CC BY
54
2016, том 18 [8]
—--—
УДК 610.64:616 006 (470 57)
ОЦЕНКА ВЛИЯНИЯ ВЫБРОСОВ ЗАГРЯЗНЯЮЩИХ ВЕЩЕСТВ В АТМОСФЕРУ НА СМЕРТНОСТЬ ОТ РАКА ЛЕГКИХ В РАЙОНАХ РЕСПУБЛИКИ БАШКОРТОСТАН
НА ОСНОВЕ ПАНЕЛЬНОГО МОДЕЛИРОВАНИЯ
1 2 Р.А. Аскаров , И.А. Лакман ,
А. В. Шаранова2
1ФГБОУ ВО Российский государственный геологоразведочный университет им. С. Орджоникидзе г. Москва, Россия
2ФГБОУ ВО Уфимский государственный авиационный технический университет Уфа, Россия
Аннотация. Для оценки влияния загрязнения атмосферного воздуха на изменение показателей смертности от рака легких для населения Республики Башкортостан (РБ) применен современный инструмент статистического анализа — анализ панельных данных. Материалом при анализе служили данные статистических форм отчетности территориального органа Федеральной службы государственной статистики по РБ (таблица С 51 «Распределение умерших по полу, возрастным группам и причинам смерти» и «2ТП — Воздух») за период 2002—2014 гг. Полученные результаты особенно ценны тем, что позволяют учесть особенности развития территорий республики, объединенные в кластеры, при выявлении влияния химического загрязнения атмосферного воздуха на смертность от рака легких.
Ключевые слова: смертность от новообразований; загрязнение атмосферного воздуха; кластерный анализ; панельное регрессионное моделирование.
Введение. Необходимым условием для оценки состояния здоровья нации и выявления причин его ухудшения является применение современных методов статистического моделирования. Одним из инструментов статистического анализа, позволяющего получить достоверные оценки, является панельный анализ данных. Панельные данные, представля-
ющие собой однотипные наблюдения прослеженные за определенный период времени, позволяют использовать преимущества как кросс-секционного регрессионного анализа, так и анализа временных рядов. В основном применение анализ панельных данных для оценки состояния здоровья индивидуумов, построено на данных лонгитюдных социоло-
—--—
Издание зарегистрировано в Федеральной службе по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор). Свидетельство о регистрации СМИ ПИ ЭЛ № ФС77-50518 Журнал представлен в НАУЧНОЙ ЭЛЕКТРОННОЙ БИБЛИОТЕКЕ (НЭБ) — головном исполнителе проекта по созданию Российского индекса научного цитирования (РИНЦ)
гических опросов населения [1; 2]. Но существуют работы [3], в которых в качестве однотипных объектов рассматриваются целые страны. В настоящей статье сделана попытка оценить влияние выбросов загрязняющих веществ в атмосферу на изменение показателя смертности от рака легких для населения Республики Башкортостан (РБ) на основе панельного моделирования, где в качестве однотипных объектов исследования выступают муниципальные образования и города республики.
Описание исходных данных. В качестве объекта исследования выступал показатель смертности от рака легких на 100 тысяч населения в 74 муниципальных образованиях, городских округах и городах РБ. В качестве предмета исследования использовали химические показатели загрязнения атмосферного
воздуха (тонн): — общее количество выбросов в атмосферу загрязняющих веществ; V2 — общее количество выбросов в атмосферу твердых веществ; Vъit — общее количество выбросов в атмосферу газообразных и жидких веществ; V4 — количество выбросов
в атмосферу диоксида серы; Vг5t — количество выбросов в атмосферу оксида углерода; V6 — количество выбросов в атмосферу оксида азота; V7 — количество выбросов в атмосферу углеводородов без летучих органических соединений (ЛОС); Vг8t — количество
выбросов в атмосферу ЛОС; V9 — количество выбросов в атмосферу специфических загрязняющих веществ; V10 — количество выбросов в атмосферу марганца; V1/ — количество
выбросов в атмосферу сажи; — количество выбросов в атмосферу сероводорода;
V13 — количество выбросов в атмосферу фто-
14
ристых соединений; vit — количество выбросов в атмосферу метана; V15 — количество выбросов в атмосферу бензола; V16 — количество выбросов в атмосферу ксилола; V1/ — количество выбросов в атмосферу аммиака; V18 — количество выбросов в атмосферу азотной кислоты; V19 — количество
выбросов в атмосферу хрома; V20 — количество выбросов в атмосферу серной кислоты; V27 — количество выбросов в атмосферу соляной кислоты; V23 — количество выбросов
в атмосферу толуола. В работе использовались данные государственной статистической отчетности Территориального органа Федеральной службы государственной статистики по РБ о числе умерших по таблице С 51 «Распределение умерших по полу, возрастным группам и причинам смерти» (2002—2014 гг.) и о состоянии атмосферного воздуха по форме «2ТП — Воздух» (2000—2013 гг.).
Методика исследования. Предварительный визуальный анализ панельных данных показал наличие неких групп районов со схожей динамикой смертности от рака легких, таким образом, было сделано предположение о наличии кластеров с индивидуальными эффектами влияния атмосферных выбросов на смертность от рака легких. Предполагается, что каждый кластер может иметь собственную спецификацию панельной модели. Была проведена кластеризация 74 районов и городов республики, где в качестве показателей кластеризации использовалась смертность от злокачественных новообразований легких. В качестве метода кластеризации была выбрана иерархическая кластеризация, а именно построение дендрограммы (дерева
Издание зарегистрировано в Федеральной службе по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор). Свидетельство о регистрации СМИ ПИ ЭЛ № ФС77-50518 Журнал представлен в НАУЧНОЙ ЭЛЕКТРОННОЙ БИБЛИОТЕКЕ (НЭБ) — головном исполнителе проекта по созданию Российского индекса научного цитирования (РИНЦ)
----—-
кластеров) с последующим применением метода К-средних [4].
В качестве панельной модели рассматривалась спецификация в виде:
т66 = в + X 23=1 в у + а + ей,
где р0 — общая константа, у = 1, ..., 23 — индекс, отвечающий за номер выброса, ву — коэффициент влияния выброса на показатель смертности от рака легких, аг- — фиксированный эффект по районам, аt — фиксированный эффект по периодам, ги — случайная составляющая.
Следует отметить, что на ряду с предложенной спецификацией рассматривались также модели, позволяющие отследить отсроченный эффект влияния выбросов в атмосферу на изменение показателя смертности от рака легких для тех или иных районов РБ, а именно модели с распределенными лагами. Панельные модели позволяют учесть индивидуальные особенности районов, относящиеся к неподдающейся сбору информации, за счет введения фиксированных/случайных эффектов для каждого объекта исследования или фиксированных/случайных эффектов для каждого периода времени. Спецификацию эффектов моделей проводили, применяя тесты Броша-Погана, тест отношения правдоподобия, тест Хаусмана.
О качестве построенной модели судили на основе выполнения следующих требований: стандартные ошибки коэффициентов модели и соответствующим им ^статистики указывали на статистическую значимость коэффициентов модели, панельный коэффициент детерминации был близок к единице, то есть большая доля дисперсии в смертности объяснялась построенной моделью, критерий Дарбина-Уотсона свидетельствовал об отсутствии автокорреляции в остатках и как следствие эффективности оценок коэффициентов модели, критерий Бера-Жарка свидетельст-
вовал о нормальном распределении остатков, то есть о состоятельности и надежности полученных оценок. Расчеты проводились с использованием пакета прикладных программ EViews 8.0 и R 3.3.2 [5].
Экспериментальная часть. В результате проведения процедуры кластеризации было получено 7 кластеров для мужчин и для женщин. В таблице представлены результаты анализа, где в первом столбце указан кластер, во втором — спецификация адекватной модели (в качестве регрессоров выступают только статистически значимые показатели выбросов, в скобках указаны ^статистики коэффициентов модели), в третьем — основные статистики качества модели. Так, в первом кластере средняя смертность равна 47,66 смертям на 100 000 населения (наименьшая среди всех кластеров) и прирост этого числа зависит от количества выбросов в тоннах — средняя смертность увеличивается на 0,002 часть от количества выбросов. Также в этом кластере присутствуют фиксированные эффекты — пространственные, что говорит об индивидуальном влиянии для каждого района.
Во втором кластере средняя смертность составляет 45,00 смертей на 100 000 населения и при увеличении выбросов на тонну эта цифра увеличивается на 0,023 смертей на 100 000 населения. Здесь также присутствует фиксированный пространственный эффект.
В третьем кластере средняя смертность составляет 43,81 смертей на 100 000 населения и при увеличении выбросов на тонну эта цифра увеличивается на 0,02 смертей на 100 000 населения. Здесь также присутствует фиксированный пространственный эффект.
В четвертом кластере средняя смертность — 34,40 и при увеличении выбросов на 1 тонну увеличивается на 0,02, причем эффект достигается через 2 года. Присутствует фиксированный пространственный эффект.
Издание зарегистрировано в Федеральной службе по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор). Свидетельство о регистрации СМИ ПИ ЭЛ № ФС77-50518 Журнал представлен в НАУЧНОЙ ЭЛЕКТРОННОЙ БИБЛИОТЕКЕ (НЭБ) — головном исполнителе проекта по созданию Российского индекса научного цитирования (РИНЦ)
Таблица
Результаты анализа влияния выбросов в атмосферу на смертность от рака легких среди мужчин
№ кластера Спецификация Статистики модели
1 mf = 47,66+0,002 -V 6 + а (48,96) (2,02) R-squared 0,38 F-statistic 7,23 Prob(F-statistic) 0,00 D-W stat 1,88
2 m66 = 45,00+0,023 -V,2 + а (35,45) (2,40) R-squared 0,30 F-statistic 5,22 Prob(F-statistic) 0,00 D-W stat 2,00
3 m66 = 43,81+0,02 -v 6 + а (28,95) (2,36) R-squared 0,40 F-statistic 8,04 Prob(F-statistic) 0,00 D-W stat 1,88
4 m66 = 34,40+0,02 -Д<2_2 + аг. (31,95) (6,55) R-squared 0,54 F-statistic 10,33 Prob(F-statistic) 0,00 D-W stat 2,07
5 mf = 47,37 + 0,02- Дv 2 +а г (24,80) (2,15) R-squared 0,29 F-statistic 4,53 Prob(F-statistic) 0,00 D-W stat 1,95
6 mf = 41,89 + 0,06-Д^_2 + аг (27,72) (1,97) R-squared 0,22 F-statistic 2,50 Prob(F-statistic) 0,01 D-W stat 1,82
7 mf = 51,73 + 0,53- v" +аг (61,53) (15,20) R-squared 0,96 F-statistic 26,11 Prob(F-statistic) 0,00 D-W stat 1,91
Пятый кластер имеет среднюю смертность в 47,37 человек на 100 000 населения, и прирост этого числа равняется 0,02 часть от каждой приращенной тонны. Присутствует фиксированный пространственный эффект.
Спецификация шестого кластера аналогична спецификации четвертого, с той разницей, что средняя смертность по этому кластеру — 41,89 и с приростом выбросов на 1 тонну это число увеличивается на 0,06
через 2 года, также существуют фиксированные пространственные эффекты.
Наибольшая средняя смертность зафиксирована в седьмом кластере — 51,73, также здесь наибольший прирост на каждую прибавленную тонну выбросов — 0,53. Присутствует пространственный фиксированный эффект. В большинстве кластеров увеличение смертности от рака легких происходит в тот же год после прироста выброса, и увеличе-
Издание зарегистрировано в Федеральной службе по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор). Свидетельство о регистрации СМИ ПИ ЭЛ № ФС77-50518 Журнал представлен в НАУЧНОЙ ЭЛЕКТРОННОЙ БИБЛИОТЕКЕ (НЭБ) — головном исполнителе проекта по созданию Российского индекса научного цитирования (РИНЦ)
ние варьируется от 0,002 до 0,53 смерти на 100 000 населения на каждую приращенную тонну выбросов. При этом установлено положительное влияние выбросов в атмосферу сажи, оксида азота, сероводорода и твердых веществ на рост смертности от рака легких у мужчин для некоторых кластеров муниципальных образований.
Таким образом, применение панельного анализа в качестве инструмента, работающего с данными пространственно-динамической структуры, позволяет выявить общие закономерности в смертности от рака легких, характерные для всех территорий и учесть влияние индивидуальных ненаблюдаемых характеристик каждой территории (муниципального образования республики) в отдельности.
ЛИТЕРАТУРA
1. Kouser S., Qaim M. Impact of Bt cotton on pesticide poisoning in smallholder agriculture: A panel data analysis // Ecological Economics. 2011. Т. 70. №. 11. С. 2105—2113.
2. Hong J. Socio-economic inequalities in mental health and their determinants in South Korea: дис. The London School of Economics and Political Science (LSE), 2012.
3. Torre R. et al. Income inequality and population health: a panel data analysis on 21 developed countries // Max Planck Institute for Demographic Research, Rostock, Germany. 2011.
4. Исакин М.А. Модификация метода k-сред-них с неизвестным числом классов // Прикладная эконометрика. 2006. № 4. С. 62—73.
5. EViews 7 Руководство пользователя / Quantitative Micro Software, LLC. URL: http://www.eviews.com (дата обращения: 03.07.2016).
ESTIMATION THE INFLUENCE OF POLLUTANT EMISSIONS INTO THE ATMOSPHERE ON MORTALITY FROM LUNG CANCER IN THE AREAS OF THE REPUBLIC OF BASHKORTOSTAN BASED ON THE PANEL MODELING
1 2 R.A. Askarov , I.A. Lackman ,
A. V. Sharanova
1Ordzhonikidze Russian state geological prospecting University, Moscow, Russia
2Ufa State Aviation Technical University Ufa, Russia
Annotation. A modern tool of statistical analysis - Panel Data Analysis — applied to estimate the influence of air pollution on mortality rates from lung cancer in the Republic of Bashkortostan. Data for the analysis is processed data from statistical reporting forms of territorial agency of the Federal Service for State Statistics Republic of Bashkortostan (Table C51 "deaths by sex, age groups and causes of death" and "2TP — Air") for the period 2002—2014 years. The results are particularly valuable because they allow taking into account the features of areas in clusters in detecting the effects of chemical air pollution on mortality from lung cancer.
Key words: mortality from tumors; air pollution; cluster analysis; panel regression modeling.
Издание зарегистрировано в Федеральной службе по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор). Свидетельство о регистрации СМИ ПИ ЭЛ № ФС77-50518 Журнал представлен в НАУЧНОЙ ЭЛЕКТРОННОЙ БИБЛИОТЕКЕ (НЭБ) — головном исполнителе проекта по созданию Российского индекса научного цитирования (РИНЦ)
REFERENCES
1. Kouser S., Qaim M. Impact of Bt cotton on pesticide poisoning in smallholder agriculture: A panel data analysis. Ecological Economics, 2011, vol. 70, no. 11, pp. 2105—2113.
2. Hong J. Socio-economic inequalities in mental health and their determinants in South Korea: dis. The London School of Economics and Political Science (LSE), 2012.
3. Torre R. et al. Income inequality and population health: a panel data analysis on 21 developed countries. Max Planck Institute for Demographic Research, Rostock, Germany, 2011.
4. Isakin M.A. Modification of K-Means method with unknown number of classes. Prikladnaja jekonometrika, 2006, no. 4, pp. 62—73. (Russian).
5. EViews 7 User's Guide/ Quantitative Micro Software, LLC, URL: http://www.eviews.com (Accessed 3rd July 2016).
