空氣污染與高管流動研究
——基于秦嶺—淮河線的斷點回歸設(shè)計

楊金玉

一、引 言

2019年《中國生態(tài)環(huán)境狀況公報》顯示，全國337個地級及以上城市中有180個城市空氣質(zhì)量超標(biāo)，其占比為53.4%；337個城市發(fā)生重度污染1666天次，發(fā)生嚴(yán)重污染452天次，以PM2.5為首要污染物的天數(shù)占重度及以上污染天數(shù)的78.8%。2020年全球環(huán)境績效指數(shù)(Environmental Performance Index，EPI)排名中，中國空氣質(zhì)量指數(shù)在180個國家和地區(qū)中排在第137位?？諝馕廴窘o居民健康帶來了嚴(yán)重威脅，并制約了經(jīng)濟的高質(zhì)量發(fā)展，長期以來受到相關(guān)部門和學(xué)者們的高度重視(黎文靖和鄭曼妮，2016；石慶玲等，2016；陳強等，2017)。

與此相關(guān)的早期研究主要關(guān)注經(jīng)濟增長造成的污染問題(Peng和Bao，2006；符淼和黃灼明，2008)。之后，越來越多的學(xué)者指出環(huán)境污染也會反向抑制經(jīng)濟增長(Weuve等，2012；Chen等，2013；陳碩和陳婷，2014)。隨著環(huán)境立法和相關(guān)政策的出臺，也有學(xué)者關(guān)注于相關(guān)立法對空氣質(zhì)量的改善和經(jīng)濟增長、資源配置效率的影響(陳詩一和陳登科，2018；李蕾蕾和盛丹，2018)?？偟膩碇v，空氣污染和經(jīng)濟增長相關(guān)研究集中于宏觀政策(例如環(huán)境立法、環(huán)境規(guī)制)對宏觀經(jīng)濟實體(例如國家、地區(qū)經(jīng)濟增長)影響的探討，較少有研究探討空氣污染對微觀個體行為決策和生產(chǎn)績效的影響(Higdon等，2015；Chang等，2016；羅勇根等，2019)。

在現(xiàn)實的經(jīng)濟運行中，空氣污染可能對區(qū)域高級人才和人力資本的流動帶來重要影響。本文關(guān)注于空氣污染對企業(yè)高管流動的影響。理論上，空氣污染將對個體的健康和情緒帶來嚴(yán)重的威脅。對于高管來講，作為較高收入群體，高管更加看重生活的質(zhì)量與品質(zhì)。當(dāng)空氣污染對自身的健康和情緒等造成影響時，將促使高管選擇離職。同時，高管個體、企業(yè)和所處的外部環(huán)境因素也將對上述關(guān)系產(chǎn)生直接或者間接的影響。以高管能力為例，在面臨同等嚴(yán)重的空氣污染時，能力較強的高管在勞動力市場中具有更強的競爭優(yōu)勢，易于獲取相當(dāng)或者更好的工作崗位，其流動性也將隨之增加。此外，企業(yè)及其所處外部環(huán)境因素也會對高管流動決策產(chǎn)生影響(宗文龍等，2013；饒品貴和徐子慧，2017)。

基于上述背景，結(jié)合高管簡歷和中國地級市的空氣質(zhì)量指數(shù)(AQI)數(shù)據(jù)，本文以秦嶺—淮河線(供暖分界線)作為南北空氣質(zhì)量差異的“斷點”，使用斷點回歸設(shè)計(RDD)檢驗空氣污染對高管流動的影響。

本文可能的研究貢獻主要有以下三個方面。

第一，拓展了與空氣污染及其經(jīng)濟后果相關(guān)的研究領(lǐng)域。當(dāng)前，與空氣污染及其經(jīng)濟后果相關(guān)的研究主要集中于宏觀層面的國家政策、地區(qū)環(huán)境政策對經(jīng)濟增長的影響(陳詩一和陳登科，2018；李蕾蕾和盛丹，2018)，鮮有探討空氣污染對微觀層面的影響(Chen等，2017；Dehaan等，2017；羅勇根等，2019)。本研究從高管個體角度，探討了空氣污染對高管流動可能性的影響，并發(fā)現(xiàn)空氣污染促進了高管流動，從而可能造成企業(yè)和區(qū)域高級人力資本的流失與錯配。同時，本研究也有助于理解空氣污染治理的重要作用，對進一步提高環(huán)境治理能力，實現(xiàn)經(jīng)濟與環(huán)境的和諧共生，具有一定的借鑒意義。

第二，將空氣污染這一地區(qū)層面因素納入對高管流動的分析框架中，檢驗空氣污染對高管流動的影響。具體而言，鑒于高管對企業(yè)的重要性，現(xiàn)有較多的研究探討了高管流動及其影響因素，主要聚焦于高管個體特征和企業(yè)層面因素(黃繼承和盛明泉，2013；周林潔和邱汛，2013)，較少從高管所在的空間特征進行分析。基于中國空氣污染的經(jīng)濟環(huán)境背景，本文以空氣污染這一地區(qū)層面因素為視角，為高管流動領(lǐng)域的研究提供了更為豐富的實證證據(jù)。同時，本研究對空間經(jīng)濟學(xué)的相關(guān)研究也有所貢獻，即除了個體所在城市的規(guī)模、天氣和日照等空間地理特征會影響企業(yè)高管決策行為外(Chen等，2017；Dehaan等，2017)，空氣污染也被納入個體行為決策的重要因素之中。

第三，在一定程度上解決了當(dāng)前高管流動的內(nèi)生性問題。在相關(guān)研究中，對空氣污染影響高管流動的內(nèi)生性因素鮮有涉及。本文參考Chen等(2013)的研究，以秦嶺—淮河線作為南北空氣質(zhì)量差異的斷點，采用斷點回歸方法(RD)來檢驗空氣污染對高管流動的影響，能夠更好地識別出空氣質(zhì)量對高管流動的影響。

本文剩余部分結(jié)構(gòu)如下：第二部分為理論分析與研究假設(shè)；第三部分為研究設(shè)計，包括數(shù)據(jù)來源、變量測量以及實證模型；第四部分是實證結(jié)果分析；第五部分為進一步分析，對主要的影響機制進行探討；第六部分是穩(wěn)健性檢驗；第七部分總結(jié)全文并提出相關(guān)啟示。

二、理論分析與研究假設(shè)

高管作為企業(yè)的管理者和決策者，其流入和流出都將對企業(yè)關(guān)鍵性和戰(zhàn)略性資源產(chǎn)生重要影響，受到學(xué)者們的廣泛關(guān)注(Messersmith等，2013；Bermiss和Murmann，2015)?，F(xiàn)有研究主要集中于對高管個體特征和企業(yè)層面兩方面的探討。從個體特征來看，黃繼承和盛明泉(2013)的研究表明高管變更事件的宣告效應(yīng)與其背景特征呈現(xiàn)顯著相關(guān)性；王錕和李偉(2012)指出高管的從政背景能夠顯著弱化高管的離職可能性與業(yè)績水平的負相關(guān)關(guān)系。從企業(yè)層面來看，大部分研究證實了高管流動與公司業(yè)績負相關(guān)(劉青松和肖星，2015)，另外也有研究指出企業(yè)的產(chǎn)權(quán)性質(zhì)(周林潔和邱汛，2013)、公司的股權(quán)結(jié)構(gòu)(趙震宇等，2007)等也將對高管流動產(chǎn)生影響。此外，也有研究關(guān)注于高管所處的外部環(huán)境對其流動的影響。例如，饒品貴和徐子慧(2017)指出，經(jīng)濟政策不確定性影響了高管變更，繼任高管更有可能從內(nèi)部選聘。

總體而言，相關(guān)研究集中于對企業(yè)或高管個體特征差異的探討，較少有研究從地區(qū)層面探討高管流動的影響因素，例如地區(qū)環(huán)境差異是否會影響到高管流動的可能性，等等。這方面已開始受到學(xué)者們的關(guān)注，并有學(xué)者指出環(huán)境對人口流動會產(chǎn)生重要作用，區(qū)域因素是影響人力資本流動和經(jīng)濟資源配置的重要因素(Chen等，2017；Dehaan等，2017；陸銘，2017；羅勇根等，2019)。

不同于以往的研究，本文提出，空氣污染通過直接影響個體的健康、工作效率和生產(chǎn)率而影響個體的情緒和內(nèi)在動機，繼而提高了高管流動的可能性。其具體包括以下方面。

首先，空氣污染直接影響到個體健康，進而影響其流動決策。大量醫(yī)學(xué)方面的文獻表明，空氣污染會直接進入人體，阻礙正常的血液循環(huán)，引發(fā)呼吸系統(tǒng)等相關(guān)疾病，嚴(yán)重損害個體的健康狀況甚至縮短壽命(Laden等，2000；Peel等，2005)。Chen等(2013)以秦嶺—淮河供暖線作為南北空氣質(zhì)量高低的斷點，使用斷點回歸分析了空氣污染對預(yù)期壽命的影響，得出了空氣高濃度的總懸浮顆粒物平均減少個體壽命超過5年的結(jié)論；陳碩和陳婷(2014)發(fā)現(xiàn)二氧化硫濃度每增加1%，每一萬人中死于呼吸系統(tǒng)疾病或肺癌的人數(shù)分別增加0.055和0.005。由此可見，空氣污染會對身體健康甚至壽命造成不利影響。這種不利影響又可能會促使高管選擇離開空氣污染較嚴(yán)重的地區(qū)，前往空氣質(zhì)量更好的城市以規(guī)避空氣污染對其健康帶來的影響。

其次，空氣污染影響個體的人力資本輸出，在減少勞動力供給的同時，降低工作效率及生產(chǎn)率。例如Higdon等(2015)探討了墨西哥城一家大型煉油廠對外界的污染如何影響勞動力供給，結(jié)果表明，二氧化硫每增加1%會導(dǎo)致當(dāng)?shù)鼐用裣乱恢艿墓ぷ鲿r間將減少0.43%～0.67%；而當(dāng)煉油廠關(guān)閉后，當(dāng)?shù)豐O2濃度平均下降19.7%，促使周圍居民每周的工作小時數(shù)增加3.5%。對于高管而言，工作效率和工作能力的下降可能帶來對工作“不滿意”的感知；同時，高管工作效率的低下也可能意味著工作績效的下降，增加了其被解雇的可能性，這兩方面都促使了高管的流動。

最后，空氣污染可能使個體產(chǎn)生消極情緒，繼而造成其離職行為。Dehaan等(2017)研究結(jié)果表明，惡劣的天氣導(dǎo)致股票分析師對收益回報的反應(yīng)變得遲鈍，甚至無法做出回應(yīng)。Bassi等(2013)的研究表明，天氣會影響到個體的決策，良好的天氣(陽光)增加了金融市場中個體采取高風(fēng)險投資行為的可能性。Chen等(2017)發(fā)現(xiàn)，陰天天氣會使企業(yè)高管產(chǎn)生較為嚴(yán)重的負面情緒，企業(yè)避稅的可能性也隨之增加。相較于短期的天氣變化所造成的情緒變化，長期空氣污染對個體及高管所帶來的負面情緒將更顯突出，對工作現(xiàn)狀的憂慮和厭倦將增加高管離職的可能性。

據(jù)此，本文提出如下假設(shè)。

研究假設(shè)：在其他條件不變的情況下，空氣污染越嚴(yán)重的地區(qū)，高管流動的可能性越大。

三、樣本選擇與模型設(shè)定

（一）樣本選擇

本文樣本數(shù)據(jù)主要來源于以下三個途徑：(1)中華人民共和國生態(tài)環(huán)境部(原環(huán)境保護部)公布的全國城市空氣質(zhì)量日報；(2)國泰安(CSMAR)數(shù)據(jù)庫；(3)中華人民共和國國家統(tǒng)計局統(tǒng)計年鑒。

首先，參考黎文靖和鄭曼妮(2016)、羅勇根等(2019)等人的研究，本文從生態(tài)環(huán)境部公布的全國城市空氣質(zhì)量日報獲取了個體所在城市的空氣質(zhì)量指數(shù)(Air Quality Index，AQI)。其次，高管簡歷數(shù)據(jù)來自國泰安(CSMAR)數(shù)據(jù)庫。通過對簡歷的整理，本研究獲取了2007—2017年間439246份高管簡歷，包括證券代碼、統(tǒng)計日期、職位類別、高管工作經(jīng)歷等詳細信息。值得一提的是，根據(jù)國泰安數(shù)據(jù)庫中高管簡歷信息，本文以高管團隊成員作為研究的樣本，而在數(shù)據(jù)分析中，是否剔除非高管團隊成員的樣本對回歸結(jié)果和顯著性沒有影響。企業(yè)層面的控制變量來源于國泰安(CSMAR)數(shù)據(jù)庫，區(qū)域?qū)用婵刂谱兞縼碓从谥袊鴩医y(tǒng)計局。最后，參考宗文龍等(2013)、饒品貴和徐子慧(2017)的研究，本研究按以下標(biāo)準(zhǔn)對樣本做篩選與處理：剔除金融行業(yè)，因為這些企業(yè)的資產(chǎn)特性與其他企業(yè)存在較大差異；剔除了所有“ST”企業(yè)，因為這些企業(yè)的財務(wù)數(shù)據(jù)可能存在異常；剔除相關(guān)數(shù)據(jù)缺失的樣本。同時，為了消除極端值的影響，本研究對所有的連續(xù)控制變量進行了1%和99%的Winsorize處理。本文的研究樣本涉及2007—2017年期間47637位高管，共計179393個個體年度觀測樣本。

（二）變量測量

(1) 空氣質(zhì)量指數(shù)(AQI)。參考黎文靖和鄭曼妮(2016)、羅勇根等(2019)的研究，本文以空氣質(zhì)量指數(shù)(AQI)作為空氣污染的衡量指標(biāo)?？諝赓|(zhì)量等級按照AQI的大小來進行劃分，AQI值越大，表明空氣污染越嚴(yán)重，本文對空氣質(zhì)量指數(shù)取自然對數(shù)。

(2) 高管流動(Flow)。若高管當(dāng)年發(fā)生跨城市流動則取值為1，未發(fā)生流動或者同城市流動則為0。同時，根據(jù)高管流動前后城市空氣質(zhì)量指數(shù)的差異，區(qū)分了高管流動的方向變量，F(xiàn)low_up表示高管流向空氣質(zhì)量較好的城市，此時Flow_up取值為1，否則為0；Flow_down表示高管流向空氣質(zhì)量更差的城市，此時Flow_down取值為1，否則為0。

(3) 控制變量。本文還加入了高管個體、企業(yè)和城市三個層面的控制變量。具體而言，參考Custódio等(2013)和趙子夜等(2018)的研究，個體層面的控制變量包括高管能力結(jié)構(gòu)指數(shù)(GAI)、性別(Sex)、年齡(Age)、高管職務(wù)類別(CEO)、任期(Tenure)、高管年末持股數(shù)(SharEnd)、薪酬(Salary)；企業(yè)層面的控制變量包括企業(yè)規(guī)模(Size)、產(chǎn)權(quán)性質(zhì)(SOE)、企業(yè)年齡(Firm_age)、企業(yè)績效(Performance)；城市層面的控制變量包括所在城市居民消費價格指數(shù)(CityCPI)、所在城市GDP增長率(CityGDP)和所在城市人均GDP(GDP_avg)。

此外，為了消除不可觀測變量對本文結(jié)果的影響，參照Dehaan 等(2017)的研究，在回歸中還控制了年份(Year)、城市(City)和行業(yè)(Industry)的固定效應(yīng)，并采用Robust估計，在城市層面進行集群(Cluster)處理。具體的變量定義如表1所示。

（三）研究模型

參考Chen等(2013)的研究，本文將秦嶺—淮河線(供暖分界線)作為南北空氣質(zhì)量差異的斷點，采用斷點回歸方法(RD)來檢驗空氣污染對高管流動可能性的影響①本文從谷歌地圖上獲取了秦嶺—淮河線及各個城市的緯度，當(dāng)城市位于秦嶺—淮河線以北時視作北方城市，即屬于供暖城市，城市區(qū)域(Side)取值為1，反之為0。。

具體而言，本文采用2SLS方法進行參數(shù)估計，首先檢驗了秦嶺—淮河線是否導(dǎo)致了南北兩側(cè)空氣污染和高管流動的不連續(xù)變化，模型如下：

模型中，AQI是城市當(dāng)年的空氣質(zhì)量指數(shù)；Sidej,t作為虛擬變量，表示城市j是位于秦嶺—淮河線的南側(cè)還是北側(cè)，位于北側(cè)取值為1，南側(cè)則取值為0；Flow表示高管流動指標(biāo)；Control是一系列控制變量；Year、City和Industry分別是年份、城市和行業(yè)的固定效應(yīng)；ε是模型誤差項。模型(1)目的在于檢驗秦嶺—淮河線是否導(dǎo)致了南北兩側(cè)空氣污染的不連續(xù)變化。模型(2)目的在于檢驗秦嶺—淮河線是否導(dǎo)致了南北兩側(cè)高管流動可能性的不連續(xù)變化。在此基礎(chǔ)上，本文構(gòu)建了2SLS第二階段模型：

四、實證分析

（一）描述性統(tǒng)計

1. 描述性統(tǒng)計表格

表2列出了主要變量的描述性統(tǒng)計。在描述性統(tǒng)計中，高管流動均值為0.0310，方差為0.1759，表明不同高管流動可能性呈現(xiàn)一定的差異性?？諝赓|(zhì)量指數(shù)(AQI)均值為4.4014，方差為0.3148，與黎文靖和鄭曼妮(2016)的研究基本一致。高管的能力結(jié)構(gòu)指數(shù)(GAI)均值為-0.0378，方差為0.8454，與趙子夜等(2018)的研究基本一致。企業(yè)層面的控制變量如ROA、資產(chǎn)負債率(Lev)等與已有研究基本一致。同時，本文還對所有自變量進行了方差膨脹因子檢驗，VIF最大值為4.75，表明變量間不存在嚴(yán)重的共線性干擾。

表2 描述性統(tǒng)計

2. 秦嶺—淮河線的局部平均處理效應(yīng)

在使用斷點回歸前，本文先估計了秦嶺—淮河線對南北兩側(cè)空氣污染以及高管流動的局部平均處理效應(yīng)，如圖1和圖2所示。從圖1中可以看出，秦嶺—淮河斷點線空氣污染呈現(xiàn)較為明顯的上升態(tài)勢，局部平均處理效應(yīng)為0.08(4.59－4.51)。從圖2中可以看出，秦嶺—淮河斷點線高管流動同樣呈現(xiàn)上升態(tài)勢，平均處理效應(yīng)為0.005(0.032－0.027)。以上結(jié)果表明，主要考察變量在斷點兩側(cè)均呈現(xiàn)非連續(xù)性的變化。

圖1 秦嶺—淮河線與兩側(cè)空氣質(zhì)量

圖2 秦嶺—淮河線與兩側(cè)高管流動

（二）RD回歸結(jié)果

表3 空氣污染與高管流動

表4 空氣污染與高管流動方向

續(xù)表3

續(xù)表4

五、進一步分析

（一）邊界影響因素檢驗

本文從高管個體、企業(yè)和外部環(huán)境三個層面檢驗了空氣污染影響高管流動的間接影響因素。具體而言，在高管個體層面關(guān)注高管能力，在企業(yè)層面關(guān)注薪酬補償和股權(quán)補償，在外部環(huán)境層面關(guān)注經(jīng)濟政策不確定性指數(shù)。

1. 高管能力的調(diào)節(jié)作用

空氣污染對高管流動可能性的影響可能受到高管能力的影響。這是因為，在其他條件相同的情況下，高管的能力越強，在勞動力市場和崗位競爭中優(yōu)勢越明顯，從而更易于獲取相當(dāng)或者更好的工作崗位。因此，在其他條件不變的情況下，能力越強的高管在面對高強度的空氣污染時流動可能性也將越高。

鑒于此，參考Custódio等(2013)和趙子夜等(2018)的研究，本文對高管的能力進行了估計。同時，參照Demerjian等(2012)的方法，本文采用數(shù)據(jù)包絡(luò)分析法(DEA)估計管理者能力作為穩(wěn)健性檢驗指標(biāo)。主要構(gòu)建思路分為兩個步驟：第一步先確認投入產(chǎn)出模型，以公司主營業(yè)務(wù)收入作為投入指標(biāo)，用公司的主營業(yè)務(wù)成本、銷售與管理費用之和、固定資產(chǎn)凈值、無形資產(chǎn)和企業(yè)商譽等作為產(chǎn)出指標(biāo)，采用DEA方法分行業(yè)計算每一家公司的運營效率(Firm Efficiency)；第二步運用Tobit模型分年度分行業(yè)將公司特征與公司的運營效率進行回歸，從而分離出由企業(yè)特征所產(chǎn)生的效率以及由管理者能力所帶來的效率，回歸的殘差即為管理者能力的代理變量(Capability)。

其回歸結(jié)果如表5所示。從其中可以看出，交互項系數(shù)分別為0.1851和0.1525，分別在1%和5%水平上與高管流動可能性顯著正相關(guān)，與預(yù)期相一致。

表5 空氣污染、高管能力與高管流動

2. 薪酬和股權(quán)補償?shù)淖饔脵C制

前文分析表明，空氣污染顯著增加了高管流動的可能性。從成本效用角度來看，高管流動決策本質(zhì)上是比較成本與預(yù)期效用的結(jié)果(Tiebout，1956)。從這方面來講，空氣污染給高管增加了健康和負面情緒等成本，如果給予適當(dāng)或額外的補償，也可能降低個體成本損失感知程度，繼而影響高管流動決策(宗文龍等，2013)。因此，本文進一步分析薪酬和股權(quán)兩類補償機制對高管流動可能性的影響。

表6 薪酬和股權(quán)補償?shù)淖饔脵C制

3. 經(jīng)濟政策不確定性的作用機制

從外部環(huán)境來看，當(dāng)外界經(jīng)濟政策不確定性程度較高時，高管對流動后的效用水平具有不確定或者消極的預(yù)期；同時，在經(jīng)濟政策不確定性較高時，高管流動可能會導(dǎo)致企業(yè)潛在成本和風(fēng)險上升(饒品貴和徐子慧，2017)，企業(yè)可能通過多種方法以留住高管。因此，經(jīng)濟不確定性將對空氣污染與高管流動可能性之間的關(guān)系產(chǎn)生影響。鑒于此，本文進一步探討了經(jīng)濟政策不確定性對上述關(guān)系的影響。

本文經(jīng)濟政策不確定性指標(biāo)(Economic Policy Uncertainty，EPU)來源于Baker等(2016)開發(fā)編制的中國經(jīng)濟政策不確定性指數(shù)，其數(shù)據(jù)從1995年1月開始逐月更新。參考饒品貴和徐子慧(2017)等人的研究，本文將1995年1月的指數(shù)標(biāo)準(zhǔn)化為100，并以此計算隨后每個月的指數(shù)。隨后，構(gòu)建兩個指標(biāo)來測量經(jīng)濟政策不確定性：EPU是每年的月度數(shù)據(jù)均值除以100；DEPU是在EPU基礎(chǔ)上按照時間序列分組，當(dāng)EPU大于中位數(shù)時視作高經(jīng)濟政策不確定性，DEPU賦值為1，反之賦值為0。其回歸結(jié)果如表7所示。表7中，交互項系數(shù)為-0.7993和-0.2825，分別在1%和5%水平上與高管流動可能性(Flow)顯著負相關(guān)，表明經(jīng)濟政策不確定性指標(biāo)在空氣污染和高管流動可能性之間起到負向調(diào)節(jié)作用。

表7 空氣污染、經(jīng)濟政策不確定性與高管流動

續(xù)表7

（二）空氣污染與高管流動類型

（三）空氣污染、企業(yè)性質(zhì)與高管流動

表8 空氣污染、企業(yè)性質(zhì)和高管流動

（四）不同污染物與高管流動

不同的污染物類型對高管流動可能性具有差異化的影響。參考羅勇根等(2019)的研究，本文以空氣污染中二氧化硫(SO2)、可吸入顆粒物(PM10和PM2.5)和一氧化碳(CO)為例，分析了這四類不同的污染物對高管流動的影響，回歸結(jié)果如表9所示。其中，第(1)列至第(4)列為單一污染物(即PM10、SO2、PM2.5和CO)對高管流動的影響。整體而言，不同污染物均提高了企業(yè)高管流動的可能性。第(5)列是同時加入四種不同污染物的回歸結(jié)果，從系數(shù)及顯著性可以看出，細微顆粒物(PM10和PM2.5)對高管流動可能性的影響更大。

表9 不同污染物類型與高管流動

六、穩(wěn)健性檢驗

（一）RD估計有效性檢驗

RD估計的有效性需滿足兩個前提假設(shè)：一是樣本在驅(qū)動變量附近是隨機的；二是除了考察變量外，其他變量在斷點附近不存在明顯“跳躍”。鑒于此，本文做了兩方面的檢驗。首先，研究統(tǒng)計了每一緯度上高管觀測值的數(shù)量①由于直接高管觀測值數(shù)量頻數(shù)統(tǒng)計較為分散，本文統(tǒng)一對高管觀測值頻數(shù)取了自然對數(shù)。，如圖3所示。從圖3中可以看出，樣本的選取在斷點附近并沒有出現(xiàn)明顯的“跳躍”，驅(qū)動變量的選取服從隨機分布，滿足第一個條件。其次，參考劉行等(2017)的研究，本文采用非參數(shù)斷點估計的方法對控制變量進行檢驗，結(jié)果如表10所示。整體而言，控制變量的參數(shù)估計系數(shù)基本不顯著，表明其他控制變量在斷點附近不存在明顯“跳躍”，滿足第二個條件。因此，使用RD估計的結(jié)果是有效的。

圖3 秦嶺—淮河斷點線兩側(cè)高管觀測頻數(shù)分布

表10 控制變量在斷點兩側(cè)的連續(xù)性檢驗

（二）最優(yōu)帶寬及穩(wěn)健性檢驗

表11 最優(yōu)帶寬及多項式檢驗

七、結(jié)論與討論

本文考察了空氣污染對高管流動可能性的影響。本研究結(jié)果表明，空氣污染提高了高管流動的可能性，高管更有可能向空氣質(zhì)量更好的城市遷移。之后，本研究從不同層面探討了空氣污染和高管流動的邊界影響因素。其結(jié)果表明：高管能力起到正向調(diào)節(jié)作用；企業(yè)補償機制(薪酬補償和股權(quán)補償)削弱了空氣污染對高管流動可能性的影響，并且股權(quán)補償機制作用更為明顯；外界經(jīng)濟政策不確定性緩和了空氣污染與高管流動可能性間的關(guān)系。此外，相比于國有企業(yè)，非國有企業(yè)中，空氣污染與高管流動可能性的正向相關(guān)關(guān)系更為顯著；不同類型的污染物提高了高管流動的可能性，細微顆粒物(PM10和PM2.5)對高管流動的正向影響更為明顯。

除了前文的理論貢獻外，從本文的研究和結(jié)論方面還可以得到以下啟示。

一方面，對于企業(yè)而言，空氣污染顯著增加了高管流動的可能性，尤其是增加了能力較強的高管流動可能性。本文雖然表明企業(yè)可以利用薪酬補償和股權(quán)補償?shù)姆椒▉硐魅蹩諝馕廴緦Ω吖芰鲃涌赡苄缘挠绊懀矐?yīng)當(dāng)明確補償措施并非能夠從根本上解決問題，過多補償也可能對企業(yè)發(fā)展產(chǎn)生不利的影響。因此，本文提出企業(yè)另一條可行的途徑，即盡可能地改善高管及員工所處的環(huán)境，重視技術(shù)革新，減少甚至杜絕高耗能、高污染和低產(chǎn)出的傳統(tǒng)生產(chǎn)方式。例如，化工企業(yè)在追求經(jīng)濟效益的同時，還應(yīng)當(dāng)考慮到自身的經(jīng)濟發(fā)展帶來的環(huán)境污染問題，應(yīng)當(dāng)注重污染氣體的排放處理，改善環(huán)境以削弱或消除企業(yè)的空氣污染對員工身體健康、工作效率和情緒等的影響。

另一方面，對于國家和地方政策制定者而言，在意識到空氣污染負向影響宏觀經(jīng)濟增長的同時，也應(yīng)當(dāng)明確空氣污染也顯著增加了區(qū)域企業(yè)高管流失的可能性。高級人才的流失同樣不利于區(qū)域經(jīng)濟的長期發(fā)展。例如，城市空氣污染和環(huán)境質(zhì)量的差異可能導(dǎo)致城市區(qū)域間人力資本的錯配和不均衡，從而擴大城市和地區(qū)間經(jīng)濟發(fā)展的差距，不利于地區(qū)和國家的長期、可持續(xù)的發(fā)展。同時，國家和地方政府在制定并推行相關(guān)立法之余，應(yīng)當(dāng)意識到使用限行、停產(chǎn)等強制性的手段雖然在一定程度上改善了環(huán)境質(zhì)量，但空氣污染問題依然不容樂觀(石慶玲等，2016)。國家和相關(guān)機構(gòu)還應(yīng)當(dāng)致力于探索能夠從根本上解決好中國環(huán)境污染問題的方法與路徑，例如，除了使用強制性手段外，還應(yīng)當(dāng)加強對民眾和企業(yè)管理者的教育與宣傳工作，使其意識到自身所造成的環(huán)境污染反過來會抑制績效產(chǎn)出，不利于其長期發(fā)展。這也表明，進一步提高環(huán)境治理能力和開創(chuàng)綠色發(fā)展的新局面具有重要實踐意義。

除了上述貢獻和啟示外，未來研究也可以關(guān)注以下方面。其一，可以進一步探討空氣污染對不同層次的人力資本流動的影響。本文使用高管樣本具有較為重要的意義和代表性，然而相較于一般的個體，在面臨高強度的污染時，高管可選擇性相對較高，而對于低收入群體，空氣污染對其流動決策的影響尚需進一步研究。其二，可進一步探討空氣污染對高管流動可能性的間接影響因素。本文雖然從高管個體、企業(yè)和所處的外在環(huán)境三個層面探討了空氣污染對高管流動的影響，但也應(yīng)當(dāng)明確，以上三個層面的探討只是間接影響因素中的一部分。例如，還可以通過大規(guī)模問卷、訪談等方式獲取高管個體的健康、情緒等指標(biāo)，直接地檢驗健康成本等指標(biāo)在空氣污染與高管流動間可能具有的中介效應(yīng)，等等。