Embed Size (px)
Citation preview
第４卷第４期２０１７年１２月
经 济 学 报Ｃｈｉｎａ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ
Ｖｏｌ．４，Ｎｏ．４：１３８－１５０Ｄｅｃｅｍｂｅｒ ２０１７
集中供暖对中国空气污染影响的实证研究１
李金珂２ 曹静３
１本文得到国家自然科学基金项目（７１１７３１３０和７１４２２０１３）及清华大学自主科研计划的资助。感谢
匿名审稿人以及清华大学经济管理学院李宏彬教授和孟岭生教授的宝贵意见和建议。
２李金珂，清华大学经济管理学院经济系博士研究生，Ｅ－ｍａｉｌ：ｌｉｊｋ．１２＠ｓｅｍ．ｔｓｉｎｇｈｕａ．ｅｄｕ．ｃｎ。
３曹静，清华大学经济管理学院经济系副教授，Ｅ－ｍａｉｌ：ｃａｏｊｉｎｇ＠ｓｅｍ．ｔｓｉｎｇｈｕａ．ｅｄｕ．ｃｎ。
摘 要 近年来关于集中供暖对空气污染和健康影响的话题备
受关注，同时不断有人呼吁南方也推出集中供暖，因此精确估计集中供暖对中国大气环境的影响至关重要。本文利用全国２３０个城市的空气污染和气象数据，采用断点回归的方法，研究集中供暖对多种空气污染物浓度的影响。研究结果发现：１）集中供暖的开始直接导致多种空气污染物浓度显著上升，其中ＰＭ２．５、ＰＭ１０、ＳＯ２、ＮＯ２以及ＣＯ分别上升１４．１４８μｇ／ｍ
３、１５．７８８μｇ／ｍ３、１８．６２６μｇ／ｍ
３、９．８６３μｇ／ｍ３和
０．２２１ｍｇ／ｍ３，分别为非供暖期均值的２６．７９％、１４．７３％、７４．１０％、
３０．４５％和２０．８５％，该结果均在５％水平上显著；２）集中供暖的结束使得空气污染物浓度平缓降低，但未带来显著的非连续变化；３）在改变带宽以及拟合方法的情况下估计结果也较为稳健。实证结果表明，
中国的集中供暖显著加剧了空气污染水平，造成中国空气污染的首要污染物ＰＭ２．５浓度在供暖开始后增加将近三成，ＳＯ２浓度增加超过
７０％。因此在优化集中供暖相关政策时，应综合考虑其环境成本。
关键词 集中供暖；空气污染；断点回归；ＰＭ２．５
0 引言
无论在发达国家还是发展中国家，空气污染已经成为危害健康的不可忽视的因素。ＯＥＣＤ Ｏｕｔｌｏｏｋ（２０１２）研究表明，每年大约有１５０万人因为空气污染而过早死亡，远高于诸如疟疾和水污染等因素导致的死亡人数，其中中国约占
３０万，印度为１２万。报告预计这个数字在２０５０年会增加到３５０万人，主要发生在诸如中国和印度这样的发展中国家。大量公共健康、流行病学、生态学和经济学文献也针对空气污染对健康的影响做了大量的统计与实证研究（Ｐｏｐｅ，
第４卷第４期
李金珂 曹静：集中供暖对中国空气污染影响的实证研究
１９８９；Ｃｈａｙ ａｎｄ Ｇｒｅｅｎｓｔｏｎｅ，２００３；Ｃｈｅｎ ｅｔ ａｌ．，２０１３；Ａｒｃｅｏ ｅｔ ａｌ．，２０１６；Ｈｅ
ｅｔ ａｌ．，２０１６；Ｋｎｉｔｔｅｌ ｅｔ ａｌ．，２０１６）。
中国是燃煤大国，集中供暖主要依靠烧煤。煤的燃烧会产生大量ＳＯ２、
ＮＯ２、烟尘和粉尘，煤的不完全燃烧会产生ＣＯ，中国很多供暖企业数量多、规模
小，环境管制的成本高，导致很多供暖企业或者没有安装合规的环保除尘设备
和脱硫设备，或者这些末端治理装置没有有效投入使用，因此集中供暖对空气
质量造成了不可忽视的负面影响。虽然大气科学有很多大气扩散模型研究过
污染物排放清单由于取暖季的不同带来的空气质量的变化，但经济学上考察因
果关系的研究仍非常有限，本文试图利用断点回归的方法估计该政策对全国范
围空气质量的影响。
研究集中供暖对空气污染的影响在实证上面临一些难题。首先是气象条
件的干扰。集中供暖所处的冬季由于一些气象因素的影响①，会导致空气污染
物不易扩散，所以遗漏气象变量会导致估计结果的偏误。其次是集中供暖本身
的内生性问题。集中供暖的城市主要位于秦岭—淮河以北，而重工业等高污染行
业也更多分布在这些城市，因此遗漏城市的这些信息也会造成回归结果的偏误。
部分文献研究了集中供暖对空气污染的影响。Ｃｈｅｎ ｅｔ ａｌ．（２０１３）利用秦
岭—淮河作为中国集中供暖的分界线，采用断点回归的方法发现北方因为烧煤
供暖ＴＳＰ增加５５％，并使得北方人均预期寿命减少５．５年。但该文章利用年
度平均值进行实证研究，并未区分供暖期和非供暖期，可能无法准确估计集中
供暖对空气污染的影响。Ｌｉａｎｇ ｅｔ ａｌ．（２０１５）利用供暖开始或结束前后两周的
ＰＭ２．５数据，在剔除了气象因素之后，发现集中供暖使得ＰＭ２．５浓度增加３１％到１８３％。但该文章只选取了５个供暖城市，并不具有全国代表性；并且该文章
所用数据只包括ＰＭ２．５一种污染物，无法全面分析对其他空气污染物的影响；
此外因为空气污染本身有着较强的周期性，该研究并未控制集中供暖前后空气
污染本身的趋势，得到的结果可能会有偏误。总结而言，利用全国范围的数据，
剔除可能干扰空气污染的若干气象和时间趋势因素后，精确估计集中供暖对各
种空气污染物浓度影响的研究尚不充分。
本文试图从时间维度，利用全国范围的数据并采用断点回归的方法估计集
中供暖对中国空气污染的影响。我们将所有供暖城市集中供暖开始或结束的
那一周作为基准，控制了可能干扰空气污染的若干气象变量，分别拟合集中供
暖开始或结束前后的空气污染趋势，估计集中供暖带来的空气质量的非连续变
化。本文提出的断点回归的方法较好地帮助我们识别集中供暖对空气污染的
直接影响。
９３１
① 例如冬天更易发生逆温天气，该天气阻碍了空气污染向高空的扩散，进而污染物更容易积聚。
经 济 学 报
２０１７年１２月
1 数据
1.1 污染数据
我们收集了全国各个空气监测站的历史数据，包括从２０１３年１０月１日到
２０１５年６月３０日的ＰＭ２．５、ＰＭ１０、ＳＯ２、ＮＯ２以及ＣＯ的数据，频率为小时。监测点主要设在城市地区，包括３３９个地级市。
1.2 气象数据
气象数据来源于中国气象数据网，囊括２９２个地级市，其中２３９个地级市拥有城市地区数据。实证分析中主要涉及的变量包括降雨量、平均风速、气压、
最低和最高气温，这些因素都可能直接影响空气污染物的浓度。气象数据的频率为天。
1.3 匹配规则
首先只保留拥有城市地区数据的地级市①，然后将位于同一个地级市的监测点数据取污染物浓度和气象变量的均值，并将数据频率变为星期。最终得到了２３０个地级市从２０１３年１０月１日到２０１５年６月３０日的每星期的污染数据和气象数据②。其中１０５个城市为供暖城市，１２５个为非供暖城市。各个变量的描述性统计见表１。
表１ 主要变量的描述性统计
变量 观测值 均值 标准误
供暖
是否在供暖期 １２９０１ ０．２３８ ０．４２６
空气污染物浓度
ＰＭ２．５（μｇ／ｍ３） １２８９８ ５７．７９ ３６．０６
ＰＭ１０（μｇ／ｍ３） １２８９８ １００．６ ５９．５０
ＳＯ２（μｇ／ｍ３） １２８９８ ３１．６１ ２８．７５
ＮＯ２（μｇ／ｍ３） １２８９８ ３３．４３ １６．７０
ＣＯ（ｍｇ／ｍ３） １２８９８ １．１６９ ０．６３６
０４１
①
②
因为污染数据的监测点基本都在城市地区。
该数据为非平衡面板数据，主要原因有二：一是空气污染监测点每年都有增加，二是存在部分监测点污染数据或气象数据的缺失。
第４卷第４期
李金珂 曹静：集中供暖对中国空气污染影响的实证研究
续表
变量 观测值 均值 标准误
天气变量
降雨量（０．１ｍｍ） １２９０１ １７２．２ ３２７．５
气压（０．１ｈＰａ） １２９０１ ９６４４ ７４７．５
平均风速（０．１ｍ／ｓ） １２９０１ ２２．３８ ９．３４９
最低气温（０．１℃） １２９０１ ９１．８５ １１１．３
最高气温 （０．１℃） １２９０１ １８７．４ １０３．１
我们进一步将样本城市按照是否有集中供暖分为供暖城市和非供暖城市，
然后把供暖城市的样本按照是否处在供暖期分别统计各种污染物浓度，这一结
果展示在表２中。不难看出，相比于非供暖城市，供暖城市各种污染物浓度都
要更高一些，其中ＳＯ２最明显，供暖城市约是非供暖城市的两倍。当然这个差别
可能不完全是集中供暖造成的，相比于非供暖城市，供暖城市的重工业更多，进
而空气污染更严重。再来看供暖城市在供暖期和非供暖期污染物浓度的差别，
类似地，５种污染物在供暖期都更高，尤其是ＳＯ２，供暖期是非供暖期的将近
２．５倍，ＰＭ １０的影响也很大，供暖期是非供暖期的１．５倍。当然这也不能完
全归因于集中供暖，冬季因为一些气象因素的影响 ，会导致空气污染物不易扩
散，空气污染也会更严重。集中供暖多大程度上能解释表２中污染物浓度分组
比较的差异呢？这就需要利用回归的方法剔除可能干扰估计集中供暖对空气
质量影响的因素。
表２ 污染物浓度在供暖与非供暖城市、供暖期和非供暖期的差异
变量 均值按照是否有集中供暖划分 供暖城市按照是否在供暖期划分
供暖城市 非供暖城市 供暖期 非供暖期
ＰＭ２．５（μｇ／ｍ３） ５７．７９ ６３．７２ ５２．３８ ７４．６７ ５２．８２
ＰＭ１０（μｇ／ｍ３） １００．６ １２０．３４ ８２．６３ １３３．５３ １０７．２０
ＳＯ２（μｇ／ｍ３） ３１．６１ ４２．５０ ２１．６８ ５９．９１ ２５．１５
ＮＯ２（μｇ／ｍ３） ３３．４３ ３６．７９ ３０．３７ ４１．２０ ３２．３９
ＣＯ（ｍｇ／ｍ３） １．１６９ １．３２ １．０３ １．５９ １．０６
2 研究设计
我们首先采用传统的最小二乘法来估计以下回归方程：
ｐｏｌｌｕｔｉｏｎｉｙｗ ＝α＋β＊ｈｅａｔｉｎｇｉｗ ＋ＺｉｗΠ＋ηｉ＋δｙｍ ＋εｉｙｗ （１）
其中ｐｏｌｌｕｔｉｏｎｉｙｗ 为第ｉ个城市第ｙ 年第ｗ 星期某种空气污染物的浓度；
ｈｅａｔｉｎｇｉｗ为第ｉ个城市第ｙ年第ｗ 周是否提供集中供暖，如果城市ｉ为非供暖
１４１
经 济 学 报
２０１７年１２月
城市，该变量一直为０，如果城市ｉ为供暖城市，只有第ｗ 周为供暖周时该变量才为１，否则为０；Ｚｉｗ为天气控制变量，包括降雨量、气压、平均风速以及最高最
低气温５个变量的一次方和二次方①。ηｉ为城市固定效应，δｙｍ为年—月固定效应，εｉｙｗ为随机干扰项。
该回归方程中，β衡量了集中供暖对空气污染的影响。在控制了回归中其他控制变量后，对β的一致估计要求εｉｙｗ中不可观测因素不能与ｈｅａｔｉｎｇｉｗ相关。
但是这一假设可能面临着挑战。比如集中供暖的时间是冬季较为寒冷的天气，
冷空气下沉，逆温现象频发，较高的暖空气覆盖着较低的冷空气，阻碍污染物扩
散，因此遗漏这些天气变量会导致回归结果的偏误。同时，提供集中供暖的北
方城市有较大比例的是重工业比较集中的城市，本身空气污染物浓度较高，如
果不解决这些内生性问题，也会造成回归结果的偏误。
为了克服简单的最小二乘法可能带来的遗漏变量偏误，本文采用断点回归
方法来解决集中供暖可能带来的内生性问题，从而获得更加精确的结果。
断点回归设计（Ｒｅｇｒｅｓｓｉｏｎ Ｄｉｓｃｏｎｔｉｎｕｉｔｙ，简称ＲＤ）最初由Ｔｈｉｓｔｌｅｔｈｗａｉｔｅ
ａｎｄ Ｃａｍｐｂｅｌｌ（１９６０）提出，用于在一个可观测到的变量到达一个已知临界值则
会受到干预的类似实验环境中来进行实证研究。该方法的核心假设在于，在临
界值处其他因素均是连续变化，因此很接近临界值之前的样本是接近临界值之
后样本很好的对照组。这个方法目前被大量经济学和政策评估的实证研究所
采用（Ａｎｇｒｉｓｔ ａｎｄ Ｌａｖｙ，１９９９；Ｂｌａｃｋ，１９９９；Ｖａｎ Ｄｅｒ Ｋｌａａｕｗ，２００２；Ｍｅｎｇ，
２０１３；Ｌｉ ｅｔ ａｌ．，２０１５）。
我们收集了环境污染物监测的城市中所有存在集中供暖的城市在２０１３、
２０１４以及２０１５年集中供暖开始及结束的时间。为了方便分析，我们将所有城
市集中供暖开始（或结束）的那一周定义为第０周，接下来一周为第１周，集中
供暖开始的前一周为－１周，以此类推，这样就可以将所有提供集中供暖的城市
放在同一个坐标轴上来分析。因为数据精确到周，第０周未必每天都有供暖，
这一周的数据会有一定的误导性，因此删掉第０周的数据。我们采用确定的断
点回归（Ｓｈａｒｐ ＲＤ），用不同阶多项式拟合集中供暖开始或结束前后的各种污染
物浓度，进而研究在集中供暖开始或结束的那一周污染物浓度是否发生突变。
具体而言，我们估计如下方程：
ｐｏｌｌｕｔｉｏｎｉｙｗ ＝α＋β＊ｈｅａｔｉｎｇｉｗ ＋ｆ（ｘｉｗ）＋ＺｉｗΠ＋εｉｙｗ （２）
其中ｐｏｌｌｕｔｉｏｎｉｙｗ 为第ｉ 个城市第ｙ 年第ｗ 星期某种空气污染物的浓度；
ｈｅａｔｉｎｇｉｗ为第ｉ个城市第ｙ年第ｗ 周是否提供集中供暖的虚拟变量；ｆ（ｘｉｗ）是第ｉ个城市第ｗ 星期的一个函数，在后续的实证部分我们采用非参数拟合的方
２４１
① 改变天气变量多次项的阶数不会造成估计系数大小和方向的明显变化。
第４卷第４期
李金珂 曹静：集中供暖对中国空气污染影响的实证研究
法来估计；Ｚｉｗ为天气控制变量，包括降雨量、气压、平均风速以及最高最低气温
５个变量的一次方和二次方①；εｉｙｗ为随机干扰项。
β衡量了在排除了空气污染本身的时间趋势以及气象因素的干扰后，集中供暖对空气污染的直接影响。对β的一致估计要求除了集中供暖之外，其他因素在集中供暖开始或结束的前后均是连续变化。
3 实证结果
表３展示的是ＯＬＳ回归结果②。样本为所有匹配城市的基于周频率的数
据，主要自变量是表示提供集中供暖的虚拟变量。５种污染物浓度在集中供暖
期间都有显著的上升。其中ＳＯ２上升幅度最大，约为全国均值的７７．０６％。
ＰＭ２．５、ＰＭ１０、ＮＯ２和ＣＯ上升比例分别为 ２３．３４％、２２．８４％、１２．０１％ 和
２３．６１％，并都在１％水平上显著。回归结果的方向和预期较为一致。煤的燃烧
直接会产生大量的ＳＯ２、ＮＯ２以及粉尘，而煤的不完全燃烧会产生ＣＯ，这些污染
物经过一系列理化反应，则会造成ＰＭ２．５以及ＰＭ１０的上升。根据前文所述，简
单的ＯＬＳ回归可能带来回归结果的偏误。下面则采用断点回归的方法来研究
集中供暖对空气污染的影响。
表３ 集中供暖对空气污染影响的ＯＬＳ估计
解释变量（１） （２） （３） （４） （５）
ＰＭ２．５／（μｇ／ｍ３）ＰＭ１０／（μｇ／ｍ３） ＳＯ２／（μｇ／ｍ３） ＮＯ２／（μｇ／ｍ３） ＣＯ／（ｍｇ／ｍ３）
供暖１３．４９＊＊＊ ２２．９８＊＊＊ ２４．３６＊＊＊ ４．０１５＊＊＊ ０．２７６＊＊＊
（２．０９５） （２．９６６） （２．３１５） （０．７６６） （０．０４３２）
城市固定效应 是 是 是 是 是
年—月固定效应 是 是 是 是 是
天气变量 二次方 二次方 二次方 二次方 二次方
Ｎ １２８９８ １２８９８ １２８９８ １２８９８ １２８９８
Ｒ２ ０．６２７ ０．６３６ ０．７０８ ０．７６３ ０．６３５
注：括号内为稳健标准差。＊＊＊，＊＊，＊ 分别表示１％，５％和１０％的显著性水平。
下面我们通过绘制取暖前后的散点与断点图来直观观察在集中供暖开始
或结束前后空气污染的变化趋势。图１展示了集中供暖开始前后空气污染物
浓变化的情况。５种污染物浓度总体都呈现上升的趋势，这和冬季更容易出现
３４１
①
②
改变天气变量多次项的阶数不会造成估计系数大小和方向的明显变化。因为篇幅限制，相应结果未放入正文。
对应的是回归方程为式（１），相应估计结果即为参数β的点估计。
经 济 学 报
２０１７年１２月
图１ 集中供暖开始前后８周污染物浓度变化
阻碍污染物扩散的天气有关，另外随着气温下降，取暖需要燃烧煤的程度也更多。但在集中供暖开始之后，污染物浓度发生了明显的非连续上升，我们的实证方法则是精确估计在过滤了集中供暖前后的趋势并且控制了天气因素之后，
污染物浓度发生了多少非连续变化，该变化可以解释为集中供暖对空气污染的直接影响。
图２则展示了集中供暖结束前后污染物浓度的变化。各污染物浓度和图１的趋势恰好相反，但在集中供暖结束时断点并不明显。可能的原因是，随着天气的变暖，虽然集中供暖并未完全停止，但火力则是逐渐降低，相应的污染物浓度则是平滑下降而不是突然下降。当然集中供暖开始时也有类似特点，但并不突出。因此，利用断点回归方法得到的估计结果可以认为是估计集中供暖对空气污染影响的一个下限。
图１和图２只展示了一个直观的结果，考虑到天气变量有可能呈非线性的规律，在回归分析中我们进一步控制了天气变量的一次方和二次方，从而可以更好地估计排除了天气因素后集中供暖对空气污染的影响。
断点回归的一个前提是，除了集中供暖之外，其他因素在集中供暖开始或结束时都是连续变化的。为了检测这个假设的成立，表４和表５展示了将天气
４４１
第４卷第４期
李金珂 曹静：集中供暖对中国空气污染影响的实证研究
图２ 集中供暖结束前后八周污染物浓度的变化
变量作为因变量对式（２）的回归结果①，并未发现这些变量存在断点。其中集中
供暖开始前后趋势的拟合采用学术界广泛使用的局部线性拟合（ｌｏｃａｌ ｌｉｎｅａｒ）方
法（Ｇｅｌｍａｎ ａｎｄ Ｉｍｂｅｎｓ，２０１４），带宽为最小化 ＭＳＥ的最优带宽。我们可以合理推断，在集中供暖开始或结束前后，其他因素均是连续变化，只有集中供暖这
个因素发生了突变，空气污染的突变则是由集中供暖导致的。
表４ 集中供暖的开始对天气变量影响的断点回归估计
解释变量（１） （２） （３） （４） （５）
降雨量（０．１ｍｍ）气压（０．１ｈＰａ） 平均风速（０．１ｍ／ｓ） 最低气温（０．１℃） 最高气温（０．１℃）
供暖４４．６９８ －４０．７６８ －１．０６１ ３．５３０ ４．７７０
（３２．０９１） （６１．５９６） （１．８７８） （７．５３３） （８．６４７）
Ｎ ４５１２ ４５１２ ４５１２ ４５１２ ４５１２
注：括号内为稳健标准差。＊＊＊、＊＊、＊分别表示１％，５％和１０％的显著性水平。拟合方法为局部线性拟合，带宽为最小化 ＭＳＥ的最优带宽。
５４１
① 对应的估计结果即为参数β的点估计。
经 济 学 报
２０１７年１２月
表５ 集中供暖的结束对天气变量影响的断点回归估计
解释变量（１） （２） （３） （４） （５）
降雨量（０．１ｍｍ）气压（０．１ｈＰａ） 平均风速（０．１ｍ／ｓ） 最低气温（０．１℃） 最高气温（０．１℃）
供暖１６．３７８ －６．０２６ －０．２４５ ９．７７１ １０．２６７
（１０．６８４） （７４．２２５） （１．５７４） （６．４４８） （７．３３７）
Ｎ ５５４８ ５５４８ ５５４８ ５５４８ ５５４８
注：括号内为稳健标准差。＊＊＊、＊＊、＊分别表示１％，５％和１０％的显著性水平。拟合方法为局部
线性拟合，带宽为最小化 ＭＳＥ的最优带宽。
接下来进行本文实证研究的最终结果部分。表６展示了集中供暖开始对
空气污染影响的断点回归结果①。结果表明，集中供暖的开始直接造成ＰＭ２．５、
ＰＭ１０、ＳＯ２、ＮＯ２以及ＣＯ分别上升１４．１４８μｇ／ｍ３、１５．７８８μｇ／ｍ
３、１８．６２６μｇ／ｍ３、
９．８６３μｇ／ｍ３和０．２２１ｍｇ／ｍ３，分别为非供暖期均值的２６．７９％、１４．７３％，
７４．１０％、３０．４５％和２０．８５％，所有回归结果均在５％水平上显著。该结果与理
论预期较为一致。煤的燃烧直接会产生大量的ＳＯ２、ＮＯ２以及粉尘，而煤的不完
全燃烧会产生ＣＯ，这些污染物经过一系列理化反应，则会造成ＰＭ２．５以及ＰＭ １０的上升。从百分比的角度来看供暖对ＳＯ２的影响最大，供暖的开始直接导致
ＳＯ２浓度上升７４．１０％。这个结果从一定程度上佐证了部分供暖企业或者没有
安装合规的环保除尘设备和脱硫设备，或者这些末端治理装置没有有效投入使
用的事实。值得一提的是，ＰＭ２．５是造成中国雾霾的首要因素，近年来也受到
了学界和大众的高度关注。其他因素保持不变的条件下，ＰＭ２．５浓度在供暖开
始后增加了１４．１４８μｇ／ｍ３，约为美国ＰＭ２．５日均一级标准的１．１８倍，其影响不
容小觑。
表６ 集中供暖的开始对空气污染影响的断点回归估计
解释变量（１） （２） （３） （４） （５）
ＰＭ２．５／（μｇ／ｍ３） ＰＭ１０／（μｇ／ｍ３） ＳＯ２／（μｇ／ｍ３） ＮＯ２／（μｇ／ｍ３） ＣＯ／（ｍｇ／ｍ３）
供暖１４．１４８＊＊＊ １５．７８８＊＊ １８．６２６＊＊＊ ９．８６３＊＊＊ ０．２２１＊＊＊
（４．５５４） （６．７６７） （４．７３３） （３．５６２） （０．０８０）
天气变量 二次方 二次方 二次方 二次方 二次方
Ｎ ４５１０ ４５１０ ４５１０ ４５１０ ４５１０
注：括号内为稳健标准差。＊＊＊、＊＊、＊分别表示１％、５％和１０％的显著性水平。拟合方法为局部
线性拟合，带宽为最小化 ＭＳＥ的最优带宽。
表７则展示了集中供暖结束对空气污染的影响。与图２一致，集中供暖结
６４１
① 对应的是各种污染物浓度作为自变量对回归方程为式（１）的估计。对应的估计结果即为参数β的点估计。
第４卷第４期
李金珂 曹静：集中供暖对中国空气污染影响的实证研究
束并未使得５种污染物浓度发生显著的非连续变化。可能的解释如前文所述，
随着气温的回升，供暖火力逐渐减小，进而伴随着空气质量的连续改善。
表７ 集中供暖的结束对空气污染影响的断点回归估计
解释变量（１） （２） （３） （４） （５）
ＰＭ２．５／（μｇ／ｍ３）ＰＭ１０／（μｇ／ｍ３） ＳＯ２／（μｇ／ｍ３） ＮＯ２／（μｇ／ｍ３） ＣＯ／（ｍｇ／ｍ３）
供暖０．０６３ －３．７９７ －５．２９１＊＊ １．２３７ ０．０５８
（３．０９１） （８．４９９） （２．５１９） （１．７７７） （０．０５７）
天气变量 二次方 二次方 二次方 二次方 二次方
Ｎ ５５４６ ５５４６ ５５４６ ５５４６ ５５４６
注：括号内为稳健标准差。＊＊＊、＊＊、＊分别表示１％、５％和１０％的显著性水平。拟合方法为局部线性拟合，带宽为最小化 ＭＳＥ的最优带宽。
集中供暖对空气污染的影响分为两个维度。一个是斜率的纬度，即随着集中供暖火力的改变，空气污染物浓度随着时间变化的斜率会发生变化，这个维度的影响利用断点回归的方法并不能测量出，因为我们会分别拟合集中供暖开始或结束前后污染物浓度的变化趋势。换句话说，因为供暖火力连续变化导致的空气污染程度连续变化，无法和其他因素造成的空气污染时间趋势分离开来。另一个是截距的纬度，这一部分断点回归方法可以直接捕捉到，因为断点回归的本质就是在拟合事件发生前后的趋势之后衡量两者截距的差异。但集中供暖无论开始还是结束，都不可避免地伴随着火力的连续变化，同时集中供暖对空气污染的影响也会有一定的滞后性，因此可以认为，我们的实证结果是集中供暖对空气污染影响估计的一个下限。
接下来我们进行稳健性检验，观察在改变带宽的条件下估计结果的方向、
大小和显著程度是否发生明显变化①。在原来带宽为最小化 ＭＳＥ的最优带宽的基础上，我们将带宽分别替换为最优带宽的０．８倍和１．２倍，估计结果较为稳健，详见表８和表９。
表８ 集中供暖的开始对空气污染影响断点回归估计的稳健性检验
带宽（１） （２） （３） （４） （５）
ＰＭ２．５／（μｇ／ｍ３） ＰＭ１０／（μｇ／ｍ３） ＳＯ２／（μｇ／ｍ３） ＮＯ２／（μｇ／ｍ３） ＣＯ／（ｍｇ／ｍ３）
最优带宽１４．１４８＊＊＊ １５．７８８＊＊ １８．６２６＊＊＊ ９．８６３＊＊＊ ０．２２１＊＊＊
（４．５５４） （６．７６７） （４．７３３） （３．５６２） （０．０８０）
０．８倍最优带宽１７．６０５＊＊＊ ２５．４５８＊＊＊ １７．１５７＊＊＊ ９．８６３＊＊＊ ０．２５１＊＊＊
（５．０２４） （８．４２２） （５．９７０） （３．５６２） （０．０９３）
７４１
① 我们还做了改变拟合方法（由局部线性拟合改为局部多项式拟合）以及改变控制变量的稳健性检验，结果也较为稳健。因为篇幅限制，相应结果未放入正文。
经 济 学 报
２０１７年１２月
续表
带宽（１） （２） （３） （４） （５）
ＰＭ２．５／（μｇ／ｍ３） ＰＭ１０／（μｇ／ｍ３） ＳＯ２／（μｇ／ｍ３） ＮＯ２／（μｇ／ｍ３） ＣＯ／（ｍｇ／ｍ３）
１．２倍最优带宽１５．０５６＊＊＊ １７．１５５＊＊＊ １７．８７６＊＊＊ ９．３３３＊＊＊ ０．２２１＊＊＊
（４．０２５） （６．０２７） （４．１６７） （２．７５０） （０．０７３）
Ｎ ４５１０ ４５１０ ４５１０ ４５１０ ４５１０
注：括号内为稳健标准差。＊＊＊、＊＊、＊分别表示１％、５％和１０％的显著性水平。拟合阶数根据
ＡＩＣ准则选择，带宽为最小化 ＭＳＥ的最优带宽，以及最优带宽的０．８倍和１．２倍带宽。
表９ 集中供暖的结束对空气污染影响断点回归估计的稳健性检验
带宽（１） （２） （３） （４） （５）
ＰＭ２．５／（μｇ／ｍ３） ＰＭ１０／（μｇ／ｍ３） ＳＯ２／（μｇ／ｍ３） ＮＯ２／（μｇ／ｍ３） ＣＯ／（ｍｇ／ｍ３）
最优带宽０．０６３ －３．７９７ －５．２９１＊＊ １．２３７ ０．０５８
（３．０９１） （８．４９９） （２．５１９） （１．７７７） （０．０５７）
０．８倍最优带宽－１．５０１ －４．５０３ －４．５４５ １．１２１ ０．０３２
（３．３６６） （９．５９３） （２．８６６） （２．１９６） （０．０６５）
１．２倍最优带宽０．２３８ －２．６６２ －２．９３４ １．０６８ ０．０２５
（２．８８７） （７．７７１） （２．３３８） （１．５１９） （０．０５３）
Ｎ ５５４６ ５５４６ ５５４６ ５５４６ ５５４６
注：括号内为稳健标准差。＊＊＊、＊＊、＊分别表示１％、５％和１０％的显著性水平。拟合方法为局部
线性拟合，带宽为最小化 ＭＳＥ的最优带宽，以及最优带宽的０．８倍和１．２倍带宽。
4 结论与讨论
本文利用２０１３—２０１５年间中国２３０个城市的周频率的污染和气象数据，
利用断点回归的计量方法研究集中供暖对空气质量的影响。研究结果表明，在
控制了天气以及污染物本身时间趋势后，集中供暖的开始直接导致多种空气污染
物浓度显著上升，其中ＰＭ２．５、ＰＭ１０、ＳＯ２、ＮＯ２以及ＣＯ分别上升１４．１４８μｇ／ｍ３、
１５．７８８μｇ／ｍ３、１８．６２６μｇ／ｍ
３、９．８６３μｇ／ｍ３和０．２２１ｍｇ／ｍ３，分别为非供暖期均
值的２６．７９％、１４．７３％、７４．１０％、３０．４５％和２０．８５％。其中ＳＯ２受到影响最大，
增加幅度超过７０％。同时构成中国雾霾首要因素ＰＭ２．５，其浓度增加了将近三
成，该影响不容小觑。集中供暖结束时由于气象条件往往改善了，或者供暖火
力逐渐减小，空气质量的影响变化则比较连续。
空气污染已经成为威胁人类健康的重要环境问题，而集中供暖则是造成中
国空气污染的重要原因，导致中国北方城市在取暖季长时间的雾霾现象。我们
的研究从实证角度，测算了集中供暖对空气质量的影响程度，因此改善集中供
暖设备的燃烧效率，加强供暖燃煤的脱硫除尘等末端治理设施的使用，实现逐
８４１
第４卷第４期
李金珂 曹静：集中供暖对中国空气污染影响的实证研究
渐由烧煤供暖转向依靠诸如天然气等清洁能源，具有重大的实践意义。另外，目前很多南方地方在讨论南方集中供暖，本文从空气污染的角度分析了集中供暖的环境成本，可以为改进集中供暖的政策以及是否推出南方集中供暖相关政策的制定提供参考。
参考文献
Ａｎｇｒｉｓｔ Ｊ Ｄ，Ｌａｖｙ Ｖ．１９９９．Ｕｓｉｎｇ ｍａｉｍｏｎｉｄｅｓｒｕｌｅ ｔｏ ｅｓｔｉｍａｔｅ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｃｌａｓｓ
ｓｉｚｅ ｏｎ ｓｃｈｏｌａｓｔｉｃ ａｃｈｉｅｖｅｍｅｎｔ［Ｊ］．Ｔｈｅ Ｑｕａｒｔｅｒｌｙ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ，
１１４（２）：５３３－５７５．
Ａｒｃｅｏ Ｅ，Ｈａｎｎａ Ｒ，Ｏｌｉｖａ Ｐ．２０１６．Ｄｏｅｓ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｐｏｌｌｕｔｉｏｎ ｏｎ ｉｎｆａｎｔ ｍｏｒｔａｌｉｔｙｄｉｆｆｅｒ ｂｅｔｗｅｅｎ ｄｅｖｅｌｏｐｉｎｇ ａｎｄ ｄｅｖｅｌｏｐｅｄ ｃｏｕｎｔｒｉｅｓ？Ｅｖｉｄｅｎｃｅ ｆｒｏｍ Ｍｅｘｉｃｏ ｃｉｔｙ［Ｊ］．Ｔｈｅ Ｅｃｏｎｏｍｉｃ Ｊｏｕｒｎａｌ，１２６（５９１）：２５７－２８０．
Ｂｌａｃｋ Ｓ Ｅ．１９９９．Ｄｏ ｂｅｔｔｅｒ ｓｃｈｏｏｌｓ ｍａｔｔｅｒ？Ｐａｒｅｎｔａｌ ｖａｌｕａｔｉｏｎ ｏｆ ｅｌｅｍｅｎｔａｒｙｅｄｕｃａｔｉｏｎ［Ｊ］．Ｔｈｅ Ｑｕａｒｔｅｒｌｙ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ，１１４（２）：５７７－５９９．
Ｃｈａｙ Ｋ Ｙ，Ｇｒｅｅｎｓｔｏｎｅ Ｍ．２００３．Ｔｈｅ ｉｍｐａｃｔ ｏｆ ａｉｒ ｐｏｌｌｕｔｉｏｎ ｏｎ ｉｎｆａｎｔ ｍｏｒｔａｌｉｔｙ：
ｅｖｉｄｅｎｃｅ ｆｒｏｍ ｇｅｏｇｒａｐｈｉｃ ｖａｒｉａｔｉｏｎ ｉｎ ｐｏｌｌｕｔｉｏｎ ｓｈｏｃｋｓ ｉｎｄｕｃｅｄ ｂｙ ａ ｒｅｃｅｓｓｉｏｎ［Ｊ］．Ｔｈｅ Ｑｕａｒｔｅｒｌｙ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ，１１８（３）：１１２１－１１６７．
Ｃｈｅｎ Ｙ Ｙ，Ｅｂｅｎｓｔｅｉｎ Ａ，Ｇｒｅｅｎｓｔｏｎｅ Ｍ，ｅｔ ａｌ．２０１３．Ｅｖｉｄｅｎｃｅ ｏｎ ｔｈｅ ｉｍｐａｃｔ ｏｆ
ｓｕｓｔａｉｎｅｄ ｅｘｐｏｓｕｒｅ ｔｏ ａｉｒ ｐｏｌｌｕｔｉｏｎ ｏｎ ｌｉｆｅ ｅｘｐｅｃｔａｎｃｙ ｆｒｏｍ Ｃｈｉｎａｓ Ｈｕａｉ Ｒｉｖｅｒ
ｐｏｌｉｃｙ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｎａｔｉｏｎａｌ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ ｏｆ ｔｈｅ ＵｎｉｔｅｄＳｔａｔｅｓ ｏｆ Ａｍｅｒｉｃａ，１１０（３２）：１２９３６－１２９４１．
Ｇｅｌｍａｎ Ａ，Ｉｍｂｅｎｓ Ｇ．２０１４．Ｗｈｙ ｈｉｇｈ－ｏｒｄｅｒ ｐｏｌｙｎｏｍｉａｌｓ ｓｈｏｕｌｄ ｎｏｔ ｂｅ ｕｓｅｄ ｉｎ
ｒｅｇｒｅｓｓｉｏｎ ｄｉｓｃｏｎｔｉｎｕｉｔｙ ｄｅｓｉｇｎｓ［Ｒ］．ＮＢＥＲ Ｗｏｒｋｉｎｇ Ｐａｐｅｒ Ｎｏ．２０４０５．Ｔｈｅ
Ｎａｔｉｏｎａｌ Ｂｕｒｅａｕ ｏｆ Ｅｃｏｎｏｍｉｃ Ｒｅｓｅａｒｃｈ．
Ｈｅ Ｇ Ｊ，Ｆａｎ Ｍ Ｙ，Ｚｈｏｕ Ｍ Ｇ．２０１６．Ｔｈｅ ｅｆｆｅｃｔ ｏｆ ａｉｒ ｐｏｌｌｕｔｉｏｎ ｏｎ ｍｏｒｔａｌｉｔｙ ｉｎ
Ｃｈｉｎａ：Ｅｖｉｄｅｎｃｅ ｆｒｏｍ ｔｈｅ ２００８ Ｂｅｉｊｉｎｇ Ｏｌｙｍｐｉｃ Ｇａｍｅｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆＥｎｖｉｒｏｎｍｅｎｔａｌ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｍａｎａｇｅｍｅｎｔ，７９：１８－３９．
Ｋｎｉｔｔｅｌ Ｃ Ｒ，Ｍｉｌｌｅｒ Ｄ Ｌ，Ｓａｎｄｅｒｓ Ｎ Ｊ．２０１６．Ｃａｕｔｉｏｎ，ｄｒｉｖｅｒｓ！Ｃｈｉｌｄｒｅｎ ｐｒｅｓｅｎｔ：
Ｔｒａｆｆｉｃ，ｐｏｌｌｕｔｉｏｎ，ａｎｄ ｉｎｆａｎｔ ｈｅａｌｔｈ［Ｊ］．Ｒｅｖｉｅｗ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｓｔａｔｉｓｔｉｃｓ，
９８（２）：３５０－３６６．
Ｌｉ Ｈ Ｂ，Ｓｈｉ Ｘ Ｚ，Ｗｕ Ｂ Ｚ．２０１５．Ｔｈｅ ｒｅｔｉｒｅｍｅｎｔ ｃｏｎｓｕｍｐｔｉｏｎ ｐｕｚｚｌｅ ｉｎ Ｃｈｉｎａ［Ｊ］．
Ｔｈｅ Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗ，１０５（５）：４３７－４４１．Ｌｉａｎｇ Ｘ，Ｚｏｕ Ｔ，Ｇｕｏ Ｂ，ｅｔ ａｌ．２０１５．Ａｓｓｅｓｓｉｎｇ Ｂｅｉｊｉｎｇｓ ＰＭ２．５ｐｏｌｌｕｔｉｏｎ：Ｓｅｖｅｒｉｔｙ，
ｗｅａｔｈｅｒ ｉｍｐａｃｔ，ＡＰＥＣ ａｎｄ ｗｉｎｔｅｒ ｈｅａｔｉｎｇ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｒｏｙａｌ Ｓｏｃｉｅｔｙ Ａ：
Ｍａｔｈｅｍａｔｉｃａｌ，Ｐｈｙｓｉｃａｌ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｃｉｅｎｃｅ，４７１（２１８２）：２０１５０２５７．Ｍａｒｃｈａｌ Ｖ，Ｄｅｌｌｉｎｋ Ｒ，Ｖａｎ Ｖｕｕｒｅｎ Ｄ，ｅｔ ａｌ．２０１１．ＯＥＣＤ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｏｕｔｌｏｏｋ ｔｏ
９４１
经 济 学 报
２０１７年１２月
２０５０［Ｒ］．Ｏｒｇａｎｉｚａｔｉｏｎ ｆｏｒ Ｅｃｏｎｏｍｉｃ Ｃｏ－ｏｐｅｒａｔｉｏｎ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ．Ｍｅｎｇ Ｌ Ｓ．２０１３．Ｅｖａｌｕａｔｉｎｇ Ｃｈｉｎａｓ ｐｏｖｅｒｔｙ ａｌｌｅｖｉａｔｉｏｎ ｐｒｏｇｒａｍ：Ａ ｒｅｇｒｅｓｓｉｏｎｄｉｓｃｏｎｔｉｎｕｉｔｙ ａｐｐｒｏａｃｈ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｐｕｂｌｉｃ Ｅｃｏｎｏｍｉｃｓ，１０１：１－１１．
Ｐｏｐｅ Ｃ Ａ ＩＩＩ．１９８９．Ｒｅｓｐｉｒａｔｏｒｙ ｄｉｓｅａｓｅ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ｃｏｍｍｕｎｉｔｙ ａｉｒ ｐｏｌｌｕｔｉｏｎ ａｎｄ ａｓｔｅｅｌ ｍｉｌｌ，Ｕｔａｈ Ｖａｌｌｅｙ［Ｊ］．Ａｍｅｒｉｃａｎ Ｊｏｕｒｎａｌ ｏｆ Ｐｕｂｌｉｃ Ｈｅａｌｔｈ，７９（５）：６２３－６２８．
Ｔｈｉｓｔｌｅｔｈｗａｉｔｅ Ｄ Ｌ，Ｃａｍｐｂｅｌｌ Ｄ Ｔ．１９６０．Ｒｅｇｒｅｓｓｉｏｎ－ｄｉｓｃｏｎｔｉｎｕｉｔｙ ａｎａｌｙｓｉｓ：Ａｎａｌｔｅｒｎａｔｉｖｅ ｔｏ ｔｈｅ ｅｘ ｐｏｓｔ ｆａｃｔｏ ｅｘｐｅｒｉｍｅｎｔ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ ＥｄｕｃａｔｉｏｎａｌＰｓｙｃｈｏｌｏｇｙ，５１（６）：３０９－３１７．
Ｖａｎ Ｄｅｒ Ｋｌａａｕｗ Ｗ．２００２．Ｅｓｔｉｍａｔｉｎｇ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｆｉｎａｎｃｉａｌ ａｉｄ ｏｆｆｅｒｓ ｏｎ ｃｏｌｌｅｇｅｅｎｒｏｌｌｍｅｎｔ：Ａ ｒｅｇｒｅｓｓｉｏｎ－ｄｉｓｃｏｎｔｉｎｕｉｔｙ ａｐｐｒｏａｃｈ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ ＥｃｏｎｏｍｉｃＲｅｖｉｅｗ，４３（４）：１２４９－１２８７．
Ｅｍｐｉｒｉｃａｌ Ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ Ｅｆｆｅｃｔ ｏｆ Ｃｅｎｔｒａｌ Ｈｅａｔｉｎｇ ｏｎＡｉｒ Ｐｏｌｌｕｔｉｏｎ ｉｎ Ｃｈｉｎａ
Ｊｉｎｋｅ Ｌｉ Ｊｉｎｇ Ｃａｏ
（Ｓｃｈｏｏｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｍａｎａｇｅｍｅｎｔ，Ｔｓｉｎｇｈｕａ Ｕｎｉｖｅｒｓｉｔｙ）
Ａｂｓｔｒａｃｔ Ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｃｅｎｔｒａｌ ｈｅａｔｉｎｇ ｏｎ ａｉｒ ｐｏｌｌｕｔｉｏｎ ａｎｄ ｈｅａｌｔｈ ｄｒａｗｓ ｍｕｃｈ
ａｔｔｅｎｔｉｏｎ ｒｅｃｅｎｔｌｙ，ａｎｄ ｉｔ ｉｓ ｈｏｔｌｙ ｄｉｓｃｕｓｓｅｄ ｗｈｅｔｈｅｒ ｃｅｎｔｒａｌ ｈｅａｔｉｎｇ ｓｈｏｕｌｄ ａｌｓｏ ｂｅ
ｅｓｔａｂｌｉｓｈｅｄ ｉｎ ｔｈｅ ｓｏｕｔｈｅｒｎ ｐａｒｔ ｏｆ Ｃｈｉｎａ．Ｓｏ ｉｔ ｉｓ ｉｍｐｏｒｔａｎｔ ｔｏ ａｃｃｕｒａｔｅｌｙ ｅｓｔｉｍａｔｅ
ｔｈｅ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｃｏｓｔ ｏｆ ｃｅｎｔｒａｌ ｈｅａｔｉｎｇ．Ｕｓｉｎｇ ｎａｔｉｏｎａｌ ｗｉｄｅ ｄａｔａ，ａｎｄ ｂｙｅｘｐｌｏｉｔｉｎｇ ｒｅｇｒｅｓｓｉｏｎ ｄｉｓｃｏｎｔｉｎｕｉｔｙ ａｐｐｒｏａｃｈ，ｗｅ ｅｘａｍｉｎｅ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｃｅｎｔｒａｌ ｈｅａｔｉｎｇｏｎ ｄｉｆｆｅｒｅｎｔ ａｉｒ ｐｏｌｌｕｔａｎｔ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ．Ｏｕｒ ｅｍｐｉｒｉｃａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ：１．Ｔｈｅ
ｂｅｇｉｎｎｉｎｇ ｏｆ ｈｅａｔｉｎｇ ｌｅａｄｓ ｔｏ ｓｉｇｎｉｆｉｃａｎｔ ｉｎｃｒｅａｓｅ ｏｆ ＰＭ２．５，ＰＭ１０，ＳＯ２，ＮＯ２，ＣＯ
ａｎｄ Ｏ３ｂｙ １４．１４８μｇ／ｍ３，１５．７８８μｇ／ｍ
３，１８．６２６μｇ／ｍ３，９．８６３μｇ／ｍ
３ ａｎｄ ０．２２１ｍｇ／ｍ３，
ｗｈｉｃｈ ｉｓ ２６．７９％，１４．７３％，７４．１０％，３０．４５％ａｎｄ ２０．８５％ｏｆ ｔｈｅ ａｖｅｒａｇｅ ｌｅｖｅｌ ｏｆ
ｎｏｎ－ｈｅａｔｉｎｇ ｓｅａｓｏｎ，ａｎｄ ａｌｌ ｔｈｅ ｒｅｓｕｌｔｓ ａｒｅ ｓｉｇｎｉｆｉｃａｎｔ ａｔ ５％ｌｅｖｅｌ；２．Ｔｈｅ ｅｎｄｉｎｇ ｏｆ
ｈｅａｔｉｎｇ ｌｅａｄｓ ｔｏ ｃｏｎｔｉｎｕｏｕｓ ｄｅｃｌｉｎｅ ｉｎ ａｉｒ ｐｏｌｌｕｔａｎｔｓ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ，ｂｕｔ ｗｅ ｄｉｄｎｔ
ｏｂｓｅｒｖｅ ａｂｒｕｐｔ ｃｈａｎｇｅ；３．Ｏｕｒ ｒｅｓｕｌｔｓ ａｒｅ ｒｏｂｕｓｔ ｗｈｅｎ ｗｅ ｃｈａｎｇｅ ｆｉｔｔｉｎｇ ｍｅｔｈｏｄｓ ｏｒ
ｃｏｎｔｒｏｌ ｖａｒｉａｂｌｅｓ．Ｏｕｒ ｆｉｎｄｉｎｇｓ ｓｕｇｇｅｓｔ ｔｈａｔ ｃｅｎｔｒａｌ ｈｅａｔｉｎｇ ｓｉｇｎｉｆｉｃａｎｔｌｙ ａｇｇｒａｖａｔｅｓ
ａｉｒ ｐｏｌｌｕｔｉｏｎ ｉｎ Ｃｈｉｎａ，ａｎｄ ＰＭ２．５，ｗｈｉｃｈ ｉｓ ｔｈｅ ｐｒｉｍａｒｙ ｐｏｌｌｕｔａｎｔ ｏｆ Ｃｈｉｎａｓ ｈａｚｅ，
ａｌｍｏｓｔ ｉｎｃｒｅａｓｅｓ ｂｙ ３０％ａｆｔｅｒ ｈｅａｔｉｎｇ ｂｅｇｉｎｓ，ａｎｄ ＳＯ２ｉｎｃｒｅａｓｅｓ ｂｙ ｏｖｅｒ ７０％．Ｓｏ ｔｈｅ
ｇｏｖｅｒｎｍｅｎｔ ｓｈｏｕｌｄ ｔａｋｅ ｉｎｔｏ ａｃｃｏｕｎｔ ｔｈｅ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｃｏｓｔ ｗｈｅｎ ｏｐｔｉｍｉｚｉｎｇ ｔｈｅ ｐｏｌｉｃｙ．
ＪＥＬ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｑ５３，Ｃ２１，Ｉ１０
０５１
