为啥北方孩子普遍更胖? 空气污染惹的祸还是背的锅?

箱:econometrics666@126.com

所有计量经济圈方法论丛的do文件, 微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
关于相关计量方法视频课程,文章,数据和代码,参看 1.面板数据方法免费课程, 文章, 数据和代码全在这里, 优秀学人好好收藏学习!2.双重差分DID方法免费课程, 文章, 数据和代码全在这里, 优秀学人必须收藏学习!3.工具变量IV估计免费课程, 文章, 数据和代码全在这里, 不学习可不要后悔!4.各种匹配方法免费课程, 文章, 数据和代码全在这里, 掌握匹配方法不是梦!5.断点回归RD和合成控制法SCM免费课程, 文章, 数据和代码全在这里, 有必要认真研究学习!6.空间计量免费课程, 文章, 数据和代码全在这里, 空间相关学者注意查收!7.Stata, R和Python视频课程, 文章, 数据和代码全在这里, 真的受用无穷!
正文

关于下方文字内容,作者:孙沁竹,复旦大学经济学院,通信邮箱:qzsun_fdu@163.com

Deschenes, O., Wang, H., Wang, S., & Zhang, P. (2020). The effect of air pollution on body weight and obesity: Evidence from China. Journal of Development Economics, 102461.
We provide the first study estimating the causal effect of air pollution on body weight and obesity. Using the China Health and Nutrition Survey, which contains detailed longitudinal health and socioeconomic information for 13,741 adult individuals over 1989–2015, we find significant positive effects of air pollution, instrumented by thermal inversions, on body weight. Specifically, a

(1.54%) increase in average PM2.5 concentrations in the past 12 months increases body mass index by 0.27%, and also increases overweight and obesity rates by 0.82 and 0.27 percentage points, respectively. We also find evidence that these impacts can be explained in part by a variety of behavioral channels, including less physical activity, less walking to work or school, less sleep, and more fat intake.

摘要:本文首次估计了空气污染对体重与肥胖率的因果效应。利用中国健康与营养调查 (包含了1989-2015年内13741名成年人健康与社会经济方面的详细面板数据),借助逆温现象这一工具变量发现,空气污染显著提高了成年人的体重。具体而言,过去12个月平均PM2.5浓度每提升

,将导致人体BMI指数提高0.27%,分别提高超重率与肥胖率0.82和0.27个百分点。本文从个体行为反应的渠道部分解释了该因果效应,包括减少体育运动、减少步行上班上学次数、减少睡眠时长、摄入更多脂肪等。

Introduction
近几十年来,肥胖现象在世界各国越发普遍。在2016年,全球共有40%的成年人超重 (BMI≥25),11%的男性与15%的女性肥胖 (BMI≥30)。肥胖问题是引发慢性病的重要诱因,每年导致超过280万人死亡与3580万人出现生理缺陷。经济学文献对肥胖的成因做了大量探究,本文的贡献在于首次识别了空气污染对肥胖问题的因果效应。
空气污染会通过生理机制与行为反应机制影响肥胖率,但囿于遗漏变量的内生性问题,以往文献往往只能说明空气污染与肥胖的相关性,无法识别因果效应。本文利用逆温现象作为空气污染的工具变量,在2SLS的框架内较好解决了内生性。实证结果表明,过去一年内的平均PM2.5浓度每提升

,会提高0.27%的BMI,分别增加超重率与肥胖率0.82与0.27个百分点。从污染暴露的窗口期看,短期内的污染暴露不会导致增重。

针对行为反应的机制检验发现,空气污染使居民减少体育活动,降低了步行上班上学的概率,降低睡眠时长,增加脂肪摄入。但本文的机制检验仅探究了短期内的行为反应,并不反映污染对居民长期行为模式的影响。
从文章贡献而言,本文扩展了对空气污染成本问题的认识,也增进了对肥胖成因的理解。
Empirical Strategy
本文试图识别空气污染的肥胖效应,其中最大的难点在于:空气污染与体重增加之间存在遗漏变量,两者都与经济发展各项指标紧密相关。以收入为例,收入提高对体重影响的方向不确定,导致无法判定内生性的偏差方向。本文采用逆温现象作为空气污染的工具变量,排除了内生性。
在对流层中,随海拔高度增加,气温通常越低,由海拔变化带来的温差使近地面的大气污染物向上扩散;而在特定自然条件下,对流层上部的气温高于近地面,或两者气温相近,即为逆温现象。逆温易导致大气污染物聚集在近地面不扩散,导致污染浓度高。逆温现象的形成与经济活动无关。由图2与图3验证发现,逆温次数在不同年份剧烈波动,并不随经济发展呈现出清晰时间趋势;而逆温次数对GDP的拟合优度也仅为0.0007。
为了确保工具变量满足排他性约束,即逆温只通过空气污染影响体重,回归中灵活控制了天气变量。2SLS方程组如下:
其中式一为第二阶段估计,式二为第一阶段估计,

为BMI指数/是否超重/是否肥胖等体重变量,

为过去12月平均PM2.5浓度,

为相同窗口期内逆温次数,

为天气变量。通过在个体层面与县-年月层面的双向标准误聚类,误差自相关得到了一定控制,但估计结果对不同聚类方式均保持了稳定。

Data
本文主要使用了4部分数据。作者利用《中国营养与健康调查》(China Health and Nutrition Survey, CHNS)获取了个体健康与行为信息。该数据集由北卡罗莱纳大学教堂山分校与中国疾控中心共建,在1989-2015年的区间内共覆盖4400-7200户家庭,样本量在15000-19000之间。CHNS详细调查了中国城乡居民的健康与营养状况,其中身高体重由医师测量,杜绝了自报身高体重的潜在测量误差。BMI指数是针对成年人的身体质量指数,计算公式为BMI=体重/身高平方,BMI≥25为超重,BMI≥30为肥胖。本文的最终样本为包括13741位成年人、时间区间在1989-2015年的非平衡面板。关于空气污染数据,本文从美国国家航空航天局的Modern-Era Retrospective Analysis for Research and Applications version 2 (MERRA-2)获得气溶胶光学厚度 (Aerosol Optical Depth, AOD)卫星数据,参考Buchard et al. (2016)的公式计算出PM2.5浓度。逆温数据同样来自MERRA-2。气象数据来自国家气象信息中心,涵盖了中国800多个气象站的日度气温、降水量、湿度、日照强度、风速、气压等。
在描述性统计方面,我国成年居民平均超重率为23.00%,平均肥胖率为2.83%,其中女性的BMI指数、超重率与肥胖率略高于男性;PM2.5平均浓度为64.75

Results
2SLS第一阶段结果表明 (表2),当控制不同固定效应与天气变量,逆温现象均显著提高PM2.5浓度。而2SLS第二阶段估计显示 (表3面板A),PM2.5显著提高受访者BMI指数,显著增加居民超重率与肥胖率。而作为对比,直接使用OLS估计PM2.5对人体健康的影响不显著 (表3面板B),主要原因在于:室外空气污染程度不同于人体实际接触到的污染程度,使用室外PM2.5浓度作为解释变量会造成向下的经典测量误差。
本文做了充分的稳健性检验 (表4A/B)。在控制的思路上,作者分别尝试了加入日度固定效应(第2列)、控制县级二次项时间趋势(第3列)、不加入天气控制变量(第4列)、控制家庭与个体特征(第5列)等;在数据处理上,作者分别考虑了当月污染暴露不进入窗口期(第6列)、重新定义逆温变量(第7列)、数据断尾(第8列)、重新定义超重与肥胖(第12列)等;在样本选取上,作者也尝试加入孕妇样本(第9列),并通过使用市级样本(第10列)、农村居民样本(第11列)排除职住分离的可能。上述检验均不影响结论的稳定。作者也分别估计了PM2.5对体重(第13列)与身高(第14列)的效应,并用受访日后12个月的平均污染程度对健康指标进行安慰剂检验。
本文也探究了污染暴露窗口期长短对实证结果的影响。具体而言,基准回归采用受访时间前12个月的平均污染程度作为核心解释变量。当空气污染窗口期在过去1月至过去18月间变动时,可以看到:当窗口期为过去1月至3月时,PM2.5对BMI的影响为零;当窗口期从过去4月延长至过去9月,PM2.5影响健康状况的显著性水平不断增大。而当窗口期从过去10月开始继续延长,估计结果的显著性水平再次降低。窗口期长短导致的不同结果表明,污染暴露时长会影响污染带来的肥胖效应,且该肥胖效应具有滞后性。
Mechanisms
由文献可知,空气污染可以通过不同的渠道影响居民体重。从生理学角度看,空气污染易导致居民代谢失调、提高患慢性病(如心血管疾病、呼吸道疾病、癌症等)的风险、引发失眠等,这些生理影响均会引发肥胖;而从居民的行为反应看,空气污染使得人们更多待在室内、减少体育活动、增加久坐时长。这些行为会降低人体卡路里净消耗,间接导致增重与肥胖风险。同时,空气污染也会通过引发诸如抑郁、焦虑等精神疾病,导致暴饮暴食等行为,提高卡路里摄入量。以往文献探究了空气污染与肥胖率的相关性,但并未进行因果识别与机制检验。由于数据所限,本文仅检验了空气污染的行为反应机制。值得注意的是,本文关注的行为反应均来自受访日的前几天或前几周,与空气污染月度数据的时间单位不统一,因此后文直接将不同行为反应对逆温这一工具变量进行简约式估计。
估计结果显示 (表5A/B),从日常活动看,逆温现象减少了城市居民的运动量,并未显著影响城乡居民的久坐行为,但降低城市居民步行上班上学的概率,也降低农村居民睡眠时长;从食物摄入的角度看,逆温并未显著影响居民碳水化合物摄入水平,但提高了城市居民脂肪摄入量。
Discussion
最后,作者对比了另两支文献的估计结果,阐述政策建议与本文研究不足。
首先,超重与肥胖易诱发慢性病,提高社会医疗成本。借鉴文献结论,在2000-2009年间,超重与肥胖人口的医疗支出占中国居民医疗支出的5.29%,而2016年中国人均医疗支出3784元,从而中国人均超重/肥胖医疗成本粗略估计为200 (=5.29%3784)元。由本文估计,PM2.5浓度每增加

,会提高超重/肥胖率0.82个百分点,因此每年共造成全国18.9 (=2000.82%*11.5)亿元的医疗成本支出。对比其他PM2.5经济成本的文献可知,本文估计的因果效应具有很强的经济显著性。考虑到本文并未计算肥胖引发的除医疗外其他社会成本,以及中国目前相较于10年前更为普遍的肥胖率,本文粗略估计的社会经济成本为实际成本的下限。

其次,以往文献从快餐店经营、受教育程度、同侪与邻里效应等探究了肥胖问题的起因。对比发现,快餐店在学校周边经营对肥胖率的影响不及本文空气污染的效应严重;每多受一年教育对肥胖率的抑制效果相当于PM2.5浓度降低1.55

;搬到低贫困率街区对肥胖率的降低效果相当于PM2.5浓度降低17.78

。上述文献基于不同社会经济背景,估计结果需谨慎对比,但可以明确的是:空气污染水平对中国肥胖率的影响不容小觑。这也为中国政府解决居民肥胖问题提供了有益的政策建议。

从本文局限之处看,使用逆温作为PM2.5的工具变量不一定满足排他性约束,因为逆温同样可能影响其他大气污染物的排放,进而影响体重与肥胖。所以,应将本文的PM2.5变量理解成空气污染的代理变量,将PM2.5对体重的影响理解成空气污染整体的影响;其次,体重数据来源于年度调查,很难充分追踪空气污染对体重的动态影响;最后,本文探究的机制检验均为短期影响,不能反映居民长期行为反应。

就内生性问题及其解决方法,咱们为各位学者引荐了很多文章,例如:看完顶级期刊文章后, 整理了内生性处理小册子1.“内生性” 到底是什么鬼? New Yorker告诉你2.Heckman两步法的内生性问题(IV-Heckman);3.IV和GMM相关估计步骤,内生性、异方差性等检验方法4.最全估计方法,解决遗漏变量偏差,内生性,混淆变量和相关问题5.毛咕噜论文中一些有趣的工具变量!6.非线性面板模型中内生性解决方案7.内生性处理的秘密武器-工具变量估计8.内生性处理方法与进展9.内生性问题和倾向得分匹配10.你的内生性解决方式out, ERM独领风骚11.工具变量IV必读文章20篇, 因果识别就靠他了12.面板数据是怎样处理内生性的13.计量分析中的内生性问题综述14.工具变量IV与内生性处理的解读15.一份改变实证研究的内生性处理思维导图;16.Top期刊里不同来源内生性处理方法17.面板数据中heckman方法和程序(xtheckman);18.控制函数法CF, 处理内生性的广义方法19.二值选择模型内生性检验方法20.2SRI还是2SPS, 内生性问题的二阶段CF法实现21.内生变量的交互项如何寻工具变量22.工具变量精辟解释, 保证你一辈子都忘不了

关于工具变量,可以参看如下文章:1.内生性问题操作指南, 广为流传的22篇文章2.看完顶级期刊文章后, 整理了内生性处理小册子3.如何寻找工具变量?得工具者得实证计量4.内生性处理的秘密武器-工具变量估5.工具变量在社会科学因果推断中的应用6.为你的"工具变量"合理性进行辩护, 此文献可以作为范例7.没有工具变量、断点和随机冲击,也可以推断归因8.工具变量与因果推断, 明尼苏达Bellemare关于IV的分析9.工具变量IV与内生性处理的精细解读10.我的"工具变量"走丢了,寻找工具变量思路手册11.面板数据里处理多重高维固定效应的神器, 还可用工具变量处理内生性12.豪斯曼, 拉姆齐检验,过度拟合,弱工具和过度识别,模型选择和重抽样问题13.工具变量先锋 Sargan,供参考14.AEA期刊的IV靠不靠谱?15.计量大焖锅: iv, clorenz, rank, scalar, bys, xtile, newey, nlcom,16.GMM是IV、2SLS、GLS、ML的统领,待我慢慢道来17.IV和GMM相关估计步骤,内生性、异方差性等检验方法18.因果推断IV方法经典文献,究竟是制度还是人力资本促进了经济的发展?19.内生变量的交互项如何寻工具变量, 交互项共线咋办20.面板数据、工具变量选择和HAUSMAN检验的若干问题21.IV和Matching老矣, “弹性联合似然法”成新趋势22.IV回归系数比OLS大很多咋回事, 怎么办呢? 23.不用IV, 基于异方差识别方法解决内生性, 赐一篇文献24.找不到IV, RD和DID该怎么办? 这有一种备选方法25.内生转换模型vs内生处理模型vs样本选择模型vs工具变量2SLS26.内生性, 工具变量与 GMM估计, 程序code附27.GMM和工具变量在面板数据中的运用28.关于工具变量的材料包, 标题,模型,内生变量,工具变量29.必须使用所有外生变量作为工具变量吗?30.工具变量精辟解释, 保证你一辈子都忘不了31.毛咕噜论文中一些有趣的工具变量!32.为你的"工具变量"合理性进行辩护, 此文献可以作为范例33.内生变量的交互项如何寻工具变量, 交互项共线咋办34.前沿: 删失数据分位数工具变量(CQIV)估计, 做删失数据异质性效应分析35.不需要找工具变量, 新方式构建工具变量, 导师再也不用担心内生性问题了!

下面这些短链接文章属于合集,可以收藏起来阅读,不然以后都找不到了。

2.5年,计量经济圈近1000篇不重类计量文章,

可直接在公众号菜单栏搜索任何计量相关问题,

Econometrics Circle

数据系列空间矩阵 | 工企数据 | PM2.5 | 市场化指数 | CO2数据 |  夜间灯光 官员方言  | 微观数据 | 内部数据
计量系列匹配方法 | 内生性 | 工具变量 | DID | 面板数据 | 常用TOOL | 中介调节 | 时间序列 | RDD断点 | 合成控制 | 200篇合辑 | 因果识别 | 社会网络 | 空间DID
数据处理Stata | R | Python | 缺失值 | CHIP/ CHNS/CHARLS/CFPS/CGSS等 |
干货系列能源环境 | 效率研究 | 空间计量 | 国际经贸 | 计量软件 | 商科研究 | 机器学习 | SSCI | CSSCI | SSCI查询 | 名家经验
计量经济圈组织了一个计量社群,有如下特征:热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此,建议积极进取和有强烈研习激情的中青年学者到社群交流探讨,始终坚信优秀是通过感染优秀而互相成就彼此的。
(0)

相关推荐