疫情防控造成的影響長久以來是大家讨論的話題。本文摘取了幾位經濟學者關于疫情防控的研究。讨論經濟問題，必須要對數字有基本的感覺，這包括基于數據的推理和對數據背後經濟現實的感知，例如一天的防控對應多大體量的經濟活動，1%的GDP變動意味着多少個企業和家庭的生計...對一些基本問題沒有感覺，就無法對周圍的環境和目前的局勢做出清晰和理性的判斷；也體會不到很多決策的重量，對于問題的讨論容易陷入臆斷。

主要結論：

第一篇是香港科技大學宋铮教授等人關于封城的經濟成本的研究。根據車流量等數據可以估算封城兩周會讓當地當季的GDP下降1/3，如果是上海這樣的城市，封城兩周能讓這個月全國的GDP往下掉2%，差不多幾乎兩千億人民币。

第二篇是梁建章老師的基于生命價值計算的防疫策略讨論。GDP和人均壽命之間有一個簡單的線性關系是，人均收入減半，人均壽命減少1-3年。換算一下，人均GDP每減少1%，人均壽命就會減少5天左右。将這個數字和前面封控造成的GDP損失結合起來，很容易做一個換算，如果上海封城兩周，經濟損失将兩千億，全國當月GDP可能往下掉2%，全年掉0.2%，人均壽命大概降低0.6天，對應4萬人的意外死亡風險。

第三篇是chenqin老師關于防疫效果的評估，在相同防控程度下，奧密克戎變異疫情的擴散速度要比非奧密克戎疫情快5.82倍。二， 要控制住疫情的擴散，奧密克戎變異襲擊的城市需要在原有封控強度上再額外減少52%的人流量，才能取得非奧密克戎疫情下相同水平的防控成果。

需要強調的是，任何研究隻是提供了一些增量信息和研究視角而已，也僅此而已。勤于獲取信息、勤于思考是好習慣，但切不可将其結論直接套用至公共政策的評價上，更不可斷章取義，以偏概全，套着科學的帽子對現實叫叫嚷嚷、指指點點。現實是很高傲的，不要輕易對它評頭論足。

封城的經濟成本

Chen, Jingjing, Wei Chen, Ernest Liu, Jie Luo and Zheng (Michael) Song. “The Economic Cost of Lockdown in China: Evidence from City-to-City Truck Flows.” (2022)

公衆号：Impactful Research

新冠疫情全球流行已經兩年，世界各地大多數政府都試過各種方式來控制疫情，亞太國家和地區在這方面做得比較成功。以“清零”或“動态清零”為标志的中國抗疫政策在短時間内阻斷病毒傳播的效果尤其顯著。中國抗疫政策是一個整體，其中包括反應迅速的全民檢測、有效的接觸者追蹤和嚴格的入境管理。但就中國特色而言，快速、精準的“封控”、“管控”和“防範”可以說是“清零”或“動态清零”有别于其他國家和地區抗疫政策的關鍵。

中國的“封控”和“管控”從小區做起，根據情況可以升級到區縣一級，一直到最嚴厲的“封城”。不過，封城的個數其實很少。自武漢疫情結束後，一直到上周，根據我們的統計，全國隻有16個城市經曆過封城。另外有18個城市經曆過“局部封城”（即區縣一級封閉），其中兩個城市經曆過不止一次的局部封城。封城或局部封城大都在三周内結束，很少有超過兩個月的情況。流行病學專家對封城在抗疫方面的效果做過很多研究。簡單的國際對比就可以說明問題。即使是疫情最重的西安，總共也隻有兩千多例确診個案。

在取得巨大成績的同時，我們也應當看到封城的經濟成本和社會成本。在剛結束的全國政協會議上，新聞發言人郭衛民就提到了要“努力以更高的水平、更小的社會成本來控制住疫情，保障經濟社會持續健康穩定發展。”要算清楚封城的經濟賬，經濟學家當然義不容辭。不過，不要小看了算這筆賬的難度。過去兩年，世界各地有不少封城的經曆，也有經濟學家通過對比封城前後的數據來推算封城的經濟損失。但到目前為止，大家并沒有太多共識，還是一筆糊塗賬。比如有研究表明，雖然美國封城期間的經濟損失很大，但由封城造成的損失卻比較輕微，大多數損失可能來自于新冠疫情本身和民衆自發的防護反應。當然，世界各地經濟差異很大，封城的具體限制也各有不同，可以相互參考的價值比較有限。

中國雷厲風行并且行之有效的封城措施倒是給我們提供了一個很好的估計封城經濟損失的機會。由于政策目标明确，争取第一時間“清零”，即使隻有個位數的病例，也可能封城。所以，對比封城前後被封城的内地城市（類似“實驗組”）和同一時期未被封城的内地城市（對照組）的經濟表現，就可以估計由于封城本身（而非疫情）造成的經濟損失。下一個難題是用什麼指标來衡量各個城市的經濟表現。政府公布的數據大都按年更新，而且不一定覆蓋内地所有三百多個地級市。

所以，在最近我和其他幾位學者合寫的論文中，我們用按月更新的城際卡車流量變化來推算各個城市的實際收入變化。我們重點分析了武漢疫情結束後内地的16次封城，發現封城造成的經濟損失為當期GDP的34%（對數值下降0.41，标準差為0.04）。封城取消後經濟迅速恢複到原有水平，但并沒有反彈。在控制了疫情程度和封城長度後，封城兩周造成的經濟損失在當月GDP的32%左右。如果封城兩周（或者1個月），經濟損失大緻為這個城市全年GDP的2.7%（或者4.5%）。

局部封城的經濟損失隻有封城的四分之一，充分說明精準政策的優勢。如果對北京或上海這樣的一個特大城市實施封城兩周，對當月全國GDP的影響大緻在2個百分點左右（以2021年GDP計大約為一千九百億人民币）。這個損失裡有7%是來自于當地封城對其他城市造成的間接經濟損失。

我們的估計忽略了很多其他因素。比如城際卡車流量并不能完全代表經濟活動，我們還需要尋找更多有代表性的高頻經濟指标。被封城的可能性有多大，也會影響對照組的表現，從而造成估計的偏差。封城對各個行業造成的經濟損失差異很大，經濟損失在經濟結構不同的城市之間也可能有很大差異。不過，對一個每月GDP達到千億級别的城市實施一個月的封城，造成的經濟損失數以百億計應當是個比較難拒絕的統計推斷。

封城是否得不償失？雖然科學地回答這個問題需要彙總各個方面的研究，但從直覺上講，對比中國和西方國家在過去兩年的綜合表現，答案是顯而易見的。況且，中國的抗疫政策一直在不斷完善，也在随着疫情的變化而不斷調整。我們曾經做過一個估計，發現武漢疫情結束之後的封城所造成的經濟損失明顯低于之前的封城。即使在疫情嚴重程度可比的情況下，這個結論也是成立的。這說明中國政府的确做到了“以更高的水平、更小的社會成本來控制住疫情”。

不過，奧密克戎病毒出現之後，“動态清零”的難度可能成倍上升，過去幾天長春、深圳和東莞先後封城就是最好的預警。在極端情況下，如果有十分之一的城市被迫封城兩周，根據我們的估計，當月全國GDP可能損失3.1%（以2021年GDP計接近三千億人民币）。為了應對這種極端情況，中國政府的确應當彙總各方最新信息，在堅決守住不出現疫情規模性反彈底線的前提下進一步優化我們的抗疫政策。

___________________________

研究評價：車流量、公路擁堵指數等是十分常用也相對易得的宏觀經濟監測指标。這篇文章的結果核心就在于封城兩周當地當月GDP損失大約1/3，這一定程度上是很符合直覺的，一個月大概有四周，封城兩周意味至少有1/2的時間無法正常開展活動，如果假設解封後經濟直接恢複至原有的水平，那麼可以推算出封城期間經濟萎縮到了正常情況的1/6。當然現實中這個假設不成立，因為很多數據都表明解封後要想讓人流量等恢複至封城前的水平，是需要不少時間的，這個時間可能長達2~3個月，因此1/6這個值有低估。

但這樣的估算能給我們提供一個很好的基準值，方便我們對政策的調整變化所帶來的影響做出基本的判斷。我個人很偏好這種思維方式，讨論經濟問題一定要對數字敏感，而精細地計算往往需要紮實的數據和細緻的工具，這是研究者們的工作，如果隻是需要對動态變化中的局勢和形勢快速做出判斷的非學者群體，對于一些基本數字的敏感和計算就足以得到模糊的正确了。

___________________________

防疫策略的統計生命價值估算

梁建章：生命損失最小化的防疫策略

公衆号：繞梁說

經濟的計算之所以是必要的，是因為經濟與人的健康、生命本就是息息相關的，人均收入越高的國家，其人均壽命就會越長。因為富國更有能力和意願在醫療、基礎設施和環境治理等方面進行投入，從而降低死亡率和提高人均壽命。

一個簡單的線性關系是，人均收入減半，人均壽命減少1-3年。換算一下，人均GDP每減少1%，人均壽命就會減少5天左右。

我們也可以通過經濟學中Value of Statistical life“統計生命價值”的理論來驗證這個假設。在經濟學界，“統計生命價值”是一個比較成熟的概念，指一個社會願意花多少成本來降低死亡率。或許有人會對這個概念心存反感，認為沒必要去計算生命的價值，因為生命理應是無價的。僅從倫理道德角度來說，上述觀點當然沒有錯。但在實際操作過程中，無論工作生活、企業經營還是社會管理，都必須在減少死亡風險和投入成本之間追求一種平衡。至于如何找到這個平衡點，就需要看似有些無情但實則科學理性地去計算“統計生命價值”。

舉個例子，企業和政府在提供各種交通工具和交通基礎設施時，也需要在風險與成本之間實現平衡。比如說政府在設計一條路時，如果造的車道更多一些，或者設置專門的非機動車道，又或者人行道更寬一些等等，都有可能降低交通事故的死亡率。但是很明顯，并非所有道路都有這樣的設置。這說明設計者罔顧生命安全嗎？并非如此。作為設計者，如果在設計時不顧成本，一條看似絕對安全的道路要花100億來建造的話，很可能這條路根本就造不出來，讓老百姓們無路可走。所以對于此類建設工程來說，究竟值得花多少代價來減少多少死亡率呢？這裡面，同樣存在隐性的平衡生命價值的計算。其實，經濟學家們早就根據各國數據，從經濟學意義上計算了生命的價值。中國的學者也對此做了一些研究，得出中國生命統計價值範圍大體在100萬到720萬，我們就姑且取500萬的數值。

假設由于大面積隔離封控造成經濟的損失1%GDP，那麼就是一萬億。按照“統計生命價值”500萬的計算，可能會增加二十萬（人）意外死亡的風險。如果按照每個意外死亡減少20000天的人均壽命的話，二十萬人就是40億天，總體來看就會造成中國人均壽命減少大約3天。這種人均壽命的損失的計算，還沒有算上由于大量醫療資源被核酸檢測等任務占用，導緻其他疾病得不到及時治療所造成的次生死亡對于減少壽命的影響。

所以綜合前面兩種計算生命代價的方法，1%的GDP的損失會減少3-5天的人均壽命，這是防感染策略所需的隔離封控的代價。

将這個數字和前面封控造成的GDP損失結合起來，很容易做一個換算，如果上海封城兩周，經濟損失将兩千億，全國當月GDP可能往下掉2%，全年掉0.2%，人均壽命大概降低0.6天，對應4萬人的意外死亡風險。

當然這隻是非常粗糙和片面的計算。例如清零之後社會盡快恢複所能得到的收益等等在其中完全被忽略了，這個結果切不可斷章取義，直接用于評估政策，隻是一個研究視角而已，僅此而已。

___________________________

研究評價：這篇文章後面還有很長一部分，它對不同的防控策略進行了計算比較，确定了策略轉換的阈值，這一部分我沒有摘出來，因為我是不認同的，因為原文的計算顯然是一個非常粗糙的基于人均壽命的計算和局部均衡的考慮，沒有考慮一般均衡，即疫情溢出後的全局性影響，當然這本身也很難。但是摘出這一部分，主要是想說明，很多人會認為經濟的計算是冰冷的。生命的價值無法計算，這沒問題。但現實就是資源是有限的，一定需要人做出權衡，而經濟規律的殘酷之處在于它不管你主觀上是怎麼想的。有個很簡單的故事，你可以去把加油站開在沙漠裡，你主觀上可以相信因為沙漠上開加油站是個好生意，但經濟的客觀規律決定你這樣做一定會虧損。

同樣的道理，你可以主觀上認為人的生命、自由、安全等等一系列東西都是無價的，不可衡量的，甚至任何對于它們的算計都是亵渎和不可饒恕的，但客觀規律決定了當你在現實生活中做出決策和選擇的時候，你一定是舍棄了一部分去得到另一部分，無形之中你已經為它們賦予了高低，或者說，無形當中，生命的一切東西都已經标上了價碼。作為學習過的經濟學的人，要對這一點有充分的理解和認識，現實當然是複雜的，但是一些基礎的數據和研究可以幫我們揭示出背後的成本與權衡，無論我們決策的時候怎樣想，客觀規律和由此導緻的結果就在那裡，不以人的意志為轉移。

相反，直面并認清現狀，才有助于我們更好的決策，才是對我們所珍視的一切最好的尊重。但同時也要明白，現實的權衡要複雜得多，不同研究隻是提供了不同的思考側面而已，也僅此而已，不要把它斷章取義地用于評估現實。

___________________________

封城的效果與成本

chenqin 多強的封控政策，才能防住奧密克戎？

公衆号：繞城市數據團

在2021年和之前的每一次疫情中，我們的應對手段其實歸根結底就是三條——發現與監測；流調與溯源；管控與重點人群核酸。當發現和監測落後于病例傳播，流調與溯源手段也無法窮盡病例時，立刻停止整個城市或者城市部分高風險區域的運作，開展全員核酸，就成了最後一道，也是最行之有效的一道防線。

在奧密克戎變異之前，「封城」對疫情的控制能夠起到什麼樣的效果？使用國家衛健委公布的每天各城市的本土病例數量和本土無症狀感染者數量，以及每個城市從2020年至今每天的人流量數據，我們可以完成一個簡單的計算。

下圖是我們使用的各城市疫情數據來源。

圖表 1：每日新增本土病例

我們的人流量是通過當地商圈的人流量監測和到店消費分天數據綜合計算得到的。下圖列出了西安市從2020年2月至今的每日人流量指數。可以看到，西安曾經有過四個因疫情造成的凹陷，前三次分别是2021年1月的石家莊疫情，2021年8月南京疫情，2021年10月蘭州疫情導緻的輸入病例。這幾次疫情都沒有出現大規模的本土感染，但西安都做了一些預防性的防疫工作，例如為了應對南京疫情可能造成的輸入，在2021年7月30日關閉了華清池和兵馬俑。但西安的最大考驗出現在圖中的第四個凹陷，也就是2021年12月的西安本地疫情中。

圖表 2：西安市人流量

我們将西安的人流量數據聚焦于2021年12月1日到2022年1月31日。西安本輪疫情的第一例本土病例出現在12月9日，但西安并沒有立刻做出反饋，而是在12月16日左右開始進行較大規模的防控。而最後西安的疫情也較為嚴重，一直到1月底時，西安市人流量也隻恢複到疫情前的70%。

圖表 3：西安疫情期間人流量

在和西安疫情幾乎相同的時刻，12月5日在甯波市出現了3例陽性病例。甯波的反應非常快，12月6日便暫停了疫情出現地點鎮海區的所有文旅體活動，鎮海區停課停學。

下圖列出了甯波市的人流量指數變化情況。從圖中可以看到，甯波通過快速的反饋和封控控制了疫情，當地人流量在10天後即達到谷底，随後回升。甯波市此次疫情最後僅有76個病例，用時一個月不到，當地人流量就達到了疫情前的水平。

圖表 4：甯波市疫情期間人流量

從這樣兩個例子的比較看，「及時封城」，确實是對「控制疫情」有比較好的作用。

我們可以試着從統計上證明這一點。

首先，用T表示用天計算的時間。如果一座城市從T-5到T-1這五天内均沒有出現病例，而在T時刻出現了本土病例，那麼我們将疫情的「爆發」定義在T時間點。在這種定義下，一些城市會出現多段疫情，我們将每一段疫情的爆發起始點均算作一個數據點。

其次，将「封控強度」定義為一個城市的人流量的變化。用T 4、T 5、T 6時刻的當地人流量平均值，除以T-1時刻的當地人流量，定義為一個地區「封控強度」。T 4、T 5、T 6時刻的人流量相比疫情前下降得越多，說明該地區的封控越快，越嚴格。對西安12月9日的疫情來說，這個數字接近1，也就是沒有在五天内采取任何封城措施；對甯波12月5日的疫情來說，這個數字大約是0.87，即人流量因封控下降了13%。

再次，将「控制疫情」定義為一個城市T 14、T 15、T 16三天的新增病例與T 4、T 5、T 6三天的新增病例的比值。這裡的病例包括了确診病例和無症狀感染者。如果疫情爆發半個月後的當日新增病例比起疫情爆發第四到六時的新增病例要少，說明疫情得到了控制。這個數字越低，說明疫情控制得越好。

最後，将「封控強度」和「控制疫情」取對數，

在非奧密克戎變異疫情，和奧密克戎變異疫情下，分别用「封城」去解釋「控制疫情」。兩者相關性越高，越能夠說明及時、快速的「封城」可以快速控制疫情。

圖表 5：Omicron之前的疫情

上圖列出了在奧密克戎變異前的曆次疫情中疫情後人流量（橫坐标）和病例增長速度（縱坐标）的關系。可以看到，兩者之間存在着顯著的相關性，其中越靠右的點，代表其封控強度更輕，靠左邊的點則有更加嚴格且快速的封城行動。靠上的點表示疫情衰減越慢（0以下）或者增長越快（0以上）。

兩者的拟合顯示，當封控強度（即人流量減少程度）增加1%時，病例增長速度會減少2.55%，在1%的水平上顯著。

在上圖中，西安是最靠右上角的點，代表在這次疫情中，西安确實在封城上反應更慢，且半個月後的病例增速增長越快。石家莊則是最靠左下的點之一，其疫情後人流量的對數值為-0.75，即疫情前的47%，而病例增長速度的對數值等于-2，代表其半個月後的新增病例是疫情爆發後5天新增病例的13.5%。

在上圖中，75%的疫情出現在紅線下方，代表四分之三的城市15天之後的新增病例已經比5天時的新增病例要更少。如果這個城市對疫情進行了一定防控，即疫情之後人流量變化低于0，則該城市在半個月後繼續出現病例增長的概率就隻有10%。

圖表 6：Omicron變異疫情

上圖列出了奧密克戎變異疫情下的曆次疫情中疫情後人流量（橫坐标）和病例增長速度（縱坐标）的關系。兩者之間仍然存在顯著的正相關，

當封城的程度（即人流量減少程度）增加1%時，病例增長速度會減少2.78%，在1%的水平上顯著。

不難注意到，在這張圖中，最右邊出現了深圳。讀者也許會問，深圳的疫情明明已經控制住了，為什麼會出現在疫情半個月後病例上升的區間呢？其實隻要仔細閱讀深圳的病例就知道，深圳的首個本土病例，并不是3月出現的，而是2月12日出現的。從2月16日到2月18日時，深圳分别有8、3、3個本土病例。半個月後，2月26日到2月28日的深圳本土病例猛增至30、36、28個本土病例，病例不僅沒有衰減，反而大幅度上升了。深圳采取比較嚴格的封城措施，已經是三月初的時候。從2月中旬到3月初，深圳的人流量下降并不明顯，幸運的是，深圳在這個階段也沒有出現病例的大規模傳播，給3月初才開始進行的大規模封控提供了條件。

在奧密克戎變異疫情下，有一半以上的城市出現在了紅線上方，即疫情爆發半個月後病例還在繼續增長。

在奧密克戎變異疫情中，如果一個城市對疫情進行了一定防控，即疫情之後人流量變化低于0，則該城市在半個月後繼續出現病例增長的概率仍然高達51%。

非奧密克戎疫情，封城程度每提升1%可以降低2.55%的病例增長速度；在奧密克戎變異疫情下，封城程度每提升1%可以降低2.78%的病例增長速度。從這個對比看，封城依然是有效的，而且在奧密克戎變異下效果更好。

那麼為什麼在奧密克戎前的疫情隻要做了一些防控，就可以将疫情擴散的概率控制在10%，而在奧密克戎變異下，同樣程度的防控，疫情擴散概率卻增長到了51%呢？

我們将前兩張圖合并在一起，就能看出問題所在——兩者的截距有極大差異。：

圖表 7：所有疫情的防控效果

非奧密克戎疫情下，我們用國内各城市疫情拟合出的直線表達式是：

而在奧密克戎變異疫情下，該表達式變成了：

兩者的斜率類似，但兩者的截距，一個是-0.502，一個是1.259，也就是說，在同樣的防控力度下，奧密克戎變異疫情的病例增長對數，将比非奧密克戎變異疫情的病例增長對數高出1.761。

将自然對數作為底數計算，這意味着在同樣的初始爆發條件和同樣的防控力度下，奧密克戎變異疫情在半個月後的每日新增病例，将比非奧密克戎疫情在半個月後的每日新增病例高出5.82倍。

換一種表述，如果要讓疫情得到控制，那麼奧密克戎變異疫情後的人流量對數，需要比非奧密克戎疫情後的人流量對數，低0.648。将自然對數作為底數計算，這意味着要将半個月後的疫情控制在同樣的程度下，奧密克戎變異需要比非奧密克戎變異，壓低額外的52%的人流量。

2021年時将人流量減少到80%可以控制的疫情，現在需要将人流量減少到38.2%（即80%×（1-52%）=38.2%）才能達到同樣的效果。

我們在之前的一篇文章《哪些城市從疫情中複活更快？》中曾經提到，長春是一個能夠從疫情中快速恢複的好例子。

2021年1月15日到2021年2月16日，長春爆發了一次105個病例的中等規模疫情。第一個病例于2021年1月16日報告，長春市立刻定位至疫情原發地公主嶺市，1月18日開展第一輪長春下轄的公主嶺市的全員核酸，要求「所有居民居家隔離，嚴禁出戶，生活必需品由村屯、社區、小區值守人員代買」，并且對相關區域封城封區。第一輪核酸完畢後，長春将包圍圈縮小至範家屯鎮，在範家屯鎮連續進行了4輪全員核酸。此時長春疫情已經得到了有效控制。再過一周，長春在1月30在公主嶺市進行了第二輪全員核酸。接下來的所有新增病例都在隔離管控中發現。

可以看到，在這輪疫情中，長春市用雷霆手段，精準對個别區域進行全員核酸，實施嚴格封控，疫情一周就得到控制，兩周就實現了社會面清零，後續經濟也就快速恢複了。從線上、線下人流量數據中可以看到，長春的線上消費用了29天恢複到疫情前水平，線下人流量隻用了35天就恢複到了疫情前水平。

從下圖的病例和人流量指數可以看到，長春整體的人流量下降并不明顯，防控措施在1月26日左右達到頂峰時，當地的人流量也隻是下降到了疫情前的76%，卻也成功控制住了疫情。

圖表 8：長春非奧密克戎變異疫情病例與人流量指數

那麼，在這一輪奧密克戎變異疫情中，長春又呈現了怎樣的變化呢？

圖表 9：長春奧密克戎變異疫情病例與人流量指數

從圖中可以看到，本次長春疫情，3月4号出現第一例病例，3月5日長春的人流量就開始下降，一直下降到3月16日，長春的人流量已經降低到疫情前的4%，無論從速度、下降幅度還是持續時間上，長春本輪疫情的封控強度都已經遠遠超過了2021年1月時的疫情。但從結果看，每日病例仍然在繼續上升。4月2日，長春新增确診病例和無症狀感染者合計3823人，再次創下奧密克戎變異疫情以來的當地最高峰。

從武漢疫情之後，中國一共出現了124次非奧密克戎疫情以及215次奧密克戎疫情，匹配人口流量數據後，我們可以獲得其中55次非奧密克戎疫情和70次奧密克戎疫情的防控程度和疫情擴散率，從中可以得出兩點結論：

一， 在相同防控程度下，奧密克戎變異疫情的擴散速度要比非奧密克戎疫情快5.82倍。

二， 要控制住疫情的擴散，奧密克戎變異襲擊的城市需要在原有封控強度上再額外減少52%的人流量，才能取得非奧密克戎疫情下相同水平的防控成果。

奧密克戎變異的高傳播性使得以往行之有效的防控手段失去了作用。那麼，我們應該做到什麼程度，才能夠防控奧密克戎變異呢？

如果隻是去看個别數據，可能會讓我們得到偏頗的結論。

要是隻看深圳，你可能會成為一個樂觀主義者，認為即使疫情已經發展了半個月，仍有機會用「長痛不如短痛」的封控來解決疫情。

要是盯着長春，你又會成為一個悲觀主義者，認為隻要疫情一旦擴散，就再也無法通過封控的手段來解決，一個月的封城也無法阻止病例的繼續上升。

這也是為什麼我們需要去看更多的數據點。從我們的數據觀察，有62個地區在奧密克戎變異疫情出現後采取了一定的防控手段。

這些防控手段如果用在奧密克戎變異之前的疫情中，可以有92%的可能控制住疫情，即使病例繼續上升，也極少出現爆發性增長的狀況。

但在奧密克戎疫情中，同樣程度的防控措施，控制住疫情的概率隻剩下51%。在那些沒有控制住疫情的地區，更是有一部分出現了病例的爆發式的指數增長和傳播。

因此，若要用較大把握防控奧密克戎變異疫情，我們不得不采取更加嚴格的措施，目前能看到的唯一方法，就是在第一例病例出現後，立刻采取全城封控。例如圖7的天津津南、河南安陽、山東威海，都是通過異常嚴格的手段，短期内大幅度降低人流量，才換來了新增病例的下降。

___________________________

研究評價：這個研究也是很符合直覺的，傳播性更快的病毒要付出更大的封控代價。同樣，重要的不在于結論本身，更不要将結論直接套用去評估政策，而在于其中的數字和數字背後的經濟學直覺。其實如果進一步放長來看，還可以看到解封之後人流量的恢複其實是極度緩慢的，大概需要2~3個月才能恢複至疫情前水平。而消費會更慢，因為這個過程有些店鋪就徹底關門了。

___________________________