有人问香港疫情的走势为何如此平稳，我只想说如今所有主流观点都是片面的。
图/头条网友
真正的原因是：感染冲击波遵循香港本土特有的各种因素所造成的社会现象，呈现出统计模型上的长尾效应。
是不是很难理解？难就对了！因为大多数人对此都没有具体概念。
以前上学的时候，老师不会教你科学常识，只会让你死记硬背，然后疯狂做题。统计学和概率学这两门学科要等到千军万马过高考这座独木桥，才能在大学高校里学习到，甚至按照专业划分，相当一部分人只能选修。
扯远了。
总之，大众对这种最起码的常识缺乏足够多的了解。
我认为此次放开之所以准备不充分，就和这种普遍现象有关，上至决策官员，下至基层和群众，概莫如此。
01
如上图所示，楼主说香港没有经历过医疗挤兑，后面评论区有人说香港的“过峰”是数据统计不够详实，或是不管三七二十一，埋头猛夸一顿，然后呼吁内地也跟着效仿。
图/头条网友
完全就是睁着眼睛说瞎话！
二月份首波感染高峰到来时，香港一天新增病例数量翻几番，何来没有医疗挤兑之说？香港病亡率高就是最好的证明。批评数据不详实也纯属子虚乌有，只不过是统计口径不同而已。
至于那些呼吁内地效仿香港的人就更是把脑袋烧糊涂了：香港是被迫放开的，而我们虽说被各种因素裹挟着，不得不放开，但是如果没有高层颁布的“新十条”政策，我们会彻底放开吗？
实质上，我们是主动放开的。高层也很谨小慎微，放开前召开了很多专家座谈会议共商国是。
既然是主动放开的，那么就和香港的被动放开有着本质区别。香港在初步放开时，医疗资源挤兑、疫苗接种率不足、针对老弱病残的防护不够多等现象的出现也就合乎逻辑了。
反观内地，你们自行体会吧。
02
与其问内地是否会像香港那样，只经历一波高峰后，其余达峰的幅度都很小，倒不如比较一下内地和香港在各种社会因素层面上的差异。
一方面，香港曾经被列强殖民，民众思想长期受西方的及时行乐等文化渲染。
纵观疫情爆发后西方国家的躺平表现也能感受到，而香港市民在疫情防控这点也是普遍秉持放开的态度，生命和自由哪个更重要，在他们心中早已有了答案。
放开后不久，你可以看到中环、九龙、新界、深水埗、旺角、荃湾等地都人满为患。
另一方面，香港曾经作为亚洲四小龙之首，属于发达经济地区，人家有足够的实力支撑市民外出逛街消费。
光是前年和去年，特区政府就发放给市民几万元港币，这种做法既能带动消费，又能与美元超发周期对接上（港币采取联系汇率制，锚定资产美元），何乐而不为呢？
香港人满为患的街道
但是换作内地，暂且不说能不能学香港的放开模式，就连中国台湾的放开模式也学不了。
原因是内地民众对疫情防控的突然放开采取了比官方更加谨慎的态度。
这几天还有一些专家认为，只要一放开，不出几周时间，咱们内地也会像香港那样，到处人满为患，经济摆脱疫情影响，蒸蒸日上。
眼见为实，实验是检验真理的唯一标准。
“新十条”颁布到现在，少说也有三周了，大街上的人呢？实体店里的顾客呢？说好的快递呢？
由于内地民众不约而同地采取了谨慎的态度，与台湾地区的民众一对比，简直有过之而无不及，甚至实现了反超！
03
此前著名的港大生物医学院教授金冬雁，在接受凤凰卫视主持人吴小莉的电视专访时说过：
“我对于内地在第一波能不能有60％的感染是有一些保留的（意见）。”
“我们讲几个地方的例子就可以了解。首先我们看香港，其实它不是主动放开，而是被动破防的。这种情况下，疫情开始从二月初上升，到四月初（感染数量）已经跌到谷底了，但是它的峰值是在三月份，也就是（疫情破防的）一个月后，整个周期大概是两个月。由于第一波影响的人足够多，从五月到十二月，香港一直处于一个很低的疫情流行水平。”
“但如果是主动放开的地区，像中国台湾，它是从五月开始放开的，可是一直到现在的十二月，它的疫情基本上是没有停过的，还出现了两个疫情高峰，而且这两个峰是同样高的。”
“如果现在北京放开，民众都待在家里面，没人去餐馆吃饭，坐地铁的人又少，这样一来就跟‘封城’的效果相像了。你想达到60％（的感染率）都有可能做不到，变成30％了，那下次可能就会再来一波，又一个30％。”
“这有好处，也有不好的地方。好处是两波（感染高峰）对于我们的医疗系统和社会的冲击比较小，也就是‘错峰’。但不好的地方就是疫情持续的时间比较长。”
“我举这些例子是想说明，我们中国到最后有可能不是一个模式。从（疫情）大流行走向地区性流行的一个理想情况是有一个大峰，然后（在数据呈现上）下面全是小峰，这才是理想的情况。”
图/凤凰卫视抖音号
金冬雁教授的这番话，至少说明了以下四点：
一、在首波疫情高峰时，内地人群感染率未必能达到60％。
在这里科普一下，想要对流行性疫情形成足够坚实的群体免疫屏障，现在国内流行病学界较为统一的学术结论是感染人数至少要达到总人数的60％以上，而海外主要国家的要求更高，比如像英国，须达到70％以上。
二、参考香港地区，被动放开后，今年只有一个疫情大高峰，周期约为两个月，感染率极高，但随后几个月没有高位反弹，人群免疫屏障较高。
三、参考台湾地区，主动放开后，今年出现两个疫情大高峰，从五月到十二月，疫情一直在持续。
四、疫情从大流行走向地区性流行的理想情况是有一个大峰，然后全是几个小峰。
目前看来，我国放开疫情的模式很有可能学香港，但是我在上文已经说过，现实当中内地民众的态度是比台湾地区的民众还要谨小慎微的。
疫情期间的实体店空无一人
当然了，现在还为时尚早，必须观察元旦和春节前后的首波感染高峰的全国达峰数据，才能下结论。
但是我们现在可以依照金冬雁教授的说法，推测一下我国首波疫情冲击高峰的最终感染率数据到底能不能突破60％。
04
现在已经取消了大规模核酸检测，官方具体的确诊病例数据是失真的，不具备参考性。
那么我们该怎么测算每座城市的感染人数呢？
对于当时想要放开疫情的美国来说，这也是困扰她的难点之一。不过人家采用霍普金斯大学的数学模型，取代了联邦层面的核酸检测数据。
如今我们也是采取这样的手段：一家来自民间的大数据科技公司在微信上搞出一款名叫“城市数据库”的小程序，里面有经过数学模型推演后的中国各城市感染人口数据，以及感染人数的走势图。
全国共有三百多座城市，我们不可能逐一排查，只能挑选出具有代表性的城市进行抽样分析。
由于我国是为了提振经济和民生才选择主动放开的，那么我们就来挑选对经济发展影响较大的城市，分为三个档次，以此分析它们的感染数据。
首先是第一档，五座超大城市：北京、上海、广州、深圳、重庆。
如图所示，截至12月25日，目前北京市已经度过了第一波感染高峰，累计预测人口感染比例为56.32％。如果按照1.92％的比例去计算第一波高峰结束日当天的累计感染率，结果为76.24％。
以此类推，按照3.17％的当日感染率计算，上海市在第一波高峰结束日当天的累计感染率为72.36％。
广州市首波累计感染率为74.53％。
深圳市为83.6％。
重庆市为73.66％。
由此可见，我国五座超大城市首波高峰结束日的累计感染率普遍都在70％以上。
再来是第二档，三座特大城市：杭州、武汉、南京。
为何要列举这三座城市呢？因为它们近年来吸纳了足够多的劳动和就业人口，经济发展前景相对明朗，人员和货物流动对它们的经济发展比较重要。
杭州市首波高峰结束日的累计感染率为74.05％。
武汉市为78.75％。
南京市为81.46％。
综上所述，代表“新一线”的三座城市也普遍达到了70％以上，其中南京市力压群芳，结束日累计感染率高达80％以上。
最后是第三档，分别代表我国经济命脉的制造产业集群地带，一个是位于长三角的苏州市，另一个是位于珠三角的东莞市。
对于这两座城市的经济活力来说，放开疫情是救命稻草。
苏州市为74.08％。
东莞市为75.96％。
和其他所有城市一样，这两座城市首波高峰结束日的累计感染率也突破了70％。
05
然而，以上数据推演是否说明，金冬雁教授对于首波高峰的累计感染率低于60％的担忧不会成真呢？
答案是不一定。
第一，由于这些数据只是我本人依照12月25日当天的预测感染率，机械式计算得出的结果，参考性有点弱。
因为疫情达峰后的下行趋势一天比一天猛，感染速度也比较慢，所以粗算出来的城市感染率缺乏准确性。
第二，统计学模型的数据设置是可以发生偏移的，那么就会发生权重偏好的问题。
比方说大家比较熟悉的物价统计指数（CPI），光是猪肉和蛋奶的权重就占了一大半，而房产这类过往上涨幅度最大的商品却没有纳入统计范畴。
至于这个预测疫情感染峰值的大数据系统，也有它自身无法规避的权重偏好问题，比如说只能查看城市，而无法具体查看农村地区的感染数据。
虽说依照我国行政区的划分方法，农村地区大部分属于区级或县级，直接隶属于城市接管，但这不能成为数据缺失的借口。该预测系统的统计偏好侧重于城市，而非农村。
另外，农村地区因为医疗资源相对匮乏，加上医护人员不足，很容易受到挤兑，造成更大的人文道德风险，所以农村地区不宜过快达峰，不能为了尽早刺激经济复苏，就选择性地无视这类问题。
第三，统计学上有一个概念叫做“超额率”，比如说针对疫情死亡人数的统计，我们会得出比实际情况大得多的数据。
只有这样，我们才能把各种风险参数纳入其中。而这个系统也会在预测模型中设置“超额感染率”，确保它的预测更接近真实数据。
但是我们这里需要就事论事、理性客观地分析，除了把各种风险因素考虑进来，这个系统的预测数据还受到哪些因素影响。
这个“城市数据库”系统自己宣称预测模型的数据来源于百度指数、巨量计算等互联网大厂的搜索引擎，具体原理是在放开的这段时间内，手机用户上网登录百度或今日头条页面，搜索有关疫情的词条，比如说“新冠”、“发烧”、“退烧”、“肌肉疼”、“肺炎”等等，通过大数据技术整合起来，然后拿去做预测模型。
但毕竟不是国家官方发布的确诊病例数据，在权威性和参考性方面都不具有优势。
除此之外，我们还得考虑三个问题：
一来，这些数据中会不会有相当一部分是复阳者搜索出来的？
大家都知道“复阳”的定义不是二次感染，而是原先感染过，后来转阴了没好透，又复发了，本质上还是属于首次感染。
如今系统预测模型的数据里面，会不会就有这么一部分数据，反而扰乱了统计结果的真实性，变相抬高了确诊病例数量和人群感染率。
二来，没有感染的人会因为身边人一个个都阳了，充满忧虑和焦急的情绪，本能地搜索相关词条，在心里打个预防针。
而这个预测模型并没有将这部分人剔除出去，同样推高了人群感染率，使它与真实情况背离。
三来，那群不会使用智能手机上网搜索词条的人，在这个预测模型里成为了“沉默的大多数”。比如说老年人和未成年孩童，同样对数据的真实性构成不小挑战。
经过上述分析，我选择与金冬雁教授一样，对于放开后首波疫情冲击的人群感染率能否达到60％，持保留意见。
-
-
-
-
-
-
-
-
-
-