哪些城市从疫情中复活更快？我们做了排序

原创 chenqin 城市数据团

自从2020年4月武汉病例“清零”以来，中国还出现过几十次大大小小的散发疫情，其中一些规模不小，例如2020年7月的乌鲁木齐、2021年1月的石家庄、2021年12月的西安等。在奥密克戎变种影响下，春节前后的北京、天津和杭州也出现了一些散发疫情。刚刚爆发的广西百色疫情，已有187例确诊。

疫情给所在城市带来了什么样的影响？哪些城市在受到疫情冲击后恢复得更快，呈现了更强的“韧性”？

▍怎样评估疫情的影响？

我们可以从线下与线上的角度分别来看一看。

先来看看线下：

下图呈现了上海市南京东路和南京市江宁区万达从2020年1月10日到2022年1月23日的每日人流量。可以看到，两个商圈的人流量级虽不相同，但整体走势却非常相似。

我们不难注意到这样一处显著的差异：南京市江宁万达的人流量从2021年7月21日起开始迅速下降，并在8月8日达到谷底，随后缓慢回复，在2021年国庆节前后恢复到了正常水平。

为什么两条曲线会有这样的差异？

答案很简单：疫情。

南京市江宁万达在7月21日的下降，主要是因为7月20日到21日在南京市禄口国际机场发现了17名阳性患者，随后两个多星期，南京市共确诊了235例病人，直到8月19日才恢复全域低风险。但南京市江宁万达的人流量并没有在8月19日恢复，而是一直到10月底才恢复到疫情前的水平。

再来看看线上：

我们使用某大型生活服务互联网平台的一组数据，这组数据记录了每个地区每天的生活服务在线消费与2019年同期在线消费的七天移动平均值的比值，可以理解为在线消费强度的指数。

与线下商圈人流类似，我们也能看到南京和上海线上消费指数也拥有几乎相同的走势，只是在2021年7月20日之后，南京的曲线出现了一个长达三个月，深度超过60%的缺口。

上面两张图给了我们这样一个启示：不同城市线上消费和线下人流，虽然量级不尽相同，也一直在随时间波动，但两者在没有疫情的时段走势是极其相似的，因此将有疫情发生的城市和没有发生疫情的城市放在一起比较，除掉城市个体特征和时间特征（例如节日、周末）后，两者之间的缺口，就可以代表“疫情导致的损失”。

▍疫情的影响有多大？

上面这种思路实际上就是数据分析中常用的双重差分（Difference in Difference）方法，我们可以对疫情前后的人口流量、在线消费与电商零售消费进行分析，回归式如下：

分别使用商圈人流量对数、生活服务线上消费同比比例以及电商消费金额对数来作为Y，计算上式中的大小。爆发疫情则使用“在连续一个月没有疫情之后连续五天新增病例达到10人以上”作为标准。

为了计算疫情爆发不同时间后的商圈人流量、生活服务在线消费的下降程度，我们将上式中的“是否爆发疫情”变量做一定的滞后或者提前。最早被提前30天，最后会滞后90天，观察窗口为4个月。

当地商圈人流量和生活服务在线消费受到疫情的影响如下两图所示：

以上两张图中，横轴代表距离确诊病例首先发现时的天数，零点左方代表疫情前的时间，零点右方代表疫情后。

纵轴代表疫情对当天人流量/线上消费量的影响。

蓝线的高低代表影响系数大小，蓝色实线上下围绕的浅蓝色区间代表影响系数的95%置信区间。当浅蓝色区间与零线相交时，代表该点并不显著异于零，反之则代表该天的疫情在95%的置信水平下能够显著影响当天的人流量/线上消费量。

可以看到，当突发疫情出现时，线下商圈人流量会出现60天左右的显著降低，最低出现在疫情开始后第11天，此时的人流量对数值会下降0.9，即人流量下降59.4%。

疫情对生活服务线上消费的影响更持久。从图中看，90天之后的生活服务线上消费仍未完全恢复，最低值出现在疫情后第13天，此时的线上消费会下降55.3%。

将突发疫情的影响加总，每一次突发疫情，会使得该城市后三个月的线下人流量减少24.7%，会使疫情后三个月的生活服务线上消费减少21.5%.

▍哪些城市在疫情下“韧性”更强？

在一定规模的疫情打击下，不同城市的恢复速度，有什么区别？

为了尽量具有代表性，我们选择了人数在60人以上的疫情。一些地区有时也有散发疫情，例如上海1月13日报告了与一家奶茶店相关联的2例本土确诊病例和3例无症状感染者。但只要一段疫情病例总人数不到60人，便不在我们的分析范围内。

在城市选择上，我们限制在直辖市、省会城市、副省级城市和GDP排名中国前50的城市中。例如通化、瑞丽、阿拉善盟等地的疫情也很严重，但由于篇幅限制以及和其他城市特征不同，我们不在本篇内容中进行分析。

下图列出了线下商圈人流量在每次疫情开始后的恢复时间，以疫情开始的一天为基准。

需要注意的是，哈尔滨和大连各有两次疫情——哈尔滨2020年4月8日到5月6日共确诊66人，2021年9月20日到10月14日共确诊89人；大连2020年7月22日到8月16日共确诊92人，2021年11月4日到12月4日共确诊339人。

下图列出了生活服务线上消费在每次疫情开始后的恢复走势：

从上面几张图中可以看到，一些城市可以在二三十天内恢复线下商圈人流量和线上消费量，而另一些城市则迟迟无法恢复，三个月后也徘徊在疫情前的水平下。

将这些城市的疫情严重情况与这些地区的恢复情况放在一起，可以得到下表：

从这张表中可以看到，在百人左右（包括105例的长春和138例病人的郑州）的疫情中，宁波、长春两地从疫情中的恢复速度最快，分别只用了28天和29天就恢复了线上消费水平，大连和郑州分别则使用了38天恢复线上消费水平。

哈尔滨和兰州在线上消费的恢复方面表现不尽如人意，哈尔滨的两次疫情确诊病例都不到百人，但第一次疫情使用了59天才恢复线上消费水平，第二次疫情遇到了变种毒株，在三个月内都未恢复到疫情前的水平。而兰州则使用了77天恢复。

在百人左右疫情中，线下人流量也出现了类似的排序，宁波、长春和大连的恢复是最快的，仅用21天和35天就恢复了线下人流量。哈尔滨从第二次疫情中恢复线下消费的速度也较快，使用了26天。哈尔滨的第一次疫情和郑州疫情的线下恢复时间都用了64天。而兰州疫情的线下恢复时间较慢，三个月都未能够达到疫情前水平。

在更大规模（数百人及以上）疫情中，绍兴的恢复速度最快，虽然有376个病例，却仅用了35天便恢复了线上消费的疫情前水平。大连和厦门分别有339个确诊与243个确诊，他们的恢复用了50天与51天。扬州和北京则分别使用了76天。南京、石家庄、乌鲁木齐和西安的线上消费水平在三个月内也未能完全恢复。

线下人流量的恢复水平在大型爆发疫情与线上消费较为不同，北京虽然花了76天才恢复线上消费，但只花了31天就恢复了当地的线下人流量——此时的北京甚至还未清零中风险地区。这与北京疫情爆发特点有很大关系。第一，北京的病例基本都与三源里菜场相关，且是病毒的原始株，确定风险相对容易。而2021年其他地区面临数百人疫情时，不是贝塔就是奥密克戎，往往初期发现时已进入社区感染状态，需要的防控力度更大。第二，北京的规模更大，在朝阳区的人流量仍然受到影响时，其他区域的人流量可以自行恢复，使用全市平均的线下人流量数据，会高估北京的恢复速度。考虑到这两点，我们在同等水平下，将北京的韧性等级下调了一级，排名在扬州之后。

另外三个能够从大型疫情中恢复线下人流量的城市是大连、扬州与南京，大连和扬州分别使用了58天和61天，南京使用了73天——而扬州的病例高达南京的两倍，大连的病例也比南京高50%以上，清零时间更比南京长半个月。其他有数百人疫情的城市，绍兴不在我们的监测范围内，厦门、石家庄、乌鲁木齐和西安都没有能在三个月的监测窗口内恢复疫情前的人流量。

综合疫情严重程度、清零时间与线上与线下消费的恢复时间，我们将以上15个城市的韧性水平排序分为三大类：

第一类，是能够较快从疫情中恢复的，包括宁波、长春、大连、绍兴、扬州。

第二类，是恢复时间中等的，包括北京、郑州、哈尔滨、厦门、南京。

第三类，是目前看来恢复较慢的，包括兰州、石家庄、哈尔滨、乌鲁木齐、西安。

一些观点认为，石家庄、西安和乌鲁木齐的疫情更为严重，确诊病例都在千例左右或者更高，清零用时更久，因此本身就难以从中疫情中恢复，不能够说明这几座城市的韧性不高。我们认为，这种观点不成立。第一，将疫情控制在较小规模，本身也是城市韧性的体现。第二，若是计算从疫情爆发到中风险区域清零总用时，乌鲁木齐用了45天，西安用了46天，石家庄用了51天，他们并没有显著地超过另一个同样爆发了大规模疫情的城市，扬州。扬州共用了44天来清零中风险区域，却能够更快地从疫情中恢复线下人流量和线上消费。这也足以说明，城市之间的韧性是有区别的。

▍城市的“韧性”重要吗？

我们来简单算一笔经济账：

通过对当前经济结构的分析，我们可以将疫情对线下人流量和线上消费的影响转换到整体经济上。根据GDP的定义与分解，下图的右侧饼图中餐饮收入和有门店的商品零售会更大程度受到疫情影响。

根据2021年各月度统计公报公开的数据，我们可以算出餐饮收入约占社会消费品零售总额的11.7%，有店铺零售占社会消费品零售总额的44.8%，合计56.5%。而社会消费品零售总额占GDP比重为38.5%。

按照这个经济结构，结合疫情对线上、线下消费的影响，可以算出：

21.5%×3个月÷12个月×56.5%×38.5%=1.17%

一次规模数百人的疫情，就可能导致一个规模数百万人的城市GDP受到1%以上的损失。

这些损失最终会影响到城市中每一个市民的生活。一座城市的「韧性」越是强大，疫情导致的损失就越小。

在这样的防控代价下，如何从第一类城市中获取经验，从第三类城市中吸取教训，将是我们在应对疫情的新阶段中的重要功课。

继续滑动看下一个