AEJ |大风吹来了犯罪？空气污染与犯罪行为
01 背景与问题
在已知研究中，空气污染损害人们福利的途径有很多种。例如，污染对成年人和婴儿的健康产生不利影响；污染通过健康影响企业生产力和劳动力市场供给；短期污染容易影响瞬时认知（如降低考试成绩），以及促使人们投入成本进行污染规避行为。这篇文章从一个新的角度关注空气污染的负面影响，即空气污染对犯罪行为的影响。
识别空气污染与犯罪行为的因果关系面临一个重要挑战：如何在犯罪的驱动因素中将气象因素和污染因素进行区分。当前研究表明，气象（尤其是温度）与侵略性、冲突性行为之间存在因果关系。污染变化既存在季节性波动，也受温度、降水等气象变化影响。如果不能准确区分气象和污染，就有可能错误地将温度或其他季节性犯罪驱动因素的影响归因于环境污染。
少数文献研究也关注了短期空气与犯罪行为的关系，它们中的一些以风向作为空气污染的工具变量，为解决上述挑战提供了些许思路。另外，现有研究基本通过使用复合的空气污染指标（如AQI）或仅将PM2.5、O3作为回归因子，未能全面考察其他常见空气污染物（如氮氧化物、CO或其他颗粒物）的影响，使空气污染结果存在低估。
这篇文章首先使用美国芝加哥市2001至2012年数据，利用每日风向作为工具变量识别空气污染变化，从城市层面通过时间序列分析考察空气污染和犯罪行为的关系。其次，为避免将温度等气象犯罪驱动因素归因于空气污染，使用芝加哥市州际公路两侧的数据，在风向与公路垂直的时间中比较州际公路两侧犯罪差异，从而进一步估计污染对犯罪活动的因果影响。
02 数据和方法
这篇文章使用的数据来自美国芝加哥市。其中犯罪记录数据涵盖2001至2012年芝加哥警察局收到报告的所有犯罪记录，数据集包括犯罪类型、日期、时间、地址（含经纬度）等内容。为方便后续研究，作者将其划分为暴力犯罪（杀人、强奸、殴打等）和财产犯罪（入室盗窃、抢劫、纵火和偷车等）。天气数据则来源于美国国家气候数据中心，包括温度、降水、风速和风向等其他气象变量。
作者首先通过2SLS模型，利用时间序列变化探究污染和犯罪之间在城市层面的关联，具体模型如下：
在上述模型中，Wt表示时间t（每日）的平均风向。Xt表示控制变量，包括温度、降水、风速、气压等气象条件，和时间固定效应，如节假日、星期几、月份指标等。Pollt表示芝加哥市所有PM10监测器的平均每日PM10，作者将这一指标进行标准化，该变量的单位变化等于一个标准差值的变化（标准差为14.4ug/m3）。Crimet为t日的犯罪总数。
下图1展示了作者使用芝加哥市犯罪样本的分布情况。红色线段为州际公路，作者选取了州际公路两侧1英里区域内的犯罪信息进行研究（图中彩色区域）。
图1 芝加哥市犯罪样本
在该部分研究中，作者使用以下模型进行分析。其中，脚标i表示州际公路，s表示公路侧，t表示日时间。αis和γit分别控制了州际公路两侧不随时间变化的不可观测因素，和与州际公路每日犯罪变化有关的不可观测因素。X为温度、降水等气象条件。Downwind变量为虚拟变量，当时间t日州际公路i的s侧处于下风区时取值为1，否则为0。作者将下风区定义为：样本日的平均风向控制在与州际公路方向正交线的60°以内。
03 结论
在城市层面研究污染和犯罪之间关系的结果中，作者发现PM10污染对暴力行为犯罪有显著影响，具体来说，PM10排放量增加一个标准差与暴力犯罪增加2.9%有关（表1，列3）。而这种影响似乎只针对暴力犯罪，对财产犯罪行为没有显著影响（表1，列6）。
表1 每日PM10的影响
进一步使用芝加哥市州际公路两侧犯罪数据提供微观地理证据，结果发现州际公路的下风区的污染增加明显使暴力犯罪次数相应上升（表2，Panel A）；而空气污染对财产相关犯罪行为没有明显影响（表2，Panel B）。
表2 州际公路下风区的犯罪变化
作者对上述结论进行一系列稳健性检验，采用了改变下风区定义角度（将60°调整为36°—90°）和增加州际公路两侧样本范围（将公路两侧1英里改为0.5英里和0.25英里）。结果显示如下表3所示，几乎所有系数与主要结果中一致，表明回归是稳健的。
表3 州际公路下风区的暴力犯罪行为稳健性检验
随后，作者将污染影响的时间分别提前和推后7天。结果如图2所示，滞后处理的系数估计值都基本为0且不显著，表明污染暴露只存在短期影响；提前时间的估计系数也不显著，从侧面表明实证结果的稳健性。
图2 下风区污染的提前和推后检验
而后针对使用顺风风向可能会捕捉到州际公路以外污染源的问题，作者进行了安慰剂检验。在图3中的绿色区域内假设有若干条水平设置的州际公路，作者在绿色区域中以1英里的间隔检测这些虚拟州际公路的以北1英里与以南1英里暴力犯罪的差异。如果在除实际州际公路以外的区域发现了更大的暴力差异，则表明顺风风向带来了来自非州际公路的污染，说明实证策略是不可靠的。
图4描绘了所有吹南风的时间中，绿色区域内的各虚拟州际公路两侧的犯罪差异。图中横坐标对应绿色区域内的纬度，纵坐标表示虚拟公路的北侧与南侧的暴力犯罪量差异。可以看出，图4的中间位置南北暴力犯罪差异最大，其纬度正好对应绿色区域中心的州际公路I-290。I-290峰值右侧对应该州际公路以北1英里，是顺风时间中犯罪差异的最低值。这与预期相符，表明南风将污染从I-290吹到I-290以北1英里的虚拟公路南侧。而图中的第二高峰位置（北纬41.84°）大致位于I-55公路的纬度。这表明在安慰剂检验中，顺风效应带来的最大犯罪差异来自州际公路污染，从而说明实证策略是可靠的。
图4 安慰剂检验结果
最后，作者对于空气污染引发的暴力犯罪增加计算了相应成本。估计每年州际公路顺风污染带来的相关犯罪成本为1.78亿美元。而在样本时间2001至2012年期间，芝加哥的空气污染水平降低，意味着暴力犯罪降低2%，相当于每年减少920起暴力犯罪，获得的效益保守估计为每年2200万美元。
◆
04 创新点
这篇文章是首个通过微观地理数据验证空气污染对犯罪行为的实证研究。其创新之处在于独特的实证策略设计以及安慰剂检验方式。在实证设计上，通过将州际公路作为固定污染源，比较州际公路上风区和下风区两侧的社区犯罪行为差异，考察空气污染对于犯罪行为的影响。这一设计巧妙的将温度等可能影响犯罪行为的因素剥离开——州际公路两侧的温度、降水等气象条件完全一致，不会对犯罪行为带来区别性影响。而在安慰剂检验上，通过构造虚拟公路，检验虚拟公路南北两侧的犯罪差异也是很亮眼的设计。
05 思考
尽管这篇文章有诸多让人眼前一亮的设计，但仍然有以下几个方面引人深思。
首先，这篇文章只使用了来自芝加哥市的犯罪数据，这可能存在样本选择性偏差的问题。因为芝加哥市是众所周知的高犯罪率城市，如果换做其他城市是否还会有如此明显的结果，值得探究。
其次，空气污染对于犯罪的影响可能存在明显的种族差异。对于非裔而言，种族歧视、贫穷和教育普及度不高可能使其更加容易受到影响。
再次，犯罪记录的多少是否有可能与当地的执法严格程度有关呢？犯罪记录更多可能是因为地区的执法更加认真，发现、受理案件更多所致。如果能够证明在样本涉及范围内的执法程度是一致的，更能强化犯罪数据的可信度。
最后，空气污染增加明显带来暴力犯罪增加，然而现有研究也表明人们对空气污染的规避行为逐渐增加，其中之一就是减少出行。那么这一规避行为是否也会从另一个角度影响犯罪率下降？如何将这一反向机制在空气污染对犯罪影响的结果中加以区分，也是未来值得关注的问题。
*文章来源：3E经典论文
*侵权必删
学术前沿速递
学说观点
AIGC交流社区
未央网
毕宣
王凯
- 1
- 2
- 3
