开展PM_2.5健康损害评估，其目的是为环境管理决策服务，包括为环境质量标准、污染源排放标准和环境规划的制定提供决策支持(EPA，2006；SCAQMD，2007；Fann et al., 2009).目前，国内还未从法律上明确要求城市空气达标规划的编制需要包括空气污染健康损害的内容，显然，我国需要开展这方面的工作.

PM_2.5健康损害评估，需首先获得空气质量监测点PM_2.5浓度数据，并同空气质量达标情景进行比较；然后基于“剂量-反应”关系模型，估计人群相对于基期水平因空气污染所致发病、死亡率；最后估计人群发病、死亡的货币化损失.

国内已有大量文献对空气污染物健康损害开展过实证研究(徐肇翊等，2003；胥卫平等，2007；谢鹏等，2007；张国珍等，2008；於方等，2008；蔡春光，2009；陈仁杰等，2010；侯青等，2011；韩茜，2011；冯思静等，2012；段显明等，2013；黄德生等，2013)，但在方法使用和参数选择上仍有许多需要论证的地方，包括评估体系的建立、评估指标的选择、时间和空间尺度、健康终点、年龄结构的划分和比较基准的确定等.

本文拟对城市PM_2.5健康损害评估方法使用和参数选择中的关键问题进行论述，并以北京市为例开展案例研究.北京市于2013年起，监测并向社会公布PM_2.5浓度监测数据，该市人口稠密，存在较严重的空气污染问题，居民对生命价值的支付意愿较高，以北京市为例开展PM_2.5健康损害评估研究，能够充分反映该市PM_2.5污染问题的严重性，从经济分析的角度为北京市空气质量达标规划的编制提供决策支持.

(1)健康损害评估框架

1983年，美国科学协会(NAS)提出环境健康风险评估的基本框架，之后美国环保署开发了BenMAP软件，该软件整合了美国流行病学和生命价值参数研究成果，为空气污染健康损害的计算提供技术支持.目前，国内已有学者参与到对BenMAP系统的设计和研发(杨毅等，2013)，以及利用美国BenMAP软件在我国部分地区开展空气污染健康损害评估(段显明等，2013).本文参考美国BenMAP的方法框架，提出北京市PM_2.5健康损害评估的基本框架如图 1所示：

图1(Fig.1)

图1 PM2.5健康损害评估的基本框架 Fig.1 Basic framework for PM2.5 adverse human health effect evaluation

按照如上计算框架，PM_2.5健康损害评估，将首先基于“剂量-反应”关系模型，评估PM_2.5在当前浓度水平下，相对于PM_2.5达标情景，所造成的额外的发病、住院和死亡人口；进而带入生命价值、医疗成本、误工成本等参数，估计PM_2.5健康影响的货币化值.

(2)健康损害评估指标

颗粒物按粒径大小可分为PM₁₀和PM_2.5，前者代表粒径小于10 μm的颗粒物，称为可吸入颗粒物，后者代表粒径小于2.5 μm的颗粒物，称为细颗粒物.目前，空气污染管理的重心已从PM₁₀逐渐过渡到PM_2.5，如美国空气质量标准(NAAQS)以及美国各州“州实施计划”的制定，均以PM_2.5作为管理对象，相应的健康损害评估也围绕PM_2.5进行，BenMAP数据库收录了PM_2.5与死亡率的“剂量-反应”关系.

已有流行病学研究结果表明，颗粒物对人体健康所造成影响，将主要通过粒径小于2.5 μm的颗粒物发挥作用.PM_2.5与死亡率“剂量-反应”关系数值，不论从长期还是短期看，都远高于PM₁₀物质(Fuentes et al., 2006；Janssen et al., 2013).McDonnell等(2000)计算和比较了粒径小于2.5 μm的细颗粒物，和粒径在2.5~10 μm的粗颗粒物对人群健康的影响后，得出了细颗粒物能更好解释颗粒物与死亡率关系的结论.

目前，我国城市监测点已具备PM_2.5连续监测能力，从2013年起城市监测点开始监测并公开发布PM_2.5小时监测数据，这为我国城市开展颗粒物健康损害评估提供了数据基础.本文选择以PM_2.5作为健康损害评估指标.

(3)时间尺度

PM_2.5对人群健康造成的影响，可分为短期效应和长期效应.短期效应是指PM_2.5在短期内对人群健康的影响，通常为日时间尺度；长期效应是指PM_2.5在长期内对人群健康的影响，通常为月或年时间尺度.

目前，国内研究多在日时间尺度上评估空气污染对人群健康的影响，近年来也有不少研究将评估的时间尺度延长到年(陈仁杰等，2010；段显明等，2013；黄德生等，2013).国外方面，美国PM_2.5标准政策影响分析(Regulatory Impact Analysis，RIA)，以及州实施计划(State Implementation Plan，SIP)中PM_2.5健康损害分析部分，全部以年为时间尺度开展评估.

流行病学研究结果表明，PM_2.5对人群健康的长期影响不容忽视.PM_2.5年平均值与死亡率“剂量-反应”关系参数值，要远高于PM_2.5日平均值与死亡率“剂量-反应”关系参数值(HEI，2010；Atkinson et al., 2012)，前者几乎是后者的10倍以上，只计算PM_2.5对人群健康的短期影响，必然会极大低估PM_2.5所造成的健康损害.在年时间尺度上开展PM_2.5健康损害评估更为合适.

(4)空间尺度

在空间尺度的选择上，BenMAP软件将城市进一步划分为更小的网格，每个网格代表 1个人口单元.以网格内或邻近网格空气质量监测点返回的监测结果，代表该网格的PM_2.5浓度值，以网格内的人口代表暴露人口，首先在网格水平上计算空气污染所造成的健康损害，而后在城市水平上加总以反映空气污染对城市居民健康的损害.国内方面，空气污染健康损害评估仍主要停留在城市水平，只有少数研究对空间尺度上做了进一步划分(段显明等，2013).

表1(Table 1)

表1 PM2.5与疾病死亡、发病和住院率的“剂量-反应”关系参数取值“ Table 1 Dose-response” relationship parameter value of PM2.5 and mortality，morbidity and hospitalization rate

表1 PM2.5与疾病死亡、发病和住院率的“剂量-反应”关系参数取值“ Table 1 Dose-response” relationship parameter value of PM2.5 and mortality，morbidity and hospitalization rate 健康终点 “剂量-反应”关系β值 来源 心脑血管疾病死亡率 0.017 Pope et al.， 2002、Laden et al., 2006 呼吸系统疾病死亡率 0.005 Pope et al.， 2002、Laden et al., 2006 肺癌死亡率 0.0186 Pope et al.， 2002;Laden et al., 2006 心脑血管疾病住院率 0.0014(＜65岁)0.00158(＞65岁) Moolgavkar，2000;Zanobetti et al.， 2009;Peng et al.， 2009;Bell et al., 2008 呼吸系统疾病住院率 0.002(＜17岁)0.00185(18~64岁)0.0021(＞65岁) Moolgavkar，2000;Zanobetti et al.， 2009;Babin et al.， 2007;Sheppard，2003; 慢性支气管炎发病率 0.0132(＞20岁) Abbey et al.， 1995* 哮喘急诊率 0.00425 Mar et al.， 2004; Slaughter et al.， 2005  注：*该研究采用逻辑斯蒂模型形态，在应用该模型时，需要将慢性支气管炎发病率指标调整为发病与未发病人口的比值.

事实上，城市范围内不同区域处PM_2.5浓度不同，暴露人口数也不同，在更小的空间尺度上进行计算，可提高评估的精确程度.例如，当人口更多集中于PM_2.5浓度较高区域时，空气污染所造成健康损害相比于人口平均分布时更大.这时，在更大空间范围内将不同区域点处PM_2.5浓度和人口平均以后再进行计算的方法，会在一定程度上低估实际的健康损害.

我国地级及以上城市，一般设有多个空气质量监测点，所监测数据分别代表一定区域内的空气质量状况.同时，城市内划分多个行政区，统计并发布常住人口数据.将研究尺度缩小为行政区，充分利用行政区内各个监测点返回的PM_2.5浓度监测数据，和行政区内常住人口数据，所计算PM_2.5健康损害的评估精度可以更高.

(5)健康终点

PM_2.5污染对人群健康造成损害，包括引起人群死亡率、发病率、急诊率、门诊率和住院率的上升，并造成人体免疫功能等身体机能的下降.为方便对PM_2.5所造成健康损害的货币化，本文不对PM_2.5在人身体机能方面的影响开展研究.

PM_2.5致人死亡的，包括致人罹患心脑血管疾病、呼吸系统疾病及肺癌后死亡.国内研究较多基于颗粒物浓度与人群全因死亡率的“剂量-反应”关系进行计算，部分研究区分死亡所属疾病类型进行计算，包括心脑血管疾病和呼吸系统疾病死亡(蔡春光等，2009；谢鹏等，2010；赵晓丽等，2014)，少数研究考虑了肺癌死亡(段显明等，2013).

是否需要分病种计算PM_2.5健康损害，首先要看是否有流行病学研究成果的支持，然后要看不同病种在“剂量-反应”关系参数值上的差异是否明显，同时要看不同病种基期死亡率在城市间的差异是否明显.由于政策应用类研究往往需要参考已有流行病学研究成果，当不同病种“剂量-反应”关系参数差异较大，而不同病种基期死亡率在城市间的差异又十分明显时，在城市间相互借用PM_2.5与全因死亡率的“剂量-反应”关系参数可能存在不可比的问题，分病种计算PM_2.5健康损害可在一定程度上提高评估的精确度.

(6)年龄差异

不同年龄段人群对空气污染的敏感程度不同，已有流行病学研究结果表明，年龄在65岁以上人群，对PM_2.5的敏感程度要略高于65岁以下人群，相应的“剂量-反应”关系参数值更高(Ostro et al., 2006).国内方面，多数研究未区分年龄段计算空气污染所致健康损害，对不同年龄阶段人群使用相同的“剂量-反应”关系参数值，会在一定程度上低估年龄较高人群所面临的健康风险.

分年龄段计算空气污染所致健康损害，可在一定程度上提高计算的精确度.是否确实需要采用上述算法，同样要看是否有流行病学研究成果的支持、不同年龄段人群“剂量-反应”关系在数值上是否有明显差异、以及不同城市居民在年龄结构上是否有明显差异.

(7)比较基准的选择

BenMAP软件所计算空气污染所致健康损害，是一个相对值的概念，为当前空气污染相对于基准情景下的人群健康损害.基准情景一般设定为空气质量达标浓度，若当前空气污染物浓度超过标准值，仅针对超过部分计算空气污染所致健康损害；若当前空气污染物浓度达到标准值，则不再计算空气污染所致健康损害.BenMAP软件给出了监测点在空气质量达标情景下的污染物基准浓度计算方法，称为“向标准靠拢(Rollback to St and ard)”.该方法假定，在空气质量达标情景下，PM_2.5日平均浓度98%分位数实现达标的同时，其他时间内PM_2.5日平均浓度值超过自然界背景浓度值的部分，也将按照相同比例或数值降低.

国内方面，多数研究未考虑比较基准选择的问题，所计算空气污染健康损害，实质上是相对于空气污染物浓度为零而言的，也即空气污染对人群健康的“绝对影响”；仅有少数研究以空气质量达标情景为参照，计算了空气污染物浓度达标可实现的健康收益(段显明等，2013；黄德生等，2013).

PM_2.5健康损害评估的目的是为环境管理决策服务，选择以空气质量达标情景下的PM_2.5浓度值作为比较的基准，计算城市当前空气污染对人群健康的“相对影响”，所计算结果的管理意义更强，可作为论证城市空气规划合理性的依据.

(8)“剂量-反应”关系参数取值

空气污染健康损害评估通过建立空气污染物浓度与人群健康终点的“剂量-反应”关系模型，量化空气污染物对人群健康的影响.模型常采用半对数线性形态：ln(Y₀)=a+βX₀，式中，Y₀代表基期死亡率/发病率，X₀代表基期污染物浓度(μg · m^-3)，β为“剂量-反应”关系参数.使用该模型，研究人员可计算污染物浓度上升一定数值的时候，人群死亡率/发病率相对于基期水平上升的百分比：ln(Y₁/Y₀)=βΔx，式中，Y₁代表死亡率/发病率上升后的值，Δx代表污染物浓度的增加(μg · m^-3).

PM_2.5与死亡率“剂量-反应”关系参数的取值，国外方面，美国EPA推荐使用Pope等(2002)和Laden等(2006)的研究成果，取两项研究的平均值，该取值也与12位专家审查的结果基本一致(Roman et al., 2008).各州EPA可自行选择参数取值，如加州EPA所使用参数更多参考了Jerrett等(2005)在洛杉矶本地所做的流行病学研究成果.国内方面，参数取值并没有形成统一的标准，多数研究选择使用之前某项流行病学研究结果；部分研究选择使用之前多项流行病学研究成果的meta合并值(黄德生等，2013)；也有研究选择使用美国流行病学研究成果(陈仁杰等，2010).

国内关于PM_2.5的已有流行病学研究成果多以日为时间尺度建立时间序列模型(戴海夏等，2004；Kan et al., 2007；Chen et al., 2011；Ma et al., 2011；Huang et al., 2012；Cao et al., 2012；Yang et al., 2012)，而队列研究仍然缺乏.为此，学者较多使用井立滨等(1999)的研究成果，该项研究以总悬浮颗粒物为研究对象，所采用的方法实际上为生态学比较方法，通过将工业区与清洁区进行对照，来证明总悬浮颗粒物对人群健康的影响，其研究结果是否可用仍需得到流行病学研究的证实.本文从谨慎性的角度出发，参数取值将主要参考美国BenMAP软件所推荐使用的“剂量-反应”关系参数.

(9)健康价值参数选择

健康价值参数，用于对空气污染健康损害进行货币化评估，包括生命价值参数和医疗成本参数.其中，空气污染致人死亡所造成的货币化损失，是健康损害最主要的构成部分，医疗成本一般采用疾病成本法(Cost of illness，COI)进行核算，带入居民门诊或住院过程中产生的医疗费用和误工成本进行计算.

生命价值，一般采用统计生命价值(VSL，Value of Statistical Life)的概念，是人们为降低死亡风险，而愿意支付的金额的加总.目前，国内研究较多采用人力资本法估计生命价值(徐肇翊等，2003；於方等，2008；胥卫平等，2007；韩茜，2011)，另有部分研究使用条件价值方法对生命价值进行估计(侯青等，2011；段显明等，2013；黄德生等，2013)，并根据城市居民的收入水平对生命价值参数进行调整.国外研究较多采用“工资-风险”法估计生命价值，如美国BenMAP数据库中收录的26项生命价值研究中，有22项研究采用“工资-风险”法估计生命价值.

把人作为生产财富的资本，用一个人生产财富的多少来定义这个人的价值.该方法将人作为生产财富的资本，用一个人生产财富的多少来定义这个人的价值，但该方法被认为没有很好的计算失业者、待业者和老人的生命价值，因而在一定程度上存在伦理道德缺陷(靳乐山，1998).采用人力资本法模型估计生命价值，VSL=Y+Y(1+γ)/(1+a)+Y(1+γ)²/(1+a)²+…+Y(1+γ)ⁿ/(1+a)ⁿ.式中，Y代表人力资本，n代表损失的工作年限，γ代表人力资本未来增长率，a为贴现率.用人均收入代表人力资本，能够较好的反映劳动者对产出的边际贡献；用预期退休年龄减去实际死亡年龄表示损失工作年限，，式中，Y_0i代表i年龄段人口基期死亡率，β_i代表空气污染物对i年龄段人口的“剂量-反应”关系参数，N_i代表i年龄段人口数，A_i代表i年龄段损失工作年限，ΔX代表污染物浓度的上升；人力资本未来增长率γ参考城市历年经济增长速度而定；贴现率a取值一般为3%或7%.

“工资-风险”法构建以工资收入为因变量，以岗位死亡风险及其他变量为自变量的回归模型，估计工人在死亡风险增加情景下所要求的工资补偿，代表其对生命价值的支付意愿.模型基本形态为lnW₀=f(R₀，S，D，e)，式中，W₀代表工人基期工资水平，R₀代表岗位死亡风险(单位：死亡人数/万人)，S代表工人特征变量，D代表岗位特征变量，e为误差项.模型经简单推导，可用于估计生命价值：VSL=W₀×[exp (β) -1]×10000，式中，β为“工资-风险”法模型中岗位死亡风险变量前面的系数，代表岗位死亡风险上升1/10000情景下，工人所要求的工资补偿占其工资收入的百分比.本文收集和整理了国内已有“工资-风险”法文献资料(Siebert et al., 1998；Liu et al., 1999；赵妍等，2007；Guo et al., 2009；梅强等，2012；钱永坤，2011；彭小辉等，2014)，以β系数为效应量，采用meta分析方法对研究结果进行合并，分析结果表明，在岗位死亡风险上升1/10000情景下，工人所要求工资补偿占其工资收入的百分比为1.45%(95%CI：0.77%，2.14%)，做森林图如图 2所示.

图2(Fig.2)

图2 国内“工资-风险”法生命价值meta分析结果 Fig.2 domestic meta-analysis result of VSL based on “wage-risk” method

(1)数据来源

北京共设35个监测点，分布于北京市16个区县.其中，12个为城区监测点，11个为郊区监测点，7个为对照点或区域点，5个为交通监测点.通过北京市环境保护监测中心网站采集得到各个监测点PM_2.5小时浓度数据.数据有效性判定结果显示，除榆垡等个别监测点外，从2014年1月1日到2014年12月31日，北京市各个监测点PM_2.5浓度监测结果基本满足《环境空气质量标准(GB 3095—2012)》对数据有效性的要求.

(2)PM_2.5年平均浓度值及其达标判定

用北京市各监测点PM_2.5浓度监测结果代表其所在区县的PM_2.5浓度值.行政区有多个监测点的，用多个监测点PM_2.5浓度监测结果平均值代表该行政区PM_2.5浓度值.基于日有效数据计算PM_2.5年平均值，结果如图 3所示.

图3(Fig.3)

图3 2014年北京市各行政区PM2.5年平均浓度值和达标情景基准值 Fig.3 2014 PM 2.5′s yearly average concentration and concentration under compliance scenario in Beijing districts

按照《环境空气质量标准(GB 3095—2012)》的要求，PM_2.5日平均浓度值95%分位数值不得超过75 μg · m^-3.据于娜等(2009)研究成果，植物源等非人为污染源对北京市PM_2.5浓度的贡献为1.1%左右，据此计算出北京市PM_2.5背景浓度值为0.9 μg · m^-3左右.使用按比例“向标准靠拢”方法，计算出北京市各行政区PM_2.5达标情景下年平均浓度值如图 3所示.

(3)PM_2.5健康损害评估

据北京市公共卫生信息中心《2013年北京市卫生工作统计资料简编》公布的数据显示，北京市居民心脑血管疾病死亡率为288/10万，呼吸系统疾病死亡率为58/10万，肺癌死亡率约占恶性肿瘤死亡率的29%，为48/10万.不同年龄段居民呼吸系统疾病、心脑血管疾病住院率、慢性支气管炎患病率、哮喘患病率等数据参考《2012中国卫生统计年鉴》公布的对大城市居民的调查结果.

2014年，北京市常住人口共计2151.6万人，不同年龄阶段人口参考2010年北京市第六次人口普查数据，65岁以上人口占比8.7%，15~64岁人口约占82.7%，14岁以下人口约占8.6%.

将北京市基期死亡率、发病率和住院率数据，以及不同年龄阶段暴露人口数据带入“剂量-反应”关系模型，得到对各个行政区死亡、患病和住院人口的估计结果如表 2所示.

表2(Table 2)

表2 北京市当前PM2.5浓度超标情景下各行政区死亡、患病和住院人数(按疾病类型分) Table 2 Number of death，illness and hospital admissions caused by PM2.5′s exceeding its national st and ard in Beijing districts(by disease type)

表2 北京市当前PM2.5浓度超标情景下各行政区死亡、患病和住院人数(按疾病类型分) Table 2 Number of death，illness and hospital admissions caused by PM2.5′s exceeding its national st and ard in Beijing districts(by disease type) 行政区 暴露人口/万人 心脑血管疾病死亡人数 呼吸系统疾病死亡人数 肺癌死亡人数 慢性支气管炎患病人数 心脑血管疾病住院人次 呼吸系统疾病住院人次 哮喘患病人次 东城 91.1 1731 144 303 3582 2042 519 1907 西城 130.2 2436 200 427 5029 2845 724 1813 朝阳 392.2 7354 606 1288 15189 8596 2186 1817 海淀 367.8 6541 525 1149 13412 7396 1884 1578 丰台 230 4582 390 799 9555 5588 1418 2148 石景山 65 1173 95 206 2409 1341 342 1665 昌平 190.8 3085 238 544 6253 3307 843 1200 大兴 154.5 3198 279 556 6713 4017 1017 2437 房山 103.6 2253 204 391 4775 2962 748 2847 怀柔 38.1 619 48 109 1256 668 171 1265 门头沟 30.6 497 38 88 1008 536 137 1248 密云 47.8 712 53 126 1432 738 189 1006 平谷 42.3 655 50 116 1322 694 178 1185 顺义 100.4 1754 140 308 3587 1967 502 1530 通州 135.6 2904 259 504 6135 3764 952 2712 延庆 31.6 475 36 84 956 495 126 1038 合计 2151.6 39967 3305 6997 82613 46957 11935 27395

(4)PM_2.5健康损害货币化值

2014年，北京市全体居民人均收入为40689元，基于“工资-风险”模型，得到对北京市居民生命价值的估计结果为590.0万元(95%CI：313.3万元，870.7万元).根据2010年第四次国家卫生服务调查发布的不同年龄段人口非意外死亡率数据，和2010年北京市第六次人口普查发布的不同年龄段人口比例数据，北京空气污染所致预期寿命损失约为11年，人均收入年增长率取10%，贴现率取7%，基于人力资本法模型，得到对北京市居民生命价值估计结果为60.7万元.

疾病医疗和住院成本数据，全部参考黄德生等(2013)基于《中国卫生统计年鉴2010》，所估算出来的数据.

用北京市当前PM_2.5浓度超标情景下的死亡、发病和住院人口，乘以对应的生命价值、医疗成本和住院成本参数.基于“工资-风险”法模型对生命价值的估计，北京市2014年PM_2.5健康损害的货币化评估结果为3420.8亿元，其中，生命价值损失2966亿元，住院成本9.98亿元，慢性支气管炎医疗成本444.5亿元，哮喘医疗成本0.5亿元，健康损害合计占到了北京市当年GDP的16%.基于人力资本法对生命价值的估计，北京市2014年PM_2.5健康损害的货币化评估结果为760.1亿元，生命价值损失为305亿元，健康损害合计占到北京市当年GDP的3.6%.

本文评估了北京市当前PM_2.5超标浓度下对人群健康造成的损害，当采用“工资-风险”法估计生命价值时，健康损害货币化评估结果为3420.8亿元，占到北京市当年GDP的16%，计算结果要远远高于陈仁杰等(2010)、韩茜(2011)、黄德生等(2013)和赵晓丽等(2014)等的研究结果.当采用人力资本法模型估计生命价值时，健康损害货币化评估结果为760.1亿元，占到北京市当年GDP的3.6%，与之前学者的研究结果相近.

城市PM_2.5健康损害评估研究，作为一项综合了多个学科研究成果的应用类研究，需要不断借鉴环境流行病学、环境科学和环境经济学的最新研究成果.目前，我国PM_2.5致死效应的队列研究仍然缺乏、不同方法下生命价值取值差异较大且争议颇多，这些问题都将是今后我国学者研究的重点内容.本文概括了这些不确定性因素包括：

其一、基于“Rollback to St and ard”方法估计北京市空气质量达标情景下PM_2.5每日浓度值，本文采用“按比例削减”的方法，事实上，在达标情景下，北京市各监测点PM_2.5每日浓度究竟为何值，与北京市实际采取何种减排策略有关，除“按比例削减”以外，也有可能是“按固定值削减”或“按峰值削减”，由此产生估计上的不确定性.本文采用“按比例削减”法计算得到PM_2.5年日平均浓度值在25~30 μg · m^-3之间，略低于我国PM_2.5空气质量年浓度标准35 μg · m^-3，以该标准作为参照，可认为不确定性在可控范围内.

其二、本文所使用“剂量-反应”关系参数参考美国BenMAP数据库收录的流行病学研究成果，然而，不同城市在气候条件、PM_2.5浓度值、年龄结构等方面存在差异，使得城市间相互借用流行病学研究成果时存在不可比性.由于北京市PM_2.5浓度值高于美国城市，本文使用美国学者研究所得“剂量-反应”关系参数，会在一定程度上高估北京市PM_2.5超标所致健康损害.随着评估情景中北京市PM_2.5浓度不断向标准靠拢，PM_2.5对人群健康的影响将越来越接近于美国流行病学研究结果，在国内PM_2.5与死亡率关系的队列研究仍然缺乏的情况下，借用美国流行病学研究成果，也是出于谨慎性的考虑.

其三、生命价值参数的取值，与采用何种评估方法有关.本文基于“工资-风险”法估计生命价值，所得结果要远大于基于人力资本法对生命价值的估计，为此，本文同时给出基于“工资-风险”法和人力资本法对生命价值的估计结果.

本文同时收集了2014年北京市各监测点SO₂和NO₂连续监测数据，以全年日平均浓度的98%分位数作为达标判据，北京市各监测点SO₂全部达标，NO₂多数监测点存在超标.目前，关于SO₂、NO₂与人群死亡率关系的流行病学研究有所开展，但由于证据尚不充分，美国EPA并未要求各州在其“州实施计划”中就SO₂和NO₂浓度与死亡率的关系进行评估，BenMAP软件中也仅收录了SO₂和NO₂浓度与呼吸系统疾病住院率以及哮喘急诊率关系的流行病学研究成果.本文基于北京市2014年各个监测点发布的NO₂连续监测数据，计算所得NO₂超标所致人群健康损害为0.28亿元，其中住院费用和急诊费用分别为0.09亿元、0.19亿元，在数值上远远小于PM_2.5超标所致人群健康损害.

计算PM_2.5所致人群健康损害的货币化值占城市GDP的比重，可反映PM_2.5超标所造成社会影响的相对大小.该指标可在城市间进行横向比较，我国各城市在PM_2.5浓度超标程度、暴露人口数、基期死亡率、人均收入等方面存在差异，评估结果也会有不同.对该指标以时间为轴进行纵向比较，本文收集了自2000年以来北京市通过《环境质量状况公报》发布的PM₁₀年日平均浓度数据，同时收集了相应年份的GDP总量、城镇居民人均可支配收入、农村居民纯收入、常住人口、分病种居民患病死亡率等数据，在缺少PM_2.5连续监测数据的情况下，采用相对简化的数据处理方法估计了北京市2000—2013年PM_2.5超标所致居民死亡人数及其货币化损失占GDP的比重，结果表明，北京市自2000年以来，虽然GDP总量不断增长且可吸入颗粒物浓度不断下降，但随着北京市常住人口数和居民对生命价值支付意愿的增加，PM_2.5超标所致居民死亡人数却呈不断上升趋势，其货币化损失占GDP的比重没有下降，由此反映出过去10年来北京市PM_2.5超标问题所造成的社会经济影响并没有得到有效缓解.