提供论文发表、期刊发表、证书、著作、课题申请、专利等一条龙服务——畅志文化期刊网您负责教书育人,我们负责解决您职称,晋级路上遇到的难题。

空气污染的移民效应——基于来华留学生高校-城市选择的研究

分类:(一) 发表时间:2019-07-31

一、 引 言 国际社会对空气质量负面影响的关注由来已久, 但早期研究多以发达国家为主。近年来, 随着空气污染向发展中国家转移, 学术界的研究对象也开始转向。世界银行的一份报告

一、 引 言

国际社会对空气质量负面影响的关注由来已久, 但早期研究多以发达国家为主。近年来, 随着空气污染向发展中国家转移, 学术界的研究对象也开始转向。世界银行的一份报告评估指出, 亚洲和撒哈拉以南非洲是当前空气污染的重灾区, 污染造成了上百万的人口死亡和数万亿美元的经济损失。 污染的影响如此之大, 社会各界都在寻求应对办法。以中国为例, 中国是世界银行报告指出的空气污染重灾区之一, 在国家加大污染防治的同时, 家庭和居民也在做各种努力, 以减少污染对身心健康的伤害。以往, 人们主要采用减少户外活动时间、缩短劳动供给、购买防霾口罩和净化器费防护用品等一系列办法 (Ito & Zhang, 2016; Zhang & Mu, 2017; Sun et al., 2017) 。随着污染的持续甚至是局部恶化, 人们对移民的讨论增多起来。《新财富》杂志2013年的调查发现, 环境已成为推动我国居民考虑国际移民的重要因素之一。基于城市层面数据, Qin & Zhu (2018) 的研究证实, 空气污染加剧期间, 人们通过互联网搜索移民的频次上升。采用北京市居民调查数据, 洪大用等 (2016) 发现, 不少居民因雾霾萌生出迁移意向。

防护支出是非生产性的, 是空气污染的成本, 人口迁移会带来劳动力供给下降, 也是空气污染的成本。但与对空气污染引发的防护支出规模的深入评估相比, 无论是国际还是国内, 对空气污染迁移效应的研究都是不充分的。例如, 空气污染提升了人们的迁移意愿, 但这些意愿是否转化成了实际行动, 证据并不完善。数据缺乏是原因之一, 由于不掌握移民信息, 我们无法进行研究。本文尝试在中国情境下对现有文献略作拓展。为克服移民追踪调查数据不可得的问题, 本文选用了中国高校层面的来华留学生样本:一方面, 如果该群体在城市-高校间的分布受空气质量的影响, 表明他们对空气污染敏感;另一方面, 来华留学生在华居留时间较长, 融入程度良好, 属于“准国民”, 行为能近似代表部分中国家庭和居民的选择。除了能弥补数据缺失, 采用该样本还有如下优势:第一, 中国高校在招收来华留学生时有极大的自主权, 招生名额基本不受国家计划约束。给定高校招生意愿, 学生选择是高校招生规模存在差异的重要原因, 学生有较大的选择空间是本文可以研究敏感性的前提。其次, 来华留学生一般都具有大专以上学历, 属于高人力资本人群, 研究其对空气污染的反应, 结论可一般性地向高人力资本群体推广。

中国高校的地理分布是历史决定的, 给定这一前提, 本文的一个假设是, 如果空气质量影响来华留学生的高校-城市选择, 将会在城市所辖高校在校留学生规模中反映出来。之所以采用在校生规模 (存量) , 而不是招生数 (流量) 作为被解释变量, 主要是因为我们仅有在校生规模数据。这不影响本文结论, 原因在于, 如果空气质量对高校存量的在校生规模都有影响, 在理论上它对流量的影响应该更大。 (1) 也就是说, 估计空气污染对城市所辖高校在校生规模的影响, 估计出的是影响的下限 (lower bound) 。

把来华留学生与高校、高校所在地级市空气污染指数 (API) 及相关数据匹配后, 本文实证研究了空气污染的移民效应。为确保空气污染对迁移的影响有因果性, 本文借助了工具变量回归 (instrumental variable design) 方法, 采用距离地面上空10米年均风速作为年空气污染指标的工具变量。一般风速越大, 空气的扩散条件越好, 亦即风速与空气污染指标负相关。作为气候条件变量, 风速满足工具变量的外生性要求, 同时该指标在理论上又不直接影响来华留学生的高校—城市选择, 是比较理想的工具变量。一些研究也基于该指标构造工具变量, 如Broner et al. (2012) Hering & Poncet (2014) Cai et al. (2016) 以及Shi & Xu (2018) 。一阶段回归结果证实, 风速越大空气质量越好, 进一步的二阶段回归结果表明, 城市空气污染越严重, 所辖高校平均在校来华留学生规模越小, 表明空气污染推动着人群的迁移。异质性研究表明, 母国相对较发达、迁移成本低的自费来华留学生, 对空气污染更敏感, 高校-城市选择受空气状况的影响更大。

本文可能的贡献有如下几点:第一, 限于数据可得性, 已有文献对空气污染移民效应的研究不够充分, 部分文献仅考察了空气污染对居民迁移意愿的影响, 本文进一步把实际迁移行为作研究对象, 丰富了有关空气污染移民效应研究的文献。特别地, 本文着重考察了高人力资本人群对空气污染的敏感性。由于对产业结构升级、创新和经济增长都有重要影响 (Moser et al., 2014;Hornung, 2014) , 不少国家和地区为获得“移民红利”, 普遍对高人力资本人群持开放态度, 文献也因此高度关注该群体对公共政策的敏感性 (Kleven et al., 2013; Kleven et al., 2014; Moretti & Wilson, 2015; Akcigit et al., 2016) 。该群体对空气污染作何反应、是否迁移, 目前还没有充分证据。本文以学历层次较高的来华留学生为样本展开研究, 发现该群体对空气污染高度敏感, 补充回答了有关疑问。第二, 本文从理论上揭示了环境质量可能反向影响经济增长的微观机制。已有研究从环境库兹涅茨曲线框架出发, 侧重考察经济发展对环境质量的单向影响, 近期有研究指出, 环境质量可能通过人力资本积累等渠道反向影响经济增长 (陈诗一和陈登科, 2018) , 但微观证据还不足, 本文提供了相关佐证。第三, 基于中国情境的研究使得本文结论对中国有一定参考价值。本文结论表明, 空气污染可能减少高技能劳动者供给, 据此各级政府应高度重视污染防治工作, 为高质量发展夯实人力资本基础。

二、 文献综述

与本文高度相关的文献主要有三类, 下面我们分类综述。第一支文献与对蒂伯特模型 (Tiebout model) 的检验有关。Tiebout (1956) 的开创性研究认为, 居民会用“用脚投票”的方式, 流向实施的公共政策与个人偏好最匹配的地方, 这将迫使地方政府展开竞争, 改善社会治理。一般而言, 人们所讲的公共政策主要指税负或公共品提供。基于此, 对蒂伯特模型的检验主要沿两个方向进行:第一, 如果蒂伯特模型起发挥作用, 为争夺流动要素, 政府间会展开竞争, 在公共政策上存在策略性互动。通过对是否有策略性互动的检验, 这支文献为模型的有效性提供间接证据。第二, 考察居民或家庭是否会因政府治理水平的差异而迁移, 直接检验模型。环境质量属公共品, 所以理论上可以从直接和间接两个方向, 考察蒂伯特模型在环境 (政策) 上的有效性。

无论沿哪个方向, 相关的研究都不多, 直接考察居民或家庭对空气污染是否具有敏感性的研究更是如此。仅有的几份研究中, Kahn (2000) 采用美国加州县层面样本数据, 考察了空气质量对人口增长的影响, 发现空气质量改善, 地区移民大量迁入, 人口快速增长。Cameron & McConnaha (2006) 采用更微观的美国人口普查区 (census tracts) 数据研究发现, 人们对环境具有敏感性。不过, 在Banzhaf & Walsh (2008) 看来, 上述及其他类似的研究都有值得改进的地方, 理由有多个。例如, 以县作为考察对象可能太大了, 如果居民或家庭迁移主要发生在县域内, 考察县际移民的结果是下偏的。考察对象越大, 内部人口增长和结构变化越大, 加总数据容易混淆不同的影响, 估计的结果可能是有偏的。为克服上述困难, Banzhaf & Walsh (2008) 构造等距虚拟社区样本, (2) 检验了空气质量与人口迁移的关系, 发现空气质量改善推动人口移入。与上述从迁入地视角的研究不同, Chen et al. (2017) 从迁出地视角考察了空气污染的移民效应, 他们基于中国人口普查抽样数据计算县级层面人口迁出率, 研究发现空气污染推动着人口流出。

与本文高度相关的另一类文献, 是近年来涌现出的一系列对环境污染负面影响的研究。例如, 一些文献发现, 空气等污染不仅对婴幼儿健康有负面影响 (Chay & Greenstone, 2003; Currie & Neidell, 2005; Jayachandran, 2009; Greenstone & Hanna, 2014; Arceo et al., 2016) , 对成年人也不例外 (Chen et al., 2013; Schlenker & Walker, 2016) 。除了影响健康, 污染还减少了劳动供给, 降低了工作效率 (Zivin & Neidell, 2012; Hanna & Oliva, 2015;Stafford, 2015; Lichter et al., 2017) , 等等。有理由猜测, 家庭和居民可能会采用迁移的方式做出反应。

由于地区空气质量, 以及个体暴露在污染中的概率和程度, 一般都不是随机的, 所以上述及其他有关空气污染影响的研究, 普遍借助精巧的计量方法或数据结构去识别, 以确保估计结果无偏。例如, 部分研究采用个体层面数据展开研究, 原因是相对个体而言, 空气质量的变化可近似视为外生 (Zivin & Neidell, 2012; Hanna & Oliva, 2015) 。采用城市等较大的观测单位展开研究时, 研究者借助导致地区间空气质量差异的外生冲击, 识别污染的影响。例如, Almond et al. (2009) 注意到, 中国存在以“秦岭-淮河”地理分界线, 在南北城市实施差异集中供暖的安排, 导致分界线两侧城市空气质量存在显著差异。基于这一差异, Chen et al. (2013) Ebenstein et al. (2017) 检验了空气污染对中国居民平均寿命的影响, 证实空气污染显著降低了居民平均寿命。

与本文相关的第三类文献与第一类文献有一定关联, 但因其主要在 (国际) 税收领域探讨, 所以单独综述。这支文献关注税负对人口迁移的影响, 与本文类似, 它们也重点关注高人力资本 (高收入) 人群的迁移。受限于研究问题, 这支文献面临两个挑战:一是如何把高人力资本人群识别出来, 获得研究样本;二是在经验研究中如何确保税负对人口迁移的影响有因果性。一些研究以极高的智慧, 解决了上述两个问题。在样本选择上, Kleven et al. (2013) 搜集了欧洲足球市场上表现优异的“足球明星”, 用以代理高人力资本人群;Moretti & Wilson (2015) Akcigit et al. (2016) 从专利数据库中择取出“科学家之星”, 构造研究样本;Kleven et al. (2014) 基于丹麦全国住户登记信息 (administrative data) , 结合迁移和收入信息, 筛选研究样本。获取样本后, 借助多种策略识别税负对人口迁移的影响。相对于微观个体来说, 国别层面的税收政策可视为近似外生, 所以可在国别层面考察税负对个体迁移的影响, Kleven et al. (2013) Akcigit et al. (2016) 采用的是这一策略。Kleven et al. (2014) 基于丹麦1992年实施的个人所得税改革, 考察税负对人口流动的影响。这项改革规定, 对于赴丹麦工作的海外移民或回流居民, 其收入超过一定门槛, 原税制中的累进税率就调整为相对较低的水平税率 (flat tax) 。基于这一冲击, Kleven et al. (2014) 研究发现减税推动了移民的涌入及居民的回流, 证实高人力资本人群对税负高度敏感。

就本文关注的高人力资本人群来说, 第三支文献表明, 样本很难获取;就本文关注的问题 (空气污染是否推动了高人力资本人群迁移) 而言, 第一和第二两支文献表明, 要想获得无偏的估计结果, 需要借助适当的实证策略。本文主要围绕这些问题展开。首先, 整理出高校层面的来华留学生数据。来华留学生学历层次普遍较高, 本文的研究结论可推广至高人力资本人群。与Chen et al. (2017) 计算迁移率指标采用的人口普查抽样数据比, 本文采用的是学生注册数据 (administrative data) 更为精准。学校类似于社区, 这与Banzhaf & Walsh (2008) 要求的分析单位下沉契合。在校生规模变动的原因单一, 不存在人口自然增长的问题, 也较少受死亡率的影响。所以这套数据本身就极具研究价值。其次, 基于已有研究, 采用风速作为工具变量, 实证研究了空气污染对由来华留学生代表的高人力资本人群在国内空间布局的影响, 避免了空气污染指标可能存在的内生性偏误, 确保了结论的可靠性。

三、 制度背景与数据来源

(一) 来华留学政策与留学生招生

从经费来源看, 来华留学生群体可分为自费生和政府奖学金生两类。1989年颁布的《关于招收自费来华留学生的规定》明确, 高校申请并经地方教育行政主管部门批准后, 即获得自费来华留学生招生资格。根据2000年颁布的《高等学校接受外国留学生管理规定》, 自费来华留学生招生规模不受国家招生计划指标限制, 具有招生资格的高校根据学生申请考核结果, 自主决定招生与录取, 体现出了明显的放权特征。政府奖学金生不同。其名额的分配等宏观管理工作, 由教育部负责, 国家留学基金委 (以下简称留基委) 在教育部领导下, 负责招生和具体的管理工作。在招生计划及奖学金名额经留基委派出机构、驻外使领馆、各国驻华使领馆等下达后, (3) 申请人参照经教育部批准的有招生资质的高校目录进行申请, 由院校择优录取, 或根据留基委等的协调, 由其他具有招生资质的院校录取。

 

在国家的大力推动下, 2001—2012年间, (4) 中 国招生来华留学生院校的数量及招收来华留学生的规模都快速增加。根据教育部全国来华留学生统计数据 (见图1a) , 截至2012年国内累计有690所高等院校、科研院所和其他机构 (以下简称为高校) 招收来华留学生, 较2001年增加325所。招生高校数量增加的主要是自费生招生高校, 原因是分权体制下地方教育行政主管部门有更强的激励批准高校的招生申请。图1b显示, 来华自费留学生规模经历了更快增长。2001年, 全部来华留学生在校生数约为5.2万人, 2012年增加到近32.5万, 增长了5倍多。其中自费生的增幅贡献了全部来华留学生增幅的绝大部分, 政府奖学金生的增幅相对平稳。

(二) 环境污染及其统计

自2000年起, 中国环保部门开始根据监测点检测情况, 发布部分大中城市的日度空气污染指数 (API) , 涵盖的污染物主要包括二氧化硫、氮氧化物和总悬浮颗粒物。2005年和2012年, 报告城市的数量有两次增加, 2012年城市数量增至120个 (见图2) 。

图2 中国重点城市空气污染指数

图2 中国重点城市空气污染指数   下载原图

 

本文空气污染指数来源于中国大陆重点城市空气质量历史数据库, (5) 由于统计时间不足一年, 排除了2000年的数据, 保留了能与留学生数据匹配的2001—2012年城市日度空气污染指数信息。考虑到在校来华留学生统计为年度口径, 把日度空气污染指数在年度层面汇总, 为尽可能减少偏误, 仅保留了年统计天数大于360天的城市样本。在进行样本筛选后, 首先计算了年平均的空气污染指数。此外, 鉴于中国环境部门把空气污染指数大于100定义为污染, 并基于这一标准对地方政府环境治理成效进行考核, 我们还进一步计算了各城市空气污染指数大于100的天数, 用于稳健性检验。

(三) 来华留学生与城市数据的合并

第一步, 合并高校特征及来华留学生信息。我们把整理出来的高校是否属于“211工程”院校、中国校友会网公布的2012年国内高校排名情况, (6) 与高校招生来华留学生信息数据合并。第二步, 根据教育部全国高等学校名单 (7) 给出的高校所在城市信息, 把空气质量信息、城市特征变量与高校信息合并。第三步, 在样本期间内, 有高校无在校来华留学生, 这很可能是因为没有招生资质带来的, 包含这类样本可能会对空气污染效应低估, 为此仅保留了2001—2012年间至少有两年在校来华留学生人数不为零的高校。

空气污染对居民或家庭健康、迁移决策等的影响是长期累积的结果。为此, 借鉴Chen et al. (2013) Ebenstein et al. (2017) 以及Chen et al. (2017) 的做法, 将2001—2012年高校-城市匹配数据在年份上取均值, 得到了包含72个城市、522所高校的截面数据进行实证分析。总的来看, 中国招生来华留学生院校的分布比较广泛, 东西南北中各区域都有。院校分布的离散性决定了空气污染指数较大的变异, 以年均空气污染指数大于100的天数看, 既有兰州和北京等超过100天的城市, 也有海口、拉萨等接近于零的城市。

表1 主要变量统计性描述 导出到EXCEL

 

 


变量名
变量含义 (单位) 样本量 均值 标准差 最小值 最大值
sum 留学生总数 (人) 522 334.3 779.2 1 10218

zsum
自费生人数 (人) 522 310.5 725.5 1 9420

gsum
奖学金生人数 (人) 522 23.75 65.28 0 797.5

API
年均空气污染指数 522 76.70 14.07 36.21 114.2

nblue_100 (API>100)
年均污染天数 (天) 522 55.43 37.27 0 145.5

nblue_125 (API>125)
年均污染天数 (天) 522 25.74 23.08 0 93

indus3
第三产业占比 (%) 522 49.18 10.49 25.62 75.89

cpi
消费者物价指数 522 103.1 0.740 100.6 105.9

gdp
国内生产总值 (亿元) 522 1888 1556 58.48 5928

fdi
外商直接投资额 (亿美元) 522 31.82 30.21 0.123 140.4

dum_211
“211工程”院校 (是=1, 否=0) 522 0.188 0.391 0 1

rank_n
高校综合排名等级 522 2.086 0.858 1 3

w10
风速 (米/秒) 522 3.063 0.564 1.845 4.345

 

表1给出了主要变量的统计性描述。总体看, 每所高校年均在校来华留学生数约为334人, 但不同高校差异较大。从经费来源看, 超过90% (310.5/334.3) 的留学生是自费生, 只有不到10% (23.75/334.3) 的学生获得了中国政府奖学金的资助。学校质量及社会声誉会影响学生高校选择, 为控制这一影响, 本文定义了两个变量。一是dum_211, 为学校是否为“211工程”院校虚拟变量, 若高校在“211工程”, 变量取值为1, 否则为0。二是高校排名 (rank_n) , 数据来源于中国校友会网公布的2012年中国大学排行榜。对于综合排名在200名内的高校, 定义其等级为1, 对于综合排名在201—400名的高校, 定义其等级为2, 对于排名在400名外的高校, 以及招收来华留学生但未能列入榜单的高校, 定义其等级为3。除学校特征外, 来华留学生的高校-城市选择还可能受到城市特征的影响。例如, 经济发展水平及产业结构, 经济越发达, 服务业占比越高, 生活越丰富多彩, 越可能吸引学生流入。为此, 选择了城市gdp及第三产业占比两个变量, 其中城市gdp以2000年为基期平减, 第三产业占比为第三产业增加值占GDP的比重。生活成本也可能影响到居住地的选择, 为此控制了消费者物价指数 (cpi) , 鉴于城市层面cpi数据缺失, 用城市所在省 (市或区) 的指标代理。城市外向型程度越高, 对外交流越频繁, 理论上越可能吸引留学生, 在实证模型中纳入了外商直接投资额 (fdi) 变量。

四、 计量策略与基准回归

(一) 计量策略

在理论上, 考虑基于方程 (1) , 考察空气污染对来华留学生高校-城市选择的影响, 并借此模拟考察空气污染是否推动了高人力资本人群的 (国内) 迁移。

ln(overseasic)=α+βAΡΙc+θX+εi(1)

方程 (1) 中, overseas是在校来华留学生规模, API是年均空气污染指数, X是一系列控制变量。各变量中, 下标i表示高校, c表示城市。系数β刻画了空气污染对来华留学生高校-城市选择的影响, 如果其估计值显著为负, 表明空气质量好的城市受来华留学生的青睐。正如引言强调的, 本文以在校来华留学生数为被解释变量, 鉴于有相当一部分高年级学生因迁移成本难在高校-城市间重新选择, 因此方程 (1) 估计出的β实际上是空气污染影响的下限 (lower bound) , 如果采用招生数流量指标, 系数的绝对值应更大。

:ln(overseasic)=α+βAΡΙc^+θX+εi(2):AΡΙc=λ+γΖ+δX+νi(3)

直接估计 (1) 式存在的风险是, 可能存在一些同时影响来华留学生高校-城市空间选择的因素, 进入了残差项, 导致出现内生性偏误。基于此, 尝试寻找空气污染指标的工具变量, 基于方程 (2) — (3) 采用两阶段最小二乘法 (2SLS) 回归。

已有文献常选择气象条件作为空气污染的工具变量。例如, Arceo et al. (2016) Chen et al. (2017) 采用逆温强度作为空气污染的工具变量, 依据是高度越高大气温度越低, 热气上升冷气下降, 便于污染物扩散, 但反过来就出现了逆温现象, 污染物不易扩散, 所以逆温现象越严重, 空气污染越严重。在研究环境规制对污染产业布局的影响时, Broner et al. (2012) 采用通风指数 (ventilation coefficient) 作为环境规制的工具变量。依据是, 规制强度与污染程度有关, 通常风速越大污染物的横向扩散条件越好, 混合层越高污染物的纵向扩散条件越好, 所以二者乘积 (通风指数) 可作为环境规制的工具变量, 通风指数越小环境规制越强。通风指数构造思路影响了后续一系列研究。例如, Hering & Poncet (2014) Cai et al. (2016) 以及Shi & Xu (2018) 在研究中国环境政策的影响时, 都沿用了这一思路。本文工具变量构造也受该思路的影响。简化起见, 我们采用距地面10m高空的风速作为空气污染的工具变量。一方面, 风速越大, 越有利于污染物横向扩散, 满足工具变量的相关性要求;另一方面, 作为自然气象条件, 其满足外生性要求。基于上述考虑, 我们借助地理信息系统软件 (ArcGIS) , 将数据精度为0.125o×0.125o的气象格点数据, (8) 与国家基础地理信息中心公布的地级市面域矢量数据 (9) 合并, 提取出地级市层面年度风速均值, 求2001—2012年均值后作为本文的工具变量。图3报告了本文工具变量与核心解释变量 (空气污染指数, API) 的相关性, 从线性拟合的结果看, 两者负相关, 与预期相符。

图3 风速与空气污染指数相关性

图3 风速与空气污染指数相关性   下载原图

 

注:气泡半径反映样本地级市内高校的数目。

采用风速作为工具变量的一个担心是, 风速可能受地形因素的影响, 不予控制可能导致风速与残差项相关, 违反排他性规定。我们基于中国各省市DEM栅格数据, (10) 提取各城市的海拔均值 (elevation) 和坡度均值 (slope) , 纳入回归模型。

(二) 基准回归结果

作为参照, 先采用普通最小二乘法 (OLS) 估计方程 (1) 。高校是嵌套在城市中的, 所以本文回归在地级市层面聚类。表2第 (1) — (3) 列报告了估计结果。其中, 第 (1) 列是仅加入城市经济特征控制变量的结果, 空气污染指数 (API) 的系数为负, 但不显著。城市国内生产总值 (lngdp) 系数显著为正, 表明经济发达城市对来华留学生有更高吸引力;消费者物价指数 (cpi) 系数显著为负, 表明高物价抑制了来华留学生的流入;第三产业占比 (indus3) 和外商直接投资 (lnfdi) 的回归系数都不显著。第 (2) 列加入了高校层面特征, 空气污染指数的系数仍不显著。国内生产总值、物价水平、第三产业占比及外商直接投资四个变量的系数符号及显著性与第 (1) 列相同。是否“211”高校 (dum_211) 及高校排名虚拟变量回归系数为正, 表明高校质量及声誉对来华留学生的选择有显著影响。第 (3) 列进一步加入了城市地形特征变量, 此时外商直接投资回归系数负向显著, 与预期不符, 我们猜测这可能是外向型程度已被城市各特征变量吸收所致。地形特征中, 坡度 (slope) 的回归系数不显著, 海拔 (lnelevation) 的系数在1%以内的显著性水平上显著为负, 意味着相比低海拔地区, 高海拔地区高校对留学生的吸引力低。

表2 基准回归结果 导出到EXCEL

 

 


被解释变量
lnsum

(1)
(2) (3) (4) (5) (6)

OLS
2SLS

avaqi

-0.0065
-0.0105 -0.0066 -0.0326*** -0.0439*** -0.0385***

(-0.96)
(-1.63) (-1.09) (-2.61) (-2.91) (-2.61)

lngdp

0.4144**
0.5007*** 0.4173*** 0.5915*** 0.7308*** 0.6778***

(2.38)
(3.26) (2.73) (3.22) (3.09) (2.76)

cpi

-0.9885***
-0.5191*** -0.5146*** -1.0921*** -0.6365*** -0.6211***

(-5.63)
(-3.58) (-3.73) (-6.02) (-3.77) (-3.96)

indus3

0.0010
0.0074 0.0136 0.0099 0.0186 0.0199

(0.15)
(0.92) (1.63) (0.98) (1.39) (1.52)

lnfdi

-0.1343
-0.1388 -0.1996* -0.2409** -0.2762** -0.2899**

(-1.22)
(-1.35) (-1.96) (-1.98) (-2.07) (-2.34)

dum_211
  0.8132*** 0.8101***   0.8936*** 0.8819***
  (4.60) (4.72)   (4.90) (4.87)

_Irank_n_2
  -0.5841*** -0.5478***   -0.5847*** -0.5703***
  (-2.90) (-2.74)   (-2.92) (-2.95)

_Irank_n_3
  -1.4729*** -1.4633***   -1.4830*** -1.4758***
  (-8.62) (-8.43)   (-8.28) (-8.33)

slope
    0.1365     0.0389
    (1.59)     (0.32)

lnelevation
    -0.2133***     -0.0780
    (-2.71)     (-0.58)

Adj. R2
0.2244 0.4321 0.4398 0.1890 0.3739 0.3903

N
522 522 522 522 522 522

 

导出到EXCEL

 

 


续表2

被解释变量
lnsum

(1)
(2) (3) (4) (5) (6)

OLS
2SLS
  一阶段结果

w10
      -8.3031*** -8.2463*** -12.3475***
      (-3.37) (-3.31) (-4.66)

F
      11.32 10.96 21.69

N
      522 522 522

注:括号内为t值, 采用在城市层面聚类稳健标准误计算。******分别代表在1%、5%和10%的显著性水平上显著。

尽管加入了城市经济、地形特征及学校层面控制变量, 但仍可能存在因遗漏变量带来的内生性。进一步采用风速作为空气污染指数的工具变量, 估计方程 (2) 和 (3) 。表2第 (4) — (6) 列报告了回归结果。第 (4) 列是仅加入城市经济特征的估计结果。一阶段回归结果显示, 风速 (w10) 的系数在1%以内的显著性水平上显著为负, 意味着风速越大, 空气污染强度越低, F值 (11.32) 大于10, 表明不存在弱工具变量风险, 总体来看, 工具变量的选取是合理的。二阶段回归结果中, 空气污染指数的估计系数依然为负, 但与采用普通最小二乘法得到的结果 (第1列) 比, 不仅绝对值变大, 还在1%以内的显著性水平上显著, 这意味着OLS结果存在低估。第 (5) — (6) 列与第 (2) — (3) 列相对应, 是依次纳入学校和城市地形特征控制变量的回归结果。以纳入全部控制变量的第 (6) 列为例, 二阶段回归结果中, 空气污染指数的系数显著为负, 从边际效应看, 年均空气污染指数每上升1%, 在校来华留学生数约减少3.85%, 折合12.9人 (3.85%*334.3) 。反过来, 空气质量越好的城市, 高校来华留学生越多。一阶段回归结果显示, 风速对空气污染指数依然具有显著预测力。各控制变量估计情况与OLS结果基本一致。一个例外是海拔不再显著。

(三) 稳健性检验

(1) 更换核心解释变量

以年度平均空气污染指数 (API) 作为核心解释变量, 可能存在 “加总谬误”。地区空气质量可能存在极化情况, 年度均值忽略了极端污染天气的影响, 导致回归结果被低估。鉴于此, 我们计算了一年中空气污染指数大于100的天数 (nblue_100) , 替换年均空气污染指数, 重估方程 (2) — (3) 。这一定义的依据是, 在样本期间, 中国空气质量标准认定, 空气污染指数大于100属于污染, 所以该做法能较好捕捉极端空气质量的影响。表3第 (1) — (3) 列报告了回归结果。与基准回归结果相仿, 第 (2) — (3) 列在第 (1) 列的基础上, 依次加入高校层面和城市地形特征控制变量。从一阶段结果看, 风速和年空气污染天数依然显著负相关。二阶段回归结果中, 三列核心解释变量的估计系数都显著为负, 以第 (3) 列为例, 估计系数为-0.0136, 相当于年空气污染天数每增加一个百分点 (约合0.55天) , 在校来华留学约减少1.36%, 近4.55人 (1.36%*334.3) 。

表3 稳健性回归 (更换核心解释变量) 导出到EXCEL

 

 


被解释变量
lnsum

(1)
(2) (3) (4) (5) (6)

二阶段回归结果

nblue_100

-0.0124***
-0.0167*** -0.0136***      

(-2.98)
(-3.39) (-2.85)      

nblue_125
      -0.0236*** -0.0317*** -0.0290**
      (-2.92) (-3.00) (-2.42)

 

导出到EXCEL

 

 


续表3

被解释变量
lnsum

(1)
(2) (3) (4) (5) (6)

二阶段回归结果

经济特征
Y Y Y Y Y Y

高校特征
  Y Y   Y Y

地形特征
    Y     Y

Adj. R2
0.1974 0.3902 0.4134 0.1859 0.3582 0.3750

N
522 522 522 522 522 522
  一阶段回归结果

w10

-21.85***
-21.65*** -35.03*** -11.44*** -11.42*** -16.41***

(-4.14)
(-4.05) (-5.09) (-3.54) (-3.50) (-3.95)

F
17.13 16.37 25.91 12.52 12.28 15.61

N
522 522 522 522 522 522

注:同表2。Ghanem & Zhang (2014) 注意到, 在中国自上而下的环境治理考核体系下, 地方政府存在操纵空气污染指数, 以求考核达标的激励, 且从经验上看, 操纵的范围主要在API取值100—125之 间。 (11) 根据 这一情况, 无论是计算年空气污染指数的均值, 还是以100为临界值统计年污染天数, 都可能存在测量误差。鉴于此, 本文进一步统计了空气污染指数大于125的年污染天数 (nblue_125) , 重新估计空气污染的影响。表3第 (4) — (6) 列报告了估计结果, 第 (4) 列仅加入城市经济特征控制变量, 第 (5) 列纳入了高校层面特征, 第 (6) 列进一步控制了地形特征。从结果看, 三列估计系数始终显著为负, 表明空气质量确实影响来华留学生的选择。

表4 稳健性回归 (增添控制变量) 导出到EXCEL

 

 


被解释变量
lnsum

(1)
(2) (3) (4)

二阶段回归结果

API

-0.0393***
-0.0379*** -0.0368*** -0.0387***

(-2.65)
(-3.79) (-3.47) (-3.35)

sub

-0.0125
  -0.1964 -0.2822

(-0.04)
  (-1.00) (-1.26)

air

-0.1632
  -0.2367 -0.1214

(-0.64)
  (-1.15) (-0.57)

parea

-0.0130
  0.0068 0.0041

(-0.60)
  (0.39) (0.22)

longitude
  -0.0211 -0.0245* -0.0296*
  (-1.42) (-1.82) (-1.94)

latitude
  0.0702*** 0.0719*** 0.0675***
  (3.93) (3.49) (3.39)

经济特征
Y Y Y Y

高校特征
Y Y Y Y

地形特征
Y Y Y Y

Adj. R2
0.3900 0.4445 0.4497 0.4639

N
521 522 521 498

 

导出到EXCEL

 

 


续表4

被解释变量
lnsum

(1)
(2) (3) (4)

一阶段回归结果

w10

-12.3130***
-12.1715*** -11.8087*** -12.0379***

(-4.83)
(-6.55) (-6.61) (-6.79)

F
23.34 42.86 52.96 46.16

N
521 522 521 498

注:同表2。

(2) 控制其他变量及变更样本 (12)

交通便利程度和区位因素可能影响留学生的城市选择, 如这些因素与工具变量相关, 也将导致估计结果有偏。为排除这一可能性, 在基准回归结果的基础上, 进一步控制了城市交通基础设施和区位特征变量。交通基础设施考虑了三个变量, 分别是城市轨道交通运营 (sub) 和民航机场运营 (air) 情况, 以及人均道路面积 (parea) 。在本文样本区间内, 若某城市开通了城市轨道交通, 则从开通年份起, 变量sub取值1, 未开通取值0, 最后取年份均值合并成截面数据。变量air的定义方式相同。人均道路面积数据源于历年《中国城市统计年鉴》, 单位为平方米/人。最后, 计算城市几何中心的经度 (longitude) 和纬度 (latitude) , 代理样本城市区位特征。表4第 (1) — (3) 列依次是控制交通基础设施、控制区位特征和同时控制两者的回归结果。从第 (3) 列的结果看, 交通基础设施变量系数 (为负) 但不显著, 可能是其效应已被城市经济、地理和区位特征吸收, 同时区位特征确对来华留学生的选择产生影响。但不论怎样纳入控制变量, 空气污染指数在三列估计系数始终显著为负, 且变化不大, 表明了基准结果的稳健性。

另一个值得考虑的因素是短期来华留学生的影响。短期来华留学生多为访问交流学生, 其来华一般是校际合作项目的安排, 对高校-城市选择的自由度有限, 这一特殊群体的存在可能导致基准结果有偏。基于此, 表4第 (4) 列剔除该类样本重新回归, 相比第 (3) 列, 空气污染指数的系数依然显著, 且绝对值上升, 这不难理解, 短期生较小的选择空间拉低了总体的敏感性, 但由于是低估, 基准结论依然成立。

五、 空气污染影响的异质性

本文重点关注自费来华留学生与政府奖学金生的差异, 原因有两个。

第一, 政府奖学金生的学费和生活费支出主要由中国政府负担, 但在享受这一利益的同时, 他们的高校-城市选择自由度也受到限制。根据本文的制度背景, 高校招生政府奖学金生资质要由教育部审批, 高校招收自费来华留学由地方教育行政主管部门审批, 招收自费来华留学生的高校数量更多。在这一管理体制下, 如果留学生偏好的高校或城市不招收政府奖学金生, 其获得政府奖学金的可能性大大下降。一般而言, 政府奖学金生对高校-城市的选择受限更大, 迁移成本较高, 考察他们与自费生的差异, 有助于识别迁移成本对空气污染敏感性的影响。

第二, 政府奖学金是国家对外援助的重要组成部分 (OECD, 2000; Qian, 2015) , 一般来自欠发达国家的学生获得的名额更多。从来源国别看, (13) 政府奖学金生母国所处的发展阶段平均落后于自费生。处于高收入阶段的国家, 环境规制标准更高, 无论居民个体收入水平如何, 成长于其间, 对环境问题的关注也更高。考察两类学生的差异, 有助于研究人们对空气污染的敏感性在不同收入水平是否存在差异。

基于以上考虑, 表5和表6分别报告了以高校在校来华自费留学生数和政府奖学金生数为被解释变量的回归结果。

表5 异质性研究:对自费来华留学生的影响 导出到EXCEL

 

 


被解释变量
lnzsum

(1)
(2) (3)

二阶段回归结果

API

-0.0416***
   

(-2.73)
   

nblue_100
  -0.0147***  
  (-3.02)  

nblue_125
    -0.0313**
    (-2.53)

经济特征
Y Y Y

高校特征
Y Y Y

地形特征
Y Y Y

Adj. R2
0.3517 0.3789 0.3348

N
522 522 522
  一阶段回归结果

w10

-12.3475***
-35.0250*** -16.4081***

(-4.66)
(-5.09) (-3.95)

F
21.69 25.91 15.61

N
522 522 522

注:同表2。

表5报告了以来华自费留学生数为被解释变量的回归结果。其中, 第 (1) 列的核心解释变量是空气污染指数, 系数为-0.0416, 在1%的水平上显著, 意味着空气污染指数每上升一个百分点, 高校自费来华留学生约减少12.9人 (-4.16%*310.5) 。与第四节稳健性检验相仿, 第 (2) — (3) 列依次是以空气污染指数大于100和125统计的年污染天数为核心解释变量的回归结果, 两列系数依然显著为负。这表明空气质量影响自费来华留学生的选择。

表6 异质性研究:对政府奖学金来华留学生影响 导出到EXCEL

 

 


被解释变量
ln (gsum+1)

(1)
(2) (3)

二阶段回归结果

API

-0.0213*
   

(-1.83)
   

nblue_100
  -0.0075*  
  (-1.87)  

nblue_125
    -0.0160*
    (-1.76)

经济特征
Y Y Y

高校特征
Y Y Y

地形特征
Y Y Y

Adj. R2
0.5655 0.5721 0.5597

N
522 522 522
  一阶段回归结果

w10

-12.3475***
-35.0250*** -16.4081***

(-4.66)
(-5.09) (-3.95)

F
21.69 25.91 15.61

N
522 522 522

注:同表2。

表6是以政府奖学金生数为被解释变量的回归结果。第 (1) 列是以空气污染指数为核心解释变量的结果, 系数为-0.0213, 在10%的显著性水平显著, 平均而言空气污染指数每上升一个百分点, 政府奖学金生约减少0.5人 (-2.13%*23.75) , 表明空气质量虽然也影响政府奖学金生对高校-城市的选择, 但相较自费来华留学生, 影响小很多。第 (2) — (3) 列依次是以空气污染指数大于100和125统计的年污染天数为核心解释变量的回归结果。第 (2) 列的系数为-0.0075, 仅约为表5第 (2) 列的一半, 且显著性明显下降, 第 (3) 列的情况类似。这印证了相对自费来华留学生, 政府奖学金生对空气质量的敏感性更小。

综合来看, 空气污染对自费生来华留学生的影响大于政府奖学金生。这可能与自费生迁移成本低, 来源国所处的发展阶段更高有关。

六、 简要结论

基于来华留学生与所在城市空气污染指数 (API) 匹配的数据, 本文以风速作为空气质量的工具变量, 采用两阶段最小二乘法 (2SLS) , 实证研究了空气污染对来华留学生高校-城市选择的影响。研究发现, 来华留学生对中国城市空气污染高度敏感。以基准回归为例, 城市年均空气污染指数每上升1%, 辖域内高校来华留学生平均减少3.85%, 约合12.9人。区分经费来源的异质性研究表明, 相对政府奖学金生, 自费来华留学生对空气污染更敏感, 高校-城市选择所受影响更大。这可能与自费生来源国总体处于高收入阶段、对优质环境需求大, 在华迁移成本相对低有关。

本文为空气污染的移民效应提供了来自发展中国家的证据。不仅如此, 来华留学生在华居留时间较长, 学历层次高, 融入国内情况总体较好, 其行为与中国部分高人力资本家庭和居民有相似性。基于此, 把本文结论对国内居民和家庭作谨慎外推, 就得到丰富的政策启示。党的十九大报告指出, 中国经济已由高速增长阶段转向高质量发展阶段, 必须加快形成推动高质量发展的指标和政策体系。高质量发展的战略支撑是创新, 要靠人特别是高技能劳动者群体推动。本文研究表明, 这部分群体对空气污染高度敏感, 因此要统筹生态环境政策、人才政策与经济政策, 把污染防治与十九大部署的建设“知识型、技能型、创新型”劳动者大军相结合, 推动经济发展质量变革、效率变革、动力变革。



畅志文化期刊网,一个专业的论文发表,期刊发表,著作出版,课题等评职称相关平台。

文章名称:空气污染的移民效应——基于来华留学生高校-城市选择的研究

文章地址:www.sjzjkl.com/lunwenjianshang/_yi_/932.html

内容来自网络-如有侵权,请告知删之

上一篇:养老保险对劳动供给和退休决策的影响 下一篇:地区环境治理压力、高管经历与企业环保投资——一项基于《环境空气

还有问题,免费咨询专业人员

没有问题了,我想发稿或出版

选择服务:

作者姓名: *

联系电话: *

留言备注: *

咨询部:

发表部:

在线客服

客服电话:17600057161

投稿邮箱:71712724@qq.com

QQ:71712724
QQ:71712724

咨询部:

发表部: