摘要：使用2011年至2016年秦岭淮河地区84个地级市的宏观数据，基于模糊断点回归设计和中国北方集中供暖政策的准自然实验，估计了空气污染对中国居民商业健康保险需求的影响。研究结果显示：空气污染对商业健康险需求有显著的正向影响，空气污染指标PM2.5污染物的排放浓度每提升1%，商业健康保险密度提高1.098%，更换六种不同污染物指标，估计结果仍然接近；从2013年开始，我国发生大范围持续的雾霾天气，伴随着新闻媒体报道频率增多，居民对空气污染的敏感度与重视度逐渐增强，并体现在对商业健康保险的购买上。研究结果对我国污染防治和健康中国建设提供理论基础，对保险公司关于商业健康保险和绿色保险的创新与研发提供定量分析和参考价值。
关键词：空气污染；商业健康保险；断点回归
中图分类号：F840.6；X51 文献标识码：A
文章编号：1005-3492(2021)12-0064-15
一、引言
自从中国出现多次严重的雾霾现象之后，空气污染成为我国居民关注的热点问题。空气污染不仅关系着国家形象和经济增长，也时刻威胁着公众健康。根据我国生态环境部发布的2019年全国空气质量来看，在全国337个地级城市中，环境空气质量达标的城市数量占总数的46.6%，相比于2016年的达标率24.85%，提高了不少但仍然没有超过半数。《中共中央关于制定国民经济和社会发展第十四个五年规划和二O三五年远景目标的建议》也明确指出要持续改善环境质量，增强全社会生态环境保护意识，深入打好污染防治攻坚战。
空气污染对居民身心健康的影响不可小觑，可直接和间接对人体机能造成短期甚至长期的损伤，进而增加居民的健康成本，缩短人均预期寿命。空气污染对居民造成生理疾病居多，严重的空气污染会提高居民的肺癌以及其他呼吸系统疾病的致病率，并且空气污染在我国致死原因中排名第四，呼吸系统疾病也是疾病致死原因的第四名。自2010年百度百科设立第一个“PM2.5”的词条后，我国居民对空气污染的关注与重视也逐渐提高，2013年百度搜索指数有关“空气污染”关键词的搜索量开始暴增，这说明公众的生态环境保护意识以及自身健康关注意识在逐渐增强。
为了规避空气污染带来的生理疾病以及其他原因诱导的疾病，我国居民对商业健康险的需求不断上升，进而促进了我国商业健康险市场的迅速扩张。从2010年至2020年我国商业健康险市场从677亿元发展为8173亿元，增长了约12倍。2014年国务院印发《关于加快发展商业健康保险的若干意见》，明确提出要加速发展商业健康保险，丰富产品类型，增强与基本医疗保险的有机衔接。可以看出商业健康保险是受到国家重视与支持的，商业健康保险作为中国社会保障体系重要的一环，可以补偿居民因为伤病而增加的经济负担，基本医疗保险为居民提供基础保障，商业健康保险为居民降低医疗成本，因此研究空气污染对商业健康保险需求的影响对我国发展壮大商业健康保险具有重要的意义与作用。
相比于同类文献研究，本文的贡献和创新如下。目前我国相关的研究使用的大多为省际面板数据，使用的空气污染物指标种类过少，本文使用的数据为地级市面板数据，以城市层面进行回归分析更为细化。使用卫星遥感监测PM2.5数据，相较地面监测数据更为客观与直观，避免操控与失误。同时使用其他六种空气污染物指标进行替换检验，以确保空气污染变量选取的有效性以及回归结果的稳健性。使用的研究方法为模糊断点回归设计，利用秦岭淮河为南北分界线作为地理断点，使用样本城市到秦岭淮河边界的最短距离作为工具变量，在一定程度上可以减小内生性问题，可以有效地估计空气污染对商业健康保险需求的影响。本文试图从空气污染对商业健康保险影响的角度弄清楚三个问题：第一，空气污染是否导致商业健康保险需求的增加；第二，更替不同的空气污染物是否造成对商业健康险的需求产生不同的结果；第三，从对商业健康保险需求的影响上判断，居民是从何时开始关注、重视空气污染，即居民对商业健康保险的需求是否存在滞后性。
本文其余部分安排如下：第二部分为空气污染和商业健康保险的文献综述与理论假说；第三部分为实证设计中变量的选取与数据来源；第四部分为实证结果分析、稳健性检验和异质性分析；第五部分为总结全文与提出建议。
二、文献综述和理论假设
（一）文献综述
回顾相关文献，早期学者对空气污染的探索大都集中在对居民的健康影响上，在此方向进行了大量的研究，陈硕等人研究发现二氧化硫污染物排放对居民死于肺癌和呼吸系统疾病的人数呈正相关且每年造成的死亡人数大约为18万左右；李卫兵等人通过实证研究发现，空气污染越严重对居民的心理健康造成的伤害程度就越深，并且对省会居民，受教育程度低的居民以及女性居民影响更大；叶林祥等人使用中国劳动力动态调查数据从居民的主观视角与收入水平研究了空气污染对居民幸福感的影响，结果发现高收入人群对较差的空气质量更加敏感，并且空气质量变差会降低居民的幸福感。通过总结空气污染对居民健康的相关文献发现，空气污染不仅对居民的身体健康造成影响，如造成呼吸系统疾病及肺癌，而且对居民的心理健康也有着不小影响，降低居民的幸福感。无论是身体健康的影响还是心理健康的影响，这都将增加居民的医疗成本。
商业健康保险在降低居民医疗健康成本上具有重大作用，大量的文献也进行了商业健康保险方向的研究，谢明明等人通过我国省级面板数据与门槛效应研究得出商业健康保险对社会医疗保险是一种补充，两者之间相辅相成，并非替代关系；许燕从健康养老的视角下研究了居民对商业健康保险的需求受居民对保险的认知程度影响最大；范红丽等人使用中国健康和营养调查面板数据研究了商业健康险对居民健康水平的影响为显著正向，并且这一现象在高收入人群与中年人群效果更突出，并且能够提高居民对医疗服务的使用;朱铭来等人认为商业健康保险是不可或缺的，其作用有效地帮助政府解决社会医疗保险独木难支的局面，并且能够有效地控制医疗费用的过快增长，帮助居民缓解医疗费用负担。从现有文献的观察总结可知，商业健康保险对降低居民医疗健康成本有着举足轻重的作用，能够促进医疗服务与相关保险的一体化经营，并且能够补充以及辅助国家社会医疗保险。
关于空气污染对商业健康险影响的研究文献有，袁成等人利用居民受教育程度作为居民的风险认知，进而研究了空气污染和居民风险认知对商业健康险消费的影响。伍骏骞等人使用省际面板数据研究了雾霾对商业健康保险发展的影响。发现从商业健康保险需求的视角来研究空气污染影响的文献并不多，且数据多为省际面板数据，污染物指标比较单一，因此本文希望在此方向的研究，能够在边际上丰富相关文献，为之后想要从事此方向研究的个人或保险公司等提供研究思路。
关于我国供暖政策和空气污染相关的背景介绍如下。我国的集中供暖政策，是根据造成南北气候差异的秦岭淮河来划分供暖地区的，根据政策要求，向秦岭淮河分界线以北的城市提供集中供暖，而秦岭淮河分界线以南地区的城市则无法享有集中供暖政策带来的福利。注意到集中供暖主要以燃烧煤炭为主，煤炭的不完全燃烧则会产生大量的空气污染物，并且Chen等人根据秦岭淮河分界线划分的供暖区域所形成的准自然实验，使用断点回归设计发现集中供暖政策造成北方城市空气污染更严重。供暖政策始于20世纪50年代，长期影响北方空气质量，并且由于秦岭淮河作为分界线所形成的空气污染断点，是本文断点回归设计所需要的重要条件。
（二）理论假设
环境污染会对居民的身心健康造成影响甚至伤害，环境污染问题包括空气污染、土壤污染、水质污染、噪音污染和光污染等一系列问题，其中相比较于其他污染问题，由于空气强大的流动性更容易使居民暴露在空气污染中，居民更容易遭受到空气污染带来的影响与伤害，可能引发呼吸系统疾病和肺癌，也有可能增加居民的焦虑情绪心理压力过大引发精神疾病。其次从保险理论的风险管理角度来分析，当居民受到来自空气污染危害的风险时，要进行损失管理，一般有事前管理和事后损失融资两种措施，事前管理一般包括增加保健投资，增强自身健康水平以抵抗空气污染带来的危害，或者迁徙到空气质量较好的地区等；事后损失融资除了以社会医疗保险作为基础保障之外，最重要的便是对商业健康保险的投资。空气污染的长期效果或短期效果对居民产生危害，则会增加居民的医疗开支，同时伴随着医疗费用的上涨，商业健康保险的效果凸显，居民对商业健康保险的需求则会增加。据此我们提出假设1。
假设1:空气污染会对我国居民商业健康险的需求产生积极影响。
我国居民对空气污染所带来风险的认知是多面的，存在一定的认知偏差。居民接收到空气污染信息并根据自身认知进行处理时，会受到各种因素的影响，最终反映到商业健康保险市场，这期间所花费的时间就会存在差异性。时间差异主要通过以下两个路径体现。第一，当空气污染出现时，给居民带来轻微的心理压力或者生理疾病，部分居民可能不会联想到空气污染，也不会产生对商业健康保险的需求，患有相关疾病的居民在此情况下对空气污染的影响更加敏感，也更可能采取积极主动的防御措施，如购买商业健康保险。当空气污染持续时间长或者空气污染严重时，带来长期或短期的心理压力或者生理疾病时，所需医疗费用上涨，居民对商业健康保险的需求则会增加。第二，相比于身体切身感受到空气污染带来的轻微影响，居民更容易被显著的特征所吸引。因此当空气污染问题严重时，对更多居民造成身心健康威胁时，空气污染作为热点话题会在媒体以及互联网中频繁出现，此时会增加居民对空气污染的关注度与认知，最终反映在商业健康保险需求的增加，同时此路径存在一个传导时间。根据以上分析我们提出假设2。
假设2:居民对空气污染造成的影响存在滞后性。
三、数据和方法
（一）变量选择与数据来源
1. 被解释变量
本文研究的是空气污染对商业健康保险需求的影响，其中被解释变量为商业健康险密度（CHID），即人均商业健康保险保费收入来表示，指代居民对商业健康险的需求（表1）。样本城市的商业健康保险保费收入数据来自银保监会；常住人口数据来自中国省（市）统计年鉴。
表1 变量说明
2. 解释变量
空气污染的数据十分庞杂且难以获取，常见的大气污染物分类有SO₂、NO₂ 、PM10、PM2.5、CO和O₃这六种，针对种类繁多的空气污染物，我国有两种综合指标空气污染指数（API）和空气质量指数（AQI）来进行衡量，但无论常见的六种大气污染物还是空气污染指数和空气质量指数，覆盖城市都不全面，时间跨度的连续性也不强，并且有学者认为数据存在造假甚至被操控等问题，因此本文使用卫星遥感监测PM2.5数据，该数据来自哥伦比亚大学运营的EOSDIS，数据的时间尺度从1998年至2016年，监测范围覆盖全球。本文使用ArcGIS软件提取秦岭淮河附近84个地级市的2011年至2016年的PM2.5数据，并进行取对数处理。这样获取的卫星遥感监测PM2.5数据更为客观，不存在人为操控问题。同时相比于其他种类污染物，PM2.5直径小，易携带有毒物质，并能在空气中停留较长时间对人体健康和大气环境质量的影响更大，并容易穿透室内。因此选取PM2.5数据作为空气污染更具有代表性。稳健性检验部分，本文也会选取空气质量指数AQI，PM10，SO₂、NO₂ 、CO和O₃作为替换空气污染指标数据，来检验回归结果的稳健性以及其他不同种类的污染物对居民商业健康险需求的影响。替换数据来自中国环保部数据中心，时间跨度为2014年至2016年，均进行取对数处理。
执行变量为各个地级市中心至秦岭淮河边界的最短距离(D)，单位为100Km。本文使用模糊断点回归，其有效前提之一为执行变量不存在人为操控的可能，本文的执行变量借鉴Ito的做法使用ArcGIS软件计算出87个样本城市中心点至秦岭淮河边界的最短距离(D)，属于地理上的距离，秦岭淮河以及样本城市中心，不会轻易随着个人的操纵而改变，因此不存在执行变量受到操控的可能性。
3. 控制变量
控制变量为人均可支配收入(PCDI)、城镇化水平(UR)、居民死亡率(DR)和空气污染关注度(A.index)。本文选取这四个变量为控制变量，首先考虑了模糊断点回归的有效前提包含控制变量在断点处的连续性，此条件增加了控制变量筛选的局限性，其次回顾Outreville总结归纳的保险消费影响因素的文献综述，可知居民对商业健康险的需求受到收入和人口结构等因素的影响，因此选择人均可支配收入、城镇化水平和居民死亡率作为控制变量。空气污染关注度一定程度反映了居民针对空气污染的风险认知，本文参考杨涛等人使用关于“雾霾”和“PM2.5”的百度指数作为居民对空气污染的关注度，采用相比“雾霾”和“PM2.5”涵盖意思更为全面的“空气污染”的百度指数来代表居民对空气污染的关注度。以上人均可支配收入、城镇化水平和居民死亡率数据均来自各地级市统计年鉴，空气污染关注度数据爬取自百度指数并进行手工整理。
其中大部分样本城市的人均可支配收入无法直接获取，各地区省市统计年鉴可以获取城镇居民可支配收入和农村居民可支配收入，因此本文借鉴崔恩慧等人的做法将城镇居民人口占比与农村居民人口占比作加权处理得到各个样本城市整体的人均可支配收入，其计算公式如下：
其中PCDI为各个样本城市的人均可支配收入，UPCDI为城镇居民人均可支配收入，RPCDI为农村居民人均可支配收入，UP为城镇居民人口数，RP为农村居民人口数，TP为样本城市总人口数。
（二）描述性统计分析
从本文变量的描述性统计来看，北方样本城市商业健康保险密度均值明显高于南方样本城市，且搜集到的六种空气污染物的排放量，同样的北方样本城市均明显高于南方样本城市，据此推断空气污染与商业健康保险密度之间可能存在着某种关系，实证部分将给出详细论证（表2）。
表2 变量描述性统计
（三）实证方法
本文使用的断点回归模型是最接近随机试验的，被称为准自然实验，可以有效验证变量之间的因果关系。断点回归分为清晰断点回归和模糊断点回归，而且断点回归需要满足这样两个前提：第一，驱动变量不得受到人为操纵，否则回归将失去意义。这篇文章以秦岭淮河作为南北分界线为断点，使用的驱动变量为样本城市至秦岭淮河边界的最短距离，不存在人为操纵的可能性；第二，控制变量在断点处不存在跳跃现象，即控制变量在断点处不存在断点效应，将在稳健性检验部分给出验证，所使用的控制变量在断点处均不存在断点效应。本文的实证设计均满足断点回归的使用前提，所以选用断点回归模型，具体的模型恰当性解释将在实证结果部分结合图形进行详细论证。
本文使用模糊断点回归，通过2SLS方法进行估计，构建以下模型：
其中i代表样本城市；t代表年份；CHIDit为商业健康保险密度；Pollutionit为空气污染，本文以PM2.5年度平均值来表示；Di为执行变量，即各个样本城市至秦岭淮河边界的最短距离，秦岭淮河以北为正，秦岭淮河以南为负；f(Di)为执行变量的一个多项式函数；Nit为处理变量，秦岭淮河以北取1，秦岭淮河以南取0；Xit为控制变量，包含人均可支配收入、城镇化率和死亡率；μit为随机扰动项；γt代表样本城市的时间固定效应；δ1为空气污染对商业健康保险密度的影响。
四、实证结果
（一）断点回归分析
在进行断点回归之前，首先判断模型的恰当性，其中图形是十分必要的。本文通过图形观察空气污染与商业健康保险密度是否受我国供暖政策所影响，即在以秦岭淮河分界线为地理断点处发生断点变化。本文断点设计的执行变量为距离D，通过设置秦岭淮河分界线为断点，北方样本城市到达秦岭淮河分界线的最短距离为正，南方样本城市到达秦岭淮河分界线的最短距离为负，将执行变量标准化，以此观察空气污染与商业健康保险密度在断点处的跳跃现象。图1为断点图，由图可知，代表空气污染的污染物排放指标PM2.5在断点处发生了明显向上跳跃现象，并且北方样本城市的PM2.5年平均排放量整体比南方样本城市要高，说明北方样本城市空气污染受到供暖政策所影响。同样的，商业健康保险密度CHID在断点处同样发生了向上跳跃现象，北方样本城市的商业健康保险密度整体比南方样本城市要高，此现象可以发现商业健康保险密度在一定程度上受到空气污染的正向影响，具体影响结果如何则需要进一步观察回归结果。通过断点图发现地理断点处的现象可以侧面表明空气污染与商业健康保险存在因果关系，因此本文使用断点回归是恰当的。另外从断点图可以观察到，在断点处PM2.5年平均排放浓度从45ug/m³向上跳跃至了60ug/m³，商业健康险密度从46元/人向上跳跃至62元/人。
图1 空气污染（ug/m³）和商业健康保险密度（元/人）的秦岭淮河断点图
表3报告了断点回归的估计结果，Panel A、Panel B和Panel C分别对应式子(2)、(3)和(4)，其中模型(1)为OLS回归，模型(2)、(3)和(4)为模糊断点回归，Panel A和Panel B对应模糊断点回归的第一阶段回归，Panel C对应第二阶段回归。
表3 空气污染对商业健康保险需求的影响
第一阶段回归结果发现，分别控制时间固定效应与其他变量或者同时控制两者，北方样本城市商业健康险密度都在1%显著性水平高于南方样本城市，同样发现北方样本城市的PM2.5年平均排放浓度也在1%显著性水平高于南方样本城市。第二阶段回归结果发现，空气污染对商业健康险密度在1%显著性水平有着正向影响，这也验证了前文的假设1，模型(4)为同时加入控制变量与时间固定效应，结果显示PM2.5浓度每上升1%商业健康保险密度每提高1.098%。此外发现空气污染关注度变量回归系数显著为正，说明居民对空气污染的关注越高，认知越强，对商业健康险的需求也就越高。模型(2)和模型(3)分别考虑了控制变量和时间固定效应，其回归系数也仅仅是略低于模型(4)的回归系数，说明了本文研究的空气污染对商业健康保险密度影响的回归结果具有一定的稳定性。模型(1)与模型(4)对比，系数分别为0.214和1.098，OLS回归系数远低于断点回归系数，证明断点回归相对于普通OLS回归可以有效解决内生性问题，OLS回归低估了空气污染对商业健康保险密度的影响。
（二）逐年回归分析
本部分将进行逐年回归分析，空气污染并不是第一时间被人们所察觉，人们对空气污染的风险认知有一个反应的过程，开始时并不是非常敏感，随着时间推移社会不断发展，精神和物质生活不断提高，人们开始重视生活环境的质量，此时人们会对空气污染更加敏感并产生更多反应，如搬迁到生活环境好的地区、购买商业健康保险、提高保健产品开支和增加医疗投入等。基于此分析，本部分将进行逐年断点回归分析空气污染对商业健康险密度的影响，以进行验证。
表4报告了2011年至2016年每年的空气污染对商业健康保险的断点回归结果，经过逐年回归分析发现，2013年以前在商业健康保险的购买方面，空气污染并没有引起居民的关注或重视，回归结果并不显著，2013年之后回归结果变得显著，说明空气污染开始对居民的商业健康保险需求产生正向影响。此结论和伍骏骞等人的研究结果相同，其分时间样本回归结果同样显示居民对空气污染的风险认知具有滞后性，从图2也可以看出，从2011年至2016年，PM2.5指数变化不大，但是空气污染自2013年开始关注度变高，即百度搜索指数变大，说明居民受到空气污染的影响具有滞后性，这也与前文假设2相符。居民逐渐开始关注并且认识到空气污染的危害，并影响其对商业健康保险的需求。
图2 空气污染搜索指数和PM2.5（ug/m³）年度变化图
表4 逐年回归分析结果
（三）稳健性检验
1. 断点回归估计的有效性
断点回归有效的前提有两个条件必须满足：一是执行变量不被操纵；二是控制变量在断点处要连续不存在跳跃现象。首先确认执行变量不可操纵，由于执行变量采取样本城市距离秦岭淮河的最短距离，属于地理断点，因此不存在被人为操纵的可能性。其次也要确定控制变量的连续性，即控制变量在断点处不存在断点效应，以确保主回归的有效性以及不受其他因素影响。本文将控制变量分别作为被解释变量，表5报告了控制变量的断定回归结果，发现回归结果均不显著，说明所选控制变量在断点处不存在断点效应，呈连续性变化。所以满足以上两个条件，不存在影响断点回归有效性的可能，为本文断点回归选择的恰当提供证据。
表5 控制变量连续性检验
2. 带宽的敏感性
带宽的选取会对断点回归造成较大影响，带宽越小样本数量越少，可能会造成样本量不足，导致回归结果无效，带宽越大距离断点越远，可能失去断点回归的特征，即断点附近样本的相似性特征。同时使用参数回归进行的断点设计其带宽选取具有一定的主观性。因此本文采用Imbens和Lemieux提出的IK法来选择最优带宽，并且选取不同的带宽来进行断点回归，来保证本文断点回归的稳健。IK法测算出来的最优带宽为4.06，即至秦岭淮河边界最短距离406Km之内的南北样本城市选择范围，同时添加了0.5倍、1.5倍和2倍最优带宽。表6报告了不同带宽下断点回归的结果，使用不同的带宽选择，空气污染对商业健康保险密度的回归系数大小有影响，但结果依然都是显著的正向影响且结果接近，说明回归结果比较稳健。由此可见本文研究的空气污染对商业健康保险密度的影响对于带宽的选择并不敏感，进一步证明回归结果的稳健性。
表6 带宽敏感性检验
3. 多项式阶数的选择
参数据估计方法下的断点回归设计，其多项式阶数的选择同样十分重要。Gelman等人建议多项式阶数的选择以测试到二阶为止，更高阶的选择不建议尝试，Fu等人同样建议最高选择到二阶，因此本文选择了一阶多项式和二阶多项式进行回归检验，同时使用赤持信息准则以及贝叶斯信息准则选择多项式阶数最优的模型。表7报告了一阶多项式和二阶多项式的回归结果，其中一阶多项式的AIC和BIC值最小，其中一阶多项式模型的AIC值429.268，BIC的值470.856都比二阶多项式的AIC的值476.162，BIC的值521.531要小，因此本文断点回归的多项式阶数选择为一阶。
表7 多项式选择
同时根据两个不同阶数多项式模型的回归结果来看，无论如何改变执行变量的函数形式，空气污染对商业健康保险密度的影响均有着显著的正向影响，且回归系数接近，这同样证明了本文的断点回归模型的稳健性。
4. 核心变量替换
由于考虑到了不同的空气污染物可能对商业健康保险密度有着不同的影响，为了进一步验证空气污染对商业健康保险密度的影响，本部分通过替换解释变量来进行稳健性分析。本文替换了六种不同的空气污染指标，分别为AQI、PM10、SO₂、NO₂ 、O₃和CO。表8报告了这六种不同空气污染物对商业健康保密度的影响均为显著的正向影响，且回归系数大小接近，这说明了本文所研究的空气污染对商业健康保险密度之间的因果关系是稳健的。
表8 替换被解释变量回归结果
五、结论与建议
本文通过使用秦岭淮河地区87个地级市的2011—2016年的宏观数据，首次将断点回归用在空气污染对商业健康险需求的影响研究上，为空气污染对居民的保险消费行为研究提供证据。研究结果显示：(1)空气污染越严重居民对商业健康险需求就越高，整体空气污染对商业健康险需求呈显著正向影响，并且通过增加控制变量、选择不同带宽、选择不同阶数多项式、替换不同空气污染物指标等一系列稳健性检验后结果依然显著。(2)2013年以前我国居民对空气污染并不敏感与重视，直至2013年初我国出现大范围持续性长的雾霾天气，并且随着新闻报道频率增加，居民对空气污染的重视程度才开始逐渐加大，也可发现这一现象体现在对商业健康保险的购买上。
我国的空气污染问题客观存在，并且空气污染促进了商业健康保险需求的增长，因此本文以迅速发展的商业健康保险市场和居民日益增长的空气污染重视程度为背景，根据实证结论提出的建议如下：（1）目前我国商业健康保险市场发展迅速具有较高成长空间，但是市面险种同质化严重，针对空气污染保障这一专项需求，保险公司可以有针对性的设计开发相关商业健康保险险种，为有此需求的客户提供保障。实证结论显示空气污染对商业健康保险需求呈显著正向影响，并呈现出因秦岭淮河地理断点划分的南北差异，因此将地区差异、空气污染等因素考虑在内也是十分必要的。（2）异质性分析部分逐年回归结果可发现，我国居民对空气污染的敏感度与重视度不足，2013年以后才逐渐重视空气污染，建议加强居民的环境保护意识以及自身的健康保护意识，政府部门也可加强对居民进行环保和安全卫生教育，扩充居民的环保与医疗卫生知识。同时医疗机构与保险机构也可发挥自身优势，成立“健康管理”部门，引导居民对自身健康的重视与保护，也可降低居民的医疗成本。（3）国家应当加快发展绿色金融，金融机构可以为企业等提供有利于环境保护、环境改善和节约能源等绿色金融服务，有助于企业新旧能源更替以及促进污染物排放治理。其中保险机构可以发展绿色保险，为企业加强环境污染风险管理、减少污染事故突发和维护环境污染受害者利益等做出积极探索与贡献。