引言

随着改革开放和经济发展，我国居民日益向往美好生活，这不仅体现在经济增长所带来的消费增加，还取决于生态环境改善带来的身心愉悦^[1]。近年来，面对频繁出现的雾霾天气，公众健康受到了损害^{[2, 3]}。统计显示：中国每年有135万人死于空气污染^[4]，其致死率排名第四^[5]，空气污染所导致的公共健康问题逐渐受到人们的关注。对此，国家高度重视，《打赢蓝天保卫战三年行动计划》(2018年)指出，必须通过减少大气污染物排放，降低PM_2.5浓度，进而改善环境空气质量。2020年，中国在气候雄心峰会上提出2060年左右实现碳中和的目标，并结合2030年左右实现碳达峰的目标形成了国家“3060”战略，力争早日解决空气污染。

但在未来一段时间，空气污染不会迅速消失，中国居民能否忍受严重的空气污染值得探究。传统城市发展理论认为：短期内，居民会通过支付健康成本以承受污染；长期空气污染会导致居民离开受污染区域。然而在中国，以京津冀、长三角为主的城市群呈现出人口净流入与长期空气污染并存的现象^[6]。这些城市群在承受着巨大环境压力的同时却依然享有人口红利，与传统的城市发展理论不符。基于此，本文通过测算空气污染对人口流动的推拉效应及收入水平的调节效应，解释该现象的原因，并提出相关政策建议。

1 文献综述

空气污染对人口流动的推拉效应及效应中经济因素的相关研究成果颇丰，现就已有研究成果综述如下：

空气污染对流动人口的影响主要体现在空气污染对居民身体健康和心理健康的损害，从而导致人口的外流。研究多从医学研究的角度，发现长时间暴露在空气污染中会增加患心血管疾病的概率^[7]，例如肺病、心脏病以及高血压等。同时，空气污染还会对呼吸道产生损伤，如近几年空气污染严重，过敏性呼吸道疾病的患病率快速上升^[8]。此外，空气污染对居民心理健康也存在影响，具体包括空气污染易导致抑郁症和焦虑症^[9]、降低居民的主观幸福感^[10]，以及缩短居民的寿命预期^[11]。

空气污染会对居民的生理和心理产生损害，促使居民采取健康支付或离开该地区的行为^[12]。Chen等^[13] 从医疗保险的角度量化了空气污染和医疗保险之间的关系，即短期内空气污染加剧导致居民购买医疗保险的费用提高。然而，当严重的空气污染长期存在时，居民会选择离开这一地区。Can等^[14] 基于智能手机的定位数据和变量回归工具，证实空气污染会导致人口的外流。也有学者使用中国人口调查数据来检验这一机制。例如Li等^[15] 使用2016年中国移民调查数据检验得出，本地区PM_2.5浓度上升时，儿童随父母迁入的概率将会下降。张海峰等^[16] 使用中国劳动力动态调查数据，论证了城市生态环境能够吸引人口流入。孙伟增等^[17] 使用全国流动人口动态监测调查数据，实证指出空气污染对于流动人口就业选址有显著的负向影响。

除上述研究成果外，也有学者使用享乐价格法，即将房屋价格作为人口流动的代理变量，分析空气污染对房价或土地价格的负面影响，如Banzha等^[18] 从空气质量的角度考察Tiebout模型中“用脚投票”理论，得出空气污染的减少会使得土地需求增加，同时带来一个地区经济结构和人口结构变动的结论；席鹏辉等^[19] 使用房屋销售面积作为移民的代理变量，实证城市空气质量对于人口流动的影响。这些研究从侧面验证了空气污染会降低城市对人口流动的吸引力。

根据以上学者的研究成果，空气污染对人口流动具有显著影响。但也有部分学者不认同该观点，指出空气污染对人口流动的影响有限。Gray^[20] 使用厄瓜多尔南部安第斯山脉的调查数据和事件历史模型，研究得出恶劣环境与当地人口流出并没有明显关系。Liu^[21] 通过个人访查、参与调查以及媒体报道的方式，反驳了中国富人迁移是规避环境污染的观念，指出富人移居国外是为了成为全球精英。与此同时，Grace等^[22] 指出，非洲地区气候的恶化并未导致人口外流。Freeman^[23] 提出中国家庭定居区域与空气污染关系不大，主要受中国户籍制度及相关迁移政策的驱动。Wu等^[24] 使用中国的人口普查数据，指出空气污染未能阻止城市的人口流入，制度才是人口流动最大的影响因素。

依据Bagne^[25] 的推拉理论，人口流动由两股力量决定：促进人口流入的拉力和促进人口流出的推力，若将空气污染作为人口流动的推力，则包括工资水平、公共服务水平等在内的因素都被视为对人口流动产生影响的拉力^[26]。大量的研究将拉力与推力纳入同一体系，分析得出空气污染对人口流动的影响效应可能与收入有关。Cao等^[27] 以安徽省的移民为研究对象，研究发现空气污染确实会导致人口流出，并且随着收入水平的上升，流出的可能性更大。Kim^[28] 以加利福尼亚州为研究对象，发现频繁的空气质量警报会加剧人口流出，空气污染对富裕县的人口流出影响更为显著。肖挺^[29] 根据中国2004—2012年直辖市及省会(自治区首府)城市数据，实证得出空气污染对人口流动的影响主要体现在沿海和内地中心城市，并且随着收入提升，环境质量对人口流动的影响程度逐渐增强。陈林等^[30] 实证检验了工资、二氧化硫排放对地区常住人口的影响，得出经济发达的地区居民对二氧化硫排放的容忍度高，后发地区的居民则相反。

综上所述，多数学者认为空气污染会导致人口外流，形成推力效应。少数学者对该影响存在质疑。在以中国为研究对象的成果中，亦存在此类争议，其中部分学者指出空气污染对不同类别城市的人口流动影响程度不同或不显著。本文旨在检验空气污染对不同类别城市的人口流动影响，以及收入水平对该影响的调节效应。通过测算雾霾对279个城市人口流动的推拉效应发现，雾霾促进百强城市的人口流入(形成拉力效应)、非百强城市的人口流出(形成推力效应)。在此基础上测算收入水平的调节效应，发现随着收入提升，会分别增加百强和非百强城市的拉力效应和推力效应，具体内容如下。

2 机理分析与研究假设 2.1 空气污染对人口流动的推拉效应

本文依据文献评述，以PM_2.5表征空气污染，指出推力效应的影响路径包括生理和心理两个方面：①身体健康损害。空气污染对居民个体身体健康的负面影响主要体现在增加心脑血管和呼吸道的患病概率。②心理健康损害。空气污染严重的城市使生活和工作在那里的人们的幸福感和工作效率降低，患抑郁症的概率增加，进而提高在医疗卫生方面的支出，导致居民选择离开城市。

传统理论认为，只有经济社会资源等因素才会对城市的人口流动形成拉力效应。然而，城市的空气污染主要来源于工业废气、汽车尾气以及建筑扬尘。空气污染越严重，侧面反映出该城市的高能耗高污染企业越活跃。常态下，空气污染不具有拉力效应。但是，随着城市间收入水平差距拉大，居民可承受的空气污染水平也会提高。差距达到一定水平时，居民不会考虑空气污染的影响，乃至空气污染越严重，越会去这些城市定居。因为，虽然这些城市空气污染严重，且居民不一定能获取该城市相应的经济社会资源。但流入与流出城市间的收入水平差距悬殊，使流入人口形成过高收入预期：流入空气污染严重的城市，有可能实现高水平收入。因为城市间收入差距太大，即使是流入城市的低水平收入，也不低于流出城市的收入水平，并且流入后还有高水平收入的预期。此类预期难以量化，转而以空气污染的拉力效应体现，是城市间经济社会资源差距过大的必然结果。

据此，本文提出假设H1：空气污染会导致人口流入。若H1成立，则空气污染对人口流动形成拉力效应；若H1不成立，则空气污染对人口流动形成推力效应。

2.2 收入水平对推拉效应的调节作用

调节作用即调节效应，为与推拉效应进行区别，本文统称为调节作用。收入水平对空气污染推拉效应的调节作用取决于城市类别，存在与否需进行检验。若存在调节作用，则可加剧或抑制推拉效应，具体影响机理如下：

(1) 推力效应的收入调节。虽然空气污染会带来生理和心理损害，但如果居民的实际收入足以支付该成本，则可能选择留在该城市。抑或经济实力提升，足以流出至经济或空气水平更好的城市。这两种调节机理同时存在，具体的调节机理需依据不同城市进行实证研究。

据此，本文提出假设H2：其他条件不变的情况下，随着收入水平提升，空气污染的推力效应会被放大。

(2) 拉力效应的收入调节。虽然高水平的长期收益预期使居民承受了空气污染和短期低收益，但无论居民实现高水平的长期收益与否，均可能选择留在该城市以期获得更高收益，或流出至其他经济压力较小的城市。这两种机理也同时存在，需进行实证研究。

据此，本文提出假设H3：其他条件不变的情况下，随着收入水平提升，空气污染的拉力效应会被放大。

根据以上机理分析，空气污染推拉效应的机理如图 1所示。

从机理图来看，经济增长的同时不仅能提升居民收入水平，也会导致空气污染。这两种作用共同提升居民的生态环保意识，促使居民支付健康成本以承受空气污染，形成其他因素(即不包含空气污染)对人口流动的拉力效应。从人口流动的效用均衡来看，居民流入后提升收入而增加的效用不少于承受空气污染所损失的效用。同时，随着城市发展，空气污染加剧，居民流入后虽提升收入而增加效用，却不及严重空气污染形成的效用损失。但由于城市发展后，城市间收入差距增大，使居民形成了高收入水平的预期，该预期的效用弥补了效用缺口，导致人口流入。虽然该预期难以量化，但人口流入城市的空气污染越严重，则说明居民的高收入水平预期越强，转而体现为空气污染的拉力效应。此外，空气污染所导致的患病几率上升，使得居民生活与工作幸福感降低，导致人口流出，即空气污染的推力效应。

3 模型的构建与数据来源 3.1 模型的选取与构建

为考察空气污染对人口流动的推拉效应，本文构建面板固定效应模型如下：

(1)

式中，i表示地区；t表示时间；pop_it表示人口净流入；pol_it表示空气污染；α和β为均为待估参数，α₀表示截距项；control_it表示控制变量；ε_it为随机误差项；δ_t和µ_i分别表示时间效应和个体效应。

由于空气污染对人口流动的影响存在滞后效应，即当期的空气污染会影响下一期的人口流动，因此本文引入空气污染的滞后项。模型如下所示：

(2)

为检验收入水平在推拉效应中的调节作用，本文借鉴韩先锋等^[31] 的研究方法，构建面板门槛模型，并将收入水平作为调节变量引入门槛模型中，模型如下：

(3)

式中，γ为门槛值，α和β为系数，I(*) 为示性函数。本文在构建这些模型的基础上，进行后续的实证回归分析。

3.2 变量定义与数据来源

在变量的选取方面，模型的核心解释变量为空气污染。目前衡量地区空气污染的指标主要有工业二氧化硫排放量^[32]、空气污染指数(AQI) ^[33]、PM_2.5浓度等。由于雾霾污染严重危及国家的“30· 60”战略，本文借鉴Van等^[34] 的研究方法，采用哥伦比亚大学社会经济数据和应用中心所公布的全球PM_2.5栅格数据，将其导入Arcgis并结合中国行政区划图将栅格数据解析为地级市层面数据，记为pol。

模型的被解释变量为人口流动，考虑到中国房价实情以及微观调查数据的时间跨度^[35]，本文借鉴邓国营等^[36] 的研究指标，选取人口净流入表征人口流动，根据年鉴中的地区生产总值和人均地区生产总值的比值得到常住人口，再用常住人口减去各城市城区的户籍人口，得到人口净流入量，记为pop。

收入水平是人口流动时的首要考虑因素，本文选取职工年平均工资表征收入水平。其次为城市的经济和公共服务等其他城市特征，本文以人均国内生产总值(GDP)、第三产业占GDP的比重、每万人图书馆藏书量、每万人床位数、每万人小学教师数表征这些城市特征。在变量数据的处理上，由于存在极端值，对所有数据进行上下1 % 的winorize缩尾处理，将部分数值型数据进行对数处理，包括职工年平均工资和人均GDP，数据的描述性统计分析如如表 1所示，数据来源如下：

鉴于行政区划的连续性和数据的完整性，本文选取279个地级及以上城市2003-2016年的面板数据来验证上述假设。除PM_2.5浓度数据外，其余数据均来源于《中国城市统计年鉴》和《中国区域统计年鉴》，部分缺失值通过查询地方统计公报和线性插值法获得。

4 实证研究

本文运用stata16软件，采用面板固定效应模型实证空气污染对人口流动的推拉效应，并通过门槛模型检验收入水平对该影响的调节作用。

4.1 基准回归结果

首先对模型应采取固定效应或随机效应进行hausman检验，得出的P值在1 % 的水平下显著，说明模型应该选用固定效应模型而非随机效应。在此基础上根据式(1)和式(2)进行空间固定效应和时空双固定效应的模型回归。基准回归结果如表 2所示。

从模型结论可知，收入水平对人口流入在1 % 的水平上对人口流入具有显著的正向作用。结果表明当收入水平提升时，居民为追求更高的收入，会选择流入高收入水平地区；基础教育、医疗服务以及图书馆藏书等公共服务指标都通过了10 % 以上的显著性检验，对人口流入具有促进作用，验证了Tiebout的“用脚投票”理论^[18]。居民为享受更好的公共服务，会选择流入公共服务水平较高的城市。回归结果显示，收入水平和公共服务水平越高，越能够吸引人口流入，形成其他因素的拉力效应。

然而，空气污染及其滞后项对人口流动的影响均不显著，说明全国城市数量较多，可能存在城市异质性，故空气污染对人口流动的整体影响不显著。为考察不同城市空气污染对人口流动的影响，本文对城市进行分类分析，以检验其是否存在异质性。

4.2 城市异质性分析

为验证空气污染在不同城市的推拉效应，本文将279个城市依据全国百强城市标准划分为两组；同时，根据所在地理位置将全国分为东部城市和中西部城市两组展开分析，实证结果如表 3所示。

从面板固定效应回归结果来看，东部城市和百强城市空气污染对人口流入都呈现出正向作用，而中西部城市和非百强城市都呈现出负向作用。但是显著水平不同，东部和中西部城市的组内城市特征差异较大，难以体现出群体特征。因此，在接下来的研究中，仅为参考组。百强和非百强城市的空气污染影响均通过了显著性检验，百强城市空气污染会对人口流入产生显著的正向作用，即形成拉力效应。非百强城市的空气污染会导致人口流出，即形成推力效应。为解释不同组城市推拉效应的显著性不同，本文绘制四组城市空气污染的核密度图(图 2和图 3，横坐标为PM_2.5浓度，纵坐标为该浓度对应的城市数占比)：在东部和中西部城市对比中，不同PM_2.5浓度下两组城市占比高低各有不同；而在百强城市和非百强城市里，PM_2.5浓度大于40 μg/m³的高污染城市中，百强城市多于非百强城市，PM_2.5浓度低于40 μg/m³的低污染城市中，百强城市少于非百强城市。这也解释了为何东部和中西部城市空气污染的推拉效应不显著，而百强城市和非百强城市显著的原因。

返回至表 3，百强城市即使平均PM_2.5浓度更高，人口依然流入；而非百强城市即使平均PM_2.5浓度较低，人口依然流出。这说明百强城市的空气污染存在人口拉力效应，非百强城市的空气污染存在人口推力效应。百强城市拥有更好的预期收入和公共资源，使得城市居民具备高水平的健康支付能力，如药品购买和使用^[37]，同时也使居民拥有更高的远期收入预期，引发持续性人口流入，形成拉力效应。非百强城市收入水平较低及公共资源不足，使居民健康支付意愿较低且城市的环境治理能力不足，故稍有空气污染即导致人口流出，形成推力效应。

4.3 调节作用门槛模型实证分析

基于4.2节的实证结论，本文通过构建面板门槛模型考察收入水平的调节作用，相较于普通的线性回归，面板门槛模型算法能通过bootstrap抽样，将整段回归分为几段，并计算其门槛值，具有论证调节作用的实证优势。故本文以收入水平为门槛变量，检验门槛值的存在性，结果如表 4所示。

从表 4来看，全国和东部城市的门槛回归存在双门槛效应，中西部和百强城市存在单一门槛效应。在检验门槛效应存在后，使用门槛模型对式(3)进行估计，获得模型的门槛值，如表 5所示。

在表 5基础上，为检验门槛估计值与真实值的一致性，本文绘制了不同区域、不同类别城市的门槛值似然比函数图(图 4~图 8)：

从图 4~图 8来看，所有的门槛值均在置信区间内，门槛值真实存在，可进行门槛回归分析，详见表 6。

从表 6的门槛回归结果来看，其与表 3所展示的结论大致类似，但也有区别。

从全国范围来看，收入水平达到6.7万元/年是一个重要门槛，当收入水平超过该值时，空气污染的拉力效应会变为显著，而低于该值则不会。

从东部城市来看，收入水平达到5.7万元/年是一个重要门槛，当收入水平超过该值时，会显著提升空气污染的拉力效应。当收入水平超过5.76万元/年时，拉力效应会下降，但门槛值之间范围过小，这是由东部城市经济和环境的个体差异导致的。这也说明东部城市在四组城市里更具有将空气污染拉力效应转变为推力效应的潜力。中西部城市的门槛值虽然存在，但空气污染影响系数均不显著，故不讨论。

从百强城市看，收入水平达到5.7万元/年是一个重要门槛，当收入水平超过该值时，空气污染的拉力效应会变为显著，而低于该值则不会。从非百强城市看，收入水平达到6.1万元/年是一个重要门槛，当收入水平超过该值时，空气污染的推力效应会进一步加剧。

至此，可有实证结论，得出不同类别城市对应推拉效应和调节作用的假设是否成立，详见表 7。

5 稳健性分析

为确保实证结果的稳健性，本文展开内生性问题讨论，并更换核心解释变量与被解释变量以进行稳健性检验。

5.1 内生性讨论

面板固定效应模型能控制个体固定效应，避免个体层面遗漏变量，但是人口流动的影响因素较多，模型难以考虑全面。此外，雾霾污染受到经济发展水平的影响，控制变量中的收入水平，公共服务水平等都和雾霾污染有很强的相关性，因此模型中可能会存在反向因果关系，结合内生性问题^{[38, 39]}，本文使用空气流动系数作为雾霾污染的工具变量。该工具变量与内生变量(PM_2.5浓度)具有很强的相关性。但空气流动系数由气象状况(风速)和地理条件(大气边界层高度)决定，和本地区的人口流动以及经济变量没有直接相关性，因此可以满足工具变量的外生性假设。具体建模如下：

(4)

式中，VC_it、WS_it和BLH_it分别代表空气流动系数、10米风速和大气边界层高度。风速和大气边界层高度数据均来自欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts，ECMWF) 发布的经纬度栅格气象数据，通过ArcGIS软件将栅格数据处理为可使用的2003—2016年中国地级及以上的城市数据。基于该工具变量，本文采取两阶段最小二乘法和有限信息最大似然法(LIML) ^[40] 进行工具变量回归。

第一阶段：

(5)

第二阶段：

(6)

其中，第一阶段在控制所有控制变量、时间固定效应δ_t和城市固定效应µ_i的基础上，以空气流动系数解释空气污染水平，运用回归系数获得当年空气污染的预测值。第二阶段中以空气污染预测值替代实际污染水平观测值作为主要解释变量，并通过面板固定效应模型分析空气污染对流动人口的影响效应，结果详见表 8。

因篇幅限制，表 8仅列示了个体固定效应下两阶段最小二乘法的结果，LIML的结果与表中汇报的结果类似，因此不再赘述。由不同区域的第一阶段F值可知，工具变量的选择合理，同时，结果显示所有的最小二乘法回归的Kleibergen-Paaprk LM统计量均在35左右，大于1 % 的显著性水平，显示工具变量通过过度识别检验。此外，两阶段最小二乘法的回归所有系数的正负与基准回归并无差异，证明了本文结果具有稳健性。

在上述的内生性检验中，通过LIML方法和两阶段最小二乘法得到了与原模型相一致的结果，为了进一步增加结果的稳健性，本文依据原模型，通过替换解释变量与被解释变量来提高实证结果的稳健性。

5.2 替换解释变量稳健性检验

为了验证解释变量的稳健性，本文将空气污染数据替换为Dalhouse大学公布的2001—2018年的地级市PM_2.5浓度数据进行稳健性检验。由于部分城市存在统计偏误，本文对样本进行缩尾处理并剔除样本中的极端异常值。稳健性检验的结果如表 9所示。替换解释变量的实证结果与表 3所显示的相一致，证明本文的结果具有稳健性。

5.3 替换被解释变量稳健性检验

为了进一步验证实证结果的稳健性，本文将被解释变量替换为房价水平的变化量，房屋作为居民的刚性需求，当地区人口流入量增加时，对房屋的需求量增加。假设市场出清，根据需求理论，需求量增加时，在市场的作用下，房价水平将会和人口流入量同方向变动，因此，在稳健性检验中选用房价水平的变动量作为被解释变量的替换变量具有一定的合理性。商品房销售价格数据由《中国城市统计年鉴》中的商品房销售面积和商品房销售额计算得到，部分城市房价缺失数据来源于安居客，并剔除部分数据缺失严重的城市样本。替换被解释变量的稳健性检验结果如表 10所示。替换被解释变量的实证结果与表 3所显示的相一致，证明本文的结果具有稳健性。

6 结论及政策启示

本文运用面板固定效应模型，从全国和不同类别层面考察空气污染对人口流动的推拉效应，再基于门槛模型验证不同区域的收入水平对空气污染驱赶效应的调节作用，最后从变量的内生性视角验证了实证结果的稳健性，结论显示：

全国层面上，空气污染的推拉效应不显著，但当城市居民的收入水平超过6.7万元/年时，空气污染会具有显著的拉力效应；东部和中西部城市空气污染的推拉效应也不显著，但当东部城市的收入水平超过5.7万元/年时，空气污染的拉力效应会变为显著，并且在四组城市里具备优先减少拉力效应的潜力；百强城市空气污染为拉力效应，这是百强城市的收入水平与非百强城市收入水平差距过大导致的，非百强城市空气污染为推力效应。从收入水平的调节作用来看，当百强城市收入水平超过5.7万元/年，非百强城市收入超过6.1万元/年时，空气污染的推拉效应得以增强。

据此，本文提出相应政策建议：①中国的空气污染治理政策宜因城市类别制定，不宜采取“一刀切”的策略。②百强城市可进一步增强污染治理政策的执行力度。百强城市中，61个城市处于东部。东部城市提升收入，能够降低空气污染的拉力效应。结合增强污染治理的执行力度，可在经济和技术条件满足下，淘汰落后产能，提升经济增长的质量、有效促进经济绿色转型。③非百强城市在制定发展规划时，需均衡考虑经济和空气污染。为实现经济增长，应合理接纳其他城市的产业转移，适度承受空气污染，促进人口向百强城市流动，为我国早日完成城镇化转型做出贡献。