Source:
Barwick, P.J., Donaldson, D., Li, S.J., Lin, Y.T. and Rao, D.Y. (2022) 'Transportation networks, short-term mobility, and pollution exposure: evidence from high-speed rail in China', Working Paper. Working Paper Series. National Bureau of Economic Research.
https://www.nber.org/papers/w30462
引言
环境污染具有空间分布不均匀的特点，而人口的流动性可能有助于减少环境污染带来的负面影响。尽管长期的适应性迁移已经被 Banzhaf 和 Walsh（2008），Black（2011），Cruz 和 Rossi-Hansberg（2024）等既有文献广泛研究，但关于短期的适应性行为却鲜有关注。本文探究了中国高铁建设是如何通过促进人口的空间流动进而改变居民遭受到的空气污染暴漏。作者引入了实际经受污染暴露（experienced pollution exposure，以下简称为 EPE）作为度量居民实际经历的空气污染的指标。作者发现，在保持空气污染分布不变的前提下，高铁的接入使旅客的EPE减少了 14.7%，数千万旅客经历的 PM2.5 浓度平均减少了 2.5 。机制的分析结果表明带来 EPE 减少的主要因素是人们开始更倾向于到空气更好的地方旅行。
1. 数据
1.1 城市间客流量
作者使用银联信用卡和储蓄卡的交易数据来度量人口流动。从 2013 年 1 月到 2016 年 12 月的数据中，作者随机抽取2700 万张银行卡（1%）作为样本，并通过关注其中需要持卡人在商店亲自进行的交易（占比97%）追踪持卡人所在地的变化。首先，作者计算了一张银行卡在以日期 为中心，12 月长的时间窗口内，各交易地点出现的频率，并把其中频率最高的视作“家乡城市”（记为 ）。如果某一时间该卡在其他地方（记作城市 ）发生了交易，则认为持卡人到了城市 旅行。对这些旅行记录加总，就能得到 时间从城市 到城市 旅客数量估计 。
1.2 空气污染
中国生态环境部从 2013 年起便在其网站上汇报各地空气质量数据，更新间隔为 1 小时。作者以此为基础，计算了日均 PM2.5 浓度来衡量各城市的空气污染程度，并以是否超过 75 为标准构建了指示变量 。
1.3 EPE
EPE（实际经受污染暴露）作为文章的核心量化指标和被解释变量，EPE的构建参照了 Athey 等（2021）中“种族隔离经历”（Experienced Racial Segregation）的概念。本文中作者根据人数进行加权，构建了城市 在 时间的 EPE:
可以简单理解为城市 的所有居民无论旅行与否，在 时间经历的空气污染程度的加权平均。如果定义城市 居民中，在 时间旅行的人所经历的污染程度为：
那么总的 EPE 就可以分解成：
其中 和 分别表示来自城市 的留居者和旅客的数量。
1.4 高铁网络数据
作者从官方公告中收集了各地高铁站的启用时间，并构建了城市 在 日是否有高铁站的政策指示变量 来判断某城市是否接入了高铁网络。
1.5 描述性统计
在图 1 中，作者分别就有无高铁接入的观测值进行了 对 的非参数回归。其中虚线为有高铁站的观测值，实线为没有高铁站的观测值。可以观察到虚线总是高于实线，且两条线的差距在污染水平更高的时候更为明显。这表明总体上旅客的 EPE 更低，而在他们当中，来自接入高铁网络的城市的旅客的 EPE 较高铁网络未接入的城市的旅客更低。这初步佐证了人们存在针对空气污染的回避行为，且高铁网络的接入进一步便利了这一行为。
2. 实证框架
为探究因果效应，作者设计了一个概念框架，把高铁接入对于 EPE 的影响分解成了集约边际（intensive margin）和广延边际（extensive margin），分别就其对应的旅客人均 EPE 和旅客数量进行回归分析。
2.1 集约边际VS广延边际
首先，作者设计了一个概念框架对高铁网络接入对EPE的总影响进行分解。令没有高铁站的时候 ，有高铁站的时候 ，在抽象掉城市人口变化的前提下（i.e. ），EPE 的一阶差分为：
其中 代表在 日 城中出城旅客的人数占比。如果高铁的接入增加了旅客的数量 ，则由此带来的 EPE 减少是广延边际上的，如式子中第三项所示；而如果高铁接入让旅客更倾向于选择空气质量更好的地区作为旅行目的地，即降低了旅客群体受到的空气污染 ，则由此带来的 EPE 减少是集约边际上的，如式子中第二项所示。由于第一项的直接效应并不是作者感兴趣的内容，作者设高铁的接入不会对本地的污染水平产生变化，即直接效应为 0 。
2.1.1 集约边际：TP
在集约边际的维度上，作者构建了关于 的 DID 回归：
其中 表示 城在时间 内是否有高铁站的状态变量， 是对 城空气污染程度的控制， 与 分别吸收了城市和时间固定效应。近期文献表明，在存在异质性或动态处理效应的情况下，传统的双向固定效应（TWFE）估计量可能会存在偏误（Goodman-Bacon 2021；de Chaisemartin 和 d’Haultfoeuille 2020；Sun 和 Abraham 2021）。为了解决这个问题，作者在回归分析估计中使用 Callaway 和 Sant’Anna（2021）提出的 CSDID 方法，并在城市层面对标准误进行聚类。因为该方法在长面板数据中无法计算，所以作者将观测值的时间跨度设定为月。系数 刻画了高铁接入对的平均处理效应， 的估计基于假设：一个城市高铁接入时间与旅客在目的地受到的污染无关。由于高铁站的启用时间决定需要考虑诸多偶然的因素——选址、土地购买、融资、物理建设等，且图 2 的面板（a）也显示平行趋势假设得到了验证，因此这一假设并无不合理之处。
Figure 2 Panel (a). Intensive margin: travelers' exposure
2.1.2 广延边际：TS
和集约边际的回归相比，广延边际的回归分析只是将被解释变量更换成了 ，即某城市旅行人数占总居民数的比重，来探究高铁对旅客数量的影响。
此时的识别假设为高铁站启用日期与在没有高铁连接的情况下旅行比例的变化无关。这一假设可能没有集约边际的那么合理，因为高铁的布局可能直接响应于日益增长的城际旅行需求，或者可能存在同时影响布局和旅行需求的冲击。不过，平行趋势假设依然在图 2 的面板（b）中得到了验证。此外，作者在使用 Arkhangelsky 等（2021）提出的合成双重差分（synthetic DID，以下简称为“SDID”）方法时，也得到了相似的结果。
3. 回归结果
3.1 集约边际
表 1 的面板（a）展示了集约边际的回归结果。其中（1）列为基准回归结果，被解释变量 TP_{i,t} 中污染水平由 PM2.5 浓度是否超过标准的指示变量刻画。高铁接入前，一个代表性城市的旅客经历严重空气污染的可能性平均为 0.221。经 CSDID 方法估计，作者发现在保持该城市自身污染水平不变的情况下，高铁接入使旅客经历严重污染的可能性减少了 0.031，即在原有 0.221 的平均可能性的基础上减少了 14%（0.031/0.221）。图 2 的面板（a）汇报了该回归动态效应，CSDID 估计值实际上是动态效应的平均。
（2）到（5）列为稳健性检验。在（2）列中作者考虑了连续的情况，将应变量替换成了 PM2.5 浓度的对数；（3）列中作者去掉了城市自身污染的控制变量；（4）和（5）列则探究了异常值的影响：（4）列剔除了 5% 旅行最多和最少的样本；而（5）列则剔除了节假日以及春运期间的样本。从结果可见，对模型做一些改动并没有对系数估计造成较大的差异。
3.2 广延边际
类似地，表 1 的面板（b）展示了广延边际的回归结果。在（1）列的基础回归中，高铁的接入使得一个代表性居民跨城市旅行的概率提升了 0.007，即在原来 0.25 的平均概率的基础上提升了 3%（0.007/0.25）。图 2 的面板（b）中汇报了对应的动态效应。
在稳健性检验中，（2）列采用了 SDID 而非基准回归下的 CSDID。（3）到（5）列采用了和面板（a）一样的模型变动。可以看到不同的模型设定并没有对系数估计产生大的影响。
3.3 总影响及健康收益
利用以上两个回归的估计结果，作者分别计算了高铁网络接入对EPE的集约边际和广延边际，并用实证框架首节的分解式计算高铁带来的总影响。集约边际方面，作者用表 1 面板（a）中（2）列的系数作为 的估计值：高铁的接入让一个代表性旅客经历的 PM2.5 浓度降低了 2.5 。为了估计出行旅客的数量 ，作者使用了中国交通部的统计数据：2008 年中国有 290 亿人次的（跨城市）旅客使用了商业交通网络。从银联交易记录的数据得到，其中 80% 的旅客来自拥有高铁站的城市。如果把平均每次旅行的时长设为 2.5 天，那么每天就有 7950 万的跨城市旅客享受到了更清新的空气。
计算广延边际则需要估计 和 两项。对于前者，作者采用了面板（b）中（3）的系数估计：高铁的引入让居民出游的概率提升了 0.007；至于后者，作者取 期 和 平均值的差来衡量：（旅客平均受到的污染反而会略强于不旅行的人）。虽然集约边际和广延边际符号相反，但是广延边际（）相比集约边际（）小了多个量级，因此总影响完全是由集约边际效应驱使的。
那么高铁网络接入带来的健康收益具体为多少？Ebenstein 等（2017）在中国的研究发现，每增加 1 的 PM10 的长期暴露会使预期寿命减少 0.064 年；而 Zhou 等（2016）则估计，环境中 PM2.5 每增加 1 ，PM10 会相应增加 1.67 。在本文的估计中，高铁网络的铺设总体上让 7950 万人所经历的 PM2.5 浓度降低了 2.5 ，据此作者推算得到：截至 2016 年，高铁网络发展通过促进跨城市旅行，让国民总的寿命延长了 2130 万年（）。
3.4 机制探究：回避行为
城市本身的污染水平会在多大程度上影响这些效应呢？作者在基础回归方程中加入污染程度和高铁引入的交互项进行探究。
集约边际方面，表 2 的面板（a）汇报了新的估计结果。（1）列和（2）列都采用了每日层面的样本，区别在于高铁引入的水平效应（level effect）是否同质（即回归方程中是否包含 项）；（3）列和（4）列和前两列类似，不过采用了月层面的样本。（1）到（4）列都得到了类似的结果：交互项系数显著为负，且大到几乎完全解释基础回归中的效应，说明高铁对 EPE 的减少主要发生在该城市本身污染比较严重的时候。
此外，EPE 的减少还可能是通过更远的旅行距离：高铁的接入增加了出行距离，如果出发城市污染更严重，根据自然规律，此时附近的城市污染也更严重，那么远离出发城市自然就能减少 EPE 。于是作者在（5）列和（6）列以平均出行距离的对数为应变量，发现高铁的接入的确提升了平均出行距离，且提升只存在于出发城市本身污染更严重的时候。整个面板的结果都指向一种回避行为：旅客会根据空气质量来调整他们的出行方案，而高铁的接入便利了这一行为。
类似地，表 1 的面板（b）展示了广延边际的回归结果。在（1）列的基础回归中，高铁的接入使得一个代表性居民跨城市旅行的概率提升了 0.007，即在原来 0.25 的平均概率的基础上提升了 3%（0.007/0.25）。图 2 的面板（b）中汇报了对应的动态效应。
3.5 机制探究：更远的距离VS更优的选择
高铁不仅延长了旅行的距离，也丰富了旅行目的地的选择。那么究竟是更远的距离，还是更丰富的选择对 EPE 的影响更大呢？为此，作者构建了一个反事实的变量：随机选取同起点距离相近（）另一个目的地城市的污染水平，来替换真实目的地的空气污染水平。通过对反事实状态进行基础回归并重复 100 次，作者剔除了同距离下目的地喜好带来的效应，仅仅保留了距离增加带来的效应。
回归结果由表 3 的（1）列所示。虽然表 2 表明高铁的确让旅客的出行距离更远了，但是仅仅靠距离带来的EPE降低（-0.011）只占总效应（-0.031）的三分之一。
Table 3. The Effect of HSR on Travelers’ Pollution Exposure: Underlying Mechanisms
3.6 机制探究：短期VS长期
人们的回避行为是短期应对突发高污染天气的回避呢，还是长期下对于可预见的糟糕空气的规避呢？为了探究这一点，作者使用了和上一小节类似的反事实变量构建方法：用长期的平均污染水平来而不是短期实际污染水平来构建，以规避短期的适应性行为。作者在表 3 的（2）列中汇报了结果：长期范畴下的效应（-0.024）占据到了总效应（-0.031）的 77%。
4. 结论
本文使用了包括旅客的每日所在地、中国各地每小时污染物浓度，以及高铁车站启用时间在内的数据集，研究了中国交通基础设施的改善是如何通过促进空间流动性减少了对空气污染的暴露。作者发现，高铁的便捷性帮助人们更好地避开空气污染，从而减少了 EPE。利用之前相关文献的结果进行推算估计得到，截至 2016 年，高铁带来的 EPE 减少为国民延长 2130 万个生命年的寿命。该减少主要来自于居民更愿意到一定时期内空气质量可预见地更好的地方旅行，而高铁的发展便利了这一偏好；其他潜在机制如增加旅客数量，促进居民短期对突发空气污染的回避，以及延长旅客旅行距离都是次要的。
本文在既有文献的基础上补充了应对环境污染冲击的新兴适应方式—利用交通网络进行跨城市出行，以及交通基础设施的投资如何便利了这一新方式。未来的研究可以将本文研究的行为嵌入到一个居民的选择模型中，对旅行带来的健康益处和对应的经济成本进行比较，并衡量该益处在多大程度上仅被特定人群（如相对富裕的人群）所享有。
The End
编辑：Wenkai Sang, 溜达旗
审稿：Yan Andong
