中国各城市首轮感染高峰期预测

作者：chenqin@知乎，经济学研究者

编辑来源：Datawhale

对台湾地区、香港特别行政区和日本的感染情况与 “发烧”搜索指数 进行了分析，发现一个可能可以帮助预测感染高峰期的方法：

1. 将Google搜索指数分为疫情期间和非疫情期间，非疫情期间的发烧指数平均数为

非疫情

，将疫情期间的搜索指数做以下处理后加总，计算一个数值

疫情非疫情非疫情

其中S的含义是这样的：如果发烧的搜索是发烧人口的一个相对稳定的比例，且在非疫情期间发烧人口是总人口的相对稳定的比例，那么S就正比于疫情感染的人口占总人口的比例，我们把它叫做“ 超额发烧搜索指数累计面积 ”

2. 下图列出了台湾地区、香港特别行政区以及日本的“超额发烧搜索指数累计面积”，即下图橙色面积、蓝色面积和灰色面积。

我们发现在这三个地区，当 疫情达到顶峰时，这个“超额发烧搜索指数累计面积”的数值全部 刚好达到80 。这两个地区第一波疫情结束时，香港特别行政区的面积达到了160，台湾地区的面积达到了200，日本的最终面积是250。

3. 如果用 百度搜索指数 做类似的研究会有什么效果呢？我使用了本轮疫情进入群体感染最快、最早的石家庄、邢台和保定做了计算：

可以算出，从疫情开始后计算，石家庄的“超额发烧搜索指数累计面积”已经达到了76，邢台已经达到了67，保定也达到了71。由此来看，百度搜索指数和Google指数分别算出的“超额发烧搜索指数累计面积”， 至少是在一个差不多的数量级上。

4. 考虑到保定、石家庄、邢台等地的发烧指数仍然在上升，以及百度搜索指数和Google指数的差异，我们比较 保守地将100作为疫情达峰时的“超额发烧搜索指数累计面积” ，将250作为第一轮疫情结束时的“超额发烧搜索指数累计面积”。那么我们通过每个城市的搜索指数累计增长，累计速度，就可以算出现在每一个有疫情的城市疫情达峰的时间，以及疫情结束的时间。

这是计算的结果，列出了所有能在 明年春节前达峰的城市 以及这些城市 在达峰前已经感染的人口比例 （截止至12月10日）。

2022年12月12日更新：

数据不足，方法简陋，供参考。

●整理了4000字的数据可视化指南！
●SQL优化的魅力