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

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 经济、贸易和工业研究所(RIETI)Yoko KONISHI June 2024 Abstract:日本因COVID-19 pandemic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。 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。 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。 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。 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。 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。 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： 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。 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。 人们的福祉。然而，由于这不可能实现，建立了一个模型，在横截面分析中考虑了七个区域虚拟变量，在面板数据分析中考虑了地级市虚拟变量。 4.2. 估算结果 ： 来自调查第 1 - 5 轮观察的固定效应模型 表5显示了固定效应模型估计的结果。该表包括五种主观福祉（SWB）的估计结果。每种变量的系数的符号和显著性在不同的主观福祉中通常较为稳定。 4.2. 1. 个体变量 性别虚拟变量女性在SWB_total、SWB_health和SWB_work方面的幸福感高于男性。对于SWB_childcare和SWB_social connections，系数统计上不显著，男女之间的幸福感差异不明显。 年龄虚拟变量. 年轻一代在五种主观幸福感（SWB）方面的满意度低于70岁及以上的老年人；60多岁人群的系数绝对值最低。 较小。由于这是70岁及以上年龄段的满意度差异，因此60多岁的年龄段与其它较年轻年龄组相比，差异较小。 独自生活虚拟变量独自居住的人口虚拟变量与总生活满意度和工作满意度显著正相关。换句话说，独自居住的人对生活更加满意；SWB_health（健康满意度）和SWB_social connections（社会关系满意度）的系数不显著，且家庭人数与满意度之间没有统计学上的关系。对于有孩子的家庭而言，独自居住对幸福感有负面影响。 婚姻状况虚拟变量结婚系数对五种主观幸福感（SWB）类型均为正向且显著。已婚人士的满意度高于未婚人士。抚养孩子的已婚人士的系数最大。 非正规就业虚拟变量非正规就业人员的SWB_total、SWB_health和SWB_childcare的系数低于正规就业人员。同时，SWB_work和SWB_social connections的结果在非正规就业人员和正规就业人员之间没有统计学上的显著差异。 失业虚拟变量失业人员在四个SWB指标中的满意度低于全职就业人员。例外的是SWB_total，其系数不显著。在SWB_work中，失业人员的满意度尤其低（即系数为-0.611）。 家庭收入虚拟变量基准线为家庭收入低于200万元，家庭收入在200万元至600万元之间的情况占1。五个主观幸福感（SWB）的系数显著为正。当家庭收入超过600万元时，虚拟变量取值为1。五个主观幸福感（SWB）的系数显著为正。对于家庭收入高于600万元的人来说，这些系数总是比家庭收入在200万元至600万元之间的家庭更大。这表明较高的家庭收入与更高的满意度水平相关。 最终教育虚拟变量。基线为初中毕业。除了SWB_childcare外，所有系数均为正且显著。此外，本科毕业的系数在其他最终教育水平中最大。 SNS 使用情况虚拟变量。用于 SNS 的虚拟变量的系数在 SWB _ total 和 SWB _ work 上显著为正。 4.2. 2. Regional Amenity Variables 各县感染人数感染人数越多的省份，社会连接幸福感越低。其他系数不显著。 中小企业经济机密 DI 。个人满意度被认为与当地行业的企业信心相关。特别是采用了制造业、建筑业、批发业、零售业和服务行业的企业调查指数（DIs）。这些指数在不同地区有所差异，基于假设，中小企业（SMEs）对企业信心的高度相关性直接影响个人满意度，尤其是在当前因疫情导致经济停滞的情况下。然而，零售业的DIs与幸福感之间存在正相关关系。建筑行业的DIs与SWB_health（健康福祉）和SWB_work（工作福祉）呈正向且显著的相关性。其他结果则没有统计解释力。此外，批发业的DIs与SWB_total（总体福祉）呈负向且显著的相关性。 区域虚拟变量。九州和冲绳的幸福感高于其他地区。 4.2. 3. 其他变量 四轮调查中的时间虚拟变量. 图2显示了五种类型的生活满意度（SWB）的时间序列方向的变化情况，在调查轮次1和3中下降，在调查轮次2和4中改善。因此，在方程（1）中，考虑了调查轮次的虚拟变量。将满意度最低的调查轮次1作为基准；几乎所有的系数都显著为正。唯一的例外是调查轮次5的生活满意度健康（SWB_health）的系数。