基本信息

标题

Impacts of PM2.5 air pollution on high-skilled worker productivity in China
PM2.5空气污染对中国高技能工人生产力的影响

发表时间

2026-09-21

作者

Xiaofang Dong 1,2 , Liecheng Qiao3 & Yinggang Zhou1,2,4

作者机构

1 厦门大学经济学院宏观经济研究中心，厦门，中华人民共和国
2 厦门大学王亚南经济研究院，厦门，中华人民共和国
3 合肥工业大学经济学院，合肥，中华人民共和国
4 厦门大学经济学院金融系，厦门，中华人民共和国

期刊

Nature Human Behaviour

DOI

10.1038/s41562-026-02576-4

摘要

空气污染对劳动生产率的短期影响主要在体力要求较高的职业背景下进行研究。在此，我们考察了空气污染对中国学者个人学术出版物的因果影响。使用工具变量设计，并结合空气质量数据与出版物书目数据集，我们发现，PM2.5（直径小于2.5微米的颗粒物）年浓度每增加1 μg m−3，会导致出版物数量下降0.23%（P < 0.01；95%置信区间，−0.0028至−0.0017）。研究期间的平均PM2.5浓度为45.91。PM2.5浓度每增加1%，全国范围内的出版物数量减少约1,053篇。这种效应在污染严重的年份更为明显，尤其是在高生产力和年轻学者中。进一步的分析表明，较高的污染水平减少了学术工作时间，增加了医院就诊次数，并阻碍了学术合作。

导读

该研究利用工具变量法，结合 bibliographic 与手机信令数据，考察中国学者生产力受 PM2.5 影响。发现污染显著降低发文量，机制涉及减少工时、增加就医及阻碍合作，青年与高产者受损更重。

引言

研究背景

空气污染对劳动生产率的短期影响主要在体力要求较高的职业背景下进行研究，而关于其对高技能劳动力累积影响的研究相对有限。学者作为高技能劳动力的典型代表，其工作具有需要持续专注、复杂问题解决以及生产周期长等特点，且工作时间灵活，易受污染导致的办公时间中断及协作意愿降低的影响，因此是研究空气污染认知效应的重要群体。

科学问题与动机

尽管现有文献已证实空气污染会损害短期劳动生产率，但针对需要持续智力投入的高认知需求任务（如学术研究）的累积影响尚缺乏充分的实证证据。鉴于空气污染对大脑活动的短期影响已确立，探究其对中国学者学术产出的因果影响及累积效应，对于理解高技能劳动力的生产力决定因素具有重要的科学意义。

现有研究不足

既往研究多集中于体力劳动或低技能室内职业，或仅关注特定领域及小样本高技能工作者，且多侧重于短期即时效应，缺乏对高技能劳动力长期累积影响的深入探讨。此外，现有研究在解决学者空间自选择偏差、个体迁移带来的内生性问题，以及揭示空气污染影响高技能劳动力生产率的具体微观机制（如工作时长、健康状况及协作模式）方面存在不足。

研究目标与创新

本文旨在利用中国学者2015至2022年的大规模面板数据，实证检验空气污染对高认知需求劳动力生产率的因果影响。研究的创新之处在于：构建了涵盖全学科的中国学者学术产出数据库，克服了以往样本局限；采用工具变量法及个体固定效应模型有效解决了内生性及迁移偏差；策略性利用手机信令数据，从减少在校工作时长、增加医院就诊次数及阻碍同城机构间协作三个维度，深入揭示了空气污染影响学者生产率的微观机制。

方法

数据来源与类型

数据源自Web of Science的SCI/SSCI库，涵盖2015至2022年至少一位作者 affiliation 在中国大陆的299万篇论文。通过姓名与机构识别约383万名学者，构建个体层面面板数据。空气污染数据来自中国环境监测总站的地面监测站PM2.5浓度，经地理编码匹配至学者所在机构最近站点，排除距离超50公里样本，形成年度暴露指标。

核心方法或技术

采用双向固定效应模型，控制个体及城市-年份固定效应与气象变量。为解决内生性，使用NASA MERRA-2热逆温数据作为PM2.5的工具变量进行两阶段最小二乘法估计。非线性效应通过将PM2.5分为五个浓度区间检验。利用手机信令数据，结合APP使用记录与工作灵活性，识别五市11所高校10,147名教师的每日出勤与工作时长。

研究过程或实验步骤

首先清洗出版数据，按作者数均分贡献，计算发表间隔期的年均PM2.5暴露量。其次，建立基准回归模型评估污染对论文数量的影响，并引入工具变量修正偏差。接着，通过分组回归分析不同污染程度、学科及学者特征的异质性。最后，结合手机信令数据与医院访问记录，实证检验工作时长、健康状况及合作模式在污染影响生产力过程中的中介机制作用。

方法创新点或亮点

创新性地利用高分辨率手机信令数据精准识别学者日常行为，揭示污染通过减少办公时长、增加就医及阻碍同城跨机构合作进而降低生产力的微观机制。提出基于发表间隔期的暴露度量法，更准确反映累积效应。结合热逆温工具变量与Heckman模型，有效解决了空间排序与迁移带来的内生性偏误，提供了高技能劳动力受污染影响的因果证据。

结果

PM2.5浓度升高显著降低学者学术产出数量与质量

基于工具变量法的估计结果显示，年均PM2.5浓度每增加1微克/立方米，导致每位学者发表的未加权论文数量下降0.23%（P<0.01；95%置信区间为-0.0028至-0.0017），同时使经期刊影响因子加权的论文数量下降0.67%（P<0.01；95%置信区间为-0.0085至-0.0049）。在研究期间，中国学者面临的平均PM2.5浓度为45.91微克/立方米。据测算，PM2.5浓度每上升1%，全国范围内将减少约1,053篇学术论文发表。这一负向效应在控制个体固定效应、城市年度固定效应及天气变量后依然稳健，表明空气污染对高技能劳动力的认知型产出具有显著的累积性抑制作用，且该效应构成了总体产出变化的重要部分。

重度污染天数对学术产出的非线性负面影响更显著

通过将日均PM2.5浓度划分为不同区间进行非线性分析，发现相对于安全水平（0–35微克/立方米），处于中高污染区间（35–75、75–115及115–150微克/立方米）的天数比例增加，对学术产出的边际负面效应呈递增趋势。具体而言，对于未加权论文，上述三个区间的估计系数分别为-0.0007、-0.0009和-0.0019（均P<0.01），显示出污染越严重，产出下降幅度越大。然而，当PM2.5浓度超过150微克/立方米时，负面效应略有减弱至-0.0010（P<0.01），这可能反映了学者在极端污染情境下采取了佩戴防护装备或减少暴露等适应性行为，从而在一定程度上缓冲了生产力的损失，而中度污染因缺乏警惕性反而导致更无缓解的暴露与产出下降。

污染通过减少工时、增加就医及阻碍合作影响生产力

机制分析利用手机信令数据与医院访问记录显示，空气污染主要通过三条路径降低学者生产力。首先，污染导致学者校园出勤率下降及工作时间缩短，日均PM2.5每增加1%，通勤学者的总工作时长减少0.01%，主要表现为上班推迟而非早退，年轻与女性学者受影响更甚。其次，污染暴露增加了健康风险，数据显示污染天后学者的医院就诊频率显著上升，尤其是滞后两天的效应显著，且老年学者就诊时长增加。最后，空气污染阻碍了学术合作，特别是同一城市内不同机构间的面对面协作显著减少（系数-0.0102，P<0.01），而跨国或跨城合作受影响较小，表明本地近距离的学术交流更易受空气质量恶化的干扰，进而制约整体科研产出效率。

结论

空气污染显著抑制高技能学者科研产出

本研究证实PM2.5浓度升高对学者学术发表具有显著因果负效应，且该影响在重度污染年份及高生产力、年轻学者群体中更为剧烈。这一发现拓展了关于空气污染损害高认知需求劳动生产力的文献，表明即便对于拥有灵活工作制的高技能室内工作者，累积性污染暴露仍会通过削弱认知功能与逻辑推理能力，导致其长期科研产出效率出现实质性下降，揭示了环境质量对创新驱动型人力资本的重要制约作用。

减少工时与阻碍协作是主要传导机制

机制分析揭示污染通过三条路径降低生产力：一是引发规避行为，导致学者推迟到岗或减少在校办公时间，从而压缩高效劳动供给；二是损害身体健康，增加医院就诊频率并进而 impair 认知表现；三是抑制同城内跨机构面对面学术交流与合作。特别是利用手机信令数据证实，污染显著减少了学者的在校出勤率与工作时长，且阻碍了依赖实地互动的本地科研协作网络，这些行为调整共同构成了生产力受损的微观基础。

研究存在测量误差与样本识别局限

本研究存在若干局限。首先，以发表间隔界定暴露窗口隐含了研究串行完成的假设，忽略了并行项目导致的暴露低估，故结果仅为保守下限。其次，基于姓名和机构识别学者可能产生同名混淆，虽使用ORCID校正但引入样本选择偏差。最后，利用手机数据识别教师身份时，尽管施加多重限制，仍难以完全排除误将学生或行政人员纳入样本的风险，这可能对通勤与工时分析的精确性构成潜在干扰。

主要图表

表 1. 空气污染对发表的影响

图 1. 空气污染对学者表现影响的非线性估计。a,b, 空气污染对发表的非线性影响。横轴表示估计系数，纵轴表示年平均 PM2.5 浓度区间。0–35 μg m−3 区间作为参考类别。a 中的因变量为未加权发表数量（n = 4,124,291），而 b 使用 JIF 加权发表（n = 4,124,291）。所有估计均以点估计值呈现，并附带 95% 置信区间。所有估计均包括作者固定效应、城市-年份固定效应和天气控制变量。标准误聚类到机构层面。统计显著性使用双侧 t 检验评估。详细结果见扩展数据表 2。

表 2. 按学者生产力和职业阶段划分的异质性效应

图 2. 按研究领域划分的异质性效应。该图将作者分为四个学科研究领域：生命科学与生物医学（n = 1,804,826）、物理科学（n = 1,114,936）、社会科学（n = 42,060）和技术（n = 1,161,332）。蓝色表示对未加权发表数量的估计效应，红色表示对 JIF 加权发表的效应。所有估计均以点估计值呈现，并附带 95% 置信区间。所有估计均包括作者固定效应、城市-年份固定效应和天气控制变量。标准误聚类到机构层面。统计显著性使用双侧 t 检验评估。详细结果见补充材料表 2。

图 3. 迁移前后 PM2.5 浓度差异。与迁移相关的 PM2.5 浓度变化分布。纵轴表示这些变化的密度，横轴显示目的地城市与来源城市之间的 PM2.5 水平差异。负值表示作者迁移到了污染水平较低的城市。

表 3. 空气污染对合著者数量的影响

图 4. 大学地理边界及对应的移动信号网格：福州大学旗山校区。我们将学校地理边界与移动信号网格匹配的示例。绿色多边形代表学校的实际地理边界，而红色方块表示移动信号网格。底图影像来自 Esri（来源：Esri, Vantor, Earthstar Geographics 和 GIS User Community）。

图 5. PM2.5 对学者工作时间的影响。a–d, 面板 a 描述了出勤率的影响，而 b 至 d 报告了对全样本以及按性别和年龄组分类的工作时间、开始时间和结束时间的影响。红色代表每日工作时间，蓝色表示工作开始时间，绿色显示工作结束时间。所有结果均以点估计值呈现，并附带 95% 置信区间。每个模型包括校园、年-月、月周和年周的固定效应，以及天气控制变量。标准误聚类到校园层面。统计显著性使用双侧 t 检验评估。详细结果见补充材料表 7 和 8。