转轨期中国空气污染的社会经济损失评估

张凤林，杨 晓

（东北财经大学 经济学院，辽宁 大连116025）

一、以往的研究概况与本文的分析视角

近30年的中国经济转轨促进了经济的高速增长，但同时也带来了严重的环境污染问题。如何采用科学方法来估算环境空气污染造成的损害，并基于社会福利最大化的目标实施治理对策，已经成为保证社会经济可持续发展的重要前提之一，它也是环境经济学与福利经济学等相关研究领域面临的重要挑战之一。一般来说，有关环境污染损害估算的研究多是基于所谓“暴露—反应关系”，并形成了可计算一般均衡模型（CGE）的动态分析和关于污染排放实验与政策综合评价模型APEEP（the air pollution emission experiments and policy）的静态分析两大类。前者注重于环境污染随时间延续的损害累积效应及相关联动效应，进而估算其社会经济损失（Matus等，2012；Nam等，2010）。后者主要关注特定时点（例如某一年）的污染，通过利用代表性的物质来模拟环境变化过程中的机制并对环境状况进行评估，以此为基础来估算污染损害量及其造成的社会总成本损失。现有的国内外文献大多是按照第二类研究思路展开，本文也遵循此种思路。

按照综合评价模型的静态分析思路来估算污染造成的社会成本，涉及到两方面的具体技术与方法问题。其一，究竟是从平均损害（AD）的视角还是从边际损害（MD）的视角来估算总损害量（GAD）。以往流行的研究均采用平均损害估算的视角，但是近几年美国学者Muller等人开辟了边际损害估算的新视角（Muller和Mendelsohn，2007；Muller et al.，2011）。基于边际损害视角的估算虽然在对于总损害的估算方面与基于平均损害视角的估算并无本质性区别，然而由于引入了边际损害的概念可以获得更多的有关污染的结构性信息，从而得出更丰富的结论与政策含义。例如，估算污染物的边际损害将有利于针对不同的污染物制定不同的减排政策；通过比较各种污染物的边际损害量与边际减排成本，又可以获悉不同政策的福利后果；此外，估算不同空间结构下的边际损害，也可以为制定区域间差异性的减排政策提供理论支持。其二，如何将所估算的污染损害的物量值转化为货币量值，进而评估污染造成的社会总成本或福利损失。目前这方面的方法呈现多样化，诸如：关于健康损害的货币量值转化，由于难以直接找到对应的市场价格，常用疾病成本法（Huang等，2012）、人力资本法（World Bank和China SEPA.，2007；岳立，2011）、显示性偏好法（Muller等，2011）以及陈述性偏好法（Hammitt和Zhou，2006；陈仁杰等，2010）等从不同角度推算或赋值；农业损害主要用直接市场价值法（过孝民等，2009）；林业损害主要用直接市场价值法（Muller等，2011）或影子工程估算法（霍书浩和丁桑岚，2011）；建筑材料损害主要借助恢复费用法和成果参照法（过孝民等，2009）。

目前，国内在空气污染总量损害估算（World Bank和China SEPA.，2007）以及减排边际成本计算（涂正革，2009）等方面，取得了不少研究成果。但是，总体来说仍存在着明显不足：第一，估算的覆盖范围过窄，多数总量估算只关注某一方面损害（通常是健康损害或者农作物减产），很少有多方面的估算；第二，估算的方法和程序相对单一，均采用平均损害估算方法，在边际损害估算方面留有空白。

本文尝试弥补上述两方面的不足。借鉴国外学者的最新研究成果，采用边际损害估算的新视角，以西安市的数据为例，对于城市空气污染造成的损害及其社会成本体现进行更为准确的评估与计算。以期表明：基于边际分析原理的损害估算方法，不仅具有理论框架与估算结果上的精确性，而且具有环境规制政策操作上的有效性。

二、基于边际原理的空气污染损害物量估算

根据经济学的基本原理，实现社会福利最大化的目标要求任何经济活动的边际成本等于边际收益。污染物作为企业生产的正常物品的伴生物，其最优或最适度排放量，应当确定在其为社会带来的边际负效用或边际损害与企业减排或治理污染的边际成本相均等的水平，这也成为政府实施环保政策的基本理论依据。由此，也就产生了从边际损害视角计量污染程度的必要性。

从边际损害视角出发依据APEEP程序进行污染损害估算，主要遵循以下步骤：首先是选择污染因子和危害对象。其次是确定污染水平和覆盖面。在此基础上，将分别就各种污染因子引致的不同方面的损害有针对性地予以评估，并进而计算其边际损害及总损害量，之后是开展替代性实验。

（一）污染因子及危害对象的选择

污染因子的选择依据《环境空气质量标准》（GB3095—2012）中规定的大气污染基本项目，共5种污染物，分别为SO2、PM10、PM2.5、NO2、O3-8h，其中O3-8h指1天中最大的连续8小时的臭氧浓度均值。这些因子不仅损害健康，而且对农业、森林、建筑材料、能见度等方面也不同程度地造成损害。具体影响见表1。

表1 空气污染物影响矩阵①

（二）污染浓度与暴露量的确定

本文使用的年日均浓度值（μg/m3）是西安市从2013年1月1日至12月31日期间的日浓度算术平均值。由于环境空气中污染物的浓度并不一定精确地等于暴露群体所遭受的污染水平，故在用前者替代后者时需要谨慎地避免出现较大偏差。本文选用西安市9个行政区域中监测子站的数据来分别代表各区域的污染水平，以此来缩小可能的偏差②。之所以这样做是因为，一方面由于西安市本身的地理范围和空间范围就比较小，另一方面由于利用监测子站的分布对西安市进行了进一步细分，而监测子站可以更好地对常住人口进行覆盖，实时监测浓度能够较好地反映常住人口的暴露水平。

暴露量的计算涉及人群、农业、林业及建筑材料等多个方面，由于数据收集的限制，除污染物浓度、降尘量、污染天数、酸雨PH值外，其余数据均采用2012年的数据。其中各个区划的暴露人群数量、家庭户数、农作物播种面积、年末机动车辆数均源于《西安统计年鉴（2013）》，而健康终端的发生率、建筑材料暴露面积、清洗衣物增加的天数以及清洗车辆增加的次数等数据均来源于相关年鉴、文献及资料的整理和推算。

（三）污染损害的实物量评估方法

本文尽可能全面地估算空气污染造成的各种损害，使其涵盖多个领域，诸如健康、农业、林业、建筑材料、能见度以及额外清洗等。具体估算方法将因损害所涉主体的不同而有所区别。

1.关于健康损害估算。健康损害分为早亡和患病两类，这两类健康终端在不同程度上影响着“消费者”的生命价值、生产力水平及闲暇效用。估算的核心问题是在暴露的人群当中，多少人的健康终端可以归因于环境空气污染。所依据的暴露—反应方程为：fpi=fti·exp［βi·（Cp-Ct）］，其中，fpi、fti分别表示污染物在实际浓度下和参考浓度下健康终端i的发生率（死亡，门、急诊等）；βi表示健康终端i的暴露—反应关系系数，含义为污染物每增加1μg/m3，健康终端i增加的百分比；Cp、Ct分别表示污染物的实际浓度、基线值或参考浓度值。如果βi、fpi、Cp和Ct已知，即可求出fti，从而归因于环境空气污染物的健康损害可表示为fpi和fti的差值。再根据公式fti）·Pe对各种健康终端进行加总，即可获得健康危害的总效应，其中n、Pe、E分别表示健康终端i的类别、各类别暴露人口数、损害合计数。

估算健康损害时，系数βi尤为重要，它通常由人群流行病学研究给出。本文借鉴并筛选了现有的关于βi系数研究成果，大多是源于过孝民等的研究。然而，并不是所有污染因子的各类健康终端的反应系数都具备，例如O3、NO2和PM2.5的反应系数就相对缺乏。PM2.5和O3浓度的实时监测从2013年才开始在全国大范围展开，其前期研究成果也相对较少。基于可靠性与可行性考虑，本文对βi系数的选取仅限于SO2、PM10、PM2.5三种因子。除暴露反应系数外，还需获得各健康终端的发生率，由于没有完备的统计数据，只能通过借鉴或者推算来获得。具体系数值见表2。

健康损害估算还需考虑污染物的基线浓度。流行病学的相关研究表明，污染物在一定浓度下会危害身体健康，但某些污染物的健康损害率阈值尚没有明确定论。不过颗粒物与健康损害存在着相关性，其中颗粒物粒径越小危害程度越大。考虑到污染物的健康终端效应和控制其浓度的政策意义，我们分别以GB、WHO指导值作为基线值进行估算，另外在研究PM2.5和PM10时增加了零值。估算三种背景下健康损害可能带来的经济损失，将可以了解不同政策目标下的减排收益，以及检验健康损害对浓度基值选取的敏感性。具体取值见表3。

2.关于农业损害估算。环境空气污染对农业的减产损失主要源于SO2及其在一定气候条件下所形成的酸雨⑩。本文借鉴张林波等以及世界银行（张林波等，1998；World Bank和China SEPA.，2007）等研究采用的评估方法，即对不同浓度的SO2或不同PH值的酸雨下的农作物进行逐一评估，从而获得不同农作物的反应系数。张林波等研究表明：SO2对农作物产生危害的阈值为SO2〉40μg/m3，酸雨相对应的阈值为PH〈5.0。以此为基础结合西安各区域的实际情况可知⑪，2013年西安市有三个区域（未央区、阎良区和临潼区）的农作物受到SO2的危害。受损量的计算公式为：Wi=Qi×Ri/（1-Ri），其中W表示农作物受损实物量，Q表示农作物的实际产量，R表示农作物的减产比例，i表示不同种类的农作物。具体反应关系见表4。

表2 暴露反应关系、污染状况下健康终端发生率

表4 SO2对农业的损害影响

3.关于林业损害估算。环境空气污染不仅使农业减产，还可能导致森林遭受损害，对森林的损害主要指直接木材损失、林业经济产品损失和生态功能损失。而此类损失的主要污染物也是SO2和酸雨，相关研究表明二者的具体阀值为SO2〉50μg/m3和PH〈5.3，其计算方式与农业损失计算方式相似。由于西安的SO2浓度和酸雨PH值均不处于危害值范围内，故林业损害可忽略。

4.关于建筑材料损害估算。SO2和酸雨会使材料腐蚀加速，建筑物和桥梁受损，各种保护层失效，人类文化遗产受到严重破坏。从目前的研究文献来看，对材料损失估算的研究主要集中于建筑物及各种保护层的损失，而对文物或文化遗产损失的估算鲜有研究，主因是文化遗产的核算的项目繁多且操作程序较为复杂。现有的估算大多采用两类方法，一是成果参照法（经验估计法），二是各类材料的浓度反应关系。本文采用后一种方法，借助浓度反应关系和建筑物材料的暴露存量来获得各种建筑物材料的实物量损失，再将其转化为货币损失的量值。计算公式为：C=（1/L-1/L0）×S，其中C、L、L0、S分别表示材料的损失面积、污染条件下材料的寿命、对照区清洁条件下材料的寿命、材料的暴露面积。L和L0均可通过浓度反应关系获得，材料暴露面积的获得则较难。获得暴露面积较好的方法是卫星遥感数据和实地调查相结合，但目前对暴露存量进行遥感分析和大规模调查的研究较为缺乏。现有的文献均用已有的暴露存量人均占有量（d）乘以常住人口（Pe）的方法来估算暴露面积。对于d的获取多数参照已有的研究成果，例如过孝民等用太原和济南人均暴露占有量的均值来代替四川人均占有量来估算材料损失；叶堤在研究大气对材料锌的腐蚀中，借用Tidblad的人均推荐值进行计算（2007）；世界银行使用广州、太原和济南的人均占有暴露均值来推算中国南方省区空气污染对材料的损失。本文用与西安气候条件相似的太原和济南的人均占有量均值作为d的取值。

5.关于能见度损害估算。能见度损害主要指空气污染导致民众交通出行困难、心理情绪低落以及风景欣赏受限所引致的损失。黄德生对北京市约1 400个样本进行问卷调查的结果显示，在中国现阶段，能见度下降对大多数居民都产生了直接或者间接影响（2013）。这说明能见度已经成为公共环境物品中一个重要方面。但是，公众难以对具体能见度进行准确测度和效用感知，最终导致鲜有文献估算能见度损失。本文尝试以污染天数（轻度、中度、重度、严重污染）来近似替代能见度受损天数，计算公式为：V=D×Pe，其中V、Pe、D分别表示能见度损失的总天数、受影响的人数和受影响的天数。D用2013年西安污染的总天数（227天）来表示，其中PM2.5、PM10、O3为首要污染物的天数分别为138天、56天、33天；Pe用15岁以上常住人口来表示。

6.关于清洗费用增加量的估算。清洗费用的增加主要指由空气污染（粉尘、降尘增多）所导致的家庭衣物清洗费用、机动车辆清洗费用等的额外增加量。额外清洗衣物费用指由于清洗衣物次数增加造成居民户闲暇时间减少或者劳动量增加、清洁用品消耗及衣料折旧的额外损耗增加。清洗次数的增加量可用清洗增加的天数来近似计算，因此额外清洗衣物所增加的总天数可表示为：每户额外清洗衣物的天数×家庭户数，而清洁用品消耗以及衣料折旧费用，由于数据所限只能采用通常的估算方式，即此费用按额外清洗衣物费用的20%⑫计。同样，额外清洗车辆的总次数可以表示为：额外清洗车辆总次数=单位车辆额外清洗次数×机动车辆总数。清洗衣物增加天数的选择主要根据西安的降尘量来决定。由于不能获得每个区域具体的降尘数据，因此只能用平均数来近似代替，《西安环境监测动态》显示2013年降尘均值约为17.7吨/平方公里·月⑬。这一数据与2009年兰州的18.89吨/平方公里·月较为接近，因此以岳立对兰州2009年降尘污染产生的清洗费用增加的估算结果作为参考，即以10天作为西安市居民户每年额外的清扫和清洗时间。而对机动车辆的额外清洗次数参照宋赪等对西安的研究结果，即机动车额外增加的清洗次数为41次/车·年（宋赪等，2006）。

（四）边际损害及总损害的估算

根据上述估算程序以及关于污染损害范围、各种参数与口径的界定，可分别估算出单个来源地单一污染因子对应某一浓度的物量损害，而变更污染浓度，即令单一来源地的单一污染物浓度增加1单位，又可获得新浓度水平下的损害量。将两个损害量相减便获得了单一来源地单一污染物的边际损害量，它可以精确地显示随着污染浓度增加总损害增加的幅度。将对应不同污染浓度的边际损害量累积相加，便可求出某来源地单一污染物造成的损害总量。依此步骤可以计算出所有来源地的所有污染物的损害总量。表5给出了这一结果。其中，健康、农业和建筑材料的实物损害量是从边际损害视角估算得出的，其余两项的污染损害量则是采用相对简单的方法进行核算。

表5 2013年GB背景下西安空气污染造成的实物量损害

（五）替代性实验

替代性实验的做法是在计算出基年每一区域单个污染物损害的基础上，分两次变更污染浓度并观察结果。第一次实验是把1单位浓度的单一污染物同时增加到所有来源地，然后用总污染的变化量除以浓度的变化量，以此获得所有来源地的单一污染物的平均边际损害（AMD）；依此程序分别计算出所有污染物的AMD，最终用污染物各自的AMD乘以其相对应的浓度得到其损害，将其相加即得到污染物的损害总量。第二次实验是将浓度增量幅度变为1%单位，然后进行类似计算。

替代性实验的目的在于，通过比较不同估算方法的结果考察它们的特点及适用性。对MD与AMD估算结果进行比较，可以从侧面验证两种视角的估算结果是否一致及其总体可靠性。MD与AMD比较则可以揭示平均视角在一定程度上掩盖了边际损害所可能表达的信息。而对比AMD1单位浓度与AMD1%单位浓度的估算结果还可以进一步发现地区之间差异性的来源，因为从1单位到1%单位的变化把不同来源地污染物浓度的基值考虑进来，进而得到对不同来源地排放量进行加权后的平均边际损害。最后对各区域的MD进行比较，有助于了解各区划单一污染物的具体危害程度以及不同区域、不同污染物损害之间的差异。

本研究主要针对健康损害进行了替代实验。实验结果（见表6）首先证明了MD视角的估算具有可靠性。从表6可知，MD估算的实物量损害结果与AMD估算基本一致，只是在某些终端MD的结果要稍小，二者间的差异可从（AMDMD）/AMD的结果中得到。差异的原因一方面在于，在一定范围内，随着污染物浓度的升高，其损害会不断增加，但其边际却在递减⑭；另一方面则在于，空气污染因子的浓度基值较高，使得MD值稍低，进而拉低损害总量。同时，AMD1单位和AMD1%单位浓度的计算结果与MD计算的结果也基本保持一致，略有上下浮动，但浮动幅度不大，其中死亡人数的AMD计算结果与MD计算结果基本一致，无差异幅度。而其他终端的上下浮动主要是由于AMD计算掩盖了各个区划之间MD的差异性（β值和暴露人口直接影响MD）以及不同来源地浓度值的间接影响共同作用。

此外，表6的实验结果还验证了MD视角比AMD视角更具优势的地方，即它可为政策制定提供关键的信息。首先，AMD计算的健康损害可反映来源地浓度差异所引致的总差异，其中AMD1单位浓度对所有来源地都给予了同样的权重，未对不同来源地不同的浓度进行区分，而1%单位浓度的增量可以弥补此缺点。虽然实验结果表明两种AMD估算的结果之间存在着较小的差异，差异小的主因是西安市不同区划间的地域范围较小，进而使得区划差异在AMD1%浓度的计算过程中没有得到明显的体现。但AMD 1%单位浓度计算的结果更与MD的结果接近，这与Mueller等人的结论一致。其次，暴露人口之间的差异也会造成总量结果之间的差异，这一点经常会被政策制定者所忽略。根据本文研究，西安市区的实物损失约为郊区的2.5倍～2.7倍，但这种总量损害的差异并不能简单表明郊区污染比城区轻，它很可能是郊区常住人口较少的一个结果（西安市2012年末市区常住人口约是郊区常住人口的3.2倍）。如果考虑到暴露人口是影响总损害量的一个因素，就不能简单地根据损害总量实行“一刀切”式的减排政策（其后果必然是“重城轻乡”），而需要更为精细化的操作。最后，MD方法的突出优势还体现在，可以根据不同区划同一污染物以及同一区划不同污染物MD的异质性，有针对性地为制定环境减排政策提供可靠依据。研究结果表明，不同区划的同一污染物的MD之间存在着明显的差异性。MD越大说明在目前环境污染状况下，污染物每增加1单位浓度，该区划所受的健康损害也就越大，因而在制定减排政策时，要以优先考虑MD同时兼顾总量信息为原则来展开，方能使社会净收益达到最大化。

表6 西安市环境空气污染的健康实物量损害

三、空气污染损害引致的社会成本估计

将实物量损害转化为货币量值，既是比较不同来源地的污染损害以及不同污染物的损害从而科学实施减排政策的需要，也是从宏观上准确评估一定时期环境空气污染造成的社会总体经济损失与福利代价的要求。对此，需要针对不同类型的污染损害依次采用适宜的方法。

环境空气污染造成的健康损害主要分为患病住院或门诊损失和早亡损失两部分。门诊和住院的货币损失估算，可以通过疾病成本法（COI）进行估算，而早亡的货币损失估算，分别用陈述性偏好法中的支付意愿（WTP）与修正的人力资本法（AHC）进行评估。COI包括直接成本和间接成本，直接成本指住院或门诊的直接诊疗费用和医药费，间接成本指患者住院所致的误工损失（按日均GDP折算）、交通及陪护费用。对于后者，我们选取《第四次全国卫生服务调查分析报告》中大城市中次均住院和门诊间接费用与直接费用之比来近似作为间接费用的系数，因此住院费用和就诊费用可用以下公式来表示：

住院费用=住院人次×（1.064×人均住院直接费用+住院天数×日人均GDP）⑮，

就诊费用=就诊人次×（1.05×人均就诊直接费用⑯+0.5×日人均GDP）。

关于早亡的货币量值转化，WTP虽然从理论上讲比较完美，但限于各种条件在中国的实用性尚有限（Wang和Mullahy，2006；Hammitt和Zhou，2006），故 需 要 结 合 使 用AHC方法作为适当补充。前者可以作为上限值，后者作为下限值。本文以Wang和Mullahy对重庆的调查结果为基础，估算出一个统计寿命年价值（VSL）：VSLxa=VSLcq×（Ixa/Icq）e。其中VSLxa表示2012年西安城镇居民的统计寿命年价值；VSLcq表示重庆1998年居民的统计寿命年价值，其价值为28.6万元；Ixa与Icq分别表示2012年西安市城镇居民家庭人均可支配收入（29 982元）和重庆1998年城镇居民家庭人均可支配均收入（5 467元，与西安当年的人均收入5 670元较为接近）；e代表收入弹性，设定为1（Huang等，2012）。AHC方法在估算污染引起早亡的经济损失时，把人均GDP作为一个统计寿命年对社会的贡献，故而是从社会角度来评估人的生命价值。其计算公式为其 中AHC、GDPpc0、t、r、α分别表示修正的人力资本、基年的人均GDP、平均损失寿命年、社会贴现率及人均GDP增长率。在国内的相关研究中，t一般选取18年；r一般取8%（赵越，2007）；α取《西安统计年鉴2013》中“十一五”时期年平均人均GDP年增速13.9%作为参考值；GDPpc0以西安2012年人均GDP（51 166元）作为基准。综合起来，早亡的经济损失的上下限值可表示为：V=De×VSLxa和V=De×AHC，其中De表示早亡的人数。

对于农业和建筑材料损害的货币价值估算，可使用直接市场价值法，即用市场价格把实物量损害和货币损失联系在一起。因而农业损害的货币价值等于各种农作物实物量损害乘以其相应的收购价格或者销售价格，其中2012年小麦、棉花、油菜籽的国家收购价格分别为：2 040元/吨⑰、20 400元/吨⑱和5 000元/吨⑲，蔬菜的平均销售价格为4 000元/吨⑳。建筑材料损害的货币价值等于各类材料损失量乘以其各自维修或更新的价格，各相关价格均以过孝民等的调查数据为基础，并经过物价指数修正，限于种类繁多故不再详细列出。

能见度损害的货币转化，用能见度损失总天数乘以单位WTP来估算。我们参照黄德生的研究结果，当改善3个单位的能见度时，受访者的WTP均值为363元/人·年（中位数为100元/人·年）。考虑到其调查结果存在一定的偏斜程度，故选择中位数近似作为西安居民对能见度改善的WTP。因此能见度损害的货币价值可表示为：污染天数×暴露人口×WTP/365。此一数值可能有某种向下偏差，这主要是因为西安是一个重要的旅游城市，能见度在人们主观效用评价中的地位相较于一般城市来说更为重要。

清洗费用的货币增加额等于清洗衣物和车辆增加额之和，额外清洗衣物的货币价值等于额外清洗增加的总天数乘以户日均工资再加上清洁用品消耗和衣料折旧费用，而额外清洗车辆的价值等于额外增加的总次数乘以次均价格。相应的计算方法为：额外清洗衣物费用=1.2×户均清洗增加天数×家庭户数×日均工资；额外清洗车辆费用=额外清洗次数×汽车辆数×次均价格。其中总户数为175.48万户，民用汽车为1 380 125辆㉑，日均工资为44元㉒，户均清洗增加天数为10天，车辆额外清洗次数为41次/年，车辆次均清洗价格为15元㉓。

综合上述各项，便可以将2013年西安市环境空气污染导致的各种实物损害转化为货币量值，即得到空气污染导致的社会成本或福利损失额，具体见表7。表7显示：（1）在本文估算的范围内，按照国家大气一级标准，2013年西安市空气污染造成的总损失约为42.56亿元～44.24亿元，约占2012年西安市GDP总值的0.97%～1.01%。其中健康损害造成的价值损失比重较大，约为40%～42%；清洗费用损失也比较大。（2）PM2.5和PM10的损害要大于SO2的危害㉔。

需要注意，按照上述步骤来估算污染损害造成的社会成本价值，仍然会由于各种参数选取等因素而影响其准确性。对此可以采用敏感性分析方法来验证导致不确定性的具体因素及其影响程度。敏感性分析是指一个或几个参数的估计值发生变化时所引起的最终结果相应变化及其敏感程度。藉此，可以了解各参数对结果的影响程度，以便改善这些参数的质量，准确把握评价的结果。为此，笔者进行了两方面的敏感性分析，具体情况见表8和表9。

从表8可知GB背景下，不同α下的GAD/GDP的变动值为0.94%～1.01%，同样WHO标准和0值背景下，其范围变化分别为0.98%～1.05%和1.02%～1.11%；相似地，当α不变时，背景标准对GAD/GDP的影响范围为0.94%～1.11%。从变化范围来看，GAD/GDP对浓度基值以及人均GDP增速变化不敏感。

从表9可知，如果单从影响GAD的角度来看，人均GDP的增速以及不同的背景浓度都会对其产生影响。以α=13.9%为基准值，在GB背景下，α降低1%，用AHC计算的死亡损失则降低约9%，当增加1%时，死亡损失则相应的增加10%；同样在其他浓度背景下，当α变化1%时，死亡损失也上下浮动10%。当α不变时，不同的浓度背景下的死亡损失为10%～23%，从这一角度来看GAD的估算对浓度背景和人均GDP增速都存在一定的敏感性，因此在计算过程中要依照实际情况进行选择，否则会导致估算偏误。

表7 GB背景下西安环境大气污染总损失 （亿元/年）

表8 GAD/GDP值的敏感性分析 （%）

表9 GAD的敏感性分析 （%）

四、简要讨论与总结

对于空气污染引致的社会成本的估算，从消费者层面来看，不仅包括上述的直接损害，还应该包括疾病、死亡以及其他损害等对整个家庭造成的间接伤害；从厂商层面来看，应该包括污染引致的工人生产力水平下降带来的损失以及为达到减排标准进行投资或者减少生产所造成的损失等；从政府层面来看，应该包括政府对于环境治理的财政支出、政策制定、执行的成本以及违反惩处成本等。由于某些估算层面的数据空白以及寻找合适的替代指标存在困难，本文仅从第一个层面中消费者的直接损害以及第二个层面中农业生产者的直接损失等进行估算，因此严格说来，这里所估算的空气污染的社会成本还不是其造成的全部社会经济与福利损失，只能说是其中的一大部分。这种低估是现有的经验研究约束条件下所难免的，且并不影响本文分析框架与估算程序的严谨可靠性及其在其他污染物损害的社会成本估算中的推广应用价值。

本文的分析清楚地展示了边际方法的优势。与平均损害估算相比，边际损害估算不仅在结果上与其保持着很好的一致性，而且还揭示了许多平均损害所掩盖的信息。运用边际损害，可以清楚地获得在目前浓度背景下，某一地区某一污染物的边际损害量，可以对同一地区的不同污染物边际损害以及不同地区的同一污染物的边际损害进行比较，进而得到某一地区具有针对性的减排政策，而不是对所有区域制定同样的减排目标和政策；不仅如此，边际损害的计算还明确地给予了郊区和市区在制定减排政策上的一些启示。综合上述信息，政策执行相关部门还可以对边际损害和减排的边际成本进行比较，从而保证在成本一定的情况下实现收益最大化。

本文关于空气污染损害造成的社会成本的估算数值，也直观地显示了中国在工业化过程中如何解决好环境问题的重要性和紧迫性。上面已知，西安市2013年环境污染造成的损失，仅就不完全的估计就高达42.56亿元～44.24亿元。这个量值约占2012年西安市GDP总值的1%左右，它相当于西安市2012年人均GDP的8.33万倍～8.64万倍。这意味着，整个西安市约有相当于8万人全年收入的社会财富因为空气污染而失掉了。由此可见环境污染的严重后果。如果我们将视角从空气污染再扩展到水及其他污染，并从一个城市扩展到全国，那么环境污染给当下中国社会带来的巨大经济与福利损失，足以令人瞠目结舌。在目前，虽然中国仍需要工业化高速发展所带来的国家财富，但更需要居民真实福利水平的改善，对环境质量的需求尤为如此。对于二者之间的权衡，既需要公民环保意识的提高，更需要政府制定良好的激励政策、减排政策以及建立和健全监督和执行制度。

注释：

①污染物影响矩阵中的危害对象部分来源于过孝民等（2009），部分来源于Mueller等（2007）。

②西安市行政区划分为9区4县，其中9区可分为6市区和3郊区，6市区一共分布着10个监测子站，而其余3个分别分布在3郊区内。剔除4个县域的注释，这4个县域没有监测子站。如果把这4个县域涵盖进来，会使得报告的污染浓度和实际人群的暴露水平不相一致。为了对不同来源地污染物的边际损害进行进一步考察，对行政区划和监测子站重新进行了匹配，括号内为监测站名：即碑林区（兴庆小区）、新城区（市人民体育场）、莲湖区（高压开关厂）、未央区（草滩）、雁塔区（高新西区）、灞桥区（纺织城）、阎良区（阎良区）、长安区（长安区）、临潼区（临潼区），其中最后三个区划为郊区。

③来源于《中国卫生统计年鉴》，以“城市居民主要疾病死亡率”中的“心脏病死亡率”作为近似替代。

④Huang W，Cao J，Tao Y，et al.Seasonal variation of chemical species associated with short-term mortality effects of PM2.5 in Xi’an，a central city in China.American Journal of Epidemiology，2012，175（6）：556-566.

⑤来源于《中国卫生统计年鉴》中“城市居民主要疾病死亡率”中的“呼吸系统疾病死亡率”。

⑥⑦内科门诊人次的估算，首先依据《中国卫生统计年鉴》中各地区医院分科门、急诊人次数推算出陕西内科门诊和儿科门诊比例，其次近似以比例分别计算出西安市内科门诊和儿科门诊人次数，最后使用内科门诊人数除以西安市15岁以上常住人口，即可获得内科门诊发生率；同样用儿科门诊人数除以西安市区0～14岁的常住人口即可获得儿科门诊发生率。

⑧⑨呼吸系统和心血管住院人次来源于《第四次全国卫生服务调查分析报告》中的“大城市疾病住院率”。

⑩只研究SO2对农业的损失，主要是由于其他污染物的浓度反应关系缺乏所致。

⑪西安《环境监测科研动态》显示：2013年西安降水pH均值大于临界值，农作物不在酸雨损害的范围内，故只需计算SO2对农作物的损失。

⑫汪鹏：《大气扩散模型与环境经济损失评价研究》，大连理工大学，2010年博士毕业论文。

⑬此数据为作者估算的数据，现有的降尘数据为2013年1-11月的月度数据，但是没能获得12月的数据，因此假定12月与11月降尘数量相等，最后加总平均获得2013年年均月度降尘数据。

⑭关于边际递减需要注意，由于研究的污染物的浓度基值很高，其边际变化虽在减小，但递减幅度极小。

⑮心血管疾病和呼吸系统住院的天数以及平均住院费用均用《中国卫生统计年鉴》中，“30种疾病的平均医疗费用”计算而得。用“急性心肌梗塞”和“充血性心力衰竭”来估算心血管疾病的住院天数和费用，其分别为10.5天和1140元/天·人次。对于呼吸系统的住院天数和费用，则用“细菌性肺炎”进行近似替代，其住院天数为9.7天，住院费用为495元/天·人次。

⑯据《中国卫生统计年鉴》知：陕西省医院门诊平均医疗费用为156元/人次，误工天数为0.5天。

⑰《2012年小麦最低收购价格每市斤1.02元》，国家发改委，2012年5月23日。

⑱祝娟：《2012年度棉花临时收储启动》，央视网，2012年9月10日。

⑲《我国2012年油菜籽收购价格确定》，中国饲料在线网，2012年5月16日。

⑳《2013陕西省重要商品价格变化情况》，陕西商务厅，2014年3月5日。

㉑《西安统计年鉴2013》，中国统计出版社，2013年。

㉒以《西安统计年鉴》中“居民服务、修理和其他服务业”的日均工资来进行近似替代。

㉓车辆次均清洗价格来源于互联网网购洗车价格调查，调查显示：2012年西安单次洗车（不含其他服务项目）价格为9.9元～20元，因此取其平均价格15元作为单次洗车价格进行计算。

㉔核算过程中，因为PM2.5引起心血管住院的反应关系的缺失，所以PM2.5的损害比PM10的损害稍小，另外在能见度和清洗损失中3种污染物也都有贡献，但是其具体的贡献比例并不清楚，因此只分析了MD视角下的各污染物的损失。

［1］Hammitt J K，Zhou Y.The economic value of air-pollution-related health risks in China：a contingent valuation study［J］.Environmental and Resource Economics，2006，（3）：399-423.

［2］Huang D，Xu J，Zhang S.Valuing the health risks of particulate air pollution in the Pearl River Delta［J］.China.Environmental Science&Policy，2012，（1）：38-47.

［3］Krupnick A，Alberini A，Cropper M，et al.Age，health and the willingness to pay for mortality risk reductions：a contingent valuation survey of Ontario residents［J］.Journal of Risk and Uncertainty，2002，（2）：161-186.

［4］Matus K，Nam K M，Selin N E，et al.Health damages from air pollution in China［J］.Global Environmental Change，2012，（1）：55-66.

［5］Muller N.Z，Mendelsohn R.Measuring the damages of air pollution in the United States［J］.Journal of Environmental Economics and Management，2007，（1）：1-14.

［6］Muller N.Z，Mendelsohn R，Nordhaus W.Environmental accounting for pollution in the United States economy［J］.The American Economic Review，2011，（5）：1649-1675.

［7］Nam K.M，Selin N.E，Reilly J.M，et al.Measuring welfare loss caused by air pollution in Europe：a CGE analysis［J］.Energy Policy，2010，（9）：5059-5071.

［8］Wang H.，Mullahy J.Willingness to pay for reducing fatal risk by improving air quality：a contingent valuation study in Chongqing，China［J］.Science of the Total Environment，2006，（1）：50-57.

［9］World Bank，China SEPA.Cost of pollution in China：Economic Estimates of Physical Damages［R］.The World Bank，2007.

［10］陈仁杰，陈秉衡，阚海东.我国113个城市大气颗粒物污染的健康经济学评价［J］.中国环境科学，2010，（3）：410-415.

［11］过孝民，於方，赵越.环境污染成本评估理论与方法［M］.北京：中国环境科学出版社，2009.

［12］黄德生.大气污染能见度价值评估方法与实证研究——以北京市为例［D］.北京：北京大学，2013.

［13］霍书浩，丁桑岚.大气污染对林业影响的经济损失分析［J］.广州化工，2011，（12）：122-124.

［14］宋赪，王丽，董小林.西安环境污染经济损失估算与分析［J］.长安大学学报（社会科学版），2006，（4）：56-6.

［15］叶堤.重庆市大气污染对锌材料腐蚀的经济损失分析［J］.装备环境工程，2007，（1）：21-24.

［16］岳立.兰州市大气污染治理的经济学分析［D］.兰州：兰州大学博士论文，2011.

［17］张林波，等.苏、浙、皖、闽、湘、鄂、赣7省酸沉降农业危害——酸沉降农业生态综合危害分析［J］.中国环境科学，1998，（1）：12-15.

［18］赵文昌.空气污染对城市居民的健康风险与经济损失的研究［D］.上海：上海交通大学博士论文，2012.

［19］赵越.大气污染对城市居民的健康效应及经济损失研究［D］.北京：中国地质大学博士论文，2007.