空气污染是否会影响犯罪率： 基于断点回归方法的估计 | 李卫兵 张凯霞

Cassie7

空气污染是否会影响犯罪率： 基于断点回归方法的估计

李卫兵  张凯霞

         内容提要 本文将手工搜集的 ２００６－２０１６ 年中国 １１８ 个地级市的犯罪率数据与多种空气污染物数据进行匹配，通过断点回归方法分析了空气污染对不同类型犯罪率的影响，并从微观心理的视角考察了潜在影响机制。 结果表明，空气污染对犯罪率有显著的正向影响， ＰＭ２.５ 平均浓度每增加 １％ ， 犯罪率会上升０.９２６％ 。 空气污染对暴力犯罪的影响尤其强烈，但对经济犯罪和腐败犯罪行为不存在显著影响。 此外，我们从理论上阐释了空气污染影响犯罪率的可能机制， 并结合断点回归方法进行检验，发现空气污染可能通过引起失眠、损害心理健康、降低生活和社会满意度等机制诱发行为人实施犯罪行为。 本文从道德伦理成本的角度揭示了环境保护的重要性。

         关 键 词 空气污染 犯罪率 断点回归冬季供暖政策

         一 引言

         空气污染会给经济、社会和个人带来巨大成本。 有研究表明空气污染会增加人体健康风险（ Ａｒｃｈｓｍｉｔｈ ｅｔ ａｌ ，２０１８）， 例如诱发呼吸系统疾病（ Ｃｈａｙ  ａｎｄ  Ｇｒｅｅｎｓｔｏｎｅ， ２００３；Ｍｏｒｅｔｔｉ ａｎｄ Ｎｅｉｄｅｌｌ，２０１１）、缩短预期寿命（ Ｃｈｅｎ ｅｔ ａｌ ，２０１３；Ｈｅ ｅｔ ａｌ ，２０１６）、增加焦虑感和抑郁情绪（ Ｐｕｎ ｅｔ ａｌ ，２０１７；李卫兵和邹萍，２０１９） 等。 还有研究发现空气污染会损害人体认知能力（ Ｚｉｖｉｎ ａｎｄ Ｎｅｉｄｅｌｌ，２０１３；Ｌａｖｙ ｅｔ ａｌ． ，２０１４），导致生产率下降（ Ｃｈａｎｇ ｅｔ ａｌ ，２０１６；Ｆｕ ｅｔ ａｌ ，２０２１；李卫兵和张凯霞，２０１９），也可能引发道路交通安全问题（Ｓａｇｅｒ，２０１９）。 然而，通过梳理相关文献我们发现，少有学者研究空气污染对犯罪行为的影响。 本文将对此进行深入分析，为有关环境污染成本的文献增加一个新的维度，即环境污染的道德伦理成本。

        早期相关研究主要侧重于分析天气条件与犯罪行为之间的关系，发现高温易引起攻击性行为（ Ｃｏｈｎ ａｎｄ Ｒｏｔｔｏｎ，１９９７；Ａｓｈｌｅｙ ｅｔ ａｌ ，２０１７），气温升高会导致犯罪活动大量增加，且夏季犯罪率最高，冬季犯罪率最低（ Ｒｏｔｔｏｎ ａｎｄ Ｃｏｈｎ，２００４；Ｒａｎｓｏｎ，２０１４）。此外，犯罪行为也可能与其他天气条件相关，  如暴力犯罪随着降水量的增加而减少（ Ｊａｃｏｂ ｅｔ ａｌ ，２００７），但财产犯罪基本不受降水量影响，而日光减少会增加整体犯罪率（ Ｄｏｌｅａｃ ａｎｄ Ｓａｎｄｅｒｓ，２０１５）。

        关于环境污染与犯罪行为之间关系的经济学研究相对较少，结论相对一致。 一方面，个体无论是长期暴露于污染中（ 如在其儿童时期接触重金属铅），还是受到污染的短期影响，其犯罪倾向都更强烈（ Ｒｅｙｅｓ，２０１５；Ｌｕ ｅｔ  ａｌ  ，２０１８）。  另一方面，污染对不同类型的犯罪行为有异质性影响。 一般而言， 污染会增加暴力犯罪行为（ Ｒｅｙｅｓ， ２０１５），但对财产犯罪的影响并不显著（ Ｈｅｒｒｎｓｔａｄｔ ａｎｄ Ｍｕｅｈｌｅｇｇｅｒ，２０１５；Ｈｅｒｒｎｓｔａｄｔ ｅｔ ａｌ ，２０１６；Ｂｕｒｋｈａｒｄｔ ｅｔ ａｌ ，２０１９）。  因而，降低空气污染水平可能是减少犯罪行为的一种有效措施（ Ｂｏｎｄｙ ｅｔ ａｌ ，２０１８；Ｂｕｒｋｈａｒｄｔ ｅｔ ａｌ ，２０１９）。

        现有文献主要侧重于对发达国家样本的研究，且大都将犯罪行为对污染指标进行简单回归，其识别策略对内生性问题的考虑略显不足。 为了弥补现有文献的缺陷，我们将手工整理的２００６－２０１６ 年中国城市犯罪率数据与空气污染数据进行匹配，通过地理断点回归（ Ｒｅｇｒｅｓｓｉｏｎ Ｄｉｓｃｏｎｔｉｎｕｉｔｙ，ＲＤ） 方法考察空气污染对犯罪率的影响。  中国早期以 ＧＤＰ 增长为导向的经济发展模式导致很多环境问题遗留至今，诸多环境政策的实施情况并不理想，其中一个重要原因是政府未能全面了解环境污染的外部成本， 尤其是道德伦理成本，因而以中国为研究对象能为政府采取有效的环境政策，降低污染水平提供经验证据，这是对现有主要以发达国家为样本的研究的有益补充。同时， 相对于现有文献所用的方法，ＲＤ 法可以更好地控制和减少潜在遗漏变量带来的估计偏误，更精确地识别因果关系。 值得指出的是，关于污染影响犯罪行为的机制，现有文献以定性分析为主，本文将从微观心理视角对空气污染影响犯罪行为的潜在机制进行 量化分析，这也是对现有文献的进一步完善。

        要准确识别空气污染对犯罪率的影响，必须处理好关键变量之间的内生性问题。一方面，这两个变量可能存在反向因果关系。 空气污染对犯罪率的影响是本文的研究对象，但同时，某些犯罪行为可能会影响到经济活动，从而改变空气污染水平。 另一方面，这两个变量也可能存在共同驱动因素，即空气污染和犯罪率都可能与经济活动、天气条件或其他不可观测因素有关。  例如，经济活动扩大可能带来更多的空气污染并增加犯罪行为，气象条件的变化也会影响空气质量和犯罪率。  为了解决内生性问题所导致的估计偏误，本文首次基于中国北方地区冬季集中供暖政策的准自然实验， 采用ＲＤ 方法以分离出空气污染对犯罪率的影响。 １９５０－１９８０ 年计划经济时期，由于资源和财政预算的约束，中国政府在冬季优先为北方地区提供集中供暖设施，即以秦岭－ 淮河为分界线，分界线以北的城市每年１１ 月１５ 日至次年 ３ 月 １５ 日期间享有集中供暖服务，而分界线以南的城市则不享有该服务。时至今日，集中供暖仍是北方居民的主要取暖方式。 燃煤取暖的方式能确保老百姓的供暖需求，却带来严重的环境问题。集中供暖政策导致北方地区的空气污染排放量显著高于南方地区（ Ａｌｍｏｎｄ ｅｔ ａｌ ， ２００９；Ｃｈｅｎ ｅｔ  ａｌ ，２０１３；Ｌｉ  ａｎｄ Ｚｈａｎｇ，２０１９；李卫兵和张凯霞，２０１９），为考察环境污染对犯罪率的影响提供了良好契机。  图 １ 描绘了近年来南、北方城市的 ＰＭ２.５ （ ｕｇ ／ ｍ３ ）和万人刑事逮捕率的变化趋势， 可以发现空气污染更严重的北方地区犯罪率也更高。 本文利用集中供暖政策所致的空气污染差异进行分析，在这种分析框架下，空气污染的变化对于犯罪行为而言完全是外生的。 此外，ＲＤ 方法还可以通过限制带宽和调整执行变量（ ｒｕｎｎｉｎｇ ｖａｒｉａ⁃ ｂｌｅ） 阶数等方式，控制关联因素（ 例如经济活动变量和天气变量） 或不可观测因素的跨区域差异， 减少遗漏变量的估计偏误。

        本文基于秦岭－ 淮河以北冬季集中供暖政策的准自然实验，手工整理了 ２００６ － ２０１６ 年１１８ 个城市的不同类型的犯罪率数据，并与各城市多种污染物数据进行匹配， 利用 ＲＤ 方法估计空气污染对犯罪率的影响。

        本文可能的贡献在于：（１） 现有对犯罪行为诱因分析的文献鲜有关注空气污染这一因素，从而导致空气污染的负外部性被严重低估。 本文基于中国的现实数据对此深入考察，从边际上丰富了现有文献。 （２） 基于准自然实验，利用 ＲＤ 方法识别出空气污染与犯罪行为之间的因果关系。 相对于传统的估计方法，ＲＤ 估计结果更具备随机试验特征，能更好地控制内生性所导致的估计偏误。 （３） 利用丰富的调查数据，对空气污染影响犯罪行为的机制进行检验，进一步揭示二者之间的内部作用关系，有利于提出有针对性的政策建议。

        本文余下部分的结构安排为：第二部分阐明污染影响犯罪行为的理论机制；第三部分介绍数据来源和经验分析方法；第四部分分析回归结果并进行稳健性检验；第五部分检验潜在影响机制；最后进行总结并提出政策建议。

Cassie7

       二 理论机制

        根据犯罪模型，理性人基于对成本和收益的合理权衡来决定是否实施犯罪行为。若潜在的犯罪人 ｉ 从犯罪行为中获得的预期效用大于犯罪成本，他会选择进行犯罪活动。  我们以 代表实施犯罪后被惩罚的概率， 为进行犯罪活动所得到的回报（ 心理快感或其他）， 表示预期犯罪后的惩罚成本， 为贴现率， 为给定的外部选择，反映影响行为人避免犯罪的因素， 为潜在犯罪行为人的行动偏好，当 时，人们倾向于实施犯罪活动（ Ｂｅｃｋｅｒ，１９６８）。  当出现以下三种情况时，犯罪行为被实施： ；很低；潜在犯罪行为人的偏好属于风险偏好型。  基于犯罪模型，并结合相关文献，我们主要从微观心理层面探究空气污染影响犯罪行为的潜在机制（ 见图２）。

        具体来说，空气污染影响犯罪行为的机制包括：

        1.空气污染会对行为人的睡眠造成干扰，从而引发各类负面影响，并刺激行为人成为风险偏好型。 有研究发现，空气污染指数增加１ 个标准误会导致个体的失眠情况增加１１.６％ ，而 ＰＭ２ ５ 对失眠情况的影响更高达１２.８％ （ Ｈｅｙｅｓ ａｎｄ Ｚｈｕ，２０１９）。  睡眠是人类福祉的重要输入，睡眠不足会从各方面降低人体的心理功能，包括记忆力下降（ Ｄｉｅｋｅｌｍａｎｎ ａｎｄ Ｂｏｒｎ，２０１０），情绪不稳定（ Ｉｒｅｌａｎｄ ａｎｄ Ｃｕｌｐｉｎ，２００６），与身边朋友及家人的关系恶化（ Ｇｏｒｄｏｎ ａｎｄ Ｃｈｅｎ，２０１４），甚至带来家庭暴力（ Ｍｅｉｊｅｒ ｅｔ ａｌ ，２０１０）。  空气污染造成行为人失眠所引起的各类副作用会导致行为人忽视犯罪的惩罚成本，并改变行为人的风险偏好，促使其实施暴力犯罪行为。

        2.严重的空气污染会对行为人的情绪状态产生负面影响，这些情绪状态很可能成为暴力犯罪行为的前兆。 短期暴露于严重的空气污染对人类和各种动物的压力、易怒、冲动、攻击性情绪有直接影响（ Ｋｏｕｃｈａｋｉ ａｎｄ Ｄｅｓａｉ，２０１５），而且会引起神经损伤和攻击性行为（ Ｂｅｕｒｅｌ ａｎｄ Ｊｏｐｅ，２０１４）。  此外，一个历时９ 年、涵盖９３６０ 个美国城市的调查小组通过三组不同的行为实验建立了环境污染与不道德行为之间的因果联系，发现 空气污染会增加个体的焦虑感，从而引发犯罪和不道德行为（ Ｌｕ ｅｔ ａｌ ，２０１８）。 因而， 空气污染可能会通过刺激行为人的情绪或增加其焦虑感，使其变得更加冒进且偏好风 险，并最终诱发犯罪行为。

        3.空气污染会降低行为人对生活和社会的评价度，导致行为人产生反社会倾向。环境状况的不断恶化促进了中国居民环境意识的觉醒，良好的生活环境逐渐成为人们 对生活和社会满意程度进行评价的重要指标，空气质量的改善将显著提升居民对生活和社会的满意度，这一结论已从社会学和经济学的相关研究中得到广泛证实（ 杨继东和章逸然，２０１４；储德银等，２０１７；Ｚｈａｎｇ  ｅｔ  ａｌ  ，２０１７；李雪妮等，２０２０）。   而生活满意度和激烈的群体性事件之间具有强烈的负相关关系（ 李保臣和李德江，２０１３），且居民对各种社会问题的不满也容易滋生群体性事件，这些外源性的变化更容易产生煽动性犯 罪行为（ 皮勇和杨淼鑫，２０１５）。 因而，从逻辑上而言，空气污染可能会通过降低行为人对生活和社会的评价度，进而造成社会不稳定的局面，并诱发潜在的犯罪行为。

Cassie7

        三 数据和方法

        （ 一） 变量选择和数据来源

        1.空气污染。 现阶段中国仍以煤炭为主要的集中供暖能源（ 陈强等，２０１７），煤炭燃烧会排放大量二氧化硫（ ＳＯ２ ）、二氧化碳（ ＣＯ２ ）、烟（ 粉） 尘（ Ｄｕｓｔ）、微粒物质等污染物。  ＰＭ２.５ 指标综合囊括了化石燃料的燃烧以及相关污染物在空气中的进一步化学反应物，选用 ＰＭ２.５ 作为核心污染指标有助于全面考察空气污染。  我们主要使用中国地级市的平均 ＰＭ２.５ 浓度来度量空气污染，数据来源于哥伦比亚大学国际地球科学信息网络中心（ ＳＥＤＡＣ） 发布的空气污染栅格数据。 相较于地面直接监测的空气污染指标，选用提取自卫星数据的空气污染排放浓度指标可以避免潜在的人为操纵，结果更具全面性和客观性（ Ｌｉ ａｎｄ Ｚｈａｎｇ，２０１９），而且卫星遥感监测具备超强的地面成像能力，对气象条件变化所致的污染扩散问题存在一定的校正功能（ Ｚｈａｎｇ ｅｔ ａｌ ，２０１７）。此外，我们也利用空气质量综合指数（ ＡＱＩ）、人均烟（ 粉） 尘排放以及人均二氧化硫等作为空气污染的替代指标进行稳健性检验。 考虑到部分城市的污染与犯罪率数据缺失，我们采用２００６－２０１６ 年１１８ 个主要地级市的非连续 ＡＱＩ、Ｄｕｓｔ 和 ＳＯ２ 数据，数据均来源于生态环境部数据中心。

        2.犯罪率。 鉴于公安、检察院和法院记录的犯罪数据在横向和纵向上高度相关（ 陈刚，２０１０），因而我们选择其中之一来进行分析。 我们手工收集、整理了 １１８ 个地级市２００６－２０１６ 年的犯罪率数据，主要利用每万人中检察院刑事逮捕人数和起诉人数来衡量刑事犯罪率，以每万人中检察院暴力犯罪逮捕人数和起诉人数来衡量暴力犯 罪率（ 章元等，２０１１；石庆玲和郭峰，２０１７） 。 我们同时收集了各城市每万人中人民检察院批准逮捕以及起诉破坏市场经济秩序的犯罪人数作为经济犯罪指标。  需要说明的是，由于中国各地方检察院的工作年报中关于暴力和经济犯罪的统计数据大量缺失，且未公布不同犯罪行为的详尽数据，因而在分析过程中，我们将各地方检察院的工作年报中报告的刑事犯罪率作为核心犯罪指标，将暴力犯罪率和经济犯罪率作为异质性检验指标。 且受数据限制，我们无法对不同暴力犯罪行为（ 包括谋杀、严重袭击、抢劫、偷盗等） 以及不同经济犯罪行为（ 包括非法经营、非法集资、合同诈骗等） 进行更细化的对比分析。

        此外，我们根据 Ｅｄｌｕｎｄ ｅｔ ａｌ （２０１３） 的处理方式，将腐败率作为潜在的犯罪活动指标进行补充分析。 在检察院的工作年报中，并未将腐败这一项犯罪指标直接纳入经济犯罪，而是单独进行披露。 据此，我们将腐败犯罪指标分离出来进行单独的回归分析。 犯罪率的相关数据均来源于各地方检察院的工作年报。

        3.其他变量。 参考相关经典文献并考虑数据的可获得性，我们选取的城市特征控制变量包括 ＧＤＰ 增速、城镇失业率、城乡收入差距、户籍人口率、人均实际工资和教育水平。  同时考虑到地区公共服务和社会治理的差异性可能会对城市犯罪率产生影响，在稳健性检验中我们进一步加入财政层面和公共服务层面的变量作为控制变量， 包括人均福利性财政支出、宏观税负水平和公共服务综合指标。 相关数据均来自２００７－２０１７ 年《中国城市统计年鉴》和《中国区域经济统计年鉴》。 由于气象条件与空气污染存在潜在相关性，我们还控制了可能会干扰空气污染的相关气候变量，包括平均温度、平均降水量以及风速（ Ｈｅｒｒｎｓｔａｄｔ ａｎｄ Ｍｕｅｈｌｅｇｇｅｒ，２０１５）。

        此外，为了有效识别空气污染影响城市犯罪行为的潜在机制，我们分别从失眠、心理健康、生活评价、社会评价和政府信任度这几个方面来进行分析。 其中，社会评价和政府信任度指标来源于２０１５ 年中国社会状况综合调查（ Ｃｈｉｎｅｓｅ Ｓｏｃｉａｌ Ｓｕｒｖｅｙ，ＣＳＳ） 数据库，其他指标均来源于２０１０－２０１６ 年中国家庭追踪调查（ Ｃｈｉｎａ Ｆａｍｉｌｙ Ｐａｎｅｌ Ｓｔｕｄｉｅｓ， ＣＦＰＳ） 数据库。  在机制检验中，我们引入相关个体特征变量作为控制变量，包括个人收入排序、个人社会地位排序、年龄、婚姻状况、性别以及宗教信仰。 具体的变量定义与测算方式详见表１。

        （ 二） 描述性统计

        表２ 列示了核心变量的描述性统计结果。 Ｐａｎｅｌ Ａ 报告了不同犯罪率和空气污染指标的描述性统计结果，可以发现不同犯罪率指标的变化存在一定差异。 Ｐａｎｅｌ Ｂ 报告了这些核心变量的南北平均差异程度，可以发现北方城市的不同空气污染物排放均显著高于南方城市，且北方城市的刑事逮捕率和刑事起诉率显著高于南方城市，北方城市的暴力犯罪也相对更严重，但是经济犯罪率和腐败率在南、北方城市间并无显著差别①。 下文将对空气污染与不同犯罪行为之间的关系进行因果识别。

        （ 三） 回归方法

        在跨越秦岭－淮河分界线时，北方集中供暖政策所致的空气污染在分界线处呈离散变化，因而我们采用 ＲＤ 估计来克服内生性问题，其优势主要在于以秦岭－ 淮河分界线作为南、北方地理分界线的主要原因是该分界线以北地区一月份平均温度小于０℃ ，以南大于０℃ ，并非出于其他行政原因（ Ｃｈｅｎ ｅｔ ａｌ ，２０１３；Ｌｉ ａｎｄ Ｚｈａｎｇ，２０１９），因而以此为分界线进行南、北方差异性供暖几乎不存在人为操控的可能性，从而能有效分离出空气污染与犯罪行为之间的因果关系。 对于潜在的遗漏变量问题，ＲＤ 估计能通过限制带宽以控制分界线周围不易观测的混杂因素的差异性，减少遗漏变量的干扰。 此外，对执行变量的多项式进行调整能消除所有可能的偏差来源，以进行有效的因果推断（ Ｃｈｅｎ ｅｔ ａｌ ，２０１３）。

        ＲＤ 模型中的估计方法一般存在非参数估计与参数估计两种。 其中，非参数估计方法的优势在于可以不依赖于任何函数形式对变量之间的关系进行分析，但其前提条件是在断点处存在着大量的可观测值并能确定每个观测值的具体地理位置（ Ｉｍｂｅｎｓ ａｎｄ Ｌｅｍｉｅｕｘ，２００７）。  参数估计则可以选择具体的回归模型，处理起来相对容易，但又可能存在拟合偏差问题。  综合考虑样本量以及数据可得性等现实问题，本文采用半参数方法来进行估计（ Ｉｔｏ ａｎｄ Ｚｈａｎｇ，２０２０），即将样本限制在分界线以南、以北各 １０００ 公里的范围以内。 这种方法不仅考虑到了样本量损失问题，同时也限制了拟合区间， 可以得到更为一致的回归结果。

        我们首先分析集中供暖政策的影响，主要回归方程为：

        其中，ｃ 代表城市，ｔ 代表时间； 为执行变量，即各城市距离秦岭－ 淮河分界线的垂直距离，分界线以北的相对距离为正，分界线以南的相对距离为负； 为处理变量（ ｔｒｅａｔｍｅｎｔ ｖａｒｉａｂｌｅ），即位于秦岭－ 淮河分界线以北的城市取值为 １，反之取 ０；ｆ 是执行变量的多项式调整函数，通过多项式的灵活调整，可以消除潜在的差异和估计偏误；Ｃｒｉｍｅ 为犯罪率；Ｐｏｌｌｕｔｉｏｎ 为空气污染；Ｘ 为一系列影响犯罪率的控制变量，包括 ＧＤＰ 增速、城镇失业率、城乡收入差距、户籍人口率、人均实际工资和教育水平等城市特征变量，以及平均温度、平均降水量和风速等气候控制变量； 和 分别代表城市固定效应和年固定效应； 为以城市为聚类的稳健标准误。

        若集中供暖政策通过空气污染影响犯罪率， 则式（ ３） 作为两阶段最小二乘法（２ＳＬＳ） 的第一阶段分析是有效的（ Ｃｈｅｎ ｅｔ ａｌ ，２０１３），表明集中供暖政策作为空气污染的合理工具变量是合理的。 在该设计下，我们进一步分析空气污染对犯罪率的影响，第二阶段估计方程如式（４） 所示：

        式（４） 中相关变量的定义同上式。 度量空气污染对犯罪率的影响，是我们主要关注的系数.

Cassie7

       四 回归分析结果

        （ 一） 基准回归结果

        在进行 ＲＤ 估计之前，我们首先绘制核心变量在分界线附近的散点图和拟合曲线。 图３ 显示空气污染和刑事逮捕率在秦岭－淮河分界线处出现明显断点。 具体来说，集中供暖政策对空气污染的局部处理效应为０.２ｕｇ ／ ｍ３ 左右，对刑事逮捕率的局部处理效应为０.５ 人／ 万人左右，证实集中供暖政策是造成南、北方空气污染差异的重要因素之一，且可以进一步使用 ＲＤ 方法对断点处的局部平均处理效应进行估计。

        具体回归结果见表３。 其中Ｐａｎｅｌ Ａ 和Ｐａｎｅｌ Ｂ 分别为式（２）、（３）的估计结果，表明集中供暖政策对刑事逮捕率和空气污染均有显著影响。 模型（６） 表明，在控制城市固定效应、时间固定效应并引入控制变量后，集中供暖政策使得北方城市的ＰＭ２.５ 浓度平均比南方城市高约０.４２５ ｕｇ ／ ｍ３ ，而刑事逮捕率则比南方城市高出０.４ 人／ 万人，回归结果均在１％ 的水平上显著。 Ｐａｎｅｌ Ｃ 报告了２ＳＬＳ 的估计结果，表明空气污染显著提升犯罪率。 模型（１）－（６）逐步加入相应控制变量，回归结果均至少在１０％ 的水平上显著。 引入所有控制变量的回归结果显示ＰＭ２.５ 浓度每增加１％ ，城市犯罪率会增加０.９２６％ 。

        说明：图中实线为各变量的拟合曲线，虚线为 ９５％ 的置信区间，下图同。 小圆圈在左图代表每100公里内各城市 ＰＭ２.５ 平均浓度，在右图代表各城市平均刑事逮捕率。

        此外，我们发现失业率对犯罪率的影响显著为正，与现有研究结论一致（ 陈刚等， ２００９）。 失业率越严重，社会秩序也越不稳定，人们的犯罪倾向越严重。 人口更集中的城市容易滋生犯罪，而城乡收入差距扩大凸显出更多社会问题，容易导致犯罪率上升。提高教育水平有利于改善人们的生活环境，提高自身道德标准，具有一定程度的犯罪抑制效应。

        （ 二） 稳健性检验

        1.带宽敏感性。 ＲＤ 估计结果的有效性易受带宽选择的影响。 带宽越小，断点两侧的影响因素越相近，遗漏变量对因变量的影响越小，因而可以更准确地估计断点处的处理效应，减轻内生性带来的估计偏误。 但过小的带宽也会带来样本量的过度损失从而导致结果的有偏性。  根据均方误差（ Ｍｅａｎ Ｓｑｕａｒｅｄ Ｅｒｒｏｒ，ＭＳＥ） 最优带宽选择方法，我们测算出刑事逮捕率和刑事起诉率的最优带宽分别为 １６１ ８ 公里和 ２１７ １ 公里。 由于带宽越小，其拟合形式越趋近于线性函数形式，因而在不同的带宽选择下我们对执行变量的阶数进行相应调整。 回归结果显示在不同带宽和多项式选择下，空气污染与犯罪率之间的因果关系未发生显著变化。

        另外，我们选择２５０ 公里与１０００ 公里之间的不同带宽（ 以每１０ 公里为增量），在不同的带宽下对式（４） 进行 ＲＤ 估计，图４ 描绘了相应结果。 图４ Ｐａｎｅｌ Ａ 显示了每个带宽下的估计系数与所对应的 ９５％置信区间，可以看出回归系数的整体波动幅度较小，进一步证实估计结果对带宽的改变并不敏感。 Ｐａｎｅｌ Ｂ则报告了每一次回归对应的 Ｐ 值（ 虚线表示 Ｐ 值为０.０５ 的临界线），容易看出在大多数带宽选择下，回归结果都至少在５％ 的统计水平上显著，整体回归结果非常稳定。

        2.ＲＤ 回归的有效性检验。 使用ＲＤ 方法需满足两个前提假设：（１） 除了选定的处理变量外，其他所有相关因素在断点处呈平滑变化，以避免捕捉到其他因素的断点效应。 图５ 证实我们选取的所有控制变量在分界线处均呈连续变化。 （２） 执行变量不存在潜在的人为操控问题。 ＲＤ 回归的先天优势在于所选样本都能进行精确定位，执行变量的密度连续性能得到保证（ Ｋｅｅｌｅ ａｎｄ Ｔｉｔｉｕｎｉｋ，２０１１）。  实际上，中国政府之所以选择秦岭－ 淮河分界线作为南、北方分界线，主要原因在于沿着该分界线 一月份的平均地理温度为 ０℃ ， 而非出于其他行政或经济目的（ Ｃｈｅｎ ｅｔ ａｌ ，２０１３），已有多篇文献证实本文执行变量的选择并不存在人为操控的问题（ Ａｌｍｏｎｄ ｅｔ ａｌ ，２００９；Ｌｉ ａｎｄ Ｚｈａｎｇ， ２０１９；李卫兵和张凯霞，２０１９）。图 ６ 绘制了执行变量的密度函数分布，可知执行变量在断点处呈平滑变化，进一步表明执行变量的选择是不存在人为操控的。

        3.不同类型犯罪率和不同空气污染物指标。 考虑到空气污染对不同类型的犯罪行为可能有异质性影响（ Ｅｄｌｕｎｄ ｅｔ ａｌ ，２０１３；Ｈｅｒｒｎｓｔａｄｔ ｅｔ ａｌ ，２０１６），我们分别探究空气污染对暴力犯罪、经济犯罪和腐败犯罪的影响，重新进行 ＲＤ 估计。 回归结果如表４ 所示，模型（１）－（４） 分别报告了空气污染对暴力犯罪率和经济犯罪率的不同影响。具体来说，ＰＭ２.５ 浓度增加１％ ，暴力犯罪率会增加３.９４６％ －５.１６８％ ，而空气污染对经济犯罪行为并不存在显著影响，证实了 Ｈｅｒｒｎｓｔａｄｔ ａｎｄ Ｍｕｅｈｌｅｇｇｅｒ（２０１５） 的研究结论。此外，模型（５）（６） 显示空气污染对腐败行为也不存在显著影响。 腐败作为一种高技能犯罪，犯罪者往往处于某种有影响力的地位，这使他们在面对空气污染的负面影响时能更清醒地做出决策，不易受其影响。我们的回归结果揭示出空气污染引发的犯罪行为偏向于非智力犯罪。

        此外，考虑到燃煤取暖会排放多种污染物，为了更全面地探索空气污染与犯罪行为之间的关系，我们进一步选取了不同的空气污染排放物（ Ｄｕｓｔ，ＳＯ２ 和 ＡＱＩ） 作为空气污染的衡量指标进稳健性检验。  回归结果表明不同空气污染物指标的系数均显著为正，即空气污染越严重，城市犯罪率越高，进一步支持了前文的结论。 这表明本文的核心结论对不同空气污染指标的选取并不敏感，这也意味着其他环境污染物都存在社会道德成本问题，因而政府应该投入更多的资源用于保护环境，以更全面、长远的眼光重新审视环保政策的成本收益问题。

        4.非参数检验。 为确保核心结论的可信性，我们利用非参数估计重新进行回归， 结果如表５ 所示。 其中，ＰａｎｅｌＡ 报告了 ＭＳＥ 最优带宽选择下三种核回归（ 三角核回归，Ｅｐａｎｅｃｈｎｉｋｏｖ 核回归和均匀核回归） 的结果，Ｐａｎｅｌ Ｂ 则报告了覆盖错误率（ Ｃｏｖｅｒ⁃ ａｇｅ Ｅｒｒｏｒ Ｒａｔｅ，ＣＥＲ） 最优带宽下的回归结果。  第一阶段回归结果说明集中供暖政策作为空气污染的工具变量是有效的，两者之间显著正相关，所有回归结果均在 １％ 的水平上显著。 第二阶段回归结果表明，在不同带宽选择和核回归下，集中供暖政策对城市犯罪率的处理效应都是显著的，证实空气污染越严重的城市犯罪率越高。 对比非参数估计结果与基准回归中的参数估计结果可以发现，两种方法估计的系数非常接近，表明核心结论是稳健的。

        5. 随机性检验。 限于数据的可得性，本文仅搜集了 １１８ 个地级市的犯罪率数据作为样本分析，其中位于南方的城市有 ７４个，北方城市有 ４４ 个。 我们以城市人均ＧＤＰ 的平均值作为基准将所有样本分为经济发展良好的城市样本和发展缓慢的城市样本，统计发现共有２８ 个北方城市的经济发展良好，占全部北方城市样本的比重为６３.６３％ 。 此外，有 ４２ 个南方城市经济发展良好， 占全部南方城市样本的比重为５６.７６％ 。 总体来看，本文所选的南、北方城市样本在经济发展程度上的差异并不大。

        为了避免样本选择的非随机性所致的估计偏误，确保本文捕捉到的确实是空气污 染对犯罪率的影响，我们参考 Ｂａｋｅｒ（２０１５） 的处理方式进行安慰剂检验，即随机分配每一个样本到秦岭－淮河分界线的距离（ 由 Ｓｔａｔａ 软件在一定带宽范围内随机赋值）， 据此确定执行变量（ Ｌｃ ） 的取值并重新进行 ＲＤ 估计，然后使这个随机过程重复 １０００ 次。 如果这１０００ 次估计的核心系数 β１ 和０ 无显著差异，则表明本文的估计结果并非由样本选择的非随机性所致。 图７ 描绘了１０００ 次估计中空气污染对刑事逮捕率和刑事起诉率回归系数的核密度分布，可以看出两组结果均为以０ 为中心并呈对称的倒 Ｕ 型分布，十分接近于标准的正态分布，表明１０００ 次随机过程中的估计系数的确都集中分布在零附近，因此可以排除基准估计结果来源于样本选择的非随机性偏差的可能性，反向证明本文的研究结果是可信的。

        6.以经纬度为执行变量。 为了更精确地控制地理因素所造成的区域差异，我们以经纬度为执行变量，从多元维度重新进行 ＲＤ 估计。  我们分别考察了新执行变量的不同阶数下空气污染对刑事逮捕率和刑事起诉率的影响，结果一致表明空气污染导致犯罪率增加，且至少在１０％ 的水平上显著。 与以距离为执行变量的基准回归结果进行对比，我们发现两组结果存在一定差异，这可能是因为多维 ＲＤ 多项式（ 经纬度） 相比于一维 ＲＤ 多项式（ 距离） 而言可能存在拟合过度的问题，因为多维多项式会占用更多的自由度（ Ｄｅｌｌ ｅｔ ａｌ ，２０１８）。  但整体而言，回归结果稳健。

        7.增加控制变量。 考虑到地区公共服务水平和社会治理差异可能对犯罪率造成潜在影响，我们进一步加入相应的控制变量进行检验。 一方面，福利性财政支出有利于民生改善，而较高的宏观税负水平会增加居民的生活压力，这些因素可能会对潜在的犯罪率产生影响；另一方面，公共服务水平越高的地区居民的生活幸福感会越高，这有利于降低犯罪率。因而，我们在基准回归的基础上进一步加入财政层面（ 人均福利性财政支出、宏观税负水平） 和公共服务层面（ 公共服务综合指标） 的变量作为控制变量进行稳健性检验（ 指标测算方式见表 １） 。 我们发现，在加入上述控制变量后，空气污染对刑事犯罪率（ 包括刑事逮捕率和刑事起诉率） 的估计结果仍然至少在５％ 的水平上显著为正，且空气污染显著提升了暴力犯罪率，但对经济犯罪率没有显著影响，所有估计系数和基准回归结果非常接近。 此外，为了保证 ＲＤ 估计的有效性，我们还考察了新增的控制变量在断点处的变化情况，发现空气污染并未捕捉到其他变量的断点效应。 综上，控制其他潜在影响犯罪率的因素后，本文的回归结果仍然稳健。

Cassie7

五 影响机制

         有研究表明空气污染会影响城市居民睡眠质量，而睡眠不足会诱发各种负面效应，其中之一便是激发暴力行为（ Ｍｅｉｊｅｒ ｅｔ ａｌ ，２０１０）。  为了探究此机制是否存在，我们利用２０１２ 和２０１６ 年 ＣＦＰＳ 中的微观个体调查数据库进行分析，具体做法是将式（２）－（４） 中的因变量替换为失眠指标，相应的控制变量更换为个人收入排序、社会地位排序、年龄、婚姻状况、性别以及宗教信仰（ 具体指标定义见表 １）， 回归结果见表６。  Ｐａｎｅｌ Ａ 的结果显示北方居民失眠状况明显比南方居民严重，Ｐａｎｅｌ Ｂ 显示北方城市的空气污染程度比南方高，Ｐａｎｅｌ Ｃ  进一步说明空气污染会显著导致失眠的严重程度提升０.００７６ 个单位。 分别对比表６ 中的模型（１） －（３） 和模型（４） －（５），可以发现随着时间的推移和空气污染的不断积累，居民的睡眠质量对空气污染越来越敏感。 综合而言，空气污染可能会通过降低睡眠质量而间接引致犯罪行为。

         （ 二） 心理健康

         环境污染会影响人类中枢神经的紧张功能以及大脑的反应情况，容易导致个体产生抑郁情绪，易躁动或冲动，富有攻击性，最终引起个体实施犯罪行为。 我们利用２０１０、２０１２、２０１４ 和２０１６ 年 ＣＦＰＳ 微观个体调查数据库，构建面板数据分析空气污染对个体心理健康（ 尤其是焦虑感） 的影响①。 考虑到此部分的因变量均为有序变量， 因而采用 Ｏｐｒｏｂｉｔ 方法进行估计。  表 ７ 中模型（１） －（３） 和模型（４） －（６） 分别报告了空气污染对个体心理健康和焦虑感的影响，可以看出空气污染确实会损害个体的心理健康，而且会增加个体的焦虑感，所有回归至少在 ５％ 的水平上显著。 因此，空气污染可能会通过对行为人的心理健康造成负面影响，诱发焦虑情绪而导致其实施犯罪行为。

         （ 三） 生活与社会评价度

         近年来，社会刑事犯罪以不同的形式不断发生，而犯罪诱因可能仅仅是因为对生活和社会的不满意。 例如，２０２０年 ７ 月，贵州发生公交车坠湖事件，调查结果显示系司机因生活不如意和对拆除其承租公房不满而蓄意报复社会所致。 一般而言，对生活失去信心的人更容易冲动且不顾及犯罪后的惩罚成本，而环境质量是个体评价生活满 意度时重点考虑的指标之一，糟糕的空气质量可能会从某一个维度降低个体的生活满 意度，从而间接提升个体实施非道德行为的概率。  现有研究已经充分证实空气污染会显著降低个体的生活满意度（ Ｌｅｖｉｎｓｏｎ，２０１２；李雪妮等，２０２０），因而空气污染导致个体的负面情绪不断积累进而带来潜在犯罪率的提升值得我们重点关注。  鉴于此，我们利用２０１０、２０１２、２０１４ 和２０１６ 年的 ＣＦＰＳ 微观个体调查数据库，构建面板数据研究空气污染对个体生活满意度的影响（ 见表８  中的模型（１））。 结果显示，在空气污染越严重的城市中生活的个体的生活满意度越低。 此外，幸福感是生活满意度的一个替代指标，模型（２）  报告了空气污染对个体幸福感的影响，表明空气污染与个人主观幸福感之间存在显著的负向关系。 因此，空气污染可能会通过降低行为人对生活的评价度进而导致其实施犯罪行为。

         同理，居民的社会满意度越高，对现有的生活环境越满意，就越不容易产生反社会心理。 而社会的稳定局面在很大程度上由政府把控，有研究表明个体对地方政府的信任度下降会导致其参与群体性事件的可能性提高，并且个体在社会动乱和群体掩护下 更易滋生犯罪情绪（ 徐广路和沈惠璋，２０１６）。 个体对政府的信任程度越高，就会感到越安全，也越容易相信在面对一些公共危机事件时政府能给予有效的保护，这种信任和依赖有助于维护社会的稳定局面。  而环境治理和环境质量是人们主观评价社会和政府治理行为的一个重要方面，严重的空气污染必然会降低人们对社会和政府的评价。由于 ＣＳＳ 微观调查数据库中仅于 ２０１５ 年对个体的社会评价以及政府信任度进行调查，因而我们选取２０１５ 年的截面数据并结合 ＲＤ 方法对此机制进行检验，回归结果见表８ 中模型（３） 和（４）。 其中，Ｐａｎｅｌ Ａ 报告了空气污染对个体社会评价度的影响，证实严重的空气污染会显著降低人们的社会满意度。 Ｐａｎｅｌ Ｂ 报告了空气污染对个体的政府信任度的影响，表明空气污染的排放浓度每增加 １％ ，人们对政府的信任度会下降约０.００３ 个单位。 事实上，当前中国居民最担心的是食品和药品安全问题，其次就是环境污染问题（ Ｌｉａｎｇ ａｎｄ Ｃｈｒｉｓｔｅｎｓｅｎ，２０１９），食品和药品安全问题往往能在法律层面上得到保护，而现阶段环境保护的立案与实施仍然不够完善，若政府能采取严格有效的环境政策缓解环境污染问题，可能会减少环境污染所引致的犯罪成本。

Cassie7

        六 结论与政策建议

        本文利用手工收集的中国１１８ 个地级市２００６－２０１６ 年的犯罪率数据，首次结合准自然实验的方法考察了空气污染与犯罪行为之间的内在联系，并从微观心理的角度分析了潜在影响机制。  研究发现，ＰＭ２.５ 浓度每上升１％ ，犯罪率会增加０.９２６％ ，且空气污染对暴力犯罪有显著的正向影响，但对经济犯罪以及腐败均未产生明显影响。 类似地，我们发现其他空气污染物排放量与暴力犯罪行为的增加也显著正相关。 该结论通过替换核心变量指标、非参数估计、改变带宽、调整执行变量形式等一系列稳健性检验后仍然成立。 基于犯罪的理性选择模型和经验分析结果，我们证实了空气污染可能通过对行为人的失眠、心理健康、生活和社会评价度产生影响，促使行为人更有可能实施犯罪行为。

        我们的研究结果证实环境状况是犯罪行为的重要影响因素，因而政府在制定和实施环境政策时必须充分认识到环境污染对经济、社会和个人都会带来负面影响，即环境污染的成本是多维度的。 现有相关研究主要关注气候条件（ 温度、降水和风速等）与犯罪行为之间的关系，但气候条件往往不可能由政策制定者来决定，本文则集中于可以调控的环境状况。 因此，通过更严格的环境政策改善空气质量，可能是减少犯罪行为和维护社会稳定的一个成本有效的方法。  本文从社会道德成本的维度对空气污染的潜在成本进行了有益补充。 或许在我们的研究之外，环境污染还存在着更多意想不到的负面影响，例如人文观念对立、生态链的反噬等等，这些潜在的、暂时被忽略的环境成本仍然值得我们关注。