1.0Fortune Insighthttps://prime.fortuneinsight.com/web曾國平教授https://prime.fortuneinsight.com/web/posts/author/byrontkprich600338<blockquote class="wp-embedded-content"><a href="https://prime.fortuneinsight.com/web/posts/482178">武漢肺炎死亡率的統計解讀</a></blockquote> <script type='text/javascript'> <!--//--><![CDATA[//><!-- !function(c,d){"use strict";var e=!1,n=!1;if(d.querySelector)if(c.addEventListener)e=!0;if(c.wp=c.wp||{},!c.wp.receiveEmbedMessage)if(c.wp.receiveEmbedMessage=function(e){var t=e.data;if(t)if(t.secret||t.message||t.value)if(!/[^a-zA-Z0-9]/.test(t.secret)){for(var r,a,i,s=d.querySelectorAll('iframe[data-secret="'+t.secret+'"]'),n=d.querySelectorAll('blockquote[data-secret="'+t.secret+'"]'),o=0;o<n.length;o++)n[o].style.display="none";for(o=0;o<s.length;o++)if(r=s[o],e.source===r.contentWindow){if(r.removeAttribute("style"),"height"===t.message){if(1e3<(i=parseInt(t.value,10)))i=1e3;else if(~~i<200)i=200;r.height=i}if("link"===t.message)if(a=d.createElement("a"),i=d.createElement("a"),a.href=r.getAttribute("src"),i.href=t.value,i.host===a.host)if(d.activeElement===r)c.top.location.href=t.value}}},e)c.addEventListener("message",c.wp.receiveEmbedMessage,!1),d.addEventListener("DOMContentLoaded",t,!1),c.addEventListener("load",t,!1);function t(){if(!n){n=!0;for(var e,t,r=-1!==navigator.appVersion.indexOf("MSIE 10"),a=!!navigator.userAgent.match(/Trident.*rv:11\./),i=d.querySelectorAll("iframe.wp-embedded-content"),s=0;s<i.length;s++){if(!(e=i[s]).getAttribute("data-secret"))t=Math.random().toString(36).substr(2,10),e.src+="#?secret="+t,e.setAttribute("data-secret",t);if(r||a)(t=e.cloneNode(!0)).removeAttribute("security"),e.parentNode.replaceChild(t,e)}}}}(window,document); //--><!]]> </script><iframe sandbox="allow-scripts" security="restricted" src="https://prime.fortuneinsight.com/web/posts/482178/embed" width="600" height="338" title="“武漢肺炎死亡率的統計解讀” — Fortune Insight" frameborder="0" marginwidth="0" marginheight="0" scrolling="no" class="wp-embedded-content"></iframe>https://prime.fortuneinsight.com/web/wp-content/uploads/2020/03/coronavirus.png1920939寫了兩次經常帳資本帳，覺得跟個世界有好遙遠的距離，因為全世界現在只關心一件事，就是武漢肺炎。從中國傳到世界，南韓和意大利突然成了重災區，連美國擔心隨時出現大爆發。 疫情一個「技術性」的問題，是死亡率到底有幾高，弊在這個數字實在有太多版本，今日我就跟大家解讀一下這些數字，先從統計學的角度看看武漢肺炎有幾恐怖。 大家聽得最多的一個死亡數字，就是世衛公開那一個3.4%。計法好簡單，就是將全世界死亡累積的數字，除以全世界確診的數字。以最新的數字為例(3月8日，見上圖)，累積死亡人數3658人，累積確診人數107894人，比率就是3.4%，英文叫法是case fatality rate。這個計法的好處是簡單易明，壞處是在疫情不斷發展的情況下，這個比率可以高估亦可以低估。首先，病人康復或死亡是好幾星期後才知道的事，當個案不斷地被發現，比率中的「嘈音」會相當多。再者，小學雞數學告訴我們，比率有分子有分母，未被加入統計數字之內的漏網之魚，死亡率跟3.4%不同的話，這個計法就不可靠了。例如確診人數100000人，累積死亡人數3400人，死亡率是3.4%，但原來世界上另有50000人已中招而沒被發現，其中有5000人因而死亡(但誤被當作其他原因死亡)，那真正的死亡率其實是5.6%。當年沙士，起初以這個簡單方法計算的死亡率好低，但後來疫情完結後重新計算卻高好多好多倍。當然了，同樣有可能的是其實有好多人中招後康復而不自知，死亡率實際上比3.4%要低。 好了，那早前香港大學梁卓偉教授提出的1.4%死亡率又是什麼東東呢？他和團隊計的是發病死亡率，英文是symptomatic case fatality rate，分子一樣是累積死亡病例，但分母是受感染發病病例(number of infected and symptomatic cases)。分子一樣但比率較低，那一定是分母變大了。梁教授將分母變大的方法，是作了兩個假設，一個是中招後被發現的機會率，一個是受感染後發病的機會率，從而推算出受感染發病病例的數字。當然，兩個機會率都是假設，都有商榷餘地。 從個人行為選擇的角度看，例如去不去旅行，坐不坐公交，死亡率當然有參考價值，但從經濟學角度來說，單看死亡率其實是不夠的。舉個誇張例子大家就明白了。假如有種病死亡率是百份之九十九點九，但傳染率極低，每年全世界只有一百幾十個人中招，那這個病的破壞力就十分有限，亦不會有人關注。相反，有種病死亡率極低，但傳染率極高，每年全世界有一百幾十萬人中招，那這個病就很有破壞力了。武漢肺炎的最大威脅，不在死亡率的細微差別，而在中招的實在有好多人！確診人數超過十萬(當年沙士全球只有八千幾)，未知的中招人數更是難以估計，傳染率高加上不容易發現，大規模爆發防不勝防才是武漢肺炎的致命傷。 循著這個思路，下一篇文章將會是「武漢肺炎死亡率的經濟解讀」。