原文信息：Chen,S.,Oliva,P.,Zhang,P.().Airpollutionandmentalhealth:evidencefromChina(No.w).NationalBureauofEconomicResearch.-背景与问题-
从公共和私人的角度来看，全面了解与空气污染的健康成本都是非常重要的。从公众的角度来看，监管机构在设定空气污染标准的时候，会考虑成本效益的计算结果。从个体角度来看，个人可以通过留在室内，购买药物，购买空气净化器和面罩或位置选择等行动来优化其保护水平的成本，所有这些行为的成本都是昂贵的。然而，到目前为止，大多数流行病学和经济学研究都侧重于空气污染对身体健康结果，而研究对心理健康影响的文献却比较少。
本文主要研究问题：中国大气污染是否对城市居民心理健康有影响？若存在影响，其影响机制是什么？这种影响对于不同人群是否具有异质性影响？最后，这种影响的成本和效益有多大？
-数据和方法-
本文主要运用了三部分数据。第一部分是心理健康数据。这部分数据来源于年中国家庭追踪调查（CFPS），该调查于.7.3—.3.31对中国25个县，个县的15,名农村居民和12,名城市成年居民进行了访谈调查，本文样本人群为年龄大于等于16周岁的成年人群。心理健康变量是个体通过K6量表（KesslerPsychologicalDistressScale）得分来测度的。第二部分是污染数据。文章主要用PM2.5数据来测度空气污染程度。PM2.5数据来自中国环境保护部下属的中国国家环境监测中心（CNEMC）的网站。考虑到内生性问题，文章采用热反演（ThermalInversions）作为PM2.5的工具变量，热反演数据来自美国NASA发布的现代时代回顾性分析研究和应用版本2（MERRA-2）的MNPANA5.12.4版本产品。第三部分数据是天气数据。气象数据获取于中国国家气象信息中心的中国气象数据服务中心（CMDC）。CMDC记录中国个气象站每日最高，最低和平均温度，降水量，相对湿度，风速和日照时间。
本文采用工具变量方法，2SLS模型进行研究，模型如下：
其中：i是个体；t时间，月；c(i)代表个体i居住的县，t(i)是个体i接收采访的日期；Hi：是每个受访者的心理健康状态（两种测度方式）；Pc(i),t(i)：是个体i在受访日期t前一个月居住地c县PM2.5的平均浓度；Ic(i),t(i)：是工具变量，热反演次数；f(Wc(i),t(i))：是天气控制变量。γc(i)：是县固定效应；g(t(i))：是年—月固定效应；εi和μi：是误差项。
-结论-
本文估计结果表明：PM2.5（空气污染）对K6分数（精神疾病）的影响在经济学和统计上都是显著的正向影响。PM2.5浓度增加1μg/m3使得患严重精神疾病的可能性增加了0.37%。转换为标准差，我们发现PM2.5浓度上升1个标准差，会使得患严重该疾病的可能性增加6.67%。年中国成年人口是11.4亿（中国统计年鉴，）。由此可得：PM2.5上升一个标准差（18.04μg/m3）会使得万成年人K6精神疾病分数增加。
文章检验了空气污染对心理健康的影响机制，并指出空气污染会通过影响个体运动和身体健康这些间接渠道来影响人的心理健康，但是影响较小，更大影响可以是由脑功能这一直接影响造成。而且，异质性影响研究结果表明：年长者、男性和受教育程度较高的人群心理疾病更易受到空气污染的影响。
最后，作者根据回归结果测算了成本效益。PM2.5浓度上升1个标准差单位会导致万成年人患精神疾病，如果所有患者得到治疗，相应的年费用为亿美元其中，8.2％的精神病患者会在中国就医。可计算得到最终的成本为.8亿美元。作者将文章结果与相关研究进行比较分析，结果表明本文测算的成本效益是在合理范围的。
◆
-创新点-
工具变量。第一阶段的估计结果表明：热反演对PM2.5有显著的正向影响，且不存在弱工具变量问题。采用热反演这一天然的变异作为空气污染的工具变量这一想法为相关研究解决内生性问题提供了新的思路。
研究内容。本文研究对象是城市居民的心理健康问题，在一定程度上弥补了这方面研究的不足，而且作者还进行了成本效益的测算，采用的方法对后续研究具有重要的借鉴意义。
-思考-
文章在研究对不同人群是否具有异质性影响的时候，并没有考虑空气污染对不同年龄阶段人群的影响可能是非线性的这一情况，因为已有一些研究表明，这种影响是非线性的。
文章的成本测算方式值得学习，后续可考虑开展进一步研究，如文章前文提到的，减少户外暴露时间的成本，购买净化设备的成本甚至是迁居的成本等这些都是值得开展进一步研究的话题，但是考虑到数据可获性这一问题，具体如何量化计算这些成本目前是困难的。
图片来源：百度图片
阅读更多论文
