图片来源：网络

原文信息：

Mo J, Wu Z, Yuan Y. Air pollution kills competition: Evidence from eSports[J]. Journal of Environmental Economics and Management, 2023: 102886.

01

引言

当前研究对于空气污染的效应已经做了充分而广泛的探讨，但基本都集中于对单一决策者的影响，包括但不限于个体的认知或劳动能力等。最新一期的JEEM上，北京大学的三位老师分析了空气污染如何影响竞争中多方的反应。有趣的是，文章量化了英雄联盟的赛事，作为刻画“竞争”的实验场景。

本文将比赛定为研究对象，是由于参与者在做决策时需要考虑的不仅是污染对自身表现的影响，还需要考虑其对竞争对手的影响。具体而言：比赛会产生丰富且复杂的战略互动，参与者的最佳反应往往不是单调的，当他看到对手表现得更积极时，就会根据对手的能力策略性地调整自身投入程度。其次，以往研究多探讨空气污染对某一绝对指标的影响，如劳动生产率等，但比赛的结果变量往往是输或者赢，而一些其他的变量诸如场均表现等，也都与比赛双方参与者均强相关。在比赛的框架中，污染能不能给我们带来点有趣的发现？

数据

02

（一）  英雄联盟比赛

英雄联盟赛事是全世界最受欢迎的电竞活动，获胜团队将获得极高的奖金与声誉。英雄联盟每月活跃用户数量超过八千万，有大概7000名职业选手，奖金池接近八千万美元。中国英雄联盟职业联赛（LPL）是全球最大的地区性赛事。第一个赛季始于2013年。从那时起，每年官方举办两个赛季，每个赛季都有常规赛和季后赛。所有的队伍在常规赛中进行一次循环式比赛，排名较高的战队进入季后赛。截至2021年春季赛，共有17支队伍为了荣誉和奖金而战。季后赛冠军将获得资金池中40%的奖金，2019年夏季赛奖金为350万元人民币。

每场比赛按照如下顺序进行：①两方队伍进入场地，每个队伍包含五名直接参战队员。②准备阶段，每位队员选一个游戏角色，也就是所谓的“英雄”。③每位队员操纵自己选择的英雄，以击毁另一方的基地为目标，开始战斗。当然，如果我想摧毁对方基地，那么对手不会很开心，他会阻止我，我只有把他击杀掉才行；协助我击杀的队友，称之为“助攻”。此外，大家都是职业选手，对于游戏内的每一步决策，从选择英雄，到如何击杀，以及摧毁基地的路线都是充分理性的。

我们为什么要以这款游戏的历史比赛数据作为本文的主要样本来源？首先，英雄联盟比赛的赛事在赛季前的较长一段时间就定下来了，这意味着当地污染并不内生地决定赛事召开。其次，一个比赛日内会连续召开好几场比赛，考虑到我们能拿到小时级的污染数据，这就提供了一个很好的实验环境。此外，所有的比赛均在室内进行，这意味着外面刮风下雨都没事，只有空气污染会进入到室内场地；同时，在场的所有人都会面临一样的污染水平。最后，英雄联盟比赛需要极高的脑力投入，又基本不需要体力投入，这可以使得污染对竞争者体力的混杂影响降到最低，搭建一个脑力竞争环境。

所以，作者团队收集了2017-2021年所有的英雄联盟赛事数据，整理入库。具体来说：数据来源是LPL官网（https://lpl.qq.com/es/schedule.shtml）。时期跨度是2017年1月至2021年7月，共有2638场比赛，覆盖了11座举办城市和561个比赛日子。我们可以获得哪些指标呢？首先最基本的是哪些队员参赛了，他们选了哪个英雄；比赛是否胜利，每场比赛的击杀数量、助攻数量，比赛内获得了多少金币（比赛内分数的一个衡量指标），以及比赛时间。

当然，还有一些很独特的指标也被拿到了。包括选手选英雄所用的时间、在最终决定之前切换了几次英雄的选择以及最后选择了哪个英雄。这些数据需要挨个视频去看，需要很大的功夫。作者请了20位助研观看每一个比赛视频并记录相关数据。

下图是比赛相关的描述性统计，包括队伍击杀数量分布、队伍助攻数量分布、选手击杀数量分布、选手助攻数量分布：

（二）  高频污染数据

由于一天内会举办好几场赛事，如果污染数据可以足够“细”，那就太好了。文章从国家环境监测中心（CNEMC）获取了PM2.5等主要空气污染物的小时频率数据。根据距离最近的国家监测站，我们确定2017年至2021年所有赛事主办场馆的每小时PM2.5浓度。

这里面的科学依据是，在气流频繁交换的环境中，室内外PM2.5的比率通常在0.6~0.9之间，因此我们可以使用室外PM2.5水平来代表比赛期间室内人员的污染暴露情况。样本期间， PM2.5的平均值为36μg∕m3，最大值为258μg∕m3，标准差为28μg∕m3。平均PM2.5是世界卫生组织不建议超过水平（15μg∕m3）两倍以上。

03 

基准估计

话不多说，我们进入估计阶段。

上式中，等号左侧表示队伍i在城市c、时刻t时面对对手j时的表现。包括输或者赢、击杀数量、助攻次数以及金币获得量，为了避免局内时间长短对指标衡量的影响，我们还将上述指标的统计单位定为“每十分钟”。此外，文章做了详细而复杂的固定效应：比赛对儿固定效应（ij一对）；比赛类型固定效应（常规赛还是决赛）；城市*年份*月份固定效应；日*周固定效应；节假日固定效应。此外，标准误聚类在队伍*赛季层面。下面是针对这一块的估计结果：

其实单独看这个表已经很有贡献了。过去无论是说空气污染对体力劳动还是脑力劳动，都是显著的负向影响，但这里一丁点显著的证据都没有被发现。可以认为，在平均处理效应上，污染对于竞争表现看来确实会存在不同的效应。当然，厉害的研究并不止步于此。作者发现了一个很有意思的调节效应，即强队和弱队。我们通过直观的散点图，发现空气污染会帮助强队的表现，而降低弱队的表现：

画图时，强弱的定义为：若一个队伍在给定赛季内胜率高于对手方，则为强队，反之为弱队。为了更正式地证明我们的发现，需要纳入一个交乘项：

上式中，着重关注的是交乘项系数。其中Rel.Strong取1证明是强队。这里如何更细致地定义强弱呢？需要一个竞争力指标。为了衡量竞争力，我们在各赛季的样本内做如下回归：

下表估计了加入考虑调节效应后的结果：

很明显地可以看出来，这里存在与第一个回归明显有出入的情况，对于一个弱队而言，PM2.5浓度会显著降低他们的游戏表现；相反，强队的表现得到了提升。作者称之为空气污染的“分配效应”（distributional effect）。这意味着，若空气污染增大，队伍实力的分化将进一步增大。

机制

04

估计结果如下图所示：

可见，相对实力的交乘项系数并没有什么变化，而绝对实力的交乘项系数却几乎为0，这验证了空气污染的分配效应依赖的是相对实力而非绝对实力。

2） 策略互动

策略互动是竞争的重要组成部分。玩家可能会知晓空气污染对他们自身以及对手的影响，进而做出相应的调整。但这一切的前提是，大家会意识到空气污染的影响。为了说明这个前提，作者做了描述性统计，有关PM2.5水平和PM2.5的有关搜索指数：

这里我们总结一下针对上面两个表的发现。（1）同上面的论述一致，空气污染的分配效应仅依托于相对实力而非绝对实力；（2）空气污染越严重，弱队的决策时间越长，弱队英雄选择的切换次数越多，弱队越努力；（3）空气污染越严重，弱队更可能采用一个出其不意的阵容，而强队往往趋于保守。总的来说，这些结果证实了空气污染对战队赛前决策，或者说队伍努力程度的影响。

既然这里探讨的是机制，上面的策略性互动怎么解释基准回归结果呢？作者四十多页附录里的十多页数学推导可以解释这个问题，我们不在这里大篇幅地去说，推文更倾向于交代结论：

第一，我们的研究表明，空气污染并不总是会减少努力，反而会增强弱团队的努力激励，这一结果是由于团队最佳反应的非单调性。从直观上看，空气污染加剧，两个团队都倾向于减少他们的努力。然而，他们针对对手减少的努力可能会有不同的反应。当弱者减少努力时，强者往往会更加放松；相比之下，弱者看到强者放松了，他们会激起斗志来争取获胜。因此，空气污染对弱者努力的总体影响方向其实是模糊的，但实证给出了正面的证据。即空气污染下，弱者会更努力地去尝试击败对手。

第二，实力较强的团队是否更可能在较差的空气质量中获胜，依赖于空气污染如何改变比赛环境的设定。换句话说，更努力的弱队之所以更趋向于失败，这取决于空气污染如何影响边际努力成本函数和球员之间的相对强度匹配（即竞争效应的大小）。

05

评述性结论

通过独特的、高质量的英雄联盟比赛数据集，作者在双方参与竞争的框架下探讨了空气污染的影响。有趣的是，空气污染会扩大强弱队之间的胜负概率差异，即污染的“分配效应”。在高污染下，相对较弱的队伍有可能付出更大的努力。

文章的研究结果对社会资源配置有一定的启示。如果竞争的目的是选拔和奖励高能力团队，那么污染在一定程度上有利于竞赛组织方遴选出高能力团队。然而，如果竞争的目的是为了制造不确定性和悬念（对电竞产业而言，制造悬念对增加观众数量和增加赞助金额至关重要），那么污染则会破坏这一目标。

文章结论具有开创性，跳出电竞这个实验设定，环境污染会如何影响各类博弈中的多方策略性互动，是未来研究可以进一步开拓的重要领域。

Abstract

This article investigates how environmental adversity affects competitive performance in cognitive-intensive settings. Using a comprehensive dataset of professional eSports tournaments and match-hour variation of fine particulate matters, we find robust evidence that pollution kills competition. Specifically, higher air pollution levels diminish the performance and winning odds of the weaker team in a matchup while boosting that of the stronger team, widening the gap between them. We document two operating channels: (i) pollution leads to heterogeneous performance-reducing effects contingent on a team’s relative strength against their opponent, rather than its absolute competitiveness; and (ii) a weaker team adjusts their strategic decision-making differently in a polluted environment compared to their stronger counterparts. Our findings elucidate the distributional impact of environmental adversity and underscore its influence on strategic decision-making.