推文人 | 谭小清

原文信息：Joshua S. Graff Zivin, Tong Liu, Yingquan Song, Qu Tang, Peng Zhang . 2019. “The unintended impacts of agricultural fires: Human capital in China” NBER Working Paper 26205.

 

一、简介及背景

 

“故意放火”作为农业管理的工具有着悠久的历史，至今仍在世界各地普遍存在，在现代农业中，这些火灾一方面节省了清理灌木丛、清除作物残茬和管理入侵植物物种所需的劳动，另一方面产生大量烟雾，其中包括一些已知的对人类健康有害的污染物。然而，农业火灾对人类健康因果关系的直接研究，由于考虑到火灾的内生性和当地火灾的利益与成本的竞争，一直受到很大的阻碍。鉴于新兴文献表明污染还可能损害一系列其他人力资本成果，本文的目的是研究农业火灾对人力资本的一个重要组成部分——认知能力的影响，分析了火灾对年轻和健康成年人在高风险环境中的影响，总结和扩展了最近一篇研究火灾对中国老年人认知能力下降影响工作论文中的证据。更具体地说，本文利用中国粮仓地区农业火灾的高分辨率卫星数据和一个独特的地理编码中国高考成绩数据集来研究火灾对认知能力的影响。

 

二、数据及实证策略

 

本文数据主要包括以下四部分：

 

（1）高考考试成绩数据。数据来自北京大学中国教育金融研究院，提供了研究期间在中国高等教育机构注册的学生的总体测试分数、考号、高考成绩、文理科情况，社会和人口特征是不可用的。本文的核心分析是基于2005年至2011年参加高考的河南、山东和安徽学生的考试成绩。

 

（2）农业火灾数据。每天农业火灾的数据来自两颗卫星TERRA和AQUA，这两颗卫星依靠中分辨率成像光谱仪（MODIS）传感器来推断地面火灾活动。卫星每天四次飞越中国上空（当地时间凌晨1:30、10:30、1:30和10:30左右），报告以1公里分辨率探测到的所有火点。

 

（3）气象数据。天气数据来自美国国家海洋和大气管理局，收集了样本期间44个当地气象站的日平均气温、降水、露点、风速、风向和气压等天气数据。

 

（4）污染数据。每天的污染数据来自中国环境保护部下属的中国国家环境监测中心（CNEMC）。监测站报告六个用于构建每日空气质量指数（AQI）主要空气污染物数据——直径小于10微米的颗粒物（PM10）、直径小于2.5微米的颗粒物（PM2.5）、二氧化硫、二氧化氮、臭氧和一氧化碳。虽然环境科学文献已经记录了农业火灾对空气质量的有害影响，但由于2011年以前没有检测数据和2013年以前有过操纵空气污染指数和PM10数据的情况，本文不能明确地建立这种联系。

 

本文的目标是评估农业火灾对高考成绩的影响，基准模型如下：

Yicpt表示p省c县学生i在t年的高考成绩，firecpt表示p省c县在t年高考期间（6月7日和8日）总的农业火灾数量，Xcpt表示p省c县在t年高考期间天气情况，τc表示县固定效应，πptm表示省-年份-文理科固定效应，ξicpt表示聚类到县层面的误差项。该模型的识别变量基于同一省份内同一主要跟踪县学生成绩的比较，这些县在某一年内暴露于农业火灾的情况各不相同。

 

上述方法的一个限制是，接近农业火灾不是随机分配的，引起了潜在的内生性问题。特别是，农业火灾是为了减少农场的劳动力需求，如果孩子们提供了一些体力劳动，那么附近是否有火灾可能会影响学生们备考的时间，另外，农业火灾可能会增加农场的盈利能力，并通过各种收入渠道间接影响结果，为了解决这些问题，本文区分上风向火灾和下风向火灾,利用县中心上风向火灾对空气质量比下风向火灾有更大的影响，但基于风向与可能会威胁到识别由污染驱动的火灾影响的劳动力和收入渠道无关这一事实，构造本文主要的识别模型：

upwindcpt、downwindcpt分别表示在t年位于p省c县上风向和下风向农业火灾的数量，上风向火灾定义为位于主导每个县每日风向45度的中心角以内，下风向定义为与上风向火灾方向相反的火灾，其余的火灾被划分为垂直火灾，应被视为受火灾驱动的污染程度高于受下风向火灾影响的地区，但低于受上风向火灾影响的地区。在某些情况下，本文将下风向和垂直方向的火灾合并成一个更大的类别，我们称之为非上风向火灾。

 

三、主要结果及机制阐述

 

1.基准结果

 

表2报告了本文的基准结果，主要结果在（5）列。当把上风向和下风向的火灾放在一起，上风向和下风向火灾之间的差增加一个点，导致分数下降0.0126%，将上风向火灾和非上风向火灾作为一种选择进行比较时，系数仍然为负且显著，但较小，这种减弱的效应大小与这样一种观点相一致，即与下风向的学生相比，位于垂直风向的测试地点的学生暴露在与火灾相关的空气污染中更多，但与上风向的学生相比较少。

2.动态影响

 

农业火灾的时间效应见图4，结果证实，农业火灾对高考成绩的影响是完全同时发生的，在高考前的一至四周内，农业火灾没有统计显著影响，基于未来火灾的伪造测试同样没有显著影响。

3.异质性分析

 

本文按照文理科和学生能力分布进行了异质性分析，结果见表3。结果表明：第一，农业火灾对理科考生的成绩影响更大、更显著。这种结果在一定程度上可能是由文理科学生的性别构成所驱动，虽然没有个体层面的性别数据，但理科的男性比例通常比文科要高得多，其他研究发现，男性的认知表现对PM污染比女性更敏感（Ebenstein et al., 2016）；第二，农业火灾对能力较差的学生没有影响，从而最小化了对选择偏差的担忧，此外，影响似乎集中在分布的最顶端，即第75个分位点以上。

4.稳健性检验

 

本文对主要结果进行了一系列稳健性检验，具体包括：

 

（1）更换衡量影响目标县农业火灾的距离

 

（2）变换定义上下风向的角度

 

（3）多种定义火灾的方法：非本地火灾、反距离加权法反映火灾与县行政中心的距离、每一事件的火灾辐射功率（FRP）瓦特来计算火灾强度、使用来自火灾数据集的可靠性度量来调整热点确实是火灾的概率

 

（4）使用不同的聚类标准差

 

（5）加入控制变量-能见度

 

（6）变换观测值数量（加入三天高考的山东省、数据不全的江苏省）

 

具体结果请阅读原文。

 

5.机制：农业火灾对空气污染的影响

 

本文使用2013-2016年期间的数据评估了农业火灾对空气污染的影响，以确认空气污染是农业火灾影响学生考试成绩的渠道。这种分析的理想设计应该完全集中在为期两天的考试期间，但由于统计能力有限，构建了一个由6月份污染物浓度的两天移动平均值组成的面板，并将其与同期的农业火灾联系起来，这一估算的经验模型与（2）式中描述的模型几乎相同，只是因变量现在是空气污染物的六项标准之一，估计结果见表7。结果表明，上风向农业火灾对PM10和PM2.5有显著且实质性的影响，增加一点上风向农业火灾使PM10和PM2.5浓度分别增加0.476µg/m3和0.262µg/m3，下风向火灾对PM10的影响较弱；与PM2.5相比，上下风向系数差变得不显著，这可能是因为PM10比PM2.5重，因此对风向的响应较弱；农业火灾对其他污染物没有显著影响。

由于本文火灾对污染影响和火灾对考试成绩影响的评估样本不同，无法提供PM对学生成绩影响的工具变量评估，本文使用一个类似于Wald估计值的粗略估计作为替代，在第一阶段使用简化型的比例估计基于上下风向火灾的差异，发现提高一个标准差的PM2.5（29.6µg/m3）会降低学生成绩平均13.6%的标准差（5.8分）。

 

四、结论

 

本文分析了我国农业火灾与高考认知表现的关系，研究发现火灾会降低学生的成绩，其影响主要集中在那些能力最强的考生身上。高考期间，上下风向火灾的差异增加一个标准偏差，将使总考试成绩降低一个标准偏差的1.42%（或0.6个分），进一步降低进入一本大学的概率一个标准偏差的0.51%，这些影响完全是同时发生的，而且基本上是局部的。考虑到中国高等教育的巨大回报，这些结果表明，农业火灾可能加剧中国经济中普遍存在的城乡不平等带来的挑战。与此同时，也有助于支持在中国实施限制农业火灾的新规定，并为许多对农业火灾没有监管欠发达国家实施干预的必要性提供了更多证据。此外，这些影响不仅限于农业火灾，还包括森林和其他形式的野火，预计在未来几十年，随着气候变化，这些野火将会加剧。

 

尽管在高风险考试中的表现显然对认知能力有很高的要求，但如何将这些影响转化为日常生活中更典型的认知任务，仍是一个悬而未决的问题。本文的研究结果没有说明暴露于火灾或火灾所排放的污染会如何影响学习和认知能力，如果存在这样的影响，它们对那些不断遭受和长期遭受这类火灾的地区构成了特别的挑战，这些问题共同构成了未来研究的一个多产的领域。

 

Abstract

 

The practice of burning agricultural waste is ubiquitous around the world, yet the external human capital costs from those fires have been underexplored. Using data from the National College Entrance Examination (NCEE) and agricultural fires detected by high-resolution satellites in China during 2005 to 2011, this paper investigates the impacts of fires on cognitive performance. To address the endogeneity of agricultural fires, we differentiate upwind fires from downwind fires. We find that a one-standard-deviation increase in the difference between upwind and downwind fires during the exam decreases the total exam score by 1.42 percent of a standard deviation (or 0.6 point), and further decreases the probability of getting into first-tier universities by 0.51 percent of a standard deviation.