看不见的污染与“躺枪”的快递小哥
经典论文回顾
经典论文回顾
邀您一起回顾经典论文——看不见的污染与“躺枪”的快递小哥
近地面臭氧污染不仅对发达国家是持续的挑战，对发展中国家也是日益严重的问题。臭氧会损害呼吸系统和心血管系统健康，从而降低户外工作者的劳动生产率。尽管大量研究已经证实了颗粒物污染尤其是PM2.5对生产率的负面影响，但较少有文献识别臭氧对发展中国家劳动生产率的影响。发展中国家在遏制臭氧污染方面正面临越来越大的挑战，公众对臭氧污染的防范意识低，有关臭氧污染的规制措施出台时间较晚，亟需严谨的学术证据敦促政策制定者关注敏感群体（比如快递员）采取预防措施减少臭氧污染对社会经济的危害。快递员对于电子商务和全球快速发展的快递业来说至关重要，典型的户外工作环境使他们的健康更容易受到臭氧污染的负面影响。
广东省夏季较为严重的臭氧污染为估计臭氧污染对劳动生产率的影响提供了一个很好的研究机会。基于中国一家市场份额排名前五的快递公司在广东省18个城市2016年7月1日至2016年9月30日个体层面的劳动生产率面板数据集，本文使用工具变量方法实证检验了臭氧污染对快递员生产率的即时和累积影响，主要贡献包括：
-
第一，本文首次基于来自真实工作环境的高频个人生产率数据估计了臭氧污染对污染严重、经济快速增长地区的户外工作者生产率的因果影响；
-
第二，本文基于因果识别框架估计了臭氧污染对服务业工人生产率的累积影响；
-
第三，快递业是发达国家和发展中国家服务业和国民经济的重要组成部分，在全球范围内，随着对时效性强的商品需求的增加，最后一公里的货物运输正变得越来越重要，本文探索的快递员劳动生产率的环境影响因素对于提高快递员的劳动生产率有积极影响。
（1）数据
快递员日度快递派送量数据来自T快递公司，该快递公司人力资源部随机提供了该公司2016年7月1日至9月30日在广东省18个城市39家子公司快递员的每日派送量数据。55%的样本提供了快递员的个人信息：性别、年龄、受教育程度、工作时长、户口是否在广东省以及是否在家乡工作。
臭氧、PM2.5、PM10、NO2、SO2、CO和空气质量指数（AQI）数据来自中国空气质量在线监测与分析平台，本文使用广东省21个城市和周边省份10个城市2016年5月1日至2016年10月31日的日度污染物数据。臭氧浓度使用日最大8小时平均浓度。
日最高温度、降水、平均相对湿度、气压和小时最大风速和风向数据来自广东省气象局，太阳辐射数据来自第五代欧洲中期天气预报中心。
本文主要基于以下实证模型估计臭氧污染对快递员劳动生产率的线性和非线性影响、即时和累积影响：
本文首先使用如下模型估计臭氧污染对生产率的即时影响：
Yict表示在c城市工作的i快递员在t日期的派送量；Pct表示c城市在t日期的每8小时平均臭氧浓度的最大值（AQI作为稳健性检验）；Wct表示c城市在t日期的天气特征，包括：日最高温度、日照、降水、最大风速、平均相对湿度以及气压和温度区间和日照的交互项；δi表示个体固定效应，控制不随时间变化的个体特征，由于每个个体在样本研究期间内都在同一个城市，因此个体固定效应吸收了城市固定效应（控制了城市层面不随时间变化的因素）；
表示时间趋势，包括月度固定效应和天-周固定效应，本文在稳健性检验中进一步控制了更精细的时间控制，如周固定效应、线性、二次和三次时间趋势；
是误差项，标准误聚类到个体-日期层面，稳健性检验中将误差项聚类到城市层面。
本文进一步将个体固定效应替换为个体特征变量和子公司固定效应作为稳健性检验：
Xit表示个人层面的控制变量，Subsidiarykc表示子公司固定效应。
为了解决OLS估计中的遗漏变量和测量误差问题，基于临近上风向城市的空气污染物可以通过风传输到目标城市，本文构建了城市臭氧污染的工具变量。首先，通过平均每天每小时的风向来计算每个城市每日的盛行风向。然后，构建距离目标城市50-200公里内所有上风向城市污染水平的加权平均值作为目标城市臭氧污染的工具变量，具体方法如下：
本文基于如下模型估计不同臭氧污染程度对生产率的非线性影响：
Pctj是一组衡量不同臭氧污染程度（50-100，100-150，150-200，≥200）的二值虚拟变量，βj衡量了臭氧浓度超过50μg/m3时劳动生产率损失。
本文进一步估计了臭氧污染对生产率的累积影响以弥补文献中的空白：
Pc,t-k表示城市c在t-k日期的臭氧污染，该模型包含了当天和之前K天的臭氧污染水平，为了避免多重共线性问题，本文采用多项式分布滞后（PDL）模型来估计臭氧污染的累积效应：
（1）基准结果
表3报告了OLS估计臭氧对劳动生产率的平均影响，Panel A的因变量是快递派送量的自然对数值，Panel B的因变量是每日快递派送量的绝对值。第（1）至（5）列加入了不同固定效应，第（3）列是本文关注的结果（个体固定效应、月份固定效应、星期-天固定效应）。结果表明，臭氧污染显著降低了快递员的生产率，臭氧浓度每增加1个标准差，快递员的日度劳动生产率下降了1.7%。
表5报告了工具变量的回归结果，一阶段回归结果表明构造的IV与目标城市的臭氧浓度显著正相关，满足工具变量的强相关性假定。二阶段回归结果发现臭氧浓度每增加1个标准差，快递员的日度生产率下降了6.8%，远远大于OLS的估计结果（1.7%），这表明由于测量误差和遗漏变量导致的内生性问题，OLS回归低估了臭氧污染的负面影响。
表4 Panel A报告了臭氧污染对生产率的非线性影响结果，相比于参照组，臭氧浓度在100-150 μg/m3中显著降低生产率4.8%或3.8%，在150-200 μg/m3中显著降低生产率4.0%，臭氧浓度一旦超过200 μg/m3，平均劳动生产率将下降6.7%或7.7%，臭氧污染的线性和非线性影响的估计结果高度一致。使用AQI的估计结果表明当AQI超过150时才显著降低快递员的劳动生产率。为了进一步研究臭氧在较低浓度下的影响，本文只保留臭氧浓度不超过100 μg/m3的观测值，并利用OLS估计臭氧的线性效应。Panel B的结果发现，臭氧浓度低于国家一级控制标准（100μg/m3）时仍可以显著降低劳动生产率，导致户外工作者收入降低。
（2）稳健性检验
本文进行了一系列稳健性检验来排除影响因果识别的遗漏变量和干扰因素：
本文采用如下两种思路排除区域经济活动的冲击：第一，分别控制区域-月份固定效应和城市-月份固定效应以捕捉需求波动可能产生的影响；第二，通过控制目标城市上风向80-90或85-90内临近城市的臭氧来控制邻近城市传输的臭氧污染，因此该变量捕捉了区域经济活动的冲击，但与夹角更小的上风向邻近城市相比，该变量对中心城市臭氧污染的影响要小得多。
本文从不同维度更换了工具变量的构造方法：第一，将目标城市上风向的角度从90分别限制为45和60；第二，以小时风速和持续时数加权后的小时风向平均角度计算日盛行风向；第三，利用每小时风向和污染浓度计算过去7天内每小时上风向传输的臭氧总量；第四，分别加总过去6天和5天的臭氧污染输送总量；第五，由于NO2是臭氧的前端污染物，本文分别利用前7天、6天和5天的NO2构造臭氧的工具变量；第六，将风速加入每个邻近城市的权重函数。基于不同方法构造的工具变量结果与基准结果一致。
交通拥堵会同时降低快递员的生产率和影响臭氧污染，但基于以下两点原因，拥堵对本文IV估计结果的影响不大：第一，在交通拥堵时期，快递员驾驶一辆小型电动三轮车，比汽车和卡车更容易通行；第二，本文的IV是基于与拥堵不相关的日度盛行风向构造。但是，快递配送途中的污染（如NOx、CO和VOCs）也可能影响快递员的生产率。由于没有道路排放的数据，留待未来研究。
本文首先直接检验了控制天气变量后估计结果的稳健性，并进一步考虑使用更精细的温度箱、增加相对湿度与不同温度控制变量的交互项以及直接控制台风“Nida”对快递员生产率的影响，工具变量的估计结果影响较小。
首先，本文分别控制PM2.5和PM10后，重新估计臭氧的影响，表6的IV估计结果表明，臭氧浓度每增加10 μg/m3，劳动生产率显著下降1.3% - 1.5%，与仅控制臭氧污染的估计结果1.4%相似，基准结果没有过分高估实际影响。
另外，大量文献发现PM2.5对不同行业劳动生产率有相当大的即时影响，本文单独估计了PM2.5对快递员劳动生产率的影响，IV估计结果发现，PM2.5每增加10 μg/m3，劳动生产率显著下降3.1%。
本文进一步控制了更精细的时间趋势：周固定效应、线性时间趋势、二次时间趋势、三次时间趋势以及同时控制上述所有时间趋势。OLS估计结果不显著，这可能是因为样本时间跨度相对较短，控制比月度固定效应更细的时间趋势吸收了污染变量的变化。IV估计结果均显著为负，时间趋势控制最多的模型臭氧污染的系数（−0.013）接近基准结果（−0.014）。
从长期来看，工人可能会从空气质量差的城市迁移到空气质量好的城市。但由于本文样本时间跨度只有3个月，假定基于臭氧污染的选择行为很小非常合理。此外，快递员不太可能根据短期内的空气质量来决定是否工作：第一，T公司严格规定了所有快递员的工作时间，这使得快递员很难调整工作日；第二，快递员的收入普遍较低，主要来自递送的包裹数量。
本文进一步估计了臭氧污染对快递员每天是否工作的影响，表7结果表明臭氧污染在短期内对快递员的缺勤影响较小。另外，本文使用由具有相对稳定工作记录（大于30天、45天和60天）的快递员组成的子样本重新估计主要模型，结果发现臭氧对缺勤概率的影响对臭氧对快递员生产率影响的干扰较小。
⑧ 控制劳动力供给参考依赖、短期生产率调整和同伴效应的影响
第一，快递员在一天内根据臭氧污染程度调整工作时间。虽然缺少快递员每天确切的工作时间和非工作时间数据，但T快递公司的快递员每天工作时间固定。如果快递员为了避免严重的臭氧污染，选择在一天内调整工作时间，那么本文估计臭氧污染对快递员日度生产率的影响包含了这种调整的影响。
第二，短期生产率调整。本文分别估计t日期臭氧污染对t到（t +1）和t到（t + 2）平均生产率的影响，部分消除了短期生产率调整，并考虑到臭氧污染的滞后影响（例如，第t期暴露于污染可通过生理通道降低第t + 1期的生产率），估计结果表明短期生产率调整几乎不会改变主要结论。
第三，同伴效应。本文通过控制同一子公司每个快递员日度平均派送量控制同伴效应进行稳健性检验，臭氧污染的估计系数保持高度显著。
（3）异质性分析
表8报告了臭氧污染对不同特征（年龄、受教育程度、工作年限、户口、是否在家乡工作）快递员生产率的异质性影响结果，结果发现臭氧污染的异质效应在不同年龄、受教育程度、工作年限之间不存在，广州本地人也不会降低臭氧的负面影响，但在家乡工作可以消除臭氧污染对生产率的所有损失。
臭氧污染对劳动生产率的影响也可能因生产率的不同而不同。本文通过计算每个快递员的平均每日劳动生产率将其分为三组，并估计臭氧污染对各生产率组快递员劳动生产率的影响，估计结果发现臭氧对平均劳动生产率较高快递员的负面影响似乎更大，这表明臭氧污染可能会降低户外工人的收入不平等。
本文估计了珠三角地区臭氧污染对生产率的影响，结果与基准IV回归的估计值非常接近。进一步对珠三角地区进行分样本估计结果发现，与全样本的平均效应（-1.4%）相比，珠三角欠发达城市臭氧的负面效应较大（-2.0%），而珠三角最发达城市广州和深圳臭氧的负面效应较小（-1.3%）。
（4）累积效应
公共卫生文献表明，长期积累的空气污染可能会危害人体健康。本文采用多项式分布滞后（PDL）模型，并结合当前和前一段时间（4至32天）的臭氧污染水平作为解释变量，考察臭氧污染对快递员劳动生产率的累积影响，结果见表E13和图4。过去30天每天臭氧污染增加1个标准差，快递员的劳动生产率下降23.7%，明显大于即时效应的估计结果（6.8%），这意味着忽视臭氧污染的累积效应会低估其对劳动生产率的负面影响。因此，本文使用累积效应计算因臭氧污染导致中国快递员劳动生产率下降进而造成收入损失。
（5）福利分析
本文基于实证估计结果分别计算了广东省快递员和全国各地因臭氧污染导致劳动生产率下降而造成的收入损失，计算结果见表E14和E15。在空气质量最差的东莞和佛山，平均每名快递员每年因臭氧污染损失的收入超过13600元人民币（2138美元）。广州市因臭氧污染造成的收入损失约为30亿元人民币（约合4.2亿美元），而2019年中国快递业务排名前50城市的总收入损失超过210亿元人民币（约合30亿美元）。因此，臭氧污染导致中国户外工作者劳动生产率下降，收入减少，福利损失巨大。
本文基于广东省快递员的高频个人生产率数据与每日空气污染数据，实证检验发现臭氧污染显著降低了户外工作人员的劳动生产率并带来了经济损失，并且即使当臭氧污染低于现行的中国一级控制标准（100 μg/m3）时，依旧会对劳动生产率产生显著的负面影响。在新冠肺炎后时代，快递业的重要性越来越大，如果考虑到快递业与其他行业（例如电子商务）之间的众多联系以及类似的户外工人的生产率损失，臭氧污染的经济损失可能会高出许多倍。未来的研究可以评估臭氧污染控制政策的效果，以改进相关政策的设计。
Ground-level ozone is a continuing problem worldwide, but there is insufficient research about the influence of ozone pollution on labor productivity in developing countries. Couriers are important for e-commerce and the rapidly developing express delivery industry around the world. Yet, due to their typical outdoor working environments, they are susceptible to the health effects of ozone pollution. We investigate the effect of ozone pollution on outdoor worker productivity in the service sector using a unique panel dataset of courier productivity from a top-five express delivery company in China. Using an instrumental variable constructed from ozone pollution of nearby upwind cities, we find that a 1 standard deviation increase in daily ozone pollution decreases courier productivity by 6.8%. The same increase in ozone over the previous 30-day period decreases worker productivity by 23.7%. Our findings emphasize an under-researched but important part of the socioeconomic costs of ozone pollution, and call for policy attention on the coordinated management of ozone pollution and particulate matters in developing countries.
*文章来源：香樟经济学术圈
*侵权必删
