空气污染对劳动力供给的影响研究*——基于健康人力资本视角

蔡 芸 周 梅 Julian CHOW

(1 北京交通大学经济管理学院，北京，100044；2 加州大学伯克利分校社会福利学院，美国，94702)

从洛杉矶光化学污染事件到伦敦烟雾事件，再到如今我国大范围的雾霾现象，空气污染作为经济发展的副产品，始终存在于人类文明进程之中。一方面，改革开放以来，随着经济列车的稳步前进，我国在空气治理方面遇到极大挑战，由局部污染扩散到大面积污染，逐步进入环境高风险时期。世界卫生组织发布的全球数据显示，目前我国约有2/3的省区受到较严重雾霾的影响，空气污染已经严重威胁到人民群众的日常生活。另一方面，随着经济的快速发展，中国的劳动力供给呈下降趋势，除了经济波动、老龄化和家庭结构变化等因素，空气污染对劳动力供给造成的影响也在逐步显现。此外，十九大报告多次提到“生态文明”，指出生态文明建设是中华民族永续发展的千年大计，我国必须持续实施大气污染防治行动，打赢蓝天保卫战。[1]在此背景下，研究空气污染对劳动力供给的影响，对如何正确处理当前空气污染与劳动力供给、经济发展之间的关系，如何充分发挥人力资本优势，具有重要的理论和现实意义。

一、文献综述

(一)空气污染与健康水平

空气污染全方位影响着居民的身心健康，表现为大脑认知、思维敏锐度方面的精神损伤，以及明显的临床病症。[2]已有研究表明，空气中的污染颗粒物可通过嗅觉中枢进入大脑，进而导致敏感性降低、记忆力下降、疲劳、注意力分散和判断障碍，[3]这些都是不易被直接察觉的精神损伤。Xin Zhang、Xi Chen和Xiaobo Zhang对数千名受试者的语言与数学能力进行了长达四年的监测，发现空气污染对测试成绩的影响随着受试者年龄的增长而愈加显著，即大脑越老化，空气污染对其造成的损伤越严重，由此将产生巨大的健康代价。[4]此外，来自儿童群体的样本也出现了不同程度的不良结果，[5]最新流行病学研究指出，多环芳烃、PM2.5和氮氧化物对儿童的神经心理发育有显著的负面影响。[6]Lin H、Guo Y和Kowal等以中国、印度、非洲等中低收入国家和地区的成年人为研究对象，以多级逻辑回归分析为研究方法，得出“长期暴露于含PM2.5的污染环境中会增加患抑郁症风险”的结论。[7]这种精神损伤对低收入者的影响更大，从而也加剧了不平等。[8]除了精神损伤，空气污染也会对人体呼吸系统、循环系统等产生巨大危害。早在2010年，大气污染就成为我国第四大病因，仅次于中风、缺血性心脏病和慢性阻塞性肺病。[9]Ebenstein、Fan、Greenstore、He、Yin和Zhou将中国疾病监测点地区的平均寿命数据和空气污染数据进行匹配，发现空气污染会提高心肺疾病人群的死亡率，进而显著地影响劳动者及其家庭成员的健康状况。[10]Victor Lavy、Avraham Ebenstein和Sefi Roth证实了空气污染对哮喘患者特别具有破坏性。[11]牛草草、于鹏鑫、丁世彬认为糖尿病发病率与空气污染暴露密不可分。[12]Chen X、Shao S和Tian Z等采用空间Durbin模型研究了中国116个城市的空气污染及其空间溢出效应对公众健康的影响，实证表明工业二氧化硫排放量的增加将导致本地区肺癌和呼吸道疾病死亡率增加0.035%和0.03%，相邻地区增加0.217%和1.543%。[13]综上，空气污染对居民健康水平确实有负面影响，而健康作为一种重要的人力资本，[14]直接影响着居民的生活和工作状态。

(二)健康水平与劳动力供给

根据人力资本理论，健康人力资本存量可以通过健康服务产生作用，越健康的人积极参与劳动力市场的概率越大。[15]例如，社会保障的进步可以促进劳动者健康水平的提升，从而保证劳动力供给。[16]反之，劳动者或其家庭成员健康水平下降不仅增加了劳动者自身工作成本，具还会因照顾生病家人缩减劳动供给时间。[17]张川川利用中国健康与营养调查数据检验了居民健康状况变化对劳动供给的影响，实证表明城市居民和男性更易因健康恶化退出劳动力供给，农村居民和女性更易因健康改善增加劳动力供给。[18]Jones R和Chiripanhura B基于英国家庭面板数据，通过构建离散时间模型衡量了健康恶化引发的失业危害，研究表明劳动者尤其是男性劳动者的健康恶化会阻碍其进入劳动力市场就业。[19]上述文献宏观地研究了劳动者健康对劳动力供给的影响，且从社会保障、医疗卫生等角度提出建议。

(三)空气污染与劳动力供给

国外的相关研究起步较早，且从顶层政策设计角度提出了对策建议。早在1983年，Bart就利用普通最小二乘模型对美国的相关数据进行了定量研究，他指出空气中总悬浮颗粒物每增加10%，劳动者误天数增加4.4%。[20]1984年，Hausman、Ostro和Wise利用同样的数据，通过控制不同城市之间的差异，提出颗粒污染物每增加1个标准差，劳动者将增加0.1的误工天数。[21]Hanna和Oliva以一家墨西哥大型炼油厂停产造成的外部污染变化为观察样本，将二氧化硫作为污染物计算，得出“炼油厂的关闭导致周围社区污染程度下降19.7%，劳动者每周工作时间增加1.3小时(或3.5%)”的结果。[22]Bosi、Desmarchelier和Ragot研究了Ramsey模型中污染的短期和长期影响，以“污染和劳动力供给在家庭偏好中不可分离”的论点为基础，确定了长期均衡存在和唯一性的充分条件，并通过模型的flip分支研究证明了污染对劳动力供应产生的巨大负面影响会造成宏观经济波动，为环境友好型财政政策提供了理论依据。[23]Kim、Manley和Radoias以1997年印度尼西亚森林大火为自然实验，研究空气污染对劳动力供给的中长期影响，发现暴露于空气污染减少了劳动者的工作时间，有子女的父母在严重污染事件中更容易减少工作时间，且污染的中长期影响幅度更大。[24]

中国的空气污染状况已经引起了社会和学者们的广泛关注。李佳利用我国1998—2010年省级面板数据，初步研究了二氧化硫排放对劳动力供给的影响，分析表明，二氧化硫排放每增长1%，劳动力供给减少0.028%，且这种影响因经济发展水平不同存在着“门槛效应”。[25]徐鸿翔和张文彬在此基础上，考察了空气污染通过工资、劳动生产率对就业产生的间接影响，并实际计算了空气污染对劳动力供给的直接效应、间接效应及总效应，结果表明，随着经济发展水平的提升，空气污染对劳动力供给产生的影响效应也在增大。[26]朱志胜利用2012年全国流动人口动态监测数据进行实证研究，发现城市空气污染程度平均每上升1%，城市就业流动人口的劳动供给时间将减少0.011～0.019天/周，且这种抑制作用存在明显的身份差异和性别差异。[27]随着雾霾对我国经济社会的负效应不断显现，很多学者也开始专门研究雾霾对劳动力供给产生的影响。谢杨等以雾霾较严重的京津冀地区为研究对象，证明了PM2.5污染给北京、天津、河北造成的人均年劳动时间损失分别为81.3h、89.6h、73.1h。[28]另外，雾霾对高技能劳动力的流动、择业和劳动生产率造成的影响更大。[29]

综上，可以发现早期关于劳动力供给影响因素的文献将健康人力资本和空气污染独立开来，宏观地研究了空气污染或者健康人力资本对劳动力供给的影响，较少系统地定量考察空气污染、健康人力资本与劳动力供给之间的关系，以及其中的影响机制。据此，本文通过构建局部均衡的理论模型，基于1996—2016年中国29个省份的面板数据，研究空气污染对劳动力供给的影响，并进一步探讨其中的作用机制。

二、理论模型

由于空气质量是外生的，为突出空气污染对劳动供给的影响的边际效应，本文将构建包含空气质量与劳动供给要素的简单局部均衡理论模型。假定劳动者的效用水平取决于其个人消费c和劳动供给l。以一定的空气质量为条件，劳动者的个人效用函数为u=u(c，l；a)，其中a代表空气质量，其优劣直接影响劳动者在消费c和劳动供给l之间的选择。同时，人们对于正常商品的消费满足“稻田”法则，即uc>0，ucc<0。

借鉴Hausman等的思想，[30]假定劳动供给对个人效用有负向影响，即ul<0，ull<0。一方面，空气污染对于劳动者来说是“厌恶商品”，良好的空气状况有利于劳动者的身体健康，从而给劳动者带来正向效用，因此有ula>0。另一方面，空气质量与劳动者个人消费之间的关系是不明确的。在更好的空气质量状况下，劳动者将更愿意进行外出消费，此时uca>0；同时，也有可能出现的情况是，更好的空气质量促进了劳动者健康状况的改善，从而导致其对于医疗卫生类产品和服务的消费减少，消费的边际效用下降，此时uca<0。

以上述假定和劳动者个人效用函数为基础，劳动者效用最大化函数和预算约束条件表达式为：

maxu(l，w；a)=λ(a)·w(a)·l(a)-g(l；a)

(1)

(2)

s.t.w(a)·l(a)+y-pc=0

(3)

如式(1)所示：(a)代表一定的空气质量条件；w(a)表示在此条件下劳动者的工资收入水平；w(a)·l(a)反映在此工资收入水平下劳动者能得到的预期终生总收入；λ(a)则表示在最优的劳动供给决策路径下，工资收入给劳动者带来的边际效用。第二项g(l；a)表示在一定空气质量条件下，提供劳动给劳动者带来的负向效用，可进一步展开为式(2)。通过前文假定已知ula>0，根据对偶原理可以转化为gla<0。进一步来讲，将效用函数为凹函数的假定转变为负效用函数为凸函数的假定，反映出随着劳动供给时间的延长，劳动者工作的边际负效应在增大，也即gll>0。

式(1)代表的效用最大化函数为劳动者一生获得的工资收入带来的总效用与劳动者支付劳动带来的负效用之差。式(3)为预算约束式，其中y代表劳动者的非工资收入，是独立于空气质量a的；p反映的是消费价格。

综上所述，可以构建求解劳动者个人效用最大化均衡解的拉格朗日函数：

L(λ，c，l)=u(c，l；a)+λ[w(a)·l(a)+y-pc(a)]

(4)

接下来进行均衡分析。已有研究表明，空气质量的变化不仅影响劳动供给数量，也会影响劳动生产率。[31]以式(4)为基础，分别求劳动者消费水平c和劳动供给水平l的偏微分，并对空气质量a求二阶偏导数，整理得空气质量a对劳动者消费水平c和劳动供给l的边际效应函数式(5)、式(6)。进一步求式(3)对空气质量a的一阶偏导数，并将式(6)代入整理得式(7)。

(5)

(6)

(7)

同时，根据环境毒理学理论，无论剂量多少，存在于空气中的各类污染物通过长时间、反复甚至终生接触人体，会对居民健康造成不可逆的不利影响。而健康作为一种重要的人力资本，与劳动力供给密不可分。换句话说，空气污染会对劳动力供给产生显著的影响，其中，健康水平是重要的影响途径。

三、实证分析

(一)回归模型构建

1.数据来源

《大气污染物综合排放标准》(GB16297-1996)的发布，标志着我国进入了全面治理空气污染的重要阶段，空气污染的严重性开始引起社会的广泛关注。以此为背景，基于数据的可得性和连续性，本文搜集了1996—2016年中国29个省(自治区、直辖市，不含海南、西藏)的面板数据进行实证分析。数据来源于《中国统计年鉴》、EPS全球统计数据/分析平台、《中国劳动统计年鉴》、国家统计局公布的其他数据、《中国环境统计年鉴》以及各省份各年度的统计年鉴和统计公报。

2.实证模型

在祁毓、卢洪友、张宁川以及王俊、昌忠泽等思想的基础上，[32][33]本文构建如下面板回归模型：

LSit=α0+α1airit+∑βcontrolit+γi+λt+εit

(8)

Healthit=α0+α1airit+∑βcontrolit+γi+λt+εit

(9)

LSit=α0+α1airit+α2healthit+α3airit·healthit

+∑βcontrolit+γi+λt+εit

(10)

上式中，i表示省区，t表示年份。式(8)表示空气污染对劳动力供给的影响。其中被解释变量为劳动力供给LS，用年末就业人口占总人口的比重表示。核心解释变量为空气质量air，借鉴杨俊、盛鹏飞及丁志帆等的研究，[34][35]考虑数据的可得性，本文将我国29个省份(不含海南、西藏)每平方公里二氧化硫排放量作为空气质量air的衡量指标。式(9)为健康方程，Health表示健康，借鉴国外健康函数中的常用指标，用死亡率来表示，[36]核心解释变量仍为空气质量air。在式(8)的自变量中加入健康指标以及空气质量与健康指标的交叉项，得到式(10)，来检验空气污染是否会通过健康水平来影响劳动力供给。

依据加里·贝克尔的人力资本理论，[37]控制变量control包括老龄化水平(old)、平均受教育程度(edu)、医疗水平(medical)。老龄化水平用65岁及以上人口占总人口的比重表示；平均受教育程度采用人均受教育年限来衡量，其中文盲、小学、初中、高中、大专及以上学历分别按照0、6、9、12、16来计算年限；医疗卫生服务水平用每万人医疗机构床位数表示。控制变量control还包括人均GDP(pgdp)以及对数化的人口规模(lnpopulation)，这是为了控制在各省不同产出规模和人口规模下空气污染对劳动力供给的影响，两个变量分别采用实际GDP与总人口数比值和对数化的各省年末总人口数来表示。另外，由于废气主要来自第二产业，因此各省不同的产业结构会带来废气排放的规模差异，为了控制产业结构对因变量的影响，控制变量control引入产业结构(industry)指标，用第二产业增加值占GDP的比重表示。最后，不同的城镇化水平对劳动力的就业吸引力是不同的，因此，将各省城镇化水平(urban)加入模型控制变量control中，其用各省城镇常住人口占总人口的比重表示。各变量的描述性统计数据见表1。

表1 各主要变量的描述性统计数据

说明：部分省份、部分年份的城镇化水平数据缺失，对其采用非农业人口比例代替城镇人口比例。

(二)实证结果及分析

1.空气污染与劳动力供给

表2显示了空气污染对劳动力供给的影响结果(借助Stata软件进行分析)。FE(1)和RE(2)分别表示采用固定效应、随机效应方法的回归结果，经Hausman检验p值为0.0000，结果显著，故拒绝随机效应模型，选择固定效应模型。回归结果中，被解释变量为劳动力供给，结果显示，核心解释变量——空气质量(每平方公里二氧化硫排放量)的估计系数对劳动力供给水平产生了显著的负面影响，每平方公里二氧化硫排放量每增加1%，劳动力供给将减少0.0013%，即空气污染越严重，劳动者的劳动供给意愿越低，从而劳动供给数量减少。同时可以发现，随着各省人均GDP和工业化水平的提升，劳动力供给出现了不同程度的增加，反之，劳动力供给和劳动时间减少会导致各省GDP和福利的损失。此外，教育和医疗卫生水平的进步有助于促进劳动力供给的增加。

由于空气污染与劳动力供给之间可能存在双向因果关系，从而产生内生性问题，为确保回归结果的稳健性，必须进行内生性检验。我们采用系统GMM(Generalized Method of Moments)方法，利用被解释变量即劳动力供给的滞后项作为工具变量对模型进行内生性检验。[38]从表2的检验结果来看，核心解释变量的符号和显著性并未发生改变，同时Sargan检验以及AR(1)、AR(2)的p值表明模型不存在二阶序列自相关，且工具变量的选取是有效的，因此模型设定合理，检验通过。

表2 空气污染与劳动力供给水平的静态面板回归结果

注：*、**和***分别表示在10%、5%、1%的水平下通过显著性检验。

2.空气污染与健康水平

表3表示空气污染对健康人力资本的影响结果(借助Stata软件进行分析)。FE(1)和RE(2)表示分别采用固定效应、随机效应方法的回归结果，经Hausman检验，p值为0.0022，故拒绝原假设，选择固定效应模型。被解释变量健康水平用死亡率表示。回归结果显示，核心解释变量——空气质量(每平方公里二氧化硫排放量)对健康水平产生了显著的负面影响，每平方公里二氧化硫排放量每增加1%，死亡率将提高0.024‰，即空气污染越严重，越不利于健康状况的改善，死亡率越高。随着受教育程度的提升，劳动者的生活观念和生活习惯更加科学，对空气污染给健康带来的威胁更加重视，同时保护自身免受空气污染侵害的能力也会增强，进而使社会整体健康状况有所改善，促进健康水平的提升。同时，随着各省实际人均GDP和工业化水平的提升，死亡率有所下降。而人口老龄化对社会健康水平造成了显著的不利影响。

为确保结果的稳健性，避免产生内生性问题，仍采用系统GMM方法，将被解释变量健康水平(Health)的滞后项作为工具变量对模型进行内生性检验。结果显示，核心解释变量的符号和显著性并未发生改变，Sargan检验以及AR(1)、AR(2)的p值表明模型不存在二阶序列自相关，且工具变量的选取是有效的，因此模型设定合理，检验通过。

表3 空气污染与健康水平的静态面板回归结果

注：*、**和***分别表示在10%、5%、1%的水平下通过显著性检验。

3.作用机制检验

通过以上分析发现，过高的空气污染确实会制约劳动力的供给水平，阻碍劳动者健康状况的改善和死亡率的降低。接下来，在劳动力供给方程中分别加入健康水平(Health)指标以及健康水平(Health)与空气污染(air)的交互项指标(表4)，来考察空气污染(air)是否会通过影响健康影响到劳动力供给。根据表4中(2)列和(3)列的回归结果，在引入以死亡率为代表的健康水平指标后，空气污染对劳动力供给的影响依然是负的，且健康水平对劳动力供给的影响也是负的。在进一步引入空气污染与健康水平的交互项后，交互项是显著的，从而证明了上述作用机制的存在性。加入交互项之后，模型成为非线性模型，空气污染与死亡率之间的作用是相互增强的，这表明空气污染越严重，由污染造成的健康损耗对劳动力供给的负面影响越显著。

表4 作用机制检验结果

注：*、**和***分别表示在10%、5%、1%的水平下通过显著性检验。

四、主要结论与对策建议

通过研究我国空气污染、劳动力供给及人口健康水平之间的关系，综合多种影响因素，本文得出以下结论：

第一，空气污染已经逐渐成为影响劳动力供给的重要因素。本文的研究表明，以二氧化硫为代表的颗粒污染物的确对劳动力供给产生了负面影响，每平方公里二氧化硫排放量每增加1%，劳动力供给将减少0.0013%。

第二，空气污染可以通过影响健康水平来影响劳动力供给。即空气污染对健康人力资本造成损耗，阻碍健康人力资本的积累，劳动力退出就业市场的概率增加，从而进一步降低劳动力供给水平，反之亦然。

第三，教育和医疗的发展能够降低空气污染造成的健康和劳动力供给损失。一方面，随着受教育程度的提升，社会整体健康状况有所改善，劳动者对空气污染带来的健康威胁更加重视，保护自己免受空气污染侵害的能力也更强，从而促进了其健康水平的提升。另一方面，医疗卫生事业的发展不仅意味着技术的进步，也意味着其会带来成本的降低，从而减少了因空气污染劳动者在医疗卫生方面的额外投入，相对增加了劳动者在其他方面(如教育进修)的开支，有利于劳动者综合素质的提升。

空气污染带来社会健康状况的下降，其造成的人力资本损失是难以估量的，这种损失不仅影响整体福利的提升，也加重了社会运行成本。面对空气污染给劳动者健康和劳动力供给带来的负面影响，政府和企业都应该做出更多的努力。基于上述研究结论，本文提出以下对策建议：

第一，助推环保技术研发，引入惩罚和激励机制。目前我国正处于经济转型和结构调整的关键时期，单纯追求高增长的发展模式无法保证长期可持续的发展，空气污染等环境问题的加剧、由此带来的劳动者健康水平的下降和劳动力供给相对不足会逐渐成为制约中国稳步发展的隐形瓶颈。[39]为此，政府应双管齐下，从“源头”和“末端”对空气污染问题进行治理，可参考国际经验，在空气污染控制领域加强干预，[40]加大对空气污染源排放的惩罚力度，逐步推进环保技术研发和引入激励机制，实现经济增长与环境治理的“双赢”格局。

第二，实践为基础，对空气污染的直接受害劳动者群体进行科学合理的评估，完善相关法律法规。已有研究表明，中低收入者防范风险的能力更差，因而更容易成为空气污染的受害者。[41]空气污染的加剧给长期在户外工作的中低收入劳动者群体带来的负面影响是不言而喻的，但是我国相关的劳动保护法律规范并没有随着实践的变化而及时调整，劳动保护力度不足。对此，政府相关部门应该高度重视，从实际情况出发，填补弱势劳动者相关保护措施方面存在的空白与漏洞。应以实践为基础，组建专业考察工作组，对空气污染的直接受害劳动者群体进行科学合理的评估，从而完善相关法律法规，规范行业监管标准，尽力降低空气污染对劳动者的伤害程度。

第三，教育和医疗的发展能够降低空气污染对健康和劳动力供给的损害，因此政府应适当对空气污染严重区域增加健康人力资本和教育人力资本的投资力度。一方面，持续提升医疗卫生服务水平，改善医疗卫生条件。科学降低污染对健康带来的负面影响，进一步提高治疗水平，使人口死亡率尤其是空气污染造成的呼吸系统疾病的人口死亡率显著下降，从而直接改善劳动者的生存条件，提高劳动生产能力；另一方面，不断发展教育，增加教育投资，扩大高素质劳动力队伍，提升劳动者应对空气污染风险的能力，保证合理的劳动力供给水平。

第四，强化企业责任意识。如今企业间的竞争逐渐从传统的成本、市场竞争转变为人才竞争，因而对劳动者进行保护不仅有助于企业自身的稳定和发展，而且还可以帮助企业树立良好的企业形象，更加全面地体现其社会责任感。具体来说，企业可以通过减少劳动者暴露在低质量空气中的工作时间、发放合理的健康福利、加强对恶劣天气下的室外劳动者的保护措施和人文关怀等方式，降低空气污染对劳动者健康的危害。

第五，充分挖掘低龄老年人口的劳动力供给潜力。人口老龄化是影响社会整体健康水平和劳动力供给的重要因素，但是我们也应该看到老年人力资源市场存在的潜力。对老年人尤其是低龄老年人力资源的合理开发，既可以缓解劳动力供给不足的问题，也可以帮助部分老年人实现退休后继续为社会做贡献的愿望。政府应针对我国国情，发挥舆论引导作用，使低龄老年人群体对自身价值有全新的认识，在有条件有能力的前提下，再次投身到劳动力市场中。对此，应保障老年人的薪酬福利待遇，为吸引其再就业创造条件。同时，应依据老年人整体的身体状况和生活习惯，引入弹性工作、远程办公等制度，促进对低龄老年人力资源的开发。