险因素。所以，污染物对哮喘疾病的影响较大。这主要原因在于，珠三角地区工业发达，广州、深圳、佛山和东莞等地区城市集中了较多的电厂和工厂，以及随着人们生活的提高，不断增加的汽车尾气排放，使得珠三角地区污染浓度不断累积，最终导致了颗粒物污染（PM2.5和PM10）对居民公共健康有较大的负面影响。 财政医疗支出都通过1%的显著性检验，估计系数为负。说明了我国人均医疗支出的增加改善人们的公共健康，但影响有限。这原因可能在于：第一，尽管财政医疗支出不断增加，但对不断增长的地区生产总值而言，财政医疗支出仍然不足。目前珠三角地区大部分城市的财政医疗卫生支出占GDP比重总的趋势不断上升，但直到2014年最高的超过1%，最低的只有0.37%，且许多研究表明政府财政的支出随着经济的发展正向作用在减少，甚至不 显著，因此，有限的财政医疗卫生支出提升公共健康的水平有限。第二，有可能是公共支出利用效率情况并不理想，可能和公共卫生投入的方向性偏差有关。将本应该在公共财政支出中承担大部分义务的卫生事业大面积地推向市场。同时公共财政支出由改革前的“预防为主”和基本公共卫生服务为主转向严重偏向赢利性的医疗领域[47]。因此，数量有限的公共卫生费用存在并不恰当的侧重和偏向可能导致了财政医疗支出没有发挥出对公共健康应有的作用。因此，该结论具有一定的合理性。
进一步考察经济因素对公共健康的影响。从估计结果来看，经济影响因素的回归系数均通过了1%的显著性水平下假设检验，LnEco估计值显著为负。意味着经济因素有助于降低哮喘疾病和内科门诊等公共健康的疾病的发生，且影响较大但彼此影响相差不大。可以说是最重要的影响因素。主要原因在于：尽管经济增长促使工业发展而带来的环境问题，以及人们较大的工作压力和生活方式的改变对居民公共健康产生负面影响，但经济发展改善了人们物质生活、饮食、居住环境，以及卫生医疗资源的配置和投入等，如病床数量增多，医护人数增加，有利于患者的就诊条件变好；医护人员受教育程度的提高，有利于减少误诊，以及公共卫生的投入等，减少疾病的发生，保障了健康生活状态的支出，提升居民健康水平；这些最终使经济的发展所带来的收益大于损失，有利于改善居民公共健康。
卫生技术人员和人口密度影响因素对公共健康显著为正（卫生技术人员对PM10影响除外），也就是说明卫生技术人员和人口密度的增加不但没有改善反而加剧了公共健康，没有达到预期的效果。可能原因在于，尽管可以使在有限财政预算约束下促使卫生服务能够更便捷地被人们获得，但珠三角经济发达，国内大量的人口向珠三角集聚，城市人口过快增长，人口密度加大，因而不断增加的卫生技术人员，还是相对紧缺，供需矛盾依然突出。除此之外，城市医疗系统的优质资源较少，再加上医疗费用的上涨，现在依然“看病难，看病贵”是最好的体现。因此，人口密度过快增长，造成卫生技术人员相对不足，势必导致更多的人得不到较好的医疗保障。
由于空间Dubin模型同时包括因变量的空间滞后性和自变量的空间滞后性，因此它比SLM和SEM能更好更全面地反映空间自相关性对回归结果的影响。表4中因变量的空间滞后项的系数，可以看出PM2.5和PM10与公共健康间的空间效应确实存在，且这一效应对哮喘发病率和内科门诊的表现形式相同。W·lnEnvi的系数显著为负，说明区域之间空气污染存在互动效应，这说明由于空气污染的“外溢性”特征，通过大气在城市间输送，一个地区空气污染加重，相应的邻近地区空气污染在减弱，那也意味着一地区的空气污染的程度增加对周边地区的公共健康有正向的推动作用，这与事实是相符的。在其他自变量的滞后项中，W·lnPhce和W·lnDoc都通过了1%的显著性检验，系数为正，说明邻近地区财政医疗支出和卫生
技术人员的增加对本地区公共健康带来负面影响。而W·lnEco和W·lnPop，未通过10%的显著性检验，说明相邻地区经济增长和人口密度的增加对本地区的公共健康没有影响。W·lnH的系数显著为正，说明区域之间相邻地区的公共健康损失增加对本地区的公共健康有不利的 影响。
3.3 空间效应分解
根据Lesage and Pace，Elhorst等学者的观点，模型估计系数不能直接反映自变量对因变量的边际效应。根据前面所述的公式（3）和（4）计算各解释变量的直接效应和间接效应，如表5和6所示。
由表5和表6可知，在直接效应中，环境、经济水平、医疗人员和人口等要素对公共健康影响都通过显著性水平下检验，其中污染（PM10和PM2.5）、卫生技术人员和人口密度对公共健康有负面作用。经济因素影响对公共健康（哮喘疾病和内科门诊次数）的影响最大，分别为-0.299 1和-0.301 5；而财政医疗卫生支出对公共健康影响较小；人口密度和卫生技术人员对公共健康的负面影响都很小。同时从表5和表6可以看出，直接效应与空间滞后模型系数估计值稍微不同，但方向及显著性水平相同，这是因为直接效应考虑到了相邻省份对该地区的影响，同时还包括从本地区到相邻地区最后再返回本地区的这样一种反馈效应。这些空间因素的影响既通过空间滞后因变量产生作用，也通过空间滞后自变量自身发生作用。反馈效应是指某地区影响因素（如空气污染要素）影响相邻地区的公共健康反过来影响本地区的公共健康，其反馈效应系数非常小，往往忽略不计。
在间接效应中，环境因素PM2.5对公共健康都通过了10%的显著性检验，但PM10并没有通过显著性检验。说明PM2.5的溢出效应对其他地区的公共健康产生影响，且影响较大，其对哮喘疾病和内科门诊的影响系数分别为
-0.147 5和-0.146 2。主要原因在于珠三角地区空气污染严重，而且空气污染呈现一种跨区域的问题，区域之间空气污染存在空间的相关性，促使某一地区空气污染上升时，有助于减少对邻近地区居民公共健康水平的影响；经济因素和人口密度对公共健康并不显著，说明某一地区经济的发展和人口密度的增加對周边地区公共健康水平没有影响；而财政医疗卫生支出和卫生医疗人员等因素对公共健康显著为正，说明某一地区的财政医疗卫生支出和卫生医疗人员增加对周边地区公共健康水平带来负面影响。
综上所述，在空间交互过程中基本以直接效应的形式在空间得以体现，空间回馈效应的影响程度相对较弱，但我们不能忽略空气污染的空间溢出效应对公共健康的间接影响。 4 主要結论及政策启示
本文选取珠江三角洲2001—2014年的面板数据，通过SDM模型，分析空气污染（PM10和PM2.5）对公共健康（哮喘疾病和内科门诊）的影响，以及空气污染的“溢出效应”对公共健康的影响。得到以下结论及启示：
第一，珠江三角洲区域公共健康存在较显著的“外溢效应”。说明一个地区的公共健康受周边地区公共健康的影响比较显著。这也说明本文引入空间变量的必要性。这给我们的一个启示是在提高公共健康水平时政府应该把整个地区公共健康作为一个整体，来制定一个有效的公共卫生政策。
第二，珠三角地区空气环境污染对公共健康均存在显著的负面影响。珠三角地区污染物的排放对居民公共健康造成了比较大的影响，且珠三角区域之间形成空气污染的空间聚集现象，造成了区域之间“越境污染”的溢出效应对公共健康也有不可忽视的影响。说明一个地区的环境污染与其所处的地理位置还与周边区域信息流、交通流等要素密切相关，空气污染的溢出效应应该引起我们足够的重视。因此，各级政府除了在源头上治理污染物的排放，还应该打破各自为阵的行政垄断，实现跨区域环保合作，共同治理，实现资源和技术共享，积极应对各种突发性跨境环境污染。
第三，经济要素对区域公共健康影响最大。随着经济的发展，人们生活水平的提高，这种对公共健康的影响会呈现有益作用。但经济增长对周边邻近地区公共健康的影响不显著。因此，地方政府在制定政策时要全面分析自身所处的经济发展环境，并综合考虑邻近省域的经济发展，实现区域之间经济的协调发展，先富带动后富，共同富裕，给予资金支持，帮助欠发达地区跨越“环境健康贫困”陷阱。
第四，其它解释变量，随着大量人口向城市集聚，尽管卫生技术人员不断增加，但仍显不足，加上公共医疗优质资源还是稀缺的，因而，不利于公共健康水平的提高。因此，适当控制人口，加大卫生技术人员的培养，是应该解决的问题之一。而数量有限的公共卫生费用存在并不恰当的侧重和偏向公共健康，以及潜在效应（污染、工作压力以及不良的生活方式增大医疗支出）大于收入效应（公共卫生医疗设施的改善和营养的改善使医疗支出减少）因此，支出的增加不足以支撑公共健康的问题，因此，加大医疗支出的投入我们不能忽视。所以，我国应该加大公共卫生的投入，改善公共医疗设施，提高医疗水平，培养更多的卫生技术人员外，政府应该更多的关注现阶段污染、吸烟和生活方式等影响大的因素对人们公共健康的影响。
参考文献（References）
[1]王奇，胡晓路，张远航.关于区域大气环境保护一体化的思考[J].环境保护， 2010（9）： 14-16.[WANG Qi， HU Xiaolu， ZHANG Yuanhang. Thoughts on the integration of regional atmospheric environmental protection[J]. Environmental protection， 2010（9）： 14-16.]
[2]吴蒙，彭慧萍，范绍佳，等.珠江三角洲区域空气质量的时空变化特征[J].环境科学与技术. 2015， 38（2）： 77-82.[WU Meng， PENG Huiping， FAN Shaojia， et al. Distribution characteristics of regional air quality in Pearl River Delta[J]. Environmental science and technology， 2015， 38（2）： 77-82.]
[3]CROPPER M L. Measuring the benefits from reduced morbidity[J]. American economic review. 1981， 71（2）： 235-240.
[4]GERKING S， STANLEY L R. An economic analysis of air pollution and health： the case of St. Lou [J]. The review of economics and statistics， 1986， 68（1）： 115-121.
[5]ALBERINI A， CROPPER M， FU T T， et al. Valuing health effects of air pollution in developing countries： the case of ‘Taiwan’[J]. Journal of environmental economics and management， 1997， 34（2）： 107-126.
[6]NEVALAINEN J， PEKKANEN J. The effect of particulate air pollution on life expectancy[J]. Science of the total environment， 1998， 217（1-2）： 137-141.
[7]CORRIA A W， POPE C A， DOCKERY D W， et al. Effect of air pollution control on life expectancy in the United States： an analysis of 545 US countries for the period from 2000 to 2007[J]. Epidemiology， 2013， 24（1）： 23-31.
[8]PASCAL M， CORSO M， CHANEL O， et al. Assessing the public health impacts of urban air pollution in 25 European cities：results of the Aphekom Project[J]. Science of the total environment， 2014， 449C（2）： 390-400. [9]LLERASM A. The needs of the army： using compulsory relocation in the military to estimate the effect of environmental pollutants on children’s health[J]. Journal of humam resources， 2010， 45（3）： 549-590.
[10]KNITTEL C R， MILLER D L， SANDERS N J. Caution drivers！ Children present： traffic， pollution， and infant health[J]. Review of economics and statistics， 2011， 98： 350-366.
[11]LAGRAVINESE R， MOSCONE F， TOSETTI E， et al. The impact of air pollution on hospital admissions： evidence from Italy[J]. Regional science and urban economics， 2014， 49： 129 -146.
[12]FOTOUREHCHI Z. Health effects of air pollution： an empirical analysis for developing countries[J]. Atmospheric pollution research， 2015， 7（1）： 201-206.
[13]OSTRO B. Outdoor air pollution[R]. WHO， 2004.
[14]ROBERTSS D， GAO Y. Evaluation of air pollution， local meteorology and urban public health[J]. International journal of environmental technology and management， 2013， 16（1/2）： 160-177.
[15]TARRICONE R. Costofillness analysis： what room in health economics？[J]. Health policy， 2006， 77（1）： 51-63.
[16]POPE C A I， EZZATI M， DOCKERY D W. Fineparticulate air pollution and life expectancy in the United States[J]. New england journal of medicine， 2009， 360（4）： 376-386.
[17]BROOME R A， FANN N， CRISTINA T J， et al. The health benefits of reducing air pollution in Sydney， Australia[J]. Environmental research， 2015， 143（Pt A）： 19-25.
[18]SONG Y S， WANG X K， MAHER B A， et al. The spatialtemporal characteristics and health impacts of ambient fine particulate matter in China[J]. Journal of cleaner production， 2016， 112： 1312-1318.
[19]MACMILLAN A， CONNOR J， WITTEN K， et al. The societal costs and benefits of commuter bicycling： simulating the effects of specific policies using system dynamics modeling [J]. Environmental health perspectives， 2014， 122（4）： 335-44.
[20]MAIZLISH N， WOODCOCK J， CO S， et al. Health cobenefits and transportationrelated reductions in greenhouse gas emissions in the San Francisco Bay Area[J]. American journal of public health， 2013， 103（4）： 703-709.
[21]XIA T， NITSCHKE M， ZHANG Y， et al. Trafficrelated air pollution and health cobenefits of alternative transport in Adelaide， South Australia[J]. Environment international， 2015， 74： 2810-290.
[22]PATANKAR A M， TRIVEDI P L. Monetary burden of health impacts of air pollution in Mumbai， India： implications for public health policy[J]. Public health， 2011， 125（3）： 157-164. [23]MORETTI E， NEIDELL M. Pollution， health and avoidance behavior： evidence from the ports of Los Angeles[R]. NBER， 2009.
[24]谢元博，陈娟，李巍.雾霾重污染期间北京居民对高浓度PM2.5持续暴露的健康风险及其损害价值评估[J].环境科学， 2014， 35（1）： 1-8.[XIE Yuanbo， CHEN Juan，LI Wei. Health risk assessment of persistent exposure to high concentration PM2.5 in Beijing residents during heavy fog and haze pollution and its damage assessment[J]. Environmental science， 2014， 35（1）： 1-8.]
[25]穆泉，张世秋.中国2001—2013年PM2.5重污染的历史变化与健康影响的经济损失评估[J].北京大学学报（自然科学版）， 2015， 51（4）： 694-706.[MU Quan， ZHANG Shiqiu. Historical changes of PM2.5 heavy pollution in China from 2001 to 2013 and economic losses of health impact assessment[J]. Acta scientiarum naturalium universitatis pekinensis， 2015， 51（4）： 694-706.]
[26]陈仁杰，陈秉衡，阚海东.我国113个城市大气颗粒物污染的健康经济学评价[J].中国环境科学， 2010， 30（3）： 410-415.[CHEN Renjie， CHEN Bingheng， KAN Haidong. A healthbased economic assessment of particulate air pollution in 113 Chinese cities[J]. China environmental science， 2010， 30（3）： 410-415.]
[27]魏一鸣，吴刚，等.中国能源报告（2012）：能源安全研究[R].北京：科学出版社， 2012.[WEI Yiming， WU Gang， et al. China energy report （2012）： energy security research[R]. Beijing： Science press， 2012.]
[28]谢元博，李巍.基于能源-环境情景模拟的北京市大气污染对居民健康风险评价研究[J].环境科学学报， 2013， 33（6）： 1763-1770.[XIE Yuanbo， LI Wei. Study on the cooperative emission reduction of major air pollutants and greenhouse gases in Beijing city based on the scenario simulation of energy consumption[J]. Environmental science， 2013， 33（6）： 1763-1770.]
[29]宋桂香，江莉莉，陈国海.上海市大气气态污染物与居民每日死亡关系的时间序列研究[J].环境与健康杂志， 2006， 23（5）： 390-393.[SONG Guixiang， JIANG Lili， CHEN Guohai. Study on the time series of the relationship between atmospheric gaseous pollutants and daily mortality of residents in Shanghai[J]. Journal of environment and health， 2006， 23（5）： 390-393.]
[30]殷文軍，彭晓武，宋世霞，等.广州市空气污染与城区居民心脑血管疾病死亡的时间序列分析[J].环境与健康杂志， 2012， 29（6）： 521-525.[YIN Wenjun， PENG Xiaowu， SONG Shixia， et al. The time series analysis of air pollution and the death of cardiovascular and cerebrovascular diseases in urban residents in Guangzhou City[J]. Journal of environment and health， 2012， 29（6）： 521-525.]
[31]苗艳青，陈文晶.空气污染和健康需求：Grossan模型的应用[J].世界经济， 2010（6）： 140-160.[MIAO Yanqing， CHEN Wenjing. Air pollution and health needs： the application of the Grossan Model[J]. Journal of world economy， 2010（6）： 140-160.]
[32]苗艳青.空气污染对人体健康的影响：基于健康生产函数方法的研究[J].中国人口·资源与环境， 2008， 18（5）： 205-209.[MIAO Yanqing. The impact of air pollution on human health： a study based on the method of health production function[J]. China population， resources and environment， 2008， 18（5）： 205-209.] [33]曲卫华，颜志军.环境污染、经济增长与医疗卫生服务对公共健康的影响分析——基于中国省际面板数据的研究[J].中国管理科学， 2015（7）： 166-174.[QU Weihua， YAN Zhijun. An analysis of the impact of environmental pollution， economic growth and health service on public health： based on the research of Chinese provincial panel data[J]. Chinese journal of management science， 2015（7）： 166-174.]
[34]卢洪友，祁毓.环境质量、公共服务与国民健康——基于跨国地区数据的分析[J]. 财经研究， 2013， 39（6）： 106-118.[LU Hongyou， QI Yu. Environmental quality， public service and national health： an analysis based on the data of transnational[J]. Journal of finance and economics， 2013， 39（6）： 106-118.]
[35]祁毓，卢洪友.污染、健康与不平等——跨越“环境健康贫困”陷阱[J].管理世界， 2015（9）： 32-51.[QI Yu， LU Hongyou. Pollution， health and inequality： crossing the trap of ‘environmental health poverty’[J]. Management world， 2015（9）： 32-51.]
[36]陈硕，陈婷.空气质量与公共健康：以火电厂二氧化硫排放为例[J].经济研究， 2014（8）： 158-183.[CHEN Shuo， CHEN Ting. Air quality and public health： a case study of sulfur dioxide emissions from fossil fired power plants[J]. Economic research journal， 2014（8）： 158-183.]
[37]杨继生，徐娟，吴相俊.经济增长与环境和社会健康成本[J].经济研究， 2013（12）： 17-29.[YANG Jisheng， XU Juan， WU Xiangjun. Economic growth and environmental and social health costs[J]. Economic research journal， 2013（12）： 17-29.]
[38]ANSELIN L. Spatial econometrics： methods and models [M]. London： Kluwer， 1988.
[39]赵忠.我国农村人口的健康状况及影响因素[J].管理世界， 2006（3）： 78-85.[ZHAO Zhong. Health status and influencing factors of rural population in China[J]. Management world， 2006（3）： 78-85.]
[40]余海峰，余卓文.广东省顺德地区呼吸系统疾病的空间自相关分析[J].现代预防医学， 2009， 36（12）： 2231-2234.[YU Haifeng， YU Zhuowen， et al. Study on the spatial autocorrelation for diseases of respiratory system in Shunde， Guangdong Province[J]. Modern preventive medicine， 2009， 36（12）： 2231-2234.]
[41]杨林生，李海蓉，李永华，等.医学地理和环境健康研究的主要领域与进展[J].地理科学进展， 2010， 29（1）： 31-44.[YANG Linsheng， LI Hairong， LI Yonghua， et al. The major fields and advances in the research of medical geography and environmental health[J]. Progress in geography， 2010， 29（1）： 31-44.]
[42]刘小勇.市场分割对经济增长影响效应检验和分解[J].经济评论， 2013（1）： 34 -41.[LIU Xiaoyong. Test and decomposition of the effects of market segmentation on economic growth[J]. Economic review， 2013（1）： 34 -41.]
[43]吴玉鸣，李建霞.中国省域能源消费的空间计量经济分析[J].中国人口·资源与环境， 2008， 18（3）： 93-98.[WU Yuming， LI Jianxia. Spatial econometric analysis of energy consumption of Chinese provinces[J]. China population， resources and environment， 2008， 18（3）： 93-98.]
[44]刘晓云，谢鹏，刘兆荣，等.珠江三角洲可吸入颗粒物污染急性健康效应的经济损失评价[J].北京大学学报（自然科学版）， 2010， 46（5）： 829-834.[LIU Xiaoyun， XIE Peng， LIU Zhaorong， et al. Economic assessment of acute health impact due to inhalable particulate air pollution in the Pearl River Delta[J]. Acta scientiarum naturalium universitatis pekinensis， 2010， 46（5）： 829-834.]
[45]STENLUND T， Lidén E， ANDERSSON K， et al. Annoyance and health symptoms and their influencing factors： a populationbased air pollution intervention study[J]. Public health， 2009， 123（4）：339-345.
[46]CRMIEUX P Y， MEILLEUR M C， OUELLETTE P， et al. Erratum： public and private pharmaceutical spending as determinants of health outcomes in Canada[J]. Health economics， 2005， 14（2）： 107-116.
[47]COCHRANE A L， LEGER A S， MOORE F. Health service input and mortality output in developed countries[J]. Journal of epidemiology and community health， 1978， 32（3）： 200-205.
[48]FISCHER M M. Handbook of applied spatial analysis[M]. Berlin： Springer， 2010： 37-407.
[49]張宁，胡鞍钢，郑京海.应用DEA方法评测中国各地区健康生产效率[J].经济研究， 2006（7）： 92-105.[ZHANG Ning， HU Angang， ZHENG Jinghai. Using data envelopment analysis approach to estimate the health production efficiency in China[J]. Economic research journal， 2006（7）： 92-105.]
关键词 空气污染；外溢效应；空间面板模型；公共健康；经济增长
中图分类号 X196文献标识码 A文章编号 1002-2104（2017）09-0035-11DOI：10.12062/cpre.20170469
长期以来，我国在经济发展的过程中，更多的关注经济的增长，忽略了环境资源价值，甚至在一定程度上以牺牲环境为代价。而且伴随着工业化和城市化进程不断加速，能源大量集中消耗，导致城市区域大气污染日趋严重，表现为大气能见度严重下降，雾霾锁城事件频繁发生。而愈发严峻的空气污染，对居民的公共健康的影响也引起了人们高度的关注。在此背景下，如何分析空气污染所带来的公共健康问题具有极为重要的意义。
珠江三角洲地区（珠三角）是我国最大的工业生产区，市场最繁荣的城市群，也是我国相对其它地区空氣污染较严重的地区之一，备受人们关注。据最新统计数据显示，2015年珠三角PM2.5区域平均浓度为35 ug/m3，各市平均浓度范围在27—40 ug/m3之间。伴随着“区域经济一体化”进程的加快，区域之间距离不断缩小以及大气污染长距离扩散的自然属性，使得整个区域内所有城市也呈现出“区域污染一体化”的趋势[1-2]。据研究，珠三角各市空气质量受区域内其他城市污染源的影响程度约为10%—30%。也就是说，各城市的空气质量除受本市的污染源影响之外，还受到周边城市污染源不同程度的影响。因而，治理环境健康问题不仅仅是一个行政区的问题，而且还是一个区域性的问题，必须考虑到区域之间影响，即大气污染问题与其周边地区存在空间依赖性。但是，鲜有经济学文献对其环境健康效应进行系统且严谨的识别。医学和环境学者大都基于个体或非随机样本且不考虑内生性问题，且较少关注区域性之间环境健康的空间交互影响，所得结论及政策建议均需谨慎对待。
因而，本文试图从空间的角度，以PM10和PM2.5污染物为主的典型珠江三角洲为例，一是分析区域之间空气污染（PM10和PM2.5）对公共健康的影响？二是探讨一个地区的空气污染增加是否对邻域的公共健康产生影响？这些研究是有益的补充，极具社会现实性和研究的迫切性。其意义在于，第一，保护环境的重要性，理解环境资源价值。第二，认识降低环境污染对经济可持续发展和公共健康的现实意义。这有助于地方政府进一步了解经济增长和公共健康的环境代价。从而实现中央政府提出的“环境友好型社会”和推进“健康中国”战略。
1 文献回顾
环境污染对健康的影响及所带来的经济损失等问题，引起了政策制定者和经济学者的兴趣，开始逐渐地认识到环境健康问题研究中经济学的价值和意义。环境对健康的研究是以Grossman开创的健康生产函数为起点，并在此基础上Cropper[3]、Gerking[4]引入环境污染到健康生产函数中，证明了污染对健康折旧率的影响。学者认为在生命周期中，除年龄外，环境污染是影响健康折旧率的重要因素，环境污染严重地区的居民普遍面临着健康存量加速折旧的冲击[5]。现有的研究以此为研究基础，主要是从环境健康关系、环境健康效应评估和环境健康的差异性等方面进行研究。
国外学者开展大气污染对居民健康的影响或风险进行了一系列研究，第一，分析不同污染物和健康状况之间的关系。其中，许多学者研究显示不同污染物与生命预期寿命之间有统计学意义和存在显著的负相关，即不断增加的污染物对预期寿命和疾病带来不利的影响[6-8]。近几年，有学者发现主要使用的泊松回归和传统的广义线性模型等传统方法，不能有效剔除影响健康的内生性问题而产生偏差，主要表现在测量偏差和遗漏变量问题[9-10]。于是人们采用面板数据运用工具变量估计法或两阶段最小二乘法来解决[11-12]。第二，危害健康带来的经济损失程度也被许多学者关注。不同时期国内外相关研究结果均表明，空气污染引发疾病或致死而造成的健康经济损失是巨大的[13-14]。其主要是根据污染剂量效应和人口暴露-响应原理的解析法评估环境污染对居民健康的经济损失程度[15]。在研究内容方面，空气污染引发疾病或致死而造成的健康经济损失主要包括疾病医疗成本、疾病保健成本、过早死亡导致生产力的损失和健康质量的下降[16-18]。为了降低环境健康损失，一些学者从交通等角度分析人们乘交通行为方式的改变，所带来的环境改善和健康成本收益的问题[19-21]。第三，环境污染健康效应区域（群体）差异性分析。在研究环境对健康的影响时，我们不能忽视结构效应影响，即环境污染对不同地区或群体的健康的影响存在差异。研究发现发展中国家空气污染产生的货币化疾病负担，贫困家庭的更明显[22]。有的学者发现污染物对不同发展程度的国家均有影响，且存在差异性，而且除了污染之外，还认为社会经济因素有更强的影响[12]。因此，可以说环境健康绩效的异质性看似围绕个体的差异[23]，实际很大程度上是经济发展水平、医疗保健支出等要素造成的。 纵观国内研究，起步较晚，主要是参照国外的理论和方法进行研究。一方面从区域及行业的角度采用解析法评估环境健康损失效应。从区域的角度，评估单个地区不同SO2、PM10等气体的暴露水平及由于能源结构优化所减少的人群健康损失[24-25]；以及预测未来不同能源消费情景下单个地区SO2等气体排放量及其引发的公共健康经济损失评估[26-28]。另一方面，较少学者采用统计与计量分析法研究环境污染与公共健康之间的关系，其主要局限于特定地区，实证检验二者之间的关系[29-30]。近几年，少数学者就两者之间因果识别进行研究，其中有的学者以单一地区为研究对象，运用Grossman函数模型分析空气污染物等要素对居民健康需求的影响[31-32]。有的学者以面板数据并利用计量模型研究空气质量等要素对公共健康的影响[33]，并对男女差异性以及发达国家与发展中国家居民健康效应差异作比较分析[34]。在对中国112个重点城市的研究中显示经济发展越落后，污染的健康经济负担就越严重，且呈现出明显的累退分布[35]。与此同时，有的学者在研究环境污染与公共健康时，也考虑到了公共健康存在遗漏变量等内生性问题[36-37]。总之，中国学者参考国外的理论与方法更多地引用空气暴露系数关注环境健康损失评估，而采用计量的方法分析空气污染与公共健康的因果识别较少，鲜有人从空间的角度分析空气污染对公共健康影响的研究。
纵观国内学者，医学和环境领域文献大多基于个体或非随机样本对空气污染与公共健康进行了大量而富有成果的研究，较少从空间的角度对其进行系统且严谨的因果识别。现有的研究仍需谨慎对待。第一，引入空间面板计量模型分析，准确分析空气污染与公共健康之间的关系。打破传统的面板回归通常假定各个地区的要素是相互独立的假设，这显然与现实存在偏离，如经济、空气污染等客观因素使得一个地区的公共健康必然会受到邻近地区的影响，因而如果忽略这种空间相关性的影响，模型估计将是有偏的或产生错误的参数检验[38]。第二，空气污染等要素对公共健康影响有多大，区域之间“越境污染”是否对邻近区域公共健康有影响？因此，分析区域之间在空间交互的作用下不同驱动要素对公共健康影响的空间效应包括直接效应和溢出（间接）效应，有待深入研究。
2 空间计量模型的构建与变量选择
2.1 空间计量模型设定
环境污染对健康的影响研究源于Grossman在1972年首次建立的健康生产函数来分析居民的健康微观需求，该函数考虑了包括收入方式、健康水平、教育、环境等多方面因素，居民的健康状况除了受环境影响外，还受其他诸多因素的影响。在此基础上，由Cropper[3]、Gerking[4]不断改进和完善。同时参考曲卫华[33]、卢洪友等[34]和赵忠[39]等人的研究。将居民的健康影响因素确定为经济、社会、教育、医疗卫生与环境，由此健康生产函数可以表示为如公式（1）所示：
其式（1）中，H代表健康水平，Envi、Phce、Eco、Doc、Pop分别代表环境、医疗支出（占GDP的比重）、经济、人均医疗卫生技术人员与人口密度等变量。α1，α2，α3，α4和α5为解释变量的弹性系数，Ω为初始健康状况的估计值。
由于区域之间空气污染的相互影响。因此，本文从空间视角来评估空气污染等要素对公共健康的影响，一般采用空间计量模型。为了不失一般性，本项目采用空间杜宾模型（Spatial Dubin Model SDM），它是空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM）的一般形式，其表达式为：
上式（2）中，yit为被解释变量，xit为解释变量，c为常数项，δ为空间自回归系数，β与θ分别为待估系数，ε为残差项。xitβ为区域自变量对因变量的影响，δ∑Nj=1Wijyit为空间滞后项，表示各空间单元（i=1，…，N）的解释变量在时间t时（t= 1，…，T）的观测值所组成的π×1阶因变量；εit是独立且同分布的随机误差项；ui和λi分别表示空间和时间效应。本文构造空间变量：W·自变量（W·空气污染）、W·因变量来刻画PM2.5以及公共健康的空间外溢。W·自变量（W·空气污染）表示一个地区周围其他地区的空气污染对该地区公共健康的影响，即通过其他地区空气污染的加权和来衡量空气污染的“溢出效应”。W表示為空间权重，计算各个空间元素之间存在关联与相互影响程度，一般用0和1来表示（相邻为1，不相邻为0）。
对于自变量影响的测度，根据空间杜宾模型估计得参数测度其影响程度是不准的，长期看空间效应的存在可以将解释变量对被解释变量的影响效应分解为直接效应和间接效应[40]，其中直接效应表示各区域自影响因素的改变对该地区本身公共健康的影响，间接效应表示影响因素的改变通过空间交互作用潜在地影响所有其它地区公共健康（被解释变量）。可以将上述公式（2）转换为一般形式为：
被解释变量对第K个自变量的偏导数微分方程矩阵为：
上式（4）中，定义右边矩阵元素值和的平均值为直接效应，非对角线元素所有行与列元素和的平均值为间接效应，反映其他区域自变量对区域因变量的影响。
由于空间模型都是从全域计算空间相关性，因而空间回归模型中变量可能存在内生性问题，对上述模型的估计如果仍采用普通最小二乘法（OLS），则会产生系数估计值有偏或无效[38，41]，Anselin建议采用极大似然法（ML）来估计空间计量模型参数。其好处在于一方面能够克服传统OLS估计中的变量内生性问题而产生的估计偏误；另一方面又科学地反映了区域之间要素的相关性。
2.2 指标选取及数据说明
我国居民的公共健康受到环境、经济条件、生活方式、社会因素和医疗水平等诸多复杂因素影响。在选取影响因素时，根据前人研究，按照对影响人们公共健康的影响程度和资料获取的难易程度进行甄别，提炼出具有代表性的影响因素（见表1）。 公共健康：本次研究主要选择与大气污染相关性较强的呼吸系统疾病和循环系统疾病作为健康危害指标。本研究选择与可吸入颗粒物污染相关的急性健康效应终点包括哮喘发病和内科门诊次数为公共健康代理指标。综合考虑国内流行病学研究现状及数据的缺乏，所以本文选择与大气污染物存在定量的暴露-反应关系计算而来。考虑到不同地区暴露-反应关系系数应该有所差异，所以本文参考国内流行病学研究资料，在国内研究数据严重不足时，再考虑参考其他地区资料。具体参数及计算过程请见参考文献[42]。并根據世界卫生组织推荐的参考浓度值，PM10和PM2.5分别是40 ug/m3和10 ug/m3为基准值，表示低于或等于此值对人体公共健康的影响可以忽略不计，以此来研究不同颗粒物污染暴露水平导致的疾病变化。
空气污染：本文主要基于以下三点选取PM10和PM2.5为研究对象，主要原因在于：第一，中国环境的污染主要来源于工业排放，许多学者研究表明空气污染物排放物的增加对公共健康影响更大，因此，也是诸多学者首选的空气污染指标之一；第二，与其他环境要素相比，空气环境的外生决定性和外溢性更强，这在一定程度上减轻了内生性问题[43]；第三，国民整体暴露于空气环境中的概率比在其他环境要素中要高，这在一定程度上弥补了使用宏观数据可能存在的缺陷[34]。
其它控制变量：为了尽量减少其它变量遗漏所造成的估计结果有偏差，在模型中增加了影响公共健康的其它控制变量。主要包括：经济水平：经济水平的测量指标相对较成熟，大多数以人均GDP表示，它反映了某个区域的经济发展状况。因此，本项目在模型中引入人均GDP考察公共健康与经济发展之间的关系。公共卫生水平：公共卫生水平包括人均医疗支出（用占本地区GDP的比重来表示）和人均卫生技术人员（人/万人）等影响因素，它的提高是有利于居民健康的改善，也被许多学者所采用[33-44]。人口密度：更大的人口密度可以使在有限财政预算约束下的卫生服务能够更便捷地被人们获得[45]，研究中许多学者也采用了人口密度作为影响健康生产的主要变量[36]。
本研究选取2001—2014年中国广东省珠江三角洲9个城市作为样本（珠江三角洲城市群包括广州、深圳、珠
海、佛山、东莞、中山、江门、肇庆、惠州等9个城市）。空气污染（PM10和PM2.5）数据收集基本原则是先国内后国外，其中部分数据来源于《珠三角各地区各年环境公报（2002—2015）》统计而来，缺失部分借鉴已有研究方法[42]，采用转换系数PM2.5/PM10=0.7对颗粒物的暴露反应关系系数进行转换；另一部分区域PM2.5浓度参考哥伦比亚大学国际地球科学信息网络中心（Battelle Memorial Institute，CIESIN，2013）测定的全球浓度年均值；其它部分数据主要来自《中国广东省统计年鉴（2002—2015）》和《珠三角各地区统计年鉴（2002—2015）》。为了消除异方差影响，本文所有被解释变量和解释变量都取自然对数。
3 实证研究
3.1 空间检验
正确的模型设定是保证实证结果真实可靠的前提。首先，需要测算未考虑空间相关性因素的普通面板数据模型（OLS），对残差进行空间自相关性的LM和Robust LM检验，来判断模型的空间相关性及何种面板计量经济学模型。从表2中发现，在LM检验中LMlag和LMerror的P统计值均在1%的水平下显著，说明建立空间数据模型比较恰当。此外，从LR检验显著性可知，Robust LMlag和Robust LMerror分别在5%和1%的水平下显著。根据Fischer[46]提出的模型检验原则，说明变量之间具有空间相关性，非空间传统面板模型估计不足。但是，由此还不能确定是采用哪种空间计量模型，还需进一步对空间杜宾模型SDM进行Wald估计和LR检验，看是否可以简化成SLM或者SEM模型。从表3和4可知，Wald和LR检验结果均在1%的水平下显著，表明本文选择SDM是合适的。在回归之前，进行Hausman 检验，通过1%的显著性水平检验，所以固定效应模型更为合适，因此，本文采取固定效应下的杜宾模型研究空气污染对公共健康的空间效应。
3.2 空间杜宾模型检验与估计分析
为了表示模型选取的合理性，我们进一步把不同固定效应下SVM模型的结果进行比较研究。其中，不同固定效应分为无固定效应（NONF）、空间固定效应（SF）、时间固定效应（TF）、空间和时间固定效应（STF）。我们进一步综合分析不同固定效应下的空间模型调整后的R2和自然对数似然函数值LogL，以及解释变量估计系数的经济学含义，发现空间固定效应下的SDM模型研究空气污染等要素对公共健康的影响，更具有合理性。因此，选择空间固定效应下的空间杜宾模型研究空气污染等要素对公共健康的影响。其计算结果如表3和4所示。
空气污染PM10和PM2.5都通过1%的显著性检验，估计系数显著为正。说明空气污染对居民的公共健康带来了负面影响，即PM10和PM2.5颗粒物的增加带来哮喘疾病和内科门诊等疾病人数不断上升，且影响都比较大，尤其是对哮喘疾病的影响更大，分别达到每单位变化0.223 6和0.227 2。这与许多研究结构结论大体一致的。目前流行性病学公认的各种大气污染物中，可吸入颗粒物（PM10），细颗粒物（PM2.5）与人群健康效应最为密切。而且一些研究，如世界卫生组织2002年的报告指出，发展中地区25%的死亡可归结于环境原因，而在发达地区，只有17%的死亡归于此类原因。在发达国家，20%的上呼吸道感染可归结于环境原因，在发展中国家则上升到42%。《全球疾病负担2010报告》表明，中国2010年因室外PM2.5已成为中国公共健康的第四大危险因素。所以，污染物对哮喘疾病的影响较大。这主要原因在于，珠三角地区工业发达，广州、深圳、佛山和东莞等地区城市集中了较多的电厂和工厂，以及随着人们生活的提高，不断增加的汽车尾气排放，使得珠三角地区污染浓度不断累积，最终导致了颗粒物污染（PM2.5和PM10）对居民公共健康有较大的负面影响。 财政医疗支出都通过1%的显著性检验，估计系数为负。说明了我国人均医疗支出的增加改善人们的公共健康，但影响有限。这原因可能在于：第一，尽管财政医疗支出不断增加，但对不断增长的地区生产总值而言，财政医疗支出仍然不足。目前珠三角地区大部分城市的财政医疗卫生支出占GDP比重总的趋势不断上升，但直到2014年最高的超过1%，最低的只有0.37%，且许多研究表明政府财政的支出随着经济的发展正向作用在减少，甚至不 显著，因此，有限的财政医疗卫生支出提升公共健康的水平有限。第二，有可能是公共支出利用效率情况并不理想，可能和公共卫生投入的方向性偏差有关。将本应该在公共财政支出中承担大部分义务的卫生事业大面积地推向市场。同时公共财政支出由改革前的“预防为主”和基本公共卫生服务为主转向严重偏向赢利性的医疗领域[47]。因此，数量有限的公共卫生费用存在并不恰当的侧重和偏向可能导致了财政医疗支出没有发挥出对公共健康应有的作用。因此，该结论具有一定的合理性。
进一步考察经济因素对公共健康的影响。从估计结果来看，经济影响因素的回归系数均通过了1%的显著性水平下假设检验，LnEco估计值显著为负。意味着经济因素有助于降低哮喘疾病和内科门诊等公共健康的疾病的发生，且影响较大但彼此影响相差不大。可以说是最重要的影响因素。主要原因在于：尽管经济增长促使工业发展而带来的环境问题，以及人们较大的工作压力和生活方式的改变对居民公共健康产生负面影响，但经济发展改善了人们物质生活、饮食、居住环境，以及卫生医疗资源的配置和投入等，如病床数量增多，医护人数增加，有利于患者的就诊条件变好；医护人员受教育程度的提高，有利于减少误诊，以及公共卫生的投入等，减少疾病的发生，保障了健康生活状态的支出，提升居民健康水平；这些最终使经济的发展所带来的收益大于损失，有利于改善居民公共健康。
卫生技术人员和人口密度影响因素对公共健康显著为正（卫生技术人员对PM10影响除外），也就是说明卫生技术人员和人口密度的增加不但没有改善反而加剧了公共健康，没有达到预期的效果。可能原因在于，尽管可以使在有限财政预算约束下促使卫生服务能够更便捷地被人们获得，但珠三角经济发达，国内大量的人口向珠三角集聚，城市人口过快增长，人口密度加大，因而不断增加的卫生技术人员，还是相对紧缺，供需矛盾依然突出。除此之外，城市医疗系统的优质资源较少，再加上医疗费用的上涨，现在依然“看病难，看病贵”是最好的体现。因此，人口密度过快增长，造成卫生技术人员相对不足，势必导致更多的人得不到较好的医疗保障。
由于空间Dubin模型同时包括因变量的空间滞后性和自变量的空间滞后性，因此它比SLM和SEM能更好更全面地反映空间自相关性对回归结果的影响。表4中因变量的空间滞后项的系数，可以看出PM2.5和PM10与公共健康间的空间效应确实存在，且这一效应对哮喘发病率和内科门诊的表现形式相同。W·lnEnvi的系数显著为负，说明区域之间空气污染存在互动效应，这说明由于空气污染的“外溢性”特征，通过大气在城市间输送，一个地区空气污染加重，相应的邻近地区空气污染在减弱，那也意味着一地区的空气污染的程度增加对周边地区的公共健康有正向的推动作用，这与事实是相符的。在其他自变量的滞后项中，W·lnPhce和W·lnDoc都通过了1%的显著性检验，系数为正，说明邻近地区财政医疗支出和卫生
技术人员的增加对本地区公共健康带来负面影响。而W·lnEco和W·lnPop，未通过10%的显著性检验，说明相邻地区经济增长和人口密度的增加对本地区的公共健康没有影响。W·lnH的系数显著为正，说明区域之间相邻地区的公共健康损失增加对本地区的公共健康有不利的 影响。
3.3 空间效应分解
根据Lesage and Pace，Elhorst等学者的观点，模型估计系数不能直接反映自变量对因变量的边际效应。根据前面所述的公式（3）和（4）计算各解释变量的直接效应和间接效应，如表5和6所示。
由表5和表6可知，在直接效应中，环境、经济水平、医疗人员和人口等要素对公共健康影响都通过显著性水平下检验，其中污染（PM10和PM2.5）、卫生技术人员和人口密度对公共健康有负面作用。经济因素影响对公共健康（哮喘疾病和内科门诊次数）的影响最大，分别为-0.299 1和-0.301 5；而财政医疗卫生支出对公共健康影响较小；人口密度和卫生技术人员对公共健康的负面影响都很小。同时从表5和表6可以看出，直接效应与空间滞后模型系数估计值稍微不同，但方向及显著性水平相同，这是因为直接效应考虑到了相邻省份对该地区的影响，同时还包括从本地区到相邻地区最后再返回本地区的这样一种反馈效应。这些空间因素的影响既通过空间滞后因变量产生作用，也通过空间滞后自变量自身发生作用。反馈效应是指某地区影响因素（如空气污染要素）影响相邻地区的公共健康反过来影响本地区的公共健康，其反馈效应系数非常小，往往忽略不计。
在间接效应中，环境因素PM2.5对公共健康都通过了10%的显著性检验，但PM10并没有通过显著性检验。说明PM2.5的溢出效应对其他地区的公共健康产生影响，且影响较大，其对哮喘疾病和内科门诊的影响系数分别为
-0.147 5和-0.146 2。主要原因在于珠三角地区空气污染严重，而且空气污染呈现一种跨区域的问题，区域之间空气污染存在空间的相关性，促使某一地区空气污染上升时，有助于减少对邻近地区居民公共健康水平的影响；经济因素和人口密度对公共健康并不显著，说明某一地区经济的发展和人口密度的增加對周边地区公共健康水平没有影响；而财政医疗卫生支出和卫生医疗人员等因素对公共健康显著为正，说明某一地区的财政医疗卫生支出和卫生医疗人员增加对周边地区公共健康水平带来负面影响。
综上所述，在空间交互过程中基本以直接效应的形式在空间得以体现，空间回馈效应的影响程度相对较弱，但我们不能忽略空气污染的空间溢出效应对公共健康的间接影响。 4 主要結论及政策启示
本文选取珠江三角洲2001—2014年的面板数据，通过SDM模型，分析空气污染（PM10和PM2.5）对公共健康（哮喘疾病和内科门诊）的影响，以及空气污染的“溢出效应”对公共健康的影响。得到以下结论及启示：
第一，珠江三角洲区域公共健康存在较显著的“外溢效应”。说明一个地区的公共健康受周边地区公共健康的影响比较显著。这也说明本文引入空间变量的必要性。这给我们的一个启示是在提高公共健康水平时政府应该把整个地区公共健康作为一个整体，来制定一个有效的公共卫生政策。
第二，珠三角地区空气环境污染对公共健康均存在显著的负面影响。珠三角地区污染物的排放对居民公共健康造成了比较大的影响，且珠三角区域之间形成空气污染的空间聚集现象，造成了区域之间“越境污染”的溢出效应对公共健康也有不可忽视的影响。说明一个地区的环境污染与其所处的地理位置还与周边区域信息流、交通流等要素密切相关，空气污染的溢出效应应该引起我们足够的重视。因此，各级政府除了在源头上治理污染物的排放，还应该打破各自为阵的行政垄断，实现跨区域环保合作，共同治理，实现资源和技术共享，积极应对各种突发性跨境环境污染。
第三，经济要素对区域公共健康影响最大。随着经济的发展，人们生活水平的提高，这种对公共健康的影响会呈现有益作用。但经济增长对周边邻近地区公共健康的影响不显著。因此，地方政府在制定政策时要全面分析自身所处的经济发展环境，并综合考虑邻近省域的经济发展，实现区域之间经济的协调发展，先富带动后富，共同富裕，给予资金支持，帮助欠发达地区跨越“环境健康贫困”陷阱。
第四，其它解释变量，随着大量人口向城市集聚，尽管卫生技术人员不断增加，但仍显不足，加上公共医疗优质资源还是稀缺的，因而，不利于公共健康水平的提高。因此，适当控制人口，加大卫生技术人员的培养，是应该解决的问题之一。而数量有限的公共卫生费用存在并不恰当的侧重和偏向公共健康，以及潜在效应（污染、工作压力以及不良的生活方式增大医疗支出）大于收入效应（公共卫生医疗设施的改善和营养的改善使医疗支出减少）因此，支出的增加不足以支撑公共健康的问题，因此，加大医疗支出的投入我们不能忽视。所以，我国应该加大公共卫生的投入，改善公共医疗设施，提高医疗水平，培养更多的卫生技术人员外，政府应该更多的关注现阶段污染、吸烟和生活方式等影响大的因素对人们公共健康的影响。
参考文献（References）
[1]王奇，胡晓路，张远航.关于区域大气环境保护一体化的思考[J].环境保护， 2010（9）： 14-16.[WANG Qi， HU Xiaolu， ZHANG Yuanhang. Thoughts on the integration of regional atmospheric environmental protection[J]. Environmental protection， 2010（9）： 14-16.]
[2]吴蒙，彭慧萍，范绍佳，等.珠江三角洲区域空气质量的时空变化特征[J].环境科学与技术. 2015， 38（2）： 77-82.[WU Meng， PENG Huiping， FAN Shaojia， et al. Distribution characteristics of regional air quality in Pearl River Delta[J]. Environmental science and technology， 2015， 38（2）： 77-82.]
[3]CROPPER M L. Measuring the benefits from reduced morbidity[J]. American economic review. 1981， 71（2）： 235-240.
[4]GERKING S， STANLEY L R. An economic analysis of air pollution and health： the case of St. Lou [J]. The review of economics and statistics， 1986， 68（1）： 115-121.
[5]ALBERINI A， CROPPER M， FU T T， et al. Valuing health effects of air pollution in developing countries： the case of ‘Taiwan’[J]. Journal of environmental economics and management， 1997， 34（2）： 107-126.
[6]NEVALAINEN J， PEKKANEN J. The effect of particulate air pollution on life expectancy[J]. Science of the total environment， 1998， 217（1-2）： 137-141.
[7]CORRIA A W， POPE C A， DOCKERY D W， et al. Effect of air pollution control on life expectancy in the United States： an analysis of 545 US countries for the period from 2000 to 2007[J]. Epidemiology， 2013， 24（1）： 23-31.
[8]PASCAL M， CORSO M， CHANEL O， et al. Assessing the public health impacts of urban air pollution in 25 European cities：results of the Aphekom Project[J]. Science of the total environment， 2014， 449C（2）： 390-400. [9]LLERASM A. The needs of the army： using compulsory relocation in the military to estimate the effect of environmental pollutants on children’s health[J]. Journal of humam resources， 2010， 45（3）： 549-590.
[10]KNITTEL C R， MILLER D L， SANDERS N J. Caution drivers！ Children present： traffic， pollution， and infant health[J]. Review of economics and statistics， 2011， 98： 350-366.
[11]LAGRAVINESE R， MOSCONE F， TOSETTI E， et al. The impact of air pollution on hospital admissions： evidence from Italy[J]. Regional science and urban economics， 2014， 49： 129 -146.
[12]FOTOUREHCHI Z. Health effects of air pollution： an empirical analysis for developing countries[J]. Atmospheric pollution research， 2015， 7（1）： 201-206.
[13]OSTRO B. Outdoor air pollution[R]. WHO， 2004.
[14]ROBERTSS D， GAO Y. Evaluation of air pollution， local meteorology and urban public health[J]. International journal of environmental technology and management， 2013， 16（1/2）： 160-177.
[15]TARRICONE R. Costofillness analysis： what room in health economics？[J]. Health policy， 2006， 77（1）： 51-63.
[16]POPE C A I， EZZATI M， DOCKERY D W. Fineparticulate air pollution and life expectancy in the United States[J]. New england journal of medicine， 2009， 360（4）： 376-386.
[17]BROOME R A， FANN N， CRISTINA T J， et al. The health benefits of reducing air pollution in Sydney， Australia[J]. Environmental research， 2015， 143（Pt A）： 19-25.
[18]SONG Y S， WANG X K， MAHER B A， et al. The spatialtemporal characteristics and health impacts of ambient fine particulate matter in China[J]. Journal of cleaner production， 2016， 112： 1312-1318.
[19]MACMILLAN A， CONNOR J， WITTEN K， et al. The societal costs and benefits of commuter bicycling： simulating the effects of specific policies using system dynamics modeling [J]. Environmental health perspectives， 2014， 122（4）： 335-44.
[20]MAIZLISH N， WOODCOCK J， CO S， et al. Health cobenefits and transportationrelated reductions in greenhouse gas emissions in the San Francisco Bay Area[J]. American journal of public health， 2013， 103（4）： 703-709.
[21]XIA T， NITSCHKE M， ZHANG Y， et al. Trafficrelated air pollution and health cobenefits of alternative transport in Adelaide， South Australia[J]. Environment international， 2015， 74： 2810-290.
[22]PATANKAR A M， TRIVEDI P L. Monetary burden of health impacts of air pollution in Mumbai， India： implications for public health policy[J]. Public health， 2011， 125（3）： 157-164. [23]MORETTI E， NEIDELL M. Pollution， health and avoidance behavior： evidence from the ports of Los Angeles[R]. NBER， 2009.
[24]谢元博，陈娟，李巍.雾霾重污染期间北京居民对高浓度PM2.5持续暴露的健康风险及其损害价值评估[J].环境科学， 2014， 35（1）： 1-8.[XIE Yuanbo， CHEN Juan，LI Wei. Health risk assessment of persistent exposure to high concentration PM2.5 in Beijing residents during heavy fog and haze pollution and its damage assessment[J]. Environmental science， 2014， 35（1）： 1-8.]
[25]穆泉，张世秋.中国2001—2013年PM2.5重污染的历史变化与健康影响的经济损失评估[J].北京大学学报（自然科学版）， 2015， 51（4）： 694-706.[MU Quan， ZHANG Shiqiu. Historical changes of PM2.5 heavy pollution in China from 2001 to 2013 and economic losses of health impact assessment[J]. Acta scientiarum naturalium universitatis pekinensis， 2015， 51（4）： 694-706.]
[26]陈仁杰，陈秉衡，阚海东.我国113个城市大气颗粒物污染的健康经济学评价[J].中国环境科学， 2010， 30（3）： 410-415.[CHEN Renjie， CHEN Bingheng， KAN Haidong. A healthbased economic assessment of particulate air pollution in 113 Chinese cities[J]. China environmental science， 2010， 30（3）： 410-415.]
[27]魏一鸣，吴刚，等.中国能源报告（2012）：能源安全研究[R].北京：科学出版社， 2012.[WEI Yiming， WU Gang， et al. China energy report （2012）： energy security research[R]. Beijing： Science press， 2012.]
[28]谢元博，李巍.基于能源-环境情景模拟的北京市大气污染对居民健康风险评价研究[J].环境科学学报， 2013， 33（6）： 1763-1770.[XIE Yuanbo， LI Wei. Study on the cooperative emission reduction of major air pollutants and greenhouse gases in Beijing city based on the scenario simulation of energy consumption[J]. Environmental science， 2013， 33（6）： 1763-1770.]
[29]宋桂香，江莉莉，陈国海.上海市大气气态污染物与居民每日死亡关系的时间序列研究[J].环境与健康杂志， 2006， 23（5）： 390-393.[SONG Guixiang， JIANG Lili， CHEN Guohai. Study on the time series of the relationship between atmospheric gaseous pollutants and daily mortality of residents in Shanghai[J]. Journal of environment and health， 2006， 23（5）： 390-393.]
[30]殷文軍，彭晓武，宋世霞，等.广州市空气污染与城区居民心脑血管疾病死亡的时间序列分析[J].环境与健康杂志， 2012， 29（6）： 521-525.[YIN Wenjun， PENG Xiaowu， SONG Shixia， et al. The time series analysis of air pollution and the death of cardiovascular and cerebrovascular diseases in urban residents in Guangzhou City[J]. Journal of environment and health， 2012， 29（6）： 521-525.]
[31]苗艳青，陈文晶.空气污染和健康需求：Grossan模型的应用[J].世界经济， 2010（6）： 140-160.[MIAO Yanqing， CHEN Wenjing. Air pollution and health needs： the application of the Grossan Model[J]. Journal of world economy， 2010（6）： 140-160.]
[32]苗艳青.空气污染对人体健康的影响：基于健康生产函数方法的研究[J].中国人口·资源与环境， 2008， 18（5）： 205-209.[MIAO Yanqing. The impact of air pollution on human health： a study based on the method of health production function[J]. China population， resources and environment， 2008， 18（5）： 205-209.] [33]曲卫华，颜志军.环境污染、经济增长与医疗卫生服务对公共健康的影响分析——基于中国省际面板数据的研究[J].中国管理科学， 2015（7）： 166-174.[QU Weihua， YAN Zhijun. An analysis of the impact of environmental pollution， economic growth and health service on public health： based on the research of Chinese provincial panel data[J]. Chinese journal of management science， 2015（7）： 166-174.]
[34]卢洪友，祁毓.环境质量、公共服务与国民健康——基于跨国地区数据的分析[J]. 财经研究， 2013， 39（6）： 106-118.[LU Hongyou， QI Yu. Environmental quality， public service and national health： an analysis based on the data of transnational[J]. Journal of finance and economics， 2013， 39（6）： 106-118.]
[35]祁毓，卢洪友.污染、健康与不平等——跨越“环境健康贫困”陷阱[J].管理世界， 2015（9）： 32-51.[QI Yu， LU Hongyou. Pollution， health and inequality： crossing the trap of ‘environmental health poverty’[J]. Management world， 2015（9）： 32-51.]
[36]陈硕，陈婷.空气质量与公共健康：以火电厂二氧化硫排放为例[J].经济研究， 2014（8）： 158-183.[CHEN Shuo， CHEN Ting. Air quality and public health： a case study of sulfur dioxide emissions from fossil fired power plants[J]. Economic research journal， 2014（8）： 158-183.]
[37]杨继生，徐娟，吴相俊.经济增长与环境和社会健康成本[J].经济研究， 2013（12）： 17-29.[YANG Jisheng， XU Juan， WU Xiangjun. Economic growth and environmental and social health costs[J]. Economic research journal， 2013（12）： 17-29.]
[38]ANSELIN L. Spatial econometrics： methods and models [M]. London： Kluwer， 1988.
[39]赵忠.我国农村人口的健康状况及影响因素[J].管理世界， 2006（3）： 78-85.[ZHAO Zhong. Health status and influencing factors of rural population in China[J]. Management world， 2006（3）： 78-85.]
[40]余海峰，余卓文.广东省顺德地区呼吸系统疾病的空间自相关分析[J].现代预防医学， 2009， 36（12）： 2231-2234.[YU Haifeng， YU Zhuowen， et al. Study on the spatial autocorrelation for diseases of respiratory system in Shunde， Guangdong Province[J]. Modern preventive medicine， 2009， 36（12）： 2231-2234.]
[41]杨林生，李海蓉，李永华，等.医学地理和环境健康研究的主要领域与进展[J].地理科学进展， 2010， 29（1）： 31-44.[YANG Linsheng， LI Hairong， LI Yonghua， et al. The major fields and advances in the research of medical geography and environmental health[J]. Progress in geography， 2010， 29（1）： 31-44.]
[42]刘小勇.市场分割对经济增长影响效应检验和分解[J].经济评论， 2013（1）： 34 -41.[LIU Xiaoyong. Test and decomposition of the effects of market segmentation on economic growth[J]. Economic review， 2013（1）： 34 -41.]
[43]吴玉鸣，李建霞.中国省域能源消费的空间计量经济分析[J].中国人口·资源与环境， 2008， 18（3）： 93-98.[WU Yuming， LI Jianxia. Spatial econometric analysis of energy consumption of Chinese provinces[J]. China population， resources and environment， 2008， 18（3）： 93-98.]
[44]刘晓云，谢鹏，刘兆荣，等.珠江三角洲可吸入颗粒物污染急性健康效应的经济损失评价[J].北京大学学报（自然科学版）， 2010， 46（5）： 829-834.[LIU Xiaoyun， XIE Peng， LIU Zhaorong， et al. Economic assessment of acute health impact due to inhalable particulate air pollution in the Pearl River Delta[J]. Acta scientiarum naturalium universitatis pekinensis， 2010， 46（5）： 829-834.]
[45]STENLUND T， Lidén E， ANDERSSON K， et al. Annoyance and health symptoms and their influencing factors： a populationbased air pollution intervention study[J]. Public health， 2009， 123（4）：339-345.
[46]CRMIEUX P Y， MEILLEUR M C， OUELLETTE P， et al. Erratum： public and private pharmaceutical spending as determinants of health outcomes in Canada[J]. Health economics， 2005， 14（2）： 107-116.
[47]COCHRANE A L， LEGER A S， MOORE F. Health service input and mortality output in developed countries[J]. Journal of epidemiology and community health， 1978， 32（3）： 200-205.
[48]FISCHER M M. Handbook of applied spatial analysis[M]. Berlin： Springer， 2010： 37-407.
[49]張宁，胡鞍钢，郑京海.应用DEA方法评测中国各地区健康生产效率[J].经济研究， 2006（7）： 92-105.[ZHANG Ning， HU Angang， ZHENG Jinghai. Using data envelopment analysis approach to estimate the health production efficiency in China[J]. Economic research journal， 2006（7）： 92-105.]