应用分析路径的挑战

1.描述路径

描述路径的核心在于呈现疫情影响的现实状态和可能趋势，整体应用的难度较低，其中困难主要在于有效研究结果所要求的分析能力较高，以及数据有限性导致研究结论的解释范围相对有限。

由于整体对于数据的要求相对较低，描述路径适合应用于揭示疫情对特定维度影响的探索性研究或预测研究中。如在研究疫情对于特定微观企业存续影响的研究中，可以采用个案描述的方式，基于在线访谈记录等数据资料呈现企业在疫情下的生存情况。虽然该种思路相对易于执行，但是整体而言对于研究者的科学研究素质要求较高，尤其在新冠疫情已经造成系统性影响的情况下，需要对相关领域有较为深刻的理解，才能对材料进行合理的处理和呈现。如在疫情对经济增长影响的相关研究中，采用事实数据的研究需要对于特定地区的经济结构和发展模式具有较为深刻的理解，才能在研究中通过描述数据水平得出相关结论；采用推演数据的研究需要设计科学合理的判断机制，给出疫情下经济增长的变化趋势，并通过专家判断、模型拟合等方式保障其有效性。

同时，由于受到数据的约束，相关研究在选取研究对象时可能存在一定的约束，所选研究对象难以反映出全体的特征。如在疫情下公众行为和认知的研究，虽然问卷调查或在线调查方式能够保证数据具有一定的覆盖率，但受限于抽样框的设计，所反映出的内容仅能够代表抽样群体的特征，而非疫情对全体公众的影响。因此，在采用描述路径进行探讨时，需要重视对于现实问题的揭示，并且重视分析结果的使用范围和对象层次。

2.解释路径(www.xing528.com)

解释路径更加关注疫情影响的作用机制即因果关系，但疫情影响具有综合性和复杂性，并且可能存在周期性和滞后性，使得解释路径在数据的规模、质量、连贯性等方面有更高的要求，约束了该路径在实践中的应用。同时，值得注意的是，由于疫情影响的作用可能并非是线性的，尤其是对于经济增长、社会稳定等宏观因素，研究实践中需要谨慎对待研究发现的原因解释，有必要系统综合地考虑疫情影响的作用机制，因而其对于数据支持的要求更高。

对于现实数据，解释路径需要使用对比实验的方式展现疫情的影响程度和方式，如“有—无”对比、“前—后”对比以及两者综合的倍差法（DID）等。新冠疫情的爆发具有突发性，在短时间内覆盖全国，并且自上而下的防控全国铺开，致使研究中难以找到未发生疫情及防控的横向对照组，即难以进行“有—无”对比及倍差法分析。虽然研究者能够通过特定方式收集得到疫情中特定变量的数据资料，如公众认知、行业发展、政府行为等，但是除少数存在长期公开的数据外，比较难以找到可靠对比数据，使得“前—后”对比方法所能够应用的特定疫情影响领域存在限制。同时，由于在疫情防控正在推进的当下，暂时无法收集得到疫情及防控结束后或相对较长时期的数据，目前难以应用对比路径分析疫情影响的滞后性和周期性。

对于推演数据，解释路径需要通过对比模拟环境中不同参数设置下的结果差异，以此判断疫情的影响，其难点在于模拟环境的构建。模拟环境构架要求对疫情影响的机制有着较高的认识，要求已有相对较为成熟的研究，或研究人员对特定领域有较高的理解，尤其本次新冠疫情影响具有综合性和复杂性的特点。如疫情对于宏观经济增长影响的研究中，模拟环境的构建需要基于宏观经济增长的影响因素以及疫情对这些因素的影响程度，同时需要厘清各因素之间的相互影响。同时，模拟环境的构建需要有大量基础数据的投入才能保证仿真模拟结果的准确性，要求研究人员在特定领域有相对长期的数据积累。