2亿人口在4月“静止”

新冠疫情 编辑精选

《财经》杂志
2022年05月13日

在4月静止的2亿人口,即便已经错过了春天,也终将在五月,迎来一个全新的初夏

文|chenqin

“全域静止\静态\静默管理”,这个本轮疫情才刚刚发明的新词,过去一段时间却在媒体、通知和人们的聊天中出现了无数次。



(图片:百度搜索指数-“静态管理”)

全域静止到底是什么?我们整理了这一个月以来多个城市的各项通知,它大概包括两个方面:

第一,经营性密闭场所暂停营业,影院关闭,餐饮堂食停止,严控聚集。

第二,停止公共交通,居家办公,非必要不出户,甚至足不出户。

当疫情出现时,上述第一条管控措施常常会立刻施行,随着疫情的发展,再展开第二条措施。例如北京在4月28日起暂停了大部分区域的影院开放,5月1日时全市暂停堂食,5月5日起多区域开始实施居家办公,5月12日将暂停朝阳、房山、顺义等区域的出租车跨区域运营。

另一些地区会同时将两条措施同时落实,例如深圳在3月12日发布通知,暂停堂食,停止公共交通,全面居家办公。

随着疫情的好转,这些防控措施又会逐步取消。例如在3月21日起,深圳开始恢复生产经营秩序,公共交通恢复,居家办公停止,堂食按照50%的比例限流开放。

那么,在刚刚过去的4月,有多少居民经历了这样的“全域静止\静态\静默管理”呢?

如果从官方通知去寻找,可能会挂一漏万,因为许多通知并未放在官方网站上,一些区县级别的封控,只用微信公众号发布,甚至可能没有发布。例如之前的瑞丽市、东兴县等,都是在持续封控较长时间之后才进入人们的视野。

还有多少不为人知的瑞丽市和东兴县?在那里居住了多少人?我们从“全域静止”政策的三个维度——影院营业、线下消费以及交通情况,试图找到问题的答案。

影院“静默”

我们用到的第一项数据是每家电影院每天的票房数据。

中国有11000多家电影院,分布在几乎每一个区县。电影院往往属于疫情出现时被关停的第一批密闭场所。使用北京、深圳和上海作为例子,我们可以看到在疫情封控前后阶段的票房变化情况。

以北京、上海和深圳的元宵节后第一天(2月16日)标准化为1,可以看到三个城市的票房走势。上海在电影院的关闭上做得最早,3月11日关闭了电影院,随后电影院再也没有开启;深圳在3月12日关闭了电影院,4月6日之后重新开启;北京市在4月24之后票房大幅度下降,4月30日关闭了电影院,随后关闭至今。



因此,当一个区县的所有电影院,不仅一张电影票也没有卖出去,播放的电影场次也为零时,我们就把这个地区居住的人口定义为处于”影院静默“。从2020年8月到现在,满足”影院静默“标准的人口占总人口比例走势见下图:

可以看到,在2021年初的石家庄疫情中,全国陷于“影院静默”的人口比例约为5%、2021年8月的江苏、湖南疫情中,这个比例一度提高至15%。2021年12月的西安疫情中,全国的“影院静默“比例也达到近10%。

但这些显然都无法与最近的奥密克戎疫情相比。

4月上旬,全国的“影院静默“人口比例一度超过了30%,随后在4月底有所下降。平均来看,全国四分之一的人口,在4月时无法走进电影院。

消费“静态”

第二项数据来自某大型支付平台,记录了每一个地区每天通过该平台进行的消费,主要包括到店消费,这项数据能够呈现出“暂停堂食“或者更广义的“无关民生保障的服务业全部暂停 “的情况。

那么,这项数据要下降到什么程度,才能说明这个地区进行了较为严格的“静态”管理呢?

我们同样用北京、深圳、上海来举例,以2021年同期为1,这些地区在今年的消费情况如下图所示:

上图列出了从2月27日到5月9日北京、上海和深圳相对于2021年同期的消费水平。之所以选择2月27日这个时间点,是2021年的元宵节在2月26日,选择2月27日开始可以避开两个年份的春节效应。

从图中可以看到,从2月27日开始,深圳的比值已经低于1,即当前消费低于2021年同期水平。这是因为深圳当时已经出现近半个月,但还没有进行非常严格的防控。深圳从3月12日开始较为严格的防控,停止堂食和居家办公,其消费比值最低在3月20日下降至46%,此时的消费水平比2021年同期的低54%。

上海在2月27日时的消费比值为1.08,比2021年同期高8%。但此时疫情出现,从3月开始,上海市的消费比值一路下滑,并在“鸳鸯锅封城“后的第三天,即3月30日跌破50%,随后最严格的防控开始,上海的消费比值一路下跌至去年同期的7%,目前也毫无恢复迹象。

北京的消费比值是三个城市中最高的,但由于全国范围内疫情的影响和跨省流动的限制,北京的消费比值也在3月中旬后跌破1,并在4月24日疫情出现后快速下跌,目前北京的消费仅有2021年同期的54%。

不难发现,深圳采取严格封控措施时,消费比值最多跌破了50%;上海使用“鸳鸯锅封城“时,消费比值也刚刚跌破50%;北京暂未封城,但堂食停止、影院关闭,个别区域已经开始居家办公,各项举措已经包括了许多封城的特征,此时消费比值暂未跌破50%,但也已经十分接近。

因此,我们将当日消费是否低于去年同期平均水平的50%定义为“消费静态”。

全国从2020年5月到现在,处于“消费静态”状态下的居民,如下图所示:

可以看到,从2020年5月全国进入正常生活开始,处于“消费静态“下的居民占比一直较低,绝大多数时候都低于千分之一。即使是几次比较大规模的疫情——2020年8月的乌鲁木齐疫情,2021年1月的石家庄疫情,2021年8月的江苏/湖南疫情,2021年12月的陕西疫情,影响到的人口比例都只在1%左右,从未超过2%。



但在本轮疫情中,处于“消费静态“下的人口比例出现了大幅度上升。4月期间,该比例始终在15%-20%之间徘徊,在4月上旬和五一节过后的几天甚至达到了25%。平均来看,全国五分之一的人口,在四月时的消费比去年同期低50%。

交通“静止”

第三项数据,是来自某大型地图供应商的“拥堵指数“。该指数比越高,说明该地拥堵情况越严重。当该指数接近0时,说明道路上完全没有车辆,驾驶畅通无阻。

使用北京、深圳和上海,我们同样能够看到在不同封控水平下,拥堵指数的变化。

从上图可以看到,深圳市的拥堵指数在3月中旬出现了比较明显的下滑,在0.2以下;上海市的拥堵指数从3月开始已下降,但此时仍然高于0.2,在3月底封城之后才下滑到0.2之下;北京在4月24日爆发疫情后,5月的拥堵指数也下降到了0.2左右。

因此,当一个城市在一个非法定假日的工作日拥堵指数低于0.2时,我们将其这个城市定义为“交通静止“。

从2020年5月至今,全国处于“交通静止”状态下的人口占比如下所示:

(上图中,端午节、国庆节等节日的拥堵数据我们使用该城市的临近工作日替代,此时造成的静止均未算在内,但春节由于其特殊性,持续时间较长,我们在图中未将其去除。)

可以看到,在本轮疫情之前,最严重的一次疫情出现在2021年8月的江苏/湖南疫情中,此时有6%-7%的人口处于交通静止的状态。

但在本轮疫情中,处于“交通静止“状态的人口已经超过了总人口的20%。

“静止人口”到底有多少?

影院“静默”、消费“静态”、交通“静止”,这三项指标在此次疫情中都超过了20%。当一个地区的三项指标全部满足时,我们便将居住在这里的人口标记为“静止人口”。

从2020年5月到现在,我们的“静止人口”到底有多少?

上图列出了三项指标全部满足的“静止人口“数量。可以看到,在2022年之前,任何一轮疫情中,全国的“静止人口”数量都未曾超过2000万。

但在奥密克戎疫情到来后,2022年1月,“静止人口“数量就远超之前的纪录,逼近了5000万,在4月上旬更是超过了1亿,甚至达到了2亿。

有一句谚语是:如果它看起来像鸭子、游泳像鸭子、叫声像鸭子,那么它可能就是只鸭子。

我们把这句谚语改一改:2亿“静止人口“居住的城市,电影院完全关闭、城市消费低于去年同期50%、明明并非国定假日交通却如春节一般畅行无阻——那么这2亿人居住的城市,可能就是在“静态管理”。



在这2亿人口中,我们还能看到许多极少在读者视野中出现的城市。如果从2020年5月开始算起,那么一共有30个区县的静止状态超过100天,其中一些具有代表性的区县包括——

哈尔滨市的呼兰区,有182天处在静止状态。

牡丹江市的爱民区,有162天处在静止状态。

黑河市的爱辉区,有149天处在静止状态。

张家口市的崇礼区,有142天处在静止状态。

呼和浩特的和林格尔县,有135天处在静止状态。

忻州市的五台县,有131天处在静止状态。

安阳市的安阳县,有117天处在静止状态。

晋中市的平遥县,有101天处在静止状态。

防城港市的东兴县,有100天处在静止状态。

……

这些地区可能并未受到关注,甚至从未发布相关通知,但在各项数据维度中却实实在在地拥有了“静态管理”的所有特征。最近受到媒体关注的东兴县,在“静止状态持续时间“的维度上,甚至只是这个列表的最后一名。

写在最后

5月6日,在国务院联防联控机制的新闻发布会上,国家卫生健康委疫情应对处置工作领导小组专家组组长梁万年在会上指出,“动态清零”并不意味着是全域静态管理。恰恰相反的是,“动态清零”追求的目标之一就是尽可能避免全域静态管理。

(图片来源:央视网视频)

目前,随着吉林疫情接近尾声,上海疫情好转,北京疫情受控,我们确实能够看到事实上处在静态管理中的城市数量呈现下降趋势。在本轮疫情结束后,全国将进入常态化核酸的新阶段。为了防止“一例就封城“的现象再度出现,各个大城市都将使用48或者72小时的“核酸护照”来重新进入正常生活。

在4月静止的2亿人口,即便已经错过了春天,也终将在五月,迎来属于他们的,一个全新的初夏。

(感谢加州大学圣迭戈分校(UCSD)杨阳提供的电影票房等相关数据)



 1,222 views