原文信息：Heissel J A, Persico C, Simon D. Does pollution drive achievement? The effect of traffic pollution on academic performance[J]. Journal of Human Resources, 2022, 57(3): 747-776.
原文链接：
http://www.nber.org/papers/w25489
01
引言
本文是第一篇实证揭示了上学期间交通污染对学业存在负面影响的研究。作者通过利用与主要公路相同距离的学校的风型变化，构建双重差分模型（DID）研究了学校交通污染对学生成就的影响。结果表明：与位于公路逆风口的学校学生相比，迁移到顺风口地区的学生的考试成绩下降，行为事故增多，缺课增多。此外，消除对当地公路污染的暴露会提高学生的考试分数，这作用相当于提高学校教师质量40%的标准差。
本文亮点
（1）首篇以位于主要公路顺风口处（下风口）的学校作为研究对象，探究污染对学习成绩的因果关联
（2）首篇充分考虑并估计了污染暴露的中期、逐年变化造成的影响
（3）首篇基于学校系统，将政策诱发性迁移行为作为识别策略
数据与模型构建
02
--- 数据特征 ---
学校特征综合数据：本文的样本包含了1992-2002年出生于佛罗里达州，1996-2012年就读于距离美国主要高速公路0.4英里以内的佛罗里达州公立学校的学生此外，还排除了学校的物理位置与学生污染暴露无关的学院，以及成人教育中心、问题青少年和青少年家长学校、残疾儿童学校和少年司法中心。（其中，样本选取范围定为“0.4英里内”的原因：具体原文中已另证明，当远离公路大于0.4英里，交通污染对学校的影响几乎可忽略不计）。
学生学业成绩数据：个人在年度综合评估测试(FCAT)中的数学和阅读成绩。从2001年到2012年，学生们参加了3到10年级的数学和阅读FCAT，本文取两次考试成绩的平均值作为学生学业成绩的度量。
--- 模型构建 ---
双重差分模型
考虑到污染暴露不是随机分配的，因此空气污染和学业成果之间的简单关联不能被解释为因果关系。为了将污染暴露的影响与其他可能影响儿童结果的因素分开，本文对儿童进行了长期跟踪，比较了在同一邮政编码的逆风学校和顺风学校就读的孩子在转学前后的结果差异。具体地，“顺风”用于衡量“交通污染暴露”，而“逆风”用于衡量“非交通污染暴露”。构造DID模型如下：
其中, 用于衡量 年级学生就读的学校所面临的主要风向, 若学 生在顺风的学校上学, 则记为 1 , 反之即为 0。 、 、 、 、 、 分别为个体固定效应、年级固定效应、邮编固定效应、学校固定效应、时间-学校固定效应、时间-个体固定效应。此外, 本文还对学校层面的所有标准误差进行 聚类。主要关注 系数, 其反映了就读于顺风口学校和逆风口学校这样两类学生考试成绩、行为事件、缺勤率的差异变化 (具体取决于的含义) 。当为学生学业成绩时, 若系数 显著为负, 则说明交通污染对学生学业成绩存在负面影响。
顺风状态的衡量
即以每小时为周期, 如果风向在射线的 45 度范围内从高速公路上最近的一点 跑到学校, 则定义为顺风方向。此外, 考虑到一些学校靠近多条主要公路。取r=1～5个高速公路段, 本文取其最大值来获得每一天的变量值Downwindjrh。然后, 整合一年中学校所处风向情况，将之汇总以得到最终变量Downwindjrh，以此衡量一年中学校处于附近所有主要公路的下风口处的时间百分比，并使用 60%的顺风时间作为截断点, 以此划分真正的顺风点和非顺风点。
上述数据处理的原因如下：首先如图A1所示，随着时间的推移，风向会有相当大的变化，一天中污染暴露的间歇可以提供喘息的机会。因此，本文将重点放在大部分时间处于顺风口的学校，以保证学生更有可能在一天中受到全面的交通污染。此外，如图2展现了顺风口暴露时间比与污染暴露的关系，可以发现大于等于60%的时间暴露更能够保证该地处于顺风位置。因此，本文把“顺风”称为存在大于等于60%的时间暴露于顺风口的学校，其他的则称为“逆风”。
03
实证结果
--- 基准回归 ---
本文分别以学业成绩、事件行为、缺勤率为因变量，探讨交通污染对于学生情况的影响。表2给出了本文的基准回归结果。Panel A显示了:相对于不在公路顺风口处的学生，那些有大于等于60%的时间都就读于顺风口处的学生的情况估计影响。Panel B则为使用了连续强度测量的结果，即只考虑完全逆风(最近公路的风总是直接吹离学校)和完全顺风(最近公路的风总是直接吹向学校)的两种极端情况影响。
对于Panel A 结果，可以发现，相对于就读于不在公路顺风口处的学校，就读于处于顺风口处的学生，表现为较低的平均学业成绩、较高发生行为事故的可能性以及较高的缺勤率。而Panel B中对于行为事件和缺勤率的测度结果不具统计学意义（不显著），验证了本文对于顺风口处学校划分方式的严谨性。（本文采用Panel A的划分法）
考虑交通流量的影响
如基准回归表明，学生的成绩会受到交通污染的影响，那么本文进一步预计：如果学生在交通更繁忙的道路的顺风口处，他们的学业成绩会受到更糟糕的影响。图5显示了学生的学业成绩和所处学校的最近公路顺风口处的路段的年平均每日交通量 (AADT)之间的关系。结果表明，就读于低交通量道路的顺风口处的学校对学生的学业成绩没有显著影响，交通量处于中间水平的影响接近于零，而存在显著交通量的环境污染暴露则对学生的成绩存在显著影响。这证实了处于顺风口的学校对学生成绩造成的主要影响是由交通量最大的路段造成的。
--- 稳健性检验 ---
考虑测试周期变化的影响
考虑到污染暴露的测试周期会影响测试性能，基于详细的风力数据，本文对比分析年度污染和周污染的实证结果。需要注意的是，由于测试周的波动不应该改变这些年度指标，本文没有对行为事件或缺勤率进行相同的测试（具体见原文附录）。
结果如表3所示，第1列重复了基准回归（即采用的测试维度是“年度污染”），第2列为“周污染”，第3列为同时采用这两种测度维度的回归结果。表3 Panel A，对比第1、2列可知，相比于周污染，年度污染暴露对学生成绩的影响更大。第3列中，年度污染暴露系数显著，而周污染暴露不显著，也进一步证实了年度污染暴露对学生成绩的影响更为显著。
排除转学因素的干扰
为了排除学生迁移造成的估计偏误，本文进行平衡实验，用几种方法测试排序和学校质量的差异。为此，本文进行了一个平衡测试，对主要预测变量的各种学校质量指标进行了回归，以探讨转学后的新学校和以前的学校的质量指标之间是否存在明显差异。如表5所示，表明参与转学的学生所到的新学校和以前就读的学校具有相似特征，因此证明本文回归结果并未因为学生的迁移轨迹而造成明显的估计误差。
图4展示了学校在污染暴露程度与几个关键学校水平特征之间的关系，表明污染暴露程度与可观察到的学校的学生人口特征并不存在显著关联性，进一步可排除个体因素造成的估计偏差问题。
安慰剂检验
在该部分，本文通过为学校随机分配风向，构造“虚伪的实验组”进行安慰剂检验。结果如表A4所示，没有发现有显著的安慰剂效应，证实了本文回归结果具有可靠性。
控制顺风状态的影响因素
表A2 显示了顺风状态的附加规范，仅从一组核心固定影响和控制开始，然后逐渐增加学校质量和人口特征的控制条件。结果发现，不管控制条件如何，回归结果与基准回归一致。
采用不同的聚类方案
虽然本文将学校的基线结果归类为治疗水平，但跨地理或随着时间推移的误差项的相关性可能会导致本文估计的标准误差太小。表A5显示了本文的核心结果对一系列不同的聚类方案都是稳健的。
其他的稳健性检验
表7呈现了额外的一系列稳健性检验结果。第2列，是为了验证由于风向的引起的噪音或其他与高速公路相关的污染物(如灰尘)在高速公路上的短距离传播不会影响本文估计结果。第3列，显示了另一安慰剂测试的结果，具体构造伪实验组（风向为平行于路段）。第4列，本文将样本限制在观察数据中居住在同一邮政编码的学生，从而排除家庭住处迁移的影响。此外，考虑到顺风效应是污染效应和负面同伴效应的结合。为验证本文回归中引起学生学业成绩变化的因素是交通污染而不是同行测试分数的驱动效应，本文通过控制同伴测试分数作为“坏控制组”，结果见第5列。
--- 异质性分析---
考虑到不同的社会经济群体可能获得不同的资源来改善污染暴露的影响，如更富裕的学生更有能力获得更多的学业辅助；但同时，由于处于优势群体的学生长期所处环境污染较小，因此其对于环境污染暴露的承受力也将较弱。这些差异都可能会导致交通污染对于不同分类群体的学习成绩影响程度存在异质性。为此，本文分别从以下三个维度出发进行个体分类异质性检验：
① 按种族/民族(A组：白人，非西班牙裔；B组：黑人；C组：西班牙裔学生)；② 按接受免费或减价午餐(FRL)的频率；③ 按性别分类。其中，前两种分类都用于测度的是优势与弱势群体的差异性（若为黑人，且接受FRL的频率高，则被视为更可能为弱势群体）。
表4检验了分组的估计结果，可以发现交通污染会对白人、非西班牙裔学生和西班牙裔学生、非FRL学生（优势群体的代表）的学习成绩造成更显著的负向影响，而会导致黑人学生有更大的行为事件。而性别则没有表现出明显的差异模式。
总的来说，结果表明，更处于优势群体地位的学生受交通污染的影响更大，而处于弱势群体地位的学生更有可能出现行为事故。这可能是由于弱势学生已经暴露于其他污染源，因此其在受到污染的学校上学的学习成绩边际影响更小。
进一步分析
04
--- 污染影响的持续性检验---
本文通过学生的转学行为，以证实说明污染暴露对于学生成绩存在的持续性、长久的负面影响。图3展示了两个群体:① “到逆风”：从位于顺风口的小学搬到“逆风中学”的学生；② “到顺风” ：从“逆风小学”搬到“顺风中学”的学生。可以发现几点特征：
（1）两组学生的学业成绩趋势相对平缓。
（2）当学生转到顺风学校时，分数会急剧下降。
（3）虽然从顺风学校搬到逆风学校的学生的分数似乎略有增加，但这种影响很小，在统计上不明显。
对这种现象的一种解释是，离开污染暴露之后，该污染暴露最初所造成的负面影响仍然会持续存在。具体地，如果在低年级暴露于污染中，对认知或技能习得有持续影响，甚至在污染减轻后仍持续存在。
---污染程度的估计---
如表8所示，本文纳入了高速公路0.4英里范围内的污染监测器(第1列)以符合本文的基准回归中的主要规范，此外，还纳入了0.1英里范围内的污染监测器(第2列)以关注本文可获得的特定污染物可能行驶的距离。在该部分，本文希望第2列能更一致地估计这些污染物。各种污染类型包括顺风(在给定时间的给定地点)和顺风强度测量(基于给定地点和时间的风向和监测位置的度数差异)的结果。
表8结果证实了，在大多数指标中，顺风会增加污染暴露。例如，在0.1英里范围内，当一个地点在主要公路的下风口处时，相对于该地点不在下风处的时间，污染指数增加了0.187个标准偏差。在风强度估计中，顺风会使污染增加0.43个标准偏差。对于特定污染物，当监测点位于主要公路的下风向时，都存在显著效应：PM10增加11.2%，一氧化碳增加8.9%，二氧化氮增加7.8%。而当本文将半径扩展到0.4英里时，结果是相同的方向，但是系数更小，且对于PM10存在不显著的情况。因此可粗略估计，相对于逆风学校，顺风学校一天的交通污染水平要高出25%。
05
结论
本文利用学校的交通污染程度，研究局部污染暴露如何对学生在学业成绩、行为事件、缺勤率方面造成危害。结果表明：
（1）与那些就读于主要公路逆风口处的具有类似特征学校的学生相比，那些搬到主要公路顺风口处的学生的学业成绩较低，行为事故和缺课的可能性较高。
（2） 对于交通更加繁忙的道路，污染暴露带来的负面影响将会更大。
（3） 交通污染对学生成就的影响，甚至在学生离开顺风位置的学校后还可能持续存在，这表明一旦污染造成损害，即使是在童年中期，也可能对未来存在长久的潜在影响。
推文作者简介
吴品墨，广东外语外贸大学-数学与统计学院-经济统计学专业-2019级-本科生。
研究方向：资源与环境经济学、政策效果评估。邮箱：pinmowu@126.com。
欢迎各位老师与同学批评指正！
Abstract
We examine the effect of school traffic pollution on student outcomes by leveraging variation in wind patterns for schools the same distance from major highways. We compare within-student achievement for students transitioning between schools near highways, where one school has had greater levels of pollution because it is downwind of a highway. Students who move from an elementary/middle school that feeds into a “downwind” middle/high school in the same zip code experience decreases in test scores, more behavioral incidents, and more absences, relative to when they transition to an upwind school. Even within zip codes, microclimates can contribute to inequality.
转自：香樟经济学术圈
如有侵权，请联系本站删除！
