空气污染在引发一系列健康及经济损失的同时，也可能导致消费者行为和能源生产条件的变化，从而改变这些损失的强度。清华大学地学系刘竹副教授研究组博士后何盼与国内外学者合作，采用统计回归模型方法，应用微观级别电力消费数据，探究了空气污染导致的能源需求和供给的改变及其可能带来的间接损失。
本研究以美国亚利桑那州凤凰城大都市区为案例，利用～年间小时级别住宅及商用建筑电力消费和太阳能发电数据，从需求端和供给端分析了空气污染对住宅及商用建筑电力消费和分布式太阳能发电量的影响。模型采用工具变量方法解决空气污染和能源使用互为因果导致的内生性问题，结合高精度电力消费记录及调查数据，精确刻画不同社会经济地位群体的能源使用模式并评估其受到空气污染的影响。
分析结果显示，PM10和PM2.5的浓度上升均会导致住宅用电量的显著增加，其中PM2.5的影响更大。产生这一结果的原因在于消费者可能因规避空气污染带来的健康损失而减少室外活动。而随着室内活动时间变长，能源的需求（包括空调、供暖及各类电器使用）也可能有所上升，同时自然通风变为机械通风，亦可能带来更多的能源使用。通过对小时级数据进行进一步分析，本研究发现这一增长主要集中在白天，而夜晚的能源消费反而有所下降。这可能是由于居家时间变长，导致消费者将许多原本在夜晚进行的活动（如洗衣服等家务劳动）移至白天进行所导致的结果。同时，低收入组和西班牙裔家庭受到的影响更大，可能的原因在于处于不利社会经济地位的消费者在空气污染下的暴露水平可能更高，且住宅和电器的能源效率可能更低，从而因空气污染带来的电力消费增长可能更大。对商业建筑而言，空气污染的影响整体并不显著，但零售业、娱乐与服务业的商用建筑出现了电力消费的上升，表明此类商业建筑成为了室外娱乐活动的替代场所。在能源供给侧，PM2.5和PM10浓度均会造成太阳能发电量的下降，住宅受到的影响程度更大。这可能是因为其养护程度低于商用建筑电池板。
图颗粒物浓度对住宅电力消费的边际影响（由于电力价格这一控制变量在小时级数据中有较多缺失，本研究分别在控制和不控制价格的情况下进行了回归作为稳健性检验）
作为当前世界各国环境管理的重点，大气污染防治正不断趋于科学化、精准化。在污染控制*策的设计中，无论是控制目标的制定，还是不同*策工具的选取，都需要费用-效益分析为决策过程提供辅助和支持；而这一分析的可靠性，有赖于对空气污染带来健康和经济损失的准确衡量。现有研究对空气污染损失的评估多集中于暴露带来的直接损害，而较少