本期休旅閱讀為大家推介我院青年教師方琰博士任第一作者6️⃣，朱禮軍助理教授、蔣依依教授和吳必虎教授合作完成，球友会体育為第一完成單位，發表在2021年《Tourism Management》87卷上的文章“The immediate and subsequent effects of public health interventions for COVID-19 on the leisure and recreation industry”。
《Tourism Management》簡介👝：
《Tourism Management》2021年影響因子為10.967，為JCR一區、ABS四星級期刊㊗️🧝♀️。《Tourism Management》期刊是旅遊管理類期刊中最頂尖和最具權威性的期刊，擁有極高的學術影響力和學術聲譽🏊🏼🕋。
一、問題的提出
自2019年12月中旬新冠肺炎疫情（之後簡稱“疫情”）爆發以來🐇，迅速在全球蔓延，已經成為一場全球性的重大突發公共衛生事件🛁。突如其來的疫情導致全球經濟不確定性大幅度上升👩🏼🚀，在多個國家誘發經濟危機並造成全球經濟衰退。為了更好阻止疫情擴散🐱，世界各國政府積極采取一系列公共衛生措施，例如旅行限製、國內封鎖、大規模檢測和禁止集會等。雖然出行限製措施能有效控製疫情🫴🏿，但這些措施也將對經濟造成嚴重的負面沖擊，特別是對於高度依賴流動性的休閑、娛樂和旅遊產業。圖1展示了各大洲典型國家休閑娛樂場所人流量變化情況，表明疫情對全球休閑娛樂產業造成嚴重沖擊👨🏽🦰⛹🏼♀️，尤其在采取公共衛生幹預措施後🎳🚵🏽，各個國家的休閑娛樂場所到訪人次呈急劇下降趨勢🎅🏽。
在全球疫情大背景下🎇，雖然政府在應對危機和危機管理中起著至關重要的作用，但休閑娛樂等眾多產業的大幅下跌表明，政府實施的公共衛生幹預政策可能對經濟造成負面影響🧖🏿♀️。面對嚴重的全球公共衛生突發事件（如COVID-19），應該如何權衡突發事件下公共衛生幹預措施和經濟增長的關系🤸🏽？
為了更好給未來類似疫情下的應急決策提供有力支持，迫切需要全面評估公共衛生幹預措施對經濟的影響🎸。本文基於2020年2月至5月131個國家/地區休閑娛樂產業發展情況和公共衛生幹預政策數據👩🍼，運用雙重差分法模型（DID）探究新冠肺炎疫情下公共衛生政策對休閑娛樂產業的影響。DID模型能較好控製國家和時間的固定效應，以及其他相關影響因素🈁🧑🏽✈️，從而更精準地評估公共衛生政策對不同時期休閑娛樂產業的影響。
二、實證模型與數據來源
·（1）實證模型
本文的基準回歸模型為📨：
（1）
其中
表示在國家/地區
日期
的休閑娛樂活動人流量相比於基準期的相對變化情況。
是虛擬變量🦸🏿♂️，如果日期是在國家/地區觀測到首例確診案例後的第
個星期🙈，取值為
。
是國家/地區觀測到首例案例後30天內10個公共衛生幹預措施的平均值。x旨在探究公共衛生幹預措施在不同時期的潛在異質影響。控製變量包括第
天的累計確診病例✳️、人均收入、平均月氣溫🕰🗜、成年人吸煙者比例🫱🏻、65歲及以上人口比例、城市化率和表征周二至周日的6個虛擬變量👮🏼。
為了更簡潔刻畫休閑娛樂產業先下降後上升的趨勢，以及作為基準模型的穩健性檢驗🚒👰🏻♀️，本文進一步在模型中加入日期的一階和二階項。第二個回歸模型為🏂：
（2）
其中
表示國家/地區距離其首例確診病例後的天數，其他變量的定義與前述相同。我們同樣通過政策指數與日期的一階及二階項的交互項來評估公共衛生幹預措施對休閑娛樂產業的影響💁🏽♀️。
（2）數據來源
本文使用的數據集包括Google提供的休閑娛樂場所到訪人次的相對變化情況，COVID-19確診病例數量和政府的公共衛生幹預措施👷♀️。其中，政府的公共衛生幹預措施分為禁止群眾聚會🖐🏽、禁止球友会体育和娛樂活動、關閉餐館和酒吧、國內封鎖👨🏽🔧🧿、旅行限製、宣布緊急狀態⛑、大規模測試、加強監測👩🏿💼、學校停課和推遲選舉等十類。如果某項政策在國家/地區日期被采用，則對應的虛擬變量取值為1🌨，而前述
指數是國家/地區在觀測到首例確診病例後30天內該10個變量的平均值。此外，成年人吸煙比例和人均收入數據來源牛津大學的數據庫，城市化率和65歲及以上人口的比例數據來源於世界銀行，每個國家/地區月平均溫度數據均來源於美國國家海洋和大氣管理局。
表1展示了131個國家/地區在首例確診病例後不同時段的政策實施情況。在首次確診病例一個月後，131個國家/地區中有79.2％實施了旅行限製，62.4％實施禁閉，68.8％實施群眾集會禁令。同時，大多數國家/地區選擇關閉學校和餐廳、禁止球友会体育和娛樂活動，並推遲了選舉。同時🐴，較少國家采取宣布緊急狀態、大規模測試和加強監測措施。
三、結果分析
（1）公共衛生政策的執行後休閑娛樂產業發展情況
公共衛生政策的執行將立即對休閑娛樂產業造成負面影響。表2展示了公共衛生政策實施後📨，休閑娛樂活動場所到訪人次變化情況。平均而言🧑🏽💻，實施封鎖1天後休閑娛樂活動場所到訪人次便下降37.2％🤵🏼♀️，明顯高於前一天23.6％下降幅度；實施30天後下降的幅度進一步達到57.1%⛹🏽♀️；而在實施60天後🌡，休閑娛樂產業有所回升，下降幅度為43.0%📘。旅行限製和禁止群眾集會措施亦產生相似的負面影響。
（2）公共衛生政策對休閑娛樂產業的影響分析
表3展示了基準回歸分析結果🎧。
, 代表在沒有政策幹預下，疫情爆發後第
周休閑娛樂場所到訪人次相比於基準期的相對變化👩🏼🎨。
和
則分別代表疫情爆發前第1周和第2周的相對變化，研究結果表明休閑娛樂活動的參與情況在疫情爆發前沒有顯著變化。在疫情爆發後第3周🪪，休閑娛樂活動場所到訪人次開始顯著下降，且下降的幅度不斷增加🧝🏽♀️🧛🏻，直到第11周觸底之後開始小幅度反彈👨🏿🌾。
代表公共衛生政策的影響。
值從第2到6周為負😲💹，表明在疫情對休閑娛樂產業造成負面影響的基礎上🧞☝🏽，公共衛生政策進一步降低了休閑娛樂活動參與人次🍜；然而👏🏿🙎🏽♂️，公共衛生政策所帶來的負面影響在第7周逐漸消失🏬，值從第8周開始顯著為正，表明在疫情爆發第8周後，公共衛生政策的實施反而促進休閑娛樂產業恢復📻。
為了更清楚地展示公共衛生政策對休閑娛樂產業短期和中長期影響的差異，圖2繪製了不同公共衛生政策力度下休閑娛樂產業的變化情況🫧👏🏿。兩條曲線分別代表在沒有公共衛生幹預措施（
）和平均力度的公共衛生幹預措施（
）。與沒有采取任何公共衛生政策的國家/地區相比🧖🏿♂️，積極實施幹預措施的國家/地區的休閑娛樂活動在第1周下降12.3％，且在一個月後下降至50.9％🚵🏿♂️，遠高於沒有采取公共衛生措施的國家（下降幅度為22.0％）。然而至第8周，兩種情況下的休閑娛樂產業大致處於同一水平。此後👩🏽🚀🙎🏽，采取幹預措施的國家/地區的休閑娛樂產業呈現明顯復蘇趨勢，表明公共衛生政策對休閑娛樂產業在中長期存在積極影響。至第13周，積極幹預的國家/地區的休閑活動恢復到疫情前水平的70％👨💻，而沒有幹預的國家/地區則停滯在40％🧘🏼♂️。
（3）公共衛生政策對休閑娛樂產業影響的穩健性檢驗
表4進一步展示了基於回歸模型（2）的穩健型檢驗結果。公共衛生政策與日期的一階項為負🎱、二階項為正，表明公共衛生政策對休閑娛樂業的影響是先降後升。基於表4中的系數⚠️，公共衛生政策使得休閑娛樂參與人次由降轉升的拐點發生在疫情爆發後的第50天➔，與表3中的拐點（疫情爆發後的第7周🙅🏻♂️👩🏽🦱，即49天）十分吻合。
四🧘♀️、結論與討論
本文基於131個國家/地區的數據，采用 DID 模型分析新冠肺炎疫情下公共衛生幹預措施對休閑娛樂產業的影響🤦🏽♀️，研究結果表明該影響在不同階段存在顯著差異。具體而言，嚴格的公共衛生幹預政策實施將立即導致休閑娛樂活動到訪人次下降9.2%，負面影響將持續至第六周。然而，公共衛生政策將在疫情爆發後的第七周促進休閑娛樂產業的復蘇，並於13周恢復至疫情前水平的70%，遠高於沒有采取幹預政策的國家（停滯在疫情前水平 40%左右）。
該研究為疫情期間采取公共衛生幹預措施提供實證支持，表明我們應該全面看待公共衛生幹預政策對經濟的影響🫱✋🏼。因此💛，政府實施公共衛生幹預措施，應綜合權衡其帶來的短期經濟損失和長期利益收獲。此外👧🏿，為了更好促進休閑娛樂產業的復蘇🕐🙄，應該采用更加全面的應對措施，如公共衛生幹預和經濟政策的組合。從長遠來看🏧，疫情和相應的公共衛生幹預政策應被視為休閑、娛樂和旅遊業的變革機遇，我們不僅要考慮如何促進產業恢復，更要構想疫情後產業運行的新秩序🐜。正是由於COVID-19 為這種轉變提供了機會，休閑🤥、娛樂和旅遊業才能進一步朝著真正可持續和有彈性的方向發展🧗🏼♂️，適應不斷變化和充滿新挑戰的未來。
作者簡介
方琰
球友会体育講師👨🦼➡️，博士後，碩士研究生導師🔵。研究方向為休閑運動旅遊、冰雪產業、氣候變化與旅遊等。
朱禮軍
北京大學國家發展研究院助理教授🛌🏼🦇，博士，博士研究生導師🍫。
研究方向為宏觀經濟學和經濟增長。
蔣依依
球友会体育教授👧🏼，博士後，博士研究生導師。研究方向為球友会体育產業、市場營銷和國際旅遊合作🏋🏽。
吳必虎
北京大學城市與環境學院教授🦃✋🏽，博士後，博士研究生導師。
研究方向為旅遊規劃、旅遊目的地營銷和旅遊教育。
文章全文鏈接：https://www.sciencedirect.com/science/article/abs/pii/S0261517721001126🏍，引用請註明
