經(jīng)貿(mào)商旅活動疫情感染風(fēng)險指數(shù)分析及對策

金瀏河 陳賢敏

摘?要：通過網(wǎng)絡(luò)收集調(diào)查問卷，根據(jù)參加經(jīng)貿(mào)商旅活動人員相關(guān)的樣本分析，運用計算新冠疫情感染風(fēng)險指數(shù)的平均處置數(shù)值（ATE及ATT），使用傾向值的匹配和逆概率加權(quán)等數(shù)學(xué)模型推算并計算出感染風(fēng)險指數(shù)。研究表明，疫情之下錯峰出行、遠(yuǎn)程辦公、科學(xué)開放相關(guān)數(shù)據(jù)平臺是人們安全生活和工作的一種選擇。

關(guān)鍵詞：新冠疫情?ATE及AT?傾向值?逆概率?感染風(fēng)險指數(shù)

一、疫情風(fēng)險指數(shù)

（一）疫情與經(jīng)濟(jì)活動

新冠疫情在一些地區(qū)雖仍舊呈現(xiàn)波浪起伏之勢，但當(dāng)疫情處于平穩(wěn)時，人們集中外出恢復(fù)正常的社會經(jīng)濟(jì)活動成為必然。經(jīng)貿(mào)商旅活動主要包括公共場所消費、大型展銷會、貿(mào)易洽談會等，及時了解、掌握新冠疫情感染風(fēng)險的相關(guān)指標(biāo)信息，對防疫和恢復(fù)生產(chǎn)、生活具有重要意義。在日本，2020年初春新冠疫情發(fā)生，隨之而來國內(nèi)的經(jīng)濟(jì)活動顯示出急劇衰退跡象。為了應(yīng)對急速的經(jīng)濟(jì)衰退和病毒感染現(xiàn)象，政府于4月20日通過了累計規(guī)模為25兆6910億日元的第一次補(bǔ)充預(yù)算，目的是促進(jìn)疫后的經(jīng)濟(jì)復(fù)蘇，特別是作為刺激經(jīng)濟(jì)受到影響的經(jīng)貿(mào)商旅、交通業(yè)、飲食業(yè)、住宿、娛樂業(yè)的需求。其中“Go?To宣傳活動”的預(yù)算額為1兆6774億日元。這項活動對消費會給予優(yōu)惠券、折扣、積分返還等，根據(jù)行業(yè)被臨時稱為“Go?To?旅游”“Go?To?吃飯”“Go?To?活動”“Go?To逛商店街”等。

隨著旅游旺季的到來，從10月1日開始GoTo業(yè)務(wù)開始實施。然而到11月，之前的疫情穩(wěn)定狀態(tài)突變，新感染確診人數(shù)開始急劇上升。人們經(jīng)貿(mào)商旅活動與新型冠狀病毒感染的擴(kuò)大是否相關(guān)，則成為目前討論研究的熱點。但經(jīng)貿(mào)商旅這一比較集中的活動究竟對擴(kuò)大感染有哪些影響則需要進(jìn)一步研究和論證。本研究以進(jìn)行問卷調(diào)查數(shù)值為基礎(chǔ)，對經(jīng)貿(mào)商旅活動與新型冠狀病毒感染帶來的影響進(jìn)行計量分析。[1]

（二）調(diào)查研究方案

1.初步調(diào)查階段與指標(biāo)選擇。初步調(diào)查時間段為2020年8月末到9月末，共收集到約為28000例大規(guī)模樣本，對其中有經(jīng)貿(mào)商旅活動經(jīng)歷和過去一個月內(nèi)疑似新型冠狀病毒的五種癥狀（發(fā)熱、咽痛、咳嗽、頭痛、嗅覺/味覺異常）之間的相關(guān)性進(jìn)行了多變量分析。特別是為了消除問卷調(diào)查的信息和人們生活基礎(chǔ)調(diào)查的信息發(fā)生誤差，避免問卷調(diào)查回答的偏差，將處置變量進(jìn)行逆概率加權(quán)推算。

研究首先調(diào)查并分析了8月或9月一天以上的經(jīng)貿(mào)商旅活動和新冠疫情病毒感染的確診之間的相關(guān)程度，通過多元邏輯回歸分析和驗證表明，一天以上的經(jīng)貿(mào)商旅活動和新冠病毒感染的確診之間有著明顯的關(guān)聯(lián)。并且過去一個月的新冠疫情與感染病毒有關(guān)的8個癥狀（發(fā)燒、咳嗽、喉嚨痛、乏力、呼吸困難、味覺、嗅覺障礙、腹瀉）與經(jīng)貿(mào)商旅活動有著正相關(guān)聯(lián)。[2]本研究在上述兩個研究和以下方面采用了新的研究方法。首先將是否有新冠疫情感染的確診作為主要實際指標(biāo)來進(jìn)行分析。因為是自己申報的數(shù)據(jù)，其中包含了關(guān)于新冠疫情感染確診的有無信息數(shù)據(jù)，顯得非常寶貴。為了把握樣本整體經(jīng)貿(mào)商旅活動與新冠疫情感染之間的相關(guān)性，本研究采用了從模擬錯誤設(shè)定的偏差到相對健全的趨勢加權(quán)分析，分析了經(jīng)貿(mào)商旅活動和新冠疫情感染經(jīng)歷以及感染癥狀出現(xiàn)的相關(guān)性。此外，不僅對整個樣本的平均數(shù)值進(jìn)行了測量，還對樣本按屬性劃分后的子樣本進(jìn)行了分析，從多方面驗證了經(jīng)貿(mào)商旅活動受到感染風(fēng)險的影響，對以上相關(guān)數(shù)據(jù)按照相應(yīng)的數(shù)學(xué)模型進(jìn)行推算，其計算結(jié)果的數(shù)值就是疫情的各類風(fēng)險指數(shù)。

2.實際調(diào)查時間階段與樣本數(shù)據(jù)的選擇。實際調(diào)查是從2020年10月27日到11月6日之間進(jìn)行，在發(fā)放消費券、優(yōu)惠券、折扣券時，以自愿為原則，進(jìn)行網(wǎng)絡(luò)問答。調(diào)查對象是全國18～74歲的男性和女性，期望回答人數(shù)達(dá)到約1萬5千人。在參加該調(diào)查的應(yīng)征者中，同意參加本研究，并且全部回答，或者盡量回答的人數(shù)有19340名。最終有效回答人數(shù)為16642人。在問卷調(diào)查中，除了性別、年齡、居住地、婚姻、同居形態(tài)等社會屬性外，還有收入、資產(chǎn)、就業(yè)狀態(tài)、職業(yè)、工作形態(tài)、學(xué)歷等經(jīng)濟(jì)屬性。此外還包括接觸熟人、朋友以及外在交流次數(shù)、在線交流、外出頻率、新冠疫情感染預(yù)防知識等行為方式，有沒有基礎(chǔ)疾病和精神健康狀態(tài)相關(guān)的狀況也被提出。在這些之外又加上是否被確診為感染了新冠病毒和是否出現(xiàn)新冠病毒感染有關(guān)聯(lián)的各種癥狀（發(fā)燒、咳嗽、喉嚨痛），針對是否經(jīng)歷過慵懶、呼吸困難、味覺、嗅覺障礙、腹瀉等問題。還提出了是否在2020年8月至9月期間進(jìn)行過一次以上的經(jīng)貿(mào)商旅活動（包括回家探親）的問題。有些將成為在子樣本部分詳細(xì)描述分析中使用的變量。這兩項調(diào)查是經(jīng)過特定醫(yī)療法人社團(tuán)的倫理審查委員會的批準(zhǔn)后進(jìn)行的。[3]

二、公式和數(shù)學(xué)模型

（一）感染風(fēng)險指數(shù)的分析方法

1.?ATE、ATT、傾向值。本研究對經(jīng)貿(mào)商旅活動中出現(xiàn)的新型冠狀病毒感染，或者疑似感染所產(chǎn)生的各種癥狀對其產(chǎn)生的程度影響，以及因果相關(guān)性進(jìn)行統(tǒng)計計算。把經(jīng)貿(mào)商旅活動的有無作為處置變數(shù)，處置變量是指調(diào)查者通過改變一個或幾個變量的方式（稱為處理），測量它們對另一個或幾個變量的影響。對感染及疑似癥狀的數(shù)值來進(jìn)行計算。具體來說，考慮以下兩種數(shù)值。個人i是否有經(jīng)貿(mào)商旅活動作為潛在處置變量、用ti=1，0、表示、根據(jù)個人i的數(shù)值用yi（ti）表示，則經(jīng)貿(mào)商旅活動感染和疑似感染癥狀的平均值為（公式1）：

其平均處置數(shù)值（Average?Treatment?Effect，ATE）表明所有的觀察對象在參于經(jīng)貿(mào)商旅活動的情況下，平均感染風(fēng)險和疑似癥狀出現(xiàn)的風(fēng)險程度。[4]

作為與此相關(guān)聯(lián)的因果效應(yīng)，不是對潛在發(fā)生問題的處置，而是現(xiàn)實發(fā)生并被觀察到的實際作為處置變量、用zi=1，0、表示、其平均處置數(shù)值（Average?Treatment?Effect?on?the?Treated，?ATT）為（公式2）：

這表明，把實際去經(jīng)貿(mào)商旅活動的人作為觀察對象計算，根據(jù)經(jīng)貿(mào)商旅活動的不同，其平均感染風(fēng)險和癥狀出現(xiàn)的風(fēng)險會高要高一些。

如果潛在處置變量和實現(xiàn)處置變量不同時，即

（ti=0并且zi=1，或者ti=1并且zi=0的情況下），?正確識別平均處置數(shù)值變得有些困難。如果經(jīng)貿(mào)商旅活動者和沒有經(jīng)貿(mào)商旅活動者之間的屬性分布存在較大差異時，則不能簡單地比較感染率大小。

公共變量是一種全局變量，為了觀察每個對象的屬性，采用根據(jù)公共變量向量xi預(yù)測處置概率，計算出傾向值（propensity?score），傾向值是一種有一定條件的概率值，可以減少計算的誤差。?見（公式3）

如果滿足以傾向值所給的條件xi的話，實際處置變量zi獨立。見（公式5、6）

因此，可以通過調(diào)節(jié)傾向值來控制實際處置變量給定的數(shù)值偏差。?由此，預(yù)期數(shù)值是：（公式7、8）

ATE和ATT的最終表達(dá)式意味著可以通過計算實際的動作變量分別為1或0時觀察到的數(shù)值的傾向值，作為條件來計算平均值，根據(jù)平均值來計算平均處置數(shù)值。

在此分析中，傾向值e（xi）是處置變量（實際參加經(jīng)貿(mào)商旅活動），將其定為說明變量、通過回歸分析方法推算出公共變量、根據(jù)對經(jīng)貿(mào)商旅活動會帶來新冠病毒的感染和疑似感染癥狀的調(diào)查統(tǒng)計，來計算ATE和ATT值。[5]

（二）變量的選擇與設(shè)計

首先是處置變量，作為處置變量，是計算以參加經(jīng)貿(mào)商旅活動為主的變量。經(jīng)貿(mào)商旅活動還包括：在商場購物、集中餐飲、親友結(jié)伴互訪、旅游住宿、文化娛樂等活動。根據(jù)是否是一次或一天以上的活動時間來設(shè)定處置變量。另外在調(diào)查問卷中，因為調(diào)查經(jīng)貿(mào)商旅活動時間是2020年8月和9月，所以必須注意經(jīng)貿(mào)商旅活動出發(fā)和到達(dá)時間。

其次是公共變量，公共變量除了年齡、性別、、身高和體重之外，還設(shè)置了以下所示的各種新變量。關(guān)于含稅家庭年收入、與家庭收入有關(guān)的這一年家庭收入的變化、家庭存款（包括股票債權(quán)）等，其中，關(guān)于家庭收入和家庭資產(chǎn)的問題，設(shè)計了處置變量和效果變量雙方之間的因果關(guān)系。處置變量包括對經(jīng)濟(jì)能力是否具有到高級消費地點的說明，效果變量是用來計算新冠疫情感染的程度，目前觀察到越是低收入者越容易存在新冠疫情感染的風(fēng)險。

關(guān)于就業(yè)狀況，考慮到調(diào)查問卷中的以下問題：第一：經(jīng)貿(mào)商旅活動后如果確診感染了新冠疫情病毒，是否有可能以此為理由選擇在家待命或停職，作為家庭相關(guān)的變量;第二：考慮到家庭代際關(guān)系，作為新冠疫情感染及感染癥狀出現(xiàn)，除了本人以外的家庭成員外，同時還應(yīng)考慮到家庭成員選擇參加經(jīng)貿(mào)商旅活動時的成本和機(jī)會成本。

作為表示身邊人際關(guān)系有關(guān)的變量，有以下兩個問題：這些不僅僅是有關(guān)是否愿意參加經(jīng)貿(mào)商旅活動的意愿決定，也有影響感染風(fēng)險相關(guān)信息的公告以及親友對他人行動的勸告等。

關(guān)于住宅形態(tài)的問題和關(guān)于是否有住房貸款的剩余債務(wù)問題組合起來，設(shè)定匯總到“沒有住房貸款”“有住房貸款”“租賃住宅和其他”分類的參數(shù)變量里。

關(guān)于基礎(chǔ)疾病的有無，在此設(shè)定了排除“不符合”和“肺和呼吸道疾病”選項，是為了避免與作為外部變量的新冠疫情感染的時間序列發(fā)生沖突。

關(guān)于學(xué)歷，將調(diào)查的回答數(shù)值整合成“初中高中畢業(yè)”“短期大學(xué)專業(yè)畢業(yè)”“大學(xué)、大學(xué)院（研究生）畢業(yè)”3個類別。

（三）逆概率加權(quán)推算ATE

在這項研究中，對發(fā)生新冠疫情感染和感染癥狀的風(fēng)險的平均處置數(shù)值執(zhí)行逆概率加權(quán)推算（Inverse?Probability?Weighting，?IPW）以獲得ATE。?IPW使用傾向值作為樣本中每個觀察值數(shù)值的權(quán)重，以及處置整個樣本時的期待值和樣本整體未處置的期待值，通過差額計算來推算ATE。具體而言，將傾向值的倒數(shù)1/用作權(quán)重。由于傾向值的倒數(shù)隨著傾向值的減小而變大，因此在處置組中，傾向值越大的觀察值的權(quán)重越小，在對照組中，傾向值越大的權(quán)重也越大。換句話說，在處置組和對照組的各自的內(nèi)部中，觀察值越稀少并且樣本中的比例越小，則計算出的權(quán)重越重。[6]如果實際處置變量為1時（zi）=1，那么可以推算出潛在數(shù)值的期望值為：（公式11）

（四）根據(jù)傾向值匹配推算ATT

本研究進(jìn)一步使用傾向值匹配（Propoensity?Score?Matching，PSM）對經(jīng)貿(mào)商旅活動發(fā)生新冠病毒感染及感染癥狀出現(xiàn)風(fēng)險的人群的平均處置數(shù)值進(jìn)行推算。PSM是使傾向值大致相同值的處置組和對照組的觀測值進(jìn)行匹配，以兩者平均差作為因果相關(guān)的推定值。作為匹配的基準(zhǔn)是采用最近鄰樣本匹配。進(jìn)行ATT推算的根據(jù)是以嚴(yán)格考察實際經(jīng)貿(mào)商旅活動者對新冠疫情感染擴(kuò)大的程度和數(shù)值進(jìn)行定量評價為目的，對經(jīng)貿(mào)商旅活動潛在新冠疫情感染能擴(kuò)大到什么程度、在哪里擴(kuò)大進(jìn)行分析。經(jīng)貿(mào)商旅活動的感染風(fēng)險一般認(rèn)為是前者。

ATE和ATT一般不會一致。其主要原因是處置群和對照群的人群之間，具有某種性質(zhì)的不同。如果經(jīng)貿(mào)商旅活動的ATT比ATE大的話，實際經(jīng)貿(mào)商旅活動的人群是相對高風(fēng)險的人群。相反的話，相對低風(fēng)險的人選擇了經(jīng)貿(mào)商旅活動，或者ATT和ATE之間沒有顯著的差別的話，經(jīng)貿(mào)商旅活動相對安全了。

（五）子樣本的設(shè)計

在本研究中，除了使用問卷調(diào)查的全部樣本進(jìn)行分析之外，還根據(jù)屬性進(jìn)行子樣本劃分分析。具體使用以下屬性的子樣本。

首先，用不同年代的子樣本進(jìn)行IPW的ATE推算和PSM的ATT推算。使用10、20、30歲的“年輕一代”、40、50歲的“中年一代”、60、70歲的“老年一代”的各子樣本。在經(jīng)貿(mào)商旅活動中，因為預(yù)計不同年代的消費方式會有很大的不同，所以計算各個年代經(jīng)貿(mào)商旅活動的平均處置數(shù)值是很重要的。

其次，用性別的子樣本進(jìn)行IPW的ATE推算和PSM的ATT推算。目前雖然有很多男性確診為新型冠狀病毒感染者的報告，通過經(jīng)貿(mào)商旅活動來確診感染擴(kuò)大是否也能維持這種趨勢性的可能？所以研究又設(shè)計了感染擴(kuò)大地區(qū)的居民和非擴(kuò)大地區(qū)的居民之間的子樣本。經(jīng)貿(mào)商旅活動是伴隨著人的移動，感染者從感染擴(kuò)大地區(qū)流入非擴(kuò)大地區(qū)（包括無癥狀者），或者從非擴(kuò)大地區(qū)到感染擴(kuò)大地區(qū)經(jīng)貿(mào)商旅活動，從而引發(fā)感染，為了防止病毒擴(kuò)散又帶回到擴(kuò)大地區(qū)使感染擴(kuò)大化，因此對各個地區(qū)的經(jīng)貿(mào)商旅活動者出發(fā)前所面臨的感染風(fēng)險也要進(jìn)行一定的評價。最后根據(jù)樣本中每個人的私人溝通頻率進(jìn)行了劃分，具體使用了以下問題：比如一周一次以上、與工作以外的熟人、親屬、朋友等直接見面構(gòu)成一個子樣本。

三、計算結(jié)果與分析

本節(jié)表示IPW的ATE推算和PSM的ATT推算的數(shù)值。

（一）ATE推算

首先，從逆概率加權(quán)估計的平均處置數(shù)值對ATE的推算數(shù)值表示。這里所示的數(shù)值是整個樣本的平均處置數(shù)值，這顯示了如果作為調(diào)查對象的樣本內(nèi)的所有人都去經(jīng)貿(mào)商旅活動的話，平均會提升多少效果。

1.對全體樣本的分析（ATE）。全體樣本中新型冠狀病毒感染及感染癥狀出現(xiàn)（新型冠狀病毒感染經(jīng)歷、37.5度以上的發(fā)熱、嚴(yán)重咳嗽、喉嚨痛、強(qiáng)烈的無力）經(jīng)貿(mào)商旅活動的平均處置數(shù)值推算數(shù)值表示可信區(qū)間達(dá)到95%，經(jīng)貿(mào)商旅活動可以達(dá)到5%的顯著差別的平均處置數(shù)值。

根據(jù)推算，經(jīng)貿(mào)商旅活動對于新冠疫情感染經(jīng)歷有1%左右的平均處置數(shù)值。其他樣本大體上確診了具有正確的平均處置數(shù)值，但是在“嚴(yán)重的咳嗽”和“腹瀉”方面沒有發(fā)現(xiàn)明顯的差別。

2.根據(jù)不同年齡段的樣本進(jìn)行分析（ATE）。顯示了將推算作為不同年代的子樣本的數(shù)值。首先通過年輕一代（十歲到三十歲）的推算數(shù)值表明，經(jīng)貿(mào)商旅活動的平均處置數(shù)值非常高。有新冠疫情感染經(jīng)歷數(shù)值是1.7%，高于所有樣本1.0%的平均值。

在中年一代（四十多歲到五十多歲）的樣本中，得出了以下數(shù)值，首先與年輕一代相比，對所有有效果的平均處置數(shù)值較低。有新冠疫情感染經(jīng)歷也只占1%，與整體水平相比沒有變化。

在老年一代（60歲到70歲）的樣本中，得出了以下數(shù)值，首先，有新冠疫情感染經(jīng)歷，其平均處置數(shù)值降低到0.3%。另外整體數(shù)值量較小。

3.性別樣本分析（ATE）。男性數(shù)值量非常高的項目很多，除了咳嗽和腹瀉沒有顯著意義外，其它對新冠疫情感染的平均處置數(shù)值是1.8%，數(shù)值比較高。與男性相比，女性數(shù)值明顯較小，而且效果不明顯（發(fā)熱、咳嗽、倦怠感不明顯）。有新冠疫情感染是0.4%，這個是男性的1.8%的2/9左右的大小。

4.感染擴(kuò)大地區(qū)、非擴(kuò)大地區(qū)的分析（ATE）。這里表示樣本回答者回答是否居住在感染擴(kuò)大地區(qū)。這里的感染擴(kuò)大地區(qū)需要注意大部分都是大都市圈，確診感染擴(kuò)大地區(qū)的新冠疫情感染平均處置數(shù)值高達(dá)1.4%。與感染擴(kuò)大地區(qū)的數(shù)值相比，非感染擴(kuò)大地區(qū)整體數(shù)值小，而且發(fā)熱、喉嚨疼痛、味覺嗅覺障礙、腹瀉等方面也消失了。平均處置數(shù)值為0.4%，大小在感染擴(kuò)大區(qū)的1/3以下。

5.根據(jù)交流頻率的分析（ATE）。IPW的ATT推算的最后，用以調(diào)查對象的交流頻度劃分樣本時的子樣本進(jìn)行。具體來說，一周一次以上，通過與工作以外的熟人、親屬、朋友等直接見面組成樣本，分別進(jìn)行分析。首先是每周進(jìn)行一次以上交流的人群。整體顯示出較高的數(shù)值和有效性，特別是有過新型冠狀病毒感染經(jīng)歷，平均處置數(shù)值為2.1%，是目前為止最高的水平。[7]

（二）趨勢值匹配

根據(jù)對趨勢值匹配推算來說，用平均處置數(shù)值A(chǔ)TT的推算數(shù)值來表示。這里所示的數(shù)值是經(jīng)貿(mào)商旅活動人的平均處置數(shù)值，調(diào)查對象的樣本是實際從事經(jīng)貿(mào)商旅活動的人與沒有出去從事經(jīng)貿(mào)商旅活動進(jìn)行比對，表示平均處置數(shù)值的可信度。

1.對全體樣本分析（ATT）。樣本全體使用新型冠狀病毒感染及感染癥狀出現(xiàn)（新型冠狀病毒感染經(jīng)歷、37.5度以上的發(fā)熱、嚴(yán)重咳嗽、喉嚨痛、強(qiáng)烈無力、呼吸困難、味覺障礙、腹瀉），共8個癥狀。根據(jù)推算，有經(jīng)貿(mào)商旅活動新型冠狀病毒感染經(jīng)歷的ATT為1.3%，大于ATE的1%。

2.根據(jù)不同年齡段的樣本進(jìn)行分析（ATT）。結(jié)果顯示ATT對不同年齡段的子樣本的推算數(shù)值。首先對年輕一代（十歲到三十歲）推算數(shù)值。年輕一代的ATT非常高。有新冠疫情感染經(jīng)歷達(dá)到2.7%。中年一代（四十多歲到五十多歲）的樣本中，果然和年輕一代相比，ATT在所有效果方面都比較低，新冠疫情感染數(shù)值是0.9%，這與ATE的1%基本相同。在老年一代（60多歲到70多歲）的樣本中，所有有效性數(shù)值都很小，由此可以推測出老年一代風(fēng)險相對較小，是因為他們有選擇性地去參加經(jīng)貿(mào)商旅活動。

3.性別樣本分析（ATT）。對性別樣本的推算數(shù)值。首先是關(guān)于男性對新冠疫情感染的ATT高達(dá)2.3%，超過ATE的1.8%。接下來確診限定于女性的樣本分析數(shù)值。與男性相比數(shù)值明顯較小，除了新冠疫情感染數(shù)值以外，其他所有的數(shù)值都不顯著，其新冠疫情感染ATT為0.8%，這是男性的2.3%的1/3左右的大小。

4.感染擴(kuò)大地區(qū)、非擴(kuò)大地區(qū)的分析（ATT）。首先，確診感染擴(kuò)大地區(qū)的數(shù)值和ATE一樣，整體數(shù)值很高。有新冠疫情感染經(jīng)歷的平均處置數(shù)值是1.8%，比ATE的1.4%高一些。接下來，確診非感染擴(kuò)大地區(qū)的數(shù)值。與感染擴(kuò)大地區(qū)的數(shù)值相比，整體數(shù)值小，對新冠疫情感染ATT為0.7%，較ATE的0.4%稍高。

5.交流頻率分析（ATT）。在PSM的ATT推測的最后，以調(diào)查對象的交流頻率（一周一次以上，是否與工作以外的熟人、親屬、朋友等直接見面）劃分樣本的子樣本進(jìn)行推算。整體顯示出較高的數(shù)值有效性，特別是有新型冠狀病毒感染經(jīng)歷的ATT為3%，高于ATE的2.1%，是本研究中最高的水平。[8]

四、總結(jié)與對策

（一）總結(jié)

根據(jù)本研究的推算數(shù)值可以看到：第一，經(jīng)貿(mào)商旅活動感染風(fēng)險高的是年輕人、男性、住在感染擴(kuò)大地區(qū)、與朋友熟人直接接觸的人。相反，對于老年一代、女性、非感染地區(qū)居住、自覺控制與熟人直接接觸的人來說，相對低風(fēng)險;第二，對參加經(jīng)貿(mào)商旅活動有新冠疫情感染的ATT推算值與ATE推算值進(jìn)行比較，ATT推算值整體較高，這表明實際選擇經(jīng)貿(mào)商旅活動的人在整個樣本中可能是相對風(fēng)險較高的人。但是其中老年人和平時就控制和熟人直接接觸的人來說，ATE和ATT有很大的區(qū)別，或者ATT比較小，符合相對風(fēng)險較低的選擇性從事經(jīng)貿(mào)商旅活動的趨勢。第三，老年人感染風(fēng)險低是因為目前基本退休在家，平日能夠避開人群比較集聚的經(jīng)貿(mào)商旅活動，如果在消費券補(bǔ)助發(fā)放中附加錯峰出行的條件話，有可能更加安全。[9]

（二）對策

1.錯峰和距離。通過禁止外出、限制移動等社會隔離政策對抑制感染癥暫時有效，但對整個社會經(jīng)濟(jì)活動會產(chǎn)生巨大負(fù)面影響，今后研究“健康與發(fā)展之間的平衡”迫在眉睫。很多國家對新冠疫情政策效果進(jìn)行事后評價和實證研究也確認(rèn)了至少在短期內(nèi)也存在這種關(guān)系。也就是說在新冠疫情結(jié)束之前，必須在抑制感染與社會經(jīng)濟(jì)活動平衡中進(jìn)行選擇。[10]比如，如果以淡季的住宿旅行為對象的話，通過擴(kuò)大與繁忙期的價格差來促進(jìn)不同時期的錯峰消費，有助于住宿業(yè)和運輸業(yè)的需求平均化。同時需求分散也有抑制設(shè)施內(nèi)和移動過程中的人流密集，降低感染風(fēng)險。避免職場和上下班的密集成為了一個現(xiàn)實問題。錯峰上班和在家遠(yuǎn)?程辦公是一個有效的方法，如果利用一半左右的帶薪休假來分散休息日的話，也有抑制職場密集度的作用。在錯峰上班增加的情況下，也提倡錯峰休假和錯峰旅行。

2.科學(xué)開放數(shù)據(jù)。在防止新型冠狀病毒的感染擴(kuò)大方面，科學(xué)數(shù)據(jù)也能發(fā)揮重要作用。第一，建立公開的關(guān)于“新型冠狀病毒預(yù)防感染網(wǎng)站”。網(wǎng)站相關(guān)信息一目了然地可視化。第二，在各自展示數(shù)據(jù)的同時，民眾可對各種感染狀況進(jìn)行討論，為相關(guān)機(jī)構(gòu)及時提供信息;第三，基于公開的數(shù)據(jù)，可以對其進(jìn)行計量分析，并及時實時公布各個屬性的風(fēng)險指數(shù)，以便指導(dǎo)人們活動方向。

3.心理調(diào)整與“口罩”指數(shù)。很多人認(rèn)為“由于發(fā)生疫情原因，人們擔(dān)心外出安全，導(dǎo)致對服務(wù)業(yè)的需求下降”，但是最近的一些研究否定了這一觀點。東京大學(xué)教授渡邊認(rèn)為：在心理學(xué)的實驗中，恐懼心理的強(qiáng)弱和感染對策的行動（抑制外出或戴口罩等）之間有很強(qiáng)的相互關(guān)系，被稱為影響需求的“外出戴口罩”因素。戴口罩可以預(yù)防感染，但是也影響人們外出行為的心理。如果在計算感染風(fēng)險指數(shù)中，抽出一部分相關(guān)樣本數(shù)據(jù)，適時公布預(yù)防感染戴口罩安全指數(shù)，指導(dǎo)人們在不同時間、場合、地點戴口罩的合理性，可大大緩解人們的心理壓力。比起抗擊疫情的“效率”價值，提高“安全、安心”的價值才是戰(zhàn)勝“心理恐懼”的最佳方案。

參考文獻(xiàn)：

[1]Miyawaki，?A.，?et?al.，?Association?between?Participation?in?Government?Subsidy?Program?for?Domestic?Travel?and?Symptoms?Indicative?of?COVID-19?Infection.?[R]?medRxiv，?2020：?p.?2020.12.03.20243352.

[2]Mansournia，?M.A.，?et?al.，Separation?in?Logistic?Regression：?Causes，?Consequences，?and?Control.

[J]American?Journal?of?Epidemiology，?2017.?187（4）：?p.?864-870.

[3]Allison，?P.D.?Convergence?failures?in?logistic?regression.?[C]in?SAS?Global?Forum.?2008.

[4]Firth，?D.，?Bias?Reduction?of?Maximum?Likelihood?Estimates.?[J]?Biometrika，?1993.??80（1）：?p.?27-38.

[5]Greenland，?S.，?M.A.?Mansournia，?andD.G.?Altman，?Sparse?data?bias：?a?problem?hiding?in?plain?sight.?[M]?BMJ，?2016.?352：?p.

[6]Coveney，?J.，?FIRTHLOGIT：?Stata?module?to?calculate?bias?reduction?in?logistic?regression.?[C]?2015.

[7]Pierce，?M.，?et?al.，?Says?who？?The?significance?of?sampling?in?mental?health?surveys?during?COVID-19.?[J]?The?Lancet?Psychiatry，?2020.?7（7）：?p.?567-568.

[8]Chauvenet，?A.，?et?al.，?Panel?sampling?in?health?research.?[J]?The?Lancet?Psychiatry，?2020.?7（10）：?p.?840-841.

[9]Dominik?Johannes，?L.，?Too?Fast，?too?Straight，?too?Weird：?Non-Reactive?Indicators?for?Meaningless?Data?in?Internet?Surveys.?[J]?Survey?Research?Methods，?2019.?13（3）.

[10][ZK（]Morikawa，?Masayuki?"Demand?Fluctuations?and?Productivity?of?Service?Industries."?[N]??Economics?Letters，2012.?117（1），?pp.?256-258.

〔本文系文化和旅游部2019年“‘雙師型人才培養(yǎng)項目”（項目編號：WLRCS2019-070）研究成果〕

〔金瀏河，溫州職業(yè)技術(shù)學(xué)院。陳賢敏（通訊作者），浙江工貿(mào)職業(yè)技術(shù)學(xué)院〕