心理学报 ›› 2022, Vol. 54 ›› Issue (5): 497-515.doi: 10.3724/SP.J.1041.2022.00497
收稿日期:
2021-05-14
发布日期:
2022-03-23
出版日期:
2022-05-25
通讯作者:
罗思阳
E-mail:luosy6@mail.sysu.edu.cn
基金资助:
HUANG Liqin, SUN Yin, LUO Siyang()
Received:
2021-05-14
Online:
2022-03-23
Published:
2022-05-25
Contact:
LUO Siyang
E-mail:luosy6@mail.sysu.edu.cn
摘要:
COVID-19疫情是一场重大的全球健康危机, 一些国家在控制COVID-19感染和死亡率上存在明显困难。我们提出, 个人主义的文化价值观不利于对疫情的控制。跨文化分析结果显示, 个人主义文化价值观正向预测COVID-19死亡数、每百万死亡数和死亡率, 独立自我建构负向预测疫情前期控制速度。演化博弈模型和跨文化实验进一步提示, 个人主义文化通过增强个体在疫情背景下的死亡恐惧, 增加个体违反疫情管控的流动性倾向, 从而降低了整体疫情控制的效率。我们的结果支持自然-行为-文化协同进化的理论模型, 提示文化对COVID-19病毒传播管控和死亡可能性的影响, 为各国应对全球公共卫生危机提供了重要科学参考。
中图分类号:
黄丽芹, 孙寅, 罗思阳. (2022). 个人主义文化价值观对疫情控制效果的影响及其计算心理机制. 心理学报, 54(5), 497-515.
HUANG Liqin, SUN Yin, LUO Siyang. (2022). The impact of individualism on the efficiency of epidemic control and the underlying computational and psychological mechanisms. Acta Psychologica Sinica, 54(5), 497-515.
图6 自我建构与COVID-19控制速度的相似性矩阵(n = 29)。 每个矩阵从左到右/从上到下依次是1 = 河北、2 = 山东、3 = 湖南、4 = 四川、5 = 辽宁、6 = 陕西、7 = 江西、8 = 河南、9 = 广东、10 = 山西、11 = 湖北、12 = 广西、13 = 海南、14 = 江苏、15 = 贵州、16 = 重庆、17 = 安徽、18 = 上海、19 = 天津、20 = 福建、21 = 北京、22 = 黑龙江、23 = 内蒙古、24 = 云南、25 = 吉林、26 = 新疆、7 = 甘肃、28 = 宁夏、29 = 浙江(*** p < 0.001)
图8 疫情传播演化过程模拟图。 第一张图是疫情传播的初始状态, 在已有的10000个主体中, 包括10个红色确诊主体(I类)以及8个黄色潜伏感染主体(E类); 第二张图为一段时间后疫情传播开来, 可以看到大量蓝色易感主体(S类)和红色感染主体(I类), 还有部分黄色潜在感染主体(E类), 以及已恢复具备免疫力的灰色主体(R类); 第三张图是疫情结束的状态, 此时整个模型中只有蓝色易感个体(S类)以及恢复后免疫的灰色主体(R类), 死亡主体已被移除模型, 此时模型中主体小于10000个。
个人主义 | 政府规范 | 变量 | 均值 | 标准差 | 95%置信区间下限 | 95%置信区间上限 |
---|---|---|---|---|---|---|
低(30) | 0.2 | 总速度 | 0.0180 | 0.0008 | 0.0179 | 0.0182 |
前期速度 | 0.0148 | 0.0015 | 0.0145 | 0.0151 | ||
后期速度 | 0.0236 | 0.0013 | 0.0234 | 0.0239 | ||
0.8 | 总速度 | 0.0187 | 0.0011 | 0.0185 | 0.0189 | |
前期速度 | 0.0149 | 0.0017 | 0.0146 | 0.0153 | ||
后期速度 | 0.0282 | 0.0033 | 0.0275 | 0.0288 | ||
高(70) | 0.2 | 总速度 | 0.0159 | 0.0010 | 0.0157 | 0.0161 |
前期速度 | 0.0146 | 0.0015 | 0.0143 | 0.0149 | ||
后期速度 | 0.0167 | 0.0018 | 0.0163 | 0.0170 | ||
0.8 | 总速度 | 0.0192 | 0.0010 | 0.0190 | 0.0194 | |
前期速度 | 0.0153 | 0.0013 | 0.0150 | 0.0155 | ||
后期速度 | 0.0277 | 0.0022 | 0.0273 | 0.0282 |
表S1 各阶段控制速度在高、低政府规范下的均值、标准差、95%置信区间
个人主义 | 政府规范 | 变量 | 均值 | 标准差 | 95%置信区间下限 | 95%置信区间上限 |
---|---|---|---|---|---|---|
低(30) | 0.2 | 总速度 | 0.0180 | 0.0008 | 0.0179 | 0.0182 |
前期速度 | 0.0148 | 0.0015 | 0.0145 | 0.0151 | ||
后期速度 | 0.0236 | 0.0013 | 0.0234 | 0.0239 | ||
0.8 | 总速度 | 0.0187 | 0.0011 | 0.0185 | 0.0189 | |
前期速度 | 0.0149 | 0.0017 | 0.0146 | 0.0153 | ||
后期速度 | 0.0282 | 0.0033 | 0.0275 | 0.0288 | ||
高(70) | 0.2 | 总速度 | 0.0159 | 0.0010 | 0.0157 | 0.0161 |
前期速度 | 0.0146 | 0.0015 | 0.0143 | 0.0149 | ||
后期速度 | 0.0167 | 0.0018 | 0.0163 | 0.0170 | ||
0.8 | 总速度 | 0.0192 | 0.0010 | 0.0190 | 0.0194 | |
前期速度 | 0.0153 | 0.0013 | 0.0150 | 0.0155 | ||
后期速度 | 0.0277 | 0.0022 | 0.0273 | 0.0282 |
变量 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
---|---|---|---|---|---|---|---|
个人主义 | -0.35** | -0.1 | 0.58*** | 0.56*** | 0.58*** | -0.66*** | |
政府规范 | -0.07 | -0.41*** | -0.39*** | -0.36** | 0.34** | ||
人口密度 | -0.05 | 0.04 | -0.1 | 0.03 | |||
HAQ | 0.73*** | 0.73*** | -0.68*** | ||||
老年人比率 | 0.42*** | -0.54*** | |||||
人均GDP | -0.60*** | ||||||
病原体历史流行率 |
表S2 研究一72个国家个人主义文化及其他控制变量的相关矩阵(委内瑞纳的人均国民生产总值数据缺失)
变量 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
---|---|---|---|---|---|---|---|
个人主义 | -0.35** | -0.1 | 0.58*** | 0.56*** | 0.58*** | -0.66*** | |
政府规范 | -0.07 | -0.41*** | -0.39*** | -0.36** | 0.34** | ||
人口密度 | -0.05 | 0.04 | -0.1 | 0.03 | |||
HAQ | 0.73*** | 0.73*** | -0.68*** | ||||
老年人比率 | 0.42*** | -0.54*** | |||||
人均GDP | -0.60*** | ||||||
病原体历史流行率 |
样本量 | 统计分析 | 统计值 | 总死亡数 | 百万死亡数 | 死亡率 | 调整病死率 |
---|---|---|---|---|---|---|
偏相关 | r | 0.344* | 0.455*** | 0.421*** | 0.561*** | |
N = 73 | p | 0.003 | < 0.001 | < 0.001 | < 0.001 | |
相似性 | r | 0.217*** | 0.258 *** | 0.222*** | 0.298*** | |
p | 2.06E-29 | 2.53E-41 | 9.26E-31 | 3.07E-49 | ||
偏相关 | r | 0.261* | 0.437*** | 0.403*** | - | |
N = 72 | p | 0.028 | < 0.001 | < 0.001 | - | |
(剔极端值) | 相似性 | r | 0.106*** | 0.261 *** | 0.227*** | - |
p | 6.93E-08 | 3.75E-41 | 3.45E-31 | - |
表S3 研究1个人主义与COVID-19死亡指标的偏相关/相似性
样本量 | 统计分析 | 统计值 | 总死亡数 | 百万死亡数 | 死亡率 | 调整病死率 |
---|---|---|---|---|---|---|
偏相关 | r | 0.344* | 0.455*** | 0.421*** | 0.561*** | |
N = 73 | p | 0.003 | < 0.001 | < 0.001 | < 0.001 | |
相似性 | r | 0.217*** | 0.258 *** | 0.222*** | 0.298*** | |
p | 2.06E-29 | 2.53E-41 | 9.26E-31 | 3.07E-49 | ||
偏相关 | r | 0.261* | 0.437*** | 0.403*** | - | |
N = 72 | p | 0.028 | < 0.001 | < 0.001 | - | |
(剔极端值) | 相似性 | r | 0.106*** | 0.261 *** | 0.227*** | - |
p | 6.93E-08 | 3.75E-41 | 3.45E-31 | - |
省份 | 拟合点数 | 控制总速度 | 前期控制速度 | 后期控制速度 | 调整R方 |
---|---|---|---|---|---|
湖北 | 63 | 0.235 | 0.339 | 0.335 | 0.995 |
广东 | 55 | 0.281 | 0.362 | 0.235 | 0.999 |
河南 | 42 | 0.284 | 0.383 | 0.254 | 0.999 |
浙江 | 37 | 0.329 | 0.549 | 0.273 | 0.996 |
湖南 | 43 | 0.286 | 0.451 | 0.264 | 0.998 |
安徽 | 35 | 0.279 | 0.363 | 0.281 | 0.999 |
江西 | 34 | 0.293 | 0.392 | 0.256 | 0.998 |
山东 | 31 | 0.246 | 0.442 | 0.292 | 0.996 |
江苏 | 33 | 0.251 | 0.401 | 0.232 | 0.997 |
重庆 | 39 | 0.252 | 0.362 | 0.183 | 0.994 |
四川 | 42 | 0.212 | 0.407 | 0.171 | 0.994 |
黑龙江 | 36 | 0.272 | 0.276 | 0.219 | 0.998 |
北京 | 50 | 0.232 | 0.283 | 0.184 | 0.986 |
上海 | 42 | 0.282 | 0.362 | 0.244 | 0.998 |
河北 | 42 | 0.227 | 0.429 | 0.250 | 0.996 |
福建 | 33 | 0.266 | 0.458 | 0.214 | 0.994 |
广西 | 39 | 0.224 | 0.325 | 0.206 | 0.997 |
陕西 | 33 | 0.274 | 0.396 | 0.250 | 0.998 |
云南 | 34 | 0.288 | 0.595 | 0.157 | 0.985 |
海南 | 33 | 0.223 | 0.337 | 0.269 | 0.995 |
贵州 | 31 | 0.285 | 0.387 | 0.343 | 0.996 |
天津 | 37 | 0.208 | 0.248 | 0.198 | 0.997 |
甘肃 | 30 | 0.287 | 0.333 | 0.238 | 0.992 |
山西 | 38 | 0.309 | 0.351 | 0.299 | 0.996 |
辽宁 | 30 | 0.268 | 0.401 | 0.226 | 0.995 |
吉林 | 37 | 0.350 | 0.253 | 0.303 | 0.997 |
新疆 | 31 | 0.202 | 0.263 | 0.241 | 0.996 |
内蒙古 | 31 | 0.207 | 0.235 | 0.145 | 0.993 |
宁夏 | 33 | 0.207 | 0.450 | 0.223 | 0.988 |
表S4 研究二29个省累计确诊数随时间变化的模型拟合
省份 | 拟合点数 | 控制总速度 | 前期控制速度 | 后期控制速度 | 调整R方 |
---|---|---|---|---|---|
湖北 | 63 | 0.235 | 0.339 | 0.335 | 0.995 |
广东 | 55 | 0.281 | 0.362 | 0.235 | 0.999 |
河南 | 42 | 0.284 | 0.383 | 0.254 | 0.999 |
浙江 | 37 | 0.329 | 0.549 | 0.273 | 0.996 |
湖南 | 43 | 0.286 | 0.451 | 0.264 | 0.998 |
安徽 | 35 | 0.279 | 0.363 | 0.281 | 0.999 |
江西 | 34 | 0.293 | 0.392 | 0.256 | 0.998 |
山东 | 31 | 0.246 | 0.442 | 0.292 | 0.996 |
江苏 | 33 | 0.251 | 0.401 | 0.232 | 0.997 |
重庆 | 39 | 0.252 | 0.362 | 0.183 | 0.994 |
四川 | 42 | 0.212 | 0.407 | 0.171 | 0.994 |
黑龙江 | 36 | 0.272 | 0.276 | 0.219 | 0.998 |
北京 | 50 | 0.232 | 0.283 | 0.184 | 0.986 |
上海 | 42 | 0.282 | 0.362 | 0.244 | 0.998 |
河北 | 42 | 0.227 | 0.429 | 0.250 | 0.996 |
福建 | 33 | 0.266 | 0.458 | 0.214 | 0.994 |
广西 | 39 | 0.224 | 0.325 | 0.206 | 0.997 |
陕西 | 33 | 0.274 | 0.396 | 0.250 | 0.998 |
云南 | 34 | 0.288 | 0.595 | 0.157 | 0.985 |
海南 | 33 | 0.223 | 0.337 | 0.269 | 0.995 |
贵州 | 31 | 0.285 | 0.387 | 0.343 | 0.996 |
天津 | 37 | 0.208 | 0.248 | 0.198 | 0.997 |
甘肃 | 30 | 0.287 | 0.333 | 0.238 | 0.992 |
山西 | 38 | 0.309 | 0.351 | 0.299 | 0.996 |
辽宁 | 30 | 0.268 | 0.401 | 0.226 | 0.995 |
吉林 | 37 | 0.350 | 0.253 | 0.303 | 0.997 |
新疆 | 31 | 0.202 | 0.263 | 0.241 | 0.996 |
内蒙古 | 31 | 0.207 | 0.235 | 0.145 | 0.993 |
宁夏 | 33 | 0.207 | 0.450 | 0.223 | 0.988 |
变量 | 1 | 2 | 3 | 4 | 5 | 6 |
---|---|---|---|---|---|---|
自我建构-独立 | 0.62*** | -0.45* | 0 | -0.26 | -0.60*** | |
自我建构-互依 | -0.70*** | 0.26 | -0.61*** | -0.81*** | ||
人口密度 | -0.24 | 0.37 | 0.73*** | |||
医疗卫生机构数量(2019) | -0.26 | -0.27 | ||||
每千人口卫生技术人员(2019) | 0.68*** | |||||
人均地区生产总值(2019) |
表S5 研究二29个省份自我建构得分(独立\互依)及其他控制变量的相关矩阵
变量 | 1 | 2 | 3 | 4 | 5 | 6 |
---|---|---|---|---|---|---|
自我建构-独立 | 0.62*** | -0.45* | 0 | -0.26 | -0.60*** | |
自我建构-互依 | -0.70*** | 0.26 | -0.61*** | -0.81*** | ||
人口密度 | -0.24 | 0.37 | 0.73*** | |||
医疗卫生机构数量(2019) | -0.26 | -0.27 | ||||
每千人口卫生技术人员(2019) | 0.68*** | |||||
人均地区生产总值(2019) |
变量 | 统计分析 | 统计值 | 总控制速度 | 前期控制速度 | 后期控制速度 |
---|---|---|---|---|---|
独立型自我 | 偏相关 | r | -0.106 | -0.381* | 0.126 |
p | 0.591 | 0.046 | 0.524 | ||
相似性 | r | 0.299*** | 0.179*** | -0.087 | |
p | 7.98E-10 | 0.0003 | 0.0809 | ||
互依型自我 | 偏相关 | r | 0.050 | 0.047 | 0.256 |
p | 0.802 | 0.812 | 0.188 | ||
相似性 | r | -0.035 | -0.032 | -0.096 | |
p | 0.479 | 0.525 | 0.053 |
表S6 研究2自我建构与疫情控制速度之间的偏相关/相似性(n = 29)
变量 | 统计分析 | 统计值 | 总控制速度 | 前期控制速度 | 后期控制速度 |
---|---|---|---|---|---|
独立型自我 | 偏相关 | r | -0.106 | -0.381* | 0.126 |
p | 0.591 | 0.046 | 0.524 | ||
相似性 | r | 0.299*** | 0.179*** | -0.087 | |
p | 7.98E-10 | 0.0003 | 0.0809 | ||
互依型自我 | 偏相关 | r | 0.050 | 0.047 | 0.256 |
p | 0.802 | 0.812 | 0.188 | ||
相似性 | r | -0.035 | -0.032 | -0.096 | |
p | 0.479 | 0.525 | 0.053 |
个人主义 | 政府规范 | 变量 | 极小值 | 极大值 | 均值 | 标准差 | 95%置信区间上限 | 95%置信区间下限 |
---|---|---|---|---|---|---|---|---|
总速度 | 0.990 | 0.9997 | 0.998 | 0.0012 | 0.996 | 1.001 | ||
0.1 | 前期速度 | 0.995 | 0.9998 | 0.999 | 0.0008 | 0.997 | 1.000 | |
后期速度 | 0.982 | 0.9997 | 0.996 | 0.0034 | 0.989 | 1.002 | ||
总速度 | 0.997 | 0.9995 | 0.999 | 0.0005 | 0.998 | 1.000 | ||
0.2 | 前期速度 | 0.992 | 0.9997 | 0.998 | 0.0012 | 0.996 | 1.001 | |
后期速度 | 0.983 | 0.9987 | 0.992 | 0.0034 | 0.986 | 0.999 | ||
总速度 | 0.996 | 0.9995 | 0.999 | 0.0005 | 0.997 | 1.000 | ||
0.3 | 前期速度 | 0.994 | 0.9998 | 0.998 | 0.0010 | 0.996 | 1.000 | |
后期速度 | 0.981 | 0.9982 | 0.992 | 0.0036 | 0.985 | 0.999 | ||
总速度 | 0.996 | 0.9996 | 0.999 | 0.0006 | 0.998 | 1.000 | ||
0.4 | 前期速度 | 0.991 | 0.9997 | 0.998 | 0.0013 | 0.996 | 1.001 | |
后期速度 | 0.980 | 0.9982 | 0.992 | 0.0036 | 0.985 | 0.999 | ||
总速度 | 0.995 | 0.9994 | 0.998 | 0.0007 | 0.997 | 1.000 | ||
低(30) | 0.5 | 前期速度 | 0.993 | 0.9996 | 0.998 | 0.0011 | 0.996 | 1.001 |
后期速度 | 0.980 | 0.9976 | 0.992 | 0.0036 | 0.985 | 0.999 | ||
总速度 | 0.994 | 0.9991 | 0.997 | 0.0010 | 0.995 | 0.999 | ||
0.6 | 前期速度 | 0.987 | 0.9998 | 0.998 | 0.0016 | 0.995 | 1.001 | |
后期速度 | 0.982 | 0.9975 | 0.993 | 0.0028 | 0.988 | 0.999 | ||
总速度 | 0.988 | 0.9960 | 0.994 | 0.0017 | 0.990 | 0.997 | ||
0.7 | 前期速度 | 0.992 | 0.9996 | 0.998 | 0.0013 | 0.996 | 1.001 | |
后期速度 | 0.974 | 0.9950 | 0.988 | 0.0031 | 0.982 | 0.995 | ||
总速度 | 0.987 | 0.9955 | 0.992 | 0.0017 | 0.989 | 0.996 | ||
0.8 | 前期速度 | 0.990 | 0.9996 | 0.998 | 0.0014 | 0.995 | 1.001 | |
后期速度 | 0.975 | 0.9903 | 0.983 | 0.0030 | 0.977 | 0.989 | ||
总速度 | 0.980 | 0.9944 | 0.991 | 0.0024 | 0.986 | 0.995 | ||
0.9 | 前期速度 | 0.993 | 0.9997 | 0.998 | 0.0014 | 0.995 | 1.001 | |
后期速度 | 0.966 | 0.9843 | 0.976 | 0.0038 | 0.969 | 0.984 | ||
总速度 | 0.999 | 0.9999 | 0.999 | 0.0002 | 0.999 | 1.000 | ||
0.1 | 前期速度 | 0.997 | 0.9999 | 1.000 | 0.0004 | 0.999 | 1.000 | |
后期速度 | 0.997 | 0.9999 | 0.999 | 0.0005 | 0.999 | 1.000 | ||
个人主义 | 政府规范 | 变量 | 极小值 | 极大值 | 均值 | 标准差 | 95%置信区间上限 | 95%置信区间下限 |
总速度 | 0.998 | 0.9997 | 0.999 | 0.0003 | 0.998 | 1.000 | ||
0.2 | 前期速度 | 0.998 | 0.9999 | 0.999 | 0.0004 | 0.999 | 1.000 | |
后期速度 | 0.998 | 0.9999 | 0.999 | 0.0004 | 0.999 | 1.000 | ||
总速度 | 0.998 | 0.9997 | 0.999 | 0.0004 | 0.998 | 0.999 | ||
0.3 | 前期速度 | 0.996 | 0.9999 | 0.999 | 0.0005 | 0.999 | 1.000 | |
后期速度 | 0.995 | 0.9998 | 0.999 | 0.0008 | 0.997 | 1.000 | ||
总速度 | 0.998 | 0.9995 | 0.999 | 0.0004 | 0.998 | 1.000 | ||
0.4 | 前期速度 | 0.996 | 0.9999 | 0.999 | 0.0005 | 0.998 | 1.000 | |
后期速度 | 0.997 | 0.9998 | 0.999 | 0.0006 | 0.998 | 1.000 | ||
总速度 | 0.997 | 0.9994 | 0.998 | 0.0004 | 0.998 | 0.999 | ||
高(70) | 0.5 | 前期速度 | 0.997 | 0.9999 | 0.999 | 0.0005 | 0.998 | 1.000 |
后期速度 | 0.997 | 0.9997 | 0.999 | 0.0007 | 0.998 | 1.000 | ||
总速度 | 0.995 | 0.9989 | 0.998 | 0.0005 | 0.997 | 0.999 | ||
0.6 | 前期速度 | 0.994 | 0.9999 | 0.999 | 0.0006 | 0.998 | 1.001 | |
后期速度 | 0.995 | 0.9995 | 0.998 | 0.0009 | 0.996 | 1.000 | ||
总速度 | 0.993 | 0.9977 | 0.996 | 0.0010 | 0.994 | 0.998 | ||
0.7 | 前期速度 | 0.997 | 0.9999 | 0.999 | 0.0005 | 0.998 | 1.000 | |
后期速度 | 0.986 | 0.9955 | 0.992 | 0.0016 | 0.989 | 0.995 | ||
总速度 | 0.990 | 0.9973 | 0.995 | 0.0011 | 0.993 | 0.997 | ||
0.8 | 前期速度 | 0.996 | 0.9998 | 0.999 | 0.0006 | 0.998 | 1.000 | |
后期速度 | 0.984 | 0.9938 | 0.988 | 0.0019 | 0.984 | 0.991 | ||
总速度 | 0.990 | 0.9964 | 0.994 | 0.0014 | 0.991 | 0.997 | ||
0.9 | 前期速度 | 0.998 | 0.9998 | 0.999 | 0.0004 | 0.998 | 1.000 | |
后期速度 | 0.978 | 0.9877 | 0.982 | 0.0019 | 0.978 | 0.986 |
表S7 研究3模型累计确诊数随时间变化的拟合优度
个人主义 | 政府规范 | 变量 | 极小值 | 极大值 | 均值 | 标准差 | 95%置信区间上限 | 95%置信区间下限 |
---|---|---|---|---|---|---|---|---|
总速度 | 0.990 | 0.9997 | 0.998 | 0.0012 | 0.996 | 1.001 | ||
0.1 | 前期速度 | 0.995 | 0.9998 | 0.999 | 0.0008 | 0.997 | 1.000 | |
后期速度 | 0.982 | 0.9997 | 0.996 | 0.0034 | 0.989 | 1.002 | ||
总速度 | 0.997 | 0.9995 | 0.999 | 0.0005 | 0.998 | 1.000 | ||
0.2 | 前期速度 | 0.992 | 0.9997 | 0.998 | 0.0012 | 0.996 | 1.001 | |
后期速度 | 0.983 | 0.9987 | 0.992 | 0.0034 | 0.986 | 0.999 | ||
总速度 | 0.996 | 0.9995 | 0.999 | 0.0005 | 0.997 | 1.000 | ||
0.3 | 前期速度 | 0.994 | 0.9998 | 0.998 | 0.0010 | 0.996 | 1.000 | |
后期速度 | 0.981 | 0.9982 | 0.992 | 0.0036 | 0.985 | 0.999 | ||
总速度 | 0.996 | 0.9996 | 0.999 | 0.0006 | 0.998 | 1.000 | ||
0.4 | 前期速度 | 0.991 | 0.9997 | 0.998 | 0.0013 | 0.996 | 1.001 | |
后期速度 | 0.980 | 0.9982 | 0.992 | 0.0036 | 0.985 | 0.999 | ||
总速度 | 0.995 | 0.9994 | 0.998 | 0.0007 | 0.997 | 1.000 | ||
低(30) | 0.5 | 前期速度 | 0.993 | 0.9996 | 0.998 | 0.0011 | 0.996 | 1.001 |
后期速度 | 0.980 | 0.9976 | 0.992 | 0.0036 | 0.985 | 0.999 | ||
总速度 | 0.994 | 0.9991 | 0.997 | 0.0010 | 0.995 | 0.999 | ||
0.6 | 前期速度 | 0.987 | 0.9998 | 0.998 | 0.0016 | 0.995 | 1.001 | |
后期速度 | 0.982 | 0.9975 | 0.993 | 0.0028 | 0.988 | 0.999 | ||
总速度 | 0.988 | 0.9960 | 0.994 | 0.0017 | 0.990 | 0.997 | ||
0.7 | 前期速度 | 0.992 | 0.9996 | 0.998 | 0.0013 | 0.996 | 1.001 | |
后期速度 | 0.974 | 0.9950 | 0.988 | 0.0031 | 0.982 | 0.995 | ||
总速度 | 0.987 | 0.9955 | 0.992 | 0.0017 | 0.989 | 0.996 | ||
0.8 | 前期速度 | 0.990 | 0.9996 | 0.998 | 0.0014 | 0.995 | 1.001 | |
后期速度 | 0.975 | 0.9903 | 0.983 | 0.0030 | 0.977 | 0.989 | ||
总速度 | 0.980 | 0.9944 | 0.991 | 0.0024 | 0.986 | 0.995 | ||
0.9 | 前期速度 | 0.993 | 0.9997 | 0.998 | 0.0014 | 0.995 | 1.001 | |
后期速度 | 0.966 | 0.9843 | 0.976 | 0.0038 | 0.969 | 0.984 | ||
总速度 | 0.999 | 0.9999 | 0.999 | 0.0002 | 0.999 | 1.000 | ||
0.1 | 前期速度 | 0.997 | 0.9999 | 1.000 | 0.0004 | 0.999 | 1.000 | |
后期速度 | 0.997 | 0.9999 | 0.999 | 0.0005 | 0.999 | 1.000 | ||
个人主义 | 政府规范 | 变量 | 极小值 | 极大值 | 均值 | 标准差 | 95%置信区间上限 | 95%置信区间下限 |
总速度 | 0.998 | 0.9997 | 0.999 | 0.0003 | 0.998 | 1.000 | ||
0.2 | 前期速度 | 0.998 | 0.9999 | 0.999 | 0.0004 | 0.999 | 1.000 | |
后期速度 | 0.998 | 0.9999 | 0.999 | 0.0004 | 0.999 | 1.000 | ||
总速度 | 0.998 | 0.9997 | 0.999 | 0.0004 | 0.998 | 0.999 | ||
0.3 | 前期速度 | 0.996 | 0.9999 | 0.999 | 0.0005 | 0.999 | 1.000 | |
后期速度 | 0.995 | 0.9998 | 0.999 | 0.0008 | 0.997 | 1.000 | ||
总速度 | 0.998 | 0.9995 | 0.999 | 0.0004 | 0.998 | 1.000 | ||
0.4 | 前期速度 | 0.996 | 0.9999 | 0.999 | 0.0005 | 0.998 | 1.000 | |
后期速度 | 0.997 | 0.9998 | 0.999 | 0.0006 | 0.998 | 1.000 | ||
总速度 | 0.997 | 0.9994 | 0.998 | 0.0004 | 0.998 | 0.999 | ||
高(70) | 0.5 | 前期速度 | 0.997 | 0.9999 | 0.999 | 0.0005 | 0.998 | 1.000 |
后期速度 | 0.997 | 0.9997 | 0.999 | 0.0007 | 0.998 | 1.000 | ||
总速度 | 0.995 | 0.9989 | 0.998 | 0.0005 | 0.997 | 0.999 | ||
0.6 | 前期速度 | 0.994 | 0.9999 | 0.999 | 0.0006 | 0.998 | 1.001 | |
后期速度 | 0.995 | 0.9995 | 0.998 | 0.0009 | 0.996 | 1.000 | ||
总速度 | 0.993 | 0.9977 | 0.996 | 0.0010 | 0.994 | 0.998 | ||
0.7 | 前期速度 | 0.997 | 0.9999 | 0.999 | 0.0005 | 0.998 | 1.000 | |
后期速度 | 0.986 | 0.9955 | 0.992 | 0.0016 | 0.989 | 0.995 | ||
总速度 | 0.990 | 0.9973 | 0.995 | 0.0011 | 0.993 | 0.997 | ||
0.8 | 前期速度 | 0.996 | 0.9998 | 0.999 | 0.0006 | 0.998 | 1.000 | |
后期速度 | 0.984 | 0.9938 | 0.988 | 0.0019 | 0.984 | 0.991 | ||
总速度 | 0.990 | 0.9964 | 0.994 | 0.0014 | 0.991 | 0.997 | ||
0.9 | 前期速度 | 0.998 | 0.9998 | 0.999 | 0.0004 | 0.998 | 1.000 | |
后期速度 | 0.978 | 0.9877 | 0.982 | 0.0019 | 0.978 | 0.986 |
个人主义 | 政府规范 | 变量 | 极小值 | 极大值 | 均值 | 标准差 | 95%置信区间下限 | 95%置信区间上限 |
---|---|---|---|---|---|---|---|---|
确诊数 | 695 | 2583 | 1614 | 447 | 1526.388 | 1701.612 | ||
死亡数 | 25 | 103 | 64 | 19 | 60.276 | 67.724 | ||
0.1 | 总速度 | 0.012 | 0.022 | 0.018 | 0.002 | 0.018 | 0.018 | |
前期速度 | 0.012 | 0.022 | 0.017 | 0.002 | 0.017 | 0.017 | ||
后期速度 | 0.006 | 0.021 | 0.014 | 0.003 | 0.013 | 0.015 | ||
确诊数 | 348 | 2486 | 1414 | 406 | 1334.424 | 1493.576 | ||
死亡数 | 15 | 118 | 57 | 19 | 53.276 | 60.724 | ||
0.2 | 总速度 | 0.012 | 0.024 | 0.020 | 0.002 | 0.020 | 0.020 | |
前期速度 | 0.009 | 0.021 | 0.017 | 0.002 | 0.017 | 0.017 | ||
后期速度 | 0.009 | 0.027 | 0.019 | 0.003 | 0.018 | 0.020 | ||
确诊数 | 582 | 2307 | 1346 | 369 | 1273.676 | 1418.324 | ||
死亡数 | 21 | 109 | 54 | 17 | 50.668 | 57.332 | ||
0.3 | 总速度 | 0.018 | 0.026 | 0.022 | 0.002 | 0.022 | 0.022 | |
前期速度 | 0.013 | 0.024 | 0.018 | 0.002 | 0.018 | 0.018 | ||
后期速度 | 0.014 | 0.034 | 0.024 | 0.003 | 0.023 | 0.025 | ||
确诊数 | 350 | 2049 | 1253 | 346 | 1185.184 | 1320.816 | ||
死亡数 | 12 | 91 | 51 | 16 | 47.864 | 54.136 | ||
0.4 | 总速度 | 0.018 | 0.028 | 0.023 | 0.002 | 0.023 | 0.023 | |
前期速度 | 0.010 | 0.022 | 0.018 | 0.002 | 0.018 | 0.018 | ||
后期速度 | 0.022 | 0.036 | 0.030 | 0.003 | 0.029 | 0.031 | ||
个人主义 | 政府规范 | 变量 | 极小值 | 极大值 | 均值 | 标准差 | 95%置信区间下限 | 95%置信区间上限 |
确诊数 | 464 | 1881 | 1188 | 345 | 1120.380 | 1255.620 | ||
死亡数 | 13 | 84 | 48 | 16 | 44.864 | 51.136 | ||
低(30) | 0.5 | 总速度 | 0.019 | 0.028 | 0.024 | 0.002 | 0.024 | 0.024 |
前期速度 | 0.014 | 0.022 | 0.018 | 0.002 | 0.018 | 0.018 | ||
后期速度 | 0.028 | 0.043 | 0.034 | 0.003 | 0.033 | 0.035 | ||
确诊数 | 337 | 2015 | 1154 | 342 | 1086.968 | 1221.032 | ||
死亡数 | 13 | 87 | 46 | 15 | 43.060 | 48.940 | ||
0.6 | 总速度 | 0.019 | 0.030 | 0.025 | 0.002 | 0.025 | 0.025 | |
前期速度 | 0.012 | 0.023 | 0.019 | 0.002 | 0.019 | 0.019 | ||
后期速度 | 0.029 | 0.043 | 0.037 | 0.003 | 0.036 | 0.038 | ||
确诊数 | 292 | 2117 | 1049 | 323 | 985.692 | 1112.308 | ||
死亡数 | 10 | 103 | 43 | 16 | 39.864 | 46.136 | ||
0.7 | 总速度 | 0.017 | 0.030 | 0.025 | 0.002 | 0.025 | 0.025 | |
前期速度 | 0.013 | 0.024 | 0.019 | 0.002 | 0.019 | 0.019 | ||
后期速度 | 0.029 | 0.047 | 0.040 | 0.003 | 0.039 | 0.041 | ||
确诊数 | 408 | 2144 | 1076 | 320 | 1013.280 | 1138.720 | ||
死亡数 | 10 | 87 | 42 | 15 | 39.060 | 44.940 | ||
0.8 | 总速度 | 0.021 | 0.031 | 0.026 | 0.002 | 0.026 | 0.026 | |
前期速度 | 0.013 | 0.023 | 0.019 | 0.002 | 0.019 | 0.019 | ||
后期速度 | 0.033 | 0.049 | 0.042 | 0.003 | 0.041 | 0.043 | ||
确诊数 | 385 | 1756 | 988 | 329 | 923.516 | 1052.484 | ||
死亡数 | 10 | 76 | 39 | 15 | 36.060 | 41.940 | ||
0.9 | 总速度 | 0.018 | 0.031 | 0.025 | 0.002 | 0.025 | 0.025 | |
前期速度 | 0.013 | 0.023 | 0.019 | 0.002 | 0.019 | 0.019 | ||
后期速度 | 0.033 | 0.050 | 0.043 | 0.003 | 0.042 | 0.044 | ||
确诊数 | 1573 | 4806 | 3846 | 559 | 3736.436 | 3955.564 | ||
死亡数 | 62 | 193 | 153 | 25 | 148.100 | 157.900 | ||
0.1 | 总速度 | 0.014 | 0.020 | 0.018 | 0.001 | 0.018 | 0.018 | |
前期速度 | 0.009 | 0.018 | 0.015 | 0.001 | 0.015 | 0.015 | ||
后期速度 | 0.015 | 0.023 | 0.021 | 0.002 | 0.021 | 0.021 | ||
确诊数 | 1811 | 4775 | 3694 | 576 | 3581.104 | 3806.896 | ||
死亡数 | 73 | 204 | 146 | 25 | 141.100 | 150.900 | ||
0.2 | 总速度 | 0.015 | 0.020 | 0.019 | 0.001 | 0.019 | 0.019 | |
前期速度 | 0.011 | 0.019 | 0.015 | 0.002 | 0.015 | 0.015 | ||
后期速度 | 0.018 | 0.025 | 0.022 | 0.001 | 0.022 | 0.022 | ||
确诊数 | 1951 | 4880 | 3430 | 635 | 3305.540 | 3554.460 | ||
死亡数 | 74 | 187 | 136 | 25 | 131.100 | 140.900 | ||
0.3 | 总速度 | 0.015 | 0.021 | 0.019 | 0.001 | 0.019 | 0.019 | |
前期速度 | 0.011 | 0.020 | 0.015 | 0.002 | 0.015 | 0.015 | ||
后期速度 | 0.017 | 0.026 | 0.024 | 0.002 | 0.024 | 0.024 | ||
确诊数 | 1497 | 4483 | 3312 | 638 | 3186.952 | 3437.048 | ||
死亡数 | 61 | 188 | 132 | 28 | 126.512 | 137.488 | ||
0.4 | 总速度 | 0.017 | 0.022 | 0.020 | 0.001 | 0.020 | 0.020 | |
前期速度 | 0.012 | 0.020 | 0.016 | 0.002 | 0.016 | 0.016 | ||
后期速度 | 0.021 | 0.028 | 0.026 | 0.001 | 0.026 | 0.026 | ||
个人主义 | 政府规范 | 变量 | 极小值 | 极大值 | 均值 | 标准差 | 95%置信区间下限 | 95%置信区间上限 |
确诊数 | 265 | 4398 | 3109 | 683 | 2975.132 | 3242.868 | ||
死亡数 | 7 | 199 | 126 | 32 | 119.728 | 132.272 | ||
高(70) | 0.5 | 总速度 | 0.010 | 0.022 | 0.020 | 0.001 | 0.020 | 0.020 |
前期速度 | 0.008 | 0.019 | 0.015 | 0.002 | 0.015 | 0.015 | ||
后期速度 | 0.016 | 0.031 | 0.027 | 0.002 | 0.027 | 0.027 | ||
确诊数 | 932 | 4212 | 2995 | 621 | 2873.284 | 3116.716 | ||
死亡数 | 36 | 184 | 120 | 30 | 114.120 | 125.880 | ||
0.6 | 总速度 | 0.018 | 0.023 | 0.021 | 0.001 | 0.021 | 0.021 | |
前期速度 | 0.010 | 0.019 | 0.016 | 0.002 | 0.016 | 0.016 | ||
后期速度 | 0.026 | 0.033 | 0.029 | 0.002 | 0.029 | 0.029 | ||
确诊数 | 1519 | 4045 | 2926 | 593 | 2809.772 | 3042.228 | ||
死亡数 | 59 | 176 | 118 | 26 | 112.904 | 123.096 | ||
0.7 | 总速度 | 0.019 | 0.024 | 0.021 | 0.001 | 0.021 | 0.021 | |
前期速度 | 0.011 | 0.020 | 0.016 | 0.002 | 0.016 | 0.016 | ||
后期速度 | 0.027 | 0.035 | 0.031 | 0.002 | 0.031 | 0.031 | ||
确诊数 | 1175 | 4093 | 2815 | 576 | 2702.104 | 2927.896 | ||
死亡数 | 39 | 185 | 111 | 25 | 106.100 | 115.900 | ||
0.8 | 总速度 | 0.018 | 0.024 | 0.021 | 0.001 | 0.021 | 0.021 | |
前期速度 | 0.011 | 0.019 | 0.016 | 0.002 | 0.016 | 0.016 | ||
后期速度 | 0.028 | 0.037 | 0.033 | 0.002 | 0.033 | 0.033 | ||
确诊数 | 1300 | 4137 | 2764 | 583 | 2649.732 | 2878.268 | ||
死亡数 | 47 | 174 | 111 | 26 | 105.904 | 116.096 | ||
0.9 | 总速度 | 0.019 | 0.025 | 0.021 | 0.001 | 0.021 | 0.021 | |
前期速度 | 0.011 | 0.019 | 0.016 | 0.002 | 0.016 | 0.016 | ||
后期速度 | 0.028 | 0.042 | 0.034 | 0.003 | 0.033 | 0.035 |
表S8 研究3中所有政府规范条件下变量描述性统计分析结果
个人主义 | 政府规范 | 变量 | 极小值 | 极大值 | 均值 | 标准差 | 95%置信区间下限 | 95%置信区间上限 |
---|---|---|---|---|---|---|---|---|
确诊数 | 695 | 2583 | 1614 | 447 | 1526.388 | 1701.612 | ||
死亡数 | 25 | 103 | 64 | 19 | 60.276 | 67.724 | ||
0.1 | 总速度 | 0.012 | 0.022 | 0.018 | 0.002 | 0.018 | 0.018 | |
前期速度 | 0.012 | 0.022 | 0.017 | 0.002 | 0.017 | 0.017 | ||
后期速度 | 0.006 | 0.021 | 0.014 | 0.003 | 0.013 | 0.015 | ||
确诊数 | 348 | 2486 | 1414 | 406 | 1334.424 | 1493.576 | ||
死亡数 | 15 | 118 | 57 | 19 | 53.276 | 60.724 | ||
0.2 | 总速度 | 0.012 | 0.024 | 0.020 | 0.002 | 0.020 | 0.020 | |
前期速度 | 0.009 | 0.021 | 0.017 | 0.002 | 0.017 | 0.017 | ||
后期速度 | 0.009 | 0.027 | 0.019 | 0.003 | 0.018 | 0.020 | ||
确诊数 | 582 | 2307 | 1346 | 369 | 1273.676 | 1418.324 | ||
死亡数 | 21 | 109 | 54 | 17 | 50.668 | 57.332 | ||
0.3 | 总速度 | 0.018 | 0.026 | 0.022 | 0.002 | 0.022 | 0.022 | |
前期速度 | 0.013 | 0.024 | 0.018 | 0.002 | 0.018 | 0.018 | ||
后期速度 | 0.014 | 0.034 | 0.024 | 0.003 | 0.023 | 0.025 | ||
确诊数 | 350 | 2049 | 1253 | 346 | 1185.184 | 1320.816 | ||
死亡数 | 12 | 91 | 51 | 16 | 47.864 | 54.136 | ||
0.4 | 总速度 | 0.018 | 0.028 | 0.023 | 0.002 | 0.023 | 0.023 | |
前期速度 | 0.010 | 0.022 | 0.018 | 0.002 | 0.018 | 0.018 | ||
后期速度 | 0.022 | 0.036 | 0.030 | 0.003 | 0.029 | 0.031 | ||
个人主义 | 政府规范 | 变量 | 极小值 | 极大值 | 均值 | 标准差 | 95%置信区间下限 | 95%置信区间上限 |
确诊数 | 464 | 1881 | 1188 | 345 | 1120.380 | 1255.620 | ||
死亡数 | 13 | 84 | 48 | 16 | 44.864 | 51.136 | ||
低(30) | 0.5 | 总速度 | 0.019 | 0.028 | 0.024 | 0.002 | 0.024 | 0.024 |
前期速度 | 0.014 | 0.022 | 0.018 | 0.002 | 0.018 | 0.018 | ||
后期速度 | 0.028 | 0.043 | 0.034 | 0.003 | 0.033 | 0.035 | ||
确诊数 | 337 | 2015 | 1154 | 342 | 1086.968 | 1221.032 | ||
死亡数 | 13 | 87 | 46 | 15 | 43.060 | 48.940 | ||
0.6 | 总速度 | 0.019 | 0.030 | 0.025 | 0.002 | 0.025 | 0.025 | |
前期速度 | 0.012 | 0.023 | 0.019 | 0.002 | 0.019 | 0.019 | ||
后期速度 | 0.029 | 0.043 | 0.037 | 0.003 | 0.036 | 0.038 | ||
确诊数 | 292 | 2117 | 1049 | 323 | 985.692 | 1112.308 | ||
死亡数 | 10 | 103 | 43 | 16 | 39.864 | 46.136 | ||
0.7 | 总速度 | 0.017 | 0.030 | 0.025 | 0.002 | 0.025 | 0.025 | |
前期速度 | 0.013 | 0.024 | 0.019 | 0.002 | 0.019 | 0.019 | ||
后期速度 | 0.029 | 0.047 | 0.040 | 0.003 | 0.039 | 0.041 | ||
确诊数 | 408 | 2144 | 1076 | 320 | 1013.280 | 1138.720 | ||
死亡数 | 10 | 87 | 42 | 15 | 39.060 | 44.940 | ||
0.8 | 总速度 | 0.021 | 0.031 | 0.026 | 0.002 | 0.026 | 0.026 | |
前期速度 | 0.013 | 0.023 | 0.019 | 0.002 | 0.019 | 0.019 | ||
后期速度 | 0.033 | 0.049 | 0.042 | 0.003 | 0.041 | 0.043 | ||
确诊数 | 385 | 1756 | 988 | 329 | 923.516 | 1052.484 | ||
死亡数 | 10 | 76 | 39 | 15 | 36.060 | 41.940 | ||
0.9 | 总速度 | 0.018 | 0.031 | 0.025 | 0.002 | 0.025 | 0.025 | |
前期速度 | 0.013 | 0.023 | 0.019 | 0.002 | 0.019 | 0.019 | ||
后期速度 | 0.033 | 0.050 | 0.043 | 0.003 | 0.042 | 0.044 | ||
确诊数 | 1573 | 4806 | 3846 | 559 | 3736.436 | 3955.564 | ||
死亡数 | 62 | 193 | 153 | 25 | 148.100 | 157.900 | ||
0.1 | 总速度 | 0.014 | 0.020 | 0.018 | 0.001 | 0.018 | 0.018 | |
前期速度 | 0.009 | 0.018 | 0.015 | 0.001 | 0.015 | 0.015 | ||
后期速度 | 0.015 | 0.023 | 0.021 | 0.002 | 0.021 | 0.021 | ||
确诊数 | 1811 | 4775 | 3694 | 576 | 3581.104 | 3806.896 | ||
死亡数 | 73 | 204 | 146 | 25 | 141.100 | 150.900 | ||
0.2 | 总速度 | 0.015 | 0.020 | 0.019 | 0.001 | 0.019 | 0.019 | |
前期速度 | 0.011 | 0.019 | 0.015 | 0.002 | 0.015 | 0.015 | ||
后期速度 | 0.018 | 0.025 | 0.022 | 0.001 | 0.022 | 0.022 | ||
确诊数 | 1951 | 4880 | 3430 | 635 | 3305.540 | 3554.460 | ||
死亡数 | 74 | 187 | 136 | 25 | 131.100 | 140.900 | ||
0.3 | 总速度 | 0.015 | 0.021 | 0.019 | 0.001 | 0.019 | 0.019 | |
前期速度 | 0.011 | 0.020 | 0.015 | 0.002 | 0.015 | 0.015 | ||
后期速度 | 0.017 | 0.026 | 0.024 | 0.002 | 0.024 | 0.024 | ||
确诊数 | 1497 | 4483 | 3312 | 638 | 3186.952 | 3437.048 | ||
死亡数 | 61 | 188 | 132 | 28 | 126.512 | 137.488 | ||
0.4 | 总速度 | 0.017 | 0.022 | 0.020 | 0.001 | 0.020 | 0.020 | |
前期速度 | 0.012 | 0.020 | 0.016 | 0.002 | 0.016 | 0.016 | ||
后期速度 | 0.021 | 0.028 | 0.026 | 0.001 | 0.026 | 0.026 | ||
个人主义 | 政府规范 | 变量 | 极小值 | 极大值 | 均值 | 标准差 | 95%置信区间下限 | 95%置信区间上限 |
确诊数 | 265 | 4398 | 3109 | 683 | 2975.132 | 3242.868 | ||
死亡数 | 7 | 199 | 126 | 32 | 119.728 | 132.272 | ||
高(70) | 0.5 | 总速度 | 0.010 | 0.022 | 0.020 | 0.001 | 0.020 | 0.020 |
前期速度 | 0.008 | 0.019 | 0.015 | 0.002 | 0.015 | 0.015 | ||
后期速度 | 0.016 | 0.031 | 0.027 | 0.002 | 0.027 | 0.027 | ||
确诊数 | 932 | 4212 | 2995 | 621 | 2873.284 | 3116.716 | ||
死亡数 | 36 | 184 | 120 | 30 | 114.120 | 125.880 | ||
0.6 | 总速度 | 0.018 | 0.023 | 0.021 | 0.001 | 0.021 | 0.021 | |
前期速度 | 0.010 | 0.019 | 0.016 | 0.002 | 0.016 | 0.016 | ||
后期速度 | 0.026 | 0.033 | 0.029 | 0.002 | 0.029 | 0.029 | ||
确诊数 | 1519 | 4045 | 2926 | 593 | 2809.772 | 3042.228 | ||
死亡数 | 59 | 176 | 118 | 26 | 112.904 | 123.096 | ||
0.7 | 总速度 | 0.019 | 0.024 | 0.021 | 0.001 | 0.021 | 0.021 | |
前期速度 | 0.011 | 0.020 | 0.016 | 0.002 | 0.016 | 0.016 | ||
后期速度 | 0.027 | 0.035 | 0.031 | 0.002 | 0.031 | 0.031 | ||
确诊数 | 1175 | 4093 | 2815 | 576 | 2702.104 | 2927.896 | ||
死亡数 | 39 | 185 | 111 | 25 | 106.100 | 115.900 | ||
0.8 | 总速度 | 0.018 | 0.024 | 0.021 | 0.001 | 0.021 | 0.021 | |
前期速度 | 0.011 | 0.019 | 0.016 | 0.002 | 0.016 | 0.016 | ||
后期速度 | 0.028 | 0.037 | 0.033 | 0.002 | 0.033 | 0.033 | ||
确诊数 | 1300 | 4137 | 2764 | 583 | 2649.732 | 2878.268 | ||
死亡数 | 47 | 174 | 111 | 26 | 105.904 | 116.096 | ||
0.9 | 总速度 | 0.019 | 0.025 | 0.021 | 0.001 | 0.021 | 0.021 | |
前期速度 | 0.011 | 0.019 | 0.016 | 0.002 | 0.016 | 0.016 | ||
后期速度 | 0.028 | 0.042 | 0.034 | 0.003 | 0.033 | 0.035 |
变量 | 样本量 | 均值 | 标准差 | 极大值 | 极小值 |
---|---|---|---|---|---|
独立自我建构 | 1765 | 61.52 | 9.997 | 84 | 19 |
互依自我建构 | 1765 | 58.92 | 11.013 | 84 | 12 |
违规流动倾向 | 1765 | 4.7785 | 1.867 | 7 | 1 |
死亡恐惧 | 1761 | 3.9284 | 1.176 | 6 | 1 |
表S9 研究4各变量的描述性统计分析结果
变量 | 样本量 | 均值 | 标准差 | 极大值 | 极小值 |
---|---|---|---|---|---|
独立自我建构 | 1765 | 61.52 | 9.997 | 84 | 19 |
互依自我建构 | 1765 | 58.92 | 11.013 | 84 | 12 |
违规流动倾向 | 1765 | 4.7785 | 1.867 | 7 | 1 |
死亡恐惧 | 1761 | 3.9284 | 1.176 | 6 | 1 |
国家 | 样本量 | 独立 | 互依 | ||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
均值 | 标准差 | 最大值 | 最小值 | 均值 | 标准差 | 最大值 | 最小值 | ||||||||||||
阿根廷 | 6 | 66.50 | 9.31 | 82 | 57 | 57.00 | 4.73 | 63 | 51 | ||||||||||
澳大利亚 | 61 | 56.07 | 10.89 | 84 | 33 | 54.21 | 10.53 | 82 | 34 | ||||||||||
孟加拉 | 94 | 57.14 | 6.30 | 72 | 43 | 54.69 | 11.29 | 73 | 24 | ||||||||||
加拿大 | 98 | 58.61 | 8.47 | 77 | 32 | 57.91 | 9.96 | 81 | 31 | ||||||||||
中国 | 88 | 57.44 | 7.75 | 73 | 41 | 59.69 | 8.23 | 76 | 39 | ||||||||||
哥伦比亚 | 68 | 68.09 | 11.04 | 84 | 29 | 56.13 | 11.15 | 76 | 26 | ||||||||||
法国 | 48 | 57.25 | 10.43 | 84 | 30 | 54.94 | 9.57 | 84 | 21 | ||||||||||
德国 | 80 | 59.06 | 8.98 | 77 | 31 | 55.31 | 9.31 | 77 | 31 | ||||||||||
印度 | 175 | 64.73 | 9.04 | 79 | 19 | 67.01 | 9.87 | 82 | 23 | ||||||||||
国家 | 样本量 | 独立 | 互依 | ||||||||||||||||
均值 | 标准差 | 最大值 | 最小值 | 均值 | 标准差 | 最大值 | 最小值 | ||||||||||||
爱尔兰 | 32 | 62.53 | 8.30 | 82 | 46 | 55.78 | 10.23 | 72 | 32 | ||||||||||
意大利 | 96 | 59.44 | 9.55 | 80 | 39 | 59.04 | 9.06 | 81 | 31 | ||||||||||
日本 | 78 | 55.41 | 8.13 | 75 | 37 | 52.74 | 10.00 | 80 | 29 | ||||||||||
韩国 | 124 | 58.03 | 9.79 | 82 | 36 | 57.69 | 8.81 | 78 | 36 | ||||||||||
墨西哥 | 60 | 63.93 | 11.78 | 81 | 28 | 58.23 | 10.28 | 74 | 24 | ||||||||||
荷兰 | 75 | 67.52 | 10.34 | 82 | 45 | 52.04 | 11.66 | 73 | 27 | ||||||||||
尼日利亚 | 78 | 64.42 | 8.20 | 78 | 41 | 65.18 | 8.29 | 79 | 41 | ||||||||||
巴基斯坦 | 58 | 60.16 | 9.67 | 76 | 19 | 63.59 | 10.52 | 79 | 12 | ||||||||||
菲律宾 | 56 | 62.02 | 7.54 | 77 | 35 | 59.02 | 9.41 | 79 | 39 | ||||||||||
西班牙 | 80 | 60.06 | 10.42 | 84 | 35 | 57.98 | 10.80 | 79 | 24 | ||||||||||
土耳其 | 61 | 65.52 | 9.06 | 81 | 44 | 61.43 | 11.10 | 82 | 39 | ||||||||||
英国 | 93 | 61.92 | 8.35 | 82 | 42 | 56.26 | 9.90 | 83 | 19 | ||||||||||
美国 | 99 | 66.04 | 8.70 | 84 | 40 | 62.54 | 10.25 | 84 | 36 | ||||||||||
委内瑞拉 | 57 | 69.39 | 10.98 | 84 | 37 | 64.18 | 15.90 | 84 | 22 |
表S10 研究4不同国家独立自我建构和互依自我建构的描述性统计
国家 | 样本量 | 独立 | 互依 | ||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
均值 | 标准差 | 最大值 | 最小值 | 均值 | 标准差 | 最大值 | 最小值 | ||||||||||||
阿根廷 | 6 | 66.50 | 9.31 | 82 | 57 | 57.00 | 4.73 | 63 | 51 | ||||||||||
澳大利亚 | 61 | 56.07 | 10.89 | 84 | 33 | 54.21 | 10.53 | 82 | 34 | ||||||||||
孟加拉 | 94 | 57.14 | 6.30 | 72 | 43 | 54.69 | 11.29 | 73 | 24 | ||||||||||
加拿大 | 98 | 58.61 | 8.47 | 77 | 32 | 57.91 | 9.96 | 81 | 31 | ||||||||||
中国 | 88 | 57.44 | 7.75 | 73 | 41 | 59.69 | 8.23 | 76 | 39 | ||||||||||
哥伦比亚 | 68 | 68.09 | 11.04 | 84 | 29 | 56.13 | 11.15 | 76 | 26 | ||||||||||
法国 | 48 | 57.25 | 10.43 | 84 | 30 | 54.94 | 9.57 | 84 | 21 | ||||||||||
德国 | 80 | 59.06 | 8.98 | 77 | 31 | 55.31 | 9.31 | 77 | 31 | ||||||||||
印度 | 175 | 64.73 | 9.04 | 79 | 19 | 67.01 | 9.87 | 82 | 23 | ||||||||||
国家 | 样本量 | 独立 | 互依 | ||||||||||||||||
均值 | 标准差 | 最大值 | 最小值 | 均值 | 标准差 | 最大值 | 最小值 | ||||||||||||
爱尔兰 | 32 | 62.53 | 8.30 | 82 | 46 | 55.78 | 10.23 | 72 | 32 | ||||||||||
意大利 | 96 | 59.44 | 9.55 | 80 | 39 | 59.04 | 9.06 | 81 | 31 | ||||||||||
日本 | 78 | 55.41 | 8.13 | 75 | 37 | 52.74 | 10.00 | 80 | 29 | ||||||||||
韩国 | 124 | 58.03 | 9.79 | 82 | 36 | 57.69 | 8.81 | 78 | 36 | ||||||||||
墨西哥 | 60 | 63.93 | 11.78 | 81 | 28 | 58.23 | 10.28 | 74 | 24 | ||||||||||
荷兰 | 75 | 67.52 | 10.34 | 82 | 45 | 52.04 | 11.66 | 73 | 27 | ||||||||||
尼日利亚 | 78 | 64.42 | 8.20 | 78 | 41 | 65.18 | 8.29 | 79 | 41 | ||||||||||
巴基斯坦 | 58 | 60.16 | 9.67 | 76 | 19 | 63.59 | 10.52 | 79 | 12 | ||||||||||
菲律宾 | 56 | 62.02 | 7.54 | 77 | 35 | 59.02 | 9.41 | 79 | 39 | ||||||||||
西班牙 | 80 | 60.06 | 10.42 | 84 | 35 | 57.98 | 10.80 | 79 | 24 | ||||||||||
土耳其 | 61 | 65.52 | 9.06 | 81 | 44 | 61.43 | 11.10 | 82 | 39 | ||||||||||
英国 | 93 | 61.92 | 8.35 | 82 | 42 | 56.26 | 9.90 | 83 | 19 | ||||||||||
美国 | 99 | 66.04 | 8.70 | 84 | 40 | 62.54 | 10.25 | 84 | 36 | ||||||||||
委内瑞拉 | 57 | 69.39 | 10.98 | 84 | 37 | 64.18 | 15.90 | 84 | 22 |
国家 | 样本量 | 死亡恐惧 | 违规流动倾向 | ||||||
---|---|---|---|---|---|---|---|---|---|
均值 | 标准差 | 最大值 | 最小值 | 均值 | 标准差 | 最大值 | 最小值 | ||
阿根廷 | 6 | 4.833 | 1.602 | 7 | 3 | 3.417 | 1.068 | 5 | 2 |
澳大利亚 | 61 | 4.689 | 1.876 | 7 | 1 | 3.795 | 1.205 | 6 | 1 |
孟加拉 | 94 | 4.351 | 1.905 | 7 | 1 | 3.543 | 1.226 | 6 | 1.5 |
加拿大 | 98 | 4.490 | 2.042 | 7 | 1 | 3.699 | 1.157 | 6 | 1 |
中国 | 88 | 4.761 | 1.781 | 7 | 1 | 3.818 | 0.995 | 6 | 1 |
哥伦比亚 | 68 | 4.838 | 1.897 | 7 | 1 | 4.125 | 1.124 | 6 | 1 |
法国 | 48 | 4.104 | 1.825 | 7 | 1 | 3.344 | 1.195 | 6 | 1 |
德国 | 80 | 4.963 | 1.746 | 7 | 1 | 3.744 | 1.067 | 6 | 1.5 |
印度 | 175 | 5.251 | 1.628 | 7 | 1 | 4.240 | 1.049 | 6 | 1 |
爱尔兰 | 32 | 4.250 | 2.064 | 7 | 1 | 3.469 | 1.332 | 6 | 1 |
意大利 | 96 | 4.083 | 1.739 | 7 | 1 | 3.662 | 0.950 | 5.5 | 1.5 |
日本 | 78 | 4.846 | 1.810 | 7 | 1 | 4.250 | 1.271 | 6 | 1.5 |
韩国 | 124 | 4.766 | 1.892 | 7 | 1 | 3.951 | 1.230 | 6 | 1 |
墨西哥 | 60 | 5.150 | 1.764 | 7 | 1 | 3.975 | 1.170 | 6 | 1 |
荷兰 | 75 | 4.893 | 1.632 | 7 | 1 | 4.033 | 0.991 | 6 | 1.5 |
尼日利亚 | 78 | 5.103 | 1.951 | 7 | 1 | 4.224 | 1.404 | 6 | 1 |
巴基斯坦 | 58 | 5.069 | 1.872 | 7 | 1 | 4.181 | 1.075 | 6 | 2 |
菲律宾 | 56 | 4.821 | 1.478 | 7 | 1 | 4.054 | 0.923 | 6 | 1.5 |
西班牙 | 80 | 4.588 | 1.998 | 7 | 1 | 3.644 | 1.228 | 6 | 1 |
土耳其 | 61 | 5.639 | 1.693 | 7 | 1 | 4.475 | 1.340 | 6 | 1 |
英国 | 93 | 4.441 | 2.029 | 7 | 1 | 3.559 | 1.216 | 6 | 1 |
美国 | 99 | 5.091 | 1.585 | 7 | 1 | 4.189 | 1.090 | 6 | 1 |
委内瑞拉 | 57 | 4.316 | 2.458 | 7 | 1 | 4.114 | 1.090 | 6 | 2 |
表S11 研究4不同国家死亡恐惧和违规流动的描述性统计
国家 | 样本量 | 死亡恐惧 | 违规流动倾向 | ||||||
---|---|---|---|---|---|---|---|---|---|
均值 | 标准差 | 最大值 | 最小值 | 均值 | 标准差 | 最大值 | 最小值 | ||
阿根廷 | 6 | 4.833 | 1.602 | 7 | 3 | 3.417 | 1.068 | 5 | 2 |
澳大利亚 | 61 | 4.689 | 1.876 | 7 | 1 | 3.795 | 1.205 | 6 | 1 |
孟加拉 | 94 | 4.351 | 1.905 | 7 | 1 | 3.543 | 1.226 | 6 | 1.5 |
加拿大 | 98 | 4.490 | 2.042 | 7 | 1 | 3.699 | 1.157 | 6 | 1 |
中国 | 88 | 4.761 | 1.781 | 7 | 1 | 3.818 | 0.995 | 6 | 1 |
哥伦比亚 | 68 | 4.838 | 1.897 | 7 | 1 | 4.125 | 1.124 | 6 | 1 |
法国 | 48 | 4.104 | 1.825 | 7 | 1 | 3.344 | 1.195 | 6 | 1 |
德国 | 80 | 4.963 | 1.746 | 7 | 1 | 3.744 | 1.067 | 6 | 1.5 |
印度 | 175 | 5.251 | 1.628 | 7 | 1 | 4.240 | 1.049 | 6 | 1 |
爱尔兰 | 32 | 4.250 | 2.064 | 7 | 1 | 3.469 | 1.332 | 6 | 1 |
意大利 | 96 | 4.083 | 1.739 | 7 | 1 | 3.662 | 0.950 | 5.5 | 1.5 |
日本 | 78 | 4.846 | 1.810 | 7 | 1 | 4.250 | 1.271 | 6 | 1.5 |
韩国 | 124 | 4.766 | 1.892 | 7 | 1 | 3.951 | 1.230 | 6 | 1 |
墨西哥 | 60 | 5.150 | 1.764 | 7 | 1 | 3.975 | 1.170 | 6 | 1 |
荷兰 | 75 | 4.893 | 1.632 | 7 | 1 | 4.033 | 0.991 | 6 | 1.5 |
尼日利亚 | 78 | 5.103 | 1.951 | 7 | 1 | 4.224 | 1.404 | 6 | 1 |
巴基斯坦 | 58 | 5.069 | 1.872 | 7 | 1 | 4.181 | 1.075 | 6 | 2 |
菲律宾 | 56 | 4.821 | 1.478 | 7 | 1 | 4.054 | 0.923 | 6 | 1.5 |
西班牙 | 80 | 4.588 | 1.998 | 7 | 1 | 3.644 | 1.228 | 6 | 1 |
土耳其 | 61 | 5.639 | 1.693 | 7 | 1 | 4.475 | 1.340 | 6 | 1 |
英国 | 93 | 4.441 | 2.029 | 7 | 1 | 3.559 | 1.216 | 6 | 1 |
美国 | 99 | 5.091 | 1.585 | 7 | 1 | 4.189 | 1.090 | 6 | 1 |
委内瑞拉 | 57 | 4.316 | 2.458 | 7 | 1 | 4.114 | 1.090 | 6 | 2 |
变量 | 违规流动倾向 | |||||
---|---|---|---|---|---|---|
模型1 | 模型2 | 模型3 | ||||
B | SE | B | SE | B | SE | |
常数 | 4.016** | 0.383 | 4.635** | 0.577 | 6.204** | 0.638 |
独立 | 0.012 | 0.006 | 0.012* | 0.006 | 0.014* | 0.006 |
互依 | -0.012 | 0.008 | -0.014 | 0.008 | ||
政府规范 | 0.001 | 0.008 | -0.018* | 0.007 | ||
人均GDP | -0.000 | 0.000 | ||||
总人口 | 0.000 | 0.000 | ||||
人口密度 | -0.001* | 0.0002 | ||||
老年比率 | -2.532 | 1.296 |
表S12 研究4违规流动倾向的分层线性模型
变量 | 违规流动倾向 | |||||
---|---|---|---|---|---|---|
模型1 | 模型2 | 模型3 | ||||
B | SE | B | SE | B | SE | |
常数 | 4.016** | 0.383 | 4.635** | 0.577 | 6.204** | 0.638 |
独立 | 0.012 | 0.006 | 0.012* | 0.006 | 0.014* | 0.006 |
互依 | -0.012 | 0.008 | -0.014 | 0.008 | ||
政府规范 | 0.001 | 0.008 | -0.018* | 0.007 | ||
人均GDP | -0.000 | 0.000 | ||||
总人口 | 0.000 | 0.000 | ||||
人口密度 | -0.001* | 0.0002 | ||||
老年比率 | -2.532 | 1.296 |
[1] |
Alesina, A., & Angeletos, G. M. (2005). Fairness and redistribution. American Economic Review, 95(4), 960-980.
doi: 10.1257/0002828054825655 URL |
[2] |
Allcott, H., Boxell, L., Conway, J. C., Gentzkow, M., Thaler, M., & Yang, D. Y. (2020). Polarization and public health: Partisan differences in social distancing during the coronavirus pandemic. Journal of Public Economics, 191, 104254. https://doi.org/10.1016/j.jpubeco.2020.104254
doi: 10.1016/j.jpubeco.2020.104254 URL |
[3] |
Anderson, B. (2020). Cultural geography III: The concept of ‘culture’: Progress in Human Geography, 44(3), 608-617.
doi: 10.1177/0309132519856264 URL |
[4] | Becvar, D. S. (2005). Cancer in context: A commentary. Families Systems & Health, 23(2), 148-154. |
[5] |
Benabou, R., & Tirole, J. (2006). Belief in a just world and redistributive politics. Quarterly Journal of Economics, 121(2), 699-746.
doi: 10.1162/qjec.2006.121.2.699 URL |
[6] |
Bergua, M., Luis-Arteaga, M., & Escriu, F. (2008). Comparison of logistic regression and growth function models for the analysis of the incidence of virus infection. Spanish Journal of Agricultural Research, 6(1), 170-176.
doi: 10.5424/sjar/200806S1-385 URL |
[7] |
Canning, D., Karra, M., Dayalu, R., Guo, M., & Bloom, D. E. (2010). The association between age, COVID-19 symptoms, and social distancing behavior in the United States. MedRxiv. 10. 10.1101/2020.04.19.20065219
doi: 10.1101/2020.04.19.20065219 |
[8] |
Cao, C., Li, N., & Liu, L. (2020). Do national cultures matter in the containment of COVID-19? International Journal of Sociology and Social Policy, 40, 939-961.
doi: 10.1108/IJSSP-07-2020-0334 URL |
[9] | Cheeyandira, A. (2020). The effects of COVID-19 pandemic on the provision of urgent surgery: A perspective from the USA. Journal of Surgical Case Reports, 2020(4), 1-2. |
[10] |
Chen, C., Frey, C. B., & Presidente, G. (2021). Culture and contagion: Individualism and compliance with COVID-19 policy. Journal of Economic Behavior & Organization, 190, 191-200.
doi: 10.1016/j.jebo.2021.07.026 URL |
[11] |
Chiao, J. Y., Harada, T., Komeda, H., Li, Z., Mano, Y., Saito, D., ... Iidaka, T. (2010). Dynamic cultural influences on neural representations of the self. Journal of Cognitive Neuroscience, 22(1), 1-11.
doi: 10.1162/jocn.2009.21192 pmid: 19199421 |
[12] |
Civitarese, J. (2020). Social distancing under epistemic distress. Available at SSRN 3570298. 10.2139/ssrn.3570298.
doi: 10.2139/ssrn.3570298 |
[13] |
Cohen, A. B., Wu, M. S., & Miller, J. (2016). Religion and culture individualism and collectivism in the east and west. Journal of Cross-Cultural Psychology, 47(9), 1236-1249.
doi: 10.1177/0022022116667895 URL |
[14] |
Cohen, J., & Kupferschmidt, K. (2020). Countries test tactics in ‘war’ against COVID-19. Science, 367(6484), 1287-1288
doi: 10.1126/science.367.6484.1287 pmid: 32193299 |
[15] | Conlon, A., Ashur, C., Washer, L., Eagle, K. A., & Bowman, M. A. H. (2021). Impact of the influenza vaccine on COVID-19 infection rates and severity. American Journal of Infection Control, (5), 1-33. |
[16] |
Cuevas, E. (2020). An agent-based model to evaluate the COVID-19 transmission risks in facilities. Computers in Biology and Medicine, 121, 103827.
doi: 10.1016/j.compbiomed.2020.103827 URL |
[17] |
Dehning, J., Zierenberg, J., Spitzner, F. P., Wibral, M., Neto, J. P., Wilczek, M., & Priesemann, V. (2020). Inferring change points in the spread of COVID-19 reveals the effectiveness of interventions. Science, 369(6500), eabb9789.
doi: 10.1126/science.abb9789 URL |
[18] | Deng, W., & Dong., L.-Y. (2021). Collaborative emergency:“medical squeeze” and cooperative management in major epidemic-take the COVID-19 crisis as an example. Journal of South China University of Technology (Social Science Edition), 23(1), 104-112. |
[邓玮, 董丽云. (2021). 协同式应急:重大疫情中的医疗挤兑与合作治理--以新冠肺炎疫情为例. 华南理工大学学报(社科版), 23(1), 104-112.] | |
[19] |
Fincher, C. L., Thornhill, R., Murray, D. R., & Schaller, M. (2008). Pathogen prevalence predicts human cross-cultural variability in individualism/collectivism. Proceedings of the Royal Society B: Biological Sciences, 275(1640), 1279-1285.
doi: 10.1098/rspb.2008.0094 pmid: 18302996 |
[20] |
Fischer, R., & van de Vliert, E. (2011). Does climate undermine subjective well-being? A 58-nation study. Personality and Social Psychology Bulletin, 37(8), 1031-1041.
doi: 10.1177/0146167211407075 pmid: 21555504 |
[21] |
Gelfand, M. J., Jackson, J. C., Pan, X., Nau, D., Pieper, D., Denison, E., ... Wang, M. (2021). The relationship between cultural tightness-looseness and COVID-19 cases and deaths: A global analysis. The Lancet Planetary Health, 5(3), e135-e144.
doi: 10.1016/S2542-5196(20)30301-6 URL |
[22] |
Han, S., & Ma, Y. (2015). A culture-behavior-brain loop model of human development. Trends in Cognitive Sciences, 19(11), 666-676.
doi: 10.1016/j.tics.2015.08.010 URL |
[23] |
Haxby, J. V., Connolly, A. C., & Guntupalli, J. S. (2014). Decoding neural representational spaces using multivariate pattern analysis. Annual Review of Neuroscience, 37, 435-456.
doi: 10.1146/annurev-neuro-062012-170325 URL |
[24] | Hayes, A. F. (2017). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach. Guilford publications. |
[25] |
Her, M. (2020). How is COVID-19 affecting South Korea? What is our current strategy? Disaster Medicine and Public Health Preparedness, 14(5), 684-686.
doi: 10.1017/dmp.2020.69 URL |
[26] | Hulme, M. (2014). Attributing weather extremes to ‘climate change’: A review. Progress in Physical Geography, 38(4), 499-511. |
[27] |
Huynh, T. L. D. (2020). Does culture matter social distancing under the COVID-19 pandemic? Safety Science, 130(130), 104872.
doi: 10.1016/j.ssci.2020.104872 URL |
[28] |
Jackson, J. C., Rand, D., Lewis, K., Norton, M. I., & Gray, K. (2017). Agent-based modeling. Social Psychological and Personality Science, 8(4), 387-395.
doi: 10.1177/1948550617691100 URL |
[29] | Jiang, S., Wei, Q., & Zhang, L. (2021). Individualism vs. collectivism and the early-stage transmission of COVID-19. Available at SSRN: https://ssrn.com/abstract=3646229 or http://dx.doi.org/10.2139/ssrn.3646229 |
[30] |
Kearl, M. C., & Harris, R. (1982). Individualism and the emerging “modern” ideology of death. OMEGA-Journal of Death and Dying, 12(3), 269-280.
doi: 10.2190/KRE9-H8X9-8HYF-27E4 URL |
[31] |
Kemmelmeier, M., Wieczorkowska, G., Erb, H. P., & Burnstein, E. (2002). Individualism, authoritarianism, and attitudes toward assisted death: Cross‐cultural, cross- regional, and experimental evidence. Journal of Applied Social Psychology, 32(1), 60-85.
pmid: 12680373 |
[32] |
Kleitman, S., Fullerton, D. J., Zhang, L. M., Blanchard, M. D., Lee, J., Stankov, L., & Thompson, V. (2021). To comply or not comply? A latent profile analysis of behaviours and attitudes during the COVID-19 pandemic. Plos One, 16(7), e0255268.
doi: 10.1371/journal.pone.0255268 URL |
[33] |
Kreuter, M. W., & McClure, S. M. (2004). The role of culture in health communication. Annual Review of Public Health, 25(1), 439-455.
doi: 10.1146/annurev.publhealth.25.101802.123000 URL |
[34] |
Kriegeskorte, N., Mur, M., & Bandettini, P. A. (2008). Representational similarity analysis-connecting the branches of systems neuroscience. Frontiers in Systems Neuroscience, 2, 4.
doi: 10.3389/neuro.06.004.2008 pmid: 19104670 |
[35] |
Lai, S., Ruktanonchai, N. W., Zhou, L., Prosper, O., Luo, W., Floyd, J. R., ... Du, X. (2020). Effect of non-pharmaceutical interventions to contain COVID-19 in China. Nature, 585(7825), 410-413.
doi: 10.1038/s41586-020-2293-x URL |
[36] |
Liu, J. H. (2021). Majority world successes and European and American failure to contain COVID-19: Cultural collectivism and global leadership. Asian Journal of Social Psychology, 24(1), 23-29.
doi: 10.1111/ajsp.12461 URL |
[37] | Lu, J. G., Jin, P., & English, A. S. (2021). Collectivism predicts mask use during COVID-19. Proceedings of the National Academy of Sciences, 118(23). https://doi.org/10.1073/pnas.2021793118 |
[38] | Lunn, P. D., Belton, C. A., Lavin, C., McGowan, F. P., Timmons, S., & Robertson, D. A. (2020). Using behavioral science to help fight the coronavirus. Journal of Behavioral Public Administration, 3(1). https://doi.org/10.30636/jbpa.31.147 |
[39] | Macal, C. M., & North, M. J. (2009). Agent-based modeling and simulation. In Proceedings of the 2009 Winter Simulation Conference (WSC). IEEE. Austin, TX, USA. |
[40] | MacKinnon, D. P. (2008). Multivariate applications series. Introduction to statistical mediation analysis. Taylor & Francis Group/Lawrence Erlbaum Associates. |
[41] |
Markus, H. R., & Kitayama, S. (2010). Cultures and selves: A cycle of mutual constitution. Perspectives on Psychological Science, 5(4), 420-430.
doi: 10.1177/1745691610375557 pmid: 26162188 |
[42] | Messner, W. (2020). The institutional and cultural context of cross-national variation in COVID-19 outbreaks. Medrxiv. https://doi.org/10.1101/2020.03.30.20047589 |
[43] |
Murray, D. R., & Schaller, M. (2010). Historical prevalence of disease within 230 geopolitical regions: A tool for investigating origins of culture. Journal of Cross-Cultural Psychology, 41, 99-108.
doi: 10.1177/0022022109349510 URL |
[44] | Nisbett, R. E., Peng, K., Choi, I., Norenzayan, A., Zhamkochyan, M. S., & Magun, V. S. (2011). Culture and systems of thought: Comparison of holistic and analytic cognition. Psikhologicheskii Zhurnal, 32(1), 55-86. |
[45] |
Oyserman, D., Coon, H. M., & Kemmelmeier, M. (2002). Rethinking individualism and collectivism: Evaluation of theoretical assumptions and meta-analyses. Psychological Bulletin, 128(1), 3-72.
pmid: 11843547 |
[46] | Painter, M., & Qiu, T. (2020). Political beliefs affect compliance with covid-19 social distancing orders. Covid Economics, 4, 103-123. |
[47] | Pennisi, E. (2018). Trio of genes supercharged human brain evolution, Science, 372(6544), 1-4. |
[48] | Perc, M., Miksić, N. G., Slavinec, M., & Stožer, A. (2020). Forecasting COVID-19. Frontiers of Physics in China, 8, 127. |
[49] |
Petherick, A., Goldszmidt, R., Andrade, E. B., Furst, R., Hale, T., Pott, A., & Wood, A. (2021). A worldwide assessment of changes in adherence to COVID-19 protective behaviours and hypothesized pandemic fatigue. Nature Human Behaviour, 5(9), 1145-1160.
doi: 10.1038/s41562-021-01181-x pmid: 34345009 |
[50] |
Popal, H., Wang, Y., & Olson, I. R. (2019). A guide to representational similarity analysis for social neuroscience. Social Cognitive and Affective Neuroscience, 14(11), 1243-1253.
doi: 10.1093/scan/nsz099 URL |
[51] | Prorokova, T. (2019). Review of a cultural history of climate change. Journal of Ecological Anthropology, 20(1), 6. |
[52] |
Roos, P., Gelfand, M., Nau, D., & Lun, J. (2015). Societal threat and cultural variation in the strength of social norms: An evolutionary basis. Organizational Behavior and Human Decision Processes, 129(1), 14-23.
doi: 10.1016/j.obhdp.2015.01.003 URL |
[53] |
Popal, H., Wang, Y., & Olson, I. R. (2019). A guide to representational similarity analysis for social neuroscience. Social Cognitive and Affective Neuroscience, 14(11), 1243-1253.
doi: 10.1093/scan/nsz099 URL |
[54] | Ross, C. T., & Richerson, P. J. (2014). New frontiers in the study of human cultural and genetic evolution. Current Opinion in Genetics & Development, 29, 103-109. |
[55] | Schaller, M., & Murray, D. R. (2010). Infectious diseases and the evolution of cross-cultural differences. Evolution, Culture, and the Human Mind, 243-56. |
[56] | Seymour, J. E., French, J., & Richardson, E. (2010). Dying matters: Let’s talk about it. BMJ, 341(7774), 646-648. |
[57] |
Singelis, T. M. (1994). The measurement of independent and interdependent self-construals. Personality and Social Psychology Bulletin, 20(5), 580-591.
doi: 10.1177/0146167294205014 URL |
[58] | Talhelm, T., & Oishi, S. (2018). How rice farming shaped culture in southern China. Socioeconomic Environment and Human Psychology, 21(3), 53-76. |
[59] |
Talhelm, T., Zhang, X., Oishi, S., Shimin, C., Duan, D., Lan, X., & Kitayama, S. (2014). Large-scale psychological differences within China explained by rice versus wheat agriculture. Science, 344(6184), 603-608.
doi: 10.1126/science.1246850 pmid: 24812395 |
[60] |
Tucker-Drob, E. M., & Briley, D. A. (2014). Continuity of genetic and environmental influences on cognition across the life span: A meta-analysis of longitudinal twin and adoption studies. Psychological Bulletin, 140(4), 949-979.
doi: 10.1037/a0035893 pmid: 24611582 |
[61] |
Uskul, A. K., Kitayama, S., & Nisbett, R. E. (2008). Ecocultural basis of cognition: Farmers and fishermen are more holistic than herders. Proceedings of the National Academy of Sciences of the United States of America, 105(25), 8552-8556.
doi: 10.1073/pnas.0803874105 pmid: 18552175 |
[62] |
van Bavel, J. J., Baicker, K., Boggio, P. S., Capraro, V., Cichocka, A., Cikara, M., ... Willer, R. (2020). Using social and behavioural science to support COVID-19 pandemic response. Nature Human Behaviour, 4(5), 460-471.
doi: 10.1038/s41562-020-0884-z pmid: 32355299 |
[63] |
van de Vliert, E., & Postmes, T. (2012). Climato-economic livability predicts societal collectivism and political autocracy better than parasitic stress does. Behavioral and Brain Sciences, 35(2), 94.
doi: 10.1017/S0140525X11001075 pmid: 22289160 |
[64] | Williams, L., Rasmussen, S., Kleczkowski, A., Maharaj, S., & Cairns, N. (2015). Protection motivation theory and social distancing behaviour in response to a simulated infectious disease epidemic. Psychology Health & Medicine, 20(7), 832-837. |
[65] |
Wong, J. E. L., Leo, Y. S., & Tan, C. C. (2020). COVID-19 in Singapore-current experience: Critical global issues that require attention and action. JAMA, 323(13), 1243-1244.
doi: 10.1001/jama.2020.2467 URL |
[66] | Wu, L., & Bai, Z. (2019). Why do individuals tend to conduct immoral behaviors repeatedly? - Based on psychology interpretation. Journal of Central China Normal University (Humanities and Social Sciences). 58(2), 184-192. |
[伍麟, 白仲琪. (2019). 为何不道德行为容易重复发生?--基于心理学的解释. 华中师范大学学报(人文社会科学版), 58(2), 184-192.] | |
[67] | Zhou, H., Long, L. R. (2004). Statistical remedies for common method biases. Advance in Psychological Science, 12(6), 942-950. |
[周浩, 龙立荣. (2004). 共同方法偏差的统计检验与控制方法. 心理科学进展, 12(6), 942-950.] |
[1] | 于文环, 何琳, 傅钰, 刘涛. 产品传统文化载荷对品牌地位的影响——来自青年消费群体的证据[J]. 心理学报, 2023, 55(9): 1542-1557. |
[2] | 庞隽, 李梦琳. 惺惺相惜:社会身份冲突对融合式文化混搭产品偏好的影响[J]. 心理学报, 2023, 55(9): 1558-1572. |
[3] | 付博, 彭坚, 梁潇杰, 陈丽芳, 于桂兰. 下属亲领导非伦理行为的持续与消退:基于领导反应的视角[J]. 心理学报, 2023, 55(5): 844-860. |
[4] | 张航, 王婷, 冯晓慧, 韦义平, 张积家. 铜鼓经验对壮族鼓手的节奏知觉和执行功能的影响[J]. 心理学报, 2023, 55(11): 1762-1779. |
[5] | 焦丽颖, 许燕, 田一, 郭震, 赵锦哲. 善恶人格的特质差序[J]. 心理学报, 2022, 54(7): 850-866. |
[6] | 江红艳, 张婧, 孙配贞, 江贤锦. 感性还是理性?文化衍生的权力感对广告诉求偏好的影响[J]. 心理学报, 2022, 54(6): 684-702. |
[7] | 田一, 王莉, 许燕, 焦丽颖. 中国人社会善念的心理结构[J]. 心理学报, 2021, 53(9): 1003-1017. |
[8] | 葛枭语, 侯玉波. 君子不忧不惧:君子人格与心理健康——自我控制与真实性的链式中介[J]. 心理学报, 2021, 53(4): 374-386. |
[9] | 葛枭语. 孝的多维心理结构:取向之异与古今之变[J]. 心理学报, 2021, 53(3): 306-321. |
[10] | 葛枭语, 李小明, 侯玉波. 孔子思想中的君子人格:心理学测量的探索[J]. 心理学报, 2021, 53(12): 1321-1334. |
[11] | 张梅, 丁书恒, 刘国芳, 徐亚珍, 傅鑫媛, 张巍, 辛自强. 网络突发事件中的负性偏向:产生与表现[J]. 心理学报, 2021, 53(12): 1361-1375. |
[12] | 魏新东, 汪凤炎. 自我-朋友冲突情境下智慧推理的文化差异及其机制[J]. 心理学报, 2021, 53(11): 1244-1259. |
[13] | 王斌, 付雅, 张积家. 语言和文化对自我参照条件下提取诱发遗忘的影响——来自汉族人和摩梭人的证据[J]. 心理学报, 2019, 51(4): 450-461. |
[14] | 焦丽颖, 杨颖, 许燕, 高树青, 张和云. 中国人的善与恶:人格结构与内涵 *[J]. 心理学报, 2019, 51(10): 1128-1142. |
[15] | 阎书昌. 晚清时期执权居士创制“心理(学)”一词的考察[J]. 心理学报, 2018, 50(8): 920-928. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||