EN中文

地球信息科学学报 >

2024 , Vol. 26 >Issue 2: 530 - 541

DOI: https://doi.org/10.12082/dqxxkx.2024.220165

用户情绪感知研究

中国城市居民心理压力程度时空格局及与休闲设施供给的关系

  • 高非凡 , 1 ,
  • 刘逸 , 2, 3, * ,
  • 李志刚 1
展开
  • 1.武汉大学城市设计学院，武汉 430072
  • 2.中山大学旅游学院，广州 510275
  • 3.可持续旅游智能评测技术文化和旅游部重点实验室，珠海 519082
*刘 逸（1980— ），男，广东汕头人，博士，副教授，博士生导师，主要从事旅游经济地理研究。 E-mail:

高非凡（1998— ），女，河北廊坊人，硕士生，主要从事城市休闲与健康城市研究。E-mail:

Copy editor: 蒋树芳 黄光玉

收稿日期: 2022-04-09

  修回日期: 2022-09-05

  网络出版日期: 2024-03-27

基金资助

国家自然科学基金项目(42271182)

广东省哲学社会科学规划项目(GD20SQ21)

收起

Spatial-temporal Pattern of Residents' Psychological Distress Degree and its Relationship with Leisure Facilities in China

  • GAO Feifan , 1 ,
  • LIU Yi , 2, 3, * ,
  • LI Zhigang 1
Expand
  • 1. School of Urban Design, Wuhan University, Wuhan 430072, China
  • 2. School of Tourism Management, Sun Yat-sen University, Guangzhou 510275, China
  • 3. Key Laboratory of Sustainable Tourism Smart Assessment Technology, Ministry of Culture and Tourism, Zhuhai 519082, China
*LIU Yi, E-mail:

Received date: 2022-04-09

  Revised date: 2022-09-05

  Online published: 2024-03-27

Supported by

National Natural Science Foundation of China(42271182)

Philosophy and Social Sciences Planning Project of Guangdong Province(GD20SQ21)

Fold

摘要

随着近年我国全面进入高质量发展阶段，高水平的城市休闲供给愈加重要。面向“人民对美好生活的向往”，系统探究城市休闲设施供给与居民心理健康的关系具有重要意义。为此，本文提出地区“心理压力指数”（Psychological Distress Index，简称PDI）这一概念，以城市为基本单元，基于百度搜索指数进行测算，刻画了2011—2019年PDI的时空分布格局，在控制经济、人口和环境等因素的基础上，通过回归模型探究PDI与休闲设施供给的关系。研究发现：① 从时间来看，近年来全国和分地区的PDI都呈现明显的上升趋势；② 从空间来看，越发达地区的PDI通常越高，PDI在全国呈现“东-中-东北-西”递减特征，并且从沿海向内陆形成了高-高、低-高、高-低、低-低的集聚格局；③ 通过逐步回归发现PDI与夜间商业休闲设施（夜宵、酒吧、KTV）和公共休闲设施（公园）的供给水平显著相关，而与日间商业休闲设施（商场、影剧院）的关系不显著，其中，夜宵设施密度和PDI显著正相关，酒吧密度、KTV密度和人均公园数和PDI显著负相关。本文应用大数据初步揭示了居民心理健康水平和不同类型休闲设施供给的关系，为打造健康城市提供了新的研究视角。未来应完善城市休闲谱系，丰富休闲设施供给，以满足居民对高质量休闲的需求，促进居民心理健康。

关键词： 心理健康; 心理压力; 商业休闲设施; 公共休闲设施; 夜生活; 百度指数; 时空特征; 逐步回归

本文引用格式

高非凡 , 刘逸 , 李志刚 . 中国城市居民心理压力程度时空格局及与休闲设施供给的关系[J]. 地球信息科学学报, 2024 , 26(2) : 530 -541 . DOI: 10.12082/dqxxkx.2024.220165

Abstract

With China entering the stage of high-quality development in an all-round way, high-level urban leisure supply becomes increasingly important. It is of great significance to systematically explore the relationship between urban leisure supply and residents' mental health to meet people's yearning for a better life. Therefore, this paper calculates the residents' Psychological Distress Index (PDI) from 2011 to 2019 based on Baidu index, applies spatial autocorrelation analysis to specify the spatial-temporal pattern of PDI, and uses stepwise regression analysis to further explore the relationship between PDI and leisure facilities with economic, population, and environmental factors controlled. The results show that: (1) In recent years, the PDI of the whole country and sub-regions has been rising continuously; (2) The more developed the region/city, the higher the PDI of residents. PDI presents a decreasing pattern of East-Central-Northeast-West. It also shows a significant spatial agglomeration, with high-high, low-high, high-low, and low-low agglomeration patterns from the coast to the inland; (3) PDI is significantly associated with the supply level of commercial leisure facilities at night (e.g., midnight snack, bar, and KTV), but not significantly associated with that in the daytime (e.g., shopping mall and cinema). The density of midnight snack, which reflects the degree of overtime work, is significantly positively associated with PDI. While as typical nightlife places, the densities of bars and KTV are significantly negatively associated with PDI. Besides, typical public leisure facilities (e.g., park) can effectively alleviate PDI. This study tentatively verifies the correlation between residents' PDI and different leisure facilities. Such effort offers a better understanding of urban health problem and how to cure it. It is important to improve the pedigree and enrich the supply of urban leisure facilities, so as to meet residents' demand for high-quality leisure life and promote their mental health.

Key words： mental health; psychological distress; commercial leisure facilities; public leisure facilities; nightlife; Baidu index; spatial-temporal pattern; stepwise regression analysis

1 引言

在快节奏的城市生活中，社会生存压力加剧，居民备受抑郁、焦虑和压力等心理问题的困扰[1]。2018年发布的《中国城镇居民心理健康白皮书》显示，中国城镇居民处于心理亚健康状态的占比高达73.6%，存在不同程度心理问题的居民占比16.1%，而心理健康的居民仅有10.3%[2]。心理健康包括积极情绪和消极情绪2个方面[3-4]，消极情绪也被称为“心理压力”（Psychological Distress）[4⇓⇓-7]。现有研究对于心理健康数据的获取多是以问卷调查的形式，通过量表进行测度[8⇓⇓-11]。常见的心理健康量表包括：涵盖积极和消极情绪的12项一般健康问卷（GHQ-12）[3]、积极消极情感量表（PANAS）[4]等，侧重积极情绪的世界卫生组织5项身心健康指标（WHO-5）[12]，以及聚焦消极情绪的抑郁-焦虑-压力量表（DASS-21）[5]、凯斯勒心理困扰量表（K10）[6]、症状自评量表（SCL-90）[7]等。总体而言，通过量表获取心理健康数据多应用于特定时间范围内的小尺度的邻里效应研究，这类研究更加聚焦于“个体”，有利于深入剖析心理健康问题。但也由于限制了特定的时间（截面数据）、地点（小尺度）和人群（小样本），难以揭示我国居民整体心理健康水平的时空演化特征。
随着互联网的快速发展，通过搜索引擎在线搜寻健康信息逐渐成为居民主动获取健康信息的首选渠道[13-14]。谷歌趋势（Google Trends）能够基于谷歌搜索显示世界各地区某一特定搜索项的搜索量，被国外学者广泛应用于心理健康水平的时空分布特征研究[15]，用以表征心理压力水平的典型搜索项包括“depression”（抑郁）、“anxiety”（焦虑）和“stress”（压力）等[16⇓⇓-19]。国内学者则基于百度指数初步探索居民心理健康问题，例如，刘逸等[20]在省域尺度，研究了疫情期间我国公众心理韧性的空间特征；Chen等[21]在地级市尺度刻画了我国居民焦虑指数的空间分布特征，探索了PM2.5暴露和焦虑指数的关系。总体而言，通过搜索大数据测度“群体”心理健康水平是一种低成本、高时效性、避免污名化的科学方法[15]，该方法已在国外研究中得到推广，但是在国内研究中仍较少应用。
当前居民的心理压力主要来源于经济、人口和环境等方面，具体表现为：过高的生活成本[22]、失业率[23]和房价[24]会降低居民的主观幸福感；较大的人口规模、较高的人口密度会加剧“城市病”，导致交通拥挤、资源紧缺和治安混乱等问题，不利于居民心理健康[25-26]；空气污染会引发居民负面情绪，PM2.5浓度越高的城市，居民的焦虑程度[21]和自杀风险[27]显著越高。如何缓解居民心理压力、促进心理健康成为亟待解决的重要科学问题[11,28]。
休闲作为一种人们在自由支配时间里进行的放松身心的行为，是缓解心理压力、促进心理健康的有效途径[29-30]。心理学对于心理健康和休闲设施关系的讨论主要集中在环境心理学领域，相关研究基于注意力恢复理论（Attention Restoration Theory）和减压理论（Stress Reduction Theory）证实了良好的休闲环境和丰富的休闲设施对情绪有明显的调节作用，能够促进积极情绪，缓解消极情绪[31⇓⇓-34]。随着我国全面迈入高质量发展阶段，人民对美好生活的向往日益凸显，对休闲的需求也愈加迫切[35]。休闲设施的健康效应成为当前城市研究的重要议题，已有研究从公共休闲设施和商业休闲设施2个方面，讨论了居民心理健康和城市休闲设施的关系[8,36-37]。
公共休闲设施是由政府部门和社会团体拨款建设的非营利性、非消费型休闲设施，包括公园、绿地等场所[37]。已有研究重点讨论了公园绿地对心理健康的影响，例如社区周边的绿色开放空间属于恢复性环境，具有缓解压力的功能[33]；还能有效提高居民的体育锻炼水平，有益于身心健康[38-39]。此外，公共休闲设施还为居民提供了社会交往场所，能够重塑公共生活、增进文化交流、提升社会认同。例如，绿色空间有利于维系良好的邻里关系，可以帮助居民降低孤独感[9]，提升社区认同感[10]，有助于心理健康。因此，公共休闲设施对心理健康的积极效用已被广泛认可。
商业休闲设施是由商业机构或企业投资建设的营利性、消费型休闲设施，包括餐饮、购物、娱乐和文化等类型的休闲场所[37]。部分学者认为商业休闲设施对促进心理健康有积极意义。例如，社区周边便利的购物和餐饮设施能够有效提高居民满意度和幸福感，有益于心理健康[11]；酒吧是快节奏的城市生活中慢节奏的象征，居民在此可以放松身心、享受时光[40]；俱乐部和主题吧为居民提供了平等交流的活动场所，淡化了阶级差异，有益心理健康[41]；休闲动机的研究表明，居民前往KTV的主要动机是放松心情、缓解压力和社会交往[42]；影剧院满足了居民对文化娱乐消费的需求，提供了终极视听享受，有助于放松身心[43]。但是，也有研究指出部分商业休闲设施会给居民的身心健康带来负面影响。例如，酒吧、KTV和夜总会等场所附近犯罪行为频发，易引发居民心理压力[44-45]，城市中心商业和娱乐场所聚集带来的噪音和拥挤会降低居民幸福感[46]。由此可见，不同类型的商业休闲设施对居民心理健康存在差异化影响，并且研究结论存在一定的不一致性。
通过总结已有文献发现，当前研究缺乏在城市尺度对我国居民心理健康水平时空分布格局的探索。相较而言，对于捕捉大尺度、群体心理健康水平的时空特征，基于搜索引擎的大数据方法明显优于基于问卷调查的小数据方法[20-21]。在心理健康和休闲设施的关系方面，已有研究就公共休闲设施开展了大量实证，并且得到了相对一致和比较成熟的结论，即公园、绿地能够促进心理健康[9-10,33,38-39]。但是，针对商业休闲设施的研究相对较少，而且研究结论存在不一致性，商业休闲设施对心理健康究竟是促进作用还是抑制作用仍不明确。一方面，商业休闲设施丰富了居民的休闲生活，缓解了心理压力[11,40⇓⇓-43]；另一方面，部分商业休闲设施会诱发不良的生活方式，还伴随着噪音和拥挤等负面效应，加剧了心理压力[44⇓-46]。此外，不同类型的休闲设施具有不同的功能，能差异化地反映人们日常生活的不同需求[37]。因此，有必要分别讨论居民心理健康水平和不同类型休闲设施供给之间的关系。
综上所述，本文提出地区“心理压力指数”（Psychological Distress Index，PDI）这一概念，基于百度搜索指数在全国范围以城市为基本单元进行测算，旨在探究心理压力指数的时空分布格局，以及心理压力指数和休闲设施供给的关系，为促进居民心理健康提供依据，助力健康城市发展。本文的研究框架如图1所示。基于已有研究，本文认为心理压力包括抑郁、焦虑和压力3个维度[4⇓⇓-7]。经济压力、人口压力和环境压力是导致心理压力的主要原因[21⇓⇓⇓⇓⇓-27]。公共休闲设施对心理压力有调节作用，能有效缓解心理压力[9-10,33,38-39]。而在“供需关系”的作用下，心理压力和商业休闲设施可能存在双向互动关系[47]。从供给的视角看，丰富多元的商业休闲设施调剂了居民生活，对心理压力有调节作用；从需求的视角看，商业休闲设施供给通常会根据市场需求进行调整，即当居民心理压力较高时，休闲需求也相应增加，从而刺激商业休闲设施供给增加。
图1 研究框架

Fig. 1 Research framework

2 研究设计

2.1 研究方法

本文基于当前被广泛应用于心理健康研究中的百度搜索指数测算我国居民心理压力指数，通过空间自相关分析来刻画心理压力指数的空间分布特征，采用逐步回归分析来探索心理压力指数和休闲设施的关系。

2.1.1 心理压力指数计算方法

本文基于百度指数计算心理压力指数。百度是目前全球最大、我国应用最普及的中文搜索引擎[48]。百度指数是目前应用最为广泛的词频搜索大数据平台，其中的搜索指数以网民在百度的搜索量为数据基础，以关键词为统计对象，科学分析并计算出各个关键词在百度网页搜索中搜索频次的加权，可以有效表示关键词在网络搜索中的相对数量差异（而非实际搜索量），目前在心理健康研究中已经得到认可[20-21]。在关键词选取方面，根据心理健康量表[4⇓⇓-7]和基于搜索引擎大数据的实证研究[16⇓⇓-19]，心理压力通常包含抑郁、焦虑和压力3个维度。因此，本文将“抑郁”、“焦虑”和“压力”确定为搜索项，综合评估心理压力指数。在时间段选取方面，由于心理压力是一种持续的心理状态[49]，而网络搜索关键词体现为瞬时行为，为了削弱某一搜索项短期爆发效应的干扰，客观呈现各搜索项在长期平稳状态下的综合搜索指数，使心理压力指数在横向（同一时期不同城市间）和纵向（同一城市不同时期）具有科学的对比意义，本文以一个自然年为一个完整周期，收集了2011—2019年的数据。综上，本文构建了“心理压力指数”，公式如下：
P D I i = ∑ j = 1 n S i j
式中： P D I i是第i个城市的心理压力指数； S i j是第i个城市第j个搜索项的整体日均值（一段时间内该搜索项在PC端和移动端的搜索指数日均值）；n是搜索项数量。

2.1.2 空间自相关分析

通过空间自相关分析呈现心理健康在城市尺度的空间集聚特征已被应用于科学研究[50-51]。本文通过全局莫兰指数（Global Moran's I）测算心理压力指数空间自相关性的整体水平，公式如下[52]：
I = n ∑ i = 1 n ∑ j = 1 n w i j ( x i - x - ) ( x j - x - ) ∑ i = 1 n ∑ j = 1 n w i j ∑ i = 1 n ( x i - x - ) 2
式中： I是全局莫兰指数； n是地区总数； x i和 x j分别是地区i和j的心理压力指数； x -是平均值； w i j是空间权重矩阵。
通过局部莫兰指数（Local Moran's I）反映心理压力指数的空间集聚特征，公式如下[52]：
I j = z i ∑ i w i j z j
式中： I j是地区j的局部莫兰指数； z i和 z j分别是地区i和j心理压力指数的标准化值； w i j是空间权重矩阵。

2.1.3 逐步回归分析

已有研究主要通过建立回归模型识别心理健康和休闲设施之间的量化关系，根据研究内容涉及逻辑回归、线性回归等方法[11,38-39,53]。逐步回归分析是建立最优线性回归模型的重要方法之一，能够从大量可供选择的自变量中筛选出最重要的自变量，其基本思想是将自变量逐个引入，所有变量可进可出[54]。因此，本文采用逐步回归探究心理压力指数和不同类型休闲设施供给的关系，具体步骤如下：① 以2019年心理压力指数为因变量，分别对所有自变量进行简单回归；② 引入对心理压力指数解释程度最高的自变量；③ 逐步引入其余自变量，并剔除不显著的自变量；④ 筛选出对心理压力指数既有重要影响又不存在严重多重共线性的自变量。

2.2 研究区域和数据来源

在分析心理压力指数的时空分布特征时，研究时间段为2011—2019年，研究区域为全国31个省（自治区、直辖市），不含港澳台地区，共计367个基本单元，包括4个直辖市、333个地级行政单元（包括293个地级市、7个地区、30个自治州和3个盟）和30个省直辖县级行政单位。在建立回归模型时，由于数据可获取性问题，研究区域为全国296个城市（包括4个直辖市和292个地级市，不含三沙市）。因变量是2019年的心理压力指数。自变量是休闲设施供给水平，参考魏小安等[55]的分类，将商业休闲设施归纳为餐饮类（夜宵[56]）、购物类（商场[57]）、娱乐类（酒吧[40]、KTV[42]）和文化类（影剧院[43]），采用各设施的建成区密度衡量供给水平；公共休闲设施指标包括人均公园数、人均公园绿地面积和建成区绿地率[8]。此外，将经济压力（人均GDP[58]、在岗职工平均工资[23]、城镇登记失业率[23]和二手房均价[24]）、人口压力（人口密度[25]）和环境压力（PM2.5年均浓度[21]）作为控制变量纳入回归模型。各变量的描述性统计结果见表1，所有自变量的VIF值均小于4，故不存在多重共线性。
表1 变量描述性统计结果

Tab. 1 Descriptive statistics of variables

变量类别 变量 数据来源 数据年份 平均值 标准差 VIF
心里压力 心理压力指数 百度指数(https://index.baidu.com/) 2019 127.59 122.14 -
商业休闲设施 夜宵密度/(个/km2) 美团网(https://www.meituan.com/) 2020 72.54 51.10 1.985
商场密度/(个/km2) 美团网(https://www.meituan.com/) 2020 2.10 1.53 1.541
酒吧密度/(个/km2) 美团网(https://www.meituan.com/) 2020 1.48 1.28 1.996
KTV密度/(个/km2) 美团网(https://www.meituan.com/) 2020 1.05 0.56 1.554
影剧院密度/(个/km2) 美团网(https://www.meituan.com/) 2020 0.16 0.47 1.029
公共休闲设施 人均公园数/(个/百万人) 《中国城市建设统计年鉴-2019》[59] 2019 11.60 17.17 1.393
人均公园绿地面积/m2 《中国城市建设统计年鉴-2019》[59] 2019 14.99 4.43 1.168
建成区绿地率/% 《中国城市建设统计年鉴-2019》[59] 2019 37.37 4.17 1.290
经济压力 人均GDP/(元) 《中国城市统计年鉴-2020》[60] 2019 62 999.46 35 924.66 2.747
在岗职工平均工资/元 《中国城市统计年鉴-2020》[60] 2019 78 261.12 17 281.43 2.629
城镇登记失业率/% 中经数据(https://ceidata.cei.cn/) 2019 2.81 0.75 1.365
二手房均价/(元/m2) 安居客(https://www.anjuke.com/) 2020 9 049.85 6 961.47 3.937
人口压力 人口密度/(人/km2) 红黑人口库(https://www.hongheiku.com/) 2020 490.07 721.58 2.479
环境压力 PM2.5年均浓度/(ug/m3) 《中国城市统计年鉴-2020》[60] 2019 37.79 12.73 1.446

3 结果及分析

3.1 心理压力指数的时空分布特征

本部分揭示了居民心理压力指数的时空分布特征，对比了不同地区和不同城市等级之间心理压力指数的差异。2011—2019年全国、不同地区和不同城市等级心理压力指数的平均值变化趋势见 图2。总体来看，全国城市心理压力指数的平均值呈现明显的上升趋势，说明随着社会经济的快速发展，我国居民心理压力程度显著提升。不同地区[61]的变化趋势见图2（a），2013年以来一直保持明显的“东-中-东北-西”递减格局，东部地区居民的心理压力指数最高，并且显著高于其他3个地区；中部地区次之，略低于全国平均水平；东北地区和西部地区的心理压力指数相对较低。不同城市等级[62]的变化趋势见图2（b），从一线城市到五线城市，心理压力指数呈现有规律地递减趋势。可以看出，居民心理压力指数的确与城市综合发展水平息息相关，发达地区的居民往往承受着更大的心理压力，与常识认知基本一致。
图2 2011—2019年不同地区和不同城市等级的心理压力指数平均值分布

Fig. 2 Distribution of the mean of Psychological Distress Index in different regions and cities from 2011 to 2019

2019年心理压力指数的空间格局见图3。采用自然断点法，把全国城市分为5大类：低值区（PDI ≤ 50）、中低值区（50 < PDI ≤ 119）、中值区（119 < PDI ≤ 213）、中高值区（213 < PDI ≤ 361）和高值区（PDI > 361），如图3（a）所示。总体而言，心理压力指数呈现东高西低的分布特征，从东部沿海地区向内陆递减。通过空间自相关分析进一步探索心理压力指数的空间特征。2019年心理压力指数的Moran's I为0.291，且在1%水平上显著，表明心理压力指数存在显著的正空间自相关性。心理压力指数的空间集聚特征如图3（b）所示，心理压力指数的高-高集聚区主要分布于东部沿海地区，以京津冀、长三角、珠三角和山东半岛城市群为代表，这些城市的生活节奏快、工作压力大，并且城市之间发展水平比较接近，造成居民心理压力普遍偏高。低-高集聚区大多紧挨东部高值区，其心理压力指数显著低于周边城市，说明生活压力相对较小。高-低集聚区主要位于西部地区，以直辖市（重庆）和省会城市（兰州、西宁、乌鲁木齐、南宁、海口）为典型，这些城市的心理压力指数明显比周边地区高。由于西部地区整体发展较落后，省会城市和周边城市的发展出现断层——省会城市经济发展更好，同时生活和工作压力也更大——因此形成了高-低集聚的格局。低-低集聚区大规模集中在西部地区，这些地区的发展相对落后，生活压力较小，因此心理压力指数偏低。由此可见，心理压力指数存在显著的空间集聚现象，从沿海向内陆形成了高-高、低-高、高-低、低-低的空间集聚格局，基本符合城市等级体系特征。
图3 2019年心理压力指数的空间格局

注: (1)该图基于自然资源部标准地图服务网站下载的审图号为GS(2019)1697号的标准地图制作，底图无修改; (2)由于数据获取困难，本次研究不包括港澳台地区; (3)括号内数值为城市数量。

Fig. 3 Spatial pattern of Psychological Distress Index in 2019

3.2 心理压力指数和休闲设施供给的关系

根据2019年的心理压力指数和表1中休闲设施、经济压力、人口压力和环境压力等维度的14个变量进行多元逐步回归分析。模型拟合过程如表2所示，每个模型都在前一个模型的基础上，引入一个新的变量，并未剔除已纳入模型的任何变量。在模型9中，最终确定二手房均价、PM2.5年均浓度、人均GDP、夜宵密度、人均公园数、KTV密度、人口密度、在岗职工平均工资和酒吧密度9个变量作为心理压力指数的解释变量，此时回归模型的拟合度达到最优（R2=0.695）。可以看出，夜间商业休闲设施（夜宵、KTV和酒吧）均被纳入回归模型，而日间商业休闲设施（商场和影剧院）均被排除，公共休闲设施中仅有人均公园数被纳入回归模型。
表2 逐步回归拟合过程

Tab. 2 Fitting process of the stepwise regression

模型 输入的变量 剔除的变量 R R2 调整R2 F 显著性
模型1 二手房均价 - 0.748 0.560 0.558 374.158 0.000
模型2 PM2.5年均浓度 - 0.784 0.615 0.612 233.710 0.000
模型3 人均GDP - 0.806 0.649 0.645 179.965 0.000
模型4 夜宵密度 - 0.812 0.659 0.654 140.387 0.000
模型5 人均公园数 - 0.817 0.668 0.663 116.834 0.000
模型6 KTV密度 - 0.823 0.678 0.671 101.349 0.000
模型7 人口密度 - 0.827 0.684 0.677 89.149 0.000
模型8 在岗职工平均工资 - 0.830 0.689 0.681 79.576 0.000
模型9 酒吧密度 - 0.834 0.695 0.685 72.349 0.000
模型9的具体拟合结果如表3所示。经济压力、人口压力和环境压力作为控制变量，均和心理压力指数显著相关。经济越发达、人口密度越大、空气质量越差的城市，居民心理压力指数越大，印证了已有研究结论[21-22,24-25]。根据标准化回归系数，经济压力特别是住房负担（二手房均价的标准化系数为0.382，在所有变量中最大）是导致心理压力最重要的因素。本文重点关注的休闲设施也和心理压力指数显著相关，具体分析如下：
表3 多元回归模型拟合结果

Tab. 3 Estimation results of multiple regression model

输入量 未标准化系数 标准化系数 t值 显著性 VIF
B 标准误
常量 -122.251 32.910 - -3.715 0.000 -
夜宵密度 0.482 0.106 0.202 4.552 0.000 1.838
酒吧密度 -9.700 4.251 -0.101 -2.282 0.023 1.854
KTV密度 -15.553 8.560 -0.072 -1.817 0.070 1.466
人均公园数 -0.984 0.271 -0.138 -3.628 0.000 1.364
人均GDP 0.001 0.000 0.179 3.520 0.001 2.420
在岗职工平均工资 0.001 0.000 0.146 2.759 0.006 2.621
二手房均价 0.007 0.001 0.382 6.005 0.000 3.791
人口密度 0.025 0.008 0.146 2.969 0.003 2.260
PM2.5年均浓度 1.724 0.373 0.180 4.623 0.000 1.416
从商业休闲设施来看，夜间商业休闲设施（夜宵、酒吧和KTV）和心理压力指数的关系比较紧密。其中，夜宵密度和心理压力指数在1%水平上显著正相关，标准化回归系数为0.202，在所有休闲设施中最大，说明二者的关系最为紧密。由于高压的996甚至007加班文化，很多上班族经常工作到深夜才下班，并且加餐吃夜宵[63]。夜宵供给匹配了居民的消费需求，即夜宵密度在一定程度上反映了该城市的加班程度，而加班程度越高的城市，居民的心理压力往往越大[64]。此外，酒吧密度和KTV密度与心理压力指数显著负相关，说明夜间休闲娱乐场所供给较多的城市，居民的心理压力指数较低。当今社会居民的夜间活动时间拉长，酒吧和KTV等新兴夜生活场所不仅具有休闲娱乐的作用，还能为居民提供社交平台，这对促进社会交往、缓解心理压力至关重要[40⇓-42]。
从公共休闲设施来看，人均公园数和心理压力指数在1%水平上显著负相关，说明人均公园数量越多的城市，居民心理压力越小。城市公园是一个集放松身心、体育锻炼和社会交往于一体的公共休闲空间，有助于缓解心理压力[9-10,33,38-39]。现有研究多基于社区邻里尺度得出该结论[8⇓⇓-11]，而本文在城市尺度验证了公园对心理健康的积极效用。
综上所述，本文选取的变量可以较好地解释心理压力指数。经济、人口和环境因素作为控制变量对心理压力指数有显著影响，夜间商业休闲设施（包括夜宵、酒吧和KTV密度）和以人均公园数为代表的公共休闲设施与心理压力指数显著相关。

4 讨论

对于居民心理健康水平的测度，已有研究多基于邻里尺度，以问卷调查的形式通过心理健康量表获取居民个体心理健康水平的截面数据[8⇓⇓-11]。本文突破了传统研究的局限性，基于城市尺度，应用百度指数大数据捕捉居民整体心理健康水平的多时段数据。该方法覆盖范围更广泛、数据收集更高效，能够从更宏观的角度刻画我国居民心理压力指数的时空分布特征，有助于更好地认识城市健康问题。
对于居民心理健康和休闲设施供给的关系，已有研究多关注公园、绿地等公共休闲设施的健康效应，但是相对忽视商业休闲设施[33-34]。本文探索了心理健康和不同类型休闲设施之间的关系，丰富了已有研究内容。逐步回归的结果表明：
（1）就商业休闲设施而言，相较于传统日间商业休闲设施（商场、影剧院），新兴夜间休闲娱乐设施（夜宵、酒吧、KTV）和居民心理健康的关系更加紧密。具体来说，本文发现心理压力指数和夜宵密度正相关，这在一定程度上反映出当前社会现状——人们的工作时间不断延长，吃夜宵的需求持续提升，进而催生出更多的夜宵供给；这些夜间消费者通常工作压力较大，睡眠质量较差，存在更高的心理健康隐患[63]。目前学界缺乏对心理健康和夜宵之间关系的探讨，本文通过定量的手段初步揭示了二者的相关关系。此外，心理健康和夜生活场所的关系存在一定争议。部分学者认为酒吧和KTV等夜生活场所的高度集聚会加剧城市空间失序，引发暴力行为和药物滥用等一系列社会问题，这些不利于心理健康[44-45]。更多研究表明丰富的夜生活场所为居民提供了惬意的休闲空间、开放的社交空间，有助于宣泄情绪、放松心情[40⇓-42,56]。但是已有研究多为质性分析，缺乏量化表达。本研究发现心理压力指数和酒吧、KTV显著负相关，从量化的角度进一步验证了心理健康和夜生活场所之间的积极联系。
（2）就公共休闲设施而言，本文发现心理压力指数和人均公园数显著负相关，在城市尺度印证了已有研究结论[8⇓⇓-11]。这说明无论是在邻里尺度还是城市尺度，绿色空间对心理健康的积极作用都是不容忽视的。

5 结论

本文以城市为基本研究单元，基于百度搜索指数计算居民心理压力指数，揭示了心理压力指数的时空分布格局，探索了心理压力指数和不同类型休闲设施供给的关系，主要结论如下：
（1）从时间特征来看，2011—2019年全国和分地区的心理压力指数都呈现明显的上升趋势。说明近年来城市生活压力不断增大，人们越来越受到抑郁、焦虑和压力等心理问题的困扰。
（2）从空间特征来看，越发达地区的居民心理压力指数越高，心理压力指数在全国呈现“东-中-东北-西”递减格局；心理压力指数与城市等级体系高度吻合，从一线城市到五线城市依次递减；心理压力指数存在明显的空间集聚特征，从沿海向内陆形成了高-高、低-高、高-低、低-低的集聚格局，高-高集聚以京津冀、长三角、珠三角和山东半岛城市群为典型，低-高集聚紧挨东部高值区，高-低集聚以西部地区省会城市为主，低-低集聚大范围分布于西部地区。
（3）通过逐步回归分析在城市尺度证实了经济、人口和环境压力对心理压力的影响，并且发现夜间商业休闲设施（夜宵、酒吧、KTV）和公共休闲设施（公园）能够很好地反映心理压力指数，而日间商业休闲设施（商场、影剧院）和心理压力指数的关系并不显著。其中，反映加班程度的夜宵设施密度和心理压力指数显著正相关，酒吧和KTV作为新兴夜间休闲娱乐空间和心理压力指数显著负相关，人均公园数也和心理压力指数显著负相关。
本文应用大数据积极探索居民心理健康水平的测度方法，从城市尺度刻画了我国居民心理压力指数的时间变化趋势和空间分布格局，突破了传统问卷调查方法在样本量和数据时段等方面的局限性；并且通过量化方法从更宏观的视角阐明了心理压力指数和不同类型休闲设施（特别是商业休闲设施）之间的差异化关系，弥补了当前研究相对忽视商业休闲设施的不足。但是本文只是聚焦商业休闲设施供给的数量，采用定量的方法研究了心理健康和商业休闲设施的相关关系，仍然存在一定的不足。未来可以进一步研究以下话题：① 通过质性研究明确心理健康和商业休闲设施的因果关系，挖掘在供需视角下二者的互动影响机制；② 对比商业休闲设施供给的数量和质量对心理健康的影响，研究哪一个因素对促进心理健康更重要；③ 拓展大规模测量心理健康水平的技术手段，发掘新的数据源，形成更加科学、高效的方法。随着“健康中国2030”规划的推进，心理健康问题越来越受到人们的关注和重视。从实践的角度来看，优化城市休闲设施布局，提升城市休闲品质，对促进居民心理健康具有重要意义。未来应增加城市高质量休闲设施供给，完善城市休闲谱系，推进优质生活圈建设，打造健康城市，不断满足人民群众日益增长的美好生活需要。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Vlahov D, Galea S. Urbanization, urbanicity, and health[J]. Journal of Urban Health, 2002, 79(4):S1-S12. DOI:10.1093/jurban/79.suppl_1.S1.

[2]
央视网. 《中国城镇居民心理健康白皮书》正式发布[EB/OL].(2018-04-30) [2022-08-13]. http://jiankang.cctv.com/2018/04/30/ARTIWf496N6d9O0lrIdJM4rG180430.shtml

[ CCTV. The White Paper on Mental Health of Chinese Urban Residents was officially released[EB/OL]. (2018-04-30) [2022-08-13]. http://jiankang.cctv.com/2018/04/30/ARTIWf496N6d9O0lrIdJM4rG180430.shtml

[3]
Goldberg D P, Gater R, Sartorius N, et al. The validity of two versions of the GHQ in the WHO study of mental illness in general health care[J]. Psychological Medicine, 1997, 27(1):191-197. DOI:10.1017/s0033291796004242.

PMID

[4]
Watson D, Clark L A, Tellegen A. Development and validation of brief measures of positive and negative affect: The PANAS scales[J]. Journal of Personality and Social Psychology, 1988, 54(6):1063-1070. DOI:10.1037/0022-3514.54.6.1063

PMID

[5]
Henry J D, Crawford J R. The short-form version of the Depression Anxiety Stress Scales (DASS-21): Construct validity and normative data in a large non-clinical sample[J]. The British Journal of Clinical Psychology, 2005, 44(Pt 2):227-239. DOI:10.1348/014466505X29657

[6]
Andrews G, Slade T. Interpreting scores on the Kessler Psychological Distress Scale (K10)[J]. Australian and New Zealand Journal of Public Health, 2001, 25(6):494-497. DOI:10.1111/j.1467-842x.2001.tb00310.x

PMID

[7]
Derogatis L R, Rickels K, Rock A F. The SCL-90 and the MMPI: A step in the validation of a new self-report scale[J]. The British Journal of Psychiatry, 1976, 128:280-289. DOI:10.1192/bjp.128.3.280

[8]
Grahn P, Stigsdotter U K. The relation between perceived sensory dimensions of urban green space and stress restoration[J]. Landscape and Urban Planning, 2010, 94(3-4):264-275. DOI:10.1016/j.landurbplan.2009.10.012

[9]
Maas J, van Dillen S M E, Verheij R A, et al. Social contacts as a possible mechanism behind the relation between green space and health[J]. Health & Place, 2009, 15(2):586-595. DOI:10.1016/j.healthplace.2008.09.006

[10]
Kemperman A, Timmermans H. Green spaces in the direct living environment and social contacts of the aging population[J]. Landscape and Urban Planning, 2014, 129:44-54. DOI:10.1016/j.landurbplan.2014.05.003

[11]
Guite H F, Clark C, Ackrill G. The impact of the physical and urban environment on mental well-being[J]. Public Health, 2006, 120(12):1117-1126. DOI:10.1016/j.puhe.2006.10.005

PMID

[12]
Topp C W, Østergaard S D, Søndergaard S, et al. The WHO-5 Well-Being Index: A systematic review of the literature[J]. Psychotherapy and Psychosomatics, 2015, 84(3):167-176. DOI:10.1159/000376585

PMID

[13]
Dobransky K, Hargittai E. Inquiring minds acquiring wellness: Uses of online and offline sources for health information[J]. Health Communication, 2012, 27(4):331-343. DOI:10.1080/10410236.2011.585451

PMID

[14]
Lambert S D, Loiselle C G. Health information seeking behavior[J]. Qualitative Health Research, 2007, 17(8):1006-1019. DOI:10.1177/1049732307305199

PMID

[15]
Ayers J W, Althouse B M, Allem J P, et al. Seasonality in seeking mental health information on Google[J]. American Journal of Preventive Medicine, 2013, 44(5):520-525. DOI:10.1016/j.amepre.2013.01.012

PMID

[16]
McCarthy M J. Internet monitoring of suicide risk in the population[J]. Journal of Affective Disorders, 2010, 122(3):277-279. DOI:10.1016/j.jad.2009.08.015

PMID

[17]
Tefft N. Insights on unemployment, unemployment insurance, and mental health[J]. Journal of Health Economics, 2011, 30(2):258-264. DOI:10.1016/j.jhealeco.2011.01.006.

PMID

[18]
Yang A C, Tsai S J, Huang N E, et al. Association of internet search trends with suicide death in Taipei City, Taiwan, 2004-2009[J]. Journal of Affective Disorders, 2011, 132(1-2):179-184. DOI:10.1016/j.jad.2011.01.019

PMID

[19]
Song T M, Song J, An J Y, et al. Psychological and social factors affecting Internet searches on suicide in Korea: A big data analysis of Google search trends[J]. Yonsei Medical Journal, 2014, 55(1):254-263. DOI:10.3349/ymj.2014.55.1.254

PMID

[20]
刘逸, 孟令坤, 曹轶涵, 等. 扩散性危机影响下公众心理韧性空间特征初探[J]. 地理科学, 2020, 40(11):1763-1773.

DOI

[ Liu Y, Meng L K, Cao Y H, et al. Exploring the characters of public psychological resilience under diffusive crisis[J]. Scientia Geographica Sinica, 2020, 40(11):1763-1773. ] DOI:10.13249/j.cnki.sgs.2020.11.001

[21]
Chen B W, Ma W, Pan Y, et al. PM2.5 exposure and anxiety in China: Evidence from the prefectures[J]. BMC Public Health, 2021, 21(1):429. DOI:10.1186/s12889-021-10471-y

[22]
Graham C, Zhou S J, Zhang J Y. Happiness and health in China: The paradox of progress[J]. World Development, 2017, 96:231-244. DOI:10.1016/j.worlddev.2017.03.009

[23]
Florida R, Mellander C, Rentfrow P J. The happiness of cities[J]. Regional Studies, 2013, 47(4):613-627. DOI:10.1080/00343404.2011.589830

[24]
林江, 周少君, 魏万青. 城市房价、住房产权与主观幸福感[J]. 财贸经济, 2012(5):114-120.

[ Lin J, Zhou S J, Wei W Q. Prices of urban real estate, housing property and subjective well-being[J]. Finance & Trade Economics, 2012(5):114-120. ] DOI:10.19795/j.cnki.cn11-1166/f.2012.05.016

[25]
孙三百, 黄薇, 洪俊杰, 等. 城市规模、幸福感与移民空间优化[J]. 经济研究, 2014, 49(1):97-111.

[ Sun S B, Huang W, Hong J J, et al. City size, happiness and spatial optimization of migration[J]. Economic Research Journal, 2014, 49(1):97-111. ]

[26]
符婷婷, 张艳, 柴彦威. 大城市郊区居民通勤模式对健康的影响研究——以北京天通苑为例[J]. 地理科学进展, 2018, 37(4):547-555.

DOI

[ Fu T T, Zhang Y, Chai Y W. Implications of commuting pattern for suburban residents' health in large Chinese cities: Evidences from Tiantongyuan in Beijing[J]. Progress in Geography, 2018, 37(4):547-555. ] DOI:10.18306/dlkxjz.2018.04.010

[27]
Kim C, Jung S H, Kang D R, et al. Ambient particulate matter as a risk factor for suicide[J]. The American Journal of Psychiatry, 2010, 167(9):1100-1107. DOI:10.1176/appi.ajp.2010.09050706

[28]
Melis G, Gelormino E, Marra G, et al. The effects of the urban built environment on mental health: A cohort study in a large northern Italian City[J]. International Journal of Environmental Research and Public Health, 2015, 12(11):14898-14915. DOI:10.3390/ijerph121114898

PMID

[29]
杨振之, 周坤. 也谈休闲城市与城市休闲[J]. 旅游学刊, 2008, 23(12):51-57.

[ Yang Z Z, Zhou K. On leisure city and urban leisure[J]. Tourism Tribune, 2008, 23(12):51-57. ]

[30]
von Lindern E. Perceived interdependencies between settings as constraints for self-reported restoration[J]. Journal of Environmental Psychology, 2017, 49:8-17. DOI:10.1016/j.jenvp.2016.11.004

[31]
Kaplan S. The restorative benefits of nature: Toward an integrative framework[J]. Journal of Environmental Psychology, 1995, 15(3):169-182. DOI:10.1016/0272-4944(95)90001-2

[32]
Ulrich R S. Natural versus urban scenes: Some psychophysiological effects[J]. Environment and Behavior, 1981, 13(5):523-556. DOI:10.1177/0013916581135001

[33]
陈筝, 翟雪倩, 叶诗韵, 等. 恢复性自然环境对城市居民心智健康影响的荟萃分析及规划启示[J]. 国际城市规划, 2016, 31(4):16-26,43.

[ Chen Z, Zhai X Q, Ye S Y, et al. A meta-analysis of restorative nature landscapes and mental health benefits on urban residents and its planning implication[J]. Urban Planning International, 2016, 31(4):16-26,43. ]

[34]
周素红, 黄畅如, 张琳. 城市公园环境对个体恢复性感知的影响及设计启示:以青少年活动环境感知为例[J]. 风景园林, 2021, 28(5):16-22.

[ Zhou S H, Huang C R, Zhang L. Impacts of urban park environment on individual restorative perception and design implications: A case study of adolescent activity environment perception[J]. Landscape Architecture, 2021, 28(5):16-22. ] DOI:10.14085/j.fjyl.2021.05.0016.07

[35]
刘逸, 陈銮, 刘子惠, 等. 基于同位模式的休闲产业空间集聚特征研究[J]. 旅游学刊, 2022, 37(2):94-104.

[ Liu Y, Chen L, Liu Z H, et al. Exploring spatial agglomeration patterns of the leisure industries based on the co-location mining model[J]. Tourism Tribune, 2022, 37(2):94-104. ] DOI:10.19765/j.cnki.1002-5006.2022.02.013

[36]
Iwasaki Y, Mannell R C. Hierarchical dimensions of leisure stress coping[J]. Leisure Sciences, 2000, 22(3):163-181. DOI:10.1080/01490409950121843.

[37]
王宁. 略论休闲经济[J]. 中山大学学报(社会科学版), 2000, 40(3):13-16.

[ Wang N. On the economy of leisure[J]. Journal of Sun Yatsen University (Social Science Edition), 2000, 40(3):13-16. ] DOI:10.3969/j.issn.1000-9639.2000.03.003

[38]
Mobley L R, Root E D, Finkelstein E A, et al. Environment, obesity, and cardiovascular disease risk in low-income women[J]. American Journal of Preventive Medicine, 2006, 30(4):327-332.e1. DOI:10.1016/j.amepre.2005.12.001

PMID

[39]
Jia X J, Yu Y, Xia W N, et al. Cardiovascular diseases in middle aged and older adults in China: The joint effects and mediation of different types of physical exercise and neighborhood greenness and walkability[J]. Environmental Research, 2018, 167:175-183. DOI:10.1016/j.envres.2018.07.003

PMID

[40]
林耿, 王炼军. 全球化背景下酒吧的地方性与空间性——以广州为例[J]. 地理科学, 2011, 31(7):794-801.

DOI

[ Lin G, Wang L J. Placeness and spaciality of bar under globalization: Case of Guangzhou City, China[J]. Scientia Geographica Sinica, 2011, 31(7):794-801. ] DOI:10.13249/j.cnki.sgs.2011.07.005

[41]
Goulding C, Shankar A. Club culture, neotribalism and ritualised behaviour[J]. Annals of Tourism Research, 2011, 38(4):1435-1453. DOI:10.1016/j.annals.2011.03.013

[42]
韩光明. 城市休闲娱乐空间与城市消费文化的对偶规律研究——以西安市消费群体选择KTV休闲场所为例[J]. 消费导刊, 2008(14):12-13.

[ Han G M. Study on the dual law of urban leisure and entertainment space and urban consumption culture: Taking KTV leisure places selected by Xi 'an consumer groups as an example[J]. Consume Guide, 2008(14):12-13. ]

[43]
杨晓俊, 朱凯凯, 陈朋艳, 等. 城市电影院空间分布特征及演变——以西安市为例[J]. 经济地理, 2018, 38(6):85-93.

[ Yang X J, Zhu K K, Chen P Y, et al. Spatial distribution characteristics and temporal-spatial evolution of urban cinema—a case study of Xi'an[J]. Economic Geography, 2018, 38(6):85-93. ] DOI:10.15957/j.cnki.jjdl.2018.06.011

[44]
Hill T D, Angel R J. Neighborhood disorder, psychological distress, and heavy drinking[J]. Social Science & Medicine, 2005, 61(5):965-975. DOI:10.1016/j.socscimed.2004.12.027

[45]
Clampet-Lundquist S, Massey D S. Neighborhood effects on economic self-sufficiency: A reconsideration of the moving to opportunity experiment[J]. American Journal of Sociology, 2008, 114(1):107-143. DOI:10.1086/588740.

[46]
Ettema D, Schekkerman M. How do spatial characteristics influence well-being and mental health? Comparing the effect of objective and subjective characteristics at different spatial scales[J]. Travel Behaviour and Society, 2016, 5:56-67. DOI:10.1016/j.tbs.2015.11.001

[47]
华钢, 楼嘉军. 城市休闲系统研究[J]. 旅游论坛, 2009, 2(3):419-423.

[ Hua G, Lou J J. Study on the system of city leisure[J]. Tourism Forum, 2009, 2(3):419-423. ] DOI:10.3969/j.issn.1674-3784.2009.03.022

[48]
中国互联网络信息中心. 2019年中国网民搜索引擎使用情况研究报告[R]. 2019.

[ China Internet Network Information Center. Research report on the usage of search engines of Chinese netizens in 2019[R]. 2019. ]

[49]
刘华山. 心理健康概念与标准的再认识[J]. 心理科学, 2001, 24(4):481-480.

[ Liu H S. Re-recognition of the concept and standard of mental health[J]. Psychological Science, 2001, 24(4):481-480. ] DOI:10.16719/j.cnki.1671-6981.2001.04.031

[50]
Walsan R, Mayne D J, Pai N, et al. Exploring the geography of serious mental illness and type 2 diabetes comorbidity in Illawarra-Shoalhaven, Australia (2010-2017)[J]. PLoS One, 2019, 14(12):e0225992. DOI:10.1371/journal.pone.0225992

[51]
Gruebner O, Khan M M H, Lautenbach S, et al. A spatial epidemiological analysis of self-rated mental health in the slums of Dhaka[J]. International Journal of Health Geographics, 2011, 10:36. DOI:10.1186/1476-072X-10-36

PMID

[52]
Anselin L. Local indicators of spatial association-LISA[J]. Geographical Analysis, 1995, 27(2):93-115. DOI:10.1111/j.1538-4632.1995.tb00338.x

[53]
Zhang L, Zhou S H, Kwan M P, et al. Assessing individual environmental exposure derived from the spatiotemporal behavior context and its impacts on mental health[J]. Health & Place, 2021, 71:102655. DOI:10.1016/j.healthplace.2021.102655

[54]
游士兵, 严研. 逐步回归分析法及其应用[J]. 统计与决策, 2017(14):31-35.

[ You S B, Yan Y. Stepwise regression analysis and its application[J]. Statistics & Decision, 2017(14):31-35. ] DOI:10.13546/j.cnki.tjyjc.2017.14.007

[55]
魏小安, 李莹. 城市休闲与休闲城市[J]. 旅游学刊, 2007, 22(10):71-76.

[ Wei X A, Li Y. Urban-based leisure activities and leisure city[J]. Tourism Tribune, 2007, 22(10):71-76. ]

[56]
柴彦威, 尚嫣然. 深圳居民夜间消费活动的时空特征[J]. 地理研究, 2005, 24(5):803-810.

[ Chai Y W, Shang Y R. The study on the temporal-spatial characteristics of the consumer activities of Shenzhen residents at night[J]. Geographical Research, 2005, 24(5):803-810. ]

DOI

[57]
韩会然, 宋金平. 芜湖市居民购物行为时空间特征研究[J]. 经济地理, 2013, 33(4):82-87,100.

[ Han H R, Song J P. The study on temporal and spatial characteristics of shopping behavior of Wuhu residents[J]. Economic Geography, 2013, 33(4):82-87,100. ] DOI:10.15957/j.cnki.jjdl.2013.04.022.

[58]
赵雪雁, 王伟军, 万文玉. 中国居民健康水平的区域差异:2003-2013[J]. 地理学报, 2017, 72(4):685-698.

DOI

[ Zhao X Y, Wang W J, Wan W Y. Regional inequalities of residents' health level in China: 2003-2013[J]. Acta Geographica Sinica, 2017, 72(4):685-698. ]

DOI

[59]
中华人民共和国住房和城乡建设部. 中国城市建设统计年鉴-2019[M]. 北京: 中国统计出版社, 2020.

[ Ministry of Housing and Urban-Rural Development of the People's Republic of China. China urban construction statistical yearbook: 2019[M]. Beijing: China Statistics Press, 2020. ]

[60]
国家统计局城市社会经济调查司. 中国城市统计年鉴-2020[M]. 北京: 中国统计出版社, 2021.

[ Department of Urban Social and Economic Surveys, National Bureau of Statistics. China city statistical yearbook: 2020[M]. Beijing: China Statistics Press, 2021. ]

[61]
国家统计局. 东西中部和东北地区划分方法[EB/OL].(2011-06-13) [2022-08-13]. http://www.stats.gov.cn/ztjc/zthd/sjtjr/dejtjkfr/tjkp/201106/t20110613_71947.htm

[ National Bureau of Statistics. Method of dividing east, west, central and northeast regions[EB/OL]. (2011-06-13) [2022-08-13]. http://www.stats.gov.cn/ztjc/zthd/sjtjr/dejtjkfr/tjkp/201106/t20110613_71947.htm

[62]
第一财经. 合肥、佛山晋升新一线城市! 2020最新1-5线城市排名发布(附完整名单)[EB/OL].(2020-05-29) [2022-08-13]. https://www.yicai.com/news/100648666.html

[ YICAI. Hefei and Foshan are promoted to new first-tier cities! 2020 latest ranking of 1-5 tier cities released (with complete list)[EB/OL]. (2020-05-29) [2022-08-13]. https://www.yicai.com/news/100648666.html

[63]
竟立中国. BLINK中国夜间经济[R]. 2019.

[ Mediacom. China after dark[R]. 2019. ]

[64]
美团研究院. 2020年上半年美团夜宵指数发展报告[R]. 2020.

[ Meituan Research Institute. Report on the development of Meituan supper index in the first half of 2020[R]. 2020. ]

Options
文章导航

/

〈 〉