日本在 COVID - 19 大流行之前和期间的区域便利与幸福感之间的关系

ERIA-DP-2024-16 ERIA讨论论文系列 No.523 日本在COVID-19大流行之前和期间的区域便利与幸福感之间的关系 YokoKONISHI 经济、贸易和工业研究所(RIETI) June2024 Abstract:日本因COVID-19pandemic导致活动长期受限后，主观幸福感是否发生了变化？使用内阁办公室从大流行前到现在的50,000人调查数据，观察人口统计变量 、经济状况、与他人的联系以及地区设施如何影响他们的主观幸福感。利用最近的调查结果发现，将数字技术应用于工作、沟通和消费行为提高了幸福感。 关键词：福祉，COVID-19，区域便利设施，数字化JEL分类:I31,R11,C23, 1.Introduction 新冠病毒疫情几乎改变了每个人的生活。除了严重的疾病和死亡率外，新的服务和科技被创造出来，新的便利设施被开发，现有便利设施的角色也发生了变化。本研究旨在观察幸福、疫情冲击以及便利设施作用之间的关系。涵盖了五种满意度（即幸福） ：总体满意度、健康满意度、工作满意度、育儿满意度和社会交往满意度。使用了日本的公共统计数据，并进行了五轮调查。除了主观幸福感，调查还收集了性别、年龄 、家庭和个人收入、婚姻状况、家庭成员数量、最终教育程度、就业状态以及社交媒体（SNS）使用情况的数据。还添加了区域便利设施变量，如每10万人的感染人数（按都道府县划分）。此外，还使用了中小企业（SMEs）在制造业、建筑业、零售业和服务行业的扩散指数（DIs）作为区域商业信心的代理变量。对于这些变量，应用了固定效应模型对不平衡面板数据进行分析。 在第五轮调查中，新增了关于数字化进展、消费者行为变化以及受访者信任的信息来源的问题。随后探讨了这些新变量对主观幸福感（SWB）的影响。 第二部分描述了调查背后的研究文献和获得的数据。第三部分通过创建描述性统计和县市级聚合地图来深化对SWB数据的理解。第四部分提供了使用个人属性和区域便利设施估计的SWB模型结果。第五部分详细说明了政府和数字化技术对SWB影响的估计结果。第六部分是对全文的总结，并概述了未来的工作方向。 2.文献和数据 李、佐藤和松田（2022）利用一家私营公司提供的数据分析了新冠肺炎疫情期间日本人口福祉的变化。对于中国的情况，王等（2022）使用面板数据表明，在疫情期间幸福感减少了一部分焦虑感。关于数字技术与幸福之间的关系，坎内勒等（2022）展示了数字技术的使用有助于缓解个人困难并提高幸福感；哈勒、多明格斯和米哈伊洛娃 （2023）发现在线沟通工具 减少了独居者的孤独感，改善了他们的幸福感。 为了本研究，“新型冠状病毒感染对日常生活态度和行为变化的影响”数据被使用，这些数据由日本内阁办公室收集。进行了五轮调查：2020年5月至6月、2020年12月、2021年4月至5月、2021年9月至10月以及2022年6月。表1显示了每次调查的时间、受访者数量以及持续受访者的情况。 表1：主观幸福感调查概述 No. 调查期 受访者数量 Notes 1 5月25日至6月52020 日10,902 包括一份关于大流行前的SWB。第一次紧急声明：72020年4月-5月25日 2 11-17十二月2020 10,091 (续样本来自 调查1:5,192) 第二次紧急声明：2021年1月7日-3月21日 3 4月30日至5月112021 日10,126 (续样本来自 调查2:7,371) 所有受访者总数三项调查:4,164第三次紧急声明：2021年4月25日-9月30日 4 9月28日-52021年10月 10,121 (续样本来自 调查3:5,907) 所有受访者总数四项调查:2,779 5 1–9June2022 10,052 (续样本来自 调查4:6,480) 所有受访者总数五项调查:2,177 SWB=主观幸福感。来源：作者。 有大约50,000名受访者，共有2,177名受访者参与了所有五轮调查。每一轮调查均在新冠肺炎疫情期间进行，仅第一轮调查询问了疫情前的生活满意度（SWB）。图1展示了各轮调查的时间、新增感染病例数量（粉色柱状图）以及疫苗接种率（线条）。请注意，第一轮、第二轮和第三轮调查均在开始大规模接种疫苗之前进行。截至当前 ，日本已经历了八波新冠肺炎确诊病例的增长，但所有调查均在每波疫情高峰之后进行。 图1：每次调查的时间，新感染的数量和疫苗接种率 来源：作者根据日本厚生劳动省的新感染病例数据和日本首相办公室的疫苗信息数据整理。 客观变量是一个关于主观幸福感（SWB）的问题，“目前，您感觉有多幸福？”这是一个11级指标，称为幸福指数或SWB指数，评分范围从1（非常不幸福）到11（非常幸福）。调查涵盖了六种类型的主观幸福感：总体幸福感、健康感、生活满意度、工作满意度、育儿满意度和社会连通性。 调查还收集了年龄、性别、家庭结构、婚姻状况、家庭收入、个人收入、最终教育程度、职业、行业、工作条件（即在家办公或面对面办公，以及固定职位或非固定职位 ）以及社交网络使用情况等人口统计信息。受访者所在的居住地被识别到都道府县级别。 3.描述性统计和地图绘制分析 表2展示了六项SWB指标之间的检验相关系数；所有五次调查轮次的数据都被使用。与总体幸福（即总分）相关性最高的是日常生活满意度。相关性最低的是育儿满意度 。在后续的研究中，分析了五种类型的满意度——除了日常生活满意度，它与总SWB的相关性非常高。 表2：六个主观幸福感变量的相关系数 （Obs=50,48 1)总健 康日常生 活工作托儿服 务 社会关系 Total 1.000 Health 0.585 1.000 日常生活 0.726 0.562 1.000 Work 0.611 0.531 0.568 1.000 儿童保育 0.445 0.391 0.467 0.455 1.000 Social连接 0.554 0.464 0.681 0.503 0.477 1.000 注意：工作包括公司工作，家政和其他任务。来源：作者。 六个SWB指标的平均值随后被计算出来。图2展示了从大流行前到调查轮次5期间SWB的变化情况。如上所述，调查轮次1包含了大流行前时期SWB的相关细节。根据图2 ，当首次宣布紧急状态时，对所有SWB的影响最为严重。Sekizawa和Konishi（2021 ）通过分析相关数据得出了这一结论。消费者信心调查日本地区在2004年至2018年间，消费者信心指数（即消费者情绪）显示出季节性的周期性变化。最低点出现在12月，最高点出现在初夏。然而，如图2所示，在初夏的调查轮次1和3中出现了最低点，而在冬季的调查轮次2和4中结果有所改善。因此，疫情对外部因素对人们情绪的季节性产生了影响。总体幸福感和日常生活幸福感也同步变动，与表2一致。 图2：六个主观幸福感指标的变化 SWB=主观幸福感。来源 ：作者。 接下来，通过计算每个都道府县的平均SWB，观察到了区域间的差异。图3展示了疫情前后各都道府县SWB水平的变化。在疫情之前，所有都道府县的幸福感都很高。第二行面板显示了2020年5月25日至6月5日——紧急状态刚刚宣布后的幸福感水平。可以看出，总体幸福感和社会连接幸福感有所下降。第三行显示了第五轮调查的结果，显示了幸福感水平的上升。 图3：COVID-19大流行之前和期间的主观幸福感图-地级 注意：红色越深，表示幸福程度越高。白色代表中等水平，为5.5。蓝色越深，表示幸福程度越低。来源：作者。 为了界定已恢复到大流行前幸福指数（SWB）水平的都道府县，配置了雷达图（如图4所示）。幸福指数高于大流行前水平的都道府县包括茨城、福井、兵库、鹿儿岛、长崎、滋贺、岛根和德岛。关注图3中显示较低幸福指数的山梨县，在调查轮次4和5中其幸福指数急剧下降。其他地区似乎正在恢复到大流行前的幸福指数水平。 图4：COVID-19大流行之前和期间主观幸福感的变化 来源：作者。 在日本，没有实施强制封锁，但人们长时间自愿避免外出。在此过程中，社会联系减弱，社交媒体使用量增加以补充这一趋势。因此，调查问卷询问了社交媒体使用频率 。在表3-1中，调查第1轮按性别和年龄段分析了社交媒体使用频率的比例。表3-2展 示了第5轮调查的结果。 表3.1：2020年5月至6月首次调查中按性别和年龄划分的社交网站使用频率 来源：作者。 表3.2：6月调查5中按性别和年龄划分的社交网站使用频率 2022 来源：作者。 表3.1显示，在各个年龄段中，每天使用社交网络（SNS）的男性和女性的比例较高的是年轻人群。而50岁及以上男性每天使用SNS的比例不到40%，相比之下，每一年龄段少于69岁的女性中，每天使用SNS的比例超过40%。如表3.2所示，所有年龄段和性别中每天使用SNS的人的比例均有所增加。 4.统计推断：估计结果 4.1.估计模型和变量SWB调查结果从第一轮到第五轮进行了分析。每一轮的数据中增加了新受访者的数据 ，同时记录了退出调查的人数。这种类型的数据被称为非平衡面板数据。总共回答了 五轮调查的人数为2,177人。 表4展示了后续实证工作中采用的因变量和解释变量。因变量为SWB，每个SWB变量分别规定了五种不同的模型（）。):总体、健康、工作、育儿和社会联系。重点关注的是社交媒体使用频率的一个变量（社交媒体使用虚拟变量）。固定效应估计方法用于不平衡面板数据的五轮联合调查观测值，在方程(1)中表示如下： 𝑆𝑆𝑆𝐵𝑖𝑖𝑖𝑖𝑘�=𝑐𝑖�+𝛽𝑋𝑋𝑖𝑖�+𝛾𝛾𝑍𝑖𝑖�+𝛿𝛿𝑍𝑖�+𝛿𝛿𝑆𝑆�+𝜌𝑇�+𝜀𝜀𝑖𝑖𝑖𝑖𝑘𝑡, =1,…,𝑁,𝑗�=1,…,47,�=1,…,7,�=1,2,3,4⋯(1) 其中:□□□□ □□□□□□□□表示个体；□□□□表示prefectures（都道府□ ）；□□□□表示七个地区；□□□□表示每次□□的□□点；□ □□□表示个体□量；□□□□包含都道府□□量；□□□□是一个地区虚□□量；□□□□表示每个□□□□点的□□虚□□量。 □□□□表示个体的时间不变的不可观察特征，是一个错误项。 𝜀� 变量 Description 因变量 SWB_总计，SWB_健康状况，SWB_工作，SWB_儿童保育，SWB_社会联系 性别假人 男性=1，女性=0 年龄假人 30岁以下，30岁，40岁，50岁70，岁6及0以岁上，(基线) 独居假人独居=1， 否则=0 婚姻状况假人已婚= 1，未婚=0 Non-regular雇佣假人 非正规就业=1，否则=1(基线:常规employment) 失业假人失业=1， 否则=0（基线：正常就业) 家庭收入假人 200万日元或以下(基线)，¥200万-¥600万，¥600万andover 最后的教育假人 高中，技校，大专和技术学院，大学,研究生院（基线：初中毕业生) SNS使用情况虚拟 使用每天=1，否则=0，SNS：Facebook，Twitter，LINetc. SNS使用时间假人 交互式术语（基线：第一次调查和SNS使用情况假人=0) 感染数量上周每100, 000人口中的新感染县 中小企业DI 用于制造、建筑、批发、零售和服务的DI按县分列的行业(区域便利设施变量) 区域假人 7个区域假人（基线：北海道和东北) 调查时间假人 基线：第一次调查 表4：因变量和自变量的说明 E， DI代表扩散指数，SMEs代表中小型企业，SNS代表社交网络，SWB代表主观福祉。来源：作者 。 对于区域便利性差异，采用了中小企业的DI指标作为该地区经济状况的指标。1此外 ，前一周每个prefecture的每10万人中新COVID-19病例数被引入作为便利变量。应添加更详细的区域便利变量以解释不同地区的差异。 1这些数据是从中小企业经营状况调查中小企业和区域创新组织。 人们的福祉。然而，由于