有人問香港疫情的走勢為何如此平穩，我只想說如今所有主流觀點都是片面的。
圖/頭條網友
真正的原因是：感染衝擊波遵循香港本土特有的各種因素所造成的社會現象，呈現出統計模型上的長尾效應。
是不是很難理解？難就對了！因為大多數人對此都沒有具體概念。
以前上學的時候，老師不會教你科學常識，只會讓你死記硬背，然後瘋狂做題。統計學和概率學這兩門學科要等到千軍萬馬過高考這座獨木橋，才能在大學高校里學習到，甚至按照專業劃分，相當一部分人只能選修。
扯遠了。
總之，大眾對這種最起碼的常識缺乏足夠多的了解。
我認為此次放開之所以準備不充分，就和這種普遍現象有關，上至決策官員，下至基層和群眾，概莫如此。
01
如上圖所示，樓主說香港沒有經歷過醫療擠兌，後面評論區有人說香港的「過峰」是數據統計不夠詳實，或是不管三七二十一，埋頭猛誇一頓，然後呼籲內地也跟著效仿。
圖/頭條網友
完全就是睜著眼睛說瞎話！
二月份首波感染高峰到來時，香港一天新增病例數量翻幾番，何來沒有醫療擠兌之說？香港病亡率高就是最好的證明。批評數據不詳實也純屬子虛烏有，只不過是統計口徑不同而已。
至於那些呼籲內地效仿香港的人就更是把腦袋燒糊塗了：香港是被迫放開的，而我們雖說被各種因素裹挾著，不得不放開，但是如果沒有高層頒布的「新十條」政策，我們會徹底放開嗎？
實質上，我們是主動放開的。高層也很謹小慎微，放開前召開了很多專家座談會議共商國是。
既然是主動放開的，那麼就和香港的被動放開有著本質區別。香港在初步放開時，醫療資源擠兌、疫苗接種率不足、針對老弱病殘的防護不夠多等現象的出現也就合乎邏輯了。
反觀內地，你們自行體會吧。
02
與其問內地是否會像香港那樣，只經歷一波高峰後，其餘達峰的幅度都很小，倒不如比較一下內地和香港在各種社會因素層面上的差異。
一方面，香港曾經被列強殖民，民眾思想長期受西方的及時行樂等文化渲染。
縱觀疫情爆發後西方國家的躺平表現也能感受到，而香港市民在疫情防控這點也是普遍秉持放開的態度，生命和自由哪個更重要，在他們心中早已有了答案。
放開後不久，你可以看到中環、九龍、新界、深水埗、旺角、荃灣等地都人滿為患。
另一方面，香港曾經作為亞洲四小龍之首，屬於發達經濟地區，人家有足夠的實力支撐市民外出逛街消費。
光是前年和去年，特區政府就發放給市民幾萬元港幣，這種做法既能帶動消費，又能與美元超發周期對接上（港幣採取聯繫匯率制，錨定資產美元），何樂而不為呢？
香港人滿為患的街道
但是換作內地，暫且不說能不能學香港的放開模式，就連中國台灣的放開模式也學不了。
原因是內地民眾對疫情防控的突然放開採取了比官方更加謹慎的態度。
這幾天還有一些專家認為，只要一放開，不出幾周時間，咱們內地也會像香港那樣，到處人滿為患，經濟擺脫疫情影響，蒸蒸日上。
眼見為實，實驗是檢驗真理的唯一標準。
「新十條」頒布到現在，少說也有三周了，大街上的人呢？實體店裡的顧客呢？說好的快遞呢？
由於內地民眾不約而同地採取了謹慎的態度，與台灣地區的民眾一對比，簡直有過之而無不及，甚至實現了反超！
03
此前著名的港大生物醫學院教授金冬雁，在接受鳳凰衛視主持人吳小莉的電視專訪時說過：
「我對於內地在第一波能不能有60％的感染是有一些保留的（意見）。」
「我們講幾個地方的例子就可以了解。首先我們看香港，其實它不是主動放開，而是被動破防的。這種情況下，疫情開始從二月初上升，到四月初（感染數量）已經跌到谷底了，但是它的峰值是在三月份，也就是（疫情破防的）一個月後，整個周期大概是兩個月。由於第一波影響的人足夠多，從五月到十二月，香港一直處於一個很低的疫情流行水平。」
「但如果是主動放開的地區，像中國台灣，它是從五月開始放開的，可是一直到現在的十二月，它的疫情基本上是沒有停過的，還出現了兩個疫情高峰，而且這兩個峰是同樣高的。」
「如果現在北京放開，民眾都待在家裡面，沒人去餐館吃飯，坐地鐵的人又少，這樣一來就跟『封城』的效果相像了。你想達到60％（的感染率）都有可能做不到，變成30％了，那下次可能就會再來一波，又一個30％。」
「這有好處，也有不好的地方。好處是兩波（感染高峰）對於我們的醫療系統和社會的衝擊比較小，也就是『錯峰』。但不好的地方就是疫情持續的時間比較長。」
「我舉這些例子是想說明，我們中國到最後有可能不是一個模式。從（疫情）大流行走向地區性流行的一個理想情況是有一個大峰，然後（在數據呈現上）下面全是小峰，這才是理想的情況。」
圖/鳳凰衛視抖音號
金冬雁教授的這番話，至少說明了以下四點：
一、在首波疫情高峰時，內地人群感染率未必能達到60％。
在這裡科普一下，想要對流行性疫情形成足夠堅實的群體免疫屏障，現在國內流行病學界較為統一的學術結論是感染人數至少要達到總人數的60％以上，而海外主要國家的要求更高，比如像英國，須達到70％以上。
二、參考香港地區，被動放開後，今年只有一個疫情大高峰，周期約為兩個月，感染率極高，但隨後幾個月沒有高位反彈，人群免疫屏障較高。
三、參考台灣地區，主動放開後，今年出現兩個疫情大高峰，從五月到十二月，疫情一直在持續。
四、疫情從大流行走向地區性流行的理想情況是有一個大峰，然後全是幾個小峰。
目前看來，我國放開疫情的模式很有可能學香港，但是我在上文已經說過，現實當中內地民眾的態度是比台灣地區的民眾還要謹小慎微的。
疫情期間的實體店空無一人
當然了，現在還為時尚早，必須觀察元旦和春節前後的首波感染高峰的全國達峰數據，才能下結論。
但是我們現在可以依照金冬雁教授的說法，推測一下我國首波疫情衝擊高峰的最終感染率數據到底能不能突破60％。
04
現在已經取消了大規模核酸檢測，官方具體的確診病例數據是失真的，不具備參考性。
那麼我們該怎麼測算每座城市的感染人數呢？
對於當時想要放開疫情的美國來說，這也是困擾她的難點之一。不過人家採用霍普金斯大學的數學模型，取代了聯邦層面的核酸檢測數據。
如今我們也是採取這樣的手段：一家來自民間的大數據科技公司在微信上搞出一款名叫「城市資料庫」的小程序，裡面有經過數學模型推演後的中國各城市感染人口數據，以及感染人數的走勢圖。
全國共有三百多座城市，我們不可能逐一排查，只能挑選出具有代表性的城市進行抽樣分析。
由於我國是為了提振經濟和民生才選擇主動放開的，那麼我們就來挑選對經濟發展影響較大的城市，分為三個檔次，以此分析它們的感染數據。
首先是第一檔，五座超大城市：北京、上海、廣州、深圳、重慶。
如圖所示，截至12月25日，目前北京市已經度過了第一波感染高峰，累計預測人口感染比例為56.32％。如果按照1.92％的比例去計算第一波高峰結束日當天的累計感染率，結果為76.24％。
以此類推，按照3.17％的當日感染率計算，上海市在第一波高峰結束日當天的累計感染率為72.36％。
廣州市首波累計感染率為74.53％。
深圳市為83.6％。
重慶市為73.66％。
由此可見，我國五座超大城市首波高峰結束日的累計感染率普遍都在70％以上。
再來是第二檔，三座特大城市：杭州、武漢、南京。
為何要列舉這三座城市呢？因為它們近年來吸納了足夠多的勞動和就業人口，經濟發展前景相對明朗，人員和貨物流動對它們的經濟發展比較重要。
杭州市首波高峰結束日的累計感染率為74.05％。
武漢市為78.75％。
南京市為81.46％。
綜上所述，代表「新一線」的三座城市也普遍達到了70％以上，其中南京市力壓群芳，結束日累計感染率高達80％以上。
最後是第三檔，分別代表我國經濟命脈的製造產業集群地帶，一個是位於長三角的蘇州市，另一個是位於珠三角的東莞市。
對於這兩座城市的經濟活力來說，放開疫情是救命稻草。
蘇州市為74.08％。
東莞市為75.96％。
和其他所有城市一樣，這兩座城市首波高峰結束日的累計感染率也突破了70％。
05
然而，以上數據推演是否說明，金冬雁教授對於首波高峰的累計感染率低於60％的擔憂不會成真呢？
答案是不一定。
第一，由於這些數據只是我本人依照12月25日當天的預測感染率，機械式計算得出的結果，參考性有點弱。
因為疫情達峰後的下行趨勢一天比一天猛，感染速度也比較慢，所以粗算出來的城市感染率缺乏準確性。
第二，統計學模型的數據設置是可以發生偏移的，那麼就會發生權重偏好的問題。
比方說大家比較熟悉的物價統計指數（CPI），光是豬肉和蛋奶的權重就佔了一大半，而房產這類過往上漲幅度最大的商品卻沒有納入統計範疇。
至於這個預測疫情感染峰值的大數據系統，也有它自身無法規避的權重偏好問題，比如說只能查看城市，而無法具體查看農村地區的感染數據。
雖說依照我國行政區的劃分方法，農村地區大部分屬於區級或縣級，直接隸屬於城市接管，但這不能成為數據缺失的借口。該預測系統的統計偏好側重於城市，而非農村。
另外，農村地區因為醫療資源相對匱乏，加上醫護人員不足，很容易受到擠兌，造成更大的人文道德風險，所以農村地區不宜過快達峰，不能為了儘早刺激經濟復甦，就選擇性地無視這類問題。
第三，統計學上有一個概念叫做「超額率」，比如說針對疫情死亡人數的統計，我們會得出比實際情況大得多的數據。
只有這樣，我們才能把各種風險參數納入其中。而這個系統也會在預測模型中設置「超額感染率」，確保它的預測更接近真實數據。
但是我們這裡需要就事論事、理性客觀地分析，除了把各種風險因素考慮進來，這個系統的預測數據還受到哪些因素影響。
這個「城市資料庫」系統自己宣稱預測模型的數據來源於百度指數、巨量計算等互聯網大廠的搜索引擎，具體原理是在放開的這段時間內，手機用戶上網登錄百度或今日頭條頁面，搜索有關疫情的詞條，比如說「新冠」、「發燒」、「退燒」、「肌肉疼」、「肺炎」等等，通過大數據技術整合起來，然後拿去做預測模型。
但畢竟不是國家官方發布的確診病例數據，在權威性和參考性方面都不具有優勢。
除此之外，我們還得考慮三個問題：
一來，這些數據中會不會有相當一部分是復陽者搜索出來的？
大家都知道「復陽」的定義不是二次感染，而是原先感染過，後來轉陰了沒好透，又複發了，本質上還是屬於首次感染。
如今系統預測模型的數據裡面，會不會就有這麼一部分數據，反而擾亂了統計結果的真實性，變相抬高了確診病例數量和人群感染率。
二來，沒有感染的人會因為身邊人一個個都陽了，充滿憂慮和焦急的情緒，本能地搜索相關詞條，在心裡打個預防針。
而這個預測模型並沒有將這部分人剔除出去，同樣推高了人群感染率，使它與真實情況背離。
三來，那群不會使用智能手機上網搜索詞條的人，在這個預測模型里成為了「沉默的大多數」。比如說老年人和未成年孩童，同樣對數據的真實性構成不小挑戰。
經過上述分析，我選擇與金冬雁教授一樣，對於放開後首波疫情衝擊的人群感染率能否達到60％，持保留意見。
（本文為@政惠說原創撰寫，未經同意，嚴禁二次發佈於其他平台，違者必究）
