人口流動(dòng)、傳染病蔓延應(yīng)急管控與中國新冠疫情防控經(jīng)驗(yàn)

郭文璇 房昊

摘?要：基于我國新冠肺炎疫情數(shù)據(jù)和百度遷徙大數(shù)據(jù)，實(shí)證分析了重點(diǎn)疫區(qū)人口外流以及城內(nèi)人口流動(dòng)對疫情蔓延的影響，并分析了加強(qiáng)人員出行管控對于疫情防控的有效性。結(jié)果表明：武漢遷入人口規(guī)模對各地新增新冠肺炎確診病例數(shù)具有顯著正向影響，從武漢遷入人口越多的地區(qū)，面臨的輸入性傳染風(fēng)險(xiǎn)越大，疫情形勢越嚴(yán)峻;城內(nèi)出行強(qiáng)度對各地新增新冠肺炎確診病例數(shù)具有顯著正向影響，城內(nèi)人口流動(dòng)強(qiáng)度高的地區(qū)，傳染源進(jìn)一步擴(kuò)散風(fēng)險(xiǎn)將增加，疫情也更嚴(yán)重;而人員出行管控力度較強(qiáng)的地區(qū)在實(shí)施出行管控后，本地接觸性傳染得到有效減少，更好地控制了疫情的蔓延。

關(guān)鍵詞：新冠疫情?應(yīng)急管控?人口流動(dòng)?大數(shù)據(jù)

一、引言

新冠肺炎疫情爆發(fā)后，黨中央高度重視，迅速作出部署，全面加強(qiáng)疫情防控工作。2020年1月7日，習(xí)近平總書記主持召開中央政治局常委會(huì)會(huì)議，對做好疫情防控工作提出了要求;2020年1月22日，習(xí)近平總書記明確要求湖北省對人員外流實(shí)施全面嚴(yán)格管控;2020年2月10日，習(xí)近平總書記進(jìn)一步指出，要繼續(xù)強(qiáng)化防止疫情向外蔓延的措施，并且認(rèn)為湖北境內(nèi)民航、鐵路、公路、水路客運(yùn)等外出通道的關(guān)閉，對全國疫情控制發(fā)揮了重要作用，并強(qiáng)調(diào)一些人員自行流出帶來的風(fēng)險(xiǎn)也不能忽視[1-2]。

在此次新冠疫情的防控阻擊戰(zhàn)中，我國把控制傳染源、切斷傳播途徑作為關(guān)鍵著力點(diǎn)。面對武漢新冠肺炎確診病例的迅速增加以及春節(jié)期間全國人口流動(dòng)高峰可能帶來的疫情大范圍擴(kuò)散風(fēng)險(xiǎn)，黨中央果斷要求湖北省對人員外流實(shí)施全面嚴(yán)格管控，明確提出“內(nèi)防擴(kuò)散、外防輸出”的要求，強(qiáng)調(diào)采取更有效的措施，把疫情擴(kuò)散抑制住。而對于其他地區(qū)，則要求完善防控措施，減少行走的傳染源，減少人群流動(dòng)和密切接觸，做到“外防輸入、內(nèi)防擴(kuò)散”[1-2]。截至2020年3月上旬，我國已成功將每日新增確診病例控制在幾十例，多數(shù)省份連續(xù)保持新增確診病例0增加。因此，深入分析與總結(jié)中國有效防控新冠肺炎的舉措與經(jīng)驗(yàn)，對于世界各國應(yīng)對新冠肺炎等傳染病具有重要意義。但是，目前缺乏基于實(shí)際經(jīng)驗(yàn)數(shù)據(jù)從實(shí)證上深入分析影響疫情傳播的因素、以及防控措施對遏制疫情蔓延的影響，比如重點(diǎn)疫區(qū)人口流出規(guī)模是否是影響疫情蔓延的重要因素？各地區(qū)內(nèi)人員流動(dòng)是否會(huì)加重疫情蔓延？加強(qiáng)人員出行管控力度是否有助于有效遏制新冠疫情的蔓延？而對于上述問題的研究與回答，對世界各國應(yīng)對新冠肺炎等傳染病，具有重要理論價(jià)值和迫切的現(xiàn)實(shí)意義。為此，本文將基于我國的經(jīng)驗(yàn)數(shù)據(jù)，從實(shí)證上對上述問題進(jìn)行深入探究。

本研究的貢獻(xiàn)主要包括以下幾個(gè)方面：（1）采用百度遷徙中國人口流動(dòng)大數(shù)據(jù)，從實(shí)證上論證了加強(qiáng)人員出行管控力度、實(shí)施出行管控措施，對于遏制疫情蔓延的有效性;（2）本文豐富了人口流動(dòng)管制的公共衛(wèi)生干預(yù)效果領(lǐng)域的研究;（3）本文的實(shí)證研究結(jié)果對于傳染病應(yīng)急管控，世界各國應(yīng)對新冠疫情等傳染病具有重要的政策意義;（4）本文基于實(shí)證研究，證實(shí)了黨中央應(yīng)對新冠疫情所采取的舉措是十分科學(xué)的、有效的。

二、文獻(xiàn)綜述與理論分析

（一）重點(diǎn)疫區(qū)人口遷徙與疫情蔓延

首先，人口遷徙是非疫區(qū)產(chǎn)生輸入性病例的主要原因，尤其是對于通過航空旅行的人口遷徙[3]?；跀?shù)學(xué)模型分析的研究認(rèn)為，航空旅行可能對美國境內(nèi)的流感傳播產(chǎn)生重要影響，尤其是在航空客流量大的城市[4-5]。經(jīng)驗(yàn)研究也表明，限制國內(nèi)航班數(shù)量將對流感大流行的傳播速度產(chǎn)生可測度的影響，特別是對跨區(qū)域的傳播[6]。對從嚴(yán)重疫區(qū)機(jī)場出發(fā)的國際旅客進(jìn)行篩查，將有助于對所有最有可能接觸病毒感染者的旅客進(jìn)行健康評估[7]。

第二，人口遷徙限制能夠延遲疫情的大流行，這為加強(qiáng)其他疫情管控措施爭取了時(shí)間[8]。國際航空旅行限制可能對大流行的傳播提供一個(gè)時(shí)間雖短但極為重要的延遲，特別是如果再配合其他疫情控制措施。雖然這段時(shí)間不足以研發(fā)和生產(chǎn)大量的疫苗，但從公共健康的角度來看，疫情的延遲對疫苗準(zhǔn)備、加強(qiáng)公眾對疫情的認(rèn)識，并準(zhǔn)備其他疫情管控措施爭取了時(shí)間[9]。據(jù)此，提出假說一。

H1：自重點(diǎn)疫區(qū)遷入人口越多的地區(qū)，面臨的輸入性傳染風(fēng)險(xiǎn)將越大，疫情形勢將越嚴(yán)峻。

（二）城內(nèi)出行強(qiáng)度、加強(qiáng)人員出行管控與疫情蔓延防控

城內(nèi)出行強(qiáng)度對疫情傳播的影響，主要體現(xiàn)在以下方面：首先，城內(nèi)出行強(qiáng)度的增加導(dǎo)致人與人之間的社會(huì)距離縮短，進(jìn)而加劇了流行病的傳播。一項(xiàng)全面的病毒基因組分析表明，流行病的傳播遵循經(jīng)典的引力模型，即較大的人口規(guī)模和較近的地理距離之間存在強(qiáng)烈的傳播[10]。社區(qū)與社區(qū)間的疫情傳播同樣符合引力模型，疫情傳播與社區(qū)規(guī)模呈正比，與社區(qū)之間的距離呈反比[11]。其次，城內(nèi)出行強(qiáng)度的增加意味著較高的通勤水平，這會(huì)加速疫情的蔓延。在較高的通勤水平下，疫情達(dá)到穩(wěn)定狀態(tài)的時(shí)間會(huì)被延長[12]。通勤量與流行病的傳播高度相關(guān)，并且通勤水平對疫情傳播的影響具有異質(zhì)性，相比往返工作單位的通勤，往返學(xué)校的通勤對疫情空間傳播的影響更大[13]，這意味著延遲開學(xué)比延遲復(fù)工對疫情防控更加重要。據(jù)此，提出假說二和三。

H2：城內(nèi)人口出行強(qiáng)度高的地區(qū)，傳染源進(jìn)一步擴(kuò)散風(fēng)險(xiǎn)更大，疫情形勢將越嚴(yán)峻。

H3：人員出行管控力度較強(qiáng)的地區(qū)，實(shí)施出行管控后，將更大幅度地減少人員流動(dòng)、減少行走的傳染源，有利于控制疫情的傳播。

三、模型設(shè)計(jì)與數(shù)據(jù)說明

（一）數(shù)據(jù)說明

1.被解釋變量：每日新增確診病例（lnconfirmed）

由于有些省份在某些天無新增確診病例，本文將每日新增確診病例的數(shù)值加1后再取自然對數(shù)，變量數(shù)據(jù)來源于國家衛(wèi)健委官方網(wǎng)站。

2.核心解釋變量

（1）重點(diǎn)疫區(qū)遷入人口規(guī)模（migrate）

重點(diǎn)疫區(qū)遷入人口規(guī)模采用武漢遷入各省人口規(guī)模衡量，本文采用百度遷徙大數(shù)據(jù)中武漢市遷出人口規(guī)模乘以武漢遷出目的地中各省所占比例計(jì)算，即：

疫區(qū)遷入人口規(guī)模=武漢遷出人口規(guī)?！廖錆h遷出目的地中各省所占比例[JY]（1）

（2）城內(nèi)出行強(qiáng)度（travel）

城內(nèi)出行強(qiáng)度采用各省省會(huì)城市的城內(nèi)出行強(qiáng)度作為代理變量，城內(nèi)出行強(qiáng)度為該城市有出行的人數(shù)與該城市居住人口比值的指數(shù)化結(jié)果，數(shù)據(jù)來源于百度遷徙。

（3）人員出行管控力度（control）

本文以實(shí)施出行管控后，城內(nèi)出行強(qiáng)度相比實(shí)施出行管控前的下降幅度大于全國平均降幅的地區(qū)，為實(shí)行人員出行管控較強(qiáng)的地區(qū)，令其取值為1，反之則為人員出行管控力度較弱的地區(qū)，取值為0。

control=1，實(shí)施管控前后城內(nèi)出行強(qiáng)度下降幅度

大于全國平均水平的地區(qū)

0，其他地區(qū)[JY]（2）

此外，我們還構(gòu)建了另外兩個(gè)人員出行管控力度的穩(wěn)健性指標(biāo)control2和control3。

control2=1，今年與去年陰歷同期的城內(nèi)出行強(qiáng)度相

比降幅大于全國平均水平的地區(qū)

0，其他地區(qū)[JY]（3）

control3=1，今年與去年陰歷同期的城內(nèi)出行強(qiáng)度之比

小于全國平均水平的地區(qū)

0，其他地區(qū)[JY]（4）

為了考察人員出行管控力度強(qiáng)的地區(qū)，在實(shí)施管控后是否更有助于減少本地接觸性傳染、更有利于控制疫情的蔓延，我們構(gòu)建了管控時(shí)間虛擬變量dumfc與上述反映各地區(qū)人員出行管控力度變量的交叉項(xiàng)。由于我國大部分省份在武漢1月23日封城后，也相應(yīng)對人員流動(dòng)實(shí)施了全面的嚴(yán)格管控，因此管控時(shí)間虛擬變量dumfc在1月23日之前取值為0，之后取值為1。

3.控制變量

（1）交通密度（trafdensity），以各地區(qū)公路、鐵路、內(nèi)河航道里程之和/各地區(qū)國土面積來衡量，數(shù)據(jù)來源于中國統(tǒng)計(jì)年鑒。

（2）總?cè)丝跀?shù)（lnpopulation），數(shù)據(jù)來源于中國統(tǒng)計(jì)年鑒的常住人口數(shù)，并取對數(shù)處理。

（3）人口密度（popdensity），以總?cè)丝跀?shù)/各地區(qū)國土面積來衡量，數(shù)據(jù)來源于中國統(tǒng)計(jì)年鑒。

（4）醫(yī)療衛(wèi)生機(jī)構(gòu)床位（lnbed）作為醫(yī)療條件的代理變量，數(shù)據(jù)來源于中國統(tǒng)計(jì)年鑒，并取自然對數(shù)處理。

（5）氣溫（temperature），氣溫較高的地區(qū)、以及隨著各地氣溫的升高，可能將有助于控制疫情的發(fā)展，降低受感染人數(shù)。本文各地氣溫?cái)?shù)據(jù)來源于中國天氣網(wǎng)。

（6）地方政府公共衛(wèi)生治理能力（governance），參照陳詩一和陳登科[14]的做法，本文中各地區(qū)政府公共衛(wèi)生治理能力采用2020年省級政府工作報(bào)告中與“醫(yī)療”“衛(wèi)生”等相關(guān)詞匯出現(xiàn)的詞頻數(shù)衡量，數(shù)據(jù)根據(jù)我國各地政府工作報(bào)告整理。

4.數(shù)據(jù)說明

由于本文旨在考察人口遷徙以及對于人口流動(dòng)的管控對新冠肺炎疫情防控的影響，而湖北省為我國疫情最早爆發(fā)的地區(qū)、為傳染源的最初輸出地區(qū)，為此本文所選取的樣本為湖北省以及港澳臺以外的我國30個(gè)省市自治區(qū)。由于中國新冠疫情的發(fā)展軌跡呈現(xiàn)出“暴發(fā)期短、連續(xù)性強(qiáng)和單一峰值”的特點(diǎn)，2月底疫情基本平息，實(shí)現(xiàn)了抗擊疫情重要階段性勝利[15]，因此本文樣本區(qū)間為2020年1月1日至2月29日，所有變量數(shù)據(jù)均為日度數(shù)據(jù)。

（二）模型設(shè)計(jì)

為了檢驗(yàn)假說1，我們在基準(zhǔn)模型分析中采用控制省份個(gè)體特征γi和時(shí)間效應(yīng)θt的面板混合效應(yīng)模型進(jìn)行估計(jì)，并采用聚類穩(wěn)健的標(biāo)準(zhǔn)誤，模型設(shè)計(jì)如下：

其中，lnconfirmedit為省份i在日期t新增確診病例加1后的對數(shù)值。migrateit為重點(diǎn)疫區(qū)遷入人口規(guī)模，由于病毒具有一定的潛伏期，自疫區(qū)遷入人口對于該地區(qū)疫情的影響具有一定的時(shí)滯性，以及為了克服潛在的內(nèi)生性問題，我們對migrateit取不同滯后期進(jìn)行分析。根據(jù)鐘南山院士研究團(tuán)隊(duì)的研究結(jié)果，我國此次新冠肺炎潛伏期中位數(shù)為4天，潛伏期的四分位間距為5天（2天～7天），即75%的感染者潛伏期為7天內(nèi)，潛伏期大于14天的共13例（1.18%），而潛伏期大于18天的僅有8例（0.73%）[16]，因此對于變量migrateit滯后期的選取，我們選取滯后7天作為基準(zhǔn)回歸，并進(jìn)行了滯后期為4天、14天和18天的穩(wěn)健性分析。X（i，t）為其他控制變量，包括交通密度、總?cè)丝凇⑷丝诿芏取⑨t(yī)療衛(wèi)生機(jī)構(gòu)床位、氣溫、地區(qū)政府治理能力等，為了克服潛在的內(nèi)生性問題，本文控制變量均取一階滯后項(xiàng)。

為了檢驗(yàn)假說2和3，我們在基準(zhǔn)模型分析中采用控制省份個(gè)體特征和時(shí)間效應(yīng)的面板混合效應(yīng)模型進(jìn)行估計(jì)，并采用聚類穩(wěn)健的標(biāo)準(zhǔn)誤，模型設(shè)計(jì)如下：

其中，lnconfirmedit為省份i在日期t新增確診病例加1后的對數(shù)值;travelit為各地的城內(nèi)出行強(qiáng)度代理變量;controlit為人員出行管控力度代理變量;dumfcit為管控時(shí)間虛擬變量;交叉項(xiàng)controlit*dumfcit是我們所要重點(diǎn)考察的，若交叉項(xiàng)前面的系數(shù)β2符號顯著為負(fù)，則說明全國實(shí)施出行管控后，加強(qiáng)人員出行管控力度顯著降低了該地區(qū)的新增新冠肺炎確診病例數(shù)。

四、模型結(jié)果分析

（一）人口遷徙、疫區(qū)人口外流與新冠肺炎疫情蔓延

表1基準(zhǔn)模型的實(shí)證結(jié)果表明，各回歸式中疫區(qū)遷入人口規(guī)模變量migrate滯后7期的系數(shù)均在1%的顯著性水平上顯著為正，說明武漢遷入我國各省的人口規(guī)模對我國各省的新增新冠肺炎確診病例數(shù)具有顯著的正向影響，從重點(diǎn)疫區(qū)武漢流入人口越多的地區(qū)，疫情越嚴(yán)重。

此外，交通密度變量trafdensity的系數(shù)在1%的顯著性水平上顯著為正，說明交通越發(fā)達(dá)、交通密度越高的地區(qū)，傳染源更容易擴(kuò)散，這些地區(qū)的新冠疫情蔓延也更嚴(yán)重。各回歸式中總?cè)丝跀?shù)lnpopulation的系數(shù)顯著為正，即人口基數(shù)較大的地區(qū)，新增新冠肺炎確診病例也相對較多。人口密度變量popdensity的系數(shù)顯著為負(fù)，表明人口密度對于新冠肺炎蔓延的綜合效應(yīng)為負(fù)，更多的表現(xiàn)為人口相對集中的地區(qū)更有利于當(dāng)?shù)卣M(jìn)行群體集中管控，進(jìn)而有利于疫情的防范。醫(yī)療衛(wèi)生機(jī)構(gòu)床位lnbed的系數(shù)顯著為負(fù)，說明醫(yī)療條件好、病床數(shù)較多的地區(qū)，將有利于對新冠肺炎感染者尤其是重癥患者進(jìn)行收治和有效治療，進(jìn)而有助于減少傳染源、防止疫情的蔓延。氣溫變量temperature的系數(shù)在1%的顯著性水平上均顯著為負(fù)，表明氣溫較高的地區(qū)、以及隨著各地氣溫的升高，有助于控制疫情的蔓延。政府公共衛(wèi)生治理能力變量governance系數(shù)在1%的顯著性水平上顯著為負(fù)，說明地方政府公共衛(wèi)生治理能力較強(qiáng)的省市自治區(qū)，在面對此次新冠肺炎疫情突發(fā)事件時(shí)，更好地控制了疫情蔓延，該地區(qū)的新增新冠肺炎確診病例數(shù)相對較少。

（二）城內(nèi)出行強(qiáng)度與疫情蔓延

表2基準(zhǔn)模型的實(shí)證結(jié)果表明，各回歸式中城內(nèi)出行強(qiáng)度變量travel滯后7期的系數(shù)均在1%的顯著性水平上為正，說明我國各省、直轄市和自治區(qū)的城內(nèi)出行強(qiáng)度對各省的新增新冠肺炎確診病例數(shù)具有顯著的正向影響，城內(nèi)人口出行強(qiáng)度高、人員流動(dòng)性越大，將加大傳染源進(jìn)一步擴(kuò)散風(fēng)險(xiǎn)，疫情也將越嚴(yán)重。

（三）加強(qiáng)出行管控與疫情蔓延防控

表3基準(zhǔn)模型的實(shí)證結(jié)果表明，各回歸式中人員出行管控力度與管控時(shí)間虛擬變量的交叉項(xiàng)controlit*dumfcit滯后7期的系數(shù)均在1%的顯著性水平上為負(fù)，說明全國實(shí)施出行管控后，加強(qiáng)人員出行管控力度顯著降低了該地區(qū)的新增新冠肺炎確診病例數(shù)，即人員出行管控力度較強(qiáng)的地區(qū)，實(shí)施出行管控后，將更大幅度地減少人員流動(dòng)、減少行走的傳染源，有利于控制疫情的傳播。

（四）醫(yī)學(xué)觀察期與病毒不同潛伏期的穩(wěn)健性檢驗(yàn)

出于結(jié)果穩(wěn)健性考慮，根據(jù)鐘南山院士研究團(tuán)隊(duì)的研究結(jié)果，此次新冠肺炎潛伏期中位數(shù)為4天，潛伏期大于14天的占1.18%，潛伏期大于18天的占比0.73%[16]，為此我們又進(jìn)行了滯后期為4天、14天和18天的穩(wěn)健性分析。

表4關(guān)于不同潛伏期的穩(wěn)健性實(shí)證分析結(jié)果表明，無論是對于疫區(qū)遷入人口規(guī)模變量migrate滯后4天、14天還是18天，各回歸式中疫區(qū)遷入人口規(guī)模變量migrate滯后期的系數(shù)均在1%的顯著性水平上為正。同時(shí)對比表1各回歸式中migrate變量不同滯后期的系數(shù)發(fā)現(xiàn)，從滯后4期至滯后14期疫區(qū)遷入人口規(guī)模變量migrate的系數(shù)呈不斷增加趨勢，而滯后18期的疫區(qū)遷入人口規(guī)模變量migrate的系數(shù)相較于滯后14期有所下降，這表明隨著考察的潛伏期的延長，每日新增新冠肺炎確診病例隨疫區(qū)遷入人口規(guī)模的增加而持續(xù)增多，但是滯后期到了14天以后影響的病例數(shù)幾乎不再增加。

表4關(guān)于不同潛伏期的穩(wěn)健性實(shí)證分析結(jié)果表明，在城內(nèi)出行強(qiáng)度變量travel滯后4期回歸（4）式中，城內(nèi)出行強(qiáng)度travel滯后期的系數(shù)在10%的顯著性水平上為負(fù)且系數(shù)相對較小，而在城內(nèi)出行強(qiáng)度變量travel滯后14天和18天的回歸（5）式和（6）式，城內(nèi)出行強(qiáng)度變量travel滯后期的系數(shù)均在1%的顯著性水平上為正且系數(shù)較大。同時(shí)對比表4各回歸式中城內(nèi)出行強(qiáng)度變量travel滯后期的系數(shù)發(fā)現(xiàn)，從滯后4期至滯后14期城內(nèi)出行強(qiáng)度變量travel的系數(shù)呈不斷增加趨勢，而滯后18期的城內(nèi)出行強(qiáng)度變量travel的系數(shù)相對于滯后14期稍微有所下降但仍然顯著為正。這表明隨著考察的潛伏期的延長，每日新增新冠肺炎確診病例隨城內(nèi)出行強(qiáng)度的增加而持續(xù)增多，但是滯后期到了14天以后影響的病例數(shù)幾乎不再增加。上述經(jīng)驗(yàn)研究結(jié)果從實(shí)證上證明，我國將新冠肺炎的醫(yī)學(xué)觀察期定為14天是非常科學(xué)的。

（五）人員出行管控力度替代變量的穩(wěn)健性分析

出于穩(wěn)健性考慮，此外我們還構(gòu)建了兩個(gè)人員出行管控力度的穩(wěn)健性指標(biāo)control2和control3。表5回歸結(jié)果表明，各回歸式中人員出行管控力度代理變量與管控時(shí)間虛擬變量的交叉項(xiàng)control2it*dumfcit和control3it*dumfcit系數(shù)仍然顯著為負(fù)，說明對于人員出行管控力度較強(qiáng)的地區(qū)，實(shí)施出行管控后，將更大幅度地減少人員流動(dòng)、減少行走的傳染源，進(jìn)而有助于減少新增感染人數(shù)、控制疫情發(fā)展的結(jié)論是穩(wěn)健的。

五、結(jié)論

本文的實(shí)證研究結(jié)果表明，武漢遷入我國各省的人口規(guī)模對各省的新增新冠肺炎確診病例數(shù)具有顯著的正向影響，從我國新冠肺炎最早爆發(fā)地武漢流入人口越多的地區(qū)，新冠肺炎疫情越嚴(yán)重。這也從實(shí)證研究上證明，在武漢疫情爆發(fā)初期，黨中央及時(shí)加強(qiáng)重點(diǎn)地區(qū)疫情防控，強(qiáng)化防止疫情向外蔓延，及時(shí)關(guān)閉湖北境內(nèi)民航、鐵路、公路、水路客運(yùn)等外出通道的舉措，對全國疫情控制發(fā)揮了重要作用。

本文實(shí)證研究結(jié)果還表明，我國各地區(qū)城內(nèi)出行強(qiáng)度對各省的新增新冠肺炎確診病例數(shù)具有顯著的正向影響，城內(nèi)人口出行強(qiáng)度高、人員流動(dòng)性越大，將增加傳染源進(jìn)一步擴(kuò)散風(fēng)險(xiǎn)，增加更多的感染人群，疫情也將越嚴(yán)重。而對于人員出行管控力度較強(qiáng)的地區(qū)，實(shí)施出行管控后，則更大幅度地減少人員流動(dòng)，更好地控制了疫情的發(fā)展。上述實(shí)證研究結(jié)果有力地證明了，黨中央強(qiáng)化社區(qū)防控網(wǎng)格化管理，加強(qiáng)重點(diǎn)群體管控，減少人群流動(dòng)和密切接觸等舉措，對于有效控制疫情發(fā)展起了至關(guān)重要的作用。

我國新冠肺炎防控經(jīng)驗(yàn)與本文的實(shí)證研究結(jié)論，對于我國乃至世界各國人民應(yīng)對新冠肺炎等傳染病具有重要的政策啟示：加強(qiáng)重點(diǎn)地區(qū)疫情防控，防止疫情向外蔓延是應(yīng)對新冠肺炎及類似疫情的首要任務(wù)，對于重點(diǎn)疫區(qū)要嚴(yán)格做到“外防輸出”，而其他地區(qū)則要嚴(yán)格把控“外防輸入”;加強(qiáng)重點(diǎn)群體管控力度，減少行走的傳染源，減少人群流動(dòng)和密切接觸，堅(jiān)決做好“內(nèi)防擴(kuò)散”，對于有效控制疫情至關(guān)重要。

參考文獻(xiàn)：

[1]習(xí)近平.在統(tǒng)籌推進(jìn)新冠肺炎疫情防控和經(jīng)濟(jì)社會(huì)發(fā)展工作部署會(huì)議上的講話[N].人民日報(bào)，2020—02—24（002）.

[2]習(xí)近平.在中央政治局常委會(huì)會(huì)議研究應(yīng)對新型冠狀病毒肺炎疫情工作時(shí)的講話[J].北京人大，2020（02）：4—8.

[3]Findlater?A，?Bogoch?I?I.?Human?mobility?and?the?global?spread?of?infectious?diseases：?a?focus?on?airtravel[J].?Trends?in?parasitology，?2018，34（9）：772—783.

[4]Rvachev?L?A，?Longini?Jr?I?M.?A?mathematical?model?for?the?global?spread?ofinfluenza[J].?Mathematical?biosciences，?1985，75（1）：3—22.

[5]Grais?R?F，?Ellis?J?H，?Kress?A，?et?al.?Modeling?the?spread?of?annual?influenza?epidemics?in?the?US：?The?potential?role?of?airtravel[J].?Health?care?management?science，2004，7（2）：127—134.

[6]Brownstein?J?S，?Wolfe?C?J，?Mandl?K?D.?Empirical?evidence?for?the?effect?of?airline?travel?on?inter-regional?influenza?spread?in?the?UnitedStates[J].?PLoS?Med，?2006，3（10）：e401.

[7]?Bogoch?I?I，?Creatore?M?I，?Cetron?M?S，?et?al.?Assessment?of?the?potential?for?international?dissemination?of?Ebola?virus?via?commercial?air?travel?during?the?2014?west?Africanoutbreak[J].?The?Lancet，?2015，385（9962）：29—35.

[8]Tian?H，?Liu?Y，?Li?Y，?et?al.?An?investigation?of?transmission?control?measures?during?the?first?50?days?of?the?COVID-19?epidemic?in?China[J].?Science，?2020，368（6491）：638—642.

[9]Epstein?J?M，?Goedecke?D?M，?Yu?F，?et?al.?Controlling?pandemic?flu：?the?value?of?international?air?travelrestrictions[J].?PloS?one，?2007，2（5）：e401.

[10]Dudas?G，?Carvalho?L?M，?Bedford?T，?et?al.?Virus?genomes?reveal?factors?that?spread?and?sustained?the?Ebola?epidemic[J].?Nature，?2017，544（7650）：309—315.

[11]?Viboud?C，?Bjrnstad?O?N，?Smith?D?L，?et?al.?Synchrony，?waves，?and?spatial?hierarchies?in?the?spread?of?influenza[J].?science，?2006，312（5772）：447—451.

[12]Wu?M，?Han?S，?Sun?M，?et?al.?How?the?distance?between?regional?and?human?mobility?behavior?affect?the?epidemicspreading[J].?Physica?A：?Statistical?Mechanics?and?its?Applications，?2018，492：1823—1830.

[13]Charaudeau?S，?Pakdaman?K，?Bolle?P?Y.?Commuter?mobility?and?the?spread?of?infectious?diseases：?application?to?influenza?inFrance[J].?PloS?one，?2014，9（1）：e83002.

[14]陳詩一，陳登科.霧霾污染、政府治理與經(jīng)濟(jì)高質(zhì)量發(fā)展[J].經(jīng)濟(jì)研究，2018，53（02）：20—34.

[15]劉濤，靳永愛.人口流動(dòng)視角下的中國新冠疫情擴(kuò)散時(shí)空動(dòng)態(tài)——傳統(tǒng)數(shù)據(jù)和大數(shù)據(jù)的對比研究[J].人口研究，2020，44（05）：44—59.

[16]Guan?W，?Ni?Z，?Hu?Y，?et?al.?Clinical?characteristics?of?coronavirus?disease?2019?in?China[J].?New?England?journal?of?medicine，?2020，382（18）：1708—1720.

（郭文璇、房昊，南開大學(xué)金融學(xué)院）