原文信息：HeyesA.,andM.Zhu.AirPollutionasaCauseofSleeplessness:SocialMediaEvidencefromaPanelofChineseCities[J].JournalofEnvironmentalEconomicsandManagement,,98:.
一、引言
了解污染的全部负面影响是对政策干预措施进行福利评估的必要前提。睡眠是人类健康的重要投入。睡眠不足会从多个方面降低心理功能，个人和政府都在保护睡眠方面进行了投资。尽管睡眠对人类至关重要，而且睡眠对个人和社会福祉的贡献各不相同，但对睡眠的经济分析却很粗略。Biddle和Hamermesh()将睡眠选择视为时间分配问题。同样，Asgeirsdottir和Zoega()做了睡眠的经济效应的研究，将睡眠作为白天健康状态的投资，并将健康视为人力资本。污染会使睡眠质量降低这是显然的，但很少有研究者建立睡眠质量与污染关系的模型。因此，本文旨在探讨城市空气污染对城市居民睡眠的影响。作者在中国19个最大的城市中使用频率最高的的社交媒体网站微博上得到诸如“睡不着”、“不眠之夜”等汉字的使用频率，构建了一个睡眠质量的测量方法。本文使用OLS方法来估计当天当地空气质量对该测量值的影响。为了加强对这种关系的解释，本文采用IV方法，把周边源城市的加权平均污染作为空气质量指标的工具变量。
二、模型设计与变量说明
2.1模型设计
本文首先使用OLS来检验空气质量和失眠之间的关系，模型设定如下：
Sit是指i城市第t个日历日晚上的失眠指数；Pit是i城市日期t的日均污染物浓度。本文考虑的主要污染物是PM2.5和AQI（综合空气质量指数）。本文控制了一系列潜在的干扰因素。Wit是一个包含平均温度、平均湿度、降水量、风速和海平面压力的天气控制向量。温度和湿度的测量值作为指标（平均温度为5℃，平均湿度为20%）以适应可能的非线性影响。θi是一种城市固定效应，控制不随时间变化的城市特征。λt是时间固定效应向量，包括月固定效应、年固定效应、季度固定效应、周固定效应和假日固定效应。εit为误差项。β是空气污染效应。
在这里，OLS估计的有效性有几个挑战。首先，污染可能存在测量误差。本文的理论基础是建立在合理的生理基础上的可能性，即，一个人暴露于高水平的污染会增加失眠的几率。然而，本文观察的是环境空气质量（已经证明，在特定日期，特定城市内的各个检测点的空气质量相对一致），而不是单独暴露在空气中。例如，没有观察到诸如关闭窗户和使用空气净化器等自卫行为，这可以减少有效暴露。空气质量指标的测量误差将导致核心解释变量系数的OLS估计值减小。第二，无法排除遗漏变量的存在。例如，空气污染可能与城市经济活动中未被观察到的变化正相关，而这些变化又可能通过其他渠道影响失眠。基于这些原因，本文使用基于风向的工具变量法补充OLS分析。
对每个目标城市i，都确定公里至公里范围内的其他小城市（中心到中心）作为其可能的源城市。如果风向恰好是“正确”的话，这些很可能是城市i的污染源。本文将这些城市称为城市i的“源”城市。为了减少内生性，不包括公里以内的相邻城市(Bayer等,9;Zheng等,)。
第一阶段方程如下：
Pit是t时期目标城市i的实际污染，相关系数为Ψ反映了逆风源城市对目标城市的污染影响。Psourceit是一个指数，代表t日从源城市输入目标城市i的污染量。该工具变量的有效性要求风向影响目标城市睡眠质量的唯一途径是目标城市的空气质量。
Pjtmonth是源城市j在相关月份的平均污染水平。在特定的一天，污染物从源城市向目标城市的传输取决于风向和风速。特别是，在其他条件相同的情况下，当(a)城市较近，(b)风速较高，且(c)风向与连接两个城市的假想线之间的夹角较窄时，j城市向i城市的空气污染输入量较大。权重向量反映了这一点。特别是，本文通过反距离（公式(4)）对源城市进行加权，其中地理距离根据风速和角度进行调整（公式(5)）.
风向在一天中可以变化。我们使用根据小时数据构建的日平均方向，这和大多数现有研究一致（包括Schlenker和Walker()以及Herrnstadt等()）。在计算指数时，只包括cos
φi-φj
的正值，也就是说，
