潘丹，胡启志
（江西财经大学经济学院，江西 南昌 330013）
目前中国正处于由全面小康向共同富裕过渡的新时期，如何增强农民的幸福感成为促进乡村振兴和实现共同富裕的关键路径和重要议题。共同富裕是中国新时代的奋斗目标，是全体人民的共同愿景［1］。在长期较为严重的城乡不平衡发展背景下，当前中国推进全体人民共同富裕最大的难题依然在农村［2］。党的十九大报告指出，“中国共产党人的初心和使命，就是为中国人民谋幸福”。习近平也多次强调“让人民生活幸福是‘国之大者’”。自20世纪50年代以来，国内外学者对居民幸福感影响因素的讨论越来越多。学者们综合运用心理学、社会学和经济学等多学科的研究方法对居民幸福感的决定机制加以研究［3］。已有研究显示，个体特征（例如性别、年龄、教育、健康等）、家庭特征（例如家庭人口数量、收入、社会关系等）、公共政策（例如失业率、民主参与度、社会福利政策等）均会影响居民幸福感［4-5］。近年来，随着生态环境问题的日益突出，环境污染对居民幸福感的影响也被越来越多的学者关注［6］。一系列的实证研究表明，包括空气污染、水污染、噪音污染以及土壤污染等在内的环境污染均会显著降低居民幸福感。例如，潘护林等［7］发现水质、空气等环境因素对居民幸福感有不同程度的影响；
黄永明等［8］证实了大气污染和水污染都会使得居民感到不幸福；
刘宁宁等［9］研究发现空气污染、噪音污染和土壤污染会对居民心理和生理健康造成不良影响。健康是影响居民幸福感的重要因素之一，健康受损会进一步导致居民幸福感的降低［10］。Li等［11］研究了空气污染、水污染对居民幸福感影响的关键路径和因果关系；
Orru等［12］指出环境污染会对人的健康和幸福感产生不良影响；
Praag等［13］研究发现机场巨大的噪音污染也会降低附近居民的幸福感。
然而，以上研究大部分分析的是客观存在的环境污染（Measured environmental pollution，例如空气污染物浓度、SO2和NO等）对居民幸福感的影响，很少分析居民实际感知的环境污染（即主观感知的环境污染，Perceived environmental pollution）的影响；
即使考虑到主观感知的环境污染，也未对其影响机制加以证明。事实上，相比客观存在的环境污染，主观感知的环境污染对幸福感的影响更值得关注［14］。正如叶林祥等［15］研究指出：客观存在的环境污染情况并不代表居民主观感知到的污染情况。心理学上的“感知”才是决定幸福感的最直接因素［16］。身处同样的环境当中，不同的人因自身个体上的差异性，对环境污染的感知程度会不一样，进而导致对其幸福感的影响也会不一样。
基于以上考虑，该研究结合2018年中国劳动力动态调查（简称CLDS）数据，系统考察主观感知的环境污染对农民幸福感的影响，并进一步讨论了其作用机制。具体而言，该研究尝试从四个问题切入进行讨论：①主观感知的环境污染是否会显著降低农民幸福感？②主观感知的不同类型的环境污染（空气污染、水污染、土壤污染、噪音污染）对农民幸福感的影响有何不同？③主观感知的环境污染对农民幸福感的影响会在农民个人层面以及区域层面呈现出怎样的异质性特征？④主观感知的环境污染对农民幸福感的影响机制是什么？这些问题的回答有利于揭示农民幸福感的决定机理，探索改善农村地区环境污染和提升农民幸福感的制度安排，对推进共同富裕具有重要的实践价值。
有别于已有的研究，该研究的边际贡献有以下四点：①不同于以往研究侧重分析客观存在的环境污染与居民幸福感的关系，该研究从心理学上的“感知”视角出发，分析主观感知的环境污染对农民幸福感的影响，从而可以丰富和延伸幸福经济学的内涵。②已有文献多数集中于探讨环境污染对城市居民或者特殊的人群（比如老年群体、工人等）幸福感的影响［17］，很少有研究讨论环境污染与农民幸福感之间的关系。中国作为农业大国，农民幸福感的提升是中国推进共同富裕战略的难点堵点所在［18］。该研究将研究对象聚焦于中国目前人口基数最大的农民，是对相关研究的有益补充。③已有文献大多数关注空气污染这一单一维度的环境污染对居民幸福感的影响。该研究分析主观感知的不同类型的环境污染——空气污染、水污染、土壤污染、噪音污染，对农民幸福感的影响，较为全面和系统的结论更具有政策参考价值。④现有对主观感知的环境污染与居民幸福感之间关系的文献中，很少有考虑可观测变量和不可观测变量所导致的选择性偏误以及互为因果等内生性问题，这会导致估计结果出现偏误。该研究利用倾向得分匹配法、逆向概率加权法和逆向概率加权回归调整法纠正可观测变量导致的选择性偏误，并用工具变量法克服不可观测变量导致的内生性问题，从而提高结果的稳健性。
1.1 主观感知的环境污染与农民幸福感
在以往研究中，大多数学者通常就客观存在的SO2和NO等环境污染因素，来讨论其对居民幸福感的影响，很少分析居民自身感知到的环境污染（即主观感知的环境污染）对其幸福感的影响。主观感知的环境污染指个体对客观存在的环境污染做出的主观判断和评价，是客观存在的环境污染与居民心理体验的结合［19］。事实上，相比于客观存在的环境污染，主观感知的环境污染对居民幸福感的影响更值得关注。Mackerron等［14］研究发现，客观存在的环境污染和主观感知的环境污染都会显著降低居民幸福感。然而，客观存在的环境污染并不直接对居民幸福感产生作用，主观感知的环境污染对居民幸福感影响程度更大。Liao等［20］研究发现客观存在的环境污染要通过个体主观感知的环境污染程度而间接对其幸福感产生影响。换言之，相较于客观存在的环境污染，直接讨论主观感知的环境污染对居民幸福感的影响会更有意义。储德银等［6］指出，在新时代，居民对环境等公共品的关注度越来越高，一旦某个地方出现了严重的环境污染问题，各媒体纷纷报道，居民很快就会了解，由此会产生不良的情绪反应，影响其幸福感。综上，该研究提出第一个假说。
假说1：主观感知的环境污染会显著降低农民幸福感。
因群体的特殊性，主观感知的不同类型的环境污染会在不同程度上对居民幸福感造成影响。由于该研究选取的研究对象为农民群体，相比空气污染和噪音污染，土壤污染和水污染对农民幸福感的影响可能要更大。主要原因在于：一方面，相对于空气污染和噪音污染，中国农村的土壤污染和水污染较为严重。在土壤污染方面，《全国土壤污染状况调查公报》指出，全国耕地污染已超国家规定标准率19.4%，中、低质量耕地占比高达72.7%。在水污染方面，2020年公布的《第二次全国污染源普查公报》显示，农业已经成为中国水污染的主要来源：农业生产排放的氮和磷分别占排放总量的46.52%和67.22%。相反，空气污染源和噪音污染源大多数来自工厂和车辆［21］。相较于城市地区，农村地区的空气污染和噪音污染问题不太严重。另一方面，相对于空气污染和噪音污染，土壤污染和水污染对农村农业的影响更大，从而对农民幸福感影响更显著。农民赖以生存的农业生产活动会因土壤污染、水污染问题受到影响，从而降低经济效益。陈文胜［22］的研究表明，土壤污染和水污染会导致农产品质量下降，进而降低农产品在市场上的竞争力，造成巨大的经济损失；
农作物也会因土壤污染、水污染问题被感染，被农民食用后会导致健康受损，进而对农民幸福感造成影响。杨凤飞等［23］指出水污染和土壤污染会严重危害粮食安全问题，进而直接降低人们的健康水平。综上，该研究提出第二个假说。
假说2：主观感知的不同类型的环境污染对农民幸福感的影响不同。具体而言，土壤污染和水污染对农民幸福感的影响程度高于空气污染和噪音污染。
1.2 主观感知的环境污染对农民幸福感影响的异质性
心理学研究表明，对同一类型的环境污染，每个人对其感知程度存在差异，从而导致主观感知的环境污染对不同居民幸福感的影响具有异质性［15］。①主观感知的环境污染对农民幸福感的影响可能因受教育程度不同而有所差异。具体而言，主观感知的环境污染对高学历农民群体幸福感的负向影响更大。主要原因在于受到的教育越多，个体对环境知识的了解越深，主观上感知的环境污染程度会越严重［24］。同时主观感知的环境污染对居民幸福感的影响程度随环境污染等级越高而越强［6］。②主观感知的环境污染对农民幸福感的影响会因地区之间的差异而存在不同。具体而言，相比东部地区农民，主观环境污染对中西部地区农民幸福感造成的负向影响要更大。主要原因在于：东部地区政府对环境污染问题较为重视，环境治理投资较多，而中西部地区因经济发展等原因，政府在环境污染治理方面投入较少，环境污染较为严重。例如，谢骁等［25］的研究发现，中国在加强对东部地区环境污染治理的同时，东部地区的污染型产业也逐渐转移到中西部地区，从而加剧中西部地区的环境污染。长期暴露在较为严重的环境污染中，中西部地区农民会因感知到的环境污染而产生不良的情绪反应，其幸福感的负面影响也越大［24］。③主观感知的环境污染对农民幸福感的影响也因收入不同而存在差异。具体而言，相比高收入农民，主观感知的环境污染对低收入农民幸福感造成的负向影响要更大。主要原因在于：当感知到环境污染时，相比于中高收入人群，低收入人群由于收入水平的限制不能选择自主迁移到高质量的环境区域，其生活受到的影响较大；
而中高收入人群有经济条件追求更高质量的居住环境［15］。综上，该研究提出第三个假说。
假说3：主观感知的环境污染对高学历、中西部地区和低收入农民群体幸福感的负向影更大。
1.3 主观感知的环境污染对农民幸福感的影响机制
农民身体健康、心理健康以及参与农业生产活动是主观感知的环境污染影响农民幸福感的三条可能机制。
首先，居民的个人身体健康状况很大程度上受环境污染的影响，而身体健康又是影响居民幸福感的重要因素。根据相关统计报告，从2015年开始，全球每年约900万人因环境污染问题导致过早死亡。其中，病因分析显示：大多数人由于长期生活在恶劣的环境中而患肺癌、哮喘和心脏病等疾病，进而直接或间接导致加速死亡［26］。Ebenstein［27］的研究发现水污染会增加附近居民消化道癌患病率，严重危害到居民的正常生活和身体健康。宋丽颖等［28］研究发现居民的健康状况随着本地环境污染程度的不断加剧而变差。Mackerron等［14］的研究表明长期生活在恶劣的环境中，会增加居民对自身身体健康风险的忧虑，从而减低其幸福感。
其次，环境污染不仅会对居民身体健康造成伤害，还会直接影响居民心理健康，从而降低居民幸福。Taşkaya［29］的研究指出环境污染会直接或间接地通过影响居民的心理状况和健康，进而影响到他们的主观幸福感。Kim等［30］的一项实验研究发现，实验人员在观看有关城市污染的新闻报道并让他们想象生活在恶劣的环境当中之后，大多数实验人员出现抑郁、焦虑和愤怒等心理消极情绪。陆杰华等［31］研究发现长期生活在糟糕的环境中，人会在心理上担忧有患疾病的风险，导致心理压力剧增，生活幸福感和满意度下降。李卫兵等［32］的研究指出，居民会因为感知到环境污染问题而减少外出，长时间“被迫”待在室内会产生厌烦情绪，同时由于无法参加释放情绪的活动，进一步加重居民心理负担。
再次，如前文所述，环境污染会对农民赖以生存的农业生产活动造成破坏。农民为处理污染需付出更多的时间成本，从而可能会影响到农民生产活动的积极性，进而降低其幸福感。陈文胜［22］的研究发现，环境污染会降低农业生产效率和质量，从而对农民的生产活动造成不良影响，农民生产的积极性因此受到打击。感知到的环境污染越严重，农民为保护农地不得不选择延长务农时间去处理污染。长时间的务农会挤压农民的休息时间和其他活动时间，进而直接导致其生活积极性受挫和幸福感下降。综上，该研究提出第四个假说。
假说4：主观感知的环境污染通过影响农民身体健康、心理健康和务农时间这三条路径，对农民幸福感造成影响。
2.1 数据来源
该研究使用的数据主要源自中国劳动力动态调查数据（China Labor-force Dynamic Survey，简称CLDS）。CLDS调查内容同时包含村居、个体和家庭三个层面数据，调查样本覆盖中国29个省份（除港澳台、西藏、海南外）。该研究选用最新的2018年CLDS数据进行实证分析。研究群体为农民，在删除非农村地区、主要变量缺失值和异常值等样本后，共剩余5 028份有效样本。
2.2 变量选择
2.2.1 被解释变量：农民幸福感
被解释变量为农民幸福感。在CLDS个体调查问卷中谈到幸福感问题时，受访者被问到“总的来说，您认为您的生活过得是否幸福？”。回答选项用数字1～5对幸福感进行赋值，1和5分别代表“非常不幸福”“非常幸福”，数值越大即表示受访者感觉越幸福。
2.2.2 核心解释变量：主观感知的环境污染
核心解释变量为主观感知的环境污染。借鉴乐章等［33］的方法，使用两个指标来度量主观感知的环境污染：一是分类别的环境污染（空气污染、水污染、噪音污染和土壤污染）评价得分情况；
二是总体环境污染得分情况，即上述四种环境污染总体得分。在CLDS家庭调查问卷中谈到环境污染问题时，受访者被问到“您认为在您家居住的地方，下面的这些问题的严重程度如何？”，问题分别包含了空气污染、水污染、噪音污染和土壤污染，回答选项用数字1、2、3、4对环境污染程度进行赋值，分别代表了“非常严重”“比较严重”“不太严重”和“一点也不严重”。为方便理解，对各个污染指标进行重新编码，1表示“一点也不严重”，2表示“不太严重”，3表示“比较严重”，4表示“非常严重”。数值越大，表示农民对环境污染的主观评价越严重。
2.2.3 控制变量
（1）个体特征。主观感知的环境污染对农民幸福感的影响还会受到个体社会人口特征因素的影响。参考已有的研究，控制变量包括性别、年龄、政治面貌、宗教信仰、受教育程度、收入、工作状况、婚姻状况、是否农村户籍、有无忧郁状况、家庭人口数量、对公共治安的评价、有无养老保险和有无合作医疗［4-5］。另外，考虑到年龄和农民幸福感之间可能存在非线性关系，加入了年龄的平方这一变量因素［4］。
（2）农村宏观经济特征。具体包括人均GDP和所在地区的绿化覆盖率。由于CLDS数据中未包含人均GDP的数据，该研究使用2018年《中国城市统计年鉴》的数据与CLDS数据进行匹配，最终成功匹配25个省和直辖市的人均GDP数据，并对其进行对数化处理。
2.3 变量描述性统计
上述变量的定义、赋值及其描述性统计结果见表1。表中数据初步显示，中国农民幸福感的平均值为3.748，处于中高水平。回答“幸福”和“非常幸福”的农民比例占约64%，仅有约7%的农民回答“不幸福”和“非常不幸福”。在主观感知的环境污染中，农民主观感受到的水污染程度最高，噪音污染程度最低。样本中，男性所占比例约为55.2%，平均年龄约为50岁，大部分农民只接受了初中教育。92.8%的农民都从事务农、外出打工、自主创业和帮忙家庭生意等工作活动。这和中国农村的基本情况相符合，说明样本可以代表全国农民的基本情况。
表1 变量定义、赋值及其描述性统计结果
2.4 模型设定
2.4.1 基准回归——Oprobit模型
该研究的被解释变量“农民幸福感”赋值从1至5，是典型的有序分类变量，应该采用Oprobi（t或Ologit）模型进行估计。采用Oprobit进行基准回归，同时使用Ologit模型和OLS模型验证结果稳健性。
Oprobit模型需要使用潜变量计算出极大似然估计量。
其中：Pollutioni表示第i位农民的主观感知的环境污染评价；
Happiness*i表示第i位农民幸福感的潜变量；
Happinessi表示第i位农民的幸福感，两者之间的关系为：
式（2）中：当Happiness*i低于K1时，农民的主观感受会处于非常不幸福的水平，即Happinessi=1；
当Happiness*i高于K1且低于K2时，农民的主观感受会处于不幸福的水平，即Happinessi=2；
依次类推，当Happiness*i高于K4时，农民的主观感受会处于非常幸福的水平，即Happinessi=5。
2.4.2 纠正选择性偏误——倾向得分匹配法
如果农民对环境污染的主观评价是外生的，可以直接使用上述Oprobit模型进行回归。但农民对环境污染的主观评价并不一定满足随机抽样，Oprobit模型的回归结果可能会产生选择性偏误。因此，参照祝仲坤等［3］的方法，使用倾向得分匹配（PSM）方法纠正选择性偏误。PSM的方法步骤为：
第一步，根据可观测到的混淆变量，运用Logit模型模拟计算农民主观感知的环境污染的倾向得分。P(Xi)为农民主观感知的环境污染的倾向得分值，Xi是可观测到的混淆变量，与基准回归中的控制变量基本相同。公式为：
第二步，使用不同匹配方法，根据第一步得到的农民主观感知的环境污染倾向得分对处理组和控制组样本进行匹配。
第三步，根据成功匹配的样本，通过计算处理组和控制组农民幸福感之间的平均差异，得到主观感知的环境污染与农民幸福感之间的系数，也即PSM中处理组的平均处理效应（ATT）。其中y1i为处理组估计结果，y0i为与处理组匹配的控制组的估计结果。
同时，考虑到PSM方法可能会存在稳健性不足的情况，借鉴Linden等［34］的方法进一步运用逆向概率加权法（IPW）和逆向概率加权回归调整法（IPWRA）进行分析，以得到更具稳健性的ATT结果。
IPW和IPWRA方法下的ATT可以分别表示为：
2.4.3 内生性问题处理——工具变量方法
PSM方法可以纠正可观测到的变量所导致的选择性偏误问题，然而除了可观测到的变量，在实证研究中可能还会遇到不可观测到的变量所导致的选择性偏误和互为因果等内生性问题。因此，使用工具变量法来解决内生性问题引起的估计偏误。合格的工具变量必须与内生解释变量相关并且与影响核心被解释变量的随机扰动项不相关［6］。该研究使用受访农民所在地区除去自身后的其他农民平均主观感知的环境污染作为工具变量。公式（7）为第一阶段估计式，被解释变量为主观感知的环境污染，主要解释变量为当地除自身后的农民平均主观感知的环境污染；
公式（8）为第二阶段估计式，被解释变量为农民幸福感，主要解释变量为主观感知的环境污染的拟合值；
α、β为待估计参数，γ为待估计系数的向量，ρi和κi为随机扰动项。
3.1 基准回归
表2列出了主观感知的环境污染影响农民幸福感的计量分析结果。表中列（1）—列（3）为Oprobit方法回归结果，其中列（1）和列（2）分别为只有核心解释变量和控制了个体与社会特征变量的回归结果，列（3）为进一步控制宏观经济变量的回归结果。同时，为了验证结果稳健性，再分别使用Ologit和OLS模型进行估计，结果见列（4）和列（5）。
表2 基准分析结果：主观感知的环境污染对农民幸福感的影响
回归结果表明，无论是否控制个体、社会和宏观经济特征变量，还是使用不同的计量方法，农民主观上感觉到的环境污染对其幸福感均有显著的负向影响，假说1成立。具体而言，从列（3）Oprobit、列（4）Ologit和列（5）OLS的结果来看，农民主观感知的环境污染评价每提高一个等级，其感受到“非常幸福”的概率分别降低了1.8%、3.2%和1.5%。
个体、社会和宏观经济特征等控制变量绝大部分对农民幸福感也产生了显著影响。男性的幸福感至少在5%统计水平下显著低于女性。这可能是由于在传统农村大男子主义思想的影响下，男性要承担更多的家庭责任，还要面对更多的社会压力［6］。年龄与农民幸福感之间呈正“U”型的关系，表明农民幸福感开始随着年龄的上升而降低，到了一定年龄后，又会随着年龄上升而提高。这可能是因为随着年龄的提高，工作、婚姻、子女、房贷等生活压力会越来越多，幸福感降低；
而中老年之后这些压力会开始慢慢减少，幸福感上升［35］，这与目前的现实状况相符合。党员身份对居民的幸福感有显著正向影响，这可能是因为党员的身份会给人带来额外的荣誉感和自豪感［6］。此外，随着教育程度的提升，农民的幸福感会显著地增加，这也在某种程度上证实了教育对改善民生幸福的重要意义。有配偶的农民幸福感相比于单身的人要高，这可能是两个人在一起可以通过相互交流、陪伴、鼓励获得心理上的满足以及更容易克服生活压力的原因［35］。从人均GDP来看，宏观经济的增长并没有提升农民的主观幸福感，这表明中国出现了“伊斯特林悖论”，即更多的财富并没有带来更大的幸福［4］。
进一步，该研究基于Oprobit方法分析四种不同类型主观感知的环境污染中（空气污染、水污染、噪音污染和土壤污染）对农民幸福感的不同影响，回归结果见表3。相比空气污染和噪音污染，水污染和土壤污染对农民幸福感的负面影响程度更强，假说2成立。这说明，为进一步提高农民的幸福感，农村的水污染和土壤污染治理应成为未来中国农村环境污染治理的重点作用领域。
表3 基准回归：不同类型主观感知的环境污染对农民幸福感的影响
3.2 纠正选择性偏误
该研究使用PSM方法纠正因样本随机抽样而导致的选择性偏误问题。PSM方法首先需要验证共同支撑假设和平衡性假定以确保匹配质量和估计结果的有效性。图1表示处理组和控制组农民样本在匹配后的密度函数图。可以看出，匹配后的处理组和控制组的倾向得分区间基本是重叠在一起的，这表明大多数观测值都在共同的取值范围内，只会损失少量样本，满足共同支撑假设的条件。
图1 共同支撑假设
进一步，根据匹配前后的伪R2、卡方值、偏差均值、B值、R值，从整体上检验匹配是否满足平衡性假定的条件，见表4。匹配平衡性假定条件得到充分满足的判断标准为：匹配后的伪R2值、卡方值和偏差均值应该显著下降，并且联合显著性检验应当被拒绝，B＜25%以及R在［0.5，2］内［36］。从表4结果看，匹配后的结果基本符合平衡性假定条件，表示匹配可以减少处理组和控制组可观测变量的系统性差异，整体样本基本匹配成功。
表4 平衡性假定检验
进一步根据Logit模型估计出农民主观感知的环境污染的倾向得分值，再分别用近邻匹配法、半径匹配法以及核匹配法对处理组和控制组进行匹配。近邻匹配即寻找倾向得分最近的k个不同组个体；
半径匹配即限制倾向得分的绝对距离，选择卡尺半径为0.005和匹配更为严格、精确的0.001；
核匹配即根据核函数计算平均权重进行匹配。
最后，计算经过匹配后处理组和控制组的ATT值，结果见表5。近邻匹配、半径匹配和核匹配的ATT结果均在1%的统计水平上显著为负，说明在减小了样本间可观测到的系统性差异后，相比于认为环境污染不严重的农民，认为环境污染严重的农民的幸福感更低，与基准分析结果相符。
表5 不同倾向得分匹配法的结果
同时，陈强［37］指出，虽然PSM方法能减小样本间可观测到的系统性差异，但若错误地选择了不合适的模型或者混淆变量，该方法的结果稳健性仍然有局限。因此，该研究使用更具稳健性的逆向概率加权方法（IPW）和逆向概率加权回归调整法（IPWRA）来进一步纠正选择性偏误。两种方法估计的ATT结果见表6。可以看出，两种方法得到的ATT与PSM方法得到的ATT的结果虽然在数值上有所差异，但在显著性和方向上完全一致，这也从侧面证实了基准结果是稳健的。
表6 IPW方法和IPWRA方法的结果
3.3 内生性检验
尽管PSM、IPW和IPWRA方法能够纠正可观测变量引起的选择性偏误，可是正如叶林祥等［15］所述，主观感知的环境污染和农民幸福感之间可能还会存在不可观测到的变量所导致的选择性偏误以及互为因果等内生性问题。解决内生性问题通常使用普通的工具变量法，如两阶段最小二乘法（2SLS），但由于主观感知的环境污染和农民幸福感均为离散变量，使用连续变量的2SLS法可能不太合适［3］。因此，借鉴李湛等［35］的研究，使用基于IV-Oprobit模型的工具变量法进行内生性检验，将受访者所在地区除去自身后的农民平均主观感知的环境污染作为工具变量。
结果列于表7，其中列（1）为当地其他农民平均主观感知的环境污染对该农民幸福感的估计结果。结果显示，在控制主观感知的环境污染和其他变量时，当地其他农民平均主观感知的环境污染对该农民幸福感的估计结果不显著，说明工具变量具有外生性。列（2）和列（3）分别为当地其他农民平均主观感知的环境污染的第一、二阶段的估计结果。从列（2）的估计结果可知，当地其他农民平均主观感知的环境污染对该农民主观感知的环境污染有显著的正向影响，证实了工具变量是有效的。从列（3）的估计结果可知，主观感知的环境污染会显著降低农民幸福感，且系数的绝对值比基准回归中的估计结果要大。这说明主观感知的环境污染的确降低了农民幸福感，并且在克服内生性问题后，主观感知的环境污染对幸福感的影响有所加强。
表7 内生性检验
3.4 稳健性检验
该研究进行三个稳健性检验。
（1）更换被解释变量的赋值。农民幸福感的度量往往是由微观个体的主观评价所做出的判断，可能会存在测量误差问题。比如，由于自身认知水平的不同，不同农民对幸福感“一般”的界定存在差异，从而导致其在“幸福”和“一般”“不幸福”和“一般”之间无法正确抉择，进而农民报告的幸福水平会偏低或者偏高［35］。借鉴高琳［38］的做法，对农民幸福感进行重新赋值。具体做法为：如果存在低报自身幸福水平，便把“非常不幸福”和“不幸福”赋值为0，将“一般”“幸福”和“非常幸福”赋值为1；
如果存在高报自身幸福水平，便把“非常不幸福”“不幸福”和“一般”赋值为0，将“幸福”和“非常幸福”赋值为1。
（2）使用生活满意度作为新的被解释变量。在幸福经济学中，对幸福感的表述不仅有主观幸福感，还有生活满意度［4］。该研究使用生活满意度作为新的幸福感度量方法进行稳健性检验。在CLDS个体调查问卷中谈到幸福感问题时，受访者被问到“总体来说，您对您的生活状况感到满意么？”。回答选项用数字1～5对生活满意度进行赋值，1和5分别代表“非常不满意”和“非常满意”，数值越大即表示受访者对生活状况越满意。
（3）使用第三方调查员和农民主观感知的环境污染评价的加总值作为新的核心解释变量。乐章等［33］提出由于村庄内部环境污染积累存在长期过程，农民对污染感知的敏感性可能会随着居住时间的延长而降低，从而使得农民主观感知的污染评价出现误差。第三方的评价可以作为一种外部平衡机制，能够有效完善农民组织内部对环境污染评价的不足［39］。借鉴乐章等［33］的方法，合并加入第三方调查员主观感知的环境污染评价，作为新的主观环境污染评价衡量指标。第三方调查员对各种污染的评价为“没有此类污染”“不严重”“一般”“比较严重”“非常严重”，并分别为其赋值为1、2、3、4、5。将第三方调查员和农民主观感知的环境污染评价合并之后会得到一个总分在8～36分之间的综合主观感知的环境污染评价指标，数值越高表示综合主观感知的环境污染评价越严重。
表8列出了上述三个稳健性回归的结果，其中列（1）和列（2）分别为高报和低报幸福感的结果，列（3）为将幸福感替换为生活满意度的结果，列（4）为合并加入第三方调查员对环境污染的主观评价后的结果。从结果来看，无论是将幸福感重新赋值还是替换为生活满意度，主观感知的环境污染至少在10%的显著水平上对农民幸福感存在负向影响。将农民主观感知的环境污染合并第三方调查员主观感知的环境污染替换原来的核心解释变量后，结果表明综合主观感知的环境污染在5%的显著水平上对农民幸福感有负向影响。综上，在排除幸福感的测量误差、幸福感的度量方式问题和农民对环境污染评价的主观性等问题后，结果依然稳健。
表8 稳健性检验
3.5 异质性分析
该研究从受教育程度、区域、收入三个层面对主观感知的环境污染降低农民幸福感的影响进行异质性分析，结果见表9。结果表明，相比低学历、东部地区和高收入的农民，主观感知的环境污染对高学历、中西部地区、低收入农民幸福感的负向影响更强，假说3成立。
在受教育程度方面，将样本分为低学历群体和高学历群体。具体地，将学历在大专、本科及以上的农民定义为高学历群体，其他农民则定义为低学历群体。表9的列（1）和列（2）给出了回归结果。可以发现：主观感知的环境污染对低学历农民和高学历农民的幸福感都在5%的显著水平上有负向影响，但是高学历农民回归系数的绝对值略高于低学历农民。可能原因在于：随着受教育程度的提高，农民对环境知识的掌握程度更深，其对主观感知的环境污染程度的评价会越严重［15］。由前文实证结果可知，农民对主观感知的环境污染评价越严重，对其幸福感的负向影响也更大。因此，相比低学历农民，主观感知的环境污染对高学历农民幸福感的影响会较大。
在区域方面，将样本分为东部和中西部。表9的列（3）和列（4）给出了回归结果。可以发现，主观感知的环境污染对中西部地区农民幸福感在5%水平上存在负效应，而对东部地区农民幸福感的影响在统计水平上不显著。这表明相比于东部地区农民，中西部地区农民因主观感知的环境污染而使其幸福感降低更为明显。可能的原因在于：一方面，东部农村地区的工业经济发展比较迅速，而中西部则更偏农业型经济［40］。中西部地区农民收入来源更加依赖于农业经济，环境污染对中西部地区农业的影响更大，进而导致环境污染对其幸福感的影响越大［41］。另一方面，目前我国东部地区的环境污染整治初显成效，同时东部地区的污染性产业整体也呈西迁态势，导致中西部地区的环境污染逐渐加剧，中西部地区农民幸福感受到环境污染的冲击较大［25］。因此，相比东部地区农民，主观感知的环境污染对中西部地区农民幸福感的负向影响会更显著。
表9 异质性分析
在收入方面，根据农民个人收入水平的平均值将样本分为低收入组和高收入组，其中低收入区间为0～24 479.9元，高收入区间为24 479.9元及以上。表9的列（5）和列（6）给出了回归结果。可以发现：主观感知的环境污染对低收入农民幸福感在5%的显著水平上有负向影响，而对高收入农民幸福感的影响在统计水平上不显著。可能的解释是：一方面，低收入农民一般从事的是农业生产活动，而高收入农民更多从事的是非农生产活动［42］。相比非农生产活动，环境污染对于低收入农民赖以生存的农业生产活动影响更大，进而导致环境污染对其幸福感的影响越大。另一方面，低收入农民在感知到环境污染时，由于经济条件有限而难以迁移到高质量的环境区域和承担环境污染额外造成的就医成本，其生活受到的影响较大［6］。因此，相比高收入农民，主观感知的环境污染对低收入农民幸福感的负向影响会更强。
表9的异质性分析是从受教育程度、区域、收入三个独立的层面展开，然而，主观感知的环境污染对同一地区的不同收入、不同受教育程度农民的幸福感可能存在差异，有必要在上述三个变量的交互层面进一步开展异质性分析。考虑到样本数量，该研究对区域和收入层面进行了交互分析（由于样本数量的限制，计量软件无法给出区域和受教育程度、收入和受教育程度的交互层面分析结果），结果见表10。可以发现：主观感知的环境污染对中西部低收入农民、中西部高收入农民和东部低收入农民幸福感在不同显著水平上存在负向影响，而对东部高收入农民幸福感的影响在统计水平上不显著。该结论再次印证了主观感知的环境污染对低收入农民幸福感有显著的负向影响，而对高收入农民幸福感的影响不显著。
上文分析表明，主观感知的环境污染会导致不同的农民幸福感显著降低。但是主观感知的环境污染导致农民幸福感降低的机制仍需要进一步分析。前述理论分析提出：身体健康、心理健康和务农时间是主观感知的环境污染影响农民幸福感的三个作用机制。基于此，使用Baron等［43］提出的中介效应模型对这三条影响路径进行检验。
其中：Mediani为中介变量，分别包括身体健康（用农民身体健康程度状况表示，1=非常不健康、2=比较不健康、3=一般、4=健康、5=非常健康）、心理健康（用农民每周感到情绪低落的时间度量，1=少于1天、2=1～2天、3=3～4天、4=5～7天）以及务农时间（用农民每日务农时间占比衡量）；
οi、ζi、ϱi分别为随机扰动项，其余参数设定和基准回归模型一致。影响机制是否存在的判断标准为：如果式（11）中介变量Mediani的系数ξ和核心解释变量Pollutioni的系数β6都显著，并且相比β4，β6的绝对值更低，则说明存在影响机制。进一步通过Sobel检验来证明中介效应的有效性，并报告中介效应占比（由β5、ξ与β4之比计算得出）［36］。
结果见表11。列（2）结果显示，主观感知的环境污染在1%水平下对农民身体健康有显著负向影响。同时，列（3）结果表明，核心解释变量主观感知的环境污染和中介变量农民身体健康的系数都显著。且相比于列（1）中的回归系数，主观感知的环境污染对农民幸福感的回归系数（绝对值）有所下降，证明存在部分中介效应，且中介效应占比为19.1%，即农民身体健康是主观感知的环境污染影响农民幸福感的机制之一。主观感知的环境污染通过损害农民身体健康水平的方式来降低其幸福感。同理，列（5）、列（7）中的核心解释变量主观感知的环境污染和中介变量农民心理健康、农民每日务农时间占比的系数也都显著，并且农民心理健康和农民每日务农时间占比的回归系数（绝对值）都下降了。结果表明农民心理健康和农民务农时间也是主观感知的环境污染影响农民幸福感的作用机制，且中介效应占比分别为11.7%和5.4%。即主观感知的环境污染通过损害农民心理健康和延长务农时间的方式，进而降低其幸福感。三个中介变量的Sobel检验也在不同统计水平上显著，进一步证实了中介效应的存在，假说4成立。
表11 主观感知的环境污染对农民幸福感的影响机制分析
该研究使用2018年CLDS数据实证分析了主观感知的环境污染对农民幸福感的影响，并进一步讨论了其作用机制。研究发现：①基准回归结果表明，主观感知的环境污染会显著降低农民幸福感，并且相比空气污染和噪音污染，土壤污染和水污染对农民幸福感的负向影响更强。在采用倾向得分匹配法、逆向概率加权法和逆向概率加权回归调整法纠正选择性偏误，使用基于IV-Oprobit的工具变量法克服内生性问题，替换了核心解释变量和被解释变量等一系列稳健性检验，研究结论依然稳健。②异质性分析结果发现，相比低学历、东部地区、高收入的农民，主观感知的环境污染对高学历、中西部地区、低收入的农民幸福感的负向影响更加显著。③机制分析表明，农民身体健康、心理健康以及务农时间是主观感知的环境污染影响农民幸福感的三个作用机制。
为进一步提高农民幸福感，实现共同富裕和全面推进乡村振兴，结合上述研究结论，提出政策建议：①继续加大对农村环境污染的治理，尤其是农村土壤污染和水污染的治理力度，进一步扩大生态环境治理对农民幸福感的提升效果。尽管研究发现直接影响农民幸福感的是其主观感知到的环境污染，但主观感知的环境污染建立在客观存在的环境污染状况之上，归根溯源，仍需首先整治客观存在的环境污染。习近平提出：良好生态环境是最公平的公共产品，是最普惠的民生福祉。然而目前中国农村污染整体治理情况依旧不容乐观，土壤污染和水污染尤为严重，需要着重整治。②由于主观环境污染对中西部地区和低收入群体农民幸福感的负向影响明显大于东部地区和高收入人群，为此，应进一步加大对中西部地区农村环境污染的治理，避免环境污染项目向中西部欠发达地区转移，缩小中西部地区由于环境污染而导致的“幸福差距”。同时也要关注低收入群体的农村环境污染治理，提高低收入群体的幸福感。
该研究具有重要的理论价值，具体来讲，有以下两个方面。①该研究丰富和延伸了幸福经济学的内涵，是对探讨环境污染和幸福感关系文献的有效补充。以往的研究大多侧重分析客观存在的环境污染对居民幸福感的影响［8，10，17，31］。该研究从心理学“感知”视角出发，探讨主观感知的环境污染和农民幸福感的关系，拓展了对增强农民幸福感的新角度。同时发现，主观感知的环境污染通过农民身体健康、农民心理健康和农民务农时间三种路径在影响农民幸福感中发挥作用。此发现更为清晰地了解主观感知的环境污染影响农民幸福感的作用机理，从而能够选择针对性方案来减弱主观感知的环境污染对农民幸福感的负向影响。②该研究分析了主观感知的不同类型环境污染（空气污染、水污染、土壤污染和噪音污染）对农民幸福感的影响。已有文献大多主要研究空气污染这一单一维度的环境污染对居民幸福感的影响［6，10，12，15］。该研究同时讨论主观感知的四种环境污染对农民幸福感的影响，得出的研究结论更为全面且合理。研究发现相比空气污染和噪音污染，土壤污染和水污染对农民幸福感的负向影响更大。此发现有助于理解农民幸福感的决定机理、探索改善农村地区的重点污染项目和完善提升农民幸福感的制度设计。
不过，需要指出的是，该研究在研究数据、研究方法、结果分析方面还有待进一步深入和细化。在研究数据方面，由于该研究使用的是2018年CLDS横截面板数据且样本数量有限，难以对主观感知的环境污染和农民幸福感之间的因果关系进行较为严谨的识别，也无法在变量的交互层面上进一步评估异质性。未来的研究可基于大样本的纵向面板数据，深入检验该研究的结论。在研究方法方面，尽管该研究使用了多项计量方法来处理内生性问题，提升了研究结论的可靠性，仍然无法做到精准的因果识别。未来研究可以采用随机干预实验等田野实验方法来更好地识别主观感知的环境污染与农民幸福感之间的因果关系。在结果分析方面，受限于数据可获性，该研究没有在同一框架下比较客观存在的环境污染和主观感知的环境污染对居民幸福感的影响差异，未来的研究可在此方面进一步深化。
猜你喜欢 主观环境污染变量 “互联网+”时代环境污染治理转型发展分析与思考皮革制作与环保科技(2022年16期)2022-10-15我国环境污染犯罪治理机制中的不足及对策法制博览(2020年1期)2020-02-25后印象小资CHIC！ELEGANCE(2019年33期)2019-11-22有主观小量倾向的“数+量/名+之+形/动”格式参花（上）(2019年2期)2019-02-14挣多少钱，才可以买到快乐世界博览(2018年11期)2018-06-11对立与存在北极光(2016年6期)2016-08-17分离变量法：常见的通性通法新高考·高二数学(2014年7期)2014-09-18不可忽视变量的离散与连续福建中学数学(2011年9期)2011-11-03轻松把握变量之间的关系中学生数理化·七年级数学北师大版(2008年5期)2008-10-14２００８年高考中的环境污染与保护类试题中学生数理化·高一版(2008年10期)2008-06-15