空气污染的幸福定价

杨继东摇章逸然摇摇

試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試(2012)的方法,当方程(1)中使用对数收入替代收入水平的时候,根据方程(2)可以计算居民为减少空气污染的平均支付意愿(willingnesstopay:WTP),即为减少1单位茁NO2排放量而愿意减少的收入,为-Y酌。据此,我们对空气污染进行定价,首先考虑^有序Probit模型的边际效应,边际效应的回归结果见表5的PanelA。有序Probit模型通常在均值处取边际效果,因为幸福感均值为3.79,我们利用Happiness=4时有序Probit的边际效应效果来计算减少污染的支付意愿,此时空气污染(NO2)的边际效应为-0.00034,收入对数的边际效应为0.01119。给定计算平均支付意愿是样本平均收入为37061元,由上述公式计算得出空气污染的定价WTP=(0.00034/0.01119)伊37061=1125元。这说明为了保持幸福感不变,居民愿意为NO2浓度每降低1ug/m3而支付1125元;

Ferrer-i-Carbonell和Frijters(2004)发现当幸福感是一个序数表示方式时,OLS

^

5PanelB中我们还通过OLS回归、有序Logit回归以及有序Probit的回归系数对空气污染进行了估价,得到的结果分别为1250元、1005元和1144元,这说明不同方法估计的空气污染定价估值结果是稳健的。

我们把空气污染的支付意愿估值和欧美国家相比较(见表5PanelC)。Welsch(2006)发现在上世纪90年代的西欧十国,居民对降低NO2浓度下降1ug/m3支付意愿的估价约为760美元;MacKerron和Mourato(2009)发现NO2浓度每下降1%,英国伦敦居民愿意支付年收入的5.3%;Levinson(2012)发现在美国,居民每年愿意为NO2浓度下降1ug/m3支付891美元。考察不同国家居民对减少空气污染的支付意愿可以发现,无论从占家庭总收入的比重来看,还是增减收入与减少空气污染之间的替代关系来看,NO2浓度在中国的货币价值明显要低于欧美国家。如果简单地进行数值比较,不考虑其他因素,中国居民对空气污染的支付意愿比欧美国家要低。此外,在国外对空气污染物估价研究中,Luechinger(2010)通过LSA方法得出在欧盟国家及挪威,二150~312美元;Levinson(2012)对美国1984~1996年居民幸福感的研究发现,PM10氧化硫的货币价值是150~312美元,即二氧化硫每下降1ug/m3,个人的支付意愿为空气浓度对个人的幸福感有负面作用,每年PM10浓度下降1ug/m3,居民的支付意愿

淤

线性回归和有序Probit及有序Logit模型得出的系数估计结果大致相当,淤所以在表

的比例,而非单独关注两者分别对幸福感的边际效应,所以估值的结果对幸福感方程系数是采用线性还是非线性方法估计并不敏感。官皓(2010)的文章中以有序Probit为主要回归方法,同时也采用OLS和有序Logit回归,结果发现三者系数基本相同,他认为这也验证了Ferrer-i-Carbonell和Frijters(2004)发现的正确性。

不少文章也对这一发现做出评论:Levinson(2012)认为,由于定价中关注的是空气污染系数与收入系数

17

摇摇空气污染的幸福定价摇摇

試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試为728美元。

表5

空气污染的幸福定价PanelA:空气污染的边际效应

Happiness空气污染

NO2绝对收入Lnincome

回归系数

*

-0.00355*(0.00147)**

0.11538*(0.02007)

边际效应一般

*

-0.00034*(0.00015)**

0.01119*(0.00213)

非常不幸福

*

0.00005*(0.00002)

PanelB:有序probit、OLS和有序logit估价比较茁

0.01120.08420.21860.1150酌

37061370613706137061Y

******

-0.00169*-0.01101*-0.02256*(0.00034)(0.00195)(0.00398)

*

0.00034*(0.00014)

不幸福

*

0.00069*(0.00029)

幸福

*

-0.00074*(0.00031)**

0.02408*(0.00418)

很幸福

有序Probita有序Logit有序Probitb

OLS

-0.00034-0.00284-0.00593-0.00355

WTP=-Y(茁/酌)

1125125010051144占平均收入的比重(%)

3.093.372.715.30

本文

PanelC:空气污染的幸福定价国际比较

NO2排放量每下降

国家估计方法

1ug/m3支付意愿(￥)

有序Probit1144中国

有序LogitFE、REOLSOLS

12501005

MacKerron和Mourato(2009)

Levinson(2012)

Welsch(2006)

英国伦敦有序probit美国

欧盟5144($760)6031($891)

摇摇说明:PanelA为有序Probit回归的边际效应,回归的被解释变量均为主观幸福感,即Happiness,主要解释变量为NO2浓度,即NO2,控制变量包含表3模型4中的所有控制变量。PanelB为根据幸福感方程不同估计方法对于空气污染的估价:a表示在有序Probit模型下,由于幸福感Happiness的均值为3.79,接近于4,我们计算Happiness=4时,有序Probit中空气污染和收入的边际效应,进而计算污染定价。b表示直接利用有序Probit模型系数中空气污染和收入的回归系数进行计算。PanelC中美元换算人民币根据2010年美元加权平均汇率计算,100美元等于676.95人民币。

(四)稳健性检验

为了验证估计结果是否对估计方法敏感,我们采取OLS和有序Logit估计方法对方程(1)进行估计见表6。表6结果显示,OLS和有序Logit估计得到的空气污染对幸福感影响的系数仍然显著为负。空气污染降低了人们的幸福感。Ferrer-i-Carbonell18

杨继东摇章逸然摇摇

試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試和Frijters(2004)也发现当幸福感是一个序数表示方式时,OLS线性回归、有序Probit及有序Logit得出的系数估计结果大致相当。

气污染指标对幸福感的影响,我们在方程(1)中加入SO2和PM10空气污染物浓度。回归结果见表7。表7第3列单独加入SO2,第4列单独加入PM10,第5列同时加入SO2和PM10,第6列把NO2、SO2和PM10加总后作为一个总空气污染指标,结果发现,加入其他空气污染变量后,NO2的系数并没有发生明显的变化,故而模型4的结果较为稳健。

摇摇表6

空气污染

NO2控制变量样本数伪R2

除了NO2外,中国环境监测的空气污染物质还包括SO2和PM10,为了检验不同空

有趣的是,表7中第1列的

有序Logit和最小二乘法回归结果

**

-0.0028*(0.0010)

OLS

控制

*

-0.0059*(0.0026)

有序Logit

结果显示,单独把SO2浓度加入果。第2列表明,PM10空气浓度对幸福感的影响是负的,但并不显著。第5列把三种污染指标同时放入估计方程,NO2和PM10的影响显著为负,SO2系数显著为正。总的来说,NO2和PM10的空气浓度对幸福的影

回归方程,并不能得到显著的结

控制

摇摇说明:上表中回归的被解释变量均为主观幸福感,即Happiness,主要解释变量为NO2浓度,控制变量包含表3模型4中的所有控制变量。

0.2610

6626

0.1228

6626

响基本上是负的,而SO2浓度对幸福感的影响方向我们不能得到明确的结论。我们推测,这可能是数据问题,我们检验发现SO2浓度数据存在较多异常值。这可能与2010人体健康损害不断减小,对幸福感的影响也在减少。淤

年以来,在节能减排的压力下,SO2排放大幅下降有关。SO2浓度的大幅下降导致其对

作为悬浮颗粒物的PM10对幸福感的影响并不显著,造成这一结果的原因也可能与我们使用的数据有关。尽管作为悬浮颗粒物的PM10虽然更容易被人们感知,但是在2010年本文调查数据形成时,人们对空气污染中悬浮颗粒物的关注程度还没像现在这样强烈。人们对悬浮颗粒物的关注是在2010年11月21日,美国驻中国大使馆公布监测到的北京空气质量PM2.5后,对PM2.5和PM10等指标的讨论骤然升温。本文受数据限制,更加注重空气污染是否通过健康等间接机制影响幸福感。从本文的

淤

用健康作为被解释变量,SO2和PM10作为解释变量,发现城市层面的SO2和PM10浓度对健康没有显著影响,而NO2显著降低了居民的健康水平。

我们考察了空气污染影响幸福感的机制。发现空气污染可能通过影响健康水平影响幸福感。但是,使

19

摇摇空气污染的幸福定价摇摇

試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試試检验结果来看,空气污染的确通过间接的健康机制影响人们的幸福感。在未来的研究中,我们将使用更新的调查数据,看看人们增加了对悬浮颗粒物的了解后,PM10浓度的变化如何影响幸福感。

表7

加入不同空气污染物下NO2浓度对居民主观幸福感的影响(1)

SO2

空气污染NO2空气污染SO2空气污染PM10控制变量样本个数伪R2

控制0.126259870.0008(0.0013)

(2)PM10

(3)NO2&SO2

**

-0.0050*(0.0018)0.0014(0.0013)

(4)PM10&NO2

**

-0.0068*(0.0017)

SO2&PM100.0029*(0.0015)控制

(5)NO2&

**

-0.0067*(0.0020)

+SO2+PM10

*

-0.0018*(0.0007)

(6)NO2

-0.0012(0.0011)控制0.12535814

控制0.12675987

-0.0004(0.0011)控制0.12645814

**

-0.0033*(0.0013)

控制0.12985294

摇摇说明:表中回归的被解释变量均为主观幸福感,即Happiness;NO2浓度处理方式与上文相同;最后一列中空气污染=NO2+SO2+PM10之和。其中PM10和SO2浓度数据存在较多异常值,因此删去了上下5%异常值后再加入回归之中。控制变量包含表3模型4中的所有控制变量。

0.1310

5294

最后,前文使用2010年截面数据分析,可能遗漏了城市其他特征变量和时间变量,导致估计结果有偏。已有文献在用城市层面数据匹配幸福感微观调查数据,研究影响幸福感的因素时,也都仅控制了所关心的城市层面特征变量以及有限的其他城市层面变量。例如,何立新和潘春阳(2011)研究城市层面收入差距对幸福感影响,控制了人均GDP对数、人均财政支出对数和房地产价格对数;林江等(2012)考察了地级市层面房屋价格对幸福感的影响,除了房价之外没有再控制其他地级市层面因素;何凌云和鲁元平(2011)研究腐败水平对幸福感的影响,除地级市层面腐败水平外还控制了城市GDP增长率、收入不平等水平和通货膨胀率;Cu觡ado和Gracia(2013)研究西班牙空气污染对幸福感的影响,其所控制的地区变量包括人均GDP、就业率和气候。本文考虑到房价和收入不平等是近年来对人们生活态度有较大影响的两大问题,以及人均GDP是一个地区较多经济因素综合影响下的结果,参考以往文献研究,我们控制了城市层面的房价增长率、基尼系数以及人均GDP水平。这里,我们也试图通过控制城

20