人口流动、信息传播效率与疫情防控——基于新型冠状肺炎(COVID-19)的证据

李建军 何 山

一、引言

2019年12月以来，新型冠状病毒肺炎疫情(COVID-19)爆发，随后迅速蔓延至全国，严重威胁到人民群众的身体健康和生命安全。截至2020年3月22日24时，全国31个省(自治区、直辖市)和新疆生产建设兵团累计报告确诊病例81 600例，死亡病例3 276例。海外累计报告确诊病例210 644例，死亡病例9 517例。受到疫情影响，全国31个省(自治区、直辖市)先后宣布启动重大突发公共卫生事件一级应急响应。不断蔓延的疫情也带来了一定的经济成本，为避免人群聚集带来交叉传染，大多数企业全面停工停产，处于产业链末端的小微企业可能面临资金链断裂甚至破产的风险。虽然中国经济稳中向好的长期趋势未受影响，但持续的停工停产也不可避免地给经济带来阶段性的冲击，甚至会给政治和外交带来负面影响(涂晓艳，2013[1])。根据国家统计局公布的数据，2020年1—2月，全国社会消费品零售总额下降20.5%，固定资产投资下降24.5%，规模以上工业增加值下降13.5%。面对如此复杂而严峻的疫情冲击和经济形势，探索疫情的传播规律及其影响因素对于科学防控疫情、遏制疫情蔓延具有重要的理论和现实意义。

传染性疾病是严重威胁人民群众健康和社会公共卫生的重要疾病，关乎国家安全和城市安全体系，因此传染病的流行过程及其影响因素一直是学者们关注的焦点。学者们针对不同类型的传染病进行了全面的研究，发现季节因素、患者年龄、生活用水、教育水平等多种因素均与疫情传播紧密相关(曹志冬等，2010[2]；杜志成等，2016[3]；张松杰等，2018[4])。具体而言，传染病的流行需要同时具备传染源、传播途径和易感人群三个环节，控制传染源和切断传播途径是控制疫情传播的有效手段。在控制传染源方面，大规模人口流动是导致疫情迅速扩散的重要因素(牛建林，2013[5]；吴晓旭等，2013[6]；孙伟增等，2019[7])。由于本次疫情爆发时间正值春运，一旦流动人口感染传染病，成为传染源，其迁移行为会显著扩大传染病的传染范围，造成更大规模的疫情传播。因此，武汉市的“封城”行动也为全国的疫情防治做出了不可磨灭的贡献。钟南山院士在接受采访时表示，如果封城行动再推后5天，全国到3月份后的发病峰值可能有17万。在切断传播途径方面，提升居民的传染病防治素养至关重要。防治素养更高的居民对疫情更加重视，能够更好地实施各种防护措施，从而更好地切断传播途径，降低传染病发病率。研究发现，目前我国居民传染病防治素养仍然较低(黄相刚等，2015[8])，性别、年龄、收入水平、文化程度、职业等多种因素会显著影响居民的防治素养(吴双胜等，2012[9]；申洋等，2016[10]；吴艳梅等，2019[11])。

虽然现有关于传染病的研究已经较为丰富，但仍然存在如下不足。第一，现有研究虽然指出流动人口可能扩大传染病的传染范围，但和本次新冠肺炎的传播规律存在明显差异，仍然缺少直接针对本次新冠肺炎疫情的实证证据。具体而言，现有研究大多基于问卷分析，发现流动人口由于健康意识不足、健康成本较高、居住和工作环境普遍较差等原因，传染病发病率显著更高(夏国美和杨秀石，2006[12]；孙伟增等，2019[7])。但是，这些研究同时考虑了多种传染病的传播过程，这些传染病在中国较多省份都存在，无法确认其来源，也就很难识别流动人口是因为携带病毒而成为传染源还是因为防治素养较低和生活环境较差而成为易感人群。第二，现有研究虽然强调了防治素养在传染病传播当中的作用，并识别了防治素养的影响因素，但普遍存在识别指标较为宽泛、识别方法较为简单的问题，研究深度不足。具体而言，现有研究忽略了两类直接影响居民防治素养的重要因素。一方面，信息传播效率对居民防治素养具有直接的影响，进而显著影响疫情防控情况。虽然新冠肺炎疫情与2003年的SARS疫情有一定的相似之处，但2020年中国的互联网环境已经与2003年天差地别。2003年，中国的互联网仍在发展初期，信息传播缓慢，公众只能被动接受关于疫情的信息，社会舆情也很难洞察。2020年，中国的互联网用户规模已经达到8.54亿人次，主动搜索成为用户接受和获取信息的主要途径，信息传播效率的作用也被明显放大。更加及时和精准的信息能够让居民及时了解疫情传播的现状，引起足够重视，从而提高防控意识，抑制疫情传播(张海峰等，2012[13])。然而，现有研究仍较少涉及信息传播效率对疫情防控的影响。另一方面，SARS经历也会显著影响居民的防治素养，进而影响疫情防控情况。根据烙印理论，个体经历的重大外部事件会显著影响其认知能力和知识结构，从而影响其后期决策(Marquis和Tilcsik，2013[14]；Simsek等，2015[15])。由于新冠肺炎疫情和SARS疫情存在相似之处，SARS影响严重的地区会更加重视新冠肺炎疫情的防控，居民也会有更好的防治素养，进而能够降低疫情的影响。然而，现有对烙印理论的研究多数集中于公司治理层面(戴维奇等，2016[16]；潘越等，2019[17])，还没有研究关注烙印理论对疫情防控的影响。

有鉴于此，利用2020年1月16日至2月17日百度迁徙的人口流动数据和各省卫健委公布的疫情数据，本文实证检验了人口流动对疫情传播的影响，并研究了信息传播效率在疫情防控当中的作用。研究发现，人口流动显著提高了疫情传播速度。平均而言，一个省份的人口流动每提高一个标准差，新冠肺炎确诊人数会增加12.8%个标准差。而且，当一个省份的互联网普及程度和有线电视普及程度更高时，人口流动对该省确诊人数的影响显著更低，肯定了信息传播效率对疫情防控的作用。进一步研究表明，信息传播效率对疫情防控的影响具有较强的持续性。同时，SARS经历较轻的省份，人口流动对该省份确诊人数的影响显著更大，信息传播效率对疫情防控的效果也明显更强，肯定了烙印理论的影响。一系列的稳健性检验和内生性处理均不改变本文的结论。

与现有研究相比，本文的贡献主要有以下三个方面。首先，本文针对本次新冠肺炎疫情，发现了人口流动影响疫情传播的实证证据。其次，本文从信息传播效率的角度出发，发现信息传播效率对疫情防控的积极作用，为本次疫情防控提供了重要参考。最后，本文从烙印理论的角度出发，发现SARS经历会显著影响居民的防治素养，且能放大信息传播效率对疫情防控的作用。本文将信息传播效率和烙印理论的概念引入疫情防控领域，弥补了现有研究的不足。

本文余下部分安排如下：第二部分回顾了传染病疫情防治的相关文献，并提出了研究假设；第三部分是实证设计和数据来源；第四部分是基准回归结果和稳健性检验；第五部分进一步检验了信息传播效率作用的持续时期，并检验了信息传播效率对SARS经历不同省份的影响；第六部分是结论和政策建议。

二、文献回顾与研究假设

传染性疾病是严重威胁人民群众健康和社会公共卫生的重要疾病，关乎国家安全和城市安全体系。因此，传染病的流行过程及其影响因素一直是学者们关注的焦点。学者们针对不同类型的传染病进行了全面的研究，发现季节因素、患者年龄、生活用水、教育水平等多种因素均与疫情传播紧密相关(曹志冬等，2010[2]；杜志成等，2016[3]；张松杰等，2018[4])。具体而言，传染病的流行需要同时具备传染源、传播途径和易感人群三个环节，控制传染源和切断传播途径是控制疫情传播的有效手段。

(一)传染源对疫情传播的影响

在控制传染源方面，大规模人口流动是导致疫情迅速扩散的重要因素。由于流动人口健康意识不足、健康成本较高且居住和工作环境普遍较差，导致其传染病发病率显著更高(夏国美和杨秀石，2006[12]；孙伟增等，2019[7])。一旦流动人口感染传染病，成为传染源，其迁移行为会显著扩大传染病的传染范围，造成更大规模的疫情传播。研究发现，在流动人口更多的地区，传染病的发病水平也显著更高(牛建林，2013[5]；吴晓旭等，2013[6])。

虽然现有研究强调了人口流动在疫情传播中的作用，但其研究深度普遍不足。具体而言，这些研究同时考虑了多种传染病的传播过程，这些传染病在中国较多省份都存在，无法确认其来源，也就很难识别流动人口是因为携带病毒而成为传染源还是因为防治素养较低和生活环境较差而成为易感人群。但对于本次新冠肺炎疫情，由于疫情的主要传播途径是接触感染，人口流动是扩大疫情传染范围的直接原因。由此，本文提出第一个待实证检验的假说。

假说1：人口流动会加速疫情的传播。

(二)传播途径对疫情传播的影响

在切断传播途径方面，提升居民的传染病防治素养至关重要。防治素养更高的居民对疫情更加重视，能够更好地实施各种防护措施，从而更好地切断传播途径，降低传染病发病率。研究发现，目前我国居民传染病防治素养仍然较低(黄相刚等，2015[8])，性别、年龄、收入水平、文化程度、职业等多种因素会显著影响居民的防治素养(吴双胜等，2012[9]；申洋等，2016[10]；吴艳梅等，2019[11])。

除了现有研究提出的因素外，还有两类因素会直接影响居民防治素养。一方面，信息传播效率对于居民防治素养有着直接的影响，进而显著影响疫情防控情况。虽然新冠肺炎疫情与2003年的SARS疫情有一定的相似之处，但2020年中国的互联网环境已经与2003年存在明显差别，信息传播效率大大提高。更加及时和精准的信息能够让居民及时了解疫情传播的现状，引起足够重视，从而提高防控意识，抑制疫情传播(张海峰等，2012[13])。由此，本文提出第二个待实证检验的假说。

假说2：更高的信息传播效率能够降低人口流动对疫情传播的影响。

另一方面，SARS经历也会显著影响居民的防治素养，进而影响疫情防控情况。根据烙印理论，个体经历的重大外部事件会显著影响其认知能力和知识结构，从而影响其后期决策(Simsek等，2015[15]；戴维奇等，2016[16]；潘越等，2019[17])。由于新冠肺炎疫情和SARS疫情存在相似之处，SARS影响严重的地区会更加重视新冠肺炎疫情的防控，居民也会有更好的防治素养，进而能够降低疫情的影响。

三、实证设计

为了检验假说1，研究人口流动对疫情传播的影响，本文构建实证模型如下：

Diseasei,t=α0+α1HubeiOuti,t+α2Controli+φt+εi,t

(1)

其中：下标i代表省份，下标t代表日期。Disease代表疫情传播情况，是本文主要的被解释变量。本文搜集了2020年1月16日至2月17日全国31个省份卫健委公布的新冠肺炎累计确诊人数，用其加1后的自然对数值衡量各省份的疫情传播情况。在稳健性检验中，本文将累计确诊人数进行差分得到每日新增确诊人数，用新增确诊人数加1的自然对数值衡量各省份的疫情传播情况。HubeiOut代表人口流动情况，是本文主要的解释变量。百度迁徙统计了每日的人口跨省流动情况，由于本次新冠肺炎最早在湖北省爆发，本文采用2020年1月16日至2月17日各省份由湖北迁入的总人口占湖北总迁出人口的比例来衡量各省份的人口流动情况。在稳健性检验中，本文采用各省份由武汉迁入的总人口占武汉跨省份迁出人口的比例来衡量各省份的人口流动情况。α1是人口流动情况的回归系数，如果α1显著为正，则说明人口流动加剧了疫情传播情况，支持假说1。

Control表示一系列控制变量。首先，传染病的传播情况与各省份的宏观经济特征联系紧密，经济更发达的省份往往能够吸引更多的人口流入，疫情传播的风险更大。因此，本文控制了宏观层面的控制变量，包括人均GDP(lnGDP)、常住人口数(lnPop)和政府支出(lnGov)。其次，传染病的传播情况与各省份的城市治理情况密切相关，本文控制了城市治理层面的控制变量，包含交通情况(lnTran)、供水情况(lnWater)和环保情况(lnTrash)。最后，各省份的医疗水平会直接影响疫情传播情况，本文控制了医疗水平层面的控制变量，包含医疗床位数(lnMedBed)、医疗机构数(lnMedIns)和医疗人员数(lnMedNum)。由于本文研究的疫情传播情况和人口流动情况为日度数据，省份宏观情况在研究区间内不会产生明显变化，所以本文统一采用中经网公布的2018年各省份各类宏观指标作为控制变量。由于控制变量在样本区间内不随时间变化，本文不再控制省份固定效应，只控制时间固定效应φt。

详细的变量定义见表1。

表1 主要变量定义与描述性统计

为了探究信息传播效率对疫情传播的影响，对假说2做出检验，本文进一步构建实证模型如下：

Diseasei,t=β0+β1HubeiOuti,t+β2Infoi×HubeiOuti,t

+β3Infoi+β4Controli+φt+εi,t

(2)

其中:Info代表信息传播效率，是本文主要的交乘变量。对于本次疫情而言，及时、准确地披露疫情对各省份的疫情防控均具有至关重要的意义(张海峰等，2012[13])。然而，由于信息获取能力的不同，各省份对疫情信息的关注度也存在区别。互联网或有线电视普及度更高的地区具有更强的信息获取能力，能够更加密切地关注疫情信息，提高本省份居民的疫情防治素养。因此，本文采用互联网普及度(INT)和有线电视普及度(TV)两个指标来衡量各省份的信息传播效率，分别用这两个指标与人口流动交乘，探究信息传播效率对疫情防控的影响。其中，互联网普及度采用2019年第44次《中国互联网络发展状况统计报告》公布的各省份IPv4持有比例进行衡量，有线电视普及度采用各省2018年数字电视用户数进行衡量，单位为百万户。β2是信息传播效率与人口流动交乘项的系数，如果β2显著为负，则说明信息传播效率显著降低了人口流动对疫情传播的影响，对疫情防控具有积极作用，支持假说2。

四、实证结果与分析

(一)基准模型

首先，本文对人口流动与疫情传播的关系进行检验。回归结果如表2所示。其中，列(1)没有加入任何控制变量，只加入了日期固定效应。列(2)～列(4)逐步加入了宏观控制变量、城市治理控制变量和医疗控制变量。可以看出，在列(1)～列(4)当中，人口流动的系数均在1%的统计水平上显著为正，这说明人口流动对地区的疫情传播具有非常显著的影响。以列(4)的系数为例进行估算，当人口流动增加一个标准差时，当地新冠肺炎的确诊人数将显著增加12.8%个标准差。因此，不论从统计意义上还是从经济意义上，人口流动均会显著加速传染病疫情的传播。假说1得到了支持。

现有研究已经发现人口流动能够加速疫情传播的规律(牛建林，2013[5]；孙伟增等，2019[7])。这是因为患有传染病的流动人口充当了传染病的传染源，能够通过自身的迁移活动扩大传染病的扩散范围。但是，现有研究同时考虑了多种传染病的传播过程，这些传染病在中国较多省份都存在，无法确认其来源，很难识别流动人口是因为携带病毒成为传染源还是因为防治素养较低和生活环境较差而成为易感人群。由于本次疫情最早在湖北省爆发，且病毒在潜伏期没有明显的感染症状，本文较好地分离了传染源和易感人群两种途径，从传染源的角度识别了人口流动对疫情传播的影响。因此，武汉市的“封城”较好地控制了不经意间染上新冠肺炎的患者，为全国疫情防控做出了不可磨灭的贡献。

回归中的各个控制变量也揭示了疫情传播的诸多规律。从表2的列(4)可以看出:在宏观层面，常驻人口数量(lnPop)的系数为正，这说明常住人口数量越大，易感人群就越多，感染新冠肺炎的概率也就更大。政府支出(lnGov)的系数为负，这说明财政更加积极的政府能够更好地控制疫情传播。政府支出一定程度上衡量了政府调动资源的能力。政府调动资源的能力越强，就能够投入更多社会资源进行疫情防控，也就更有利于疫情防控工作的开展。在城市治理层面，交通情况(lnTran)的系数为正，这是因为更加便利的交通客观上扩大了疫情的传播范围。环保情况(lnTrash)的系数为正，这是因为新冠病毒可以通过污水、医疗废弃物等渠道传播，垃圾清运的过程中，如果不注意防范，也有可能造成疫情的扩散。在医疗层面，医疗床位数(lnMedBed)和医疗机构数(lnMedIns)的系数均为负，说明医疗情况改善能够直接抑制疫情的传播。

表2 人口流动与疫情传播

接着，本文进一步检验了信息传播效率在疫情传播中的作用。回归结果如表3所示。本文采用两种方式衡量了各省份的信息传播效率。其中，列(1)～列(4)采用各省份的互联网普及度进行衡量，列(5)～列(8)采用各省份的有线电视普及度进行衡量。在列(1)～列(4)中，列(1)只加入了时间固定效应，列(2)～列(4)逐步加入宏观控制变量、城市治理控制变量和医疗控制变量。在列(5)～列(8)中，列(5)只加入了时间固定效应，列(6)～列(8)逐步加入宏观控制变量、城市治理控制变量和医疗控制变量。

可以看出，在列(1)～列(8)中，信息传播效率与人口流动的交乘项系数均至少在10%的统计水平上显著为负，这说明更高的信息传播效率显著降低了人口流动对疫情传播的影响，对疫情防控起到了积极的作用。这是因为在疫情防控过程中，及时、准确的信息公布对疫情防控至关重要。信息的缓报、瞒报、漏报都很可能延误疫情的最佳防治时机，扩大疫情的规模。借助更加及时、准确的疫情信息，居民也会对疫情更加重视，增强防治素养，更好地切断疫情的传播途径，有利于疫情防治(张海峰等，2012[13])。假说2得到了支持。

表3 信息传播效率与疫情传播

(二)稳健性检验

为了减少可能的变量度量误差问题，本文进行了两方面的稳健性检验。

首先，替换解释变量。虽然湖北省是本次新冠肺炎疫情的重灾区，但疫情报告的指向是武汉华南海鲜市场。在中国疾控中心病毒所首次从华南海鲜市场采集的585份环境样本中，有33份样本含有新型冠状病毒核酸。这些阳性样本分布在华南海鲜市场上的22个摊位和1个垃圾车，其中93.9%阳性标本分布在华南海鲜市场的西区(王秉阳和温竞华，2020[18])。因此，出于稳健性考虑，本文替换了主要的解释变量，采用各省份由武汉迁入的总人口占武汉跨省份迁出总人口的比例来衡量各省份的人口流动情况，重新估计了公式(1)和公式(2)。回归结果如表4所示。其中，列(1)估计了人口流动对疫情传播的影响。可以看出，人口流动显著加速了疫情的扩散。源自武汉的人口迁出每增加一个标准差，目的省份的确诊人数平均增加12.2%个标准差，与湖北省人口迁出的效果非常类似。列(2)、列(3)研究了信息传播效率对疫情传播的影响。可以看出，不论是采用互联网普及度还是有线电视普及度进行衡量，信息传播效率与人口流动的交乘项均在1%的统计水平上显著。这说明更高的信息传播效率显著降低了人口流动对疫情传播的影响，对疫情防控具有积极作用，与基准模型的结果保持一致。

表4 替换解释变量

其次，替换被解释变量。各省份新冠肺炎的累计确诊数在一定程度上反映了过去多期人口流动的累计作用，而每天的人口流动直接影响的是当天甚至未来的新增确诊人数。因此，本文对各省份累计新冠肺炎的确诊人数进行差分得到每天的新增确诊人数，用其加1后的自然对数值衡量疫情传播程度。回归结果如表5所示。其中，列(1)检验了人口流动对各省份新冠肺炎新增确诊人数的影响。可以看出，人口流动的系数在1%的统计水平上为正，说明人口流动会加速疫情传播。平均而言，人口流动每增加一个标准差，当地新冠肺炎新增确诊人数将增加19.7%个标准差。列(2)、列(3)检验了信息传播效率对疫情传播的影响。可以看出，不论是采用互联网普及度还是有线电视普及度进行衡量，信息传播效率与人口流动的交乘项均在1%的统计水平上显著为负。这说明更高的信息传播效率显著降低了人口流动对疫情传播的影响，对疫情防控具有积极作用，与基准模型的结果保持一致。

表5 替换被解释变量

(三)内生性

为了缓解潜在的内生性问题，本文从两个方面进行了内生性处理。首先，虽然人口流动会对疫情传播产生直接的影响，但在疫情爆发之后，流动人口也会根据目的省份的疫情情况选择迁移的目的地，有可能引起反向因果导致的内生性问题。因此，本文选取各省省会与湖北省省会武汉市之间的物理距离，作为人口流动的工具变量，对公式(1)和公式(2)重新进行了估计。各省份来自湖北省的人口流动情况与各省份与湖北省的物理距离联系密切，但各省份省会与武汉市之间的物理距离则不会受到各省疫情情况的影响，是较为理想的工具变量。表6展示了工具变量回归的结果。其中，列(1)研究了人口流动对疫情传播的影响。人口流动的系数在1%的统计水平上显著为正，说明人口流动显著加速了疫情的传播。列(2)、列(3)研究了信息传播效率对疫情传播的影响。在互联网普及度和有线电视普及度两种衡量方法下，信息传播效率和人口流动的交乘项均至少在5%的统计水平上显著为负，这说明更高的信息传播效率显著降低了人口流动对疫情传播的影响，对疫情防控具有积极作用。

表6 工具变量回归

接着，本文进一步采用系统广义矩估计(generalized method of moments，GMM)的方法对公式(1)和公式(2)重新进行了估计。回归结果如表7所示。其中，列(1)研究了人口流动对疫情传播的影响。人口流动的系数在5%的统计水平上显著为正，说明人口流动显著加速了疫情的传播。列(2)、列(3)研究了信息传播效率对疫情传播的影响。在互联网普及度和有线电视普及度两种衡量方法下，信息传播效率和人口流动的交乘项均在10%的统计水平上显著为负，说明更高的信息传播效率显著降低了人口流动对疫情传播的影响，对疫情防控具有积极作用。本文重点进行了两方面检验。其中，AR(2)是二阶序列相关性检验，列(1)～列(3)中均拒绝了原假设，表明内生性问题得到了解决。Hansen检验是工具变量有效性检验，列(1)～列(3)中均拒绝了原假设，表明模型没有出现过度识别的问题。

表7 GMM回归

五、进一步讨论

(一)人口流动和信息传播效率作用的持续期

通过前文的分析，本文发现，人口流动会加速疫情的传播扩散，更高的信息传播效率能够提高居民的防治素养，降低人口流动对疫情传播的影响。鉴于本次新冠肺炎疫情的特点，人口流动以及信息传播效率对疫情传播的影响可能存在时间上的持续性。

一方面，由于病毒存在一定时间的潜伏期，感染新冠肺炎的患者并不会立刻表现出患病症状，而是在未来一段时间才会被确诊。同时，携带病毒的感染者可能会将病毒传染给周围密切接触的人群，由此产生的新感染者也不会立即表现出症状，同样需要一段时间才能确诊。因此，人口流动对当地确诊人数的影响并不会完全在当期体现，而是可能存在时间上的持续性。有鉴于此，本文依次采用人口流动未来1到6天的确诊人数作为被解释变量，检验了人口流动对目的省份确诊人数影响的持续性。回归结果如表8所示。在列(1)～列(6)中，人口流动的系数均在1%的统计水平下显著为正。这说明，除了对当期确诊人数的影响之外，人口流动还会显著影响未来1到6天的确诊人数，表现出较强的持续性。

表8 人口流动对疫情传播影响的持续期

另一方面，信息传播效率对疫情防控的影响也可能存在时间上的持续性。更高的信息传播效率能够提高疫情信息的及时性和准确性，不仅能够提高居民当下的防治素养，也能在未来持续提高居民的防控意识。有鉴于此，本文依次采用人口流动未来1到6天的确诊人数作为被解释变量，对公式(2)重新做出检验。回归结果如表9和表10所示。其中，表9采用互联网普及度衡量信息传播效率，表10采用有线电视普及度衡量信息传播效率。可以看出，在两种衡量方法下，信息传播效率与人口流动交乘项的系数均在1%的统计水平上显著为负。这说明，提高信息传播效率能够持续提高居民的防治素养，持续改善疫情防控效果。

表9 信息传播效率影响的持续期——互联网普及度

表10 信息传播效率影响的持续期——有线电视普及度

(二)SARS经历与疫情传播

接着，由于本次新冠肺炎疫情与SARS疫情具有一定的相似之处，本文进一步检验了SARS经历是否会显著影响各省份的疫情传播情况。新型冠状病毒与SARS病毒属于同一病毒属，新型冠状病毒的传染性较SARS更强，但致死率较SARS更低。根据烙印理论，个体经历的重大外部事件会在其心理认知层面产生不同维度的烙印，对其后期行为决策产生影响(Simsek等，2015[15]；戴维奇等，2016[16])。因此，对于SARS疫情经历较深的省份，居民对于疫情信息会更加敏感，具备更高的防治素养。政府也会更加注重疫情的防控，更加迅速地采取措施，更好地控制疫情传播。有鉴于此，本文根据2003年7月4日各省份SARS累计确诊病例数对除湖北省之外的30个省份进行排序，将确诊人数更多的15个省份定义为SARS经历更深的省份，确诊人数更少的15个省份定义为SARS经历更浅的省份(1)分组结果显示，SARS经历更深的省份包含北京、广东、山西、内蒙古、河北、天津、吉林、广西、四川、河南、陕西、安徽、上海、甘肃、江苏。。本文分组对公式(1)和公式(2)重新进行了估计，回归结果如表11所示。

列(1)、列(2)检验了人口流动在SARS经历不同的省份中对确诊人数的影响。可以看出，对于SARS经历更浅的省份，人口流动的回归系数更大，且比SARS经历更深省份的系数高出至少两个标准差。这说明SARS经历更深省份居民的防治素养更好，能够更好控制人口流动对疫情传播的影响，肯定了烙印理论。列(3)～列(6)检验了信息传播效率在SARS经历不同的省份中对疫情控制的影响。其中，列(3)、列(4)采用互联网普及度衡量信息传播效率，列(5)、列(6)采用有线电视普及度衡量信息传播效率。可以看出，在两种衡量方式下，信息传播效率均在SARS经历更浅的省份降低了人口流动对疫情传播的影响，这种效应在SARS经历更深的省份中不再显著。这说明在SARS经历较浅的省份中，居民的防治素养普遍更弱，更高的信息传播效率提高了居民的防治素养，对疫情防控起到积极作用。而在SARS经历更深的省份中，居民已经具备了基本的防治素养，对疫情信息也更加敏感，信息传播效率的作用就相对较低。这也肯定了烙印理论的作用。

表11 SARS经历与疫情传播

六、结论

2019年12月以来，新型冠状病毒肺炎疫情(COVID-19)爆发，随后迅速蔓延全国。受到疫情影响，全国31个省(自治区、直辖市)先后宣布启动重大突发公共卫生事件一级应急响应。大多数企业全面停工停产，处于产业链末端的小微企业可能面临资金链断裂甚至破产的风险，为经济带来阶段性的冲击。面对复杂而严峻的疫情情况，探索疫情的传播规律及其影响因素对于科学防控疫情、遏制疫情蔓延具有重要的理论和现实意义。

传染病的流行过程及其影响因素一直是学者们关注的焦点。传染病的流行需要同时具备传染源、传播途径和易感人群三个环节，控制传染源和切断传播途径是控制疫情传播的有效途径。在控制传染源方面，大规模人口流动是导致疫情迅速扩散的重要因素。在切断传播途径方面，提升居民的传染病防治素养至关重要。虽然现有关于传染病的研究已经较为丰富，但仍然缺少直接针对本次新冠肺炎疫情的实证证据，信息传播效率和SARS疫情经历两个直接影响居民防治素养的因素也没有文献提及，导致现有研究深度不够，对本次疫情防治的借鉴意义有限。

有鉴于此，利用2020年1月16日至2月17日百度迁徙的人口流动数据和各省卫健委公布的疫情数据，本文实证检验了人口流动对疫情传播的影响，并研究了信息传播效率在疫情防控当中的作用。研究发现，人口流动显著提高了当地的疫情传播速度。平均而言，人口流动每提高一个标准差，当地的新冠肺炎确诊人数会增加12.8%个标准差。而且，当一个省份的互联网普及度和有线电视普及度更高时，人口流动对该省份确诊人数的影响显著更低，肯定了信息传播效率的作用。进一步研究表明，信息传播效率对疫情防控的影响具有较强的持续性。同时，在SARS经历较轻的省份，人口流动对该省份确诊人数的影响显著更大，信息传播效率对疫情防控的效果也明显更强，肯定了烙印理论的影响。一系列的稳健性检验和内生性处理均不改变本文的结论。

本文的贡献主要有以下三个方面。首先，本文针对本次新冠肺炎疫情，发现了人口流动影响疫情传播的实证证据。其次，本文从信息传播效率的角度出发，发现信息传播效率对疫情防控的积极作用，为本次疫情防控提供了重要参考。最后，本文从烙印理论的角度出发，发现SARS经历会显著影响居民的防治素养，且能放大信息传播效率对疫情防控的作用。本文将信息传播效率和烙印理论的概念引入疫情防控领域，弥补了现有研究的不足。

本文的主要政策建议如下：第一，流动人口社会治理至关重要。政府应当高度重视流动人口导致的疫情传播风险，做好流动人口管理工作和疫情预警工作。目前全国大部分地区连续数日新增确诊病例零报告，疫情防控初见成效，疫情防控的重点已变为预防境外病例输入。应当利用大数据等技术加强对境外人口流入的防控，做好防范境外疫情输入工作。第二，政府应当及时、准确地公开疫情相关信息。疫情信息的缓报、瞒报、漏报都可能延误疫情的最佳防控时机，不利于疫情防控。第三，应当重视信息传播效率的作用。在遵规守法、不信谣不传谣的基础上，提高疫情相关信息的普及度。政府也应当重视官方媒体平台的建设，及时进行权威的信息披露，降低政府和居民之间的信息不对称问题。