魯肖麟 邊燕杰

內(nèi)容提要 政府防控措施和網(wǎng)絡公眾參與分別是我國有效控制疫情蔓延的政策機制和社會機制。為了探討這兩種機制的綜合防疫效果，我們通過實證分析獲得三項研究發(fā)現(xiàn)。第一，政府文件分析表明，防疫期間各省級政府采取了6類應對措施，顯著降低了每日新增病例。第二，線上大數(shù)據(jù)分析表明，疫情相關(guān)的網(wǎng)絡公眾參與越多，人們的防護意識就越強，新增感染病例也越少。第三，交互作用分析表明，政策機制和社會機制的疫情防控效果并不是線性疊加的，而是在有效減少新增病例的過程中存在相互調(diào)節(jié)的作用。

一、問題的提出

2019年底暴發(fā)的新冠疫情因其擴散迅速、影響巨大，對各國政府的風險治理和應急管理提出了嚴峻挑戰(zhàn)[1]楊菊華：《大流動背景下的新冠肺炎疫情與治理反思》,《社會科學輯刊》2020年第1期。。此次疫情迅速傳播至世界各國，截至2021年9月5日，全球累計確診人數(shù)已超過2.2億，死亡人數(shù)超過457萬[2]CSSE,"COVID-19 Data Repository by the Center for Systems Science and Engineering(CSSE)at Johns Hopkins University",2021,https://github.com/CSSEGISandData/COVID-19.，全人類面臨了又一次重大風險挑戰(zhàn)。然而，回顧我國疫情防控取得的巨大成效，我們可深切地體會到：一是政府政策機制充分發(fā)揮了治理效能。二是在居家隔離背景下，網(wǎng)絡公眾參與也在風險治理中發(fā)揮了傳遞信息、調(diào)整行為的積極作用?？梢钥隙ǖ卣f，政府防控措施和公眾參與是我國控制疫情蔓延的兩大要素，即風險治理的政策機制和社會機制的作用機理和相互關(guān)系是值得深入探討的。

從政策機制的角度來看，我國各級政府所實施的防控措施的有效性已經(jīng)得到大量研究的支持。但也有研究指出，如果依靠政府單方面的努力，很難實現(xiàn)復雜危機應對的有效協(xié)調(diào)、風險信息的及時傳遞，因此需要社會機制的輔助力量作為補充。正如，疫情期間實行隔離措施，網(wǎng)絡公眾參與成為主要的公眾參與渠道，并發(fā)揮著一定的積極作用。它一方面提升人們對政府的信任與合法性感知，從而提高政府措施有效性；另一方面也通過互聯(lián)網(wǎng)平臺實現(xiàn)信息的迅速傳遞、普及相關(guān)知識、強化人際支持，對疫情防控起到積極作用。還有研究指出，網(wǎng)絡不實信息侵蝕公眾的政府信任，降低地方政府的公信力，從而阻礙政府措施的實施及其效果。

那么政府防控措施與網(wǎng)絡公眾參與是否形成了合力，是否實現(xiàn)了及時有效的疫情防控？為此本研究將基于全國31個省份的時序數(shù)據(jù)，使用文本分析、社交網(wǎng)絡大數(shù)據(jù)分析、空間面板數(shù)據(jù)分析等方法，探討其內(nèi)在機理，檢驗相關(guān)假設。

二、理論分析與研究假設

（一）作為政策機制的防控措施

縱觀各國的做法，我們可看到，政府通過頒布政令、法律、條例等強制性措施來約束公眾行為，管理公共空間，維護社會秩序。但政府防控措施在行為約束力上也有強弱之分，其有效性不是常量，而是一個變量，這在這本次疫情防控中表現(xiàn)得尤為突出。例如，在疫情迅速傳播、特效藥和疫苗尚未問世的情況下，各國政府均按照傳染病專家的防疫建議頒布了流動限制、居家隔離、保持社交距離、限制聚集、資源配置、風險溝通等措施[1]Cindy Cheng,Joan Barceló,Allison Spencer Hartnett,et.el,"COVID-19 Government Response Event Dataset(CoronaNet v.1.0)",Nature Human Behaviour,2020,4(7),pp.756-768;Amélie Desvars-Larrive,Elma Dervic,Nils Haug et el.,"A Structured Open Dataset of Government Interventions in Response to COVID-19",Scientific Data,2020,7(1),pp.1-9;Qulu Zheng,Forrest K.Jones,Sarah V.Leavitt,et el.,"HIT-COVID,a Global Database Tracking Public Health Interventions to COVID-19",Scientific Data,2020,7(1),pp.1-8.?？墒沁@些措施的有效性在國家之間存在顯著差異[2]Matteo Chinazzi,Jessica T.Davis,Marco Ajelli et el.,"The Effect of Travel Restrictions on the Spread of the 2019 Novel Coronavirus(COVID-19)Outbreak",Science,2020,368(6489),pp.395-400.，在極端個人主義盛行的國家，有些措施形同虛設[3]Carl Benedikt Frey,Chinchih Chen,and Giorgio Presidente,"Democracy,Culture,and Contagion:Political Regimes and Countries Responsiveness to Covid-19",Covid Economics,2020,18,pp.222-238.，導致新冠病例數(shù)持續(xù)升高，一段時期疫情泛濫成災[4]Shenyang Guo,Ruopeng An,Timothy D.McBride et el.,"Mitigation Interventions in the United States:An Exploratory Investigation of Determinants and Impacts",Research on Social Work Practice,2021,31(1),pp.26-41.。

我國疫情期間政府防控措施的有效性被大量研究所證實[5]Jayson S.Jia,Xin Lu,Yun Yuan,Ge Xu,Jianmin Jia,and Nicholas A.Christakis,"Population Flow Drives Spatio-Temporal Distribution of COVID-19 in China",Nature,2020,582(7812),pp.389-394;Tian,Huaiyu,et al.,"An Investigation of Transmission Control Measures during the First 50 Days of the COVID-19 Epidemic in China",Science,2020,368(6491),pp.638-642.?；诘貓D定位大數(shù)據(jù)的研究發(fā)現(xiàn)，我國實施疫情防控措施后，人口流動與確診率之間的相關(guān)度大大降低[6]陳云松、陳步偉、句國棟等：《突發(fā)重大疫情下城市系統(tǒng)風險量化評估方法》，《西安交通大學學報（社會科學版）》2020年第4期；李建軍、何山：《人口流動、信息傳播效率與疫情防控——基于新型冠狀肺炎（COVID-19）的證據(jù)》，《中央財經(jīng)大學學報》2020年第5期。。武漢“封城”措施將其他城市新冠疫情的暴發(fā)時間推遲了2~3天，在疫情初期的50天內(nèi)較早采取防控措施的城市，以及跨省流動得到控制的省份，確診率較低[7]Angran Li,Zhen Liu,Mengsha Luo,Yan Wang,"Human Mobility Restrictions and Inter-Provincial Migration During the COVID-19 Crisis in China",Chinese Sociological Review,2021,53(1),pp.87-113.。這些研究不但對于防控措施的強弱程度缺乏明確的量化指標，而且并未考察措施強度的提高對減少感染病例的效果，即相關(guān)研究結(jié)果存在較大的不確定性。為此，本研究將基于省際數(shù)據(jù)來檢驗各類措施強度的增加在減少新增病例中的作用。

假設一（政策機制假設）：各省級政府采取的各類防控措施強度越大，越能有效地控制疫情的發(fā)展。

（二）作為社會機制的網(wǎng)絡公眾參與

1.社會機制的必要性與必然性。雖然我國疫情防控的成效卓著，但疫情初期地方政府的風險治理也曾暴露出一些不足。一方面，由于從常規(guī)議程到危機議程的轉(zhuǎn)換存在一定的滯后，疫情信息的傳遞和披露依靠科層化的單一途徑導致信息阻隔和危機警示不及時等問題。[1]王寧：《危機治理與議程轉(zhuǎn)換》，《社會發(fā)展研究》2020年第2期；Edward Gu,Lantian Li,"Crippled Community Governance and Suppressed Scientific/Professional Communities:A Critical Assessment of Failed Early Warning for the COVID-19 Outbreak in China",Journal of Chinese Governance,2020,5(2),pp.160-177.另一方面，公眾的風險感知不足、防護意識不強加速了病毒的傳播。這也是由于疫情初期官方渠道的防疫宣傳速度和覆蓋范圍有限，難以趕超疫情的發(fā)展速度。諸如2020年春節(jié)前夕武漢市百步亭社區(qū)舉行的“萬家宴”活動，2月和3月多地出現(xiàn)的因走親訪友、聚餐和打麻將等活動導致的家庭聚集性病例疫情，都與風險認知和防護意識不足有關(guān)[2]佘宗明：《武漢萬家宴：他們的淡定讓人沒法淡定》，http://www.bjnews.com.cn/opinion/2020/01/21/677335.html。。當疫情風險突然暴發(fā)，公眾自身的危機意識、危機協(xié)防能力和危機應對水平極大地影響政府風險治理效果時，人們發(fā)現(xiàn)必須最大可能地吸納各種社會力量共同應對危機?；蛘哒f，作為社會機制的公眾參與，理應被納入風險治理共同體，在疫情治理中理應發(fā)揮積極的輔助作用。

互聯(lián)網(wǎng)拓展了公眾參與的地理邊界和知識邊界，普通公眾得到了數(shù)字技術(shù)的賦權(quán)，初具規(guī)模的網(wǎng)絡公共空間使得網(wǎng)絡公眾參與逐漸成為成本低、可及性高的公眾參與方式[3]Bruce Bimber,"The Study of Information Technology and Civic Engagement",Political Communication,2000,17(4),pp.329-333.。調(diào)查發(fā)現(xiàn)，疫情期間依賴微博和微信獲取信息的人，更有可能通過電話、網(wǎng)絡或者當面發(fā)起關(guān)于疫情的討論，網(wǎng)絡公眾參與更容易轉(zhuǎn)化為現(xiàn)實的人際傳播活動[4]閆巖、溫婧：《新冠疫情早期的媒介使用、風險感知與個體行為》，《新聞界》2020年第6期。，實現(xiàn)了疫情的網(wǎng)絡參與越廣泛，人們應對疫情的信息、知識也就越豐富，越能激發(fā)及時的自我防護行為，從而減少了感染。

2.非冗余信息的及時傳遞。走訪中我們看到，網(wǎng)絡公眾參與在疫情防控中的作用主要通過信息傳遞功能來體現(xiàn)的。調(diào)查顯示，疫情期間公眾對疫情信息的需求非常強烈，對媒介空前依賴，有29.3%的用戶每日關(guān)注疫情信息的時間超過3小時[5]賈哲敏、孟天廣：《信息為軸：新冠病毒疫情期間的媒介使用、信息需求及媒介信任度》，《電子政務》2020年第5期。。社會網(wǎng)絡和社會資本研究已經(jīng)論證了弱關(guān)系紐帶傳遞非冗余信息的作用（弱關(guān)系紐帶包括一般熟人、網(wǎng)友等拓展性的人際關(guān)系[6]Mark Granovetter,"The Strength of Weak Ties",American Journal of Sociology,1973,78(6),pp.1360-1380.）。這類紐帶由于能夠跨越群體邊界，連接大量地位、屬性不同的個體，因此具有提供異質(zhì)性信息的重要作用，也被稱為“外聯(lián)社會資本”[7]帕特南：《獨自打保齡》，劉波等譯，北京大學出版社2011年版，第22—23頁。。有研究顯示，弱關(guān)系社會網(wǎng)絡可以在風險災害發(fā)生前后加快信息傳遞，而高效的信息傳遞正是災害治理的重要組成部分[8]趙延東：《培育應對特大型城市風險挑戰(zhàn)的社會資本》，《探索與爭鳴》2015年第3期。。疫情期間多國大數(shù)據(jù)分析表明，資訊溝通越廣泛，人們的防疫抗疫行為就越有效[9]邊燕杰、魯肖麟：《防疫社會資本及其效用——基于七國線上大數(shù)據(jù)的實證分析》，《人文雜志》2020年第12期。。而在對國內(nèi)微信用戶的調(diào)查研究也發(fā)現(xiàn)，疫情期間人們的資訊來源異質(zhì)性越高，防疫效果就越好，越有利于人們保持身體健康和積極心態(tài)[1]Yanjie Bian,Xiaolei Miao,Xiaolin Lu,Xulei Ma,and Xiaoxian Guo,"The Emergence of a COVID-19 Related Social Capital:The Case of China",International Journal of Sociology,2020,50(5),pp.419-433.。也就是說，網(wǎng)絡公眾參與所傳遞的非冗余信息，不但有利于個體的自我防護，也會對其他群體產(chǎn)生積極作用。例如疫情暴發(fā)初期湖北部分患者未能得到及時救助，新浪微博用戶發(fā)起“肺炎患者求助超話”專題，與求助者積極互動，幫助政府和醫(yī)療機構(gòu)對接需要救治的患者[2]王騏驥：《微博2020大考：流量繼續(xù)增長，商業(yè)化面臨考驗》，https://www.sohu.com/a/376682842_153054。。很快人民日報就開通了“新冠肺炎患者求助通道”，直接向相關(guān)部門報送了累計4.2萬條求助信息。

誠然，經(jīng)由非正式渠道的網(wǎng)絡公眾參與，傳播的一些不實信息也會散布恐慌、引發(fā)混亂，但疫情期間，新浪官方微博號“微博辟謠”每天針對大量熱門謠言予以辟謠和清理整頓，不間斷地接受用戶的謠言舉報，并從2020年2月7日開始附加于“抗擊新型肺炎第一線”的超級話題推出“每日微博謠言重要信息匯總”。百度APP也在疫情期間推出“疫情辟謠”專版,還依托搜索大數(shù)據(jù)和AI技術(shù)，根據(jù)用戶的興趣關(guān)注來推薦相應辟謠內(nèi)容，實現(xiàn)個性化的反向辟謠[3]《微博發(fā)布2020年第一季度財報》,https://baijiahao.baidu.com/s?id=1667113294758387867&wfr=spider&for=pc。。這些治理舉措抑制了網(wǎng)絡公眾參與的負面效應。因此本研究認為，圍繞疫情的網(wǎng)絡公眾參與有利于傳遞非冗余信息，總體上有助于疫情防控。

假設二（社會機制假設）：網(wǎng)絡公眾參與廣泛性的增強，有助于控制疫情的發(fā)展。

3.風險認知的行為驅(qū)動力。疫情相關(guān)信息的廣泛傳播不能直接起到控制疫情的作用，必須通過提升人們的防護意識、激發(fā)人們的防護行為才能達到現(xiàn)實的防疫效應。在疫情隔離條件下，網(wǎng)絡社交平臺為時空脫域的交流互動提供了可能[4]張釗：《流動權(quán)力與復雜性：理解世界青年運動的一種潛在視角》，《中國青年研究》2013年第12期。，虛擬的缺場交往暫時替代了無法實現(xiàn)的在場交往。缺場空間的迅速擴展,使得傳遞經(jīng)驗對實地經(jīng)驗起著導引和助燃的作用[5]劉少杰：《疫情心態(tài)網(wǎng)絡化的信息偏好與傳遞效應》，《學術(shù)界》2020年第2期。。這些網(wǎng)絡溝通中的分享與感知，會進而作用于人們的認知與行為。相較于重視列舉事實和通報信息的硬新聞，網(wǎng)絡社交平臺上充滿情感的親歷者講述更容易激發(fā)公眾的情感共鳴，加深公眾對疫情苦難的認知[6]周海燕：《親歷者口述：從個體敘事到社會行動》，《探索與爭鳴》2020年第4期。。在風險應對過程中，個體的感知能夠通過錨定注意力、驅(qū)動行為、激活信息處理、激發(fā)道德認知、促進溝通等渠道，深刻地影響風險認知，推動個體做出風險應對決策，進而影響風險應對行為[7]Sabine Roeser,"Emotional Reflection About Risks",International Librar y of Ethics Law&Technology,2009,5,pp.231-244,doi:10.1007/978-90-481-8647-1.。流行病學研究認為，加深對疾病的認識，能夠避免疾病的進一步傳播[8]Stephan Kitchovitch,Pietro Liò,"Risk Perception and Disease Spread on Social Networks",Procedia Computer Science,2010,1(1),pp.2345-2354,doi:10.1016/j.procs.2010.04.264.。疾病動力學與人類行為動力學之間存在一個動態(tài)反饋回路：疾病的發(fā)展影響人們對疾病風險的認識，進而引發(fā)人們的防護行為，而增距社交、個人防護等行為又反過來影響著疾病的傳播[9]Zhen Wang,Michael A.Andrews,Zhi Xi Wu,Lin Wang,and Chris T.Bauch,"Coupled Disease-Behavior Dynamics on Complex Networks:A Review",Physics of Life Reviews,2015,15,pp.1-29.。因而，網(wǎng)絡公眾參與以虛擬在場的人際互動提升網(wǎng)民的風險認知和防護意識，引發(fā)防護行為的調(diào)整和加強，對疫情防控可產(chǎn)生積極的輔助作用。

假設三（中間機制假設）：網(wǎng)絡公眾參與廣泛性的增強，通過提升網(wǎng)民的防護意識，控制疫情的發(fā)展。

（三）政策機制與社會機制的互動：網(wǎng)絡參與還是網(wǎng)絡擾政？

在現(xiàn)實的風險治理中，網(wǎng)絡公眾參與和政府防控措施之間存在持續(xù)的互動。有研究認為，政府防控措施和網(wǎng)絡公眾參與之間存在相互增強的作用。第一，風險治理的責任分擔，能夠增強公眾對政府的信任，從而提升風險干預的有效性[1]Charles Dupras,Bryn Williams-Jones,"The Expert and the Lay Public:Reflections on Influenza A(H1N1)and the Risk Society",American Journal of Public Health,2012,102(4),pp.591-595.。廣泛的公眾參與能夠提升人們對政府合法性的感知，影響地方政府對公眾的凝聚力，最終帶來政府措施有效性的差異[2]Xueguang Zhou,Hong Lian,"Modes of Governance in the Chinese Bureaucracy:A'Control Rights'Theory",The China Journal,2020,84,pp.51-75.。在疫情風險應對中，網(wǎng)絡公眾參與作為網(wǎng)民與政府雙向互動的過程，能增加政府防控措施的曝光度和普及面，提高人們對政府防控措施的配合度，達到更好的防控效果。第二，政府可以借助互聯(lián)網(wǎng)平臺傾聽民意、回應需求。政府相關(guān)部門能從廣泛的公眾參與和輿情反饋中實時了解防控措施執(zhí)行中的局部問題，及時響應需求、調(diào)整舉措，提升治理效能[3]郝龍：《互聯(lián)網(wǎng)會是挽救“公眾參與衰落”的有效力量嗎？——20世紀90年代以來的爭議與分歧》，《電子政務》2020年第6期。?！熬W(wǎng)絡曝光—網(wǎng)友熱評—媒體跟進—政府處理”正成為地方政府處理公共問題和社會事件的常見路徑[4]顧麗梅：《網(wǎng)絡參與與政府治理創(chuàng)新之思考》，《中國行政管理》2010年第7期。。

然而，一些研究也指出，網(wǎng)絡公眾參與可能對政策實施帶來負面影響。如自我國新媒體普及、網(wǎng)絡參與興起后，非正式的網(wǎng)絡公眾參與中缺乏規(guī)范、非理性表達、不實信息泛濫等問題突出[5]周恩毅、胡金榮：《網(wǎng)絡公民參與：政策網(wǎng)絡理論的分析框架》，《中國行政管理》2014年第11期。。而在非正式參與中，負面信息和流言往往比正面信息更容易受到關(guān)注，成為網(wǎng)民情感表達的渠道[6]Travis Grosser,Vergini Lopez-Kidwell,Giuseppe Labianca,"A Social Network Analysis of Positive and Negative Gossip in Organizational Life",Group&Organization Management,2010,35(2),pp.177-212.。非正式的負面信息通過迅速、廣泛的傳播放大了防控措施實施中存在的局部問題，還可能帶來不同程度的誤解與不滿，或通過虛假信息削弱人們對政府的信任，制約政府疫情防控措施的實施及其效果。因此，考察政府防控措施和網(wǎng)絡公眾參與之間的互動關(guān)系及其性質(zhì)，顯得尤為重要。

假設四（調(diào)節(jié)作用假設）：網(wǎng)絡公眾參與對政府防控措施的防疫效果具有調(diào)節(jié)作用。

三、數(shù)據(jù)與變量

（一）每日新增確診數(shù)

因本研究關(guān)注政策機制和社會機制的疫情防控效果，所以我們特將每日新增確診數(shù)作為被解釋變量（數(shù)據(jù)來自中國疾控中心）。在回歸模型分析中，我們將該變量轉(zhuǎn)換為對數(shù)形式，以使樣本更趨向正態(tài)分布，提高模型的解釋力，而且影響系數(shù)可以解釋為百分比增量，它既符合研究假設的要求，又方便讀者理解。

（二）政府防控措施

政府防控措施是本研究的主要解釋變量，用于檢驗假設一。盡管與疫情相關(guān)的政府文件并不能完全等同于防控措施的實施行為，但確實是防控措施內(nèi)容最為集中和正式的體現(xiàn)。為此本研究收集了疫情暴發(fā)后3個月內(nèi)，即2020年1月22日~4月20日除港澳臺地區(qū)外的31個省級行政區(qū)政府、黨委、新冠疫情防控指揮部（領導小組）發(fā)布的關(guān)于疫情防控措施的文件和正式通告。這些文件來自各省級政府官方網(wǎng)站的政務公開欄目或疫情防控專區(qū)。由于各省份疫情防控指揮部或領導小組是各省份啟動一級響應時成立的臨時組織，往往由黨委、政府負責人牽頭，其發(fā)文集中體現(xiàn)了各省份的疫情防控措施，在疫情防控措施的規(guī)定性上具有與省級政府相近的行政效力，所以本文將各省份新冠疫情防控指揮部（領導小組）發(fā)文也納入分析。并分別對收集到的全部592篇政策文本進行質(zhì)性解讀和人工編碼標注，進而對不一致的標注進行討論并統(tǒng)一。最終每個省份均抽取出6大類、31種具體措施（見表1）。

我們借鑒了國內(nèi)外政府防控措施研究的分類方式，結(jié)合我國重大公共衛(wèi)生事件應急響應的設置，最終采用二級分類結(jié)構(gòu)。因在我國的應急響應管理中，基層黨組織和行政組織的動員力量非常重要，且在國家和各省級政府發(fā)布的大量相關(guān)文件中都強調(diào)組織力量與政治保障，故基于本土現(xiàn)實我們加入第6類措施——組織資源配置。根據(jù)編碼表中的6個大類和31種具體措施，先按照文件頒布日期，標記出各省份在每一天所實施的具體措施。再按照大類將當天的具體措施數(shù)量加總，作為該大類措施在當天實施強度的測量。由于每一大類中的措施種類數(shù)量不同，因此再對措施強度進行加權(quán)計算以去除每一大類中措施數(shù)量差異的影響[1]本文還嘗試了第二種加權(quán)方案來進行穩(wěn)健性檢驗。按照文件頒布日期，得到各省在每一天所實施的具體措施數(shù)量時，對同日文件中出現(xiàn)多次的具體措施進行累加計算（在第一種方法中同日同種措施多次出現(xiàn)只計一次），從而該措施被重復提及的次數(shù)可以反映該措施的強度，后續(xù)處理同方案一。使用第二種方案得到的數(shù)據(jù)分析最終結(jié)果與第一種方案大致相同。。最終每個省得到6個時間序列，分別是6大類措施的強度變化，作為解釋變量。

（三）疫情微博

這是網(wǎng)絡公眾參與變量的數(shù)據(jù)來源，通過各省份微博用戶每日發(fā)布的疫情相關(guān)微博數(shù)量來進行測量，用于檢驗假設二。在我國，以微博為代表的網(wǎng)絡社交平臺，具備公開性、即時性、易訪問性，還具有聯(lián)系地理距離或社會距離較遠人群的可能性[1]Morag A.Gray,"Review:Chris Mann&Fiona Stewart(2000).Internet Communication and Qualitative Research:A Handbook for Researching Online",Qualitative Social Research,2001,2(1),http://nbn-resolving.de/urn:nbn:de:0114-fqs010120.。據(jù)新浪財報數(shù)據(jù)顯示，微博2020年第一季度月活用戶量超過5.16億，日活用戶量超過2.22億[2]《微博發(fā)布2020年第一季度財報》，https://baijiahao.baidu.com/s?id=1667113294758387867&wfr=spider&for=pc。。2020年春節(jié)微博信息曝光量比2019年同期增長一倍，疫情發(fā)生以來，平均每天超過2億網(wǎng)友通過新浪微博關(guān)注最新疫情、獲取防治服務、參與公益捐助，截至3月底，微博的疫情話題閱讀量高達7545億?？梢娢⒉┦且咔槠陂g國內(nèi)使用范圍最廣、流量最大的網(wǎng)絡公眾參與平臺。本研究將涉及2800多萬名用戶發(fā)布的1.4億條微博，在這些微博的發(fā)布用戶中，有87%為普通個人用戶，約5%為認證用戶，其余為少量的政務微博賬號和其他賬號。故有較大的數(shù)據(jù)量和較廣的覆蓋面，并在一定程度上緩解了微博樣本代表性的問題。

（四）防護意識

這是模型分析的中介變量，用于檢驗假設三。我們通過網(wǎng)民對防護措施相關(guān)詞條的每日百度搜索指數(shù)，來標示防護意識的強度（百度指數(shù)提供了各省份對不同關(guān)鍵詞的搜索熱度指數(shù)）。例如，我們用“口罩”“洗手”等防護措施的關(guān)鍵詞搜索熱度來測量防護意識的變化[3]確定防護意識相關(guān)搜索關(guān)鍵詞后，編寫python爬蟲腳本，爬取百度指數(shù)官方網(wǎng)站提供的相關(guān)關(guān)鍵詞分省份每日搜索指數(shù)。。該測量的效度可以從以下兩方面得到支持：第一，百度指數(shù)提供了搜索詞的相關(guān)檢索詞，疫情期間用戶在搜索“口罩”的同時，還搜索了其他關(guān)鍵詞，如“N95口罩、口罩的正確戴法、口罩正反面如何區(qū)分、3M、醫(yī)用N95口罩多久換一次”等，而在“洗手”的相關(guān)檢索詞后還有“七步洗手法、消毒、戴口罩、洗手液”等[4]限于篇幅，相關(guān)詞搜索結(jié)果在文中未予展示。?？梢妼@些關(guān)鍵詞的搜索主要是為了獲取防護資源、掌握正確防護方法，在一定程度上反映防護意識。第二，流行病學專家為普通人提供的防護建議主要包括居家隔離、佩戴口罩、正確洗手。居家隔離相對容易操作，同時也有政府的管理措施來加以落實；而正確佩戴口罩和勤洗手則更多需要個人尋求信息和資源來實施。

（五）控制變量

由于各省份社會經(jīng)濟發(fā)展狀況是疫情防控該措施制定的基礎和實施效果的重要影響因素，因此在考察政策效果時，需要控制與疫情防控相關(guān)的省份宏觀發(fā)展指標，主要包括人均收入、人口、公共財政預算等。在涉及疫情微博和防護意識的模型中，還控制了各省份網(wǎng)民數(shù)量。前期疫情發(fā)展情況對措施執(zhí)行效果和公共參與效果也有較大影響，因此在模型中也控制了各省份前期累計確診數(shù)的對數(shù)。

（六）描述性統(tǒng)計結(jié)果

表2給出了核心變量的描述性統(tǒng)計結(jié)果。由于因變量新增確診數(shù)是一個計數(shù)變量，標準差遠大于均值，說明離散程度較高，取對數(shù)后標準差與均值接近；因此自變量中各類措施強度變量由政府文件中提取，當日文件若未曾提及某一大類措施，則當日該類措施強度取值為0，當日提及次數(shù)越多則措施強度越高。標準差反映各類防控措施強度在不同時點和省份間的變異情況。為了便于交互作用分析，我們將6類措施強度降維得到一個“防控措施因子”綜合變量，其因子分標準化后取值為1~10。此外，中介變量部分，疫情微博數(shù)量是計數(shù)變量，所以取對數(shù)。“口罩”和“洗手”的百度搜索指數(shù)是由百度搜索引擎提供的指標，取值越大則搜索頻次越高，其標準差可反映這些關(guān)鍵詞搜索熱度的總體變異情況。防護意識為上述二者的標準分均值。

表2 核心變量描述性統(tǒng)計

圖1—圖3分別呈現(xiàn)了因變量新增確診數(shù)與兩個核心自變量隨時間的變化趨勢。橫軸均為疫情持續(xù)的天數(shù)，縱軸分別為新增確診對數(shù)、防控措施因子分、疫情微博（千條）。每幅圖中31條曲線分別代表31個省份?？梢钥闯鲎砸咔楸┌l(fā)后，尤其是疫情暴發(fā)初期，政府防控措施強度和疫情微博數(shù)量迅速升高，新增確診數(shù)則明顯下降。

四、實證分析結(jié)果

（一）政府疫情防控措施的效應分析

首先考察政府防控措施的疫情防控效果。由于相鄰省份在遺漏變量或隨機擾動項上可能存在空間相關(guān)性，因此我們采用了空間誤差面板模型（SEM），納入省份鄰接空間權(quán)重矩陣，以控制誤差項的空間相關(guān)。面板數(shù)據(jù)涵蓋2020年1月22日至4月20日31個省級行政區(qū)，模型以新增確診病例數(shù)的對數(shù)為因變量，各省份防控措施為自變量，在隨機效應模型中控制了省份宏觀發(fā)展指標。

由于防控措施與確診數(shù)之間可能存在雙向因果和遺漏變量的內(nèi)生性問題，因此我們采用了不同方法來改善模型。首先，所有模型都使用自變量的7天滯后項（下標t-7），即用7天前的變量測量值來解釋當期的因變量變化[1]將解釋變量的滯后期先后定為8天、9天作為穩(wěn)健性檢驗，得到相同結(jié)果。因篇幅所限，不同滯后期的結(jié)果表格未放進正文，感興趣者可向作者索要。，從而避免雙向因果問題。第二，所有模型控制了因變量的滯后項，控制可能存在的未被觀察到的省份之間的差異和歷史性因素。第三，借助面板數(shù)據(jù)拓展格蘭杰因果檢驗來幫助判斷因果關(guān)系的方向。經(jīng)過檢驗，6類防疫措施均有助于解釋7天后的新增確診數(shù)（p＜0.01，拒絕無因果關(guān)系的虛無假設），而反向因果關(guān)系亦不存在（p＞0.05）。第四，使用省份固定效應模型，來控制所有不隨時間變化、未被觀測到的省份之間的差異（表3模型1—7）。

表3 政府措施的疫情防控效果

表3顯示，空間誤差自回歸系數(shù)Lambda顯著，說明控制空間誤差相關(guān)是必要的。在單一措施效果的分析中（模型1—6），每一類措施都能夠顯著降低新增確診數(shù)。為此，模型7和8將防控措施因子作為綜合因變量，系數(shù)顯著為負，即各省份實施的防控措施強度越大，新增確診數(shù)就越低。固定效應模型7和隨機效應模型8的結(jié)果非常一致，說明防控措施的效果總體上非常穩(wěn)健，說明各省級政府實施的防控措施均能有效減少新增確診數(shù)，支持假設一。

（二）網(wǎng)絡公眾參與的疫情防控效果

表4是通過空間誤差面板模型來分析疫情微博影響的數(shù)據(jù)結(jié)果。因為使用了省份固定效應控制不隨時間而變的省份差異，故無須再加入省份宏觀控制變量。自變量均為4天滯后項，并且使用Bootstrap法[1]Kristopher J.Preacher,Andrew F.Hayes,"Asymptotic and Resampling Strategies for Assessing and Comparing Indirect Effects in Multiple Mediator Models",Behavior Research Methods,2008,40(3),pp.879-891.檢驗防護意識的中介作用，經(jīng)過1000次重復抽樣，證明中介效應的統(tǒng)計顯著性。

表4 疫情微博和防護意識對疫情發(fā)展的影響

模型1顯示，疫情微博交流頻率越高，新增確診數(shù)越低（-0.479），表明網(wǎng)絡公眾參與有助于疫情防控。模型2和模型3顯示，這種積極作用是通過提升網(wǎng)民的防護意識、進而降低新增病例數(shù)而產(chǎn)生的。Bootstrap中介檢驗結(jié)果顯示，防護意識的中介效應在95%的置信度上顯著存在（置信區(qū)間不包括0），中介效應的解釋比例為13.27%（見表5）。比較模型1和模型3發(fā)現(xiàn)，加入防護意識這一中介變量后，疫情微博的系數(shù)絕對值變小，但仍然顯著，說明疫情微博和防護意識均有相對獨立的疫情防控作用，而疫情微博的作用部分地通過防護意識而得到發(fā)揮。這也意味著除了提升防護意識，疫情微博還會通過其他的可能路徑降低新增確診數(shù)，例如減少出行、習得防護知識、增加對防控措施的理解和配合等。綜上，疫情微博交流能夠通過提升人們的防護意識，對疫情防控起到積極作用，支持假設二和假設三。

表5 中介效應檢驗結(jié)果

（三）政府措施與公眾參與的綜合疫情防控效果

為了簡化分析，這里使用防控措施因子變量，并將其與疫情微博共同納入模型，再構(gòu)建交互項。用固定效應空間誤差面板模型分析二者對疫情發(fā)展的共同影響。所有解釋變量均為3天滯后項[1]作為穩(wěn)健性檢驗，先后將解釋變量的4天、5天滯后項放進模型，結(jié)果相同，限于篇幅不予展示。。

表6的模型1和模型2顯示，政府措施和疫情微博同時發(fā)揮防疫作用，分別顯著降低每日新增病例數(shù)；而模型3顯示，政府措施和疫情微博同時發(fā)揮獨立影響，共同降低新增確診數(shù)，效果穩(wěn)定顯著。模型4顯示，疫情微博和政府防控措施的交互項系數(shù)和顯著度較小，但是顯著為正，與主效應系數(shù)的方向相反。這意味著，在疫情得到迅速有效控制、新增病例穩(wěn)定下降的背景下（如圖1），政府防控措施與疫情微博產(chǎn)生了相互調(diào)節(jié)的作用，隨時間推移，微量減弱對方的影響程度，符合疫情防控的總體趨勢。模型3和模型4證明，政策機制和社會機制之間存在互動，共同效果大大超過單一機制，支持假設四。

表6 政府措施和疫情微博對疫情發(fā)展的共同作用

五、結(jié)論與討論

根據(jù)實證分析可以得出三個方面結(jié)論。第一，我國各省級政府采取了積極有力、具有針對性的疫情防控措施，各類措施有效減少了新增病例數(shù)，對控制疫情起到了顯著的作用。第二，網(wǎng)絡公眾參與可提升公眾的防護意識，有助于減少感染病例，控制疫情的蔓延。第三，政策機制和社會機制的疫情防控效果并不是線性的，而是在新增病例銳減的前提下，相互調(diào)整對方的影響程度。本研究總的結(jié)論是，在疫情風險治理中，政府防控措施作為政策機制，其作用是主導性的，而網(wǎng)絡公眾參與作為社會機制，其作用是輔助性的，它們是我國在短期內(nèi)有效防控疫情的雙重動力。

本研究基于政策機制的主導作用和社會機制的輔助作用，探討了二者在風險治理中的互動與合力，旨在尋找符合中國本土文化制度特征的風險治理共同體建構(gòu)路徑，是一項基于中國主體話語解決本土現(xiàn)實問題、探索中國風險治理模式的嘗試。作為公眾參與和公共衛(wèi)生風險的交叉研究領域中為數(shù)不多的量化實證研究，研究結(jié)合線上社交媒體大數(shù)據(jù)、搜索引擎大數(shù)據(jù)、疫情數(shù)據(jù)、宏觀社會經(jīng)濟指標，實現(xiàn)了具有一定時間跨度和空間覆蓋面、多來源的數(shù)據(jù)資料的融合運用。在信息社會和疫情的特殊背景下，對網(wǎng)絡公眾參與進行社交媒體平臺的測量，也是指標層面的拓展和創(chuàng)新。當然，在實證研究的若干方面仍有待加強。其一，本研究根據(jù)官方政策文本細化出6大類措施，對防控措施強度進行了近似的測量。雖然在措施強度計算中嘗試了不同的加權(quán)方案以佐證結(jié)果的顯著性，但仍需進一步優(yōu)化測量指標和檢驗測量效度。其二，在政策評估研究中需要考慮內(nèi)生性問題。盡管在現(xiàn)有數(shù)據(jù)條件下本文使用了省份固定效應模型、納入解釋變量滯后項、格蘭杰因果檢驗等方法來加以改善，但可能仍然難以完全避免因果層面的糾纏。后續(xù)研究中應設法調(diào)整數(shù)據(jù)結(jié)構(gòu)，從而能夠使用雙重差分法、工具變量等準實驗方法來解決內(nèi)生性問題。其三，網(wǎng)絡公眾參與對政府防控措施的效果具有削弱作用，但這種作用的具體內(nèi)在機制本文限于篇幅只進行了理論探討。未來可進一步納入各省份政務微博數(shù)據(jù)、微博辟謠數(shù)據(jù)等，對其進行實證分析和檢驗。

疫情對政府的風險治理能力提出了嚴峻的挑戰(zhàn)，同時也帶來了構(gòu)建風險治理共同體的現(xiàn)實契機[1]王俊秀、周迎楠、劉曉柳：《信息、信任與信心：風險共同體的建構(gòu)機制》，《社會學研究》2020年第4期。。一方面，風險治理共同體建構(gòu)的核心動力來自政府的治理創(chuàng)新，表現(xiàn)為我國社會治理已經(jīng)從政府單一治理模式向政府、社會與公民等主體參與的多元治理模式轉(zhuǎn)換。另一方面，風險治理共同體建構(gòu)的資源也來自公眾參與意愿和參與能力的不斷提升。以數(shù)字平臺為媒介的網(wǎng)絡公眾參與不斷增加，已成為不可逆轉(zhuǎn)的趨勢。在新冠肺炎帶來的公共健康危機中，廣大網(wǎng)民的積極參與說明風險治理共同體的建設正在成為民眾的自發(fā)需要[2]朱健剛：《疫情催生韌性的社會治理共同體》，《探索與爭鳴》2020年第4期。。頂層的制度設計和社會公眾的參與意愿構(gòu)成的雙重動力，為建立責任共擔、互信協(xié)作的風險治理共同體提供了可能性?？傊鹿谝咔轱L險的考驗，在一定程度上推動了這種可能性成為現(xiàn)實。

在社交網(wǎng)絡日益融入人們生活的信息時代，探討如何最大限度地發(fā)揮網(wǎng)絡公眾參與在風險治理共同體中的積極作用，同時抑制其消極作用，具有重要的現(xiàn)實意義。政策制定者應爭取在鼓勵網(wǎng)絡公眾參與的同時，避免托克維爾的“多數(shù)人的暴政”和勒龐的所謂“烏合之眾疊加的愚蠢”[3]成伯清：《新媒體之新空間：從大眾到公眾》，《探索與爭鳴》2016年第11期。。在實踐層面，第一，需要政府部門與平臺方進一步展開深入合作，加強對不實和極端信息的平臺治理。目前世界各國對網(wǎng)絡虛假信息的解決方案主要包括兩大類：對個人的賦能和基于平臺的算法治理[4]David M.J.Lazer,Matthew A.Baum,Yochai Benkler,et el.,"The Science of Fake News",Science,2018,359(6380),pp.1094-1096.。政府應利用政務微博等多種渠道及時滿足公眾對重大公共事件的信息需求，從而減少流言傳播的空間。同時要推動社交媒體平臺改進推薦算法，增強用戶信息來源的異質(zhì)性，增強網(wǎng)民的謠言辨識能力，提升網(wǎng)民的信息素養(yǎng)。第二，政府相關(guān)部門要更加重視面向公眾的風險溝通，利用融媒體、電子政務等多種平臺提升信息公開的質(zhì)量、速度與透明度。面對風險及時啟動危機議程、傳遞重要信息，迅速提升公眾的風險認知。第三，積極響應網(wǎng)絡平臺上匯聚的公眾需求，面對輿情熱點及時回應，消除公眾疑慮，維護政治信任和政府公信力。第四，完善網(wǎng)絡公眾參與的制度建設，推動有序參與。提供議程設置，允許和鼓勵圍繞風險治理的理性表達和有序溝通，讓社交媒體平臺成為政府與公眾之間積極互動、凝聚共識的公共空間?？傊?，政府防控措施和網(wǎng)絡公眾參與，是我國有效控制疫情蔓延的政策機制和社會機制，二者在疫情風險治理中發(fā)揮著復雜的交互作用。在未來的風險治理研究中，可以繼續(xù)探索兩種機制的具體互動過程及其帶來的社會影響。