科研成果

KEYANCHENGGUO

（一）文献回顾 

本文基于现代发展科学中生命最初1000天框架（The First 1000 Days Framework）（Camerota and Willoughby， 2021），从新生儿分娩时及分娩后一段时间内表现出的特征测度新生儿健康指数。与本研究直接相关的文献有两支，主要集中在环境科学领域。这类研究大多停留在相关性分析，对因果关系的探讨相对不足。第一支文献考察了城市绿色发展对早产、低体重等新生儿分娩时出生结果的影响。例如，Toda et al.（2022）使用Logit模型研究了9个欧洲国家69 683名新生儿出生体重、胎龄与住宅周围绿地之间的关系，发现住宅周围500米范围内绿地增加，能够显著降低新生儿低出生体重和早产概率，低受教育群体、贫困家庭以及北欧地区家庭受影响更大。Nie et al.（2020）使用250米分辨率绿地数据和Logit模型，研究了我国华南地区住宅绿地与新生儿先天性心脏病之间的关系，发现住宅周围1000米范围内绿地覆盖率的提升能够显著降低新生儿先天性心脏病的发病概率，非高龄产妇家庭、高收入家庭以及受教育程度高的家庭新生儿获益更大。也有一些文献发现，邻里绿地对新生儿健康没有显著影响，原因在于家庭特征混淆了邻里绿地和新生儿健康之间的关系，并且邻里绿地的测度方法缺乏空间精度，也会导致不稳健的估计结果（Cusack et al.， 2017）。

还有一支文献考察了城市绿色发展对新生儿分娩后一段时间内健康状况的影响。尽管研究方法、研究对象以及研究区域存在差异，相关文献并未得到完全一致的结论，但大多数研究发现城市绿色发展对分娩一段时间内的新生儿健康有着积极影响。一方面，绿地覆盖率提高能够增加环境微生物多样性，这能够改善妊娠期母亲和胎儿免疫耐受性，提升新生儿身体抵抗力（Aerts et al.， 2018）；另一方面，绿地覆盖率增加能够降低环境污染，提高新生儿与自然环境之间的互动水平，这不仅有利于新生儿早期神经发育，使其表现出更高的心理发展指数和心理运动发展指数（Liao et al.， 2019），还能够降低新生儿出现情绪、行为问题的可能性，对其非认知能力起到促进作用（Midouhas et al.， 2019）。

国内关于城市绿色发展如何影响新生儿健康的文献相对较少，研究内容主要是城市绿色发展对成年人心理健康、身体活动、地方依恋等的影响（吴蓉等，2021；吴佳雨等，2023）。在新生儿健康方面，现有文献多聚焦于环境污染的负面影响（赵绍阳和卢历祺，2022；石智雷和周小强，2024），较少探讨以城市绿地为代表的绿色发展对新生儿健康的直接促进作用。在此背景下，需基于科学精准的新生儿追踪数据，构建具有因果识别效应的研究框架，并结合高精度的邻里绿地数据，以准确评估城市绿色发展的直接社会效益及其对新生儿健康的影响，从而为我国人口高质量发展提供实践支撑。

（二）城市绿色发展影响新生儿健康的相关机制

已有文献指出，绿色环境主要通过三种方式影响个体健康，分别是促进健康行为（如增加身体活动）、促进心理恢复（如减轻心理压力）和减少环境伤害（如减少环境中的空气和噪声污染）（Markevych et al.， 2017）。本文在生命最初1000天框架下衡量新生儿健康，胎儿期及出生后一段时间内的各类因素均可能对新生儿健康产生影响。胎儿期健康状况主要受母体健康和孕育环境影响，出生后则受居住环境和父母养育方式等因素的共同影响。因此，本文尝试从母亲健康、住宅环境和养育方式三个方面提出一个简单的分析框架，厘清城市绿色环境影响新生儿健康的可能机制。

第一，城市绿色发展通过增进母亲身体和心理健康提升新生儿健康。母亲的身体和心理健康对新生儿健康有着决定性影响，在孕期，母亲良好的身心状况不仅能为胎儿提供充足的营养，还能降低母亲自身患病风险，减少生病用药对胎儿发育造成的不良影响。同时，母亲良好的心理健康状况有助于维持内分泌系统和免疫系统的平衡，降低母体应激反应对胎盘重量、代谢和营养转运等的负面影响（Christian， 2012），从而提高胎儿发育水平。新生儿出生后，母亲的健康状况会对母乳分泌和喂养产生影响，较差的健康状况可能导致母乳质量下降，并降低母乳喂养的意愿（Dennis and McQueen， 2009）。此外，产后压力增加可能使母亲产生消极育儿行为，影响母婴之间的依恋关系和互动，从而对新生儿健康产生负面影响（Oyetunji and Chandra， 2020）。在自然资源稀缺的城市环境中，邻里绿地能够促进个体身体活动、降低环境污染、缓解精神压力，这都有利于母亲的身体和心理健康（Browning et al.， 2022），从而提高新生儿健康。

第二，城市绿色发展通过改善住宅居住环境提升新生儿健康。家庭住宅是新生儿从胚胎期到出生后成长和发育的最基本物理空间，干净、舒适的住宅居住环境对新生儿健康具有长期且重要的影响（Reece， 2021）。在高密度的城市地区，室内空气污染和环境噪声等住宅环境问题已经成为一项重要公共卫生挑战，其对新生儿健康的影响甚至可以延伸至胚胎发育阶段（Madureira， 2020）。近年来，许多研究发现植被覆盖、园林景观等绿色空间不仅能够优化城市生态环境质量，对室内住宅环境也有诸多益处。例如，Mueller et al.（2020）使用广义最小二乘法考察了住宅邻里绿地覆盖率对住宅内部PM2.5的影响，发现住宅周边100米绿地覆盖率每增加10%，室内PM2.5浓度将显著降低10.2%。Zhang et al.（2024）的研究发现，社区绿地覆盖率的提高能够显著改善个体睡眠质量，而绿地对住宅噪声的缓解是重要的中介因素。由此可见，城市绿色发展带来的小区邻里绿地覆盖率提高，可通过降低住宅内部的空气污染和噪声水平，改善胎儿期的孕育环境及出生后的生活环境，从而促进新生儿健康。

第三，城市绿色发展通过优化家庭养育方式提升新生儿健康。新生儿出生后，带孩子进行适当的户外活动被认为是提升新生儿健康水平的重要方式。国家卫健委印发的《3岁以下婴幼儿健康养育照护指南（试行）》强调“幼儿每天身体活动时间至少3小时，其中户外活动时间至少2小时”。相关文献也指出，户外活动能够促进新生儿自身维生素D的形成，增加新生儿与环境微生物群的接触，这对新生儿早期发育和免疫能力的形成均具有积极影响（Trudeau et al.， 2016；Haahtela，2019）。在城市地区，邻里绿地是居民身体放松、体育活动、社会交往的理想场所，也是促进居民户外活动的重要驱动因素（Lachowycz and Jones， 2013）。在父母育儿过程中，邻里绿地也可能吸引父母带孩子进行更多的户外活动，从而改善新生儿健康状况。

二 研究设计

（一）调查与数据

本文使用的数据来自三个方面，以下是三类数据的基本介绍。

1.武汉出生队列追踪调查（Wuhan Birth Cohort Studies，WBCS）。武汉出生队列追踪调查数据来源于中南财经政法大学人口与健康研究中心在2020-2022年进行的医学分娩信息记录和问卷调查。本文的调查对象分布在武汉市14个区（含功能区）中，包括中心城区和远郊区。需要说明的是，武汉市自1998年完成“县改区”改革以来，全部行政区划类型均为区级建制，即便是远郊区也已全部纳入城市规划与管理体系。因此，本次调查所覆盖的小区均属于城市建成区或内部未改造的城乡结合地带，不涉及农村地区。在样本分布上，调查小区的邻里绿地覆盖情况有较强的武汉市全域代表性。在市中心繁华区域，项目组调查了高邻里绿地覆盖率的高档小区，也访问了尚未进行城中村改造，绿地覆盖率处于低水平的城中村；在远郊区，项目组调查了居住环境优越的改善型住宅小区和别墅区，也覆盖了辖区内开发较晚、建设水平相对滞后、邻里绿地覆盖率不高的社区化聚居点。这种样本分布很好地刻画了我国快速城市化进程中城市地区居民的居住状况。

具体的抽样与调查过程如下：首先，项目组与武汉市卫健委、医疗卫生机构协同合作，组建调查项目组。由医疗卫生机构产科医生负责开展第一期调查，调查对象覆盖武汉市同年出生的所有新生儿，在分娩的时刻记录其生理健康指标。其次，基于第一期调查获取的完整抽样框，项目组随机抽取新生儿家庭进行第二期追访。该次调查的新生儿对象为WBCS的基因成员，其家庭是今后长期追踪的基线家庭，课题组与所有基线家庭均签署了知情同意书与长期合作协议。最后，调查抽样采取分层、多阶段、等比例的方法。在武汉市14个区2000多个社区中随机抽取社区280个，家庭样本3139户，根据第一期调查获取的住址、电话等信息，协同基层社区进行入户调查。调查全程使用计算机辅助面访（CAPI）系统，并安排质控小组在调研进行时、完成后开展多轮质量控制。第二期调查于2021年7月、2022年7月分两轮开展。第一轮调查于2021年7月开始，新生儿月龄在7～19个月之间，为避免因新生儿月龄太小可能造成的发育特征不明显，我们在2022年7月开展了第二轮调查。

调查数据包括医疗分娩、新生儿养育与发育、父母及家庭四个部分。医疗分娩信息在第一期调查时由产科医生在新生儿分娩时进行医学记录，包括新生儿的出生体重、孕周、阿氏评分等，其内容主要用于反映新生儿分娩时的健康状况。新生儿养育与发育信息在第二期调查时由父母回答，包括新生儿是否患有先天性疾病及医生给出的具体疾病类型、分娩后是否进行了恒温箱等特殊照料、身体状况、养育投入等，我们还使用了在发育筛查领域具有权威性的年龄与发育进程问卷（ASQ3；ASQ-SE2），调查了不同月龄段新生儿的行为和发育情况。这类数据很好地解决了新生儿分娩时

尚未表现出来或无法测度，但又与新生儿健康密切相关的信息获取问题。父母及家庭数据在第二期调查时由父母回答，包括父母的年龄、户口性质、身体和心理健康状况、工作状况、住房状况、家庭成员状况等。此外，我们调查时还记录了各住宅小区的经纬度信息并进行了地理配准，之后将该信息导入QGIS3.34软件中进行空间可视化处理，用于提取以住宅小区为单元的邻里环境信息。

2.小区邻里绿地的测度：1米分辨率城市精细绿地数据。邻里空间下的绿地和城市尺度下的绿地有较大区别，房前屋后一棵独立的树木、小花园、景观小品，小区内部或周围道路两旁的花坛、行道树等都是邻里绿地的重要组成元素，但这类绿地元素很容易被城市尺度下的研究忽略。目前，城市邻里空间下的绿地研究多基于美国航天局Landsat（陆地卫星计划）或MODIS（中分辨率成像光谱仪）的遥感数据，前者分辨率为30米，后者的分辨率为250米。这类分辨率下的数据在捕捉邻里空间下的绿地信息时存在很大的劣势，并且由于城市不同地区土地利用类型的差异，这类数据很容易造成部分地区的绿地覆盖率被高估而部分地区被低估（Su et al.， 2019），导致研究结论的不准确。

现有研究大多使用卫星遥感数据的红外光谱和近红外光谱，计算归一化植被指数（NDVI）提取绿地信息。这种方法的优势在于结果便于解释，当区域NDVI大于0时，便表明该区域有植被覆盖。然而，大气环境、云和土壤湿度等因素都会对NDVI的结果造成影响，导致提取出来的绿地信息失真（Li et al.， 2021），这种影响在小尺度下的研究尤为明显。

为尽可能精确、细致地捕捉邻里绿地覆盖信息，我们使用了中山大学地理学科与规划学院的1米分辨率城市精细绿地数据集。在数据精度上，该数据使用1米分辨率的高分二号遥感卫星数据和1.1米分辨率的谷歌地球影像数据提取绿地信息，这一分辨率下的数据集能够很好地捕捉城市内部破碎、不连续的绿地信息，并且在识别住宅建筑附近的绿地信息时具有明显的优势。在绿地信息的识别上，基于机器学习的绿地识别方法也在很大程度上克服了NDVI方法容易出现的信息失真问题。首先，使用4544张1米分辨率的遥感图像构建了高分辨率的城市绿地数据集，用于之后的机器学习与训练；其次，使用卷积神经网络构建了一个对城市绿地数据集进行识别的算法模型，并借助谷歌地球影像数据和生成对抗网络对算法的识别结果进行识别和校正，不断优化算法模型的准确性。最后，将算法模型应用于整个城市的绿地信息识别，提取各个城市1米分辨率的绿地信息（Shi et al.， 2023）。此外，该数据集还结合全球城市边界数据（Global Urban Boundaries）对城市绿地的类型进行了校准，避免了远郊区农田等非城市绿地对邻里绿地覆盖信息造成的干扰。综上，该数据集使得准确获取居民区邻里环境中的绿地信息成为可能，也为评估邻里绿地对新生儿健康的影响提供了契机。

3.小区邻里建成环境信息。为克服内生性问题对研究结果产生的影响，本文在使用两阶段最小二乘回归法的基础上，还进一步测度了小区邻里建成环境特征。建成环境数据主要来自两个方面：一是2018年武汉市POI（Point of Interest）数据，数据提取自高德地图，包括武汉市全域餐饮服务、公共设施、公司企业、购物服务、金融保险服务、科教文化服务、汽车服务、生活服务、体育休闲服务、医疗保健服务、住宿服务、风景名胜以及政府机构在内的13类设施的空间位置信息，共计49.38万条；二是2018年武汉市路网数据，数据提取自Open Street Map（OSM）平台。

（二）变量构造

 1.被解释变量。本文的被解释变量是新生儿健康，来源于WBCS数据。在前文分析的基础上，为全面反映新生儿健康状况，考察个体间的健康差异，并增强研究结论的现实意义，本文从四个维度选取指标，构建新生儿健康综合指数：一是分娩特征，包括早产和低体重情况；二是医学诊断特征，包括1分钟阿氏评分、是否存在先天性问题及出生后接受特殊照料的时长；三是身体发育特征，包括新生儿Z评分和日常睡眠状况；四是认知与非认知能力特征，涵盖沟通能力、粗大动作、精细动作、问题解决能力、个人—社会交往能力及社会情感发育指标。各指标权重通过投影寻踪法确定，最终得到新生儿健康综合指数。

2.核心解释变量。本文的核心解释变量是小区邻里绿地覆盖率，来源于1米分辨率城市精细绿地数据，并以此反映城市绿色发展水平。在研究邻里问题时，一个重要的问题是确定邻里范围的尺度。以往的研究多以个体所在的县区、街道、社区或个体自我感知的范围作为邻里范围，Sharkey and Faber（2014）在对邻里问题经典文献进行批判性回顾后指出，应当结合研究问题包含的特定理论或证据，以一种灵活的方法确定邻里范围。根据前面的文献回顾，邻里绿地对个体的影响主要通过个体对绿地的主观感知和互动等方式传导。孕产妇由于身体原因的限制，在日常生活中更倾向于在较小范围内的绿地内进行休闲活动，并且个体通常只能感受较小范围内的绿地情况。国外已有研究也发现，小区邻里200米至300米是绿地邻里效应的阈值范围，当超过这个范围后，邻里环境对个体健康和身体活动等的影响不再显著（Lodge et al.， 2022）。

参考已有研究，本文结合调查中收集的样本居住小区的空间位置，将其在QGIS3.34软件中进行可视化定位处理。之后，参考文献中的常见做法（Dadvand et al.， 2012），以个体居住小区的中心点为圆心，在中心点外500米范围内每隔100米建立一个圆形的邻里范围。最后，提取每个邻里范围的绿地覆盖率，得到小区多个邻里范围内的绿地测度结果（下文简称“X米半径内绿地覆盖率”），作为本文的核心解释变量。

        （三）内生性处理

本研究识别策略面临较强的内生性挑战，导致OLS估计结果可能存在偏误。一是遗漏变量问题。一方面是样本自选择导致的遗漏变量问题。邻里绿地作为一种优质资源受到人们的偏好，社会经济地位较高的群体凭借自身资源优势，更可能选择居住在高绿地覆盖地区，与此同时，社会经济地位较高的群体在收入水平、身体状况、健康意识等方面都具有相对优势，其生育的子女可能具有更高的健康水平（Blumenshine et al.， 2010）。尽管本文在基准回归会对个体及家庭特征进行控制，但仍可能遗漏一些无法观测的个人或家庭特征；另一方面，城市环境是由人造环境和自然环境相互作用而形成的复杂系统，对城市居民的健康状况、行为习惯以及生活质量有着深刻影响。当城市环境与邻里绿地相关，又显著影响新生儿健康时，便会对本文的估计结果造成偏误。二是反向因果问题。对于那些注重新生儿健康和育儿环境的家庭，可能会主动迁移到高绿地覆盖的区域，这将导致邻里绿地与新生儿健康的关系来自家庭的自我选择，而非邻里绿地对新生儿健康的直接影响，导致估计结果的偏误。针对上述可能存在的内生性问题，本文尝试通过控制小区邻里建成环境特征，并采用经典的工具变量法进行解决。

1.控制小区邻里建成环境特征。城市环境是包括人造环境和自然环境在内的复杂系统，其内在结构和功能特征对居民的日常行为模式和健康状况有深远影响。前文指出，邻里绿地可能通过母亲健康、住宅环境以及父母养育方式对新生儿健康产生影响。同样地，邻里空间中的其他人造环境也可能通过上述渠道对新生儿健康产生影响。能否在模型中对其他人造环境加以控制，成为解决本文可能存在的遗漏变量问题的关键。地理空间大数据以及Ewing and Cervero（2010）提出的建成环境分析框架，为我们客观、全面刻画小区邻里人造环境特征提供了契机。建成环境（Built Environment）是指相对于自然环境而言的一种人为创设环境，包括城市的土地利用模式、交通系统甚至是私人建筑等一切物质环境（吕和武和吴贻刚，2017）。当前，Ewing and Cervero（2010）提出的“5D”分析框架受到学界广泛认可，是测度建成环境的经典方法（张延吉等，2018）。基于“5D”评价体系以及数据的可获得性，本研究使用POI密度、POI混合度、路网密度、公共交通站点密度以及小区到最近区政府距离刻画小区邻里建成环境特征。具体的变量设置及测度方法见表1。

对于小区邻里平均海拔，从相关性来看，低海拔区域的土壤蓄水能力强，土壤蓄水能力的增加不仅能够直接促进植物生长，也能通过溶解养分、调节土壤温度等途径辅助植物生长。同时，武汉市夏季高温而河流湖泊众多，河流湖泊能够在高温干旱时增加对地下水的补给，而地下水对低海拔地区土壤蓄水和植被生长有更明显的好处（Erler et al.， 2019），满足相关性假定。从外生性来看，城市内部的相对海拔很难对新生儿健康产生直接影响。一个可能的担忧是，小区海拔可能会影响区域交通路网和各类设施分布，进而影响居民的居住选择。然而，武汉市平原、台地地形占比超过85%，海拔50米以下区域面积占84.9%①，样本小区平均最高海拔和最低海拔仅相差45.89米，较小的海拔差距对人们居住选择的影响较小。并且本文控制了各小区邻里建成环境特征，使该工具变量在给定其他条件时满足外生性假定。

对于小区平均土壤有机碳含量，从相关性来看，本文使用的土壤有机碳含量数据来自第二次全国土壤普查（20世纪80年代），由于植被生长具有相对稳定性，早期植被生长较好的区域在当前仍可能更加适合植被生长（Xu et al.， 2023），满足相关性假定。从外生性来看，土壤有机碳作为一种难以测度和直接观察的环境要素，与空气质量、水质等直观且易感知的环境指标相比，往往不受社会大众关注，因而也就不会对居民的居住选择产生直接影响。此外，作为一种历史层面的变量，20世纪80年代小区邻里平均土壤有机碳与当前新生儿健康状况之间缺乏直接关联，进一步强化了外生性假定。

（四）模型设定

 基于以上关于内生性问题的讨论，本文使用两阶段最小二乘估计（2SLS）回归模型考察邻里绿地对新生儿健康的影响，具体模型设定如下：

其中，greeni为居民i居住小区中心点外不同半径内绿地覆盖率，表示小区邻里绿地情况；altitudei为居民i居住小区中心点周围500米范围内平均海拔，carboni为居民i居住小区中心点周围500米范围内平均土壤有机碳含量，两个变量在2SLS回归中作为邻里绿地的工具变量①；earlyhealthi是通过投影寻踪法得到的新生儿健康指数；Xi为孕产期状况和家庭层面的控制变量，其中孕产期状况包括母亲是否进行定期产检、是否有分娩并发症、是否在武汉封城期间怀孕、宝宝是否为男孩；家庭层面变量包括母亲年龄、父亲年龄、母亲是否有武汉户口、父亲是否有武汉户口、母亲自评健康、父亲自评健康、母亲性别平等意识、父母是否为少数民族、家庭人均净收入、住房面积以及母亲对外出聚餐使用公筷的态度；Ni为2018年居民i居住小区中心点周围500米范围内建成环境特征，包括POI密度、POI混合度、路网密度、到最近区政府距离以及公交站点密度；Ri为地区层面的控制变量，包括样本i所在区2018年人均GDP、人均社会消费品零售总额以及人均房地产开发投资额②；μi表示样本i在武汉三镇居住位置的地区固定效应③，δt表示调查时间的固定效应，εi表示随机扰动项。最终的有效样本量为3049户。表2介绍了本文所使用变量的定义及其描述性统计。

为避免样本组间相关性对估计结果标准误产生的影响，本文所有回归的标准误均为聚类到小区层面的稳健标准误。

① 小区平均海拔数据来自日本宇宙航空研究所的高级陆地观测卫星（ALOS）地形数据，空间分辨率为12.5米×12.5米，由QGIS3.34计算得到；小区平均土壤有机碳含量数据来自世界土壤信息中心的全球网格化土壤信息数据（https：//soilgrids.org/），空间分辨率为250米×250米，由QGIS3.34计算得到。该数据中国部分的数据来源为第二次全国土壤普查数据，数据调查年份为20世纪80年代。由于土壤有机碳数据空间分辨率较大（250米×250米），若采用较小范围的邻里尺度测算小区平均土壤有机碳含量，可能导致像元覆盖不完整或引入邻里范围以外的像元信息，从而影响结果的准确性。因此，本文以500米范围作为小区邻里范围，提取该范围内的土壤有机碳数据，用以表征小区邻里平均土壤有机碳含量。此外，为保持邻里范围的空间一致性，小区邻里平均海拔及邻里建成环境数据同样以500米范围作为提取标准。

② 考虑到样本中母亲最早的怀孕时间是2019年，对小区邻里建成环境和地区层面控制变量取滞后一期，便是2018年的建成环境和经济社会发展数据。

③ 武汉三镇包括汉口片区、汉阳片区和武昌片区。汉口片区包括江汉区、江岸区、硚口区、东西湖区、黄陂区和新洲区，汉阳片区包括汉阳区、蔡甸区和武汉经济技术开发区（汉南区），武昌片区包括武昌区、洪山区、青山区、东湖新技术开发区和江夏区。

三 回归结果分析

（一）基准结果

表3是基于2SLS的回归结果。结果显示，邻里绿地对新生儿健康的显著促进作用主要体现在小区中心点周围300米及以内的邻里范围，在这个范围内，小区邻里绿地覆盖率每增加1个标准差，新生儿健康指数将提高0.379～0.642个标准差。随着邻里范围的扩大，小区中心点周围400米及以外的绿地覆盖率对新生儿健康的影响不再显著。

从工具变量的有效性来看，表3列（1）至（3）回归结果显示，第一阶段F值均大于10，且邻里平均海拔的增加对绿地覆盖率有负向影响，邻里平均土壤有机碳含量增加对绿地覆盖率有正向影响，拒绝了弱工具变量的假设。同时，过度识别检验的p值均大于0.1，无法拒绝工具变量为外生变量的假设，从回归设计的角度证明工具变量具有一定外生性。综合来看，2SLS模型的设定是合理的。

对于小区邻里绿地的影响主要体现在300米及以内的邻里范围，一个可能的解释是：一般而言，绿地的社会效益通常依赖于个体的主动感知与使用，如感受绿地的审美价值或在绿地中锻炼、放松（Lo and Jim， 2010）。当邻里范围过大时，个体往往难以感知远距离的绿地，且频繁穿越马路、往返耗时较长等因素也会阻碍其与远离住所的绿地产生互动，尤其在孕产妇活动能力受限的情况下更为明显。事实上，小区中心政府希望增强城市绿地对个体早期发展的促进作用，应重点加强对居住小区“五分钟生活圈”范围内的绿化投资与建设。限于篇幅以及我国住宅小区邻里范围的典型代表性①，后文将以200米邻里范围为基础，进行更加深入的分析。

① 以小区中心点为圆心、200米为半径的邻里范围，能够较好体现我国典型住宅小区内部及周围较小范围的空间特征。理由如下：住建部《城市居住区规划设计标准》指出，我国住宅小区（居住街坊）的居住人口规模在1000~3000人之间，人均居住区平均用地面积为32.5平方米。按照该数据，我国典型住宅小区占地面积为3.25万~9.75万平方米，对应半径为101.7~176.2米。因此，以200米为半径确定的空间范围能够反映我国典型住宅小区的邻里空间范围。

（二）稳健性检验

为了保证研究结果的可靠性，本文基于2SLS模型进行了以下检验。

第一，剔除有迁移经历的母亲样本。由于一个家庭在城市内部的迁移成本较低，对于重视孕期健康的家庭来说，可能选择在计划怀孕时迁移到邻里绿地覆盖水平较高的小区居住，这种选择行为可能导致我们高估小区邻里绿地对新生儿健康的实际影响。在WBCS的问卷中，虽然没有直接询问家庭的搬家经历，但询问了母亲自出生以来居住地发生迁移的次数①。与有过迁移经历的母亲相比，出生后未发生跨区县迁移的母亲在孕期有更大概率没有搬家行为。因此，剔除出生后发生迁移的母亲样本，可以在一定程度上控制因计划怀孕搬迁带来的潜在干扰，提升估计结果的有效性。表4列（1）展示了剔除有迁移经历母亲样本的回归结果，结果与基准回归结果保持一致，证明基准回归结果具有稳健性。

第六，调整小区邻里建成环境的测度范围。在基准回归分析中，我们以500米为半径测度小区邻里的建成环境特征，旨在通过控制邻里人造环境特征缓解居住自选择可能导致的遗漏变量问题。根据住建部《城市居住区规划设计标准》的规定，“十五分钟生活圈”（约1000米步行范围）需配套初中、卫生服务中心、街道办事处等重要公共服务设施，而“十分钟生活圈”（约500米步行范围）仅要求按需配建。这意味着以500米范围测度小区邻里建成环境特征可能无法全面捕捉小区周边的公共服务设施配置情况。鉴于初中、卫生服务中心等公共服务设施对居民居住选址决策具有重要影响，当前的邻里建成环境测度范围可能导致估计结果存在偏误。

为此，我们以1000米为半径，重新测度小区邻里建成环境特征，并将其代入基准模型。表5列（1）结果显示，在调整小区邻里建成环境的测度范围后，回归结果与基准结果没有显著差距，证明了基准回归的稳健性。

第七，使用街道平均房价代替邻里建成环境特征。在基准回归中，我们控制小区邻里建成环境特征并使用2SLS模型克服研究可能存在的内生性问题，这一方法可能无法完全克服不可观测的环境因素对结果造成的干扰。为此，我们使用小区所在街道平均房价反映邻里环境，代替建成环境作为控制变量加入基准模型之中。一般而言，一个区域的房价综合反映了该区域基础设施建设和公共服务的供给情况（邵磊等，2020），控制区域房价因素能够较好地克服不可观测的环境因素对结果造成的干扰。具体而言，我们使用网络爬虫技术，在贝壳网爬取了住宅小区的相关信息。在剔除无房价信息的小区后，共爬取到6106个住宅小区的房价信息，之后根据小区所在街道计算各街道的平均房价。表5列（2）结果显示，在控制街道平均房价后，结果仍然保持稳健。

 第八，控制家庭社会经济状况对结果的干扰。如前文所述，家庭经济状况与新生儿健康之间有着很强的相关性。尽管我们在基准回归中控制了家庭人均年净收入，但使用这一指标衡量家庭经济状况存在一定偶然性。因此，我们在表5的列（3）和（4）为分别用夫妻月工资、母亲对家庭社会经济地位的主观评价代替人均年净收入这个变量的回归结果①，表5列（5）为在保留人均年净收入变量的基础上，加入夫妻月工资、母亲对家庭社会经济地位的主观评价两个变量，对家庭社会经济状况进行控制，之后再进行2SLS回归的结果。表5列（3）至（5）结果显示，在使用多种方法对家庭经济状况进行控制后，结果仍然保持稳健。

第九，改变模型设定。考虑到武汉市中心城区和远郊区在功能定位、发展阶段、土地开发强度和人口密度等方面的差异，可能存在一些无法直接观测的因素对新生儿健康造成影响进而导致基准回归结果的不稳健。为此，我们将地区固定效应由样本在武汉三镇中的相对位置，调整至中心城区-远城区层面②。表5列（6）回归结果显示，小区邻里绿地对新生儿健康仍具有显著促进作用，稳健性良好。

第十，其他稳健性检验。首先，针对可能存在的无法观测遗漏变量导致的内生性问题，本文参考王伟同等（2019）的做法，利用可观测变量测度未观测变量导致估计偏误的可能性，排除遗漏变量可能带来的内生性问题。附表2结果显示，若遗漏变量对估计结果存在干扰，其解释能力需至少达到已纳入控制变量的4.8倍，平均需要超过9.1倍。因此，潜在遗漏变量导致显著估计偏误的可能性较低，基准结果具有较强的稳健性。其次，为进一步排除样本居住选择带来的内生性问题，我们将小区邻里绿地覆盖水平作为被解释变量，将家庭层面变量作为解释变量，使用OLS模型考察这些变量与小区环境变量之间的关系。附表3结果显示，家庭层面变量与小区绿地覆盖之间并不具备显著且稳健的相关关系，可以在一定程度上排除样本居住选择带来的内生性问题。

（三）异质性分析

根据前文分析可知，小区邻里绿地有助于提升新生儿健康水平。那么，作为一种邻里环境中人人可享的公共资源，其对不同类型家庭新生儿健康的影响是否存在差异？这是政策制定者关心的一个问题。本文基于家庭社会经济地位的异质性分析这一问题。既有研究指出，相较于社会经济地位较高的群体，社会经济地位较低群体由于资源禀赋相对匮乏，更依赖公共资源改善自身福祉，因而能够从公共资源中获得更高的边际效用（Rigolon et al.， 2021）。因此，社会经济地位较低家庭中新生儿的健康状况可能对邻里绿地的社会效益表现出更高的敏感性。

本文从主客观两个方面评价家庭社会经济地位状况。在主观评价方面，我们询问了居民“您认为您家的经济状况在武汉属于什么阶层”，将回答为“上层”“中上层”“中层”作为高社会经济地位群体，将回答“中下层”“下层”作为低社会经济地位群体。在客观评价方面，我们在问卷中分别询问了夫妻双方月工资情况，在对夫妻月工资进行加总后（无工作样本的月工资视作0），将月工资排名在前40%的作为社会经济地位相对较高群体，将月工资排名在后40%的作为社会经济地位相对较低群体。如表6所示，在使用两种方式区分家庭社会经济地位后，小区邻里绿地均只对社会经济地位相对较低家庭的新生儿健康产生显著促进作用，对社会经济地位。

相对较高家庭的新生儿健康不具有显著影响。这一结果说明，弱势家庭的新生儿健康状况能够从城市绿色发展中获得更多的好处。

五 城市绿色发展影响新生儿健康的机制检验

在前面的分析中，我们使用两阶段最小二乘方法考察了小区邻里绿地对新生儿健康的影响，发现绿地覆盖率的增加对新生儿健康的确存在积极影响。本部分我们进一步讨论其中的作用机制。基于本文第二部分影响机制的分析，小区邻里绿地对新生儿健康的影响主要存在三种渠道，即增进母亲身体和心理健康、改善住宅环境以及优化家庭养育方式。下面，我们结合具体数据逐一进行分析。

首先，增进母亲身体和心理健康机制。从身体健康来看，超重和肥胖是当前全球导致疾病和死亡的重要风险因素（石智雷等，2020），BMI指数越大意味着母亲怀孕前潜在超重肥胖风险越大，越不利于新生儿健康发展。我们询问了母亲怀孕前的体重和受访时的身高，使用怀孕前BMI指数反映母亲身体健康状况。从心理健康来看，产后心理抑郁是女性育儿过程中常见的不良育儿经历（朱艺等，2023）。低水平的产后心理状况可能导致母亲对新生儿的情感疏离，降低育儿参与，从而对新生儿健康产生负面影响。我们使用DASS-21量表中的抑郁子量表进行测度①，并根据抑郁程度划分标准，将“正常”“轻度抑郁”“中度抑郁”“重度抑郁”和“极度抑郁”分别赋值为0、1、2、3、4，数值越大代表抑郁程度越严重。

表7列（1）和（2）的结果显示，小区邻里绿地覆盖率的增加能够显著降低母亲怀孕前BMI指数，并降低其在接受调查时的心理抑郁程度，前者在1%水平上显著，后者在10%水平上显著。上述结果说明，小区邻里绿地覆盖率增加可以通过增进母亲身体和心理健康，进而提高新生儿的健康水平。

其次，改善住宅环境机制。住宅居住环境对新生儿健康有重要影响，空气质量不佳或噪声污染等不良环境因素均可能对新生儿健康产生负面影响。WBCS每位入户完成调查的访员填写了访员观察问卷，我们使用访员观察数据测度样本住宅环境中的空气和噪声状况。具体而言，访员分别回答了“住房的空气清新状况（得分在1至10之间，1代表很差，10代表很清新）”“住房周围的噪声情况（得分在1至10之间，1代表很吵，10代表很安静）”。本文将上述两个变量代入2SLS模型中，表7列（3）和（4）显示，邻里绿地覆盖率的增加显著提高了居住环境中的空气清新程度和安静程度，二者均在1%水平上显著。上述结果说明，小区邻里绿地覆盖率增加可以改善住宅环境中的空气质量和噪声污染情况，进而提高新生儿的健康水平。

最后，优化家庭养育方式机制。作为优质的户外活动空间，邻里绿地可能通过吸引照养者带领新生儿开展户外活动，进而塑造积极的养育方式。问卷中分别询问了主要照养人和父亲“您过去三天有没有带宝宝在户外玩游戏？”，我们将回答“是”的赋值为1，回答“否”的赋值为0，并将两个变量代入2SLS模型之中。表7列（5）和（6）的结果显示，小区邻里绿地覆盖率的增加显著提升了主要照养人和父亲带孩子在户外玩游戏的概率，二者均在10%水平上显著。这验证了邻里绿地通过优化家庭养育方式提升新生儿健康的机制。

由于篇幅限制，展示内容有删减详细版本请查询中国知网