第43卷第2期2021年3月
宁夏大学学报(人文社会科学版)
J o u r n a l o f N i n g x i a U n i v e r s i t y(H u m a n i t i e s&S o c i a l S c i e n c e s E d i t i o n)
Vol.43 No.2
Mar.2021
空气污染对居民心理健康影响效应研究
—基于中国35个大城市的微观调查
辛颖初一语文试卷
(首都经济贸易大学经济学院,北京100070)
摘要:随着中国经济水平的提升,对空气质量的关心逐渐进入大众视野,物质生活水平的进一步提高,居民不仅注意
曾之乔主演的电视剧
身体健康保健,也更加关注个体内心健康变化。本文从空气质量的角度出发,基于空气质量指数(AQ1)和2019年 “中国城市生活质量指数”数据,以获取的8983个有效样本为研究对象,在引入影响居民的心理健康的个体特征变 量作为控制变量的基础上,运用有序Pm bit模型实证检验空气质量对居民心理健康的直接和间接影响。研究发现,空气质量的提高与改善对居民心理健康水平的提高与改善具有显著、积极的影响,即空气质量越高,居民心理健康 状况越好;年龄、收入、教育水平等也在一定程度上对居民的心理健康产生影响。同时,通过进一步对不同身体健康 状况居民的分析,发现受到空气污染影响而导致身体健康较差的居民更容易因空气质量的变化而对其心理健康产
生更大的间接影响。
关键词:空气质量;心理健康;有序Probit模型
中图分类号:F293 文献标志码:A文章编号:100卜5744(2021)02-0100-07
“健康中国2030”规划纲要指出,健康是促进人的全面发展的必然要求,是经济社会发展的基础条件。实现国民健康长寿是国家富强、民族振兴的重要标志。推进健康中国建设,不仅关注我国居民当前人均预 期寿命、婴儿死亡率、5岁以下儿童死亡率、孕产妇死亡率等指标,更要立足于全面建成小康社会,实现更 高水平的全民健康。全民健康离不开身体健康与心理健康两方面的促进,关注居民心理健康也是响应“健 康中国2030”规划的主要目的。然而当下中国居民心理健康问题亟须得到重视,2018年7
3.6%的受访者处 于心理亚健康状态,丨6.1%的受访者受不同心理健康问题的困扰。能否提高居民心理健康水平不仅关系居 民自身,更是民族、国家能否实现可持续发展的前提。
提升居民心理健康水平,首先需要厘清影响居民心理健康的因素。现有研究将影响心理健康的因素归 结为留守因素"、亲子关系[2_3]、学业压力|4_51、工作压力^81、社会支持191、身体健康1^11]、所在行业|12-14等因 素。不过,目前少有研究对空气质量影响居民心理健康展开讨论,或从绿环境暴露%、交通噪声污染1等 角度间接分析环境质量对居民心理健康的影响。尽管随着中国经济发展水平的不断提高,经济综合实力逐 年增强,国际地位愈发提高,但与此同时,因工业化和城市化快速发展带来的空气质量问题也日益严峻。《2018年全球环境绩效指数报告》(£/iv/ronmenfa/fVrfomiance /ndex,EPI)显不,中国的环境绩效在180个国 家和地区中排名仅为第120位,而拉低中国EP1指数的主要原因是空气质量差。在对空气质量的单独评估 排名中,中国排在180个国家和地区中的第177位。环境污染问题进一步得到中国政府与公众的关注,资 源与生态环境问题已成为中国以及其他发展中国家能否持续发展的瓶颈和最大障碍,更是影响城市居民 心理健康的新因素。
空气质量影响居民心理健康的路径分析,首先,从人体生理现象上讲,是由于人脑中存在对光线十分
收稿日期=2020-11-20
基金项目:国家自然科学基金青年项目“不同企业生命周期下环境行政处罚的治理效应研究:微观机制
与政策选择(72003131);教育部人文社会科学研究规划基金项目“混改背景下企业环境行为的并化选择与微观机理研究
劲组词组
(20Y JA790009)
作者简介:辛颖(1996—),女,宁夏银川人,首都经济贸易大学经济学院硕士研究生,主要从事环境经济学相关研究。
— 100—
敏感的松果体腺体:当腺体感知到足够光照时,细胞活跃度会降低。而一旦外界环境发生转变如变暗,或无 法接受阳光照射,它便会变得活跃并抑制人体内某些激素的产生|71。这些被抑制的激素里,恰恰有对人体 起到激发振奋作用的甲状腺素和肾上腺素。因此,日光照射强烈的天气会对人的情绪产生积极影响,使人 变得更加乐观,相反的,光线欠佳被雾霾笼罩的天气会使人心情沉闷、消极,甚至会进一步加剧抑郁导致自 杀率的上升。其次,空气污染会影响居民身体健康,进而引发心理问题。空气中的硫化物含量超标、二氧化 碳浓度较高都会使身体出现病理性反应,例如呼吸系统疾病、大脑智力下降。因空气污染引发身体健康问 题的人,还会因患病而无法像健康人一样开展日常活动、出现排他抵触情绪,也会因就医费用产生心理负 担和波动。这也符合了刘文俐对身体健康状况、躯体化症状会使心理健康产生影响的假设。
基于此,本文从空气质量的角度出发,利用2019年中国35个主要城市8983个居民的调查数据,实证 检验城市空气质量对居民心理健康的影响。
——文献综述
世界卫生组织将心理健康定义为一种幸福的状态,在这种状态下,个人认识到自己的能力,能够应付生 活中的正常压力,能够富有成效地工作,能够为社会作出贡献(WHO,2010)。在欧洲每年有超过1/3的人口 受到心理障碍的影响,最常见的是抑郁和焦虑。除个体特征外,心理健康也会受到环境因素的影响,如建筑 物、自然环境和社会环境能够或多或少地增加或减少精神障碍的风险
目前对空气质量的研究主要侧重于空气质量对于经济发展的追踪影响调查、评估空气污染相关防 治措施成果,也有人注意到空气质量除了对环境有直接影响外,对人体(身体)健康也存在不同程度的 影响,如:空气污染引发的呼吸系统疾病中风死亡率:21:、空气污染防治政策对胎儿健康有实质性 的促进作用2|、PM2.5浓度的增加可能降低人均预期寿命w等。由于生理疾病具有一定的潜伏性和滞 后性,因此相关方面的研究仅能为空气质量对身体发病寻潜在的可能性因素,但得出定论仍然具有 一定的难度。
而空气质量对心理影响的研究范畴一般较为详细,从1964年至今已有不少文章将空气质量指数中的 具体污染物指标纳入分析,如Bhan等《研究发现,空气中汞的超标会对大脑神经系统造成毒理性伤害。
Lary 等25通过分析美国马里兰州巴尔的摩市精神分裂症急诊室数据得出,每月精神类疾病人院人数与巴尔的 摩市空气质量显著相关,其中不明原因精神分裂症、药物性精神病和酒精性精神病与PM2.5显著相关。T«n g等26对天津市2008—2011年常见疾病(精神病和非意外)发病率与大气污染物的短期相关性进行时 序分析后发现,PM10、SO:、NO:浓度每两天增加10|xg/m\分别对应所有精神病发病率(精神病住院日数)增 加0.06%,0.丨%。Yackerson等27评估了固体空气颗粒悬浮物浓度在精神疾病发病率中的作用:Pedersen等:x 根据1970—2001年7455名儿童出生时空气污染数据,对汽车尾气污染(苯、C0、N02)与精神分裂症风险 潜在关系进行了研究。
在研究方法上,学者多选用Probit、0LS等非线性估计方法从短期影响的角度构建模型。Sui-〜基于2017 年对鞍山市的女大学生问卷调查的数据,结合康奈尔医学指数(CMI)和总体幸福感(GWB)量表,运用广义线 性混合模型发现暴露于环境空气污染(主要是PM2.5)可能是女大学生心理健康问题的危险因素。G u等30基 于2014年中国移民动态调查(CMDS)的数据,运用有序Pmbit方法实证发现空气污染显著增加了心理障碍。李卫兵和邹萍31为了避免空气污染与居民心理健康之间存在的反向因果关系而导致的内生性问题,基于 2010年和2014年中国家庭跟踪调查(CFPS)数据,运用断点回归方法估计空气污染对中国居民心理健康状 况的影响,发现四种不同污染物均对居民的心理健康有显著的负面作用。类似的,Ta〇K通过控制社会人口 统计学变量,运用Prohit模型实证分析2015年中国空气污染对老年人心理健康和心理障碍的影响,并发现 二氧化硫的排放量对老年人的心理健康状况影响较大,且呈现为“U”形曲线。
二研究设计
(一)数据来源
本文的研究样本来自2019年中国35个主要城市的8983个受访者,数据来源于2019年由中国社会 科学院经济研究所和首都经济贸易大学经济学院联合发布的“中国城市生活质量报告”。该数据通过电话
-101 —
调查和网络调查两种途径,以问卷形式调查了我国除西藏、香港、澳门和台湾以外的30个省(自治区、直辖 市)共35个主要城市的居民。除调查数据外,本研究还使用了中国35个主要城市的空气质量数据,该数据 来源于中国生态环境部的“全国空气质量实时发布平台”。
(二) 计量模型
为了检验空气质量对居民心理健康的影响,基于现有Tao和Gu1#的研究经验和数据可获得性,设定 如下计量模型:
healthFAAQI. + iSZi + g, (1)其中,因变量为居民心理健康(health),自变量为空气质量(AQI),控制变量Z包括与个体心理健康相 关的变量:年龄(age)、性别(sex)、教育程度(edu)、收入(income)、每天
工作时长(work hour)、教育开支 (study cost)、经济预期(country finance)、个人收人预期(persona丨finance)和医疗保险(health insurance),e
为随机扰动项,i表示受访者个体。
(三) 变量定义
1. 因变量
因变量为居民心理健康(health),现有研究通常采用抑郁自评量表(CES-D)来衡量受访者的心理健 康,通过对受访者的心理健康天数和频率评价其心理健康程度。基于此,用受访者“过去30天心理上没有 焦虑、抑郁或情绪失控(心理健康)的天数”表示。如果受访者心理健康天数不超过5天,则认为受访者的心 理健康情况很差,赋值为1;如果受访者心理健康天数在6至I I天之间,则认为受访者的心理健康情况较 差,赋值为2;如果受访者心理健康天数在12至丨7天之间,则认为受访者的心理健康情况一般,赋值为3; 如果受访者心理健康天数在18至23天之间,则认为受访者的心理健康情况较好,赋值为4;如果受访者 心理健康天数在24至30天之间,则认为受访者的心理健康情况非常好,赋值为5。在2019年心理健康状 况样本中,35个大城市的居民心理健康天数集中于3.8〜4.2之间,表明大多数受访者心理健康情况较好,为了考察空气质量对心理健康的影响,本文将加入空气质量因素考察受访者心理健康状况的变化。
其中,有180丨位受访者(约占总受访者的20.04%)在心理上没有任何焦虑、抑郁或情绪失控(心理健康)的状况,说明该部分的受访者中目前的心理状况较为良好。而有132位受访者(约占总受访者的1.4%)30 天在心理上都有焦虑、抑郁或情绪失控的状况,虽然占比较低,但仍反映出该小部分受访者目前的心理健 康状况较为糟糕,更应重视心理健康状况,并解决相应的心理健康问题。有498位受访者(约占总受访者的 5.5%)选择相应的时间小于12天,即在将近小于半周的时间里会有心理不健康的状况,说明较少部分受 访者虽有心理健康状况不太良好的情况出现,但总体上受访者心理健康状况较为良好,如果尽早重视自己 的心理健康状况,很可能得到更好的改善。
2. 自变量
自变量为空气质量(AQI),用受访者所在城市的年均空气质量指数(Air Quality Index,简称AQI)衡量。该指标为计算获得的复合型指标,综合衡量了细颗粒物、可吸人颗粒物、二氧化硫、二氧化氮、臭氧、一氧化 碳六项主要污染物的浓度,取值范围在〇至500之间,数值越大,表明空气质量越差。根据AQI的值,将空 气质量分为优、良、轻度污染、中度污染、重度污染、严重污染六个等级。考虑到空气质量对居民心理健康的 影响可能存在时滞性特点,本文使用2018年的城市空气质量指数进行检验。2018年中国35个主要城市 的AQI具体情况如下:2018年,海口、厦门、深圳和昆明4个城市的年均AQI分别为36.31,46.00,46.12和 48.99,空气质量等级为优,是35个样本城市中空气质量最好的城市。2018年空气质量排名前十位的城市 分别是海口、深圳、厦门、昆明、福州、贵阳、南宁、宁波、
党史句子摘抄广州、南昌,AQI均值分布于36〜59。2018年空气质 量排名后十位城市排名:呼和浩特、天津、北京、兰州、济南、乌鲁木齐、太原、西安、郑州、石家庄,AQI分布 于81〜109。城市最低空气质量指数36.31,城市最高空气质量指数为109,可见城市间空气质量差异跨度十 分明显。
3. 控制变量
为了尽可能消除因遗漏变量而导致的估计误差,本文借鉴Frey%的做法,引人可能影响居民心理健康 的其他个体特征作为控制变量,包括年龄(age)、性别(sex)、教育程度(edu)、收入(income)、每天工作时长 (work hour)、教育开支(study cost)、经济预期(country finance)、个人收入预期(personal finance)和医疗保险
— 102—
(health insurance),变量的具体赋值如表1所7R〇
表1变量的含义与赋值
控制变量变量含义与賦值
年龄(age)受访者年龄20~29岁,赋值为1;30〜39岁,赋值为2;40~49岁,賦值为3;50~59岁,赋值为 4;60岁及以上,賦值为5
性别(sex)男性赋值为0,女性赋值为丨
收入(income)收入水平为2000元以下时,赋值为1;收入水平为2000元~5000元,賦值为2;收入水平为 5001元~8000元,賦值为3;收入水平为8001元~丨5000元,赋值为4;收入水平高于15000 元以上,赋值为5
每天工作时长(work hour)工作时长为0,赋值为1;工作时长为4小时及以下,赋值为2;工作时长为5小时〜8小时,賦值为3;工作时长为9小时〜12小时,赋值为4;工作时长高于12小时以上,赋值为5
教育开支(study cost)教育开支非常低,赋值为丨;教育开支较低,赋值为2;教育开支合理,賦值为3;教育开支较 高,赋值为4;家庭支出非常高,賦值为5
经济预期(coun丨ry finance)对未来经济发展十分没有信心,赋值为丨;对未来经济发展没有信心,赋值为2;对未来经 济发展不太确定,賦值为3;对未来经济发展有信心,赋值为4;对未来经济发展十分有信心,赋值为5
个人收入预期(personal finance)对未来个人收入十分没有信心,賦值为丨;对未来个人收入没有信心,赋值为2;对未来个 人收入不太确定,赋值为3;对未来个人收入有信心,赋值为4;对未来个人收入十分有信心,赋值为5
医疗保险(health insurance)对医疗保险个人负担部分是否满意:非常不满意,賦值为丨;不满意,赋值为2;—般,赋值 为3;满意,赋值为4;非常满意赋值为5
三回归结果
(一)描述性统计
表2为主要变量的描述性统计结果,从全样本的描述性统计可以看出,居民的心理健康状况存在的个 体差异不大,居民心理健康(health)的均值为2.82,说明在30天内受访者有将近三周以上的时间心理上不 存在焦虑、抑郁或情绪失控(心理不很健康)的状况。从居民心理健康标准差可以看出,居民心理健康水平 总体波动不大。受访者年龄多集中于20岁~29岁,说明受访者大多数为30岁以下的青年人。从受访者的 性别来看,男女比例较为均衡;从受访者的收人水平来看,样本均值为2.73,说明受访者的月收入水平多数 为2000元~5000元,并且受访者的每天工作时长多数集中在5小时~8个小时;从受访者子女在教育上的 开支可以看出,多数受访者认为其子女在教育上的支出很高;多数受访者对于未来个人收入预期很满意,并且对于未来一年内国家经济发展比较有信心;在医疗保险个人承担的满意度上,受访者基本保持满意的 态度。
表2主要变量的描述性统计
变量样本量最小值最大值均值标准差
心理健康(mental health)898315  4.570.91
空气质量(AQI)898336.6127.375.321.32
年龄(age)898315  1.60.83
性别(sex)8983010.410.5
收入(income)898315  2.73  1.12
工作时长(work hour)898315  3.151.1
教育开支(study cost)898315  4.010.71
经济预期(country finance)898315  3.970.81
个人收入预期(personal finance)898315  3.980.78
医疗保险(health insurance)898315  3.7  1.01
— 103—
(二)基础回归
以2019年的混合横截面数据为样本,采用有序Prohit模型,对计量模型进行估计,检验空气质量对居 民心理健康的影响,回归结果见表3。表3中第一列是没有引入控制变量的估计结果,第二列是引人控制 变量并修正异方差后的估计结果。
表3空气质量与心理健康
空气质量(AQI)-0.16***
(-3.81)
-0.147***
(-3.47)
-0.128***
(-2.94)
-0.547**
(-2.33)
-0.128**
(2.38)
年龄(age)0.158***
(10.68)
0.150***
(9.52)
0.313***
(3.73)
0.161***
(10.94)
性别(sex)0.124***
(5.37)
0.118***
(4.80)
任斯璐爆料0.325*
(2.48)
0.127***
(5.52)
收入(income)0.046***
(4.14)
0.047***
(3.92)
0.585***
(8.81)
0.044***
(3.99)
工作时长(work hour)-0.051***
(-4.21)
-0.050***
(-3.94)
-0.328***
(-4.27)
-
0.054***
(-4.43)
教育开支(study cost)-0.103***
(-6.00)
-0.109***
(-5.95)
-0.594***
(-5.91)
-0.104***
(-6.06)
经济信心(country finance)0.124***
(7.71)
0.130***
(7.51)
0.744***
(7.33)
0.126***
(7.89)
收入预期(personal finance)0.085***
(5.27)
0.089***
(5.12)
0.732***
(6.75)
0.088***
(5.47)
医疗保险(health insurance)
0.081***
(6.12)
0.035*
(2.53)
0.311***
(4.64)
0.067***
(5.65) 0.0640.0750.0760.0590.074
样本量89838983772589838983注:*,**,**★分别代表估计系数在0.1,0.05,0.01的水平上显著,括号中的数字为Z值,常数项的估计结果略去。
在表3第一至第二列的回归中,空气质量(AQI)的估计系数均在1%的水平下显著为负,即空气质量越 差,AQ丨指数越高,受访样本心理健康的天数越少。从这个估计结果表明,空气质量的确显著降低了居民的 心理健康水平,成为影响居民心理健康的重要因素。在考虑了异方差问题后,这个结论仍然成立。控制变量 的回归结果也有一定启示,性别(sex)的回归系数在第二列的估计中均显著为正,说明女性受访者在心理健 康上的波动比男性更大一些。Anita%认为,由于生理构造以及对外界的感知状况等原因,女性在一生中患有 情绪障碍和焦虑症的比例高于男性,因为女性较男性而言更感性,心理状况更易波动。收人(income)的估计 系数在第二列的回归中均显著为正,居民的收人不仅决定了其经济状况,也极为可能影响其心理健康的状 况3 —般而言,居民的收人越高,对未来越乐观,相较于收入较低的居民来说心理上的压力较小,那么心理状 态将会越好,心理上会更健康说明受访者随着收入的提高,心理健康的天数在增加。每天工作时长(work hour)的回归系数在第二列的回归中均显著为负,工作时长会影响居民身心健康,工作时间过长,居民身心疲 惫,此种状态下更容易产生消极情绪,从而
影响心理健康的状况。子女教育开支(study cost)的估计系数在第 二列的回归中均显著为负,说明受访者子女在教育上的支出与受访者心理健康状况之间存在负相关关系,可能的原因是:子女的教育开支在家庭口常开销中的占比越来越大,支付子女的教育开支对家庭的收入分 配正在形成考验。教育开支越大,那么受访者未来收人压力越大,心理上的状态将会表现得更为焦虑。国家 经济发展的信心(country finance)的估计系数在1%的水平上显著为正,说明受访者对国家经济发展的信心 越高,则心理健康天数也越高。未来收入预期(personal finance)和医疗保险(health insimmce)的系数显著为 正,说明二者均对其心理健康具有促进作用。
为了验证回归结果的可行性,根据模型和数据可获得性,对回归结果进行了如下稳健性检验。(1)改变 样本范围。考虑到在一些特大城市,生活节奏快,生活压力大,一些受访者的心理健康在很大程度上会受到
104—缓组词