姬楊蓓蓓，莫世杰，成 楓

(上海大學(xué) 管理學(xué)院，上海 200444)

0 引 言

公共衛(wèi)生突發(fā)事件不僅給民眾健康帶來(lái)威脅，更涉及到城市運(yùn)轉(zhuǎn)、社會(huì)穩(wěn)定及社會(huì)經(jīng)濟(jì)的健康發(fā)展。例如：公元前5世紀(jì)，古希臘爆發(fā)的天花疫情導(dǎo)致雅典城一半人口死亡，嚴(yán)重影響了雅典社會(huì)經(jīng)濟(jì)發(fā)展；公元165—266年間爆發(fā)的Antonine瘟疫導(dǎo)致羅馬帝國(guó)經(jīng)濟(jì)發(fā)展嚴(yán)重惡化。此外歐洲爆發(fā)的黑死病、西班牙爆發(fā)的流感、我國(guó)爆發(fā)的SARS病毒、西非爆發(fā)的埃博拉病毒等，無(wú)一不給人類生命健康和財(cái)產(chǎn)帶來(lái)了巨大損失。在全球化進(jìn)程日益加快的今天，隨著海陸空3大交通運(yùn)輸網(wǎng)絡(luò)的普及范圍、速度和載客量持續(xù)擴(kuò)大，流行病及其載體傳播較以往任何時(shí)候都更迅猛[1]。

此次以武漢為中心的新冠肺炎病毒(COVID-19)疫情在全國(guó)爆發(fā)之際，以大容量、集約型為顯著優(yōu)點(diǎn)的公共交通很快便成為了病毒傳播的高效途徑。因此，在疫情爆發(fā)而國(guó)內(nèi)外尚未研發(fā)出臨床試驗(yàn)可靠的特效藥和疫苗之際，湖北省確診率已低于外省，極有可能出現(xiàn)醫(yī)療資源不足等情況[2]。全國(guó)各個(gè)城市根據(jù)自身情況在不同時(shí)刻對(duì)城市公共交通采取不同等級(jí)的管控措施。事實(shí)證明這些措施有效地降低了新冠肺炎的快速擴(kuò)散，也使得我國(guó)的“戰(zhàn)疫情”工作取得了階段性進(jìn)展，確診病人和疑似病人數(shù)量在有效管控后顯著下降。

與此同時(shí)，公共交通停運(yùn)也給城市運(yùn)行及民生帶來(lái)了極大困難。此次疫情爆發(fā)后，我國(guó)各城市先后采取了不同的公共交通管控措施，并積累了豐富的經(jīng)驗(yàn)。政府和相關(guān)管理者如何基于這些寶貴的經(jīng)驗(yàn)，分析并制定合理、及時(shí)的應(yīng)對(duì)重大疫情的交通管控機(jī)制，通過(guò)有效控制疫情傳播的同時(shí)保證城市運(yùn)行的基本平穩(wěn)，是一個(gè)值得深入研究的課題。這對(duì)今后應(yīng)對(duì)重大疫情爆發(fā)具有重要的參考意義和借鑒價(jià)值。

1 研究現(xiàn)狀

針對(duì)公共衛(wèi)生突發(fā)事件，相關(guān)學(xué)者從不同角度，采用不同方法進(jìn)行了分析和研究。在數(shù)據(jù)分析及預(yù)測(cè)方面，中國(guó)疾病預(yù)防控制中心新型冠狀病毒肺炎應(yīng)急響應(yīng)機(jī)制流行病學(xué)組通過(guò)對(duì)截止2020-02-11上報(bào)的所有病例進(jìn)行流行病學(xué)分析得出：疫情將在2020-01-24至2020-01-26達(dá)到首個(gè)流行峰[3]；梅珊等[4]基于Agent仿真系統(tǒng)針對(duì)甲流的擴(kuò)散開(kāi)展仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明：相較于第5 d啟用管控措施，第4 d啟用的感染人數(shù)降低一半以上，此外，約19%的人群會(huì)在公共交通子空間被感染；YANG Zifeng等[5]利用改進(jìn)的SEIR模型計(jì)算出COVID-19流行曲線，并使用2003年SARS數(shù)據(jù)訓(xùn)練的LSTM模型對(duì)其進(jìn)行預(yù)測(cè)，研究表明：及時(shí)地采取交通管控、居家隔離等措施對(duì)疫情防控有顯著作用。在防疫策略方面，WANG Fusheng等[6]指出“我們應(yīng)該堅(jiān)持的基本策略仍然是疾病的早期發(fā)現(xiàn)、早期診斷、早期隔離和早期治療”；薄濤[7]采用理論和實(shí)證相結(jié)合方法，以青島為樣本調(diào)查對(duì)象，構(gòu)建了疾病預(yù)防控制機(jī)構(gòu)(CDC)應(yīng)急能力評(píng)價(jià)體系的STORM框架，探討分析了突發(fā)公共衛(wèi)生事件的應(yīng)對(duì)機(jī)制；周繼彪等[8]對(duì)此次新冠病毒爆發(fā)后的寧波公共交通現(xiàn)狀進(jìn)行分析，針對(duì)不同公共交通方式提出不同的組合防疫策略；許明星等[9]基于“心理臺(tái)風(fēng)眼效應(yīng)”研究，從多方群體的風(fēng)險(xiǎn)感知差異角度提出4條有針對(duì)性的防范建議；劉遠(yuǎn)立等[10]在分析新冠肺炎疫情本身特點(diǎn)和全球新發(fā)傳染病流行趨勢(shì)的基礎(chǔ)上提出在疫情防控進(jìn)入“新常態(tài)”后，如何有效加強(qiáng)我國(guó)公共衛(wèi)生治理體系和治理能力現(xiàn)代化的建議。在城市交通應(yīng)急方面，針對(duì)新冠肺炎不同階段的特點(diǎn)和傳播規(guī)律，周文竹[11]提出不同城市的交通應(yīng)急對(duì)策；李爭(zhēng)光等[12]通過(guò)對(duì)正平衡點(diǎn)及無(wú)病平衡點(diǎn)的存在與其穩(wěn)定性模型分析，發(fā)現(xiàn)人口快速流動(dòng)會(huì)使交通較發(fā)達(dá)城市的染病者數(shù)量急速增加，進(jìn)而加快疾病的傳染速度，增加感染人數(shù)；劉晟[13]通過(guò)對(duì)傳染病傳播特點(diǎn)進(jìn)行分析，提出不同交通方式下的線路規(guī)劃解決方案。此外，諸大建[14]針對(duì)此次疫情防控中出現(xiàn)的現(xiàn)象，指出老百姓科學(xué)生活水平和城市治理現(xiàn)代化水平亟待提高；ZHAO Shi等[15]基于經(jīng)典易感暴露傳染病恢復(fù)模型開(kāi)發(fā)出間隔流行病模型，通過(guò)博弈論的理論決策過(guò)程來(lái)模仿行為，從而實(shí)現(xiàn)對(duì)武漢COVID-19爆發(fā)的動(dòng)態(tài)預(yù)測(cè)，通過(guò)改變關(guān)鍵模型參數(shù)，在幾種公共干預(yù)措施下討論了爆發(fā)的規(guī)模和時(shí)機(jī)。

綜上所述，現(xiàn)有學(xué)者已對(duì)病毒傳播機(jī)理、防疫策略、城市交通應(yīng)急等方面展開(kāi)了研究，強(qiáng)調(diào)公共交通管控在抑制疫情傳播過(guò)程中發(fā)揮的巨大作用。但是當(dāng)前城市公共交通管控強(qiáng)度和管控及時(shí)性對(duì)疫情傳播影響仍缺乏定量分析，各城市公共交通管控策略缺乏科學(xué)指導(dǎo)。故筆者通過(guò)搜集疫情爆發(fā)初期全國(guó)56個(gè)城市公共交通管控策略、管控開(kāi)始時(shí)間、經(jīng)濟(jì)水平和相對(duì)位置等相關(guān)數(shù)據(jù)，利用統(tǒng)計(jì)分析方法，從事件結(jié)果反推出各因素對(duì)疫情傳播影響程度，為城市公共交通管理者提供科學(xué)數(shù)據(jù)支持。

2 數(shù)據(jù)收集

筆者重點(diǎn)分析了疫情爆發(fā)初期累計(jì)確診病例影響因素。全國(guó)疫情于2020-02-18趨于平穩(wěn)，呈顯著下降趨勢(shì)，2020-02-27全國(guó)(除湖北地區(qū))新增確診人數(shù)僅為9人，此后全國(guó)新增確診人數(shù)逐步下降，各地陸續(xù)恢復(fù)公共交通，公共交通管控對(duì)累計(jì)確診人數(shù)影響開(kāi)始減弱或消散。筆者從國(guó)家和各省市衛(wèi)健委官網(wǎng)收集了自2020-01-20至2020-02-28全國(guó)21個(gè)省級(jí)行政單位中56個(gè)城市每日疫情數(shù)據(jù)(累計(jì)確診病例數(shù)、當(dāng)日確診病例數(shù)和疑似病例)，如表1。

表1 調(diào)查城市COVID-19確診人數(shù)等級(jí)(截至2020-02-28)

由表1可知：湖北省外累計(jì)確診人數(shù)超過(guò)400人的3個(gè)城市分別為北京、溫州和重慶，均為經(jīng)濟(jì)發(fā)展水平高的城市，其中距離湖北最近的重慶累計(jì)確診人數(shù)最多，達(dá)到576人；而另兩個(gè)直轄市(上海和天津)的確診人數(shù)雖然未到達(dá)400人，但也相對(duì)較高，分別為337、136人(數(shù)據(jù)截止至2020-02-28)；其次，由表1可見(jiàn)：累計(jì)確診人數(shù)超過(guò)100人的城市基本分布在湖北省周邊，距離越遠(yuǎn)，確診人數(shù)越少。此外，筆者從各城市發(fā)布的官方通知中收集了56個(gè)城市的公共交通管控開(kāi)始時(shí)間、管控強(qiáng)度；并從統(tǒng)計(jì)年鑒中收集各城市2019年的年生產(chǎn)總值(GDP)。

表2為疫情爆發(fā)初期，筆者所調(diào)查56個(gè)城市實(shí)施交通管控措施的分級(jí)情況。根據(jù)管控措施將其分為5類：公共交通無(wú)停運(yùn)(Ⅰ級(jí))、僅停運(yùn)城鄉(xiāng)線路(Ⅱ級(jí))、城市支線停運(yùn)(Ⅲ級(jí))、分兩階段完全停運(yùn)或一次僅保留少量線路(Ⅳ級(jí))和完全停運(yùn)(Ⅴ級(jí))。

表2 疫情初期調(diào)查城市公共交通管控強(qiáng)度

針對(duì)減少班次的管控，筆者按照線路等級(jí)分為3類展開(kāi)討論：① 減少城鄉(xiāng)線路班次，歸為第2類僅停運(yùn)城鄉(xiāng)線路；② 減少城市支線班次，歸為第3類城市支線停運(yùn)；③ 減少城市主線班次，考慮到當(dāng)城市主線班次開(kāi)始減少時(shí)，城市支路和城鄉(xiāng)線路一般采取完全停運(yùn)或僅保留極少數(shù)重要線路的管控形式，因此筆者將其歸為第4類分兩階段完全停運(yùn)或一次僅保留少量線路。針對(duì)地鐵、有軌電車等非常規(guī)公交方式，考慮到在疫情期間多數(shù)采取縮短運(yùn)營(yíng)時(shí)間和調(diào)整發(fā)車間隔的精細(xì)化管控措施，因此筆者根據(jù)其調(diào)整比例將其歸為表2中的第5類。

由表2可知：采取完全停運(yùn)(Ⅴ級(jí))的城市主要集中在湖北、河南、江西、河北等相對(duì)距離較小、經(jīng)濟(jì)水平較低、公共交通停運(yùn)代價(jià)較小的省份；采取公共交通無(wú)停運(yùn)(Ⅰ級(jí))或僅停運(yùn)城鄉(xiāng)線路(Ⅱ級(jí))等精細(xì)化管理的城市則主要集中在經(jīng)濟(jì)水平較發(fā)達(dá)且相對(duì)距離較大、公共交通需求高、停運(yùn)對(duì)社會(huì)經(jīng)濟(jì)的影響較大的城市(除崇左累計(jì)確診人數(shù)為0)，以上數(shù)據(jù)截至2020-02-28；而停運(yùn)城市支線(Ⅲ級(jí))和分兩階段完全停運(yùn)或一次僅保留少量線路(Ⅳ級(jí))的城市主要根據(jù)本市病情擴(kuò)散情況和城市所具備條件選擇，分布規(guī)律性較弱。

全國(guó)各城市疫情爆發(fā)初期公共交通管控時(shí)間見(jiàn)表3。湖北省武漢和仙桃因疫情嚴(yán)重，在統(tǒng)計(jì)的第1 d便已實(shí)施公共交通全部停運(yùn)的管控措施；而上海、廣州、重慶、沈陽(yáng)、北京、杭州等經(jīng)濟(jì)發(fā)達(dá)城市由于管控范圍大、成本高等原因，實(shí)施交通管控時(shí)間較晚；崇左由于一直未出現(xiàn)確診患者因而管控時(shí)間較晚；其他城市則根據(jù)本省政策，管控時(shí)間受本市確診人數(shù)現(xiàn)狀、經(jīng)濟(jì)水平、相對(duì)位置等因素影響，其管控時(shí)間基本集中在2020-01-25到2020-02-02。

表3 疫情初期全國(guó)主要省市的城市交通管控開(kāi)始時(shí)間

3 研究假設(shè)與分析方法

3.1 研究假設(shè)

病毒傳播需要具備傳染源、傳染途徑和易感染者這3個(gè)因素，故距離感染源越近的易感染者受感染可能性越大。此外，對(duì)于經(jīng)濟(jì)水平較高城市，其發(fā)達(dá)的公共交通在疫情期間為病毒傳染提供了快速傳播途徑，因而經(jīng)濟(jì)水平、公共交通管控強(qiáng)度(以下簡(jiǎn)稱管控強(qiáng)度)和公共交通管控及時(shí)性(以下簡(jiǎn)稱管控及時(shí)性)也影響著病毒傳播速度。筆者列出了因變量：最大累計(jì)確診人數(shù)(Y)及4個(gè)影響因素：經(jīng)濟(jì)水平(X1)、相對(duì)位置(X2)、管控強(qiáng)度(X3)和管控及時(shí)性(X4)的參數(shù)定義和參數(shù)類型，見(jiàn)表4。

表4 變量定義

經(jīng)濟(jì)水平較高的城市由于外來(lái)人口多、人員流動(dòng)量大、內(nèi)部公共交通便利等特點(diǎn)，在疫情發(fā)生時(shí)為病毒傳播提供了更為便利的條件；此外，鄰近省市由于與武漢人員流通頻繁，受疫情的影響也較大?；诖?，筆者首先提出H01和H02兩個(gè)假設(shè)：

H01：經(jīng)濟(jì)水平(X1)對(duì)新冠肺炎病毒(COVID-19)的最大累計(jì)確診人數(shù)(Y)有正向影響；

H02：相對(duì)位置(X2)對(duì)新冠肺炎病毒(COVID-19)的最大累計(jì)確診人數(shù)(Y)有負(fù)向影響。

公共交通因其密閉、容量大、集約型等特點(diǎn)在疫情爆發(fā)時(shí)成為病毒傳播的高效途徑，由此筆者提出管控強(qiáng)度越大越可有效減少最大累計(jì)確診人數(shù)(H03)，管控及時(shí)性越高越可有效減少最大累計(jì)確診人數(shù)(H04)兩個(gè)假設(shè)：

H03：管控強(qiáng)度(X3)對(duì)新冠肺炎病毒(COVID-19)的最大累計(jì)確診人數(shù)(Y)有負(fù)向影響；

H04：管制及時(shí)性(X4)對(duì)新冠肺炎病毒(COVID-19)的最大累計(jì)確診人數(shù)(Y)有負(fù)向影響。

公共交通管控措施實(shí)施時(shí)間與該城市疫情嚴(yán)重性、管控對(duì)經(jīng)濟(jì)發(fā)展影響、公共交通依賴程度及國(guó)內(nèi)國(guó)際影響等因素有關(guān)，因此管控及時(shí)性一方面反映了對(duì)疫情嚴(yán)重程度的預(yù)判，另一方面反映了管控及時(shí)性受經(jīng)濟(jì)、社會(huì)等諸多因素的羈絆。經(jīng)濟(jì)越發(fā)達(dá)，實(shí)施公共交通管控面臨的壓力就越大，管控準(zhǔn)備措施越多，管控及時(shí)性越差，而較差的管控及時(shí)性又會(huì)引起累計(jì)確診人數(shù)增多。因此筆者提出在經(jīng)濟(jì)水平與最大累計(jì)確診人數(shù)的關(guān)系中，管控及時(shí)性具有中介作用(H05)。

H05：在經(jīng)濟(jì)水平(X1)與最大累計(jì)確診人數(shù)(Y)關(guān)系中，管控及時(shí)性(X4)具有中介作用。

此外，在相同的管控及時(shí)性下，不同管控強(qiáng)度也會(huì)對(duì)累計(jì)確診人數(shù)產(chǎn)生不同影響。當(dāng)面臨管控不及時(shí)情況時(shí)，可采取更高的管控強(qiáng)度來(lái)阻止病毒的快速擴(kuò)散(如武漢)；若管控及時(shí)，則后期只需采取較低的管控強(qiáng)度(如湖州)。因此筆者提出管控強(qiáng)度在“經(jīng)濟(jì)水平→管控及時(shí)性→最大累計(jì)確診人數(shù)”這一中介效應(yīng)(H05)的后半段起調(diào)節(jié)作用(H06)，圖1為模型結(jié)構(gòu)。

H06：管控強(qiáng)度對(duì)“經(jīng)濟(jì)水平→管控及時(shí)性→累計(jì)確診人數(shù)”這一中介效應(yīng)的后半段起調(diào)節(jié)作用。

3.2 分析方法

3.2.1 典型相關(guān)性分析

典型相關(guān)分析(canonical correlation analysis, CCA)是多元統(tǒng)計(jì)分析的一個(gè)重要方法，能研究?jī)山M變量之間相關(guān)性，并有效揭示兩組變量之間線性依賴關(guān)系。CCA是以兩組變量相關(guān)系數(shù)最大為目標(biāo)，將原始集合X、Y乘以映射系數(shù)投影為另一維數(shù)據(jù)U、V，然后計(jì)算U、V的相關(guān)系數(shù)，最后得到兩者的相關(guān)性。

假設(shè)影響因素組X=[X1,X2, …,Xp]，因變量組Y=[Y1,Y2, …,Yq]為兩組隨機(jī)變量；Xi,Yj為一個(gè)長(zhǎng)度為樣本個(gè)數(shù)的向量，表示所有樣本第i、j個(gè)元素的值；a=[a1,a2, …,ap]，b=[b1,b2, …,bq]分別為映射系數(shù)矩陣，即對(duì)應(yīng)變量X、Y在U、V中所占權(quán)重，如式(1)～(3)：

(1)

U=a×X=a1X1+a2X2+…+apXp

(2)

V=b×Y=b1Y1+b2Y2+…+bqYq

(3)

∑11是X與X的協(xié)方差矩陣；∑12是X與Y的協(xié)方差矩陣；∑21是Y與X的協(xié)方差矩陣，也即∑12的轉(zhuǎn)置；∑22是Y與Y的協(xié)方差矩陣。典型相關(guān)分析即是求兩組變量系數(shù)矩陣a和b的相關(guān)系數(shù)，以使U、V之間的相關(guān)性達(dá)到最大，如式(4)：

(4)

最后可用式(5)、(6)進(jìn)行顯著性檢驗(yàn)：

(5)

(6)

通過(guò)比較S2確定兩組數(shù)據(jù)間是否存在系統(tǒng)誤差。若F<95%時(shí)表明兩組數(shù)據(jù)無(wú)顯著差異，否則表明兩組數(shù)據(jù)存在顯著差異。

筆者首先采用典型相關(guān)分析，將兩組變量之間的相關(guān)性轉(zhuǎn)換成了兩組典型變量之間的相關(guān)性，COV(U,V)即為所求的典型相關(guān)系數(shù)。

3.2.2 有調(diào)節(jié)的中介效應(yīng)

中介效應(yīng)是指變量之間的影響關(guān)系(X→Y)通過(guò)一個(gè)或一個(gè)以上中間變量(M)的間接影響產(chǎn)生的，因此稱X通過(guò)M對(duì)Y產(chǎn)生的間接影響稱為中介效應(yīng)。中介效應(yīng)是一種探究事物內(nèi)在邏輯的方法，廣泛應(yīng)用于社會(huì)科學(xué)研究中。中介效應(yīng)回歸方程如式(7)～(9)：

Y=cX+e1

(7)

M=aX+e2

(8)

Y=c′X+bM+e3

(9)

式中：c為X對(duì)Y的總效應(yīng)；a、b為中介效應(yīng)(mediating effect)；c′是直接效應(yīng)(a、b、c′的關(guān)系見(jiàn)圖1)；中介效應(yīng)之比ab/c，表示此中介效應(yīng)占總效應(yīng)的百分比。

調(diào)節(jié)效應(yīng)是有因果指向的交互效應(yīng)，調(diào)節(jié)變量一般不受自變量和因變量影響，但可影響自變量和因變量。以最簡(jiǎn)單的回歸方程為例，調(diào)節(jié)效應(yīng)檢驗(yàn)回歸方程包括式(10)、(11)：

Y=a+bX+cW+e

(10)

Y=a+bX+cW+c′WX+e

(11)

式中：W為調(diào)節(jié)變量；WX為調(diào)節(jié)效應(yīng)，調(diào)節(jié)效應(yīng)是否顯著即是分析c′是否顯著達(dá)到統(tǒng)計(jì)學(xué)意義上的臨界比率0.05。

有調(diào)節(jié)的中介效應(yīng)檢驗(yàn)方法有：依次檢驗(yàn)回歸系數(shù)法、Sobel檢驗(yàn)和Bootstrap法。由于Bootstrap法對(duì)樣本量要求小、檢驗(yàn)效力高、計(jì)算方便成為最主流的方法。筆者采用Bootstrap法：計(jì)算每個(gè)Bootstrap的中介效應(yīng)估計(jì)值，從小到大依次排列，其中第2.5百分位和第97.5百分位點(diǎn)就構(gòu)成了一個(gè)95%的置信區(qū)間，如果不包含0，則系數(shù)乘積顯著。

4 分析結(jié)果

4.1 典型相關(guān)性分析

以經(jīng)濟(jì)水平(X1)，相對(duì)位置(X2)，交通管控強(qiáng)度(X3)和交通管控及時(shí)性(X4)為影響因素組，以最大確診人數(shù)(Y)為因變量，在對(duì)數(shù)據(jù)中極端值刪除后進(jìn)行典型相關(guān)分析，結(jié)果如表5。

表5 典型相關(guān)性分析

由表5可知：影響因素組X與因變量Y的典型相關(guān)系數(shù)ρ=0.846，屬于強(qiáng)相關(guān)，同時(shí)F值大于其臨界值，P<0.001，說(shuō)明影響因素組與被影響因素(累計(jì)確診人數(shù))之間的相關(guān)關(guān)系顯著。在典型相關(guān)性分析中，各變量影響程度一般由因素在典型相關(guān)模型中系數(shù)絕對(duì)值來(lái)決定，若對(duì)應(yīng)系數(shù)絕對(duì)值越大，那么該變量對(duì)因變量的影響程度就越高；影響方向由系數(shù)符號(hào)決定，正號(hào)表示正向影響，負(fù)號(hào)表示負(fù)向影響。由映射系數(shù)a可知，影響因素組X中系數(shù)絕對(duì)值排序中第1是經(jīng)濟(jì)水平(X1)為0.894、第2是相對(duì)位置(X2)為-0.565、第3時(shí)管控及時(shí)性(X4)為-0.096、第4是管控強(qiáng)度(X3)為-0.046。說(shuō)明在影響因素組中，經(jīng)濟(jì)水平對(duì)累計(jì)確診人數(shù)影響程度最高(正向影響)，其次為相對(duì)位置(負(fù)向影響)，再者是管控及時(shí)性(負(fù)向影響)，最后為管控強(qiáng)度(負(fù)向影響)。由此可見(jiàn)假設(shè)H01、H02、H03和H04均成立。

4.2 有調(diào)節(jié)的中介效應(yīng)檢驗(yàn)

4.2.1 自相關(guān)性檢驗(yàn)

在進(jìn)行有調(diào)節(jié)的中介效應(yīng)檢驗(yàn)前，首先應(yīng)對(duì)自變量的自相關(guān)性進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如表6。

表6 自變量相關(guān)性檢驗(yàn)

由表6可見(jiàn)：經(jīng)濟(jì)水平(X1)與管控及時(shí)性(X3)的相關(guān)性系數(shù)為-0.587，呈顯著的負(fù)相關(guān)關(guān)系；與管控強(qiáng)度(X4)的相關(guān)性系數(shù)為-0.574，成顯著的負(fù)相關(guān)關(guān)系。說(shuō)明經(jīng)濟(jì)水平越高，管控及時(shí)性越差，管控強(qiáng)度越低。例如：表2中北京、上海、廣東、浙江、江蘇等經(jīng)濟(jì)水平較高的城市均采用了較低的管控強(qiáng)度，其中上海和北京在疫情爆發(fā)初期并沒(méi)有停運(yùn)公共交通。在管控及時(shí)性方面，北京、廣州和上海的精細(xì)化公共交通管控實(shí)施都較晚，其中上海是2020-02-07才實(shí)施精細(xì)交通管控，是采取管控措施最晚的城市，說(shuō)明交通管控的時(shí)間節(jié)點(diǎn)和強(qiáng)度的確定是個(gè)復(fù)雜的管理過(guò)程，越是經(jīng)濟(jì)發(fā)達(dá)地區(qū)，實(shí)施管控措施越謹(jǐn)慎，及時(shí)性也越差。

4.2.2 管控及時(shí)性在經(jīng)濟(jì)水平與最大累計(jì)確診人數(shù)的中介效應(yīng)檢驗(yàn)

在管控及時(shí)性對(duì)經(jīng)濟(jì)水平與最大累計(jì)確診人數(shù)的中介效應(yīng)檢驗(yàn)中，經(jīng)濟(jì)水平為前因變量，最大累計(jì)確診人數(shù)為結(jié)果變量，管控及時(shí)性為中介變量。采用Bootstrap法進(jìn)行5 000次抽樣并取95%置信區(qū)間檢驗(yàn)，其結(jié)果如表7、8。

表7 管控及時(shí)性的中介效應(yīng)檢驗(yàn)

由表7的M2可知：經(jīng)濟(jì)水平對(duì)累計(jì)最大確診人數(shù)的正向預(yù)測(cè)顯著(B=0.682 3，P<0.001)。當(dāng)放入中介變量后由M1可得：經(jīng)濟(jì)水平對(duì)最大累計(jì)確診人數(shù)的直接預(yù)測(cè)作用依然顯著(B=0.442 0，P<0.001)，管控及時(shí)性對(duì)最大累計(jì)確診人數(shù)的負(fù)向預(yù)測(cè)作用也顯著(B=-0.418 9，P<0.001)。由M3可得：經(jīng)濟(jì)水平對(duì)管控及時(shí)性的負(fù)向預(yù)測(cè)作用顯著(B=-0.573 6，P<0.001)。假設(shè)H05成立，表明經(jīng)濟(jì)水平增加一個(gè)標(biāo)準(zhǔn)差，管控及時(shí)性減少0.573 6個(gè)標(biāo)準(zhǔn)差，累計(jì)確診人數(shù)增大0.442個(gè)標(biāo)準(zhǔn)差。此外管控及時(shí)性減少的0.5736個(gè)標(biāo)準(zhǔn)差又會(huì)使得累計(jì)確診人數(shù)增加0.240 3[(-0.573 6)×(-0.4189)]個(gè)標(biāo)準(zhǔn)差。最終表現(xiàn)為：經(jīng)濟(jì)增加一個(gè)標(biāo)準(zhǔn)差，累計(jì)確診人數(shù)將增加0.682 3(0.442 0+0.240 3)個(gè)標(biāo)準(zhǔn)差。

由表8可知：經(jīng)濟(jì)水平對(duì)累計(jì)確診人數(shù)直接效應(yīng)及管控及時(shí)性的中介效應(yīng)的bootstrap95%置信區(qū)間的上下限均不包含0，表明經(jīng)濟(jì)水平不僅能直接預(yù)測(cè)累計(jì)確診人數(shù)，且能通過(guò)管控及時(shí)性的中介作用預(yù)測(cè)累計(jì)確診人數(shù)。經(jīng)濟(jì)水平對(duì)累計(jì)確診人數(shù)的總效應(yīng)c=0.682 3，而經(jīng)濟(jì)水平對(duì)累計(jì)確診人數(shù)的直接效應(yīng)c′=0.442，經(jīng)濟(jì)水平通過(guò)管控及時(shí)性對(duì)累計(jì)確診人數(shù)的中介效應(yīng)a×b=0.240 3，即當(dāng)經(jīng)濟(jì)水平增大一個(gè)標(biāo)準(zhǔn)差時(shí)，累計(jì)確診人數(shù)將增大0.682 3個(gè)標(biāo)準(zhǔn)差，其中0.240 3個(gè)標(biāo)準(zhǔn)差是通過(guò)中介變量管控及時(shí)性對(duì)累計(jì)確診人數(shù)起作用。而余下0.442個(gè)標(biāo)準(zhǔn)差則是經(jīng)濟(jì)水平直接對(duì)累計(jì)確診人數(shù)起作用。中介效應(yīng)占了總效應(yīng)的35.22%(0.240 3/0.682 3)。例如以蘇州和合肥為例，在現(xiàn)有經(jīng)濟(jì)水平不變基礎(chǔ)上，若僅提前一天采取交通管控，則蘇州累計(jì)確診人數(shù)會(huì)減少10人，合肥累計(jì)確診人數(shù)將減少12人，可見(jiàn)及時(shí)采取交通管控能非常有效的控制疫情。

4.2.3 管控強(qiáng)度在管控及時(shí)性對(duì)累計(jì)確診人數(shù)影響中的調(diào)節(jié)效應(yīng)檢驗(yàn)

為進(jìn)一步驗(yàn)證管控強(qiáng)度在管控及時(shí)性對(duì)累計(jì)確診人數(shù)影響中是否存在調(diào)節(jié)效應(yīng)，在上述中介效應(yīng)中添加調(diào)節(jié)變量(管控強(qiáng)度)，其檢驗(yàn)結(jié)果如表9。

表9 有調(diào)節(jié)的中介模型檢驗(yàn)

由表9可知：將管控強(qiáng)度放入模型后，管控強(qiáng)度與管控及時(shí)性的乘積項(xiàng)對(duì)累計(jì)確診人數(shù)預(yù)測(cè)作用顯著(T=2.568 3，P<0.05)，因此H06成立。此外，加入調(diào)節(jié)變量后R2由原本中介模型中的0.583 2(表7)上升為表9中的0.636 2，說(shuō)明加入調(diào)節(jié)變量后擬合效果更好。

表10和圖2對(duì)比了低管控強(qiáng)度和高管控強(qiáng)度時(shí)，管控及時(shí)性對(duì)累計(jì)確診人數(shù)不同程度的預(yù)測(cè)作用。當(dāng)管控強(qiáng)度較低(M-1SD)時(shí)，表10中95%的置信區(qū)間為[-1.304 8,-0.458 7]，圖2中虛線的斜率為-0.881 7，說(shuō)明經(jīng)濟(jì)水平通過(guò)管控及時(shí)性這一中介效應(yīng)對(duì)累計(jì)確診人數(shù)的具有顯著的正向預(yù)測(cè)作用；當(dāng)管控強(qiáng)度較高(M+1SD)時(shí)，表10中95%的置信區(qū)間為[-0.527 6,-0.042 1]，圖2中實(shí)線的斜率為-0.284 9，說(shuō)明經(jīng)濟(jì)水平通過(guò)管控及時(shí)性這一中介效應(yīng)對(duì)累計(jì)確診人數(shù)的正向預(yù)測(cè)作用較小。

表10 在管控強(qiáng)度的不同水平上的中介效應(yīng)

圖2中無(wú)論是高管控強(qiáng)度還是低管控強(qiáng)度，調(diào)節(jié)作用的斜率均為負(fù)值(-0.881 7和-0.284 9)，說(shuō)明無(wú)論是高管控強(qiáng)度還是低管控強(qiáng)度，累計(jì)確診人數(shù)都隨著管控及時(shí)性增加而減少。

在高管控強(qiáng)度下，及時(shí)管控(M+1SD)的累計(jì)確診人數(shù)比不及時(shí)管控(M-1SD)的累計(jì)確診人數(shù)減少了0.579 8個(gè)標(biāo)準(zhǔn)差；在低管控強(qiáng)度下，及時(shí)的管控(M+1SD)的累計(jì)確診人數(shù)比不及時(shí)的管控(M-1SD)減少了1.773 4個(gè)標(biāo)準(zhǔn)差，遠(yuǎn)大于在高管控強(qiáng)度下管控及時(shí)性對(duì)累計(jì)確診人數(shù)影響。

即隨著管控強(qiáng)度提升，管控及時(shí)性對(duì)累計(jì)確診人數(shù)預(yù)測(cè)作用呈逐漸降低趨勢(shì)，效應(yīng)值從-0.881 7變化到-0.284 9(表10)，說(shuō)明高管控強(qiáng)度可彌補(bǔ)因管控不及時(shí)造成的大范圍傳染現(xiàn)象，若城市新冠肺炎傳播已出現(xiàn)嚴(yán)重態(tài)勢(shì)，則有必要采取更高強(qiáng)度的公共交通管控，如關(guān)閉公共交通或停運(yùn)部分公共交通，這一措施比起低強(qiáng)度管控可減少約67.2%的感染者。

以江蘇省蘇州和安徽省合肥為例，在低管控強(qiáng)度下，管控及時(shí)性從M+1SD減小到M-1SD，蘇州累計(jì)確診人數(shù)將增加42人，而在高管控強(qiáng)度下，累計(jì)確診人數(shù)將增加14人，減少了66.7%；同樣，在低管控強(qiáng)度下，管控及時(shí)性從M+1SD減小到M-1SD，合肥累計(jì)確診人數(shù)將增加116人，而在高管控強(qiáng)度下，管控及時(shí)性從M+1SD減小到M-1SD，合肥累計(jì)確診人數(shù)只增加38人，減小了67.2%。由此可見(jiàn)，在高管控強(qiáng)度下，若及時(shí)采取公共交通管控措施，最多可減少67.2%感染患者。

5 結(jié) 論

筆者根據(jù)新冠肺炎(COVID-19)爆發(fā)初期全國(guó)56個(gè)城市的疫情相關(guān)數(shù)據(jù)，通過(guò)典型相關(guān)性分析和有調(diào)節(jié)的中介效應(yīng)分析，研究得出經(jīng)濟(jì)發(fā)展水平、相對(duì)位置、管控強(qiáng)度、管控及時(shí)性對(duì)累計(jì)確診人數(shù)的影響程度，并通過(guò)有調(diào)節(jié)的中介效應(yīng)對(duì)各影響因素的內(nèi)在邏輯進(jìn)行梳理，得出如下結(jié)論：

1)經(jīng)濟(jì)水平、相對(duì)位置、管控強(qiáng)度和管控及時(shí)性與新冠肺炎(COVID-19)最大累計(jì)確診人數(shù)均存在顯著的相關(guān)關(guān)系。其中：經(jīng)濟(jì)水平對(duì)累計(jì)確診人數(shù)的影響程度最高(正向影響)，其次為相對(duì)位置(負(fù)向影響)，再者是管控及時(shí)性(負(fù)向影響)，最后是管控強(qiáng)度(負(fù)向影響)。自相關(guān)分析結(jié)果表明：實(shí)施交通管控時(shí)間節(jié)點(diǎn)和強(qiáng)度是一個(gè)復(fù)雜的管理過(guò)程，經(jīng)濟(jì)水平越高，管理者實(shí)施公共交通管控措施越謹(jǐn)慎，管控及時(shí)性越差，管控強(qiáng)度越低；

2)通過(guò)中介效應(yīng)分析發(fā)現(xiàn)：在經(jīng)濟(jì)水平對(duì)感染人數(shù)影響中，管控及時(shí)性起到了顯著的中介效應(yīng)(占比35.22%)。即經(jīng)濟(jì)水平對(duì)累計(jì)確診人數(shù)影響中有35.22%是通過(guò)管控及時(shí)性這一中介變量產(chǎn)生的。由此可見(jiàn)，經(jīng)濟(jì)水平較高的城市通常會(huì)因公共交通管控影響較大，而無(wú)法及時(shí)采取交通管控措施，會(huì)出現(xiàn)不及時(shí)抑制疫情傳播而導(dǎo)致確診人數(shù)顯著增加的結(jié)果。因此，對(duì)于經(jīng)濟(jì)水平發(fā)達(dá)城市，雖實(shí)施完全封閉的公共交通管制有難度，但可通過(guò)采取各種及時(shí)的對(duì)城市運(yùn)行影響較小的精細(xì)化交通管控策略，降低其較高的疫情傳播風(fēng)險(xiǎn)。

3)管控強(qiáng)度能對(duì)“經(jīng)濟(jì)水平→管控及時(shí)性→累計(jì)確診人數(shù)”這一中介鏈條起顯著調(diào)節(jié)作用。高管控強(qiáng)度可彌補(bǔ)因管控不及時(shí)造成的大范圍傳染現(xiàn)象。故當(dāng)城市新冠肺炎傳播已出現(xiàn)嚴(yán)重態(tài)勢(shì)時(shí)，有必要采取更高強(qiáng)度的公共交通管控(關(guān)閉公共交通或停運(yùn)部分公共交通)。在及時(shí)采取公共交通管控措施的前提下，實(shí)施高強(qiáng)度管控最多可減少67.2%的感染患者。

4)筆者僅搜集了新冠肺炎(COVID-19)在中國(guó)爆發(fā)初期的數(shù)據(jù)進(jìn)行相關(guān)分析。未來(lái)將針對(duì)疫情穩(wěn)定期、復(fù)工復(fù)產(chǎn)期，并結(jié)合國(guó)外疫情傳播和相關(guān)管控?cái)?shù)據(jù)進(jìn)行定量分析，旨在為公共突發(fā)事件管控提供參考依據(jù)。