環(huán)境污染、經(jīng)濟(jì)增長與醫(yī)療衛(wèi)生服務(wù)對公共健康的影響分析
——基于中國省際面板數(shù)據(jù)的研究

曲衛(wèi)華，顏志軍

(1.北京理工大學(xué)管理與經(jīng)濟(jì)學(xué)院，北京 100081; 2.太原學(xué)院，山西 太原 030032)

環(huán)境污染、經(jīng)濟(jì)增長與醫(yī)療衛(wèi)生服務(wù)對公共健康的影響分析
——基于中國省際面板數(shù)據(jù)的研究

曲衛(wèi)華1,2，顏志軍1

(1.北京理工大學(xué)管理與經(jīng)濟(jì)學(xué)院，北京 100081; 2.太原學(xué)院，山西 太原 030032)

環(huán)境污染與經(jīng)濟(jì)增長對居民的公共健康水平有重要影響，但基于面板數(shù)據(jù)對此問題分區(qū)域的研究較少。本文在Grossman健康生產(chǎn)函數(shù)的基礎(chǔ)上加入環(huán)境污染等多重因素，使用中國30個(gè)省市區(qū)1997年到2010年的面板數(shù)據(jù)，建立個(gè)體固定效應(yīng)模型，將我國劃分為東部、中部和西部三個(gè)區(qū)域，實(shí)證分析了環(huán)境污染、經(jīng)濟(jì)增長與醫(yī)療衛(wèi)生服務(wù)對不同區(qū)域居民公共健康的影響及其差異。研究發(fā)現(xiàn)：環(huán)境污染、經(jīng)濟(jì)增長、醫(yī)療衛(wèi)生服務(wù)與居民公共健康存在長期均衡的協(xié)整關(guān)系，經(jīng)濟(jì)增長與全國、東部和中部的公共健康關(guān)系呈現(xiàn)倒U型的特征；具體而言：東部區(qū)域，曲線已達(dá)到拐點(diǎn)，中部區(qū)域，當(dāng)人均GDP為3311元時(shí)，曲線達(dá)到拐點(diǎn)；全國以及東、中、西部區(qū)域，工業(yè)煙塵排放量與人口死亡率呈正向關(guān)關(guān)系，工業(yè)二氧化硫排放量與人口死亡率只在中部地區(qū)顯著正相關(guān)；全國、東部和中部區(qū)域人均醫(yī)生數(shù)與人口死亡率呈顯著負(fù)相關(guān)，西部地區(qū)未呈現(xiàn)這一特性；人均醫(yī)療保健支出與人口死亡率在中部地區(qū)顯著負(fù)相關(guān)，醫(yī)療衛(wèi)生服務(wù)可有效減少環(huán)境污染對居民的健康威脅。因此，制定差別化的環(huán)境污染、經(jīng)濟(jì)增長與醫(yī)療服務(wù)政策等有利于提升全國以及東中西部居民的公共健康水平。

環(huán)境污染；經(jīng)濟(jì)增長；醫(yī)療衛(wèi)生；公共健康

1 引言

改革開放以來，我國人均GDP年均增幅接近13%，人均醫(yī)療保健支出年均增幅接近15%，然而，隨著經(jīng)濟(jì)的高速發(fā)展，我國環(huán)境污染現(xiàn)象日趨嚴(yán)重。2013年，我國多地出現(xiàn)霧霾天氣，PM2.5大大超標(biāo)，影響了居民的公共健康和日常活動(dòng)?！吨袊h(huán)境發(fā)展報(bào)告(2013)》指出，30多年來，隨著中國經(jīng)濟(jì)的快速發(fā)展，生態(tài)環(huán)境受到嚴(yán)重破壞，特別是環(huán)境污染對居民公共健康危害日益顯現(xiàn)，不夸張的說，環(huán)境污染問題將對人們的基本生活和生存產(chǎn)生威脅[1]。環(huán)境污染和生態(tài)破壞使我國經(jīng)濟(jì)、社會(huì)受到嚴(yán)重?fù)p失，我國每年因環(huán)境污染導(dǎo)致的損失約占GDP的10%，每年因大氣污染所致肺心病疾病患者21.3萬人，慢性支氣管炎患者為150萬人[2]。據(jù)中國環(huán)境科學(xué)研究院(2011)報(bào)告顯示，由環(huán)境污染導(dǎo)致的我國居民疾病負(fù)擔(dān)大約占整個(gè)疾病負(fù)擔(dān)的21%，高出美國8個(gè)百分點(diǎn)。環(huán)境污染引發(fā)的居民公共健康風(fēng)險(xiǎn)已成為一個(gè)世界性話題，在一些公共服務(wù)提供比較不足的國家和地區(qū)，環(huán)境污染引發(fā)的健康風(fēng)險(xiǎn)更為嚴(yán)峻。以上情況使得我們不得不思考這樣的問題：中國環(huán)境污染的加劇、經(jīng)濟(jì)的持續(xù)增長、醫(yī)療衛(wèi)生服務(wù)的提高與環(huán)境引發(fā)的公共健康風(fēng)險(xiǎn)存在怎么樣的關(guān)聯(lián)？在我國各地區(qū)經(jīng)濟(jì)發(fā)展水平有差異的情況下，不同地區(qū)的公共健康水平有何差異，這些問題的探討對于中央和地方政府有針對性地制定環(huán)境污染、公共健康的可持續(xù)發(fā)展政策具有重要的參考價(jià)值。

關(guān)于環(huán)境污染對居民公共健康影響的研究，長期以來一直受到學(xué)者們的關(guān)注，許多文獻(xiàn)研究了大氣污染對居民公共健康的影響。國外涉及環(huán)境污染與公共健康研究的文獻(xiàn)較早，我國關(guān)于大氣污染對公共健康危害方面的文獻(xiàn)最早發(fā)表于1975年，當(dāng)時(shí)主要研究方法為定性研究。近期研究從研究方法來看，可歸納為解析法和統(tǒng)計(jì)模型兩種方法。

環(huán)境對健康的影響主要取決于污染物的濃度、暴露響應(yīng)系數(shù)與城市暴露人口數(shù)，基于暴露響應(yīng)和劑量效應(yīng)原理的解析法主要集中于環(huán)境污染對居民健康損失方面的研究。Matus等[3]使用政策預(yù)測模型分析表明，中國的空氣污染排放造成的健康經(jīng)濟(jì)損失已給中國經(jīng)濟(jì)帶來實(shí)質(zhì)性的負(fù)擔(dān)，由空氣污染導(dǎo)致的居民福利損失從1975年的220億美元增加到2005年的1120億美元。Chen Yuling等[4]基于劑量效應(yīng)原理，運(yùn)用大氣資源協(xié)同效應(yīng)模型研究表明臺(tái)灣地區(qū)大氣污染物濃度的變化對居民潛在壽命損失有重要影響。美國癌癥協(xié)會(huì)對120萬美國成人跟蹤長達(dá)26年，研究發(fā)現(xiàn)空氣濃度每升高10μg/m3，人群肺癌死亡率將升高15%-27%[5]。Sram等[6]對捷克1492名兒童健康狀況跟蹤研究表明，空氣污染嚴(yán)重影響兒童健康，容易引發(fā)兒童呼吸系統(tǒng)發(fā)病率增加。黃德生等[7]基于暴露響應(yīng)和劑量效應(yīng)原理，基于流行病學(xué)綜合研究成果，運(yùn)用環(huán)境健康風(fēng)險(xiǎn)評估技術(shù)，對京津冀地區(qū)PM2.5濃度標(biāo)準(zhǔn)可實(shí)現(xiàn)的健康效益進(jìn)行了評估，結(jié)果表明三地區(qū)能夠?qū)崿F(xiàn)的健康效益總和可達(dá)612～2560億元/a，相當(dāng)于2009年的該地區(qū)地方生產(chǎn)總值的1.66%～6.94%。闞海東[8-9]在不同的健康效應(yīng)終點(diǎn)上，研究了我國大中城市大氣污染與健康的關(guān)系，確認(rèn)我國大氣污染對居民健康損失較大，且對健康的影響將長期存在。陳仁杰等[10]研究了我國113個(gè)主要城市PM10對居民健康的影響，結(jié)果表明2006年P(guān)M10對我國113個(gè)城市居民造成了較大的健康損失，引起16.59萬例心血管疾病患者與8.90萬例呼吸系統(tǒng)疾病患者住院，29.97萬例患者過早死亡，健康經(jīng)濟(jì)損失為3413.03億元。針對我國當(dāng)前空氣霧霾現(xiàn)象頻繁發(fā)生，PM2.5濃度較高的現(xiàn)象，Voorhees等[11]對上海市PM導(dǎo)致的居民公共健康損失進(jìn)行分析，研究表明上海市空氣質(zhì)量如果達(dá)到國家二級(jí)標(biāo)準(zhǔn)的情況下，可避免所有死亡人數(shù)的貨幣價(jià)值為17億元～120億元。

第二種方法則是采用統(tǒng)計(jì)分析和計(jì)量模型開展實(shí)證研究。Pope等[12]對美國500000居民死亡的原因進(jìn)行研究，結(jié)果發(fā)現(xiàn)在控制吸煙、飲食等風(fēng)險(xiǎn)因素外，細(xì)顆粒物(PM10、PM2.5)、SO2等相關(guān)污染物與肺心病死亡率、肺癌死亡率和總死亡率相關(guān)，空氣中的細(xì)顆粒物濃度每升高10μg/m3, 肺心病死亡率、肺癌死亡率與總死亡率的風(fēng)險(xiǎn)性分別增加6%、8%和4%，在工業(yè)污染較嚴(yán)重的地區(qū)，風(fēng)險(xiǎn)性程度更高。Chen Yuyu等[13]以中國淮河取暖分界線為依據(jù)，研究空氣污染對預(yù)期壽命的影響，結(jié)果表明中國北方5億居民因嚴(yán)重的空氣污染平均每人失去5年壽命。Romero-Lankao等[14]采用泊松回歸方法，基于社會(huì)風(fēng)險(xiǎn)、環(huán)境公平與城市脆弱性關(guān)聯(lián)研究了拉丁美洲三座城市空氣污染對健康風(fēng)險(xiǎn)的影響，結(jié)果表明無論是城市脆弱性強(qiáng)還是弱的城市，空氣污染都會(huì)導(dǎo)致公共健康風(fēng)險(xiǎn)。Beatty等[15]使用回歸方法，利用大型數(shù)據(jù)庫中空氣細(xì)顆粒物與英國兒童呼吸系統(tǒng)健康數(shù)據(jù)分析，研究表明空氣細(xì)顆粒物對兒童患呼吸系統(tǒng)疾病有顯著影響。Samoli等[16]人在分析前人研究的基礎(chǔ)上采用時(shí)間序列數(shù)據(jù)，運(yùn)用泊松回歸模型研究表明空氣數(shù)據(jù)測量值的不完整性會(huì)低估空氣污染對公共健康的影響。Beelen等[17]人運(yùn)用特定隊(duì)列COX比例風(fēng)險(xiǎn)模型分析認(rèn)為空氣污染對所有心血管疾病與特定心血管疾病的死亡風(fēng)險(xiǎn)率都接近于一。依不拉音曉開提等[18]采用時(shí)間序列方法，研究烏魯木齊城區(qū)大氣污染對居民循環(huán)系統(tǒng)疾病的影響，結(jié)果顯示大氣中SO2、PM10濃度每增加10μg/m3, 循環(huán)系統(tǒng)疾病住院人數(shù)相對比率分別增加1.063和1.157。劉耀術(shù)等[19]采用Poisson廣義相加模型，研究廣東省某市大氣污染與女性死亡人數(shù)的關(guān)系，研究得出PM10和SO2濃度平均每上升100μg/m3，女性總死亡率相對危險(xiǎn)度為1.055和1.073。隨后，為了進(jìn)一步明確大氣污染與心血管疾病的關(guān)系，周穎等[20]探討了大氣污染對心血管疾病影響的機(jī)理，分析認(rèn)為吸入的PM可導(dǎo)致人體系統(tǒng)炎癥反應(yīng)、血壓升高、血栓形成與心臟結(jié)構(gòu)和功能改變等疾病；謝元博等[21]利用泊松回歸模型研究了北京市PM2.5對居民健康的影響，研究表明短期高濃度PM2.5約造成早逝201例、心血管疾病住院545例與呼吸系統(tǒng)疾病住院1056例等，健康經(jīng)濟(jì)損失達(dá)4.89億元。

此外，我國以燃煤型等化石能源消費(fèi)為主的能源結(jié)構(gòu)是導(dǎo)致大氣污染嚴(yán)重的主要原因[22-24]，近年來，一大批學(xué)者整合能源消費(fèi)、環(huán)境污染與居民健康展開了研究。陳軍等[25]利用因子分析方法研究了能源消費(fèi)背景下中國環(huán)境質(zhì)量與公共健康的關(guān)系，結(jié)果表明環(huán)境質(zhì)量對公共健康存在單向因果關(guān)系。Kan Haidong等[24]對我國能源消費(fèi)、氣候變化、環(huán)境污染與公共健康進(jìn)行研究，認(rèn)為能源消費(fèi)排放導(dǎo)致的氣候變化、PM10與SO2對我國居民公共健康有極大影響。周健[26]、謝元博等[27]利用LEAP模型、暴露響應(yīng)模型研究表明，在嚴(yán)格節(jié)能控制場景下，煤炭消費(fèi)比重的下降會(huì)減少相應(yīng)的疾病死亡。闞海東等[8]用回歸方法、房斌[28]利用吸入因子分析方法研究得出，能源消費(fèi)背景下，SO2與懸浮顆粒物(TSP)與居民死亡率有較強(qiáng)關(guān)系。Gohlke[29]采用自回歸模型研究發(fā)現(xiàn)，煤炭消費(fèi)量的增加將顯著提高嬰兒死亡率、降低人均預(yù)期壽命。曲衛(wèi)華、顏志軍[30]在分析總結(jié)前人研究的基礎(chǔ)上，運(yùn)用邊際產(chǎn)出等于邊際成本時(shí)的利潤最大化原理，結(jié)合劑量效應(yīng)、暴露響應(yīng)方法構(gòu)建了山西能源消費(fèi)對環(huán)境與公共健康影響的模型，研究表明能源轉(zhuǎn)型有助于環(huán)境污染的減少以及公共健康水平的提升。

關(guān)于經(jīng)濟(jì)增長、醫(yī)療衛(wèi)生服務(wù)對公共健康的影響主要基于計(jì)量方法的研究，Rostila等[31]運(yùn)用多層次邏輯斯蒂回歸模型，研究瑞典斯德哥爾摩居民收入與健康狀況的關(guān)系，結(jié)果表明收入的不平等對公共健康有較強(qiáng)影響。Feng Zhixin等[32]基于中國2008年23個(gè)省份健康調(diào)查數(shù)據(jù)，研究發(fā)現(xiàn)老年人的健康不僅受個(gè)人收入的影響，同時(shí)也受省際收入差異的影響。Allanson等[33]采用動(dòng)態(tài)回歸模型，研究英國1999年到2004年的居民收入、受教育程度與死亡率的關(guān)系，研究表明貧富不均和年齡增加等與居民死亡率存在重要關(guān)系。苑會(huì)娜[34]運(yùn)用聯(lián)立方程模型，研究農(nóng)民工收入與健康狀況的關(guān)系，結(jié)果表明農(nóng)民工收入對健康狀況有較強(qiáng)影響，醫(yī)療保障能顯著降低農(nóng)民工健康狀況惡化的可能性。胡洪曙等[35]運(yùn)用Ordered Probit Model模型研究中國老年人的長壽狀況，研究發(fā)現(xiàn)收入不平等對有無醫(yī)療保障的老年人幸福感存在顯著差異。趙鵬飛[36]運(yùn)用面板數(shù)據(jù)模型研究中國2003至2008年的政府衛(wèi)生支出對人口死亡率的影響，結(jié)果表明政府衛(wèi)生支出對人口死亡率有顯著影響。

綜上所述，學(xué)者們無論是利用暴露響應(yīng)與劑量效應(yīng)解析法的方法研究環(huán)境污染與公共健康的關(guān)系，還是采用計(jì)量的方法研究經(jīng)濟(jì)增長、醫(yī)療衛(wèi)生對公共健康的影響分析，均認(rèn)為環(huán)境污染、經(jīng)濟(jì)增長與醫(yī)療衛(wèi)生服務(wù)是影響居民公共健康的因素，但忽略了一個(gè)國家不同區(qū)域環(huán)境污染水平、經(jīng)濟(jì)增長與醫(yī)療服務(wù)水平參差不齊的情況，并未把這幾種因素全部結(jié)合起來分東中西部地域進(jìn)行考慮。如在研究環(huán)境污染與公共健康關(guān)系時(shí)僅從時(shí)間序列數(shù)據(jù)趨勢出發(fā)研究，沒有從面板數(shù)據(jù)角度分區(qū)域研究。眾所周知，就中國的情況而言，中國各區(qū)域能源消費(fèi)結(jié)構(gòu)不同，環(huán)境污染也不同，經(jīng)濟(jì)增長與醫(yī)療衛(wèi)生服務(wù)也有差異。另外，從一些統(tǒng)計(jì)數(shù)據(jù)中也可以看出，盡管西部比東、中部工業(yè)煙塵與SO2排放量較少，但由于經(jīng)濟(jì)增長與醫(yī)療衛(wèi)生服務(wù)低于東、中部，導(dǎo)致西部比東、中部死亡率較高。從各區(qū)域人口死亡率與人均GDP的數(shù)據(jù)序列來看，人均GDP與死亡率也不是簡單的線性關(guān)系。如山西省和四川省，2010年工業(yè)二氧化硫、工業(yè)煙塵分別為114.71(萬噸)、43.23(萬噸)與93.76(萬噸)、25.97(萬噸)；但由于人均衛(wèi)生醫(yī)生數(shù)和人均醫(yī)療保健支出有顯著差異：前者為25.34 (人)、70.82 (元)，而后者為16.13(人)、47.96(元)。導(dǎo)致人口死亡率四川省高于山西省，四川省為6.62‰，山西省為5.38‰。

為此，本文的研究工作主要有：在Grossman[37]創(chuàng)建的健康生產(chǎn)函數(shù)的基礎(chǔ)上，加入環(huán)境因素、人均GDP的二次項(xiàng)，綜合考慮環(huán)境污染、經(jīng)濟(jì)增長與醫(yī)療衛(wèi)生服務(wù)對居民公共健康的影響，以探討變量間是否存在穩(wěn)定的均衡關(guān)系，是否經(jīng)濟(jì)增長與公共健康存在倒U型的特征，并分析估算各區(qū)域到達(dá)拐點(diǎn)的時(shí)間，是否經(jīng)濟(jì)增長、醫(yī)療衛(wèi)生服務(wù)會(huì)降低環(huán)境污染對居民公共健康的影響。研究方法上，本文運(yùn)用面板數(shù)據(jù)模型，反映所選樣本在截面和時(shí)間兩個(gè)方面的變化趨勢以及不同單元、不同時(shí)間的特性，并且可以減少多重共線性的影響。因此，有必要基于各省份的不同情況進(jìn)行研究。

2 研究方法和模型構(gòu)建

2.1 研究方法

2.1.1 面板數(shù)據(jù)單位根檢驗(yàn)

由于非平穩(wěn)的時(shí)間序列經(jīng)濟(jì)變量可能存在一致的變化趨勢，但這些變量之間也許并沒有直接的聯(lián)系，如果直接用這些數(shù)據(jù)建立回歸模型會(huì)發(fā)生偽回歸現(xiàn)象，導(dǎo)致回歸結(jié)果沒有實(shí)際意義。為了不出現(xiàn)偽回歸現(xiàn)象，確保回歸結(jié)果的有效性，在對面板數(shù)據(jù)進(jìn)行回歸分析之前需要進(jìn)行單位根檢驗(yàn)，為此，對合成數(shù)據(jù)建立如下AR(1)過程：

yit=ρiyit-1+Xitδi+εit,i=1,2,…,N,t=1,2,…,Ti

(1)

(1)式中，Xit表示模型中外生變量向量，包含各截面的固定影響和時(shí)間趨勢，N表示截面成員總數(shù)，Ti代表第i個(gè)截面成員的時(shí)期總數(shù)；隨機(jī)誤差項(xiàng)εit相互滿足獨(dú)立同分布假設(shè)；ρi為自回歸系數(shù)，如果|ρi|<1，則說明序列yi為平穩(wěn)序列；如果|ρi|=1，則說明序列yi為非平穩(wěn)序列。

根據(jù)(1)式中ρi的不同限制，面板數(shù)據(jù)的單位根檢驗(yàn)方法劃分為兩大類，一類是各截面單元序列有相同的單位根過程，包括LLC檢驗(yàn)和Breitung檢驗(yàn)；另一類是各截面單元序列沒有相同的單位根過程，包括ADF-Fisher檢驗(yàn)、IPS檢驗(yàn)和PP-Fisher檢驗(yàn)[38]。此外，面板單位根檢驗(yàn)有3種檢驗(yàn)?zāi)Ｊ剑簝H有截距項(xiàng)、包括截距項(xiàng)和趨勢項(xiàng)、沒有截距項(xiàng)和趨勢項(xiàng)。本文分別在這三種模式下進(jìn)行常用的LLC檢驗(yàn)和ADF-Fisher檢驗(yàn)。

2.1.2 面板數(shù)據(jù)協(xié)整檢驗(yàn)

在滿足研究變量同階單整的情況下，可以對面板模型進(jìn)行協(xié)整檢驗(yàn)，對面板模型的協(xié)整檢驗(yàn)，主要有基于EngleandGranger二步法的面板數(shù)據(jù)協(xié)整檢驗(yàn)方法和Johansen協(xié)整檢驗(yàn)的Fisher協(xié)整檢驗(yàn)法。在以EG兩步法為基礎(chǔ)的面板模型協(xié)整檢驗(yàn)中，具有代表性的是以Kao為代表的同質(zhì)面板的協(xié)整檢驗(yàn)和Pedroni提出的異質(zhì)面板的協(xié)整檢驗(yàn)。Fisher協(xié)整檢驗(yàn)統(tǒng)計(jì)量較容易得到，允許在不同區(qū)域之間系統(tǒng)的異質(zhì)性，但是該方法有個(gè)缺點(diǎn)：檢驗(yàn)較短的時(shí)間序列是低效果的。由于Pedroni協(xié)整檢驗(yàn)允許截距和時(shí)間趨勢，可用于非平衡面板數(shù)據(jù)，而且允許面板數(shù)據(jù)具有很大的異質(zhì)性，因此本文基于同質(zhì)面板數(shù)據(jù)的Kao協(xié)整檢驗(yàn)與異質(zhì)面板數(shù)據(jù)的Pedroni協(xié)整檢驗(yàn)法進(jìn)行檢驗(yàn)。由于在Pedroni檢驗(yàn)中，PanelADF和GroupADF統(tǒng)計(jì)量較其他統(tǒng)計(jì)量有更好的小樣本性質(zhì)，因此本文主要參考PanelADF和GroupADF來判斷其協(xié)整性。Kao檢驗(yàn)包括DF檢驗(yàn)和ADF檢驗(yàn)兩類，本文采用ADF統(tǒng)計(jì)量進(jìn)行檢驗(yàn)，檢驗(yàn)的原假設(shè)為：變量間沒有協(xié)整關(guān)系；Pedroni協(xié)整檢驗(yàn)原假設(shè)為：面板變量間不存在協(xié)整關(guān)系。

2.1.3 面板模型估計(jì)

面板數(shù)據(jù)模型主要分三種類型，無個(gè)體影響的不變系數(shù)模型、變截距模型和變系數(shù)模型。其形式分別如下：

yit=αe+β'xit+uit,i=1,2,…,N,t=1,2,…,T

(2)

yit=αie+β'xit+uit,i=1,2,…,N,t=1,2,…,T

(3)

(4)

在參數(shù)隨時(shí)間不變的情況下，截距和斜率系數(shù)有如下兩種假設(shè)：

H1：β1=β2=…=βN；

H2：α1=α2…αN，β1=β2=…=βN；

如果接受H2，則選擇模型(2)，建立混合模型；如果接受H1，拒絕H2，則選擇模型(3)，建立個(gè)體固定效應(yīng)模型，可通過F檢驗(yàn)判斷。否則，拒絕H1，選擇模型(4)，建立變系數(shù)模型，引入Hausmam檢驗(yàn)，判別建立個(gè)體固定效應(yīng)模型還是個(gè)體隨機(jī)效應(yīng)模型。

2.2 模型構(gòu)建

本文的基本模型來自Grossman[37]創(chuàng)建的健康生產(chǎn)函數(shù)，在此模型基礎(chǔ)上，Cropper[44]、Gerking[45]、Alberini[46]等學(xué)者加入環(huán)境污染因素后對模型進(jìn)行了改進(jìn)，并參照趙忠[39]、盧洪友等[40]建立的宏觀健康生產(chǎn)函數(shù)，將影響公共健康的相關(guān)因素確定為環(huán)境因素、經(jīng)濟(jì)因素、醫(yī)療保健因素與公共衛(wèi)生因素，因此得到：

lnswlit=Cit+b1lngyso2it+b2lngyycit+b3lnpgdpit+b4ln2pgdpit+b5lnphceit+b6lnpdocit+μit

(5)

模型(5)中，參照世界衛(wèi)生組織對健康的定義以及前人研究，被解釋變量公共健康水平lnswl用死亡率指標(biāo)來衡量，與微觀數(shù)據(jù)中觀察的健康水平相比，宏觀數(shù)據(jù)較難區(qū)分健康水平的結(jié)構(gòu)差異，只能通過一些近似的死亡率度量；核心解釋變量分別為工業(yè)二氧化硫lngyso2、工業(yè)煙塵lngyyc、人均生產(chǎn)總值lnpgdp。由于獲取各省市的PM10和PM2.5數(shù)據(jù)較為困難，本文選擇工業(yè)煙塵排放量與工業(yè)二氧化硫排放量表征環(huán)境質(zhì)量：首先，相比與其它環(huán)境因素，空氣環(huán)境的外溢性和外生決定性較強(qiáng)，這種特性有助于減輕本文的內(nèi)生性問題；其次，居民整體暴露于大氣環(huán)境中的頻率比其它要素(水、土壤等)要高，這在一定程度上對宏觀數(shù)據(jù)使用的缺陷進(jìn)行了補(bǔ)充；最后，工業(yè)二氧化硫與煙塵是顆粒物(PM10、PM2.5)的主要成分，顆粒物是空氣中微小固態(tài)和液態(tài)顆粒物的總稱，主要源于以下三方面：一是污染源的直接排放，特別是化石能源消費(fèi)的直接排放；二是大氣中的氮氧化物、硫氧化物與其它揮發(fā)性有機(jī)化合物形成的細(xì)小顆粒物；三是機(jī)動(dòng)車尾氣的排放等。與其它環(huán)境污染物因素(水污染、土壤污染等)相比，大氣污染物對公共健康影響較為突出，顆粒物的主要成分——工業(yè)煙塵與工業(yè)二氧化硫可作為綜合表征空氣的質(zhì)量指標(biāo)，也是諸多相關(guān)學(xué)者首選的環(huán)境指標(biāo)，這兩種污染物對公共健康的影響更大[40-41]。經(jīng)濟(jì)增長的測量指標(biāo)較成熟，大多以人均GDP表示[38, 42-43]，同時(shí)，模型引入控制變量人均醫(yī)療保健支出lnphce和人均衛(wèi)生醫(yī)生數(shù)lnpdoc。此外，從各區(qū)域人口死亡率人均GDP的數(shù)據(jù)序列來看，人均GDP與死亡率不是簡單的線性關(guān)系，而具有倒U型特征(如圖1)，由于各區(qū)域省份較多，本文只列出中部人均GDP與中部人口平均死亡率關(guān)系圖，不同截面之間μit為相互獨(dú)立的隨機(jī)擾動(dòng)。

圖1 中部人均GDP與中部人口平均死亡率關(guān)系圖

3 樣本選取和數(shù)據(jù)處理

本文數(shù)據(jù)主要來自《中國統(tǒng)計(jì)年鑒》、《新中國六十年統(tǒng)計(jì)資料匯編》、《中國環(huán)境統(tǒng)計(jì)年鑒》和各省市部分統(tǒng)計(jì)年鑒，選取數(shù)據(jù)的樣本區(qū)間為1997年到2010年，共14年數(shù)據(jù)；數(shù)據(jù)包括全國30個(gè)省市(除西藏和港、澳、臺(tái))的人均GDP數(shù)據(jù)(為消除價(jià)格影響，以1990年為基期的不變價(jià)格計(jì)算，單位：元/人)、各省工業(yè)二氧化硫(單位：萬噸)、各省工業(yè)煙塵(單位：萬噸)、各省人均醫(yī)療保健支出(單位：元/人)和各省人均衛(wèi)生醫(yī)生數(shù)(單位：人/萬人)以及各省人口死亡率(單位：人/千人)。為消除異方差影響，本文對被解釋變量和各解釋變量取自然對數(shù)。

4 實(shí)證分析

4.1 描述性統(tǒng)計(jì)

分別對解釋變量和被解釋變量的自然對數(shù)進(jìn)行描述性統(tǒng)計(jì)，如表1所示，從表1可以看出，公共健康水平死亡率最大均值出現(xiàn)在西部地區(qū)，達(dá)到1.82,東部地區(qū)死亡率最小，為1.78。工業(yè)煙塵和工業(yè)二氧化硫中部地區(qū)遠(yuǎn)高于東西部地區(qū)，達(dá)到3.51和3.85，拉動(dòng)效應(yīng)使得東西部地區(qū)不及全國平均水平。人均GDP東部地區(qū)最高，為8.46，由于拉動(dòng)效應(yīng)，中西部地區(qū)人均GDP遠(yuǎn)不如全國水平，西部人均GDP最低，為7.82。醫(yī)療衛(wèi)生公共服務(wù)方面，東部人均醫(yī)療健康保健支出最高，為4.34，中西、部地區(qū)較低，分別為4.18與4.19；人均醫(yī)生數(shù)量東部地區(qū)遠(yuǎn)高于中西部地區(qū)，達(dá)到2.92，中、西部地區(qū)分別為2.71與2.73，全國平均水平為2.79。通過上述各組數(shù)據(jù)的對比可看出，工業(yè)煙塵與工業(yè)二氧化硫排放最高的中部地區(qū)并不是公共健康水平人均死亡率最高的地區(qū)，從某種程度上可以推測出有別的因素降低了環(huán)境污染對公共健康的風(fēng)險(xiǎn)。

4.2 面板數(shù)據(jù)單位根檢驗(yàn)

在協(xié)整檢驗(yàn)前，須確保各數(shù)據(jù)是平穩(wěn)的，否則會(huì)得到偽回歸結(jié)果。本文運(yùn)用2.1中提及的LLC檢驗(yàn)和ADF-Fisher檢驗(yàn)進(jìn)行面板單位根檢驗(yàn)。根據(jù)表2單位根檢驗(yàn)結(jié)果，原值序列中，有的數(shù)據(jù)序列無法拒絕原假設(shè)，即存在單位根。綜合來看，原值序列無法拒絕存在單位根的原假設(shè)，為非平穩(wěn)序列。經(jīng)過差分后的序列，有極少數(shù)據(jù)序列在10%顯著水平下通過檢驗(yàn)外，大部分序列在5%顯著水平下通過檢驗(yàn)，表明一階差分后序列是平穩(wěn)的，因此各變量是一階單整的。

表1 變量描述性統(tǒng)計(jì)

注：括號(hào)內(nèi)數(shù)值為P值。

4.3 面板數(shù)據(jù)協(xié)整檢驗(yàn)

由于各變量序列是同階單整序列，符合協(xié)整檢驗(yàn)前提，我們運(yùn)用Pedroni與Kao方法進(jìn)行協(xié)整檢驗(yàn)， 由檢驗(yàn)結(jié)果(如表3 所示)可見，各區(qū)域模型中的Panel ADF和Group ADF統(tǒng)計(jì)量，除了Panelυ與Group rho統(tǒng)計(jì)量通過了10%水平的顯著性檢驗(yàn)外，其余統(tǒng)計(jì)量都通過1%和5%水平的顯著性檢驗(yàn)。 Kao檢驗(yàn)(如表4所示)中，各區(qū)域模型的ADF統(tǒng)計(jì)量都通過了1%水平的顯著性檢驗(yàn)。綜合Pedroni檢驗(yàn)與Kao檢驗(yàn)，拒絕原假設(shè)，表明各地區(qū)人口死亡率與各解釋變量存在協(xié)整關(guān)系。

表3 Pedroni協(xié)整檢驗(yàn)

注：括號(hào)內(nèi)數(shù)值為P值。

表4 Kao檢驗(yàn)

注：括號(hào)內(nèi)數(shù)值為P值。

4.4 面板數(shù)據(jù)模型類型判別

在面板數(shù)據(jù)模型建立之前，需先對模型的類型進(jìn)行判別，其中, F檢驗(yàn)用于判別模型是混合模型還是固定效應(yīng)模型，此檢驗(yàn)的原假設(shè)為：真實(shí)模型是混合模型，備擇假設(shè)為：真實(shí)模型是個(gè)體固定效應(yīng)模型，由表5知P值小于0.05，因此拒絕原假設(shè)，即所建立的個(gè)體固定效應(yīng)模型是合適的。進(jìn)一步，為了判別模型是個(gè)體隨機(jī)效應(yīng)模型還是個(gè)體固定效應(yīng)模型，引入Hausman檢驗(yàn)，此檢驗(yàn)的原假設(shè)為：應(yīng)建立個(gè)體隨機(jī)效應(yīng)模型；備擇假設(shè)為：應(yīng)建立個(gè)體固定效應(yīng)模型，由表5知P值小于0.05，因此拒絕原假設(shè)，即所建立的個(gè)體固定效應(yīng)模型是合適的。另外，從實(shí)際樣本量來看，研究的對象是全國30個(gè)省市的死亡率等變量，不存在總體中隨機(jī)抽樣的現(xiàn)象，因此建立個(gè)體固定效應(yīng)模型比建立隨機(jī)效應(yīng)模型更合適。

表5 面板模型類型判別

注：括號(hào)內(nèi)數(shù)值為P值。

4.5 面板數(shù)據(jù)模型回歸分析

在面板數(shù)據(jù)模型回歸分析時(shí)，在權(quán)數(shù)選擇項(xiàng)選擇按截面加權(quán)(Cross-section Weights)，表示允許不同的截面存在異方差現(xiàn)象。估計(jì)方法采用PCSE(Panel Corrected Standard Errors, 面板校正標(biāo)準(zhǔn)誤差)方法， 此方法可以有效處理復(fù)雜的面板誤差結(jié)構(gòu)，如序列相關(guān)、異方差與同步相關(guān)等、估計(jì)結(jié)果如表6所示。

從表6可以發(fā)現(xiàn)，無論是加入人均醫(yī)療保健因素與人均衛(wèi)生醫(yī)生數(shù)之前還是之后，以工業(yè)煙塵排放量表征的環(huán)境污染因素對各區(qū)域居民公共健康影響是顯著的，工業(yè)二氧化硫排放量對中部區(qū)域公共健康影響是顯著的，這說明環(huán)境因素是影響居民健康的重要因素之一。在加入醫(yī)療衛(wèi)生服務(wù)因素后，環(huán)境污染對健康的影響系數(shù)減弱，在一定程度上，說明醫(yī)療衛(wèi)生服務(wù)因素具有降低環(huán)境污染健康風(fēng)險(xiǎn)的作用。除西部外，人均GDP的一次項(xiàng)系數(shù)為正數(shù)，二次項(xiàng)系數(shù)為負(fù)數(shù)，且在統(tǒng)計(jì)上非常顯著，說明公共健康與經(jīng)濟(jì)增長呈現(xiàn)倒U型的關(guān)系。分區(qū)域結(jié)果如下：

在加入人均醫(yī)療保健支出與人均衛(wèi)生醫(yī)生因素之后， 中部地區(qū)的工業(yè)二氧化硫排放量對死亡率的在加入人均醫(yī)療保健支出與人均衛(wèi)生醫(yī)生數(shù)之后，東部地區(qū)的工業(yè)煙塵排放量對死亡率的影響系數(shù)從0.009降至0.006，且在10%的水平上顯著，說明人均醫(yī)療保健支出與人均衛(wèi)生醫(yī)生數(shù)對居民健康水平有影響，人均衛(wèi)生醫(yī)生數(shù)與死亡率顯著呈負(fù)相關(guān)，同時(shí)也說明這兩種因素可以降低環(huán)境污染健康風(fēng)險(xiǎn)的影響。

表6 估計(jì)結(jié)果

注：括號(hào)內(nèi)數(shù)值為P值。

影響系數(shù)從0.069降至0.055，且具有顯著性，人均醫(yī)療保健支出與人均衛(wèi)生因素與死亡率都呈負(fù)相關(guān)，且具有顯著性。說明人均醫(yī)療保健支出與人均衛(wèi)生醫(yī)生數(shù)降低環(huán)境污染對居民健康風(fēng)險(xiǎn)的影響。

在加入人均醫(yī)療保健支出與人均衛(wèi)生因素之后，西部地區(qū)的工業(yè)二氧化硫排放量對死亡率的影響在10%的水平上顯著，人均GDP的一次項(xiàng)系數(shù)為負(fù)，且具有顯著性，說明公共健康與經(jīng)濟(jì)增長呈負(fù)相關(guān)。人均醫(yī)療保健支出與人均衛(wèi)生醫(yī)生數(shù)與死亡率不具有顯著性。

通過各區(qū)域被解釋變量與解釋變量的關(guān)系區(qū)域比較，總體上工業(yè)煙塵與工業(yè)二氧化硫?qū)χ胁康貐^(qū)的公共健康影響最大，其次是東部地區(qū)，對西部地區(qū)的影響比較不明顯。解釋變量在全國總體上具有較顯著的影響，而人均醫(yī)生數(shù)對東部地區(qū)的影響最大，其次是中部。

5 結(jié)語

本文旨在通過全國30個(gè)省市1997-2010年面板數(shù)據(jù)，分東部地區(qū)、中部地區(qū)和西部地區(qū)研究環(huán)境污染、經(jīng)濟(jì)增長與醫(yī)療衛(wèi)生服務(wù)對公共健康的影響，通過實(shí)證檢驗(yàn)，選取了個(gè)體固定效應(yīng)模型進(jìn)行數(shù)據(jù)擬合，得到以下主要結(jié)論：(1)居民公共健康與環(huán)境污染、經(jīng)濟(jì)增長、醫(yī)療衛(wèi)生服務(wù)在全國和各區(qū)域存在長期穩(wěn)定的均衡關(guān)系。(2)以工業(yè)煙塵排放量和工業(yè)二氧化硫排放量表征的環(huán)境污染因素對居民公共健康的影響，無論是加入醫(yī)療衛(wèi)生服務(wù)因素之前還是之后，工業(yè)二氧化硫排放量只在中部地區(qū)對死亡率有顯著影響，而工業(yè)煙塵排放量對各區(qū)域死亡率是顯著的。(3)在加入醫(yī)療衛(wèi)生服務(wù)因素之后，東部地區(qū)的工業(yè)煙塵排放量對死亡率的影響系數(shù)從0.009降至0.006，中部地區(qū)的工業(yè)二氧化硫排放量對死亡率的影響系數(shù)從0.069降至0.055，且均具有顯著性。(4)全國、東部和中部地區(qū)模型中，公共健康與經(jīng)濟(jì)增長呈現(xiàn)倒U型的特征，對于東部地區(qū)，人均GDP為4205元時(shí)，曲線達(dá)到拐點(diǎn)，在2006年后，絕大多數(shù)省份已經(jīng)進(jìn)入拐點(diǎn)后狀態(tài)；對于中部地區(qū)，人均GDP為3311元時(shí)，曲線達(dá)到拐點(diǎn)，需經(jīng)過3年的時(shí)間曲線到達(dá)拐點(diǎn)。

從本文的實(shí)證結(jié)果來看，東部和中部地區(qū)的公共健康與經(jīng)濟(jì)增長呈現(xiàn)倒U型的關(guān)系，醫(yī)療衛(wèi)生服務(wù)可降低環(huán)境污染導(dǎo)致的居民健康風(fēng)險(xiǎn)。然而，近年來，隨著我國經(jīng)濟(jì)的快速發(fā)展，環(huán)境污染現(xiàn)象日趨突出，特別是我國以煤燃燒為主的能源消費(fèi)結(jié)構(gòu)排放的SO2、煙塵等污染物是大氣污染的主要來源，對居民公共健康產(chǎn)生重要風(fēng)險(xiǎn)。從區(qū)域?qū)用婵?，我國區(qū)域間的人均GDP存在較大差異，人口死亡率與各解釋變量的關(guān)系也呈現(xiàn)出多樣性，可見，針對不同的區(qū)域，應(yīng)制定不同的環(huán)境污染、醫(yī)療衛(wèi)生與公共健康的政策。因此，從減輕環(huán)境污染的根源上看，我國應(yīng)減少污染排放較多的化石能源消耗比例，大力創(chuàng)新發(fā)展污染較少的清潔能源技術(shù)，增多清潔能源在能源消費(fèi)結(jié)構(gòu)中的比重，增多清潔能源消費(fèi)種類，減輕對化石能源消費(fèi)的依賴，從源頭上遏制環(huán)境污染。相比西部區(qū)域，污染排放較多、經(jīng)濟(jì)增長較快的東部和中部，國家應(yīng)該實(shí)現(xiàn)能源轉(zhuǎn)型，尋求可替代能源，減少環(huán)境污染物的排放，使環(huán)境與經(jīng)濟(jì)可持續(xù)發(fā)展；針對污染排放較少、經(jīng)濟(jì)增長較慢的西部地區(qū)，國家應(yīng)該大力發(fā)展污染排放較少的清潔能源，避免因盲目追求經(jīng)濟(jì)增長造成不可挽救的環(huán)境災(zāi)難和居民的健康損失。從醫(yī)療衛(wèi)生服務(wù)方面看，在東部和中部地區(qū)，國家應(yīng)該加大醫(yī)生數(shù)量的投入，從而增加人均醫(yī)生數(shù)量。因此，發(fā)展污染排放較少的清潔能源、增多人均醫(yī)生數(shù)量，提高人均GDP可有效減少環(huán)境污染對居民健康損失的風(fēng)險(xiǎn)，增進(jìn)健康。比較而言，相比人均醫(yī)療保健支出的增加，人均醫(yī)生數(shù)量的增多更能降低環(huán)境污染對居民公共健康的損失。

[1] 劉鑒強(qiáng). 中國環(huán)境發(fā)展報(bào)告(2013)[M]. 北京: 社會(huì)科學(xué)文獻(xiàn)出版社, 2013.

[2] 杜建國, 王敏, 陳曉燕,等. 公眾參與下的企業(yè)環(huán)境行為演化研究[J]. 運(yùn)籌與管理, 2013, 22(1): 244-251.

[3]MatusK,NamK-M,SelinNE,etal.HealthdamagesfromairpollutioninChina[J].Globalenvironmentalchange, 2012, 22(1): 55-66.

[4]ChenYuling,ShihY-H,TsengC-H,etal.Economicandhealthbenefitsoftheco-reductionofairpollutantsandgreenhousegases[J].Mitigation&AdaptationStrategiesforGlobalChenge, 2013, 18(8): 1125-1139.

[5]TurnerMC,KrewskiD,PopeIiiCA,etal.Long-termambientfineparticulatematterairpollutionandlungcancerinalargecohortofnever-smokers[J].Americanjournalofrespiratoryandcriticalcaremedicine, 2011, 184(12): 1374-1381.

[6]SramRJ,BinkovaB,DostalM,etal.Healthimpactofairpollutiontochildren[J].InternationalJournalofHygieneandEnvironmentalHealth, 2013, 216(5): 533-540.

[7] 黃德生, 張世秋. 京津冀地區(qū)控制PM2.5污染的健康效益評估[J]. 中國環(huán)境科學(xué), 2013, 33(1): 166-174.

[8] 闞海東, 陳秉衡. 我國部分城市大氣污染對健康影響的研究 10 年回顧[J]. 中華預(yù)防醫(yī)學(xué)雜志, 2002, 1(36): 59-61.

[9] 闞海東, 鄔堂春. 我國大氣污染對居民健康影響的回顧和展望[J]. 第二軍醫(yī)大學(xué)學(xué)報(bào), 2013, 34(7): 697-699.

[10] 陳仁杰, 陳秉衡, 闞海東. 我國 113 個(gè)城市大氣顆粒物污染的健康經(jīng)濟(jì)學(xué)評價(jià)[J]. 中國環(huán)境科學(xué), 2010, 30(3): 410-415.

[11]VoorheesAS,WangJiandong,WangCuicui,etal.PublichealthbenefitsofreducingairpollutioninShanghai:Aproof-of-conceptmethodologywithapplicationtoBenMAP[J].ScienceofTheTotalEnvironment, 2014, 485:396-405.

[12]PopeIiiCA,BurnettRT,ThunMJ,etal.Lungcancer,cardiopulmonarymortality,andlong-termexposuretofineparticulateairpollution[J].JAMA:thejournaloftheAmericanMedicalAssociation, 2002, 287(9): 1132-1141.

[13]ChenYuyu,EbensteinA,GreenstoneM,etal.EvidenceontheimpactofsustainedexposuretoairpollutiononlifeexpectancyfromChina’sHuaiRiverpolicy[J].ProceedingsoftheNationalAcademyofSciences, 2013, 110(32): 12936-12941.

[14]Romero-LankaoP,QinHua,Borbor-CordovaM.ExplorationofhealthrisksrelatedtoairpollutionandtemperatureinthreeLatinAmericancities[J].SocialScience&Medicine, 2013, 83(2): 110-118.

[15]BeattyTKM,ShimshackJP.Airpollutionandchildren'srespiratoryhealth:Acohortanalysis[J].JournalofEnvironmentalEconomicsandManagement, 2014, 67(1): 39-57.

[16]SamoliE,PengRD,RamsayT,etal.Whatistheimpactofsystematicallymissingexposuredataonairpollutionhealtheffectestimates?[J].AirQuality,Atmosphere&Health, 2014, 7(25):1-6.

[17]BeelenR,StafoggiaM,Raaschou-NielsenO,etal.Long-termexposuretoairpollutionandcardiovascularmortality:Ananalysisof22Europeancohorts[J].Epidemiology, 2014, 25(3): 368-378.

[18] 依不拉音曉開提, 鮑玉星, 吳文華,等. 烏魯木齊大氣污染與循環(huán)系統(tǒng)疾病日住院人數(shù)的時(shí)間序列分析[J]. 衛(wèi)生研究, 2013, 42(4): 682-685.

[19] 劉耀術(shù), 趙慶國, 梁志江,等. 大氣污染對女性健康效應(yīng)的時(shí)間序列分析[J]. 環(huán)境與健康雜志, 2013, 30(6): 529-533.

[20] 周穎, 徐興祥, 閔凌峰. 大氣污染對心血管疾病的影響研究進(jìn)展[J]. 實(shí)用醫(yī)學(xué)雜志, 2014, 30(3): 337-339.

[21] 謝元博, 陳娟, 李巍. 霧霾重污染期間北京居民對高濃度PM2.5持續(xù)暴露的健康風(fēng)險(xiǎn)及其損害價(jià)值評估[J]. 環(huán)境科學(xué), 2014, 35(1): 1-8.

[22] 魏一鳴, 吳剛, 梁巧梅,等. 中國能源報(bào)告(2012):能源安全研究[M]. 北京: 科學(xué)出版社, 2012.

[23] 趙金樓, 李根, 蘇屹,等. 我國能源效率地區(qū)差異及收斂性分析——基于隨機(jī)前沿分析和面板單位根的實(shí)證研究[J]. 中國管理科學(xué), 2013, 21(2): 175-184.

[24]KanHaidong,ChenRenjie,TongShilu.Ambientairpollution,climatechange,andpopulationhealthinChina[J].Environmentinternational, 2012, 42:10-19.

[25] 陳軍, 成金華, 白永亮. 能源消費(fèi)背景下中國的環(huán)境質(zhì)量與公眾健康[J]. 管理學(xué)報(bào), 2008, 5(4): 549-554.

[26] 周健, 崔勝輝, 林劍藝,等. 廈門市能源消費(fèi)對環(huán)境及公共健康影響研究[J]. 環(huán)境科學(xué)學(xué)報(bào), 2011, 31(9): 2058-2065.

[27] 謝元博, 李巍. 基于能源-環(huán)境情景模擬的北京市大氣污染對居民健康風(fēng)險(xiǎn)評價(jià)研究[J]. 環(huán)境科學(xué)學(xué)報(bào), 2013, 33(6): 1763-1770.

[28] 房斌. 中國能源環(huán)境健康效應(yīng)的綜合評估方法及其應(yīng)用研究[D]. 北京: 中國科學(xué)院研究生院, 2011.

[29]GohlkeJM,ThomasR,WoodwardA,etal.Estimatingtheglobalpublichealthimplicationsofelectricityandcoalconsumption[J].Environmentalhealthperspectives, 2011, 119(6): 821-826.

[30] 曲衛(wèi)華, 顏志軍. 能源消費(fèi)對環(huán)境與公共健康的影響——基于山西省的實(shí)證分析[J]. 北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2014, 16(4): 33-41.

[31]RostilaM,K?leg?rdML,FritzellJ.Incomeinequalityandself-ratedhealthinStockholm,Sweden:Atestofthe‘incomeinequalityhypothesis’ontwolevelsofaggregation[J].SocialScience&Medicine, 2012, 74(7): 1091-1098.

[32]FengZhixin,WangWW,JonesK,etal.Anexploratorymultilevelanalysisofincome,incomeinequalityandself-ratedhealthoftheelderlyinChina[J].SocialScience&Medicine, 2012, 75(12): 2481-2492.

[33]AllansonP,PetrieD.Longitudinalmethodstoinvestigatetheroleofhealthdeterminantsinthedynamicsofincome-relatedhealthinequality[J].JournalofHealthEconomics, 2013, 32(5): 922-937.

[34] 苑會(huì)娜. 進(jìn)城農(nóng)民工的健康與收入——來自北京市農(nóng)民工調(diào)查的證據(jù)[J]. 管理世界, 2009, (5): 56-66.

[35] 胡洪曙, 魯元平. 收入不平等、健康與老年人主觀幸福感——來自中國老齡化背景下的經(jīng)驗(yàn)證據(jù)[J]. 中國軟科學(xué), 2012, (11): 41-56.

[36] 趙鵬飛. 公共衛(wèi)生支出與國民健康及經(jīng)濟(jì)發(fā)展的關(guān)系研究[D]. 北京; 北京交通大學(xué), 2012.

[37]GrossmanM.Ontheconceptofhealthcapitalandthedemandforhealth[J].TheJournalofPoliticalEconomy, 1972, 80(2): 223-255.

[38] 吳振信, 謝曉晶, 王書平. 經(jīng)濟(jì)增長、產(chǎn)業(yè)結(jié)構(gòu)對碳排放的影響分析——基于中國的省際面板數(shù)據(jù)[J]. 中國管理科學(xué), 2012, 20(3): 161-166.

[39] 趙忠. 我國農(nóng)村人口的健康狀況及影響因素[J]. 管理世界, 2006, (3): 78-85.

[40] 盧洪友, 祁毓. 環(huán)境質(zhì)量, 公共服務(wù)與國民健康——基于跨國 (地區(qū)) 數(shù)據(jù)的分析[J]. 財(cái)經(jīng)研究, 2013, 39(6): 106-118.

[41] 苗艷青, 陳文晶. 空氣污染和健康需求Grossan模型的應(yīng)用[J]. 世界經(jīng)濟(jì), 2010, (6):140-160.

[42] 蔡圣華, 杜立民, 畢清華. 我國提高能源效率的目標(biāo)設(shè)計(jì)[J]. 中國管理科學(xué), 2012, 20(3): 152-160.

[43] 許冰, 章上峰. 經(jīng)濟(jì)增長與收入分配不平等的倒U型多拐點(diǎn)測度研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2010, (2): 54-64.

[44]CropperML.Measuringthebenefitsfromreducedmorbidity[J].TheAmericaneconomicreview, 1981,71(2):235-240.

[45]GerkingS,StanleyLR.Aneconomicanalysisofairpollutionandhealth:thecaseofSt.Louis[J].TheReviewofEconomicsandStatiswtics,1986,68(1):115-121.

[46]AlberiniA,CropperM,FuT-T,etal.Valuinghealtheffectsofairpollutionindevelopingcountries:thecaseofTaiwan[J].JournalofEnvironmentalEconomicsandManagement, 1997,34(2):107-126.

TheInfluenceofEnvironmentalPollution,EconomicGrowthandHealthcareServicestoPublicHealthBasedonChina’sProvincialPanelData

QU Wei-hua1,2, YAN Zhi-jun1

(1.School of Management and Economics, Beijing Institute of Technology, Beijing 100081, China;2.Taiyuan University, Taiyuan 030032,China)

Environmental pollution and economic growth have great impacts on public health, but the dynamic relationship analysis among them based on different areas’ panel data is missing in existing literatures. Based on Grossman’s health production function, environmental pollution factors are added to study the effects of environmental pollution, economic growth and healthcare service on public health. Using the panel data of 30 provinces in China from year 1997 to 2010, the entity fixed effects model is established and the difference among east area, middle area and west area in China is analyzed. The results show that there is a long equilibrium cointegration relationship between environmental pollution, economic growth, healthcare services and public health, and an inverted U curve is presented between economic growth and public health in the east, middle and overall China significantly. Specifically the curve has met its knee point in the east, and will meet its knee point if per GDP is 3311 Yuan in the middle. Industrial soot emissions has significant positive effect on human mortality in each areas of China, but industrial so2emissions only has significant effect on human mortality in the middle area. At the same time, correlation between the doctor per person and human mortality is significantly negative, while it does not occur in the west area. And healthcare services spending per capita is significantly negative on human mortality in the middle area. The medical services can effectively reduce health threats to the public. Therefore, formulating differential policies of environmental pollution, economic growth and healthcare services and so on are beneficial to improve the level of public health of overall China, eastern region and midwest.

environmental pollution; economic growth; healthcare services; public health

2014-02-20；

2014-07-28

教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃(NCET-11-0792)；國家自然科學(xué)基金資助項(xiàng)目(71272057，70972006)

曲衛(wèi)華(1982-)，男(漢族)，山西靜樂人，北京理工大學(xué)管理與經(jīng)濟(jì)學(xué)院博士研究生，太原學(xué)院講師，研究方向：復(fù)雜系統(tǒng)建模、健康管理.

1003-207(2015)07-0166-11

10.16381/j.cnki.issn1003-207x.2015.07.021

F205;F062.2

A