复工后有没有助推疫情？一个基于12城市的简单分析-经纬的财新博客-财新网

近期复工和疫情防控，成为了很多地方的两难问题。复工究竟有没有助推疫情？助推的程度有多大？我们可能需要城市层面的数据分析。

我们在前文《一个评估疫情冲击宏观经济的方法》中，借助六大发电集团的日均耗煤量，从宏观层面考察了复工率。但是城市层面，并没有耗煤量数据。

本文中，我们选择高德公布的城市拥堵延时指数，然后按照农历时间，将2020年的城市拥堵延时指数，与2019年同期相比较，作为衡量城市复工情况的指标（经工作日调整）。然后看看各城市的复工情况，与新冠病毒新增病例数之间的关系。我们选择的样本情况是：

样本时间：按农历算，2020年正月17日至正月28日。按公历算，2020年2月10日至2月21日。（对应的是2019年的2月18日至3月1日）。

样本城市：12个城市，北京，上海，深圳，广州，成都，重庆，西安，杭州，苏州，天津，南京，郑州。

我们先把样本混在一起，来看看城市复工和新增病例数的关系。从下图可以看到，两者整体上呈现弱负相关关系。也就是说，城市的复工情况越好，新增病例倾向于越少。这显然既不符合逻辑推演，也不符合各地实际。

一般来说，如果数据的线性拟合，与逻辑推演不符，这就提示我们，数据内部很有可能存在“异质性”。我们来分城市，来看看各城市的复工和疫情情况。

从下图可以看到，分城市来看，复工情况和新冠病毒病例数，均呈现出比较明显的正相关性。而且以城市拥堵延时指数来衡量的复工情况，基本上经历了一个先上行后下行的过程。

也就是说，春节后，其实复工情况一开始是恢复的，但是后来复工又被压下去了。那么这与疫情有关系吗？我们针对12个城市的复工和疫情数据，拟合个体固定效应的面板数据模型，结果如下：

模型结果显示，复工对疫情有很显著的正相关性。

最后总结一下，本文用的模型很简单，就是一个带个体效应的面板模型。目的是考察复工是否对疫情有显著的助推效应。使用城市层面的数据，复工情况用高德发布的城市拥堵指数来近似。

我们来看看，这个模型讲的是什么故事。首先，我们发现，春节后，城市的复工情况呈现先上后下的现象，然后面板模型结果显示，复工对疫情有很显著的正相关性。

因此背后的故事可能是，春节后，地方政府发现复工对本地的疫情有助推作用，因此重新采取了限制复工的措施。从这个角度出发，我们就可以理解目前地方政府对复工的谨慎态度。

预计等到本地新增病例连续几天降为零的时候，地方政府才会逐渐放开限制措施。

话题：