第二节 文献基础

（一）环境污染与居民健康

环境污染已成为威胁居民健康的重要因素，并受到了越来越多的关注。已有研究主要从两个方面来分析环境污染对居民健康的影响：其一是环境污染对居民健康的具体影响，主要是环境污染对特定疾病类型如冠心病、心脏病、呼吸系统疾病等发病率的影响；其二则是从经济福利的角度出发，探讨环境污染对居民健康水平的损害所导致的社会福利损失。

1．环境污染对居民健康的具体影响

环境污染对居民健康的具体影响的研究大多采用时间序列分析方法、病例交叉方法（Case －Crossover）和固定群组追踪方法（Panel Study）：其中时间序列分析方法主要针对大型宏观数据集，利用回归分析、Meta分析等计量方法分析环境污染对居民健康的具体影响；病例交叉方法是由Maclure（1991）提出的用于研究短期暴露于某种条件对急性病的瞬间发病率的影响的方法，它首先选择发生某种急性事件的病例，然后分别调查事件发生前的暴露情况和暴露程度，并据此来分析暴露危险因子与某种急性病之间的关联程度；固定群组追踪方法是指根据研究需要来选择具有代表性的研究对象，然后在一定的观察期内（一般小于1年）观察大气污染暴露水平与某种疾病发生的频率，进而分析大气污染的短期暴露对特定疾病的急性健康效应。

环境污染对具体疾病的影响：Dockrey等（1994）追踪研究了美国六个城市的8111名成年人，14～16年之后发现可吸入颗粒物重污染区相对于轻污染区的心血管疾病死亡的相对风险度为1.26; Schwartz等（1996）分别研究了美国六个城市的PM2.5水平与缺血性心脏病每日死亡率之间的关系，研究发现PM2.5浓度每增加10微克每立方米，缺血性心脏病死亡率将会增加2.1%，并且其研究得到了Samet等（2000）对美国最大的20座城市的研究结果的印证；Pope等（1999）通过收集美国151个城市中552138名成年人在1982～1989年的数据，发现PM2.5浓度每增加10微克每立方米，人群总死亡率和心肺疾病死亡率将会分别增加4.0%和8.0%; Hartog等（2003）使用固定群组追踪分析方法来研究PM2.5和超细颗粒物对老年冠心病患者的心肺系统，结果发现当PM2.5浓度增加10微克每立方米时，患者出现气急气短和活动受限的OR值分别是1.12和1.09，并且PM2.5浓度与心血管疾病的某些症状紧密相关；Metzger等（2004）通过收集美国亚特兰大城市31家医院在1993～2000年的4407533份心血管疾病的急诊资料，然后利用病理交叉分析方法进行研究，发现心血管疾病急诊病例数与可吸入颗粒物（PM2.5）、氮氧化物（NOX）和一氧化碳（CO）等大气污染物的浓度有显著的相关性；Kristin等（2004）基于暴露－反应函数（Exposure －Response Function）考察了可吸入颗粒物、二氧化硫等环境污染物对中国综合死亡率、住院率、慢性呼吸系统疾病发生率等的影响，研究结果发现环境污染对各类疾病状况均有明显的影响，但是中国的暴露－反应系数相对于美国和欧洲较低；Ibald－Mulli等（2004）对131例患冠心病的成年人进行研究，发现可吸入颗粒物并未引起血压或心率的改变；Katja等（2011）利用德国数据分析了室外污染和父母抽烟对三岁以下幼儿身体健康的影响，结果表明室外污染对幼儿身体健康有显著的负效应；Teresa（2013）利用空气质量健康指数（AQHI）来度量健康风险，并采用加拿大安大略省14个区域监测站的数据进行研究，发现同一天及随后两天的AQHI值与哮喘健康服务利用的增加显著相关；Wu等（2013）通过对中国北京39名大学生的460次调查，发现PM2.5与血压之间有显著的关联；利用沈阳市1996～2000年的大气总悬浮颗粒物的数据，王慧文等（2003）分析了悬浮颗粒物对心血管系统疾病死亡率的影响，研究发现总悬浮颗粒物浓度每增加50微克每立方米，总人群的心血管疾病死亡率将会增加4.27%；使用病例交叉分析方法，阚海东等（2003）分析了上海市居民每日死亡率与可吸入颗粒物、二氧化硫和氮氧化物等污染物浓度变化的影响，研究发现可吸入颗粒物在48小时内的平均浓度每增加10微克每立方米，心血管疾病的死亡率将增加0.4%，并且二氧化硫和氮氧化物对居民心血管疾病的影响也非常显著；任艳军、李秀央等（2007）利用时间分层的病例交叉研究方法，采用杭州市2002～2004年的大气可吸入颗粒物日均浓度和人群中心血管疾病患者的日均死亡率数据进行研究，发现可吸入颗粒物的日均浓度每增加10微克每立方米会导致人群脑卒中死亡风险增加0.56%，而其他污染物的影响则并不显著；杨敏娟、潘小川（2008）利用北京市城区2003年全年的居民死亡数据和同期大气污染物浓度进行研究，发现北京市大气污染对人群健康有短期的直接影响，并且会导致人群中心脑血管疾病死亡率的增加；基于Grossman模型（Grossman,1972），苗艳青、陈文晶（2010）利用2008年山西省的调研数据分析了可吸入颗粒物和二氧化硫两种大气污染物对居民健康需求的影响，研究发现两种污染物对居民健康需求都有显著的不利影响，并且可吸入颗粒物的影响更大，同时空气污染对健康需求的不利影响仅发生在社会阶层较低的群体上；金银龙、李永红等（2010）采用南京、武汉、深圳、哈尔滨和太原等五个城市的大气中的多环芳烃（PAHs）水平，并利用苯并芘致癌、致突变等效浓度、终身致癌超额危险度和预期寿命损失等四个指标来评价大气中的PAHs水平导致的人群健康风险，研究发现五个城市的平均浓度分别是50.04、34.54、1.18、2.54和23.88纳克每立方米，五个城市的PAHs污染所致成人和儿童的终身致癌超额危险度分别为1.09E（－4）和6.98E（－5）、5.37E（－5）和3.40E（－6）、0.80E（－6）和0.50E（－6）、1.75E（－6）和1.11E（－6）、1.67E（－5）和1.06E（－6），成人预期寿命损失分别为677.19、333.54、4.84、108.54和103.68分钟；运用空气质量指数法，于云江、王琼（2012）评价了兰州市的环境质量和健康风险，研究发现兰州市的可吸入颗粒物均在可接受风险范围之内；利用流行病现状调查法，王金玉、李盛等（2013）选择沙尘天气多发的甘肃省民勤县的两个乡镇和沙尘天气罕见的平凉市崆峒区两个乡镇为调查点进行研究，发现在沙尘天气多发区，居民罹患鼻炎、慢性支气管炎等呼吸系统疾病的概率较高，并且主要集中于40～50岁群体；利用病例交叉研究分析方法，董凤鸣、莫运政等（2013）分析了北京市大气颗粒物对居民循环系统疾病死亡的影响，研究发现北京市海淀区循环系统疾病死亡人数的增加与大气颗粒物浓度升高显著相关，并且大气可吸入颗粒物中PM2.5比PM10的影响更大。

2．环境污染损害居民健康的社会福利损失

在充分认识到环境污染对居民健康产生不良影响的基础上，大量研究也从经济福利角度分析了环境污染损害居民健康而带来的社会经济福利损失，主要的计算方法包括以下四种。第一，支付意愿法（Willing to Pay）。在具体环境偏好下，居民愿意支付用以降低或者避免环境污染对健康的不利影响的价值之和。第二，疾病成本法。在环境污染已经对居民健康造成伤害的前提下，通过接受医疗服务使居民健康水平恢复到损害前的状态所需要的直接和间接的医疗费用的总和，包括就诊费用、住院费用和未就诊费用。第三，人力资本法。由于健康是人力资本的重要组成部分，环境污染对居民健康的不利影响会显著降低居民的人力资本，因而可以从人力资本角度来衡量环境污染造成的社会福利的损失。它主要包括以下几个步骤：首先是确定所研究的目标污染物对健康的危害程度，然后基于暴露－反应函数（Exposure－Response Function）来定量分析环境污染对健康的损害，最后确定健康损害和经济价值之间的函数关系，并基于此来核算环境污染引致居民健康的社会福利损失。第四，条件价值评估法（Contingent Valuation Method, CVM）。不同于以上所有方法，条件价值评估法是在调查问卷的基础上，从环境污染损害居民健康的物质损失和精神损失两个方面来综合评估环境污染对健康的损害。

陈士杰（1999）通过调查杭州市4家大型医院有关疾病的医疗护理费用和劳动时间的丧失，利用修正人力资本法估算杭州市因大气污染而损害人群健康的经济价值为7.8亿元；利用支付意愿法，彭希哲、田文华（2003）通过调查上海市空气污染对居民呼吸系统疾病造成的损失，发现上海市空气污染疾病损失的意愿支付为51.66亿元，大约占1999年上海市GDP的1.28%；利用潜在寿命损失法、生命价值法（Value of a Statistic Life, VSL）和支付意愿法相结合的方法，胥卫平、魏宁波（2007）对西安市1996年到2003年的大气污染和水污染对人群健康造成的福利损失进行研究，发现西安市1996年到2003年的大气污染和水污染损害健康的经济价值在22.88亿元到43.42亿元之间，占当年GDP比重在3.69%和7%之间；於方、过孝民等（2007）以中国659个县和县级城市为计算单元，利用自下而上的汇总方式计算了中国2004年大气污染造成的健康经济损失，其在1703亿元到6446亿元之间，占地区GDP总和的1.02%到6.0%；综合利用条件价值评估法和人力资本评估法，蔡春光（2009）在假定北京市2005年的空气污染降低50%的情况下，以人力资本法计算的健康经济效益为21.83亿元，而以条件价值评估法计算的健康经济效益则为108.91亿元，其中条件价值评估法远高于人力资本评估法，这主要是因为条件价值评估法所考虑的因素更加全面；桑燕鸿、周大杰等（2010）利用修正的人力资本评估法估算出广东省的大气污染损害人体健康导致的经济福利损失为112.1亿元；陈任杰、陈秉衡等（2010）利用支付意愿法估算了2006年中国113个城市的PM10污染对居民健康影响的福利损失，研究结果发现总的健康经济损失为3414.03亿元，并且因过早死亡而造成的损失占87.79%；采用条件价值评估法，曾贤刚、蒋妍（2010）估算了中国空气污染健康损失中的总计生命价值为100万元，并且居民年龄、受教育程度、经济条件等都会对其有显著的影响；Daisheng Z．等（2010）通过构建能源消费、空气污染和公共健康等三者之间的联系来分析空气污染对中国太原市居民健康的损害，研究发现在2000年有超过2200人因为可吸入颗粒物浓度过高而死，并且其造成的健康经济损失为8亿元到17亿元，约占太原市GDP的2.4%到4.6%；殷永文、程金平等（2011）利用“暴露－反应”函数来估算某市2009年霾污染因子对居民健康的影响，并基于此计算出对应的经济损失为24.61亿元，占该市当年GDP的0.17%；采用扩展的排放预测和政策分析模型（Emissions Prediction and Policy Analysis Model）, Kira M．等（2011）估算了大气污染损害中国居民健康的经济损失，研究发现尽管中国的空气污染在1975年到2005年有较大程度的改善，但是臭氧和颗粒物污染所造成的边际健康损失从1975年的220亿美元增长到2005年的1120亿美元（1997年为基期），其中主要原因是观察期内中国快速发展的城镇化和逐渐提高的工资水平。

（二）环境污染与生产率

随着经济社会的发展，环境逐渐成为制约地区经济可持续发展的重要因素，因此将环境污染纳入经济增长分析框架受到了现有研究的大量关注。

1．包含环境污染的生产率测度框架

环境污染是经济活动中的副产品，并且对居民经济福利的影响显著为负，因此部分研究将环境污染作为非期望产出引入增长核算框架来测算环境污染约束下生产率的变动情况。由于缺乏可交易的市场机制，在衡量包含环境污染的生产率的过程中，为非期望产出分配合理的影子价格（shadow price）信息是最大的难题（Pittman,1983），并且通过调查厂商的减排成本或者评估非期望产出的负外部性来估算污染物的影子价格难以区分用于生产期望产出和用于处理污染物的要素投入（Deboo, 1993），因此无法获得污染物的真实价格信息。因而，现有研究大多是基于Shephard（1970）提出的产出距离函数（Output Distance Function）和Chung等（1997）提出的方向性距离函数（Directional Distance Function）来构建包含环境污染因素的联合生产函数，并运用随机前沿分析方法（Stochastic Frontier Analysis, SFA）、数据包络分析方法（Data Envelopment Analysis, DEA）等来计算环境全要素生产率。

在构造包括非期望产出的生产分析框架时，主要有两种情况：一是将非期望产出直接引入生产函数之中；另一种是对非期望产出进行一定的变形，将其倒数形式或者负数形式引入生产函数之中。第一种方法是基于非期望产出的弱可处理性（Weak Dispossible）原则，也即非期望产出的减少是有成本的，这种观点符合物质平衡规律和基本的生产理论（Fare et al. ,2004,2009）。第二种方法是认为非期望产出可以通过一定的变形转换成正向的变量，从而能够以强处理性（Strong Dispossible）原则（Golany and Roll,1989; Lovell,1995）来满足期望产出和变形后的非期望产出都增加的情况（Golany and Roll, 1989;Lovell,1995）。

在非期望产出被先验地认为是弱可处理的情况下，环境技术效率指标的构建可以分为两种情况：一是在保证投入固定、期望产出增加和非期望产出降低的情况下来构建环境技术效率指标（Fare et al. , 1989; Fare and Grosskopf,2003）；另一种方法是在保证投入和非期望产出不变、期望产出增加的情况下来构建环境技术效率指标（Sahoo et al. ,2011）。在非期望产出被先验地认为是强可处理的情况下，环境技术效率指标的构建也可以分为两种情况：一是在保证投入和非期望产出的变形形式（如倒数或负数形式），而期望产出增加的情况下来计算环境技术效率（Korhonen and Luptacik,2004）；二是在保证投入固定、非期望产出的变换形式和期望产出都增加的情况下来测度环境技术效率（Sahoo et al. ,2011）。

在模型构建方面，基于Luenberger（1992, 1995）提出的短缺函数（Short Function）, Chung等（1997）构造了方向性距离函数（Directional Distance Fucntion），并在投入固定、期望产出增加和非期望产出降低条件下来建立环境技术效率；Tone（2001）基于SBM（Slacksbased Model）模型提出了一种采用投入松弛和产出松弛来测度环境技术效率的方法；Portela等（2004）提出了一个考虑非期望产出的RDM（Range Directional Model）模型来测度环境技术效率，这种方法保证了测度结果不随样本单元和变量转换的变化而变化，从而能够更好地适应于非期望产出的负数形式的引入，然而由于RMD模型主要依靠距离生产前沿最远的样本点来测度样本的效率，因此并不能在样本比较中产生一个有效的效率值和排名；Sharp等（2007）在Portela等（2004）的基础上提出了修正的SBM模型（MSBM）, MSBM模型继承了RDM模型的优点，同时将投入松弛和产出松弛纳入效率测算中，可以获得更为有效的测度结果；Kerstens和Woestyne（2011）提出了更为一般的Farrell距离生产函数（Generalized Proportional Distance Manufacture Function, GPDMF），能够将负的投入或者产出引入效率测度过程中；Sahoo等（2011）基于GPDMF生产框架，结合SBM模型，在假设非期望产出强可处理的前提下提出了一种新的效率测度方法，并采用1995年到2004年22个经济合作发展组织（OECD）成员国的数据进行实证研究，发现GPDMF模型的结果介于MSBM模型和RDM模型之间，但是基于所有模型的效率排名并没有变化，因此可以采用任何一种DEA模型来进行环境技术效率的分析。

2．中国的环境全要素生产率

中国经济的快速增长伴随着环境污染物排放量的持续增加，因此中国的环境约束下的全要素生产率的衡量受到了既有研究的关注，但是研究结果并不一致，部分文献的结论认为中国的环境全要素生产率低于不包含环境污染的全要素生产率，而另一部分文献则认为环境污染大大降低了中国的全要素生产率。

利用APEC国家的数据，王兵等（2008）运用Malmquist－Luenberger指数计算了APEC国家在无二氧化碳管制、二氧化碳排放水平不变和二氧化碳排放水平降低三种情形下的全要素生产率，研究发现中国、中国香港和中国台湾的全要素生产率在二氧化碳排放水平降低情形下的结果要高于对二氧化碳无管制情形下的结果；运用SBM方向性距离函数和Luenberger生产率指标，王兵（2010）估算了中国30个省份在1998年到2007年的环境效率和环境全要素生产率，研究发现环境全要素生产率的增长率平均高于传统全要素生产率的增长率，并且能源的过度使用和二氧化硫以及化学需氧量的过度排放是导致环境无效率的主要来源；叶祥松、彭良燕（2011）采用方向性距离函数分别测度了中国省际单元在1999～2008年在无环境规制、弱环境规制、中环境规制和强环境规制等四种情况下的环境技术效率和环境全要素生产率，其结果发现考虑环境规制（降低环境污染物的排放）之后中国各地区的平均环境技术效率有一定的提高，并且在中环境规制和强环境规制条件下的环境全要素生产率要高于无环境规制和弱环境规制条件下的全要素生产率；李小胜、安庆贤（2012）基于中国工业36个两位数代码行业的投入产出数据的结果发现，尽管环境全要素生产率在平均意义上高于传统的全要素生产率，但是其假设检验并不显著，中国工业的环境全要素生产率从1998年到2010年一直处于上升状态；利用随机前沿分析方法，匡远凤、彭代彦（2012）估算了中国省际生产单元的环境技术效率和环境全要素生产率，研究发现尽管中国省际生产单元的环境技术效率小于传统的技术效率，但是环境全要素生产率在大多数年份显著高于传统的全要素生产率；将农业生产中的氮磷流失作为要素投入，王奇、王会等（2012）利用随机前沿生产函数估算了中国农业1992年到2010年的环境全要素生产率，其结果显示中国农业的环境全要素生产率和未包含环境要素的传统全要素生产率并没有明显的区别，但是环境全要素生产率中的效率变化略高于传统的效率变化，而技术进步则略低于传统的技术进步。

以工业二氧化硫排放量作为非期望产出，杨俊、邵汉华（2009）利用Malmquist－Luenberger指数测算了中国1998年到2007年地区工业环境全要素生产率的变化，认为忽略环境因素会高估中国工业全要素生产率的增长，并且技术进步是环境全要素生产率的重要来源；涂正革、肖耿（2009）通过估算中国30个省际生产单元1998～2005年的规模以上工业企业的环境全要素生产率发现，环境全要素生产率明显高于传统的全要素生产率，但是其差距正在逐步降低，环境管制对经济增长的抑制效应正在降低，环境全要素生产率终将成为中国工业增长的核心动力；陈诗一（2010）通过对中国工业38个二位数行业1980～2008年的发展事实进行考察，利用方向性距离函数来估算的环境全要素生产率远远低于不考虑或者不正确考虑环境污染的传统全要素生产率，但是改革开放以来中国政府推行的节能减排政策对环境全要素生产率有明显的推动作用；李谷成等（2011）对中国农业省际环境全要素生产率的研究发现，忽略环境因素会显著高估农业的全要素生产率，并且会放大前沿技术进步对全要素生产率的贡献程度，其研究也得到了杨俊、陈怡（2011），薛建良、李秉龙（2011）及王兵等（2011）的支持；利用方向性距离函数，沈可挺、龚健健（2011）计算了中国高耗能行业的环境全要素生产率，考虑了能源消费和环境污染的全要素生产率高于传统的全要素生产率，但是环境全要素生产率与传统全要素生产率的差距主要体现在技术进步的差距，而效率提高对两者的贡献则基本相当；基于对中国污染密集型产业的考察，李玲、陶锋（2011）发现污染密集型行业的环境全要素生产率处于较低的水平，远低于传统的全要素生产率；利用熵值法拟合环境污染综合指数，胡晓珍、杨龙（2011）分析了中国29个省际生产单元1995～2008年的环境全要素生产率，研究发现考虑环境污染因素之后，中国的全要素生产率的增长率明显下调，并且环境全要素生产率在大多数年份处于负增长状态。

（三）环境污染与劳动行为

环境污染对劳动者的健康人力资本、劳动参与时间决策等产生重要的影响（Linn et al. ,1983,1987; Ponka,1990），而健康人力资本和劳动参与时间决策是与劳动供给和劳动生产率密切关联的，因此环境污染对劳动的影响是间接的，但是随着经济发展和环境发展的矛盾日益加剧，探讨环境污染对劳动的影响也变得日益重要。既有研究大多从环境规制、环境污染对居民健康人力资本和劳动时间决策等方面来研究环境对劳动的具体影响。

基于“环境双重红利”（Tullock, 1967）的角度，Bovenberg和Nooij（1994, 1997）认为环境税同时具有“收入循环效应”（Revenue Recycling Effect）和“税收交互效应”（Revenue Recycling Effect），因此环境税一方面可以用来降低劳动者所得税，从而可以提高劳动供给，但是另一方面环境税会导致污染性商品价格的提高，从而降低劳动者的实际收入并抵消“收入循环效应”带来的劳动供给增加；Schwartz和Repetto（2000）认为环境税的征收可以促进环境质量的改善，从而能够起到提高劳动供给的效用，同时这个观点也得到了William（2003）的支持；利用美国ASM（Annual Survey of Manufacturs）和PACE（The Survey of Pollution Abatement and Control Expenditures）的数据，Berman和Linda（2001）分析研究了洛杉矶空气质量管制措施对地区劳动供给的影响，发现空气管制措施并没有对当地的就业形势产生显著影响，而且管制措施的微弱影响仅仅发生在资本密集型企业而非劳动密集型企业；Greestone（2002）的实证研究则认为在美国采取新的清洁空气法后的15年内（1967～1982年），未达标的州县损失了大约59万个工作岗位、370亿美元的物质资本存量和污染密集型行业750亿美元的产出；通过对美国造纸业、塑料制品业、石油精炼业和钢铁行业等四个重污染行业的企业层面数据进行分析，Morgenstern等（2002）发现增加环境保护支出并不会对就业造成显著的负影响，而且每增加100万美元的环境保护支出可以带来1.5个新增工作岗位（四个行业的平均值）；陈媛媛（2010）则基于中国25个工业行业2001～2007年的面板数据，从环境管制的角度考察了其对劳动就业的影响，认为劳动与污染是总的替代品，环境管制加强能够提高就业水平；Walker（2013）从环境管制的角度出发，发现环境税的征收会导致商品价格上升，降低劳动者的实际收入水平，从而导致劳动力供给水平下降；Yang等（2013）构建了一个局部均衡模型来描述环境污染对劳动供给的影响，认为环境污染对劳动供给的影响可以分为直接影响和间接影响两个部分，其中直接影响由环境污染损害劳动者总效用产生，并且其取决于环境污染负效用和劳动的机会成本，而间接影响则是环境污染会导致劳动者实际收入水平下降，从而降低劳动供给水平，然后其利用中国1991年到2010年的省际面板数据进行实证研究发现，环境污染在短期内对劳动供给有明显的负效应，但是在长期对劳动供给的影响则呈现出显著的倒“U”形关系，同时劳动者收入水平的提高会加剧环境污染对劳动供给的负效应；通过分析墨西哥Azcapotzalco石油精炼厂关闭前后周边的环境污染变化，Hanna和Oliva（2015）研究了环境污染对周边劳动供给的影响，发现二氧化硫浓度每降低1个百分点会导致劳动供给增加0.61个百分点，并且其变化独立于劳动市场的供求变化。

正如Zivin和Neidell（2012）所说，环境污染可以在不影响劳动供给的前提下对劳动生产率产生重要影响，因此环境污染对劳动生产率的影响也受到了众多研究的关注。基于一般均衡模型，Bruvoll等（1999）对挪威的实际经济运行情况进行实证研究，认为环境污染通过对劳动者健康水平和自然资源的消耗来影响劳动生产率，对生产具有一定的促进作用，但是其对社会福利的损害会更大；通过对一家电讯公司两个呼叫中心在不同气温水平下的劳动生产率的比较，Niemela等（2002）发现在气温较为适宜的呼叫中心中的劳动生产率相对于气温较差水平的呼叫中心中的劳动生产率要高5%到7%；通过将碳排放税的反馈效应（Feedback Effects）分为医疗支出的减少、休闲时间的增加和劳动生产率的提高，Mayeres和Regemorter（2008）采用GEM－E3模型对欧洲国家进行分析发现环境管制对劳动生产率有正效应，但是其影响较为微弱；将环境作为一种生产要素，杨俊、盛鹏飞（2012）认为环境污染对劳动生产率的影响包括对生产的影响和对劳动者劳动支付决策的影响，然后利用中国省际生产单元1991～2010年的事实数据进行研究，发现环境污染对中国当期的劳动生产率有明显的正效应，但是对滞后一期的劳动生产率的影响则显著为负，并且随着环境污染规模的增加，其对劳动生产率的负影响则逐渐加重；采用OE公司（Orange Enterprise）提供的关于美国加利福尼亚州一个农场的工人劳动生产率数据和当地的臭氧浓度数据，Zivin和Neidell（2012）发现在臭氧水平低于美国联邦空气质量标准时，臭氧浓度的降低能够显著地提高劳动生产率，10ppb的臭氧浓度的下降可以导致劳动生产率提高4.2%。