健康中国战略背景下空气污染的心理健康效应

张广来 张宁

摘要 《健康中国行动（2019—2030年）》明确要求努力形成有利于健康的生态环境，提高人民健康水平，加快开展心理健康促进行动和健康环境促进行动。该研究利用2010—2018年中国家庭追踪调查（CFPS）数据与受访者所在县（区）的年度空气污染数据和气象数据进行匹配，通过双重差分法（DID）计算2013年底實施的“大气十条”政策引起的区域空气污染的外生变化，再利用二阶段最小二乘法（2SLS）识别空气污染对居民心理健康的影响。研究发现，空气污染显著地降低了居民心理健康水平，其中，县级层面1μg/m3的PM2.5污染浓度的上升将会显著降低居民主观幸福感得分8.17%并加重居民抑郁情绪指数3.88%。进一步的机制分析表明，空气污染主要通过恶化居民身体健康水平，减少居民运动锻炼行为并增加肥胖风险进而对心理健康产生负向影响。此外，分析空气污染对不同人群心理健康影响的异质性差异后发现，男性群体、年轻人群体、低教育群体和城市居民受空气污染的负面心理健康效应会更大。该研究结论是对现有分析空气污染健康效应文献的有效补充，同时还反映出目前基于健康层面对空气污染成本的评估可能大大低估了空气污染对主观幸福感和精神健康的影响所产生的其他社会经济成本。中国需要进一步加强大气污染防治工作，打赢蓝天保卫战。

关键词 空气污染;心理健康;“大气十条”政策;健康中国战略

中图分类号 F205  文献标志码 A   文章编号1002-2104（2022）02-0015-11   DOI：10.12062/cpre.20211107

良好的生态环境是健康的保障，经济发展和环境治理任何时候都不应当与民众身心健康相悖。然而，近年来频发的空气污染问题引发人们环境意识的普遍提高，受到巨大破坏的生态环境会使每个人在一定程度上承受环境污染所引发的伤痛[1]。人们对健康的追求不再局限于身体健康，也更加注重心理健康。鉴于此，国务院于2019年7月先后印发了《国务院关于实施健康中国行动的意见》和《健康中国行动（2019—2030年）》，明确了在健康中国战略背景下，除了关注人群的身体健康，还要推进实施“健康环境促进行动”和“心理健康促进行动”。习近平总书记在十九大报告中也明确指出，实施健康中国战略，要完善国民健康政策，为人民群众提供全方位全周期健康服务。因此，深入了解空气污染对居民心理健康的影响，从居民短期抑郁情绪和长期主观幸福感等视角多维度分析空气污染的心理健康效应就十分必要，这也是新时期健康中国建设中实施“健康环境促进行动”和“心理健康促进行动”的重要前提和基本保障。

1 文献综述和理论机制

空气污染作为“头号”环境问题，已被证实对人类的生命健康和社会经济发展具有显著的负面影响。以雾霾为主的空气污染带来的经济损失和健康风险是难以估量的，它不仅会引起人体多种疾病，例如面临更高的心血管疾病[2]、呼吸道疾病[3]等患病风险，甚至诱发癌症[4]，而且还会危害交通运输、公共设施、城市建设以及和谐社会的发展等。此外，有部分文献开始尝试研究空气污染如何对人们的社会行为与心理健康造成影响[5-8]，如视雾霾为健康风险因素会促使民众减少日常户外活动、旅游出行以规避空气污染对健康的损害，而这会限制个体之间面对面的沟通交流与社会互动，从而造成个体和社会层面的负面情绪增加[9]。近年来，有学者尝试利用经济学的分析方法评估空气污染与居民心理健康间的因果关系[10]，还有学者利用大数据分析方法研究了中国城市空气污染与民众在社交媒体上情绪表达的相关性关系[8]。前述研究为文章拓宽研究视角、深化研究内容奠定了理论基础，但目前鲜有研究系统性地分析空气污染对居民心理健康影响的微观传导机制。

该研究认为，空气污染对心理健康的影响机制可以从直接生理机制和其他间接机制两方面进行解释。就直接生理机制而言，有学者发现空气污染颗粒物构成成分中含有毒害神经的物质（如铅、汞、锰等），是具有强烈作用的炎症剂。它们会对人体的神经行为功能产生直接的损伤，引发前额皮质炎症和组织损伤。而神经炎症会破坏血脑屏障，不仅可能诱发中枢神经系统疾病，还会造成脑血管内皮损伤，导致血管性抑郁的进一步发展，从而影响人们的心理健康[11]。此外，Fonken等[12]指出长期暴露于PM2.5空气环境中还会引发海马神经炎症反应，而海马区神经元树突棘的形态与密度的变化与抑郁症的发病机理有关。因此，空气污染引致的人体海马区神经元形态的改变可能也是其恶化人们心理健康的重要生理原因之一。

此外，空气污染还可能通过间接渠道影响居民的心理健康。首先，空气污染会危害居民的身体健康，进而间接地对居民心理健康造成负面影响。前文提到有研究证明空气污染可能增加居民患上呼吸道疾病、心脏病与肺癌的风险，而身体健康作为决定居民幸福与否的一个关键因素，健康状况较差的居民通常感到不太幸福[13]。其次，空气污染会对居民日常生活造成不便进而影响人们心理健康，例如人们在较差空气质量环境下会减少户外出行并改变日常的健身锻炼计划，更加倾向于留在室内。这就导致社会群体间的沟通交流减少，进而影响其心理健康[14]。再次，有学者指出空气污染对人群体质指数（Body Mass Index，BMI）具有显著的正向影响，并引起患肥胖症概率的增加[15]。因此，空气污染可能诱发的人群肥胖风险也可能是潜在影响心理健康的重要渠道之一。

综上分析，在利用 CFPS2010—2018年调查数据分析空气污染对心理健康影响的传导机制时，由于无法直接对生理传导机制进行检验，主要从间接机制分析。依据数据可获得性原则，该研究选择受访者的自评健康、他评健康、患慢性病情况和住院情况指标反映居民的身体健康状态，利用受访者“一周内的运动锻炼次数”衡量空气污染对居民日常生活的影响，并利用 BMI肥胖指标度量空气污染对受访者外貌状态的影响，进而开展空气污染对心理健康影响的机制检验。

2 研究设计

2.1“大气十条”的政策背景

为应对严峻的大气污染问题，保护和改善生态环境，中国于2013年9月10日印发了《大气污染防治行动计划》（以下简称“大气十条”），开始实施被称作为历史最严格的一系列大气污染治理措施。“大气十条”作为一项由顶层中央政府先行设计防治目标，而后自上而下地逐级分解到各省份、市和县政府且通过政治激励保障实施的规则体系，要求全国所有省、自治区和直辖市签署各自的《大气污染防治目标责任书》。“大气十条”的发布与各省份、市（县）签订污染防治目标责任书后，各级政府高度重视大气污染防治行动，建立铁腕与铁规“双铁”治污机制，高效推动了中国大气污染综合治理工作，对区域空气质量改善产生了显著的正向作用。

因此，该研究将“大气十条”视为一项准实验进行分析，借鉴Li等[16]的研究思路，首先从全国各省份制定的大气污染防治行动方案中整理收集各城市关于PM2.5和PM10 的空气质量优化目标（即要求2017年比2012年的目标污染物年均浓度下降值），对于某一城市同时规定了PM2.5和 PM10改善目标选择取其中最高值反映“大气十条”在城市层面的规制强度。然而，由于无法搜索到所有县级层面的大气污染防治目标，所以将各县（区）的污染防治目标等同于其所属地级市污染防治目标（对属于省直管县的样本，将该县的大气污染防治目标按照其所属省份的污染物防治目标进行设定），并将污染物（PM2.5或PM10）防治目标不低于20%的县（区）设定为处理组样本，将污染物防治目标小于或等于10%的县（区）设置为对照组样本，将其他防治目标在10%～20%之间地区的样本剔除。进而通过双重差分模型分析得到大气污染物浓度的外生变化值，并将该处由“大气十条”引起的外生变化量作为大气污染的工具变量，检验空气污染对居民心理健康的影响。综合使用双重差分法和工具变量法，能够有效地缓解空气污染与心理健康之间因果关系的内生性问题。

2.2 模型设定

为便于比较分析，参考Zhang 等[7]实证策略设定了基准OLS 计量模型：

其中，i表示受访者，c 表示受访者所在的县（区），t 表示年份。Yict为个体层面的心理健康变量，Airct为受访者所在的c 县在t 年的空气污染变量，X’ict表示个体层面可能影响心理健康水平的控制变量。W’ct表示受访者所在的c 县在t 年的天气变量，包括气温、湿度、降水量和日照时间四个气象变量。λi和μt分别表示个体固定效应和时间固定效应，εit为随机误差项。

除空气污染和心理健康指标的测量误差因素外，还可能由受访者因其自身喜好和经济社会特征选择不同的城市居住，导致受访者可能人为地改变空气污染程度。同时，受访者自身特征也与其心理健康相关，如果这些特征不被观测，则会导致变量遗漏。因此，空气污染影响受访者心理健康的 OLS 估计结果会受到内生性问题的干扰，使得空气污染的心理健康效应系数β有偏。为此，基于2013年底实施的“大气十条”政策引起的强污染规制地区与弱污染规制地区空气污染的外生变化，借助两阶段最小二乘（2SLS）的估计方法分析空气污染与居民心理健康之间的因果关系，构建计量模型：

其中，两阶段最小二乘模型中的第一阶段为 DID估计，依据（3）式估计得到空气污染的预测水平Air ct替换掉基准计量模型（1）中的Airct，从而得到2SLS 中第二阶段的计量模型，即公式（2）。Postt表示的是“大气十条”政策实施的时间虚拟变量，2014年及以后设置为1，2014年以前设置为0。Treatmentc为处理组的虚拟变量，若受访者所在的c 县为20%及以上的强大气污染防治目标区域设置为1，为10%及以下的弱大气污染防治目标区域设置为0。理论上，设计的工具变量应当同时满足相关性和外生性的要求。相关性检验通过后文实证检验。对于外生性的要求，该研究认为“大气十条”政策的实施主要是中国政府基于经济可持续发展的考量制定的，受微观个体心理健康的影响较小，符合工具变量的外生性要求。因此，在2SLS 模型中，公式（2）中的系数α反映了所研究的空气污染对居民心理健康的影响效应。

2.3 数据说明和描述性统计

2.3.1 心理健康

心理健康可以从不同角度使用相应的量表进行测度。首先，通过医院就诊行为反映的精神类疾病（如抑郁症、痴呆症和自杀倾向等）是最能直接表征居民心理健康状况的指标[17]，但受限于数据，未使用该指标作为心理健康的度量指标。其次，情绪感受也是个体短时间心理状况的直接反映，尤其是个体短期内的负面抑郁情绪能够很好地反映个体当下的心理状态[7]。部分学者也通过关注个体较短时间内抑郁情绪的變化，分析了空气污染对居民心理健康的影响[7，10]。因此，该研究使用抑郁情绪变量作为反映居民短期内心理健康的一个重要指标。最后，自我认同和幸福感指标也被认为是心理健康积极层面的重要体现，主观幸福感同时也是负性情绪的重要保护因子。因此，大量学者在研究中将主观幸福感作为分析居民长期生活满意度的关键指标[7]。故该研究将主观幸福感作为反映居民长期心理健康的另一个重要指标。综上，选用抑郁情绪和主观幸福感衡量居民心理健康不仅可以从消极和积极两个维度综合衡量居民的心理状况，还能够很好地反映居民心理健康中的短期情绪状态和长期生活满意度情况。

心理健康指标数据来自中国家庭跟踪调查（CFPS）。该调查是北京大学社会调查中心实施的一项大规模的数据调查，自2010年开始，截至2021年3月共进行了五轮（2010年，2012年，2014年，2016年和2018年）调查。该调查反映中国经济、社会、人口、教育和健康的变迁，为学术研究和政策决策提供可靠的数据来源。CFPS 样本覆盖全国25个省份，代表了除港澳台地区以外31个省份95%的人口，具有较强的代表性[10]。其中，主观幸福感的数据来自问卷中对受访者的提问“您对自己生活的满意程度如何？”受访者根据回答“很不满意、不满意、一般、满意和非常满意”分别赋值为1～5，即该主观幸福感变量越低，受访者的心理健康状况越差。该问题由于在五轮调查中均未发生变化，因此除了删除部分主观幸福感指标缺失值的样本外，并未对该指标进行其他调整。

然而，针对抑郁情绪的度量，CFPS 在五轮调查中并未保持一致。其中，在CFPS2010和CFPS2014衡量心理健康的抑郁状态时均采用CES‑D 量表的简化版本，包括对最近一个月的6个抑郁症状的发生频率问题的回答。而 CF‑ PS2016将 CES‑D 量表扩大至20个问题，CFPS2018则在2016问卷的20个问题中进一步重新筛选出8个问题对受访者进行抑郁状态的调查。此外，CFPS2012则缺失了相关的 CES ‑ D 量表调查。因此，不同于以往研究只利用 CFPS2014的数据[10]或利用CFPS2010和CFPS2014两期面板数据[7]分析空气污染对抑郁状态的影响，该研究将五轮调查中均向受访者提问到的情绪状态作为受访者的抑郁情绪的度量，而关于情绪状态的提问也包含在所有四轮 CES ‑ D 量表的问题中。具体来看，在 CFPS2010和 CF‑ PS2014问卷中，受访者被问到“最近一个月您感到情绪沮丧频率为？”，受访者根据自身情况选择回答“几乎每天、经常、一半时间、有一些时候和从不”并被分别赋值为1～5。而在 CFPS2012、CFPS2016和 CFPS2018年的问卷中，受访者被问到“请根据您的实际情况，指出在过去一周内感到情绪低落的发生频率”，受访者根据自身情况选择回答“几乎没有（不到1天）、有些时候（1～2天）、经常有（3～4天）和大多数时候有（5～7天）”并被分别赋值为1～4。对两次提问的回答按照CFPS2018回答进行统一调整，将CFPS2010和 CFPS2014问卷中回答“几乎每天”等同于回答“大多数时候有”;将回答“经常”和“一半时间”等同于回答“经常有”;将回答“有一些时候”等同于“有些时候”;将回答“从不”等同于“几乎没有”。同时，为了与前文主观幸福感的赋值趋势保持一致，将回答“几乎没有、有些时候、经常有和大多数时候有”重新分别赋值为4，3，2和1，即该抑郁情绪变量越低，受访者的心理健康状况越差。

2.3.2 空气污染和气象数据

使用县级层面PM2.5年均浓度反映空气污染指标。目前，研究中国空气污染问题使用较多的是利用来自地面监测站的空气污染数据（由生态环境部国家环境监测中心公开提供）。该数据的典型特点是监测精度高，但成本昂贵，站点数量有限且分布不均，监测区域大气污染分布存在一定的局限性[18]，如2010年仅仅覆盖全国113個城市，无法提供县级层面的空气污染数据。此外，Chen 等[10]还指出基于地面监测站的空气污染数据无法研究特定污染物，尤其是PM2.5的影响，以及可能存在的人为篡改数据带来的测量偏差。因此，该研究通过基于卫星数据的气溶胶光学厚度（Aerosol Optical Depth，AOD）估算近地面 PM2.5的分布情况，基本原理为AOD 表示对垂直大气柱浓度消光系数的积分，与近地面颗粒物之间具有较强的相关性[18]。借鉴Buchard等[19]和 Chen 等[10]的研究方法，从美国国家航空航天局（NASA）公开网站中下载获取自1980年以来 AOD 的经纬度栅格数据（0.5°×0.625°，约50 km×60 km），反演估算出PM2.5污染浓度数据。并通过Arcgis10.2采样分析，得到2010—2018年覆盖中国全境的PM2.5浓度空间栅格数据，并将其从网格汇总为每个县的年均浓度值。此外，NASA 还给出了 SO2浓度数据，因此，进一步得到每个县的 SO2浓度数据，并将 SO2年均浓度作为县级空气污染代理变量进行稳健性检验。

此外，该研究使用的气象数据源自中国气象局气象数据中心800多个气象监测站点数据，主要包括平均气温（摄氏度）、年均相对湿度（百分比）、降水量（毫米）和日照时间（小时）。借鉴已有文献[20]，根据每个受访者所在县（区）的县域中心点坐标与气象观测站点坐标，按照空间距离最短原则，将受访者所在县（区）与最近的气象站点进行匹配，进而实现了县级数据库与气象数据库的连接。

2.3.3 其他个体控制变量和机制分析变量

除了空气污染指标外，对其他可能影响受访者心理健康的因素进行控制。参照已有文献，从 CFPS 问卷中选择年龄、受教育年限、婚姻状态、失业状态、是否有保险、收入和社会地位等指标作为其他控制变量。此外，对空气污染的心理健康效应进行间接机制检验，选择居民的身体健康状态、日常生活和外貌状态变化作为机制分析变量。

综上，该研究首先剔除了居民主观幸福感和抑郁情绪指标缺失的样本，并根据 CFPS 提供的个人代码匹配出连续5次被追踪访问的12925受访者，形成2010—2018年的平衡面板数据，样本总数为64625。然后，基于CFPS 提供的受访者地理位置代码，将每个受访者所在县的地理位置与县级层面的空气污染数据和气象数据进行匹配。最后，借鉴Power等[21]的插值法对相关控制变量和机制变量的少部分缺失值进行处理，最终形成多层次面板分析数据。表1为关键指标的相关定义和描述性统计结果。

3 实证检验与分析

3.1 两阶段最小二乘估计（2SLS）

针对空气污染与心理健康之间可能存在的内生性问题，使用“大气十条”政策引起的空气污染的外生变化量作为工具变量，利用2SLS 方法检验空气污染对居民心理健康的影响。回归结果见表2，其中（1）列—（3）列为第一阶段中“大气十条”对空气污染的影响。可以发现，无论是否控制天气变量以及严格控制城市-年份联合固定效应，所有的回归结果均显示出“大气十条”显著地减少了地区PM2.5污染浓度。（4）列—（6）列是被解释变量为居民主观幸福感的第二阶段回归结果，（7）列—（9）列是被解释变量为居民抑郁情绪的第二阶段回归结果。由第二阶段各列回归系数结果可知，在处理了空气污染与心理健康之间可能存在的内生性问题后，研究发现空气污染对居民心理健康产生了显著的负向影响。在表2中，（1）列、（4）列和（7）列是控制了个体固定效应和年份固定效应，但未加入天气层面控制变量的回归结果;（2）列、（5）列和（8）列是进一步加入天气层面控制变量的回归结果，控制的固定效应仍为个体和年份固定效应;（3）列、（6）列和（9）列则将年份固定效应进一步修改为城市和年份的联合固定效应，主要为了考虑控制城市层面随时间变化的不可观测因素对居民心理健康的影响，例如城市层面逐年变化的经济波动和环保行动可能对居民心理健康产生影响。因此，表2中2SLS 模型第一阶段和第二阶段的最终回归结果分别是以（3）列、（6）列和（9）列的报告系数为基准回归结果。

具体来看，研究发现“大气十条”政策的實施显著地改善了强规制目标地区的 PM2.5污染浓度。第一阶段回归中（3）列系数显示“大气十条”减少了6.3μg/m3的PM2.5 污染浓度。且第一阶段 F值大于10，说明这里并不需要担心弱工具变量问题;同时，由于所选取的工具变量个数正好等于内生解释变量的个数，故不存在过度识别问题。第二阶段回归中（6）列和（9）列系数分别显示在1%和5%的显著性水平下，1μg/m3的PM2.5污染浓度的上升将会降低居民主观幸福感得分8.17%和加重居民抑郁情绪指数3.88%。将系数与已有研究空气污染对心理健康影响的文献进行比较，Chen 等[10]研究发现1μg/m3的 PM2.5污染浓度的上升将会显著增加居民心理健康中的0.0788（即7.88%）CES-D 抑郁得分;李卫兵等[14]研究发现1μg/m3的 PM2.5污染浓度的上升将会显著增加居民心理健康中的0.051（即5.1%）CES-D 抑郁得分。尽管该研究对于心理健康指标的衡量与现有文献有一定区别，但比较空气污染的心理健康效应系数大小后证实，该研究的结论与现有文献并不存在较大差异。

3.2 稳健性检验

3.2.1 替换空气污染指标

为了增加研究结论的可靠性，进一步使用县级层面的SO2浓度反映区域空气污染程度。同时，进一步搜集整理2010—2018年中国城市层面的空气污染指数（Air Pol‑lution Index，API）数据，并运用地级市 API水平反映其所辖县（区）的空气污染水平进行稳健性检验。需要说明的是，2013年之前的城市 API数据使用中国环境监测总站每天发布的城市空气质量日报中API值，该值是PM10、SO2和 NO2三种污染物的综合指数，而在2013年之后官方只公布了AQI、PM10、SO2和 NO 等污染物的单项指标值。因此，为了保持 API 数据的一致性，借鉴已有文献的做法[22]，基于环境空气质量指数技术规定的计算公式，利用 PM10、SO2和 NO2三种污染物手工计算了中国地级市层面2013年以后的API值，并重新进行了2SLS 模型回归。表3汇报了2SLS 模型中的第二阶段结果，即SO2污染浓度和 API指数对于居民心理健康的影响。具体来看，（1）列和（3）列使用了SO2浓度作为空气污染的代理变量，（2）列和（4）列使用了API指数作为空气污染的代理变量。所有回归结果均显示在使用不同污染物指标替换 PM2.5浓度指标后，依然可以发现空气污染显著地降低了居民主观幸福感和加重居民抑郁情绪，反映出空气污染对心理健康具有显著的负向影响，证明了前文基准结论的稳健性。

3.2.2 考虑同期其他大气防治政策的影响

在进行第一阶段的DID 回归中，需要注意避免在政策发生过程中受到其他大气污染政策的干扰。文章考虑了2017年由原环保部发布的《京津冀及周边地区2017年大气污染防治工作方案》的影响。该政策对以北京和天津2个城市为中心及周边700 km 左右半径内的4省所辖26个地级市（即“2+26”城市）进行严格的大气污染联防联控，并采取诸如清洁供暖等试点政策进行大气污染防治。此外，国务院于2018年6月27日下发《打赢蓝天保卫战三年行动计划》，并将“2+26”城市与长三角地区、汾渭平原划分为重点防治区域范围。该研究认为以上政策的实施，可能会对文章的回归结果产生干扰，且“大气十条”政策在制定时要求2017年“收官”。因此，将实证分析的时间范围缩短，剔除2018年的研究样本，以CFPS2010—CF‑ PS2016的四轮调查数据进行检验，回归结果见表4。具体来看，（1）列—（3）列使用了居民主观幸福感作为被解释变量，（4）列—（5）列使用了居民抑郁情绪作为被解释变量。（3）列和第（6）列的基准结果发现，在1%和10%的显著性水平下，1μg/m3的PM2.5污染浓度的上升将会显著降低居民主观幸福感得分7.23%和加重居民抑郁情绪指数2.66%。该结果同样证明了空气污染对心理健康具有显著的负向影响，证明了前文基准结论的稳健性。

3.2.3 改变对照组和处理组的设定标准

在前文的分析中，对照组样本被设定为大气污染物防治目标小于或等于10%的县（区）的受访者，并将处理组样本设定为大气污染物防治目标大于或等于20%的县（区）的受访者。进一步改变对照组和处理组的设定标准，第一类是将大气污染防治强度在5%及以下县（区）的受访者设为对照组，将大气污染防治强度在20%及以上设置为处理组样本;第二类是将大气污染防治强度在5%及以下县（区）的受访者设为对照组，将大气污染防治强度在25%及以上设置为处理组样本;第三类是将大气污染防治强度在10%及以下县（区）的受访者设为对照组，将大气污染防治强度在25%及以上设置为处理组样本。利用CFPS2010—2018年的五轮调查数据进行2SLS 分析，回归结果见表5。回归结果显示，在改变了3种不同的对照组和处理组设定标准后，除了回归系数发生变化外，空气污染对居民主观幸福感和抑郁情绪依然产生显著的负面效应。该稳健性检验结果证明了空气污染对心理健康具有显著的负向影响，保证了基准回归结果的可靠性。 3.2.4 替换工具变量为“逆温”指标

进一步使用“逆温”指标作为空气污染的工具变量进行稳健性检验。逆温现象是指地面上空的大气结构会出现气温随高度增加而升高的反常现象（通常大气温度随着高度增加而下降）。逆温是自然形成的大气现象，不管是何种原因形成的逆温，都会阻碍空气的垂直对流，妨碍污染物扩散，进而使得近地面空气污染加重。特别是，在目前的技术条件下，人为制造逆温暂时没有可能。已有大量学者证实逆温指标是较合理的替代空气污染的工具变量[10，15]。

借鉴已有文献处理方法[15]，通过 NASA 提供的 MER‑RA-2卫星图片产品整理了2010—2018年中国各县（区）层面的逆温现象年度发生次数，并使用逆温现象发生频率（年度累计次数）作为空气污染的工具变量进行稳健性分析。由于逆温指标是根据每6小时记录一次的气温数据计算得到（每天记录4次不同高空大气层中的气温），在计算县（区）年度逆温现象发生频率时，先将县（区）当天出现过1次及以上频率逆温现象定义为当天发生了逆温现象（记为1天），再将其进行年度层面的天数加总得到县（区）某年的累计逆温发生次数。表6展示了使用县（区）年度逆温累计发生次数作为空气污染工具变量的回归结果。（3）列和（6）列回归结果发现在10%的显著性水平下，1μg/m3的 PM2.5污染浓度的上升将会显著降低居民主观幸福感得分7.46%和加重居民抑郁情绪指数3.79%。说明在使用逆温作为空气污染的工具变量时，依然可以发现空气污染对居民心理健康产生了显著的负面影响，这也证明了前文研究结论的可靠性。

3.3 异质性分析

分别从受访者的性别、年龄、受教育水平和城乡户籍的异质性进行分样本回归分析。异质性检验结果见表7。其中，（1）列—（4）列使用了居民主观幸福感作为被解释变量，（5）列—（8）列使用了居民抑郁情绪作为被解释变量。首先，按照受访者的性别差异分别对男性和女性受访者受到空气污染影响心理健康的异质性效应进行检验。研究发现，男性受访者受到空气污染对主观幸福感的负向影响显著高于女性受访者，1μg/m3的PM2.5污染浓度的上升将会显著降低男性受访者的主观幸福感得分9.56%，降低女性受訪者的主观幸福感得分7.35%。可能的原因是受中国传统的“男主外，女主内”的生活方式影响，男性会更多地承担外出工作进而增加了暴露于室外空气污染的时间，受到空气污染的直接负面影响可能高于女性。而就空气污染影响抑郁情绪的异质性来看，男性和女性受到的负面影响相差并不大。

其次，根据年龄的异质性来看，将所有受访者划分为大于或等于60岁的老年人，以及其他非老年人受访者。研究发现，无论是对受访者心理健康中的主观幸福感还是抑郁情绪，老年人受到空气污染对心理健康的负面影响更小，该研究结论也与 Zhang 等[7]的发现保持一致。可能的原因是，老年人由于生活时间更长久以及更丰富的人生经历，对居住在较差空气污染环境中的适应程度更高。同时，年轻人在户外的时间往往多于老年人，增加了年轻人暴露于空气污染下的健康风险。此外，在高速发展的互联网时代，年轻人对于空气污染关注度和相关信息获取便利度往往高于老年人，这也是年轻人受到空气污染的负面心理健康影响高于老年人的潜在原因。

再次，根据受访者的真实教育年限将其划分为完成了9年义务教育的受访者和未完成9年义务教育的受访者。研究发现，低教育程度群体受到空气污染对心理健康的负面影响更大。可能的原因是高教育程度的群体在受到空气污染影响时往往可以采取更加有效的应对方式，如佩戴防尘口罩和购买空气清新器等，从而减轻空气污染的负面影响。此外，涂正革等[23]在分析大气污染对不同教育程度群体身体健康的异质性影响时提出，由于低学历人群中绝大部分出生在21世纪70年代之前，能够切身体会到改革开放带来的经济红利，产生了对健康的过度自信;而高学历人群对环境污染带来的危害表现较为保守，风险规避意识较好，因此受到空气污染的负面影响更小。

最后，还根据 CFPS 提供的基于国家统计局资料的城乡分类变量将所有受访者划分为城市地区和农村地区进行分样本回归。研究发现，城市地区受访者受到空气污染对心理健康的负向影响远远高于农村地区的受访者。对城市受访者而言，1μg/m3的PM2.5污染浓度的上升将会显著降低城市受访者的主观幸福感得分11.98%和加重居民抑郁情绪指数8.72%;对农村受访者而言，1μg/m3的 PM2.5污染浓度的上升只显著降低农村受访者的主观幸福感得分4.95%，且对受访者的抑郁情绪未产生显著的影响。这可能是由城市居民对空气污染的重视程度高于农村居民的影响导致的。综上所述，文章的异质性检验结果发现男性群体、年轻人群体、低教育群体和城市居民受到空气污染的负面心理健康效应往往更大。

4 空气污染影响心理健康的机制检验

目前，有关空气污染通过何种渠道对居民心理健康产生影响的文献还十分少见。基于前文的机制讨论，将重点从居民的身体健康状态、日常生活和外貌状态变化分析空气污染对心理健康影响的微观机制。其中，居民的身体健康选择四个指标衡量：受访者的自评健康状态，即根据 CFPS 问卷中的提问“您认为自己的健康状况如何”，依据受访者回答“非常不健康、不健康、一般、健康和非常健康”分别赋值1～5;受访者的他评健康状态，CFPS 问卷中要求所有访员依据个人观察评判受访者的健康状态，并将其由“很差-很好”分别赋值1～7;受访者患慢性病状态，CFPS 问卷中调查了“过去六个月内，受访者是否患过经医生诊断的慢性疾病？”，未确诊慢性疾病设为0，确诊则设为1;受访者的住院情况，CFPS 问卷询问受访者“过去12个月是否因病住院”，未住院设为0，住院设为1。此外，使用健身行为衡量空气污染对居民日常生活的影响，在CFPS 问卷中调查了受访者“过去一周（CFPS2014—2018）/过去一个月（CFPS2010—2012），您锻炼身体的频次”，将无锻炼身体设为0，有1次及以上锻炼频次的设为1。最后，在度量居民的外貌变化时使用了基于 BMI衡量的肥胖状态，将BMI（体重指数BMI=体重/身高的平方，kg/㎡）大于或等于30定义为肥胖[15]。综上，将上述机制变量作为被解释变量重新进行2SLS 回归，第二阶段的回归结果见表8。

由表8可知，空气污染显著降低了人们的身体健康状态，并减少了居民户外运动锻炼，显著地增加了居民变肥胖的风险。具体来看，1μg/m3的PM2.5污染浓度的上升将会显著降低居民3.51个百分点的自评健康水平和1.01个百分点的他评健康水平，并分别增加居民患慢性疾病和住院风险1.65%和1.71%。空气污染对身体健康的负面影响可能会进一步增加人们的焦虑抑郁情绪，并且会由于对疾病认知的不充分增加恐惧、不安等情绪，增加心理压力，从而影响居民的主观幸福感和抑郁情绪，对居民心理健康造成显著的负面效应[14]。此外，1μg/m3的PM2.5 污染浓度的上升将会显著减少5.47%的居民运动锻炼行为。体育锻炼被认为是促进健康的重要生活方式[24]。空气污染显著地减少人们的运动锻炼行为后，居民的生活健康可能受到负面影响，同时还会进一步减少都市人群与外人交流沟通的机会，进而抑制了居民的心理健康水平。最后，从空气污染对居民外貌变化的影响来看，1μg/m3的 PM2.5污染浓度的上升将会显著增加居民变肥胖风险0.16%，该结论也与 Deschenes 等[15]的研究发现相似。空气污染诱发肥胖的潜在原因可能是随着人们生活条件的改善，再加上空气污染引致的锻炼减少和久坐增加，使得超重的人所占比重越来越高。而体重超重不仅会引发诸多疾病对身体健康造成负面影响，还会因为外貌变化影响人们的自信程度和心理健康水平。

综上，该研究发现空气污染对心理健康的负面效应主要是通过恶化居民身体健康水平，增加患慢性病概率和住院风险，减少日常生活中的运动锻炼行为和增加肥胖风险等方面进行传导的，这也与前文的机制讨论假设基本保持一致。

5 结论

健康中国战略强调心理健康是健康的重要组成部分。文章从居民主观幸福感和抑郁情绪着手進行分析，检验了空气污染与心理健康之间的因果关系。研究发现，1μg/m3的PM2.5污染浓度的上升将会显著降低居民主观幸福感得分8.17%并加重居民抑郁情绪指数3.88%，空气污染对居民心理健康具有显著的负向影响。此外，就空气污染心理健康效应进行异质性检验后发现，中国男性群体、年轻人群体、低教育群体和城市居民受到空气污染的负面心理健康效应会更大。对空气污染影响居民心理健康的微观传导机制进行检验，发现空气污染主要通过恶化居民身体健康水平，增加患慢性病概率和住院风险，减少日常生活中的运动锻炼行为和增加肥胖风险进而对居民的心理健康产生显著的负向影响。

研究还发现，中国2013年底实施的“大气十条”政策显著地减少了6.3μg/m3的 PM2.5污染浓度，故尝试就“大气十条”政策实施后引起的心理健康福利效应进行简单讨论。具体来看，已有学者研究发现中国现有的抑郁症患者人数约为9500万人[25]，而每个抑郁症患者的治疗成本约为3665美元[26]，且中国仅有8.2%的抑郁症患者会积极寻求去医院就诊治疗[27]。因此，如果这8.2%抑郁症患者均得到治疗的话，则可估算出由于心理健康问题产生的治疗成本为285.5亿美元。依照该研究发现的1 ug/ m3的PM2.5空气污染增加会加重抑郁指数3.88%，经简单折算后可得1ug/m3的PM2.5的降低所减少的心理健康成本为11.08亿元，进而计算出“大气十条”政策实施后因空气污染改善所减少的心理健康治疗成本为69.8亿美元。

综上，该研究有助于人们进一步深入了解空气污染的潜在危害，对于个人积极采取防护措施应对空气污染，正视个人心理健康问题具有重要的现实意义。此外，研究还证明了政府大力治理空气污染不仅对社会经济的可持续发展具有重要促进作用，还能够有效地降低中国心理健康疾病问题的治疗经济成本，有利于提升人民健康水平、幸福感和安全感，加快中国建设成为富强民主文明和谐美丽的社会主义现代化强国。

参考文献

[1]相鹏，耿柳娜，周可新，等.空气污染的不良效应及理论模型：环境心理学的视角[J].心理科学进展，2017，25（4）：691-700.

[2]SINHA D N，DORAIRAJ P，JEEMON P，et al. The changing pat‑ terns of cardiovascular diseases and their risk factors in the states of India：the global burden of disease study 1990-2016[J]. The lan‑cet global health，2018，6（12）：1339-1351.

[3]PHOSRI A，UEDA K，PHUNG V L H，et al. Effects of ambient air pollution on daily hospital admissions for respiratory and cardiovas‑cular diseases in Bangkok，Thailand[J]. Science of the total environ‑ment，2019，651：1144-1153.

[4]EZZATI M. Indoor air pollution and health in developing countries [J]. The lancet，2005，366（9480）：104-106.

[5]LI Y，GUAN D B，YU Y N，et al. A psychophysical measurement on subjective well-being and air pollution[J]. Nature communica‑tions，2019，10（1）：1-8.

[6]XUE T，ZHU T，ZHENG Y X，et al. Declines in mental health as‑ sociated with air pollution and temperature variability in China[J]. Nature communications，2019，10（1）：1-8.

[7]ZHANG X，ZHANG X B，CHEN X. Happiness in the air：how does a dirty sky affect mental health and subjective well‑being？[J]. Jour‑nal of environmental economics and management，2017，85：81-94.

[8]ZHENG S，WANG J，SUN C，et al. Air pollution lowers Chinese ur‑banites  expressed happiness on social media[J]. Nature human be‑ haviour，2019，3（3）：237-243.

[9]郑思齐，张晓楠，宋志达，等.空气污染对城市居民户外活动的影响机制：利用点评网外出就餐数据的实证研究[J].清华大学学报（自然科学版），2016，56（1）：89-96.

[10]CHEN S，OLIVA P，ZHANG P. Air pollution and mental health： evidence from China[R]. National Bureau of Economic Research，2018.

[11]WAGNER J G，ALLEN K，YANG H Y，et al. Cardiovascular de‑ pression in rats exposed to inhaled particulate matter and ozone：ef‑fects of diet‑induced metabolic syndrome[J]. Environmental heal‑th perspectives，2014，122（1）：27-33.

[12]FONKEN L K，XU X，WEIL Z M，et al. Air pollution impairs cog‑nition，provokes depressive ‑like behaviors and alters hippocampal  cytokine expression and morphology[J]. Molecular psychiatry，2011，16（10）：987-995.

[13]FERREIRA S，AKAY A，BRERETON F，et al. Life satisfaction  and air quality in Europe[J]. Ecological economics，2013，88：1-10.

[14]李卫兵，邹萍.空气污染与居民心理健康：基于断点回归的估计[J].北京理工大学学报（社会科学版），2019，21（6）：10-21.

[15]DESCHENES O，WANG H X，WANG S，et al. The effect of air pol‑lution on body weight and obesity：evidence from China[J]. Jour‑nal of development economics，2020，145：102461.

[16]LI X，WANG Y T，ZHOU H C，et al. Has China s war on pollutionreduced employment：quasi?experimental evidence from the Clean  Air Action[J]. Journal of environmental management，2020，260：109851.

[17]AKPINAR A，BARBOSA‑LEIKER C，BROOKS K R. Does green  space matter：exploring relationships between green space type and  health indicators[J]. Urban forestry & urban greening，2016，20：407-418.

[18]王子峰，曾巧林，陈良富，等.利用卫星遥感数据估算PM2.5浓度的应用研究进展[J].环境监控与预警，2019，11（5）：33-38.

[19]BUCHARD V，SILVA A MDA，RANDLES C A，et al. Evaluation  of the surface PM2.5 inVersion 1 of the NASA MERRA aerosol re‑ analysis over the United States[J]. Atmospheric environment，2016，125：100-111.

[20]陈帅，徐晋涛，张海鹏.气候变化对中国粮食生产的影响：基于县级面板数据的实证分析[J].中国农村经济，2016（5）：2-15.

[21]POWER M C，KIOUMOURTZOGLOU M A，HART J E，et al. The relation between past exposure to fine particulate air pollution  and prevalent anxiety：observational cohort study[J]. BMJ，2015，350：h1111.

[22]陈帅，张丹丹.空气污染与劳动生产率：基于监狱工厂数据的实证分析[J].经济学（季刊），2020，19（4）：1315-1334.

[23]涂正革，张茂榆，许章杰，等.收入增长、大气污染与公众健康：基于 CHNS 的微观证据[J].中国人口·资源与环境，2018，28（6）：130-139.

[24]刘生龙，郎晓娟.退休对中国老年人口身体健康和心理健康的影响[J].人口研究，2017，41（5）：74-88.

[25]HUANG Y Q，WANG Y，WANG H，et al. Prevalence of mental disorders in China：a cross‑ sectional epidemiological study[J]. The lancet psychiatry，2019，6（3）：211-224.

[26]XU J，WANG J，WIMO A，et al. The economic burden of mental  disorders in China，2005-2013：implications for health policy[J]. BMC psychiatry，2016，16：137.

[27]PHILLIPS M R，ZHANG J X，SHI Q C，et al. Prevalence，treat‑ment，and associated disability of mental disorders in four provinc‑ es in China during 2001-2005：an epidemiological survey[J]. The lancet，2009，373（9680）：2041-2053.

Mental health effects of air pollution in the context of Healthy China Initiative

ZHANG Guanglai1，ZHANG Ning2

（1. School of Economics， Jiangxi University of Finance & Economics， Nanchang Jiangxi 330013， China;2. Weihai Institute for Interdisciplinary Research/Institute of Blue and Green Development， Shandong University， Weihai Shandong 264200， China）

Abstract  The Healthy China Action Plan （2019−2030） clearly requires China to make efforts to foster a healthy ecological environ ‑ment and improve people ’s health. It also highlights the need to accelerate actions to promote mental health and a healthy environment. Combining the data from the China Family Panel Studies （CFPS） from 2010 to 2018 with annual air pollution data and meteorological data， this study utilized the difference-in-differences model to calculate the exogenous changes of regional air pollution caused by the implementation of the Action Plan of Air Pollution Prevention and Control （APAPPC） at the end of 2013， and then used the two-stage least square method （2SLS） to identify the impact of air pollution on residents ’ mental health. The results showed that air pollution sig‑nificantly reduced residents ’ mental health level. Specifically， an increase of 1 ug/m3 PM2.5 pollution concentration at the county level would significantly reduce residents ’ subjective well-being score by 8.17% and residents ’ depression index by 3.88%. Further mecha‑nism analysis showed that air pollution had a negative impact on mental health mainly through worsening residents ’ physical health lev‑el， reducing residents ’ exercise behavior in daily life and increasing the risk of obesity. In addition， the heterogeneous results showed that the negative mental health effects of air pollution were greater for male groups， young age groups， low-education groups and urban residents. This article is an effective supplement to the existing literature， and reflects that current estimates of the health costs of air pollution may be far underestimated， which requires China to further strengthen air pollution prevention and control to win the battle against air pollution.

Key words  air pollution; mental health; APAPPC policy; Healthy China Initiative

（責任编辑：刘照胜）