高速公路对两侧噪音和尾气影响的距离和程度？住宅距离高速多远是安全的？

经济学家的研究AstheWindBlows:TheEffectsofLong-TermExposuretoAirPollutiononMortality。UFP(ultrafineparticles)，在高速公路下风口600米范围内浓度非常高，而在上风口或平风口100米范围内浓度就极速下降。这种东西显著增加了老年人的死亡率。下风向800米范围效果都显著。

UFP这东西正常人感受不到，而且比NOCO传的远。

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－下面是对该论文的一个推文：【文献阅读】高速公路下风向待时间越长死亡率越高？

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

下面是对该论文的一个推文：【文献阅读】高速公路下风向待时间越长死亡率越高？

空气污染对死亡率到底有多少影响是个非常重要的话题，它是制定各种环境政策的基本参数。目前学者们已通过准实验方法成功估计了空气污染对胎儿、婴儿健康的影响，以及短期空气污染对小儿、成年人的影响。但是，目前缺乏对成年人长期影响的证据，这其实是政策制定者更关心的。MichaelL.Anderson(2015)NBER工作论文AstheWindBlows:TheEffectsofLong-TermExposuretoAirPollutiononMortality利用高速公路下风向做自然实验，巧妙地识别出了长期暴露在空气污染中对老年人死亡率的影响。

目前已有一些短期影响的证据，但简单把短期效应外推到长期效应可能有问题。1.积累效应：空气污染的害处可能是靠慢慢积累出来的，那么长期效应应该更大；2.收获效应(harvestingeffect)：得到空气污染影响死亡率的这个短期效应，可能在于短期中一个污染shock正好让那些快死的人死了(收获的都是这些效应)，那么长期来看平均效应应该小于短期的。所以长期效应不能简单外推。那么为什么会缺乏空气污染长期效应的研究呢？可能有2点原因：1.很难在长期中找到一个准随机的variation；2.即便有一个随机分配了，个体在长期中会内生移民。作者找到了一个很巧妙的识别机制：大气科学有文献发现有一种非常细微的污染物UFP(ultrafineparticles)，在高速公路下风口600米范围内浓度非常高，而在上风口或平风口100米范围内浓度就极速下降。因此，用居住在高速公路相对方位就可以作为暴露在污染中程度的代理变量。作者认为这个想法非常好，住高速公路什么方面的人应该是差不多的，因为人们感受不到UFP，很难想象有人会因为空气原因选择上风还是下风。

目前已有一些短期影响的证据，但简单把短期效应外推到长期效应可能有问题。1.积累效应：空气污染的害处可能是靠慢慢积累出来的，那么长期效应应该更大；2.收获效应(harvestingeffect)：得到空气污染影响死亡率的这个短期效应，可能在于短期中一个污染shock正好让那些快死的人死了(收获的都是这些效应)，那么长期来看平均效应应该小于短期的。所以长期效应不能简单外推。

那么为什么会缺乏空气污染长期效应的研究呢？可能有2点原因：1.很难在长期中找到一个准随机的variation；2.即便有一个随机分配了，个体在长期中会内生移民。

作者找到了一个很巧妙的识别机制：大气科学有文献发现有一种非常细微的污染物UFP(ultrafineparticles)，在高速公路下风口600米范围内浓度非常高，而在上风口或平风口100米范围内浓度就极速下降。因此，用居住在高速公路相对方位就可以作为暴露在污染中程度的代理变量。作者认为这个想法非常好，住高速公路什么方面的人应该是差不多的，因为人们感受不到UFP，很难想象有人会因为空气原因选择上风还是下风。

1.背景作者从2个方面进行了文献回顾。A.颗粒与健康首先，作者说了目前一个趋势是关注于越来越小的颗粒，比如pm2.5，UFP。然后回顾了相关的3方面文献。(1)关于长期暴露在空气污染中与死亡率关系的流行病学研究。作者强调，流行病学方面的研究结论只代表相关，可能并不能反映因果(这一点很容易被那些有可控实验可做的学科在处理追踪数据时忽视，实证经济学家则在因果上比较敏感，对因果推断很有自信，也喜欢突出这点。比如陈硕(2014)《经济研究》的论文在摘要里就明确写道“医学领域文献大都基于个体或非随机样本且不考虑内生性问题,其所获结论和政策含义均需谨慎对待”。这算不算经济帝国主义。。。)(2)少数用准自然实验进行的因果推断文献。比如Chay,Greenstone,andDobkin(2003)利用外生政策，还有大家比较熟悉的Chenetal.(2013)用淮河做的RD。(3)还有一类是来自动物或人的laboratoryorbiomarkerstudies。

作者从2个方面进行了文献回顾。

A.颗粒与健康

首先，作者说了目前一个趋势是关注于越来越小的颗粒，比如pm2.5，UFP。然后回顾了相关的3方面文献。

(1)关于长期暴露在空气污染中与死亡率关系的流行病学研究。作者强调，流行病学方面的研究结论只代表相关，可能并不能反映因果(这一点很容易被那些有可控实验可做的学科在处理追踪数据时忽视，实证经济学家则在因果上比较敏感，对因果推断很有自信，也喜欢突出这点。比如陈硕(2014)《经济研究》的论文在摘要里就明确写道“医学领域文献大都基于个体或非随机样本且不考虑内生性问题,其所获结论和政策含义均需谨慎对待”。这算不算经济帝国主义。。。)

(2)少数用准自然实验进行的因果推断文献。比如Chay,Greenstone,andDobkin(2003)利用外生政策，还有大家比较熟悉的Chenetal.(2013)用淮河做的RD。

(3)还有一类是来自动物或人的laboratoryorbiomarkerstudies。

B.高速公路周边的污染为了说明高速公路下风口是个很好的自然实验，作者大致用这些主要文献去支持：(1)Karner,Eisinger,andNiemeier(2010)meta分析了41个大气科学方面的研究，发现高速公路下风口确实污染更大；UFP比一般污染物传的更远：许多污染物在150米内的下风向区域内衰减到背景值，UFP在下风向570-910米左右衰退到背景值，由于作者数据分辨率的原因，传的远更适合本研究。(2)噪音也是一个污染，可能会干扰本研究。但Shu,Yang,andZhu(2014)告诉我们，噪音污染跟风向没什么关系。(3)Jamriskaetal.(1999),Palmgrenetal.(2003),andMorawskaetal.(2009)发现UFP可以穿透房子，并且鲜有家庭会购置过滤UFP的装置。

B.高速公路周边的污染

为了说明高速公路下风口是个很好的自然实验，作者大致用这些主要文献去支持：

(1)Karner,Eisinger,andNiemeier(2010)meta分析了41个大气科学方面的研究，发现高速公路下风口确实污染更大；UFP比一般污染物传的更远：许多污染物在150米内的下风向区域内衰减到背景值，UFP在下风向570-910米左右衰退到背景值，由于作者数据分辨率的原因，传的远更适合本研究。

(2)噪音也是一个污染，可能会干扰本研究。但Shu,Yang,andZhu(2014)告诉我们，噪音污染跟风向没什么关系。

(3)Jamriskaetal.(1999),Palmgrenetal.(2003),andMorawskaetal.(2009)发现UFP可以穿透房子，并且鲜有家庭会购置过滤UFP的装置。

2.数据作者首先说明他选用的LosAngelesBasin地区高速公路的好处：(1)人口多(2000年约500万人口)；(2)高速公路多(本文前提假设是高速公路边界附件房屋的供需变化是平滑的，如果只有一条高速公路，这个假设难以满足。当有多条高速公路时，即便这个假设不成立，但只要供需变化与风向不相关即可)；(3)风向有规律，可预测；(4)作者有该地区详细的住房资产交易数据(用于证伪检验)。作者用了4个数据库。Set1:CaliforniaDeathAddressFile，1999-2001加州死亡数据，包含年龄和死亡原因。Set2:GeoLyticsCensusCD2000ShortForm，街区层面的普查数据。本文因变量是街区层面死亡率，作者通过合并这2个数据库得到。(用ArcGIS计算到最近公路的距离和方位并合并。关于用ArcGIS拼数据，可以参考我们公众号之前的推文，点击下方阅读全文)Set3:气象站收集的风数据。作者定义了下风(处于从公路到人口普查街区垂线的45度角范围内，如图1)。

作者首先说明他选用的LosAngelesBasin地区高速公路的好处：(1)人口多(2000年约500万人口)；(2)高速公路多(本文前提假设是高速公路边界附件房屋的供需变化是平滑的，如果只有一条高速公路，这个假设难以满足。当有多条高速公路时，即便这个假设不成立，但只要供需变化与风向不相关即可)；(3)风向有规律，可预测；(4)作者有该地区详细的住房资产交易数据(用于证伪检验)。

作者用了4个数据库。Set1:CaliforniaDeathAddressFile，1999-2001加州死亡数据，包含年龄和死亡原因。Set2:GeoLyticsCensusCD2000ShortForm，街区层面的普查数据。本文因变量是街区层面死亡率，作者通过合并这2个数据库得到。(用ArcGIS计算到最近公路的距离和方位并合并。关于用ArcGIS拼数据，可以参考我们公众号之前的推文，点击下方阅读全文)

Set3:气象站收集的风数据。作者定义了下风(处于从公路到人口普查街区垂线的45度角范围内，如图1)。

Set4:1990-1998的房产数据。主要用于证伪检验。最后形成这样的叠置图，如图2。有关叠置overlay分析，可以参考我们公众号之前的推文。

Set4:1990-1998的房产数据。主要用于证伪检验。

最后形成这样的叠置图，如图2。有关叠置overlay分析，可以参考我们公众号之前的推文。

3.实证策略作者选了高速公路下风口50-600米范围的样本。之所以设置50米的下限，是因为街区层面数据的精确度在50-100米左右。离高速公路远点的话，测量误差只影响被解释变量死亡率，但不影响关注变量在下风中暴露多长时间(因为离的远的话，邻居之间的风向都是相同的)。但离高速公路近的话，测量误差会同时影响被解释变量和关注变量。这个思想类似于断点回归里面的“donutRD”。设置上限600米在于，前面大气科学文献提到，UFP大约能传播到离高速公路570米远的地方。作者采用了segmentfixedeffect去控制不同地点房屋可能的不同用途(比如可能有的地方房子是住宅区，有的是商业区)。SegmentFE可以独立地控制两个维度的空间带宽：离高速公路的距离和沿着高速公路的距离。跟普通的spatialfixedeffect(SFE)类似，只不过segmentFEdemean这个：demeanobservationirelativetoobservationslyingwithinaradiusralongthedimensionparalleltothehighway。然后进行OLS估计：

作者选了高速公路下风口50-600米范围的样本。之所以设置50米的下限，是因为街区层面数据的精确度在50-100米左右。离高速公路远点的话，测量误差只影响被解释变量死亡率，但不影响关注变量在下风中暴露多长时间(因为离的远的话，邻居之间的风向都是相同的)。但离高速公路近的话，测量误差会同时影响被解释变量和关注变量。这个思想类似于断点回归里面的“donutRD”。设置上限600米在于，前面大气科学文献提到，UFP大约能传播到离高速公路570米远的地方。

作者采用了segmentfixedeffect去控制不同地点房屋可能的不同用途(比如可能有的地方房子是住宅区，有的是商业区)。SegmentFE可以独立地控制两个维度的空间带宽：离高速公路的距离和沿着高速公路的距离。

跟普通的spatialfixedeffect(SFE)类似，只不过segmentFEdemean这个：demeanobservationirelativetoobservationslyingwithinaradiusralongthedimensionparalleltothehighway。然后进行OLS估计：

y是街区层面75岁以上3年死亡率，w是街区暴露在下风的时间份额，x是一系列控制变量，波浪号代表demean。作者同时采用了2SLS，用相对于高速公路的方位(bearingtothenearesthighway)作为IV(8个方向，设7个dummy)。这么做的好处在于：1)2SLS对空间固定效应不敏感，因为房屋相对于高速公路的方位是平均分布的(可以预期采用了IV，是否控制segmentFE之间结果上的差别要比OLS的差别小)；2)可以有效缓精度带来的解测量误差(测量误差会导致下偏，那么可以预期IV的结果比OLS的大)。

y是街区层面75岁以上3年死亡率，w是街区暴露在下风的时间份额，x是一系列控制变量，波浪号代表demean。

作者同时采用了2SLS，用相对于高速公路的方位(bearingtothenearesthighway)作为IV(8个方向，设7个dummy)。这么做的好处在于：1)2SLS对空间固定效应不敏感，因为房屋相对于高速公路的方位是平均分布的(可以预期采用了IV，是否控制segmentFE之间结果上的差别要比OLS的差别小)；2)可以有效缓精度带来的解测量误差(测量误差会导致下偏，那么可以预期IV的结果比OLS的大)。

4.结论

表2是OLS结果，1-2列是总样本，3-8列分死亡疾病。偶数列控制了segmentFE，作者更倾向于偶数列的结论。可以发现，暴露在下风中的频率越高，死亡率显著越高。查看图片作者检验了第一阶段，并且不存在弱工具变量问题。表4是2SLS结果，也发现下风与死亡率的显著关系，且不太敏感于是否控制了segmentFE。其中心肺疾病是空气污染导致死亡率上升的主要原因。而其他疾病产生的影响较小。这些都符合预期。

表2是OLS结果，1-2列是总样本，3-8列分死亡疾病。偶数列控制了segmentFE，作者更倾向于偶数列的结论。可以发现，暴露在下风中的频率越高，死亡率显著越高。

查看图片

作者检验了第一阶段，并且不存在弱工具变量问题。表4是2SLS结果，也发现下风与死亡率的显著关系，且不太敏感于是否控制了segmentFE。其中心肺疾病是空气污染导致死亡率上升的主要原因。而其他疾病产生的影响较小。这些都符合预期。

5.稳健性检验和证伪检验A.各参数的稳健性检验

A.各参数的稳健性检验

作者调整了对下风的定义、调整了segmentFE中半径的带宽(400米、1600米)、调整了离高速公路的下限距离(25米、100米)、调整了离高速公路的上限距离(400米、800米)，结果稳健。

效应随着年龄段的下降而下降。如表6。

B.证伪检验本文的假设是个体朝高速公路的方位“asgoodasrandomlyassigned”。但有2种情况可能会干扰本文的识别：1)房屋的供需不连续，与风向相关；2)搬家。第2点可能性不大，因为个体感受不到UFP，且如果有这种搬家，那应该会削弱结果，这其实反而更强化了本文结论。不管是哪种情况，都可以推测个体人口学特征和房屋价值应该随着下风暴露的不同而发生改变。

B.证伪检验

本文的假设是个体朝高速公路的方位“asgoodasrandomlyassigned”。但有2种情况可能会干扰本文的识别：1)房屋的供需不连续，与风向相关；2)搬家。第2点可能性不大，因为个体感受不到UFP，且如果有这种搬家，那应该会削弱结果，这其实反而更强化了本文结论。不管是哪种情况，都可以推测个体人口学特征和房屋价值应该随着下风暴露的不同而发生改变。

如表7，作者发现拥有房屋的比例和种族跟下风频率不显著。

如表8，房屋价值、房屋面积也跟下风频率无显著关系。因此，稳健性检验和证伪检验进一步巩固了本文结论。

如表8，房屋价值、房屋面积也跟下风频率无显著关系。

因此，稳健性检验和证伪检验进一步巩固了本文结论。

6.讨论A.第一阶段估计作者认为如果没有一个好的关于下风频率和污染的关系，很难去解释本文的结论。因为作者并没有直接的UFP数据，之前的回归其实都说的是死亡率和下风频率的关系，这并不直观。

A.第一阶段估计

作者认为如果没有一个好的关于下风频率和污染的关系，很难去解释本文的结论。因为作者并没有直接的UFP数据，之前的回归其实都说的是死亡率和下风频率的关系，这并不直观。

在大气科学相关研究基础上，作者认为NO2浓度可以作为UFP的代理变量。NO2浓度数据可以通过空气污染检测站获得。作者先进行回归，发现NO2浓度和下风频率有很强的正向关系。但是本研究样本周围的空气污染监测站只有4个，无法控制监测站的特征。因此作者采取了如图6的方式，在每个站点内利用每天时间分别跟下风频率和NO2浓度进行回归，发现系数非常吻合，因此作者认为下风频率和NO2浓度有显著正向关系，找到了一个实实在在的下风和污染的关系。B.政策估计在这一部分，作者比较了本文结论和Dockeryetal.(1993)(the“SixCitystudy”)、Popeetal.(2009)和Chenetal.(2013)的结论。并简要阐述了限制UFP排放的潜在利益。

在大气科学相关研究基础上，作者认为NO2浓度可以作为UFP的代理变量。NO2浓度数据可以通过空气污染检测站获得。作者先进行回归，发现NO2浓度和下风频率有很强的正向关系。但是本研究样本周围的空气污染监测站只有4个，无法控制监测站的特征。因此作者采取了如图6的方式，在每个站点内利用每天时间分别跟下风频率和NO2浓度进行回归，发现系数非常吻合，因此作者认为下风频率和NO2浓度有显著正向关系，找到了一个实实在在的下风和污染的关系。

B.政策估计

在这一部分，作者比较了本文结论和Dockeryetal.(1993)(the“SixCitystudy”)、Popeetal.(2009)和Chenetal.(2013)的结论。并简要阐述了限制UFP排放的潜在利益。