概念·解读

中介效应（MediatingEffect）:在因果分析中，当探讨自变量X对因变量Y的影响时，可能需要通过一个或多个中间变量M来传导，这里的M即中介变量(mediator)，发挥的是中介效应。中介变量的研究不仅可以解释关系背后的作用机制，还能整合已有的研究或理论，具有显著的理论和实践意义。

文章导读

01

研究背景

为应对新冠病毒疫情，中国于年1月23日在武汉实施了人类历史上规模最大的隔离。几天内，中国其他城市也采取了类似的防疫措施。人口的流动和生产消费活动大大减少。这些措施也带来了一个积极的副作用：许多地区的空气质量得到了大幅改善。

许多空气污染研究表明，与人类有关的活动，如工业生产、交通运输是造成空气污染的主要因素，而完全或部分封锁的极端措施可能会使这些生产和消费活动陷入停滞。卫星数据也提供了封城期间空气污染浓度显著下降的证据，这一背景提供了一个独特的机会来探索与人类活动有关的空气质量的影响。

02

研究问题

本研究使用了年1月1日至3月21日44个北方城市的日大气污染浓度数据和百度地图提供的城内迁移指数数据，评估封城措施是否、如何以及在多大程度上影响了空气质量。考虑到中国北方长期遭受空气污染，且污染物浓度水平远高于其他地区，作者将研究范围限定在京津冀都市圈及其周边地区的44个城市。

03

图文信息

封城前后大气污染物时空分布

为了直观地展示空气污染的变化，本研究对比了每个城市在封锁前后的空气污染物水平，发现不同空气污染物在城市间的时空分布具有明显的异质性。在封锁期间，五种空气污染物的浓度似乎比封锁前低得多，有力地证明了出行限制对大气污染的抑制作用。

图1AQI、SO2、PM2.5、PM10、NO2和CO浓度在封城前后的变化

封城的影响：基准回归结果

本研究使用最小二乘虚拟变量(LSDV)模型评估封城对大气污染物浓度的影响。结果表明，封城对空气污染具有显著的负向作用。在封城期间，AQI指数比正常情况下下降了7.80%。其他5种空气污染物(SO2、PM2.5、PM10、NO2、CO)浓度分别下降6.76%、5.93%、13.66%、24.67%、4.58%。此外，研究还发现，不同的空气污染物的减排效果差别很大，PM10和NO2浓度下降更加明显。这很大程度上是由于污染物的污染源不同，PM10和NO2主要来源于汽车尾气和运输过程中的道路扬尘。

封城的影响：断点回归结果

为了分析基准模型的敏感性，研究进一步采用断点回归设计(RDD)来评估封城对中国北京空气污染的影响。实施封城后，AQI、PM2.5、PM10和CO的变化趋势略有下降，SO2的变化趋势急剧下降，而NO2却没有明显的变化。虽然样本大小仅为20天，而且只针对一个城市，断点回归结果仍然提供了封城控制措施有效性的证据。

图2北京出行限制前后10天的时间趋势

人口流动性的中介效应

研究又将注意力转向理解封城和空气质量改善这一关系背后的潜在机制：即人口流动性，由实时城内迁徙指数表征。在对公民实施封城措施之前，年和年的城内出行趋势类似，且年的出行程度略高于年。当城市为了应对新冠肺炎疫情而实施封锁，年城内迁徙指数的下降趋势十分明显。封城后，人口流动迅速下降至几乎为零的水平，出行禁令似乎有效地阻止了人们进出城市。值得注意的是，随着中国劳动力逐渐重返工作岗位，人口流动性呈现回升趋势。

图城市在和年同期城内迁徙指数平均值

研究紧接着进行了定量的中介效应分析，以探究人类活动如何影响封城和空气质量改善之间关系。

研究证明，在政府实施封城后，封城导致人口流动性下降了69.85%，且人口流动性越高，空气污染越严重。人口流动性在封城和空气污染浓度之间的确发挥了中介作用。封城对AQI、PM2.5和CO浓度下降的影响，只有部分是由交通出行的急剧下降所中介的，分别有44.9%、9.3%和16.2%可归因于人口流动的变化。令人惊讶的是，SO2、PM10、NO2浓度的变化%可以由人口流动性的变化所中介，证明了人口流动与空气污染的密切关系。

04

原文信息

原文题目：Doeslockdownreduceairpollution?Evidencefrom44citiesinnorthernChina

原文作者：RuiBao,AchengZhang

期刊名：ScienceoftheTotalEnvironment

发表时间：年8月

原文链接：