21世纪以来我国逐步推进工业化、城镇化进程,经济建设高速发展。城市PM2.5污染因此而变得愈发严重,对人体健康造成严重的负面效应,对社会造成巨大的经济损失。PM2.5高浓度环境会提升人类疾病的发病率,甚至会造成敏感人群急性死亡。因此,面对日趋严重的空气污染和人体健康问题,全面地评估各个PM2.5污染等级导致的人体健康损害及社会经济损失,对于推进我国空气污染防控,维持国民身体健康有重要的科学价值和实际意义。为此,国内外学者采取大量方法来测算空气污染导致的人体健康负面效应,即空气污染导致的人体健康方面的经济损失（污染-健康经济损失）。然而,传统方法在研究环境污染对人体健康所造成的负面效应时大多基于所研究时段内的污染物浓度平均值。因此在量化负面效应所造成的经济损失时,所得结果较粗略,随机误差较大。此外,以往研究仅评估空气污染所造成的健康总体经济损失,由于不同污染等级将对人类健康造成不同程度的损害,不能有效地对污染-健康经济损失进行细化计算,导致经济损失估计精度较低,评估结果不能对未来政策制订提供有效参考。为更细化的计算污染-健康经济损失,本文提出一种新型PM2.5污染-健康经济损失测算模型,基于2014-2018年采集于北京、上海、广州、深圳四个城市的PM2.5污染物浓度数据,评估PM2.5污染-健康经济损失。本文首先将九个概率分布（极值分布、伽马分布、Logistic分布、对数Logistic分布、正态分布、对数正态分布、瑞利分布、莱斯分布、以及韦伯分布）以及两种参数估计方法（极大似然估计法和蝗虫优化算法）相结合刻画PM2.5污染物浓度的数据特征,基于拟合优度评估指标选择2014-2018年各个城市PM2.5污染物浓度的最优概率分布。随后,采用最优分布衡量PM2.5污染物浓度的分布特征,计算所评估时间段内不同污染等级的天数分布。最后,结合效益转移法和流行病学研究中广泛应用的暴露-反应函数,对四个城市PM2.5污染导致的居民健康损害及其造成的经济损失进行有效地评估。与传统健康经济损失核算方法不同,本文对不同污染程度的PM2.5污染物导致的经济损失进行测算,并与GDP相结合消除不同地区、不同时间段的单位经济损失差异,更好地对不同地区、不同时间段的PM2.5污染-健康经济损失进行合理地比较及分析。本文所提出的新型PM2.5污染-健康经济损失测算模型为健康经济损失核算提供了全新视角,具有可操作性和可靠性,有效地模拟北京、广州、上海、深圳市PM2.5污染物浓度分布特征,并对2014-2018年北上广深的PM2.5污染-健康经济损失进行计算。本文测算了 PM2.5污染-健康经济损失,对PM2.5污染造成的人体健康负面效应展开分析,完善了现有的健康经济损失研究体系。本文主要结论如下:（1）基于各个城市、各个时间段所采集的PM2.5污染物浓度数据,智能优化算法蝗虫优化算法的参数估计性能都优于数值方法极大似然估计法。采集于不同城市、不同时间段的PM2.5污染物浓度数据所拟合的概率最优分布也不同,说明不同城市、不同时间段的PM2.5污染物浓度数据特征不同。（2）多数情况下,2014-2018年各个城市的环境质量得到提升,但PM2.5污染-健康经济损失值没有明显波动。这是因为五年来我国经济水平不断提升,各个健康终端的单位经济成本上升导致的。（3）结合各个城市的当年GDP可以发现,北上广深四个一线城市按PM2.5污染-健康经济损失程度从大到小的顺序排列,依次为北京市、上海市、广州市和深圳市,各个城市的PM2.5污染-健康经济损失程度五年来都有所轻缓。本文所提出的经济损失测算工作为PM2.5污染-健康经济损失评估提供新角度,并为决策者的实际应用提供参考。