2020年8月6日

在COVID分析中，可信的假设可以取代缺失的数据

COVID-19的传染性有多大?这种病毒对感染它的人有多严重?

每个人都想要确切的数字，因为学校要决定是面对面学习还是远程学习，地方和州政府要努力重新开学，家庭要照顾生病的亲人。

但艺术与科学学院经济系H.T. Warshow和罗伯特·欧文·Warshow教授弗朗西斯卡·莫利纳里(Francesca Molinari)说，缺乏确凿的数据。找出暴露于病毒的人口比例的最好方法是对每个人进行测试，或者对随机抽样的人进行测试。但目前并不是每个人都接受检测，而且检测也不是随机的;此外，测试并不完美。最近几个月，这些数据挑战导致了关于有多少人感染和有多少人死亡的截然不同的预测。

研究发表在计量经济学杂志，莫利纳里和西北大学董事会教授查尔斯·曼斯基写道，COVID-19的实际累积感染率高于报告的感染率，因此实际感染致死率低于报告的感染率。研究人员使用一种叫做“部分识别”的技术得出了这些结论，Molinari在她的计量经济学研究中经常使用这种技术。

她说:“你对某些数量感兴趣，但你无法准确地掌握它。”“在这种特殊情况下，我们对感染率感兴趣，我们认识到，因为我们没有随机样本，我们无法从数据中了解准确的感染率。”

她和曼斯基对伊利诺伊州、纽约州和意大利3月16日至4月24日的COVID-19数据做出了薄弱但合乎逻辑的假设，从而对不完整的数据进行了一些限制。

他们假设接受检测者的感染率高于未接受检测者的感染率——这是一个合乎逻辑的假设，因为出现症状的人最有可能接受检测。研究人员还考虑到许多阴性测试结果可能是假的。在美国，被检测的人实际上呈阳性，但没有被计算在内。

莫利纳里说，这两个假设推动了实际的累积感染率上升，并推动了实际死亡率下降。根据研究人员的数据，截至4月24日，纽约州的累计感染率在该州1945万居民(即330650至12020,100人)的1.7%至61%之间感染病死率4.9%。这大大低于4月24日确诊感染者的死亡率5.9%。