縱觀新冠肺炎死亡率排名前20國家得出這3點結論

　　 美國約翰斯·霍普金斯大學新冠肺炎疫情實時監測系統顯示，截至美東時間5月4日18時，全球新冠病毒感染人數已經超過357萬，新冠病毒在全球造成的死亡病例升至250687例，疫情什么時候能最終結束尚未可知。

　　客觀地說，這場突如其來的災難應該是新世紀以來人類面臨的最大挑戰，其影響甚至會遠超20世紀30年代的大蕭條。

　　至于這一疫情所引發的復雜國際政治關系變化以及全球化的未來走向，目前還無法準確研判。但無論怎樣，降低死亡率是當下最緊迫的任務。

　　那么，是什么社會因素在影響新冠肺炎的死亡率呢？

　　我們基于常識選擇4個影響變量：當地的人文指數、人均受教育年限、人均GDP以及每千人擁有的護士數量，看看這些變量是否對于疫情發生地的死亡率會產生相關性影響。

　　在對這些變量進行分析之前，我們在世界范圍內選取死亡率（死亡率=死亡人數/確診病例）排名前20位的國家進行分析，這個選擇范圍基本可以滿足本研究的要求。

　　圖1就是目前世界死亡率排名前20位的國家情況。

　　從圖1可以看出美國死亡人數是最多的，但其死亡率卻不是最高的，在死亡率排名前20名國家中位列第11位（中國位列14位）。目前死亡率最高的國家是比利時，死亡率高達15.08%，而死亡率最低的國家則是德國為3.72%。

　　基于我們的常識理解，如果一個國家的社會發展程度比較高，那么它就更有能力應對疫情，從而降低疫情引發的死亡率。

　　這個指標我們采用聯合國開發計劃署推出的人類發展指數（Human Development Index，簡稱HDI）來衡量，這個指數包括三個大類變量：預期壽命、教育水平和生活質量。從這個意義上說，這個指標能夠很好地反映一個特定社會的發展程度。

　　我們傾向于認為發展指數比較高的地區死亡率會相對較低，但是這個指標畢竟是宏觀綜合性指標。為了更深入揭示個體狀況與死亡率的關系，我們再次析取出受教育年限指標，這個指標能夠反映個體微觀的行為選擇。

　　在我們的理解中，人均受教育年限比較長的話，那就意味著這個國家的民眾有較高的科學素養，以及更科學的自我防護意識，而這些意識都有助于降低疫情的死亡率。

　　下面我們來看一下這20個國家的人類發展指數、人均受教育年限這些指標與死亡率的關系（數據來源：人類發展指數HDI，2019），見圖2：

　　照理說人類發展指數高的區域，死亡率應該低，但從圖2中可以看出，這條曲線并沒有完全契合這種認知，比如西歐國家的人類發展指數普遍較高（HDI指數大于0.9的國家有10個，排在死亡率前10名的國家中有5個國家的HDI指數大于0.9），但是它們的死亡率都較高，如比利時、法國、英國、意大利、荷蘭等。這些區域的表現與我們的常識認知出現明顯的背離情況，目前只有加拿大、德國等少數國家符合我們原初的猜想。

　　國民受教育年限指標出現與HDI指數同樣的情況，對于大多數國家而言，受教育年限的增加并沒有大幅減少死亡率，只有少數國家符合我們的傳統認知，如加拿大和德國。

　　如何解釋這種與傳統認知相背離的現象呢？如果說人類發展指數與平均受教育年限仍然屬于比較虛的指標，與疫情關系較遠的話，那么我們再來看一下比較硬的指標：人均GDP的高低對于新冠肺炎的死亡率是否有直接影響？見圖3：

　　從圖3可以看出，除了德國、加拿大、丹麥等少數國家人均GDP高，死亡率也低，這與我們的傳統認知相符外，大多數人均GDP高的國家其死亡率也高，這種現象又一次違背我們的常識。

　　由此看來，在新冠肺炎面前有錢沒錢一視同仁，至少從數據上看是這樣的。那么，在此基礎上我們再往前推進一步，是否護理資源充分的國家會讓死亡率降低呢？畢竟護士是直接參與救助患者生命的人。

　　護士指標我們采取每千人中擁有的護士數量來衡量，具體國家的情況見下圖4：

　　從圖4中可以看出，仍然是只有少數幾個國家的表現符合我們的預期，即護士數量多的地區，患者的死亡率會隨之降低，如加拿大、丹麥與德國符合我們的初始判斷。

　　從圖上可以看出大多數西歐國家擁有較多的護士數量，但其死亡率仍然較高，這與我們的預期是相反的。

　　上述4個指標都是我們念茲在茲、朝思暮想的指標，然而統計數據顯示，這些指標竟然對于新冠肺炎作用不大，為何對于新冠肺炎疫情我們的常識大多不靠譜？

　　為了解釋這個現象，利用EXCEL軟件自帶的回歸分析工具，我們對于上述20個國家的死亡率與4個自變量做了簡單回歸分析，具體結果見下圖：

　　1、死亡率與人類發展指數（HDI）的回歸結果：

　　從回歸結果來看，人類發展指數與新冠肺炎死亡率之間僅呈現弱正相關（0.185239），從顯著性指標P值來看，已經達到0.434。

　　2、死亡率與受教育年限的回歸結果：

　　死亡率與受教育年限兩者之間的相關性僅為0.0315，相當于沒有關系，通過P值（0.8949）可以看出，由于P值太大，導致模型為真的概率僅為10.5%左右。

　　3、死亡率與人均GDP的回歸結果：

　　死亡率與人均GDP之間的相關性僅為0.073，太微弱，相當于沒有關系。P值（0.76）太大，導致模型為真的概率僅有24%左右。

　　4、死亡率與每千人擁有護士數量的回歸結果：

　　死亡率與每千人擁有的護士數量之間的相關性僅為0.041，相當于沒有多大關系，該回歸的P值（0.864）實在太高，跟我們常識相距最遠（護士直接照顧患者，在我們的常識理解中，這應該是與降低死亡率高度負相關的）。

　　那么是不是這些被我們所看重的要素都不重要了呢？

　　顯然不是，一方面說明單要素對復雜風險作用有限；另一方面也凸顯了新冠肺炎病毒的復雜性，拋開科學層面的因素不談，在社會治理上也需要多管齊下。

　　我們對四變量采取多元回歸，結果的顯著性增加不少，這也間接佐證了上述說法。

　　多元回歸的結果顯示，相關性已經達到0.504，P值也降為0.323，模型為真的可能性上升到67%，雖然還是很不理想，但已經顯示出某種協同的力量。

　　考慮到各個國家之間存在的巨大差異（如人口數量、貧富差異等），為了便于比較，我們放棄死亡人數指標而采用死亡率，希望以此來讓數據在統一基準線上進行比較，盡管如此，上述分析結果仍然很令人失望，新冠疫情與我們擁有的常識認知形成了相當大的反差。

　　一種新病毒對傳統認知（偏見）形成全方位的挑戰：諸如不同政體、貧富差距、素質高低等人為分類，實行了無差別打擊。

　　總結下來，有如下三點結論：

　　其一，突然遭遇一種人類前所未知的病毒，我們賴以自信的基礎幾乎都是低效甚至無效的。

　　社會發展程度（HDI指數）、受教育年限、富裕程度（人均GDP）與醫療資源（護士數量）等，這些對于維持生命至關重要的基礎性資源對于疫情在短期內幾乎沒有起到多少作用。

　　其二，在疫苗研發出來之前，從宏觀上普及疫情傳播特點以及相關知識，在全社會形成防疫共識，可以有效打破信息鴻溝帶來的損失。

　　其三，越簡單的方法也越有效。

　　在新冠疫情仍在全球蔓延的當下，由于沒有特效藥，檢視那些死亡率比較低國家的經驗，可以發現，它們不約而同選擇了用物理方法人為切斷傳染鏈條：隔離。

　　隔離的代價是非常高的，為了徹底消滅疫情，全球科技界應該充分利用這段寶貴的時間窗口，加強合作加緊研發疫苗，否則隔離是不可持續的。

　　雖然簡單分析得到的結論令人失望（或許我們選擇的變量有問題，沒有切中要害），但筆者仍堅信：從長遠來看，社會發展程度對于戰勝疫情仍然是至關重要要的，這個“偏見”至今仍無可撼動。