为了深入理解新冠疫情和防疫政策对民众幸福感和生活的影响，深圳市人工智能与机器人研究院及香港中文大学（深圳）校长讲座教授贾建民、清华大学文科资深教授薛澜和博士生袁韵、香港大学副教授贾轼等组成的研究团队，采用机器学习与回归分析相互结合的方法，对近期收集的覆盖全国256个城市和各类社会群体的3098个调查样本进行分析研究。

　　结果显示，对民众春节幸福感贡献最大的前5个因素依次为：春节与亲人团聚、央视春晚、家庭收入、身体健康以及北京冬奥会。

　　与此同时，今年春节前后，新冠疫情在国内多个城市呈散点式爆发状态，影响了人们传统的过年方式。分析显示，今年“就地过年”和“返乡探亲过年”两个群体的春节幸福感基本相同。但对于那些个人感知风险较高、所在城市内有中高风险区域、处在封控区、管控区以及防范区、健康码颜色异常的人群，他们的春节幸福感遭受到了疫情显著的负面影响。

　　调查结果显示，春节期间各地收紧疫情防控措施减少了大约1/4原有计划出行的人群。在调查中，虎年春节选择“就地过年”的人群占比为76.06%，但在春节前对同一批受调人员的调查显示，计划选择“就地过年”的人群占比仅为49.47%。

　　从调查数据来看，“就地过年”和“返乡探亲过年”均介于“比较开心”与“开心”之间，但机器学习和回归分析显示，“就地过年”群体实际的春节幸福感还是略低于“返乡探亲过年”的群体，特别是那些由于健康码异常而“就地过年”人群的春节幸福感要显著低于“返乡探亲过年”的群体。

　　“实际上这两类群体在防疫行为、负面情绪、以及对春节团聚、春晚和冬奥等的看法上都存在显著差异，因此，通过控制各种因素影响的模型估计可以提供更加深入的洞察。”贾建民指出。

　　调查结果还表明，“就地过年”和“返乡探亲过年”两个群体在主观福祉（包括近期愉悦感、生活幸福感和生活满意度）方面没有显著差异。

　　同样，春节团聚、央视春晚和北京冬奥给民众的主观福祉带来了显著的正面影响，而感知风险、城市内存在中高风险地区、健康码颜色异常等疫情因素给主观福祉产生了显著的负面影响。机器学习分析显示，身体健康状态良好、经济收入水平高是决定民众福祉最重要的因素；另外，各种防护行为也对民众的主观福祉以及春节幸福感有正面贡献。

　　调查结果显示，影响民众感知风险的各种因素及影响强度和方向，其贡献度最大的是日常活动，包括去省外旅行、看电影演出、参加社交聚会、餐馆就餐等。

　　封控区、管控区和防范区、以及健康码颜色异常等因素会显著提升人们的感知风险；年龄越大、身体健康越好、经济收入越高的群体感知风险越低；另外，春节团聚会增加感知风险，而央视春晚、北京冬奥会、“就地过年”会降低感知风险。

　　调查显示，92.44%的受调者都倾向于支持“动态清零”政策。机器学习分析显示，那些对“动态清零”政策持支持态度、以实际行动支持防疫工作（例如愿意提供个人信息、采取防护行为、“就地过年”）、并且处于中高风险城市直接经历疫情的群体对本地防控政策与措施的满意度更高。同时，央视春晚、北京冬奥会和春节团聚等活动也会提高人们的政策满意度，而感知风险和健康码异常会降低政策满意度。

　　在调查的最后，研究人员列出了这一“疫情对您的影响反映在哪些方面？”开放性问题，92.3%的受调者进行了文本回复。词频统计结果显示，出行、工作、旅游、生活......在这些回答中，涉及外出和旅游相关的主题词占比46.78%，工作和学习占比22.95%，防疫政策和措施占比22.50%，社交聚会占比12.35%，回家探亲占比12.28%，经济消费占比8.12%。

　　“可以看出，新冠疫情对民众的广泛影响涉及物流、生活节奏、薪资待遇、就业机会、裁员、培训、考试和婚礼等诸多方面。但文本情感分析结果显示，广大民众仍然保持着相对积极的正面情绪，对生活充满希望，积极克服疫情所带来的各种困难。”贾建民说。

　　他表示，以上的调查分析说明了，新冠疫情和政府的防疫工作及政策直接影响着民众的生活福祉以及春节幸福感。今后的疫情工作需要进一步权衡好疫情风险与民众福祉，促进防疫工作更加精细化、人性化、科学化。

　　贾建民介绍，研究基于调查数据，将可解释性机器学习模型与回归分析方法相互结合，能够更加准确地探究各种因素对虎年春节幸福感，以及疫情感知风险的影响大小和方向。