空间处理效应边界的非参数识别与估计：基于 4200 万污染观测值的证据

本文发展了一种非参数框架，用于识别和估计具有地理溢出效应的空间处理边界。虽然大气扩散理论在理想假设下预测污染呈指数衰减，但这些假设——稳定风向、均匀大气、平坦地形——在实际操作中常被系统性违反。本文在弱光滑性和单调性条件下建立了非参数识别框架，提出一种基于核方法的估计器，并进行数据驱动带宽选择，推导了推断的渐近理论。利用 2019-2021 年的 4200 万颗粒状气溶胶监测站点 NO₂ 浓度观测数据，发现非参数核回归相对于参数化指数衰减假设的预测误差平均降低 1.0 个百分点，其中在政策相关距离：10 公里（近源效应）处降低 2.8 个百分点，100 公里（长程输送）处降低 3.7 个百分点。参数方法系统性地低估近源浓度，同时高估长程衰减。新冠疫情提供了一个自然实验，验证了该框架的时间灵敏性：2020 年 NO₂ 浓度下降 4.6%，2021 年恢复 5.7%。这些结果表明，灵活的数据驱动空间方法在环境政策应用中显著优于限制性的参数化假设。