新冠疫情社会生产恢复影响因素地理探测研究

厉芳婷，张 亮，贾继鹏

（1. 武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉 430079；2. 湖北省测绘工程院，湖北 武汉 430074）

世界各地公共卫生事件偶有发生，黑死病、西班牙流感、HIV、登革热、埃博拉都是典型的疾病类突发公共卫生事件。这些公共卫生事件造成了全世界范围的社会危害，主要影响经济发展、全球社会发展和国家安全等方面[1]。例如，1918年的大流感从1918年持续到1920年，死亡人数众多，具不完全统计造成了4 000万人死亡；英国为控制疯牛病事件，截至2004年已累计花费62.5 亿英镑[2]；截至2020 年2 月，登革热病疫情影响了全球28个国家和地区[3]。2019年12月出现不明原因引起的肺炎病例，经研究证实为一种新型冠状病毒感染所致，2 月11 日WHO 将该病毒命名为COVID-19[4]。COVID-19在全世界范围快速传播，截至2020年4月疫情已影响超过40个国家和地区，导致超过20万人死亡，对全球的国家社会安全造成了极大的威胁。为了应对疫情，各国对社会行为、行动和经济活动采取严格限制，多地采用了封锁策略。与此同时，全球经济受到重创，4 月下旬美国原油价格暴跌，随之而来的是失业率暴增。相较于1918年的大流感，在人口流动更频繁广泛、现代化运输和贸易更发达的今天，COVID-19 疫情的发展更迅速，对经济社会产生的影响更巨大。

目前，世界各地学者专家对COVID-19 的研究主要包括：①流行病学研究，主要是建模分析，预测疫情走向和传播趋势；②病毒学研究，主要是针对病毒本身的结构和疫苗的研究[5]；③医学研究，研究病毒感染的症状、诊断、治疗方案[6-8]等。这些研究在疫情爆发和大规模传播阶段提供了COVID-19 病毒的各方面知识，为筛查、救治、防疫等工作提供了有效的帮助。随着我国疫情逐步向好，更多的研究转为经济社会学方向，利用大数据、空间数据模型、经济模型等研究疫情发生后的社会经济影响和趋势，拟定干预措施和效率评估。目前利用大数据的研究主要集中在疫情期间人口信息管理、人口流动模型分析等方面；针对社会经济方面的研究主要为消费心理趋势、经济影响评估、干预政策评估的研究[9-10]。

本文着眼于社会生产恢复的影响因素研究，利用中国联通大数据平台的移动通信信令数据，研究了湖北省各地人口返岗迁移和社会生产恢复情况；并采用地理探测器模型探测了各地影响复工复产率的空间分异性驱动因子，分析了COVID-19 影响下社会产生恢复的驱动因素，为全球的社会经济恢复提供参考，为重大突发公共卫生事件中的社会生产恢复案例提供可借鉴的分析成果和评价方法。

1 研究区概况与数据来源

1.1 研究区概况

湖北省位于29°01′53″～33°6′47″N、108°21′42″～116°07′50″ E 之间，涵盖17 个地级市；东、西、北三面环山，中部为江汉平原，包括武汉、襄阳、宜昌3个经济发展中心。截至2018年全省铁路运营长度超过4 420 km，公路和城市道路长度超过262 700 km。武汉市作为湖北省的省会城市，是湖北省的政治经济中心，更是全国航空运输中心之一以及“九省通衢”的综合交通运输中心。

2019 年12 月COVID-19 在武汉市出现，2020 年1 月爆发并辐射其他省市。为控制疫情，武汉市于1月23日开始实施封城管控，全省其他16个市州也分别在1月25日前启动封城。湖北省作为疫情最初爆发地，受疫情影响最为严重，在长达多月的停工状态下，经济压力不断增大。仅2020 年2—3 月，武汉市的GDP 损失测算就达3～4 千亿（https://data.stats.gov.cn/easyquery.htm?cn=E0102）。湖北省其他市州经济也受到不同程度影响，2 月湖北省整体财政收入同比下降98.5%，经济发展几乎停滞。随着疫情防控形势的好转，除武汉市外全省市州分别于3月13—25日解除封锁，4 月8 日武汉市也解除了长达76 天的封锁，开始了全省社会生产恢复工作。湖北省17个市州的GDP差异情况以及截至2020 年4 月24 日各地COVID-19 确诊人数和死亡病例数如图1 所示，可以看出，武汉、襄阳、宜昌为湖北省的经济中心，区域GDP 占全省GDP 的绝大部分；而在COVID-19 疫情中，武汉市累计感染和累计死亡人数最高，明显影响周边的孝感、黄冈两地。

图1 湖北省17个市州的GDP以及COVID-19确诊和死亡人数分布

1.2 数据来源与预处理

本文的主要研究对象为复工复产情况和影响因子。社会生产恢复情况主要来源于中国联通大数据，通过融入基于运营商的信令数据分析得到城市人口职住分布、城市活跃度等信息。受中国农历春节假期影响，人口的返岗数据时间节点根据农历春节假期结束后续时间获取；再根据2019 年和2020 年同期的人口分布数据，计算复工返岗率。根据各类统计数据的空间尺度，确定本文的基本研究尺度为地级市单元。

为讨论社会生产恢复的影响因子，主要从3 个方面提取数据源：

1）《2019年湖北省统计年鉴》（http://data-cnki-net.vpn.whu.edu.cn:8118/yearbook/Single/N2020030059），为主要的社会统计数据源。本文提取常住人口数、地区GDP、第二/三产业规模以上单位、人均可支配数据等数据；再按照全省17个市州划分，分别提取各地的主要社会经济数据。

2）2018 年地理国情监测数据。本文提取铁路长度、公路长度、城市道路长度、居民地面积、耕地面积等数据；再利用地理国情地表覆盖和要素矢量数据，分别提取上述要素的矢量；最后按照17个市州边界进行裁切，并统计各类矢量的长度、面积，获得各地市州地理空间数据。

3）各地政府官方网站公开资料。本文提取累计确诊病例人数、累计死亡人数、区域封锁时间等疫情相关数据（http://www.nhc.gov.cn/）。

2 研究方法

2.1 基于大数据的返岗率提取

人口流动情况可反映社会生产活动。本文收集全省17个市州的返岗人口情况，并计算返岗率作为研究对象的因变量Y。其计算方法为：

式中，Yi为第i天的返岗率；Pi2020为该地区2020 年工作人口中当日工作时段出现在工作地的人口数量；Pi2019为该地区2019 年工作人口中当日出现在本地的活跃人口数量；i为春节假期结束后的第i天。

根据式（1）抓取单日数据，并计算返岗率，结果如图2 所示，虚线表示各地的解封日期。大多数城市解封集中在3月13—16日以及3月21—25日两个时间段。4 月8 日以后大部分城市的返岗率恢复到中等水平（0.6）；在劳动节公共假期前，各地的返岗率仍没有达到0.8。根据全省市州解封时间，本文选取3个时间点进行讨论：①大部分市州解封，除武汉市外均降为低风险区，并开始恢复生产（3月20日）；②武汉市降为中风险区，解封后恢复生产一周（4月14 日）；③武汉市降为低风险区，解封后恢复生产两周（4 月21日）。3个时间点的返岗率如图3所示。

图2 17个市州封锁时间和返岗率

图3 返岗率增长图

2.2 潜在驱动因子选取

利用地理探测器研究人口空间格局影响因素的方法已得到验证，地理空间格局是影响人口流动的重要因子。本文讨论在疫情条件下的社会生产恢复情况，除受地理空间因素的影响外，还受不同区域的社会经济基础以及疫情发展和防控情况的影响。结合湖北省实际情况，兼顾影响返岗人口的潜在因素，本文选取了14 个影响因子作为地理探测的变量，包括5个社会经济因子、6个地理空间因子和3个COVID-19因子（表1），讨论在不同社会经济条件和地理空间分布条件下，疫情发展和防控措施对社会生产恢复的影响情况。

表1 14个潜在驱动因子

2.3 基于地理检测器的影响因子检测

近年来，地理探测器被广泛应用于社会、经济、自然现象的影响驱动因素研究，包括疾病发生、土地利用、城市扩张、经济增长、环境污染等方面，被证实对混合类型的数据分析具有明显优势[11-14]。地理探测器包括风险探测、因子探测、生态探测、交互探测等4 个探测器。本文讨论COVID-19 爆发采取的封城措施，解封后的社会生产恢复情况以及研究各种因子对社会生产恢复的驱动影响，主要采用因子探测和交互探测两种探测器。具体方法为比较探测指标在不同类别分区上的总方差与该指标在整个研究区域的总方差。

1）因子探测，即探测返岗率Y的空间分异性，探测选取的因子X在多大程度上解释了属性返岗率的空间分异[15]。其表达式为：

式中，qx,y为因子X对返岗率Y的解释能力（贡献率），值域为（0,1]，值越大表示自变量X对属性Y的解释能力越强；i=1,…,m为因子的分层，即分类或分级；n和σi2分别为样本的个数和方差。

2）交互探测用于识别不同因子之间的交互作用，即评估不同因子X1和X2共同作用时，是否会增强或减弱对研究对象Y的解释力，或这些因子对研究对象Y的解释是独立的。其具体表达为：

3 研究结果与分析

本文利用14 个影响因子评估3 个时间点的返岗率，得到各因子对返岗率的影响力q值和解释力度（表2）。通过交互探测可知，3 个时间点各因子间的交互作用对返岗率的影响超过单因子作用，交互作用类型主要为非线性增强和双因子增强两种，结果中不存在独立或减弱的情况，说明疫情期间的社会生产恢复影响因素是复杂的相互作用，具有一定的相关性。

表2 14个影响因子的q 值

由于COVID-19 疫情，湖北省全域的社会生产恢复受到各种因素的影响，从返岗率来看，湖北省17个市州存在明显的区域差异。

1）地理空间因素对社会生产恢复起主要作用。从影响因子的解释力度来看，3 个时间点地理空间因子的解释力度最大，其中铁路密度（X6）和城市道路密度（X8）的解释力度位居前两位，均超过0.7，且随着时间的推移，q值逐步增大，说明交通情况在生产恢复中起主导作用；且公路密度（X7）、居民地密度（X9）和至武汉市中心距离（X11）等因子的解释力度均超过了0.3。因此，疫情期间地理交通要素仍是社会生产恢复的重要驱动力，同时拥有较高居民地密度可为区域经济发展提供稳定充足的劳动力。

2）COVID-19 疫情相关因子也具有较大的解释力度。在4月21日前累计确诊比例因子的解释力度分别为0.74、0.70、0.77，说明武汉市解封前累计确诊比例对社会生产恢复的影响较大；4月21日区域封锁天数（X14）的解释力度上升到0.61，说明在疫情得到控制后，封锁城市的时间对生产恢复的影响较大。

3）社会经济因子整体解释力度较小，仅工业园区密度（X5）在地理探测结果中显示较大的解释力度，在前两个时期q值均超过0.6。随着疫情的向好，q值变小，在疫情得到控制后，复工复产从以工业园区为主转向了社会其他行业全面复工。常住人口数、区域GDP、人均可支配数等其他社会经济因子在3 个时间点的q值均较小。

4 结 语

本文探讨了COVID-19 疫情对社会经济的影响，主要针对社会生产恢复情况的驱动因素进行了研究。利用运营商大数据分析计算得到的返岗率来反映社会生产恢复指数；利用在探测空间分异性上具有显著优势的地理探测器对选取的社会经济、地理空间、COV⁃ID-19 的14 个影响因子进行因子探测和交互探测，分析了COVID-19 疫情期间各探测因子对社会经济恢复和复工复产的影响程度。研究结果表明，湖北省社会经济恢复的主要影响因素为铁路、公路等交通密度的地理空间因子；COVID-19 疫情相关因子也有较大影响，疫情在湖北省辐射式爆发，全省特别是武汉市受疫情影响严重，确诊人数的增多和人员、交通的封控管理，直接影响了返岗复工的进程。

疫情爆发增长期间采取封城管控措施科学有效，但根据本文研究分析结果，封控措施持续的时间过长将对社会生产恢复产生较大影响。在疫情防控中需重点考虑各地地理空间基础的差异和疫情发展，特别是铁路、公路等基础设施的空间分布。

本文着眼于研究COVID-19 疫情下湖北省社会经济恢复的影响因素，由于数据的可获取性和有效性，所选择的因子较有限，后期研究中可加入政策制度和外部环境等因素的影响；同时受限于研究方法，未能对社会生产恢复做出趋势分析，后续研究中可进一步展开。