Impact of the Policy on National Sport Consumption Pilot Cities on Residents' Health ExpendituresAn Empirical Analysis Based on the Difference-in-Differences Model
-
摘要:
基于国家体育消费试点城市政策这一准自然实验，运用双重差分模型分析其对居民医疗保健支出的影响。结果表明：①国家体育消费试点城市政策显著降低了试点城市的居民医疗保健支出，相较于非试点城市，试点城市的居民医疗保健支出平均下降约0.542%；②增加居民体育用品消费是国家体育消费试点城市政策降低居民医疗保健支出的重要途径；③国家体育消费试点城市政策对居民医疗保健支出的影响在不同类型城市之间存在异质性，该政策的影响效应在非省会地级市更为显著。因此，拓展体育消费试点城市政策的覆盖范围、制定差异化的地区体育消费政策以及提高居民体育消费水平是降低居民医疗保健支出、实现医疗保健体系可持续发展的关键举措。
-
关键词:
- 国家体育消费试点城市政策 /
- 居民体育用品消费 /
- 居民医疗保健支出 /
- 双重差分模型
Abstract:Based on the National Sport Consumption Pilot City Policy as a quasi-natural experiment, a difference-in-differences model is employed to study the impact of the policy on residents' health expenditures. The research results indicate that:the National Sport Consumption Pilot City Policy significantly reduces health expenditures in the pilot cities, with an average decrease of approximately 0.542% compared to non-pilot cities; increasing residents' sports products consumption is a crucial pathway for the policy to reduce health expenditures; the impact of National Sport Consumption Pilot City Policy on residents' health expenditures shows the heterogeneity among different types of cities, with the policy's effects being more pronounced in non-capital cities. Therefore, it is necessary to expand the range of the pilot cities, formulate different regional sports consumption policies, and enhance residents' sport consumption levels in order to reduce residents' health expenditures and achieve sustainable development of the healthcare system.
-
足球是一项典型的同场竞技团队运动项目。良好的运动表现不仅依赖于球员的身体和技术，还依赖于其对场上信息的认知加工。球员在场上必须实时关注多个对象（包括球的运动方向、个体的场上位置及在快速变化的情境中短暂出现的空当等）[1]，感知关键信息、理解场上形势、预测下一步的发展动态，并在此基础上快速做出合理决策和动作反应[2−3]。足球场上情境复杂、瞬息万变，球员必须在复杂的动态情境中进行合作[4]。同一团队中的成员要通过对当前情境的共同认知，达成一致的决策，以取得更好的团队表现。针对上述认知过程，在以往足球运动的研究和实践中会提及“足球意识”或“球商”[5−8]，并认为其是高水平球员取得成功的关键[9]。但目前该方面的研究多为抽象描述或来自教练员、专家的主观评判，尚缺少实证研究的理论体系和系统的测试方法。
人因科学中探究复杂动态情境中操作者表现的情境意识（situation awareness，SA）理论和研究方法[10]为探究足球运动员的认知提供了借鉴。SA是主体对不断变化的外部环境的内部表征，这是一种能够使用从过去经验中获得的领域知识来综合所有信息并对当前情境做出身体反应的能力[11]，是影响主体决策和绩效的关键因素[12]，是实现最佳表现不可或缺的组成部分[13]。在复杂动态情境中，每个团队成员都有自己的个体SA和与其他成员的共享SA（shared situation awareness）。20世纪80年代末，Endsley[14]在针对飞行员的研究中系统提出个体SA三层级理论，并在90年代对其进行定义，随后这一理论得到系统发展。它包含由低到高的感知（要注意的最重要的线索）、理解（这些线索的意义）、预测（如何使用这些信息预测下一步的发展）3个层级，即在特定的时间和空间中，基于已有知识/心理模型（knowledge/metal model），操作者对周围环境中元素的感知、对所感知到的关键信息的理解及对当前情境将来状态的预测，使得个体能够最终选择最佳的决策方案和行为方式[12, 15]。共享SA是团体中成员共同的、重叠的SA部分。不同于个体SA，这一概念未区分层级，提倡如果同一团队中的成员对当前情境有共同的认知，并对如何执行当前任务的决策具有高度一致性，那么团队绩效将是最优的[10, 16]。这种团队成员共享的SA对队伍的有效运转很重要，对团体的认知和行为过程、动机、表现都有很强的正向影响[17]。在集体行动中，个体需要根据他们在团队中的角色来知觉、解释和预测SA元素，并分享这些SA元素[18]。目前，关于个体SA三层级和共享SA关系的研究还较为缺乏。个体SA的三层级可能与共享SA分别存在关联，每个个体不仅需要理解当前情境，还需预测情境发展以及团队中其他个体的行为，从而更好地形成共享SA。
在过去30多年里，SA是人因学科最受关注的研究主题之一，其研究领域也不断拓展，从最早的航空领域[14]拓展至操作驾驶[19]、医疗护理[20]、系统自治[21]、军事行动[17, 22]、体育[23]等重要领域，成为人因与工效学、心理学、体育科学等多学科交叉研究的新兴重要议题[24−25]。拥有良好的个体SA和共享SA可能有助于个体更好地理解场上形势，这对运动员在复杂和动态的情境下快速做出合理决策很重要，并对团队的整体表现发挥着重要的全局作用[26−31]。因此，在竞技体育领域，除了针对个体SA，对共享SA进行评估已成为高水平运动队中协调运动员行为的重要前提，并为SA在竞技体育研究中的运用开拓了视角。
SA自2001年被引入竞技体育领域[32]，受到越来越多的重视，研究也逐渐增多。由于各运动项目之间专项特点和需求的差异，竞技体育领域中的SA研究在内容、主体和测量方法上均有不同的侧重点。研究者[32−33]最早在网球运动中通过预测层级分析不同水平球员之间的差异，发现高水平球员在个体SA的预测层级上表现出显著优势。探索壁球运动中高水平球员SA以及决策差异的研究[11, 34]发现，高水平球员之间的SA也存在差异，不同球员对相同情境有不同的处理方式。随后探索足球[18]、篮球[26−29]等团体运动项目团队之间沟通、协调以及SA共享形式的研究发现，团体多人共享SA的差异及动态变化对运动表现有重要影响。
在足球领域的SA研究中， McGuckian等[4]以高水平青少年足球运动员为研究对象，以视觉及头部观察动作为感知指标，以球员场上位置及比赛时刻作为变量，对球员个体SA中的感知层级进行分析。结果发现，球员的场上位置及比赛的不同时刻都会影响其视觉观察方式，且球员在持球时观察最多，在球权竞争转换阶段观察最少。高水平球员的优势不仅在于身体素质和技术水平，而且在于其在具体足球情境中是否能够迅速、合理地利用通过视觉搜索到的关键信息[35−36]。但该研究[4]除了对球员的感知进行分析外，并未对SA的其他层级进行探索，也未进一步分析不同水平运动员之间是否存在差异。另外，Cnossen等[37]探讨了足球运动员的个体SA与其压力应对技能的关系，但仅使用了一般性问卷和测试来测量SA，并未涉及足球运动的项目特点。Schei等[18]探讨了足球运动员和教练员的共享SA。他们从球队比赛视频中截取了12个不同情境的图片，并就图片中的比赛情境对高水平球员及其教练员进行访谈，判定标准为是否多数球员尤其是关键球员与教练员表述一致。结果发现，12个情境中有7个表述一致，高水平球员和教练员之间存在共享SA，但在相同情境下也会产生不同的SA，且关键球员SA的冲突可能会影响球队整体行动。但该研究在对结果进行质性分析时并未区分球员的SA和决策。
综上所述，目前对足球领域SA的研究尚处于起步阶段，仅上述3项研究有所涉及，还不够全面和深入；以往体育领域的SA研究[38−39]多就运动员的感知、理解、预测或决策能力进行单独研究，尚缺少将上述认知能力进行整合的系统测量及评价，更不清楚运动员个体SA和共享SA的作用[4, 33, 40]，以及彼此之间的关系。足球SA中还有很多问题有待探索。例如，不同水平球员之间除了身体素质和技术水平上的差异，在足球SA各层级是否均存在显著差异？是高水平球员在SA各层级任务表现上有显著优势，还是低水平球员也有同样的SA但由于技术或其他因素限制导致其实际表现不理想？不同水平球员SA各层级之间及与决策之间是什么关系？高水平足球运动队球员之间以及球员与教练员之间的共享SA有什么特点，其与球员个体SA的关系如何？
本文通过2个子研究，考查足球运动员个体SA和共享SA的特点及其关系。研究一通过截取高水平足球比赛中带有明确进攻或防守意图的典型情境，提供一个方法来测量不同水平球员感知、理解、预测和决策的能力，并分别分析高低水平球员SA及决策能力的关系特点，探索高水平球员的特征，为低水平球员的培养提供理论基础和可行性建议。研究二通过赛后访谈分析高水平足球运动队首发运动员及其教练员之间共享SA及决策一致性的特点，并进一步对个体SA、共享SA、决策一致性的关系进行探讨。
1. 研究一：不同水平足球运动员个体SA特点及各层级的关系
研究一将SA的记忆探查测量法与足球项目特点相结合，设计与编制了针对球员个体SA的测评系统，目的是比较不同水平球员感知、理解、预测及决策的表现，探究高水平球员SA的特征以及SA各层级的关系及其与决策的关系。
1.1 研究对象
研究对象包括高低水平2组球员。高水平组26人（15男，11女），均为国家一级及以上水平运动员，平均年龄为（21.58±1.94）岁，平均足球运动年限为（10.46±3.47）年。低水平组26人（17男，9女），均为非足球专业、参加学校足球联赛的其他院队球员，无运动等级，平均年龄为（21.58±2.60）岁。所有被试无色盲、色弱，视力或矫正视力正常，且均签署知情同意书，并在实验完成后获得一定的报酬。
1.2 研究方法
1.2.1 实验设计
采用单因素组间设计，自变量为组别即高水平球员与低水平球员，因变量为感知任务表现各指标、理解和预测正确率以及决策任务的正确率。
1.2.2 实验材料与仪器
截取往届世界杯足球赛与欧洲足球五大联赛中具有明显进攻或防守意图的经典比赛情境视频材料，由3名亚足联A级足球教练员进行评定并确定情境关键帧，最终选取2名及以上专家评定一致的视频共26个，每个视频时长8～12 s。实验程序使用PsychoPy编制，材料呈现在21英寸的DELL屏幕上，分辨率为（
1920 ×1080） px，受试者坐在距屏幕约60 cm的位置。1.2.3 实验流程
实验总体流程如图1所示。共26个试次，包含2个练习试次和24个正式试次，所有试次随机呈现，实验程序自动记录被试原始反应数据，包括感知任务表现各指标及正确率。在每个试次中，首先静止呈现一个足球视频的初始画面1 s，随后该视频播放至情境关键帧冻结，受试者需对该视频情境依次连续完成感知、理解、预测、决策4个任务。在感知任务中，视频冻结后球场上所有球员及球都消失，只留下空场地界面，要求被试通过点击鼠标复盘出该情境中进攻、防守球员和球的位置。屏幕左上角会提示鼠标左右键分别代表的球队，中键为球。被试复盘完所记住的球及球员位置后按空格键，如复盘数量与实际情境中的数量不等，系统将提示相差数量，被试补充到实际数量之后按空格键完成感知任务。随后进入理解任务，即弹出情境关键帧的画面和相应问题（如持球人当前处于什么状态），形式为单选题，数量为2～3个。被试根据对情境的理解通过点击鼠标依次回答每个问题。理解任务完成后依次进入预测任务、决策任务，形式与理解任务类似，各1个问题。预测任务要求被试预测情境中的某名防守球员或非持球进攻球员下一步会如何跑动或行动，决策任务要求被试选择当前持球进攻球员最合理的决策。
1.2.4 数据分析
感知任务的结果指标包括球的偏移距离均值、进攻方复盘人数、防守方复盘人数、进攻方偏移距离均值、防守方偏移距离均值，以受试者首次点击空格键确认前的各项指标作为其能够主观确定的指标。理解、预测、决策任务的标准答案均以视频的发展结果为准，做对1题得1分，做错得0分，由此计算各任务的正确率。将各任务中高低水平2组受试者的各项指标进行独立样本t检验，使用皮尔逊相关系数分析SA的感知、理解，以及预测各层级表现的关系及其与决策表现的关系。
1.3 研究结果
1.3.1 不同水平运动员SA及决策表现的差异
高低水平球员感知、理解、预测及决策任务的描述性统计值及独立样本t检验结果如表1所示。结果显示：高水平球员的理解、预测及决策表现均显著优于低水平球员（P<0.05），其感知任务中的防守方复盘人数显著多于低水平球员（P<0.05），在其他感知任务上2组受试者的指标无显著差异。
表 1 高低水平球员感知、理解、预测及决策任务的描述性统计值及独立样本t检验分析结果（n=52）Table 1. Descriptive statistical values and independent sample t-test analysis results of perception, comprehension, projection and decision-making tasks of high and low level football players (n=52)任务名称 高水平球员（M±SD）（n=26） 低水平球员（M±SD）（n=26） t P 感知 球的偏移距离均值 264.327±29.808 276.195±25.105 −1.553 0.127 进攻方复盘人数 3.162±0.482 2.998±0.535 1.160 0.252 防守方复盘人数 3.970±0.631 3.579±0.760 2.020 0.049* 进攻方偏移距离均值 90.042±11.952 90.820±21.908 −0.159 0.875 防守方偏移距离均值 82.828±13.354 85.238±19.770 −0.515 0.609 理解 0.709±0.050 0.624±0.130 3.102 0.004** 预测 0.623±0.083 0.528±0.127 3.202 0.003** 决策 0.513±0.085 0.448±0.132 2.113 0.040* 注：*表示P<0.05，**表示P<0.01。 1.3.2 不同水平运动员SA各层级及与决策表现的相关关系
高水平球员感知、理解、预测及决策表现的皮尔逊相关分析结果如图2（a）所示。在感知任务中，球的偏移距离均值与进攻方（r=0.62，P<0.01）、防守方（r=0.42，P<0.05）偏移距离均值呈显著正相关关系；进攻方复盘人数与防守方复盘人数（r=0.66，P<0.01）、进攻方偏移距离均值（r=0.45，P<0.05）呈显著正相关关系；防守方复盘人数与进攻方偏移距离呈显著正相关关系（r=0.40，P<0.05）。但高水平球员的理解、预测、决策任务表现均不存在相关关系。
![]()
图 2 球员感知、理解、预测和决策的相关分析结果（n=52）注：蓝色代表负相关，红色代表正相关，颜色越深代表相关程度越高，黑色数字代表显著性水平小于0.05的相关系数，白色数字代表显著性水平大于0.05 的相关系数。Figure 2. Correlation analysis results of perception, comprehension, projection and decision-making of football players低水平球员感知、理解、预测及决策任务表现的皮尔逊相关分析结果如图2（b）所示。在感知任务中，进攻方复盘人数与防守方复盘人数呈显著正相关关系（r=0.71，P<0.01），进攻方偏移距离均值与防守方偏移距离均值呈显著正相关关系（r=0.76，P<0.01），其他指标均不存在相关关系。在感知、理解、预测及决策4个任务两两之间，理解任务与防守方复盘人数（r=0.43，P<0.05）呈显著正相关关系；理解任务与进攻方的偏移距离均值呈显著负相关关系（r=−0.40，P<0.05）；理解任务与预测任务（r=0.63，P<0.01）、决策任务（r=0.69，P<0.01）之间均存在显著正相关关系。
2. 研究二：高水平足球运动队共享SA的特点及其与个体SA的关系——基于赛后访谈的分析
在足球这类需要团队合作的同场竞技性运动项目中，团体中的球员具备自身球队战术要求所必需的共享SA是球队整体竞技表现的先决条件，对球队的整体表现有重要影响[26−29]。研究一考查了个体对情境的感知、理解、预测，但团体中多人的一致性如何尚不清楚，个体SA与团体一致性的关系也不清楚。因此，研究二结合赛后访谈，以对当前情境的理解以及决策的一致性为指标，探索同一足球队的球员和教练员在特定情境中共享SA的特点及其与球员个体SA的关系。
2.1 研究方法
2.1.1 研究对象
研究对象为研究一高水平组被试中高水平球队的10名主力球员[其中，国家级运动健将1名、国家一级运动员9名，平均年龄为（21.5±1.96）岁，运动年限为（11.9±3.78）年]及其主教练。
2.1.2 研究材料
原始视频材料为索尼 ILCE-
6000 相机拍摄的足球比赛真实场景（11 vs 11），拍摄于天气状况良好情况下的北京市某俱乐部足球场，从球场侧边机位的5 m高度处进行远景拍摄，镜头覆盖球场大半部分，从而可完整记录场上情境。比赛的球队一方为本文受访者组成的球队，另一方为北京市另一所高校的高水平代表队。双方球队运动员均为国家一级及以上等级足球运动员，实力相当。从该场比赛中截选12段不同比赛时刻的视频片段（进攻、防守、攻守转换情境各4个）作为访谈所用视频材料，每段视频大约持续 5～12 s，视频分辨率为（1920 ×1080） px。2.1.3 研究过程
研究者随球队录制比赛录像，赛后当晚对录像进行处理，截取所需片段。次日对除守门员外的场上10名球员及其主教练进行访谈（整个流程在赛后48 h内完成）。采用半结构化访谈，以2名访问者对1名受访者的形式进行，2名访问者中1人为足球专业运动心理学方向研究生，1人为运动心理学专业研究生。访谈过程中首先给受访者播放视频，每段视频之后针对该视频情境对受访者进行访谈，并根据受访者的回答进一步提问。例如，在受访者观看完每个视频后，要求其简单描述从当前情境中感知到的所有信息，随后评判当前情境中本方的整体阵型是否合理；如受访者回答不合理会追问哪里不合理，需要如何调整。用问答的方式促使受访者主动谈及自身对当前情境的主观感知、理解，对下一步发展的预测及最后选择的合理决策。每次访谈时间在30～40 min，访谈过程在征得受访者同意的情况下全程录音。
2.1.4 数据分析
将访谈获得的原始音频文件进行文本转录和整理，由2名心理学专业研究者对数据语料库进行分析，比较受访者之间对12个视频感知的相似性及差异性。对运动员共享SA的表现进行量化赋值，通过皮尔逊相关分析将其得分与个体SA各指标的表现综合分析，探索个体SA与共享SA的关系。
2.2 研究结果
2.2.1 球员与教练员共享SA的分析
对高水平球队的赛后访谈结果显示，在对12段比赛视频片段的陈述中，球员与教练员对9个片段的陈述呈现高度一致性，对另外3个情境的陈述存在矛盾。在9个陈述一致的情境中，球员与教练员在描述当前情境时有较高的一致性，并能够正确预测队友下一步的行动，且在对当前情境下一步合理决策的陈述上与教练员高度一致（表2），表现出较强的SA共享性，这对球队整体表现以及对当前情境的下一步合理发展具有重要正向意义。
表 2 半结构化访谈结果案例Table 2. Cases of semi-structured interview results比赛情境 访谈结果 对方持球 
陈述一致
球员：
● 10名球员：整体防守位置不太合理，后腰位置没有给对方施压，后卫位置没有及时往里收，空间太大
➢ 10名球员：离持球人最近的球员应该上去施压
教练员：
● 整体防守位置很不合理，后腰位置没有给对方施压，后卫位置没有及时往里收，空间太大
➢ 离持球人最近的球员应该上去施压对方持球 
陈述矛盾（对情境的理解一致，决策一致性矛盾）
球员：
● 8名球员：当前整体防守位置不合理
● 2名球员：当前整体防守位置合理
➢ 9名球员：应做前场高压
➢ 1名球员：不需要前场高压，落位到中场区域进行防守
教练员：
● 当前整体防守位置不合理
➢ 不需要前场高压，收回到中场区域保持阵型本方持球 
陈述矛盾（对情境的理解矛盾，决策一致性矛盾）
球员：
● 6名球员：进攻球员的接应位置不太合理
● 4名球员：进攻球员的接应位置还算合理
（4名陈述矛盾球员中有1名为中场关键球员）
➢ 9名球员：应该直接停球下底传中
➢ 1名球员：罚球区内没有接应球员，先控球，不着急传中
教练员：
● 进攻球员的接应位置不太合理
➢ 当前罚球区前没有接应点，先控下球，不着急传中在3个矛盾陈述的情境中存在2种矛盾现象（表2）。①对情境的理解一致，但决策不一致。例如，在一个由攻转守的情境中，9名球员认为防守位置不合理，但决策是应当进行前场高压；教练员也认为防守位置不合理，但决策是不应进行前场高位逼抢，而应整体站好防守位置，回收到中场区域防守。②对情境的理解矛盾和决策一致性矛盾。例如，在表2陈述矛盾的情境中，6名球员与教练员陈述一致，但4名陈述矛盾的球员中有1名处于中场关键位置，这种现象也判定该情境为陈述矛盾。另外，只有1名球员与教练员认为当前情境下不应直接传中，在对下一步的选择上同样存在高度矛盾。
2.2.2 球员个体SA与共享SA的相关性分析
为了对球员个体SA、团体共享SA的表现进行相关性分析，将10名球员共享SA的表现赋予分值。在同一情境中与教练员对情境的理解及对决策的选择一致的得1分，矛盾的不得分，最终得分情况如图3所示。
![]()
图 3 10名球员共享SA得分Figure 3. Summary of 10 football player's shared situation awareness scores皮尔逊相关分析结果如表3所示，共享SA表现与个体SA预测层级表现呈显著正相关关系（r=0.748，P<0.05)，但与其他各指标无显著相关关系，表明个体SA预测任务的表现越好，共享SA越高。
表 3 个体SA与共享SA的相关关系Table 3. Relationships between individual situation awareness and shared situation awareness个体SA 球偏移
距离
均值进攻方
复盘
人数防守方
复盘
人数进攻方
偏移距
离均值防守方
偏移距
离均值理解 预测 共享SA −0.030 0.498 0.089 −0.191 −0.026 −0.594 0.748* 注：*表示P<0.05。 3. 讨 论
3.1 不同水平球员个体SA三层级的相互关系
个体SA各层级的相关分析结果显示，高水平球员对情境中各方面信息的感知相互关联。高水平球员对球的感知偏移距离与进攻方、防守方偏移距离均值呈正相关；进攻方偏移距离均值与进攻方复盘人数、防守方复盘人数呈正相关，且进攻方复盘人数与防守方复盘人数也呈正相关，进攻方偏移距离越小，进攻方和防守方复盘人数也越少。偏移距离小代表更为精准，给予某些进攻球员更多资源，使其记忆更准确[41−42]，在这种情况下，对其他球员可能记忆较少，复盘个数也较少。这意味着高水平球员在感知情境时存在从整体资源上进行分配权衡的过程。在低水平球员的感知中，进攻方复盘人数和防守方复盘人数、进攻方偏移距离均值和防守方偏移距离均值之间各自存在正相关关系，此外再无相关，尤其是对球位置的复盘与这些指标也均无相关。这说明低水平球员感知到的信息相对分散，缺乏整体关联。
高水平球员个体SA的3个层级之间均无显著相关；而低水平球员个体SA感知、理解、预测各层级的表现存在正相关。由此可见，模式回忆这一感知技能并不像前人[43−45]研究所表述的那样，是决定运动员预测和决策的基础，而高水平球员的感知、理解、预测及决策技能可能并不像前人[41]研究假设的那样紧密关联，可能会以线性、系列的方式进行，是相对独立的、模块化的认知过程。一方面，高水平球员对足球情境的认知加工过程更为专项化，在做任务时更多地借助自身多年训练比赛积累的经验、专项知识、技战术理念等高度发展的专项能力，对相同情境产生不同看法[46]。其对当前情境的快速加工是更为自动化的过程，各层级的加工可能更为分离，而不依托于逐步的细化分析。另一方面，个体SA受到有限的注意和工作记忆容量的限制，也在很大程度上受个体目标和期望的影响。这将影响个体的注意力导向，包括如何去感知信息以及如何理解当前情境[15]。Murray等[11, 34]利用SA的思路考查高水平壁球运动员之间决策行为的差异发现，高水平壁球运动员之间的SA也存在差异，不同壁球运动员对相同情境有不同的处理方式。运动员往往通过对相关信息源的快速、准确觉知，综合基于过去经验获得的领域专业知识并对当前情境进行预测之后提前实现有效的移动。高水平球员基于多年比赛训练经验、角色、场上位置和目的的不同，可能会对感知到的信息进行不同的关联以理解情境，并根据自身技能特点及偏好对当前情境做出选择。SA三层级认知加工过程的关联在低水平球员的表现中更为明显，尤其是理解任务表现与预测、决策均显著相关，且与感知任务中的防守方复盘人数和进攻方偏移距离相关。这说明低水平球员在任务过程中更多地使用一般认知能力进行加工，且对他们来说对情境的理解是至关重要的。
总之，低水平球员的理解层级与感知、预测、决策均显著相关，提示在初级球员的选拔和训练中，对情境的理解可能具有核心作用。在体育领域也可将SA的训练作为一种促进低水平球员表现提高的手段，与驾驶[47−48]、航空[49]等其他领域类似[50]。但在探究高水平球员的个体SA时，不宜直接沿用其他领域SA的思路和方法，需根据体育运动项目的特点进行调整[51]。
在以往无SA理论背景的研究中，往往将感知和预测作为2个独立的认知过程分别进行研究，忽略了个体完整的认知加工过程，也缺乏对情境的理解的研究。在SA理论背景下感知、理解、预测是相互关联的过程，最终都是为了形成对情境的整体觉知，从而进一步产生合理决策[12, 15]。本文开发的球员个体SA及决策的系统测量方法，将感知、理解、预测这些连续的认知加工过程整合在同一理论框架下，为足球运动员SA的研究和实践提供了理论基础和方法参考，实验结果也为SA的研究提供了新的启发。
3.2 不同水平球员个体SA的差异
本文结果显示，高水平球员的个体SA表现总体优于低水平球员，系统揭示了高水平球员在从底层感知信息加工到高层理解和预测中的优势[44, 52]。
首先，高水平球员在对情境关键信息的感知上存在显著优势。以往研究发现，个体SA的感知层级在很大程度上受个人有效地利用视觉观察其环境的能力影响[15]，感知及其背后的视觉行为构成了个体SA的基础[4]。感知场上信息的能力是高水平球员的一项基本技能[53]，也是预测和决策的主要组成部分[43]，运动员感知信息的能力与其竞技能力成正比[54]。感知错误是个体SA最常见的错误，特别是由于未能识别情境中的重要因素而导致的感知错误[50]。早期研究[43, 53, 55]发现，高水平球员具有更强的能力感知或复盘特定情境中的关键信息。在国际象棋运动中，与低水平运动员相比，高水平运动员在赛后能够更准确地复盘比赛时棋子的位置[56]。有研究[42]提出，在团体大球类运动项目中对队友或对手位置的精确记忆至关重要。本文将场上球员位置的感知进一步细分，区分进攻和防守球员，并分别计算了复盘的人数和偏移距离，结果显示，高水平球员的优势在于能够感知并报告更多数量的防守球员，而在进攻球员数量上无差异，在对球员位置报告的准确性上无差异。这说明足球运动员在从低水平到高水平的提升过程中，可能主要提高了对场上信息的注意广度，即加工了更多的信息，从仅关注进攻信息到同时关注更多的防守球员信息。
其次，高水平球员在对情境的理解上存在显著优势。SA这一概念最早出现在航空心理学中，描述飞行员对作战飞行操纵的理解[10]，即操作者是否理解事件，特别是当与其他元素组合在一起时，个体形成了当前情境的整体图景（在足球运动中，可以理解为足球运动员阅读比赛的能力），理解了当前情境中对象和事件的意义[15]。例如，在军事领域，当3架敌机在特定距离内及特定地理位置上出现时，经验丰富的军事飞行员或战术指挥官必须明白它们可能的目的。但同样的事情发生时，没有经验的操作者可能与经验丰富的操作者感知到相同的信息，但不能将各种关键信息联系在一起去更好地理解当前情况[15]。以往在体育领域，尚无研究者从对情境理解的角度进行分析，多是抽象或主观地在研究感知、预测、决策能力时进行假设或铺垫，往往忽略了理解能力在认知过程中的重要性。本文结果表明，在足球运动中理解能力对运动员的发展同样是至关重要的。
最后，高水平球员在对情境的预测上也存在显著的优势。长期以来，运动员预测能力的研究是体育领域的重要议题[57−58]，运动员预测能力是SA的重要组成部分[51]。Rowe等[32]将SA这一概念引入竞技体育领域的实证研究，探索了网球运动中职业运动员、半职业运动员和业余爱好者预测能力的差异，发现职业球员的预测表现和反应时都优于半职业和业余爱好者，预测能力的提高是实现高水平SA和精准决策的关键[59]。Berry等[60]利用足球视频图像对足球运动员预测能力进行研究发现，与低水平球员相比，高水平球员的正确率更高。本文结果与以往研究[61]一致，说明高水平球员的思考会相对超前于情境本身的发展现状，在正常感知情境阶段，高水平球员可能已经根据当前情境对下一步的发展做出了预测。
3.3 高水平球员共享SA的特点及其与个体SA的关系
本文通过访谈法记录和分析每个球员对每个视频情境的陈述，结果支持了高水平足球队之间存在相似且兼容的认知，即高水平足球运动队存在共享SA。Endsley[15]认为，一个人对情境的描述能够清晰呈现其决策过程。高水平球员能够很好地回忆并口头表达感知到的信息及整个思考过程，且运动员之间的表述高度一致或相关。Schei等[18]也提出，一个团队中的共享SA较好是团队成员共同努力的结果，团队成员可通过观看自己的比赛片段来提高其共享的情境技能。在本文的12段比赛视频中，球员与教练员对其中9段比赛视频的陈述呈现高度一致性，表现了对情境相同的理解，决策一致性程度较高，具有良好的防守和进攻协调能力。这一结果与以往足球研究中共享SA的研究[18]结果一致，也与其他团体球类项目的研究[62]结果类似。
另外，本文也发现3段矛盾陈述，阐明了团队在哪种情境下球员与教练员在对当前情境的SA及下一步行动的选择上达不到相对统一，认知上会存在矛盾。Macquet等[63]研究投掷和赛艇运动中运动员和教练员的SA关系时发现，教练员拥有更多经验，运动员则以自我中心的经验为主，这导致运动员和教练员对同一情境的理解存在一些重要差异。球员和教练员之间在认知上的冲突可能是影响一个队伍有效合作的主要因素，球员们表达的内容可以揭示球队在哪种情境下可能存在差异和矛盾。这些信息为教练员提供了制定有针对性的训练的基础，使教练员能够根据矛盾认知发现球队的不足，有针对性地培养、训练团队的理解及认知，以促进团队协调合作。这种方式对于球队中的新球员及磨合时间较短的球队而言特别重要。另外，Salas等[64]的研究表明，团队成员之间完全相同的认知并不一定最有利于团队合作，这种一致性减少了处理问题的可行性方法，团队成员之间需要相似且兼容的心理模式来帮助他们更高效地达成目标。因此，对团队而言，每个成员都必须具有其他团队成员所需要的且独立于团队成员之间重叠的SA，否则有可能影响团队的效率，成为团队的薄弱环节。
进一步分析发现，高水平球员共享SA与个体SA的预测层级呈显著相关关系。这说明个体SA与共享SA紧密关联，预测作为个体SA中的高级层级具有重要作用，不仅与个体的运动水平相关[59−60]，而且个体能更好地预测情境的发展变化可能有助于其与他人形成一致共享的认知，更好地对队友、对手及球下一步的动向做出正确预判，以便与队友进行配合，合理决策，高效完成进攻或防守任务。本文还发现，在球员与教练员对当前情境的陈述一致时，依然可能在下一步合理决策上存在矛盾。这一特殊矛盾现象表明球员和教练员拥有独特且兼容的意识部分，即使获取同样的信息，球员可能会根据自身技能特点及偏好对当前情境做出决策，这可能是教练员与球员协调时需额外注意的方面。后续研究也可继续探索球员对队友在特定情况下的优势、劣势和偏好及其下一步行动的准确预测是否可以作为比赛中影响决策过程及表现的重要因素。
值得注意的是，当前对共享SA的研究（包括本文）主要采用访谈法和主观赋值，这在一定程度上存在主观性较强的特点。为了减少主观性的影响，本文在访谈时使用了运动员前一天比赛的真实视频片段，结合相同的视频片段对球员进行半结构化访谈，在对球员共享SA的赋值上以与教练员的一致性为评判指标。这种结合实际比赛视频的访谈和赋值在一定程度上减小了主观性的影响，未来研究可进一步开发更多主客观相结合的方式来探索团体共享SA与个体SA的关系。
3.4 足球运动员SA与决策及运动表现的关系
以往研究[50]普遍认为，个体SA是决策和最终表现的重要基础。但本文对个体SA和决策的研究结果显示，对于低水平球员，个体SA中对情境的理解与其决策显著相关，而对于高水平球员，个体SA的各层级与其决策均无显著相关，这与传统人因工程研究的结果有所不同。传统人因工程研究中个体SA和决策的关联通常较为紧密，更好的SA导致更好的决策[16]。例如，Venturino等发现，可以通过SA和决策（火力点选择）表现的结合来预测作战飞行员的整体表现[15]。本文将个体SA的感知、理解、预测3个任务与决策任务整合在一起进行连续测量。这种设置接近于实际比赛情况，因为球员在比赛中需要同时进行这几方面认知的处理，而且避免了研究参与者在不同任务中使用不同的策略。对高水平球员而言，SA三层级及其与决策之间的关系可能并不那么密切。高水平球员的感知、理解、预测和决策可能并非线性进行，而是存在更复杂的非线性关系。
本文结果提示，足球领域中的SA与决策的关系与传统人因工程领域可能有所不同，这可能与操作者感知环境信息及与环境交互的方式有关。以往人因研究[65]中，如航空[66]、驾驶[67]等，操作者主要通过机器的显示获取环境信息，并通过机器与环境交互，操作者自身更多地作为智能体进行操作，操作者主要与机器交互，整个过程主要取决于对情境信息的加工，操作者自身的身体在整个过程中产生的作用较小。在足球等领域中，操作者与环境直接接触，以自己的身体为工具获取环境信息并与环境交互。因而，高水平球员可能拥有更高效的SA加工机制，使得感知、理解、预测和决策之间的协同更加灵活和自动化，对当前情境进行认知加工时可能更加个性化，结合自身的身体特点、技术特点与当前情境信息综合做出决策和反应。例如，同样作为世界顶尖水平的足球运动员，在同样情境中可能会做出完全不同的决策和反应。后续在体育领域SA的研究中，在与其他领域相比较时可能需对此额外关注。
总之，SA在一定程度上影响个体合理进行决策的过程及决策的制定，但SA与最终表现之间并不必然直接关联。良好的SA是实现良好表现的影响因素，但不能保证良好的表现。影响表现的因素有很多，SA是其中之一[15]。当SA不完整或不准确时，或者当时间或其他因素限制了一个人执行正确行动的能力时，都会导致个体的不良表现[68]。
4. 结论、不足与展望
本文探索开发了足球运动员的个体SA测评系统，并结合赛后访谈法评估了高水平足球队中球员与教练员的共享SA，以及个体SA和共享SA的关系。结果表明，SA的各层级均能区分球员的水平，高水平球员的SA可能更具有非线性以及个人特点，且个体对情境的预测有助于团体形成共享SA。虽然本文提供了一个系统的方法来测量不同水平运动员感知、理解、预测及决策的表现，并分析了各项指标之间的相关性，但还存在一定的局限，仍有较大的拓展空间。
足球是一个持续变化的运动项目，认知及决策的时效性较强。本文在感知、理解、预测及决策的连续任务中均未设置作答的时间限制，使球员在做任务时有足够的思考时间，对每个任务进行充分的认知加工。这可能潜在地影响了球员的真实任务体验及在当前情境下感知、理解、预测及决策这一连续认知加工过程的时效性。未来研究可以在测量时加入时间因素的限制，以提高研究结果的生态效度。
本文将真实的三维运动情境缩减为二维视频的计算机任务，潜在地改变了被试的真实任务体验，这种方法提供的数据可能由于与现实情境不同而影响结论的可推广性。未来研究可设计不同难易程度及不同比赛时刻的比赛情境，或进一步将二维计算机程序转换为VR系统，引入虚拟现实技术，使运动员更大程度地沉浸在真实比赛情境中，通过第一视角对实验任务进行反应，以提高研究结果的生态效度，同时还可结合诸如脑电（EEG）或近红外光谱成像（fNIRS）等为SA各个层级提供相应的神经生理数据。这为足球运动员SA的测量和提高提供了理论基础和方法指引，也为足球运动员的战术及SA的训练提供了支持。
目前在足球运动中还没有研究探索过如何训练SA，有关SA的训练以及训练的有效性都是很重要的研究方向。对于足球SA的训练，首先要明确运动项目的特点和要求，建议未来研究开发和分析在模拟真实情境或真实情境中对个人SA和团队共享SA进行训练，为教练员、球员、运动心理学研究者及体育相关工作人员提供更有效、可靠的工具，帮助球员提高竞技表现水平。
作者贡献声明：尹继红：提出论文主题，设计论文框架，撰写理论部分，修改论文；作者贡献声明：张金淼：收集数据，构建实证模型，分析数据，撰写、修改实证部分。1 ①由于部分城市未披露“每百户家庭持有健身器材数量”数据，模型的样本量有所下降。在子样本下本文基准模型的结果仍然稳健，且通过了平行趋势检验。是否披露“每百户家庭持有健身器材数量”数据与对应城市是否成为国家体育消费试点城市以及对应城市在试点政策实施前的居民医疗保健支出水平没有显著相关关系，研究结果不会因数据缺失产生偏误。 -
![]()
图 1 国家体育消费试点城市政策影响居民医疗保健支出的传导路径
Figure 1. Transmission mechanism of the national sports consumption pilot city policies affecting residents' healthcare expenditure
![]()
图 2 平行趋势检验
注：Pre_3、Pre_2和Pre_1分别表示政策实施前的第3期、第2期和第1期（2017年、2018年和2019年）；Current表示政策实施当期（2020年）；Post_1表示政策实施后1期（2021年）；空心点表示模型系数的估计值，虚线表示系数的置信区间。
Figure 2. Parallel trend test
表 1 试点城市与非试点城市对照
Table 1 List of pilot cities and non-pilot cities
试点城市（处理组） 非试点城市（对照组） 直辖市 上海市、重庆市 北京市、天津市 副省级城市 沈阳市、大连市、长春市、南京市、宁波市、厦门市、青岛市、深圳市、成都市、西安市 哈尔滨市、杭州市、济南市、武汉市、广州市 其他省会城市 合肥市、福州市、南昌市、长沙市、昆明市、兰州市、银川市、乌鲁木齐市 石家庄市、太原市、呼和浩特市、郑州市、南宁市、海口市、西宁市、贵阳市 非省会地级市（州） 秦皇岛市、张家口市、吉林市、常州市、苏州市、绍兴市、金华市、黄山市、三明市、新余市、日照市、洛阳市、宜昌市、荆门市、三亚市、遵义市、咸阳市、渭南市、白银市 唐山市、包头市、丹东市、锦州市、牡丹江市、无锡市、徐州市、扬州市、温州市、蚌埠市、安庆市、泉州市、九江市、赣州市、烟台市、济宁市、平顶山市、襄阳市、岳阳市、常德市、韶关市、湛江市、惠州市、桂林市、北海市、泸州市、南充市、大理白族自治州 数据来源：国家统计局、国家体育总局。 
下载: 导出CSV
表 2 试点城市与非试点城市政策实施前居民医疗保健支出差异情况（2016—2019年）
Table 2 Differences in health expenditures between pilot cities and non-pilot cities before policy implementation from 2016 to 2019
指标 处理组 对照组 组间差异 均值 标准误 观测值 均值 标准误 观测值 差异 标准误 t 统计量 数值 7.104 0.177 146 7.084 0.150 163 −0.020 0.231 −0.087
下载: 导出CSV
表 3 各变量的具体定义和构造方式
Table 3 Specific definition and construction methods of each variable
变量类型 变量符号 变量名称 构造方式 被解释变量 HC 医疗保健支出 城镇居民人均医疗保健支出占城镇居民人均消费性支出的比例 解释变量 Treat×Post 政策冲击 年度在2020年及以后，且属于国家体育消费试点城市的样本个体，取值为1，其余情况取值为0 控制变量 Income 人均收入 城镇居民人均可支配收入数据，取自然对数 GSpending 财政支出 政府一般公共预算支出数据，取自然对数 Population 户籍人口 全市年末户籍人口数据，取自然对数 Students 在校学生 全市普通高等学校在校学生数，取自然对数 Envir 环境污染 全市工业二氧化硫排放量，取自然对数 Hospitals 医院数量 全市医院、卫生院个数，取自然对数 OldAge 老年人口抚养比 65岁及以上老年人口数与15~64岁劳动年龄人口数之比 作用途径变量 Sports 体育器材消费 每百户家庭持有健身器材数量 调节变量 CityLevel 城市级别 属于直辖市、副省级城市和其他省会城市的取值为1，其余城市取值为0
下载: 导出CSV
表 4 变量的统计学特征
Table 4 Statistic characteristics of variables
变量名 均值 标准差 最大值 最小值 观测值 单位 HC 1960.83 683.33 4901 670 451 元 Treat 0.477 0.500 1 0 451 无 Income 42616.23 11799.37 82428.90 24887.21 451 元 GSpending 1067.93 1359.98 8430.86 125.77 451 亿元 Population 630.17 444.62 3416 58 451 万人 Students 27.41 28.77 141.26 0.37 451 万人 Envir 1.79 2.20 17.40 0.01 451 万吨 Hospitals 203.03 174.77 1606 11 451 个 OldAge 17.65 3.96 26.70 9.89 451 % Sports 7.52 3.54 22 0.92 257 套 CityLevel 0.42 0.49 1 0 451 无 注：Treat变量和CityLevel变量为二值虚拟变量，取值为0或1。
下载: 导出CSV
表 5 基准模型回归结果
Table 5 Baseline model regression results
类别 （ⅰ） （ⅱ） （ⅲ） Treat×Post −0.523*** （−3.09） −0.521*** （−3.07） −0.542*** （−3.29） Income 0.687 （0.54） 0.721 （0.55） GSpending 1.464** （2.52） Population 2.872** （2.48） Students −0.055 （−0.10） Envir 0.074 （0.69） Hospitals −0.424** （−2.21） OldAge 0.236* （1.85） 个体固定效应 √ √ √ 时间固定效应 √ √ √ 常数项 √ √ √ 样本量 459 459 451 $R_{{\rm{adj}}}^2$ 0.820 0.820 0.833 注：括号中为t统计量；***、**、*分别表示在1%、5%、10%统计水平上显著；√表示将对应变量纳入模型。
下载: 导出CSV
表 6 更换被解释变量的结果
Table 6 Results of the alternative dependent variable
类别 被解释变量为居民医疗保健支出的自然对数值 （ⅰ） （ⅱ） （ⅲ） $ \mathrm{Treat}\times\mathrm{Post} $ −0.044 （−1.59） −0.053** （−1.97） −0.054** （−2.05） $ \mathrm{Income} $ 1.702*** （5.11） 1.676*** （4.72） 其他控制变量 × × √ 个体固定效应 √ √ √ 时间固定效应 √ √ √ 常数项 √ √ √ 样本量 459 459 451 $R_{{\rm{adj}}}^2$ 0.857 0.864 0.868 注：括号中为t统计量值；***、**分别表示在1%、5%统计水平上显著；√表示将对应变量纳入模型，×表示未将对应变量纳入模型。
下载: 导出CSV
表 7 更换样本城市范围的稳健性检验结果
Table 7 Robustness test results for changing the sample cities
类别 剔除不属于70个
大中城市的样本城市包含各省GDP
排名前5的城市包含各省GDP
排名前50%的城市PSM-DID
最近邻匹配PSM-DID
半径匹配包括全部城市 （ⅰ） （ⅱ） （ⅲ） （ⅳ） （ⅴ） （ⅵ） $ \mathrm{Treat}\times\mathrm{Post} $ −0.674*** （−3.81） −0.607*** （−3.48） −0.451*** （−2.73） −0.427** （−2.21） −0.454** （−2.11） −0.290* （−1.80） 控制变量 √ √ √ √ √ √ 个体固定效应 √ √ √ √ √ √ 时间固定效应 √ √ √ √ √ √ 常数项 √ √ √ √ √ √ 样本量 388 561 741 560 749 1219 $R_{{\rm{adj}}}^2$ 0.849 0.824 0.842 0.833 0.852 0.839 注：括号中为t 统计量值；***、**、*分别表示在1%、5%和10%统计性水平上显著；√表示将对应变量纳入模型。
下载: 导出CSV
表 8 更换样本区间和标准误计算方式的稳健性检验结果
Table 8 Robustness test results for changing sample intervals and standard error calculations
类别 改变样本区间 改变标准误计算方式 2016—2021年 2013—2021年 聚类到城市 聚类到省 （ⅰ） （ⅱ） （ⅲ） （ⅳ） $ \mathrm{Treat}\times\mathrm{Post} $ −0.542***
（−3.29）−0.382**
（−2.13）−0.542**
（−2.36）−0.542*
（−1.94）控制变量 √ √ √ √ 个体固定效应 √ √ √ √ 时间固定效应 √ √ √ √ 常数项 √ √ √ √ 样本量 451 683 451 451 $R_{{\rm{adj}}}^2$ 0.833 0.724 0.833 0.833 注：括号中为t统计量值；***、**、*分别表示在1%、5%和10%统计水平上显著；√表示将对应变量纳入模型。
下载: 导出CSV
表 9 影响途径的分析结果
Table 9 Results of the impact pathway analysis
类别 影响途径3步法检验 补充分析 HC HC Sports HC （ⅰ） （ⅱ） （ⅲ） （ⅳ） Treat×Post −0.635*** （−3.50） −0.518*** （−2.85） 1.429***
（2.98）Sports −0.082*** （−3.11） −0.098***
（−3.26）控制变量 √ √ √ √ 个体固定效应 √ √ √ √ 时间固定效应 √ √ √ √ 常数项 √ √ √ √ 样本量 257 257 257 257 $R_{{\rm{adj}}}^2$ 0.829 0.836 0.758 0.830 Sobel检验 间接效应 −0.117** P 统计量 0.036 Bootstrap检验 间接效应 −0.117* 间接效应
置信区间[−0.283，−0.019] 注：括号中为t 统计量值；***、**、*分别表示在1%、5%和10%统计水平上显著。Sobel检验和Bootstrap检验针对列（i）、（ii）和（iii）的结果进行；√表示将对应变量纳入模型。
下载: 导出CSV
表 10 异质性分析结果
Table 10 Results of heterogeneity analysis
类别 城市行政级别（$ \mathrm{CityLevel} $） 直辖市、副省级城市和其他省会城市 其他非省会地级市 （ⅰ） （ⅱ） $ \mathrm{Treat}\times\mathrm{Post} $ −0.282（−1.33） −0.707***（−2.63） 控制变量 √ √ 个体固定效应 √ √ 时间固定效应 √ √ 常数项 √ √ 样本量 191 260 $R_{{\rm{adj}}}^2$ 0.883 0.800 组间差异检验 −0.424** 注：括号中为t统计量值；***、**分别表示在1%、5%统计水平上显著；√表示将对应变量纳入模型。
下载: 导出CSV
表 11 试点城市与非试点城市确诊病例数比较
Table 11 The number of Covid-19 confirmed cases in pilot and non-pilot cities
类别 与Treat变量的
相关系数组间均值差异
（对照组 – 处理组）截至2020年6月19日累计确诊数 −0.105（0.349） 2.86（0.953） 截至2020年12月31日累计确诊数 −0.100（0.369） −32.94（0.584） 截至2021年12月31日累计确诊数 −0.094（0.400） −49.53（0.542） 2021年内新增确诊数 0.110（0.327） −31.98（0.384） 注：括号内为P 统计量，为排除极端值的影响，确诊病例数据采用5%缩尾处理。
下载: 导出CSV
表 12 改变样本范围对疫情冲击的影响
Table 12 The impact of Covid-19 by changing the sample scope
类别 基准模型 剔除确诊病例最多
的10%的城市剔除确诊病例最少
的10%的城市（ⅰ） （ⅱ） （ⅲ） $ \mathrm{Treat}\times\mathrm{Post} $ −0.542*** （−3.29） −0.545*** （−3.06） −0.551*** （−3.44） 控制变量 √ √ √ 个体固定效应 √ √ √ 时间固定效应 √ √ √ 常数项 √ √ √ 样本量 451 397 403 $R_{{\rm{adj}}}^2$ 0.833 0.840 0.871 注：括号中为t统计量值；***表示在1%水平下差异显著；√表示将对应变量纳入模型。
下载: 导出CSV
表 13 分组回归与三重差分模型对疫情冲击的影响
Table 13 The impact of Covid-19 by subsample regression and DDD model
类别 累计确诊病例
数高于中位
数的城市
（ⅰ）累计确诊病例
数低于中位
数的城市
（ⅱ）三重差分
模型
（ⅲ）Treat×Post −0.398**（−2.00） −0.677**（−2.36） −0.619**（−2.16） Treat×Post×Covid 0.234（0.66） 控制变量 √ √ √ 个体固定效应 √ √ √ 时间固定效应 √ √ √ 常数项 √ √ √ 样本量 240 211 451 $R_{{\rm{adj}}}^2$ 0.871 0.778 0.834 组间差异检验 0.279 注：括号中为t统计量值；**表示在5%水平下差异显著；√表示将对应变量纳入模型。
下载: 导出CSV
-
[1] 纪成龙. 推进城镇职工基本医疗保险个人账户用于体育健身消费的理由和策略[J]. 体育科学,2017,37(9):40-47 [2] 体育总局关于公布国家体育消费试点城市名单的通知[EB/OL]. [2023-08-26]. https://www.sport.gov.cn/jjs/n5032/c961163/content.html [3] 国家体育消费试点城市总结交流会举行[EB/OL]. [2023-12-11]. https://www.sport.gov.cn/n20001280/n20067635/c27172720/content.html [4] 王雪莉,付群,郑成雯. 2010—2019年中国体育消费政策落实:问题与对策[J]. 体育科学,2019,39(10):40-55 [5] LERA-LÓPEZ F,RAPÚN-GÁRATE M. The demand for sport:Sport consumption and participation models[J]. Journal of Sport Management,2007,21(1):103-122 doi: 10.1123/jsm.21.1.103
[6] KO Y J,CHANG Y,JANG W,et al. A hierarchical approach for predicting sport consumption behavior:A personality and needs perspective[J]. Journal of Sport Management,2017,31(3):213-228 doi: 10.1123/jsm.2015-0142
[7] PAEK B,MORSE A,HUTCHINSON S,et al. Examining the relationship for sport motives,relationship quality,and sport consumption intention[J]. Sport Management Review,2021,24(2):322-344 doi: 10.1016/j.smr.2020.04.003
[8] 黄海燕,朱启莹. 体育消费的内在逻辑拓展与政策选择[J]. 体育学研究,2019,2(4):13-20 doi: 10.3969/j.issn.1008-1909.2019.04.003 [9] 芦胜男,刘冬磊,王子朴. 基于政策工具视角下我国体育消费政策分析:基于37份国家政策文本的内容分析(2014—2019)[J]. 武汉体育学院学报,2021,55(1):51-58 doi: 10.3969/j.issn.1000-520X.2021.01.008 [10] 杨蒙蒙,吴际,吴贻刚,等. 体育消费政策工具:选择特征、变迁过程与优化策略:基于政策工具和发展要素双重视角[J]. 上海体育学院学报,2022,46(12):70-81 [11] 胡若晨,朱菊芳,周铭扬. 中国式现代化进程中体育消费试点城市政策量化评价:基于PMC指数模型[J]. 天津体育学院学报,2023,38(4):420-427 [12] 赵剑缘,赵轶龙,赵晚晴. 国家体育消费试点城市发展现状与推进策略:基于政策工具视角[J]. 体育文化导刊,2023(1):45-52 doi: 10.3969/j.issn.1671-1572.2023.01.008 [13] 陈刚,郭子瑜. “国家体育消费试点城市” 政策对当地体育企业创新的影响[J]. 武汉体育学院学报,2023,57(5):53-61 doi: 10.3969/j.issn.1000-520X.2023.05.007 [14] 孙侃然,柳舒扬,曾鑫峰. 新发展格局下体育消费如何影响城市经济发展:基于江苏省重点城市面板数据的实证分析[J]. 西安体育学院学报,2023,40(2):156-166 [15] 徐铭泽,林向阳. 国家体育消费试点城市建设的多元路径:基于组态分析[J]. 北京体育大学学报,2023,46(8):50-62 [16] 国务院办公厅关于促进全民健身和体育消费推动体育产业高质量发展的意见[EB/OL]. [2023-09-17]. https://www.gov.cn/zhengce/content/2019-09/17/content_5430555.htm [17] 体育总局办公厅关于开展国家体育消费试点城市申报工作的通知[EB/OL]. [2023-05-20]. https://www.sport.gov.cn/n315/n20001395/c20008638/content.html [18] 扶持力度大,消费市场旺,全市体育产业总规模达300亿元[EB/OL]. [2023-05-24]. https://www.sx.gov.cn/art/2023/5/24/art_1462938_59495248.html [19] 青岛年鉴(2021版,体育)[EB/OL]. [2023-09-21]. http://qdsq.qingdao.gov.cn/szfz_86/qdnj_86/2021b/shsy/202209/t20220921_6395492.shtml [20] 新余市打造城市数字体育服务网络 构建体育消费“半小时”经济圈:江西省体育工作创新典型案例[EB/OL]. [2024-01-30]. https://www.sport.gov.cn/n4/n27378157/c27439649/content.html [21] 中国体育报. “体卫融合”的日照路径:山东日照以运动处方为引领构建健康管理体系[EB/OL]. [2023-04-27]. https://www.sport.gov.cn/n20001280/n20001265/n20067664/c24238557/content.html [22] 陈云松,范晓光. 社会学定量分析中的内生性问题测估社会互动的因果效应研究综述[J]. 社会,2010,30(4):91-117 [23] 曹清峰. 国家级新区对区域经济增长的带动效应:基于70大中城市的经验证据[J]. 中国工业经济,2020(7):43-60 [24] 毛丰付,郑芳,朱书琦. 重大体育赛事对城市经济发展的影响 :基于中国70个大中城市面板数据分析[J]. 上海体育学院学报,2020,44(5):24-36 [25] BECK T,LEVINE R,LEVKOV A. Big bad banks? The winners and losers from bank deregulation in the United States[J]. The Journal of Finance,2010,65(5):1637-1667 doi: 10.1111/j.1540-6261.2010.01589.x
[26] HOEKSTRA M,SLOAN C. Does race matter for police use of force? Evidence from 911 calls[J]. American Economic Review,2022,112(3):827-860 doi: 10.1257/aer.20201292
[27] ANGRIST J D,PISCHKE J S. Mostly harmless econometrics:An empiricist's companion[M]. Princeton:Princeton University Press,2009:221-248
[28] 中国统计年鉴:2022[EB/OL]. [2023-02-15]. https://www.stats.gov.cn/sj/ndsj/2022/indexch.htm [29] CHAY K Y,GREENSTONE M. The impact of air pollution on infant mortality:Evidence from geographic variation in pollution shocks induced by a recession[J]. The Quarterly Journal of Economics,2003,118(3):1121-1167 doi: 10.1162/00335530360698513
[30] KHAN H N,KHAN M A,RAZLI R B,et al. Health care expenditure and economic growth in SAARC countries (1995–2012):A panel causality analysis[J]. Applied Research in Quality of Life,2016,11(3):639-661 doi: 10.1007/s11482-015-9385-z
[31] 欧阳红兵,张支南. 人口结构、环境质量与居民健康支出:基于空间计量视角[J]. 中国卫生经济,2017,36(8):58-60 [32] CALEY M,SIDHU K. Estimating the future healthcare costs of an aging population in the UK:Expansion of morbidity and the need for preventative care[J]. Journal of Public Health,2011,33(1):117-122 doi: 10.1093/pubmed/fdq044
[33] 唐齐鸣,项乐. 中国居民医疗保健支出的影响因素及区域差异性研究[J]. 金融研究,2014(1):85-98 [34] 杨继生,徐娟,吴相俊. 经济增长与环境和社会健康成本[J]. 经济研究,2013,48(12):17-29 [35] CUTLER D M,LLERAS-MUNEY A. Understanding differences in health behaviors by education[J]. Journal of Health Economics,2010,29(1):1-28 doi: 10.1016/j.jhealeco.2009.10.003
[36] 李慧. 影响健康消费发展的个体与家庭因素研究:基于CFPS微观调查数据江苏样本的考察[J]. 经济问题,2020(5):47-54 [37] WHO guidelines on physical activity and sedentary behaviour[EB/OL]. [2023-11-25]. https://www.who.int/publications/i/item/9789240015128
[38] CARLSON S A,FULTON J E,PRATT M,et al. Inadequate physical activity and health care expenditures in the United States[J]. Progress in Cardiovascular Diseases,2015,57(4):315-323 doi: 10.1016/j.pcad.2014.08.002
[39] 常凤,赵文艳,魏亚茹,等. LIPC-514C/T多态性与运动干预PDM人群血糖及健康体适能疗效的关联研究[J]. 中国体育科技,2023,59(12):62-69 [40] 刘天宇,李治,邬建卫. 太极拳促进脑健康的循证医学证据与推进路径[J]. 上海体育大学学报,2024,48(4):81-91 [41] QIU Y,FERNÁNDEZ-GARCÍA B,LEHMANN H I,et al. Exercise sustains the hallmarks of health[J]. Journal of Sport and Health Science,2023,12(1):8-35 doi: 10.1016/j.jshs.2022.10.003
[42] ISATH A,KOZIOL K J,MARTINEZ M W,et al. Exercise and cardiovascular health:A state-of-the-art review[J]. Progress in Cardiovascular Diseases,2023,79:44-52 doi: 10.1016/j.pcad.2023.04.008
[43] 李浩淼,吴一波,孙菊,等. 家庭健康与慢性病控制:健康素养、健康行为与基层服务信任度的中介作用[J]. 人口与发展,2023,29(5):145-160 [44] 陈金鳌,胡伟杰,刘云清. 城市老年人体育消费与医药消费关系[J]. 体育教育学刊,2022,38(2):55-61 doi: 10.3969/j.issn.1672-268X.2022.2.tyhstx202202010 [45] 李刚,张林. 体育产业助推健康中国建设作用与策略[J]. 体育文化导刊,2020(4):67-72 doi: 10.3969/j.issn.1671-1572.2020.04.013 [46] 柳舒扬,王家宏. 新时代我国体育消费研究综述:进程、挑战与展望[J]. 体育学研究,2023,37(6):1-23 [47] 徐雄,彭飞,苏群珍. 时间成本、体育场所消费支出对个体参与体育运动的经济考量[J]. 体育学刊,2022,29(4):80-85 doi: 10.3969/j.issn.1006-7116.2022.4.tyxk202204013 [48] 王财玉,雷雳. 消费者健康促进行为的类型及形成机制[J]. 心理科学进展,2015,23(4):679-689 [49] 国家国民体质监测中心发布《 2020年全民健身活动状况调查公报》[EB/OL]. [2023-06-07]. https://www.sport.gov.cn/n315 /n329/c24335053/content.html [50] 张川川,王玥琴,杨汝岱. 刺激消费政策的动态影响研究:来自“家电下乡”的证据[J]. 经济学动态,2021(12):110-123 [51] 郭晓丹,王帆. “双碳”目标下政府补贴、需求替代与减排效应:来自中国乘用车市场的证据[J]. 数量经济技术经济研究,2024,41(2):131-150 [52] 林毅夫,沈艳,孙昂. 中国政府消费券政策的经济效应[J]. 经济研究,2020,55(7):4-20 [53] 张巍,邓博夫,成波锦,等. 中国城镇住户家庭体育消费研究:经验证据、影响因素与政策意涵[J]. 中国体育科技,2022,58(9):71-79 [54] 王洪川,陈怡莹,王聪. 人口老龄化背景下体育消费的健康效应:基于全国消费大数据的实证证据[J]. 上海体育大学学报,2024,48(3):75-84 [55] GROSSMAN M. On the concept of health capital and the demand for health[J]. Journal of Political Economy,1972,80(2):223-255 doi: 10.1086/259880
[56] QIAN N. Missing women and the price of tea in China:The effect of sex-specific earnings on sex imbalance[J]. The Quarterly Journal of Economics,2008,123(3):1251-1285 doi: 10.1162/qjec.2008.123.3.1251
[57] 宋弘,孙雅洁,陈登科. 政府空气污染治理效应评估:来自中国“低碳城市” 建设的经验研究[J]. 管理世界,2019,35(6):95-108 doi: 10.3969/j.issn.1002-5502.2019.06.009 [58] 周肖肖,贾梦雨,赵鑫. 绿色金融助推企业绿色技术创新的演化博弈动态分析和实证研究[J]. 中国工业经济,2023(6):43-61 doi: 10.3969/j.issn.1006-480X.2023.06.003 [59] 温忠麟,叶宝娟. 中介效应分析:方法和模型发展[J]. 心理科学进展,2014,22(5):731-745 [60] 江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济,2022(5):100-120 doi: 10.3969/j.issn.1006-480X.2022.05.007 [61] 连玉君,廖俊平. 如何检验分组回归后的组间系数差异[J]. 郑州航空工业管理学院学报,2017,35(6):97-109 -
期刊类型引用(6)
1. 王水泉. 体育课根本目标与根本内容的偏离与匡正. 上海体育学院学报. 2024(02): 1-13 . 
百度学术
2. 彭琴，李俊洪. 高职体育课程思政建设的理念选择、内涵建构与实施策略. 体育科技. 2024(03): 162-164 . 百度学术
3. 王宗平，丁轶建. 强度体育——新时代中国学校体育的理论支脚. 南京体育学院学报. 2024(07): 1-6+87 . 百度学术
4. 胡健达，朱丹阳，李启迪. 核心素养导向下体育课堂学习目标的问题、纾解与设计. 体育教学. 2024(09): 11-13 . 百度学术
5. 叶松东，贾晨，Koh Koon Teck. 具身德育视域下学校体育实现立德树人根本任务的学理阐释、实践困境与推进路径. 体育学刊. 2024(06): 8-16 . 百度学术
6. 侯淑峰，刘江涛. 高中体育课内外一体化教学实践. 中国体育教练员. 2023(02): 78-80 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 160
- HTML全文浏览量: 7
- PDF下载量: 15
- 被引次数: 9