污染引起的移居对生产力的影响
01
目录
01：目录
02：摘要
03：识别污染对移居的因果影响
3.1:工具变量1：风向和燃煤电厂
3.2:工具变量2：逆温
04：实证结果
05：理论模型
5.1:生产与劳动力需求
5.2:移民和劳动力供给
5.3:生产率，集聚经济和房价
5.4:均衡与弹性
06：模型参数估计
07：反事实结果
08:总结
Khanna G , Liang W , Mobarak A M , et al. The Productivity Consequences of Pollution-Induced Migration in China[J]. NBER Working Papers, 2021.
02
摘要
本文研究了污染对中国城市人口迁移的影响及其对生产力和福利的影响。技术工人比非技术工人更容易因污染而移居，这种不对称迁移改变了人力资源的空间分布，导致污染城市有更高的技术回报造成生产力损失，户口迁移政策对流动性的限制加剧了生产力和福利的损失。
图4a表明污染与技术工人移居比例有明显正相关关系，图4b表明高污染城市的技术回报也较高。即高技术工人因污染移居，使这些城市的高技能相对稀缺，工资为空气质量差创造了补偿性差异，因此减少污染可能是一种提高生产力的机制。
03
识别污染对移居的因果影响
本文使用中国2005年、2010年和2015年人口普查数据衡量国内移民，使用比官方污染数据更有优势的卫星数据测量空气质量，主要研究d市的PM2.5浓度对技术人员外迁量的影响：
其中Mid是个人i是否离开d市的指标，X是控制变量。OLS方法可能会使对PM2.5和移民决策之间的因果关系的估计产生偏差，比如经济的基本结构和当地的不利因素可能与较高的污染水平和离开动机有关。本文使用两种不同的工具变量策略来识别是污染造成的影响，而非其他因素。
01工具变量1：风向和燃煤电厂
采用远距离大型燃煤电厂煤耗的反角和距离加权和构建工具变量，第一阶段关系如下：
其中ap为d市年主导风向与大型电厂p的夹角，distpd为电厂p与d市的距离，cp为电厂p的年耗煤量。
图5a表明工具变量背后的直觉。图5b表明从较高煤耗发电厂顺风而下、离较高煤耗发电厂较近的城市，更可能受到较差空气质量的影响。
02工具变量2：逆温
逆温指地面温度异常地高于地面温度，从而捕获污染物，是空气质量差的有力预兆。本文用每年逆温次数和逆温的年平均强度，来衡量d市的逆温指标。面板模型包括年份固定效应和城市固定效应:
图6表明随着城市污染增加，逆温相对较多的地区，空气质量较差的情况急剧上升。图右侧表明逆温和PM2.5之间有强相关性。
04
实证结果
图7表明不同迁移率和污染之间的关系。在纵轴上，绘制了高技能工人和低技能工人的外迁率之间的比率。这一比例随着来源地城市PM2.5水平的提高而增加，表明高技能工人的外迁能力强于低技能工人。
在表1中，借助离开户口城市的个体指标来衡量PM2.5与移民间的关系。OLS估计表明空气污染导致工人外迁，对受高等教育的人影响更大。
通过基于风向和燃煤电厂的工具变量，结果表明PM2.5增加10%会使移居率提高0.543个百分点，对受过高等教育者（1.02个百分点）的影响显著大于未受过高等教育者（0.302个百分点）。
通过基于逆温的工具变量，结果表明与低技能工人相比，空气污染对移居的影响对于高技能工人更为显著。PM2.5增加10%，受过高等教育者的外迁率增加1.79个百分点，而未受过高等教育者仅增加1.08个百分点。
表2展示了污染严重的城市的工资回报率更高。Panel A中的OLS结果表明污染对技能回报率的影响是正的。Panel B中用风向和燃煤电厂作为工具变量时，对数PM2.5的系数估计值在量级上增加，这与技术工人的差异性外迁提高了技术（到非技术）工作的相对边际产出这一事实是一致的。
05
理论模型
在这篇文章中，作者构建了具有以下几个特性的理论模型来对研究问题进行解释：第一，由于不同技能熟练程度的工人对污染的效用反应程度不同，模型将补偿性工资差异内生化；第二，模型考虑到了户籍限制对不同技能熟练程度工人迁移的成本不同；第三，不同教育程度的工人对污染的反应程度不同导致离开污染城市的大学教育程度工人更多，而不同技术工人之间具有互补性，这种差异使得低熟练工人的边际生产率降低，从而导致了技术工资溢价。前两点解释了实证中发现的不同技术工人的不同迁移规律，第三点被重污染城市教育回报率更高的证据所支持。
01生产与劳动力需求
本文中生产函数使用了Cobb-Douglas函数，将不同的技术程度s的工人按生产率和边际替代弹性加总得到总劳动力需求：
给定市场利率的情况下，选择最优的资本需求量，则移民目的地d、技术程度为s的工人平均工资（对数形式）为：
于是，工人的工资水平同时受到所在城市的全要素生产率、资本存量、劳动市场供给、不同技术工人之间的边际替代弹性以及自身的技术熟练度影响。
另外作者在模型中引入了经济生产与污染联系的设定，污染的治理被认为是取决于城市的总人口以及不同技术工人的构成：
02移民和劳动力供给
技术熟练度s的工人j从城市o移居到城市d的间接效用由下式给出：
其中工人被认为具有对所在地的随机产生的偏好，此外还受到移居目的城市的工资水平、污染程度、房价、城市基础设施以及移民成本的影响，可以看出，模型中设定不同技术熟练度的工人对于污染和房价的敏感度有差异，并且受户口限制，移民成本也不同。关于工人对所在地的偏好服从多元极值分布：
每个人会选择对他效用更高的城市进行移居，从o城迁入d城占总迁出之比为：
于是劳动供给曲线为：
03生产率、集聚经济和房价
作者将城市的全要素生产率内生化，设定城市的TFP在外生给定水平上（由土地、河流等决定）受到污染治理和熟练工人数量的影响：
当上式中系数为正时，污染治理和熟练工人比例会提升TFP的水平。至于房价模型，本文中采用了简单的人口影响房价设定：
04均衡与弹性
本文模型的均衡被定义为一系列关于工资、基础设施、房价、移民成本和劳动力分配的组合，其中工人的工资为边际生产率，并且根据效用选择移居城市。外生给定城市初始TFP、总劳动力数量、移居成本、技术偏向的资本存量、城市初始污染水平。均衡时，劳动力市场各类工人出清，移民占比与非移民占比之和为1。
06
模型参数估计
基于以上理论模型，作者使用收集数据估计出了模型中各项参数，汇总如下：
07
反事实结果
得到上述参数估计量后，基于理论模型，作者可以通过重新分配城市的污染水平来检验对生产率产生的影响。表7展示了对一个城市进行不同操作后各机制（健康机制、劳动力再分配机制、集聚效应）对人均GDP的影响，前四行结果为降低PM2.5总水平和外生给定水平以及放松户口限制，后两行为组合结果。表8展示了不同技术工人的工资变化。
表9和表10展示了将污染重新从技术倾向资本密集型城市转移到技术倾向资本匮乏型城市后对GDP和人均工资产生的影响。
此外，这篇文章还研究了污染在多大程度上解释了不同城市之间的工资差异，作者将所有城市的污染水平调整为全国中位数城市污染水平，计算改变后熟练工人的工资变化，这样一来，由污染造成的工资差距便被消除。图12展示了污染程度与劳动力再分配机制对熟练工人工资变化的关系，可以看到，北京、天津等重污染城市在污染程度降低后，熟练工人工资明显下降，这是由于这些城市对熟练工人的吸引力增强，降低了工资溢价，而昆明污染程度提升，使得工资溢价更高。
08
总结
本文实证结果表明空气污染导致工人外迁且对受高等教育的人影响更大，污染严重的城市的工资回报率更高。又辅以理论模型解释实证中发现的不同技术工人的不同迁移规律和技术工资溢价。基于理论模型，作者进行了反事实结果，表明减少污染不仅可以直接改善健康和生产力，而且可以间接改变熟练工人和非熟练工人的空间分布从而提高总产出。