基于环保数据信息分析空气污染影响的方法技术

本发明专利技术公开了本发明专利技术提出了一种基于环保数据信息分析空气污染影响的方法，首先获取雾霾数据与地方环保人员流动数据，并利用

【技术实现步骤摘要】
基于环保数据信息分析空气污染影响的方法


[0001]本专利技术涉及空气质量保护
，具体地说是基于环保数据信息分析空气污染影响的方法
。

技术介绍

[0002]近年来，空气污染已经成为公众关注的热点问题之一，特别是在一些新兴的经济体中，随着收入水平的提高，居民对空气质量的要求也越来越高
。
在过去的几十年中，空气污染问题已经困扰了许多地区
。
[0003]根据哥伦比亚大学社会经济数据与应用中心所统计的各地区
2000
年到
2015
年的
PM2.5
浓度数据显示，除少数地区以外，几乎地区的
PM2.5
浓度都高于世界卫生组织推荐标准，一些地区的
PM2.5
浓度甚至是世界卫生组织推荐的十倍，严重的空气污染所带来的健康与经济损失已经引起了公众的担忧
。
临时性空气污染缓解事件证明了环保人员和数据在空气污染控制中的决定性作用，是讨论空气污染控制效果变化的重要视角
。

技术实现思路

[0004]本专利技术要解决的技术问题是针对上述现有技术的不足，而提供基于环保数据信息分析空气污染影响的方法，以环保人员和环保数据的流动为准自然实验，考察了策略不确定性对空气污染的影响，应用赫克曼两阶段法证实了双向固定效应模型的结果，经过内源性处理和稳健性测试证明结果的稳健性
。
[0005]为解决上述技术问题，本专利技术采用的技术方案是：
[0006]一种基于环保数据信息分析空气污染影响的方法，具体包括以下步骤：
[0007]步骤
1、
获取基础数据：采集各地区的雾霾数据与环保人员流动数据，并对获取的数据进行数据处理，获得基于
PM2.5
的人口加权浓度；
[0008]步骤
2、
分析策略不确定性对空气污染的影响：利用
PM2.5
的人口加权浓度来衡量空气污染程度，利用各地区环保人员流动数据来衡量地级市的策略不确定性，以此建立了双向固定效应回归模型来探究策略不确定性对空气污染的影响；
[0009]步骤
3、
内源性处理和稳健性测试：构建赫克曼两阶段法来解决样本选择偏差，并通过随机抽样的流动进行安慰性检验，以此来消除不可观察因素的干扰，将稳健性测试结果与回归结果对比；
[0010]步骤
4、
机理分析：引入中介效应模型说明策略的不确定性通过削弱环境监管与减小绿色创新来恶化空气质量；
[0011]步骤
5、
异质性效应分析：异质性效应分析包括地区规模异质性分析和区域异质性分析，分别探究不同地区规模与不同区域的异质性
。
[0012]进一步优选地，步骤1中，利用
ArcGIS9.3
软件将采集的各地区的雾霾数据与环保人员流动数据解析为
PM2.5
的人口加权浓度数据
。
[0013]进一步优选地，步骤2中的双向固定效应回归模型为：
[0014]ln Air
i
，
t
＝
α
+
β
Turnover
i
，
t
+
γ
Controls+&
i
+
θ
t
+E
i
，
t
[0015]其中，下标
i
和
t
分别代表城市和年份，
Air
i
，
t
表示城市
i
在时间
t
时的空气污染，
Turnover
i
，
t
表示策略不确定性的虚拟变量，
Controls
表示控制变量，
&
i
表示城市固定效应，
θ
t
表示时间固定效应，
ε
i
，
t
是随机误差项
。
[0016]进一步优选地，步骤3中，内源性处理和稳健性测试的具体步骤为：
[0017]步骤3‑
1、
构建赫克曼两阶段模型：查阅官网的人员流调和公告信息，使用离职环保人员的年龄和任期作为工具变量，构建赫克曼两阶段模型并预估逆米尔斯比率；
[0018]步骤3‑
2、
安慰剂检验：通过随机抽样更替以消除时变和不可观察因素干扰的方式进行安慰剂检验；
[0019]步骤3‑
3、
稳健性检验，具体包括：
[0020]步骤3‑3‑
1、
替换因变量：
PM2.5
浓度的极值是灰霾污染的重要指标，对衡量灰霾污染的波动具有参考价值，第一项稳健性检验使用最大
PM2.5
浓度作为因变量；
[0021]步骤3‑3‑
2、
替换自变量：第二项稳健性检验为代理执政长官和代理行政长官的调动信息；
[0022]步骤3‑3‑
3、
消除其他事件的影响：消除并发事件对分析结果的影响
。
[0023]进一步优选地，步骤3‑2中随机抽样的估计系数的计算公式为：
[0024][0025]其中，
λ
表示非观测因素为0时的估计系数，
W
表示所有其他控制变量和固定效果的总和，
η
表示非观测因素对空气污染的影响
。
[0026]进一步优选地，步骤4中的中介效应模型为：
[0027]AIR
i
，
t
＝
α
+a1TURNOVER
i
，
t
‑1+
γ
Controls+&
i
+
θ
t
+
ε
i
，
t
[0028]Mediator
i
，
t
＝
β
+
β1TURNOVER
i
，
t
‑1+
Φ
Controls+&
i
+
θ
t
+
ε
i
，
t
[0029]AIR
i
，
t
＝
λ
+
λ1TURNOVER
i
，
t
‑1+
λ2Mediator
i
，
t
+
η
Controls+&
i
+
θ
t
+...

【技术保护点】

【技术特征摘要】
1.
一种基于环保数据信息分析空气污染影响的方法，其特征在于：具体包括以下步骤：步骤
1、
获取基础数据：采集各地区的雾霾数据与环保人员流动数据，并对获取的数据进行数据处理，获得基于
PM2.5
的人口加权浓度；步骤
2、
分析策略不确定性对空气污染的影响：利用
PM2.5
的人口加权浓度来衡量空气污染程度，利用各地区环保人员流动数据来衡量地级市的策略不确定性，以此建立了双向固定效应回归模型来探究策略不确定性对空气污染的影响；步骤
3、
内源性处理和稳健性测试：构建赫克曼两阶段法来解决样本选择偏差，并通过随机抽样的流动进行安慰性检验，以此来消除不可观察因素的干扰，将稳健性测试结果与回归结果对比；步骤
4、
机理分析：引入中介效应模型说明策略的不确定性通过削弱环境监管与减小绿色创新来恶化空气质量；步骤
5、
异质性效应分析：异质性效应分析包括城市规模异质性分析和区域异质性分析，分别探究不同地区规模与不同区域的异质性
。2.
根据权利要求1所述的基于环保数据信息分析空气污染影响的方法，其特征在于：步骤1中，利用
ArcGIS9.3
软件将采集的各地级市的雾霾数据与环保人员流动数据解析为
PM2.5
的人口加权浓度数据
。3.
根据权利要求1所述的基于环保数据信息分析空气污染影响的方法，其特征在于：步骤2中的双向固定效应回归模型为：
ln Air
i,t
＝
α
+
β
Turnover
i,t
+
γ
Controls+&
i
+
θ
t
+
ε
i,t
其中，下标
i
和
t
分别代表城市和年份，
Air
i
，
t
表示城市
i
在时间
t
时的空气污染，
α
表示不考虑一切其它因素的初始空气质量，
β
表示虚拟变量发生变化时空气质量发生的变动，
Turnover
i
，
t
表示策略不确定性的虚拟变量，
γ
表示控制变量发生变化时空气质量发生的变动，
Controls
表示控制变量，
&
i
表示城市固定效应，
θ
t
表示时间固定效应，
ε
i,t
是随机误差项
。4.
根据权利要求1所述的基于环保数据信息分析空气污染影响的方法，其特征在于：步骤3中，内源性处理和稳健性测试的具体步骤为：步骤3‑
1、
构建赫克曼两阶段模型：查阅官网的人员流调和公告信息，使用离职环保人员的年龄和任期作为工具变量，构建赫克曼两阶段模型并预估逆米尔斯比率；步骤3‑
2、
安慰剂检验：通过随机抽样更替以消除时变和不可观察因素干扰的方式进行安慰剂检验；步骤3‑
3、
稳健性检验...

【专利技术属性】
技术研发人员：马捷，潘国豪，陈大伟，吴雪菲，王雯钰，祝亚坤，
申请(专利权)人：南京都市交通规划设计有限公司，
类型：发明
国别省市：