《Journal of Environmental Management》：Health status in the valuation of benefits from improved air quality: Evidence from a systematic review and meta-regression of stated preference studies
编辑推荐：
评估空气质量政策的经济效率需要量化非市场效益，通常使用陈述偏好(Stated Preference, SP)方法（如条件价值评估法(Contingent Valuation, CV)和选择实验(Choice Experiment, CE)）进行估算。本研究结合
评估空气质量政策的经济效率需要量化非市场效益，通常使用陈述偏好(Stated Preference, SP)方法（如条件价值评估法(Contingent Valuation, CV)和选择实验(Choice Experiment, CE)）进行估算。本研究结合系统综述与Meta回归分析，考察个体自评健康状况(self-reported health status)与SP研究中空气质量改善效益估值之间的关联。研究人员评估健康状况是否导致空气污染削减效益评估中的偏好异质性(preference heterogeneity)，以及CV和CE研究设计如何调节此关系。据研究人员所知，这是首次在SP文献中系统探讨此问题。结果表明健康状况的影响常不显著，或健康较差者对空气质量效益的估值更高。重要的是，结果取决于健康状况的测量方式：基于污染相关症状(pollution-related symptoms)测量健康状况的研究比较依赖总体健康状况指标(general health status measures)的研究更频繁报告健康较差与较高估值的正向关联。健康习惯(general health habits)与总体健康指标呈现相似模式。此外，研究设计特征——如在调查中提供污染相关的死亡或发病风险信息——影响自评健康与估值结果关系的统计显著性。
论文解读：健康状况在空气质量改善效益评估中的作用——基于SP研究系统综述与Meta回归的证据
该研究由Anna Ma?gorzata Bartczak与Bartosz Jusypenko完成，发表于《Journal of Environmental Management》。
一、研究背景与目的
空气污染对人类健康（特别是呼吸及心血管系统）造成显著影响，评估空气质量改善政策的成本效益分析(Cost-Benefit Analysis, CBA)需将非市场效益货币化，通常借助陈述偏好(Stated Preference, SP)方法（条件价值评估法Contingent Valuation, CV与选择实验Choice Experiment, CE）估算意愿支付(Willingness to Pay, WTP)。理论上（Hammitt, 2002; DeShazo and Cameron, 2005），基线健康状况对健康风险降低的WTP影响方向模糊：较差健康可能因更高边际效用或复发恐惧抬高WTP，也可因收入约束或低预期收益降低WTP。现有实证研究未形成共识，且缺乏对健康状态测量方式差异影响的系统考察。因此，研究人员通过系统综述与Meta回归，检验受访者自评健康状况与空气质量改善效益估值的关系，及SP研究设计特征（健康情境信息、政策结果表述、污染源指定等）对该关系的调节作用。
二、主要技术方法
研究人员按PRISMA指南在Web of Science检索英文同行评议文献，纳入采用CV或CE评估空气质量改善且收集受访者健康信息的非市场估值研究，排除仅用效益转移(benefit transfer)或特征价格法(hedonic pricing)者，最终76篇进入系统综述（66篇含可提取相关系数进入Meta回归）。将健康测量分为三类：污染相关(Pollution-related，如呼吸道症状、确诊慢阻肺COPD/哮喘)、总体健康(General Health，如SF-36、自评健康五级量表)、健康习惯(Habits，如吸烟、运动)。从原始研究编码WTP/WTA与健康状况交互项显著性及方向（较高值统一编码为较差健康），以无统计显著相关为参照类，构建多水平多项Logit(Multinomial Logit, MNL)模型，采用聚类稳健标准误(account for within-study clustering)。
三、研究结果
5.1. 健康状况与空气质量改善效益估值的相关性(Correlations between health status and benefits from air quality improvement)
自66篇研究的269个观测表明，43%污染相关测量、60%总体健康测量、48%习惯测量呈无统计显著关联。显著关联中，污染相关测量有43%为正（健康差→WTP高），仅14%为负；总体健康测量10%为正，30%为负。即使用污染直接相关症状/疾病指标更易检出"较差健康者WTP更高"的正向关系，总体自评健康多不显著或为负。多数研究将健康作次要控制变量，10篇收集了健康数据却未报告其与WTP的交互结果。
5.2. Meta回归(Meta-regression)
5.2.1. MNL结果(MNL results)
相比总体健康测量，污染相关测量显著提高正向显著相关（较不显著参照）的出现概率（系数1.965，p<0.01），习惯测量亦有弱正向作用（1.168，p<0.05）。问卷中明确给出发病(morbidity)或死亡(mortality)风险信息、将政策结果表述为工具(tool，如降低PM2.5浓度而非直接降发病率)均提高正向显著关联概率。将效益框定为公共物品(public good)降低负向显著关联概率。涉及家庭成员健康时负向关联概率下降。中国开展的研究稍多报告负向关联（较好健康者WTP高）。指明交通污染源(transport)降低正向关联检出率。
四、讨论与结论总结
系统综述发现SP研究多用简化自评健康量表，少数用验证量表（RAND-36/SF-36、WHOQOL、mMRC），部分研究收集多类健康指标或收集后未分析。Meta回归证实健康测量方式是关键：污染相关健康指标（呼吸道/心血管疾病史、近期污染致咳嗽眼刺激等）比总体健康指标更易揭示"健康越差对空气改善估值越高"，符合DeShazo and Cameron(2005)同病预防高WTP理论——已有污染相关疾病者感知更高复发风险因而更重视改善。习惯指标（尤吸烟）亦略增正向关联概率，可能因其提升对呼吸症状的敏感度。研究设计特征影响关系显现：提供发病/死亡具体风险信息、以中间工具表述政策结果更易引出健康状态异质性与估值的显著正向联系；公共物品框架削弱负向关联。
方法学建议：未来应开发/验证适合SP的空气相关健康测量工具，结合临床诊断与自评，控制对污染健康效应的认知程度及调查模块顺序的启动效应(priming effect)，CE/CV建模可考虑潜变量或工具变量处理健康内生性。政策含义：若证实脆弱人群（慢呼/心血管病患）赋予空气改善更高价值，应优先考虑高患病区干预以兼顾效率与环境正义(environmental justice)；CBA中引入健康状态权重可修正仅用平均WTP造成的福利偏误。
结论(Conclusions)：
自评健康状况与空气质量改善WTP的关系取决于健康状态的测量类别——污染相关健康测量较总体健康测量更常显示健康较差者WTP更高，该现象符合已有理论预期。SP研究设计特征（尤其是否在情景中明示发病/死亡健康后果）调节此关系显著性。进行空气质量效益评估及CBA时应审慎选择健康测量方式并在模型中考虑偏好异质性，以提高非市场效益估算准确性并为针对性政策制定提供依据。
