（轉載請注明出處：微信公衆號 lixunlei0722）
元宵節一過，返城務工人員數量大幅增長，給各地防控疫情又帶來很大壓力。由于疫情原因，今年春運規模比往年大幅下降，根據交通部門發布的民航、鐵路運輸人次數據，1月29日（大年初五）至2月7日，民航、鐵路運輸人次只占去年同期15%左右，由此推測，返工潮的規模也會比往年減弱。但畢竟中國流動人口數量尚有2.36億，隨著各地企業陸續開工，大規模的人員流動難以避免。那麽，究竟哪些城市由于返工潮的到來而可能産生較大疫情傳播壓力呢？本文利用各類大數據進行量化測算。
（轉載請注明出處：微信公衆號 lixunlei0722）
統計現象：疫情與人口流動量呈顯著相關性
從這次新冠肺炎的確診病例分布看，除了湖北作爲疫情原發地之外，截止2月8日，廣東和浙江兩省確診病例數據分列第一和第二。我們從2018年國家統計局公布的各地常住人口數據看，淨增人口（2018年常住人口-2017年常住人口-自然增加人口）排名第一和第二恰好也是廣東和浙江。這兩個省份與湖北並不接壤，說明疫情與跨地區人口流動存在相關性。
2018年人口淨流入排名第三的省份是安徽，雖然安徽在此次疫情的確診病例排名（湖北除外）第五，可能是由于排名三、四的河南與湖南都是湖北鄰省，距離近則更容易受到病毒侵害。
2018年我國人口淨流入（出）省市分布（萬人）
來源：國家統計局，中泰證券研究所
如果把新冠肺炎確診病例的城市分布再對應到各大城市的流動人口，同樣會發現彼此存在顯著相關性。例如，我國常住流動人口排序前五的分別是上海、深圳、北京、東莞和廣州，截止2月8日確診病例的分布排序（湖北省、重慶、溫州除外），排序前四的分別是深圳、北京、廣州和上海。
東莞的確診病例較少，可能與該城市的流動人口以外來務工人員占比較高有關，與北上廣深的流動人口結構（商旅人口占有一定比重）有顯著不同。此外，常住流動人口與一般意義上的流動人口（城市人均存量人口-常住人口）含義不一，如通常大家都一致認爲深圳的流動人口數量全國第一。
2018年常住流動人口（萬人）規模排前的30大城市
數據來源：國家統計局，中泰證券研究所
又如，此次溫州的確診人數如此之高，也是與其流動人口中商務人士占比較高有關。因此，我們可以根據流動人口的流動特征來判斷疫情對于國內各大城市的影響大小。如深圳、上海、北京、廣州、溫州等大城市的人口多向流動（城市與城市）特征比較明顯，而東莞這樣的工業城市，雙向流動（農村與城市）特征比較明顯。
上述是通過國家統計局的宏觀數據與此次疫情的確診病例做一個大致的關聯分析，由于國家統計局尚未公布2019年的數據，分析存在一定滯後性。爲此，我們通過政府部門最新公布的數據和百度地圖相關數據來分析返工潮下的人口流動概況。
當前返工潮下的人口流動概覽
從交通部門獲得的數據看，返工潮自2月4日之後呈緩慢上升趨勢，說明返工潮的前奏已經開始。考慮到在疫情下，旅遊和探親出行的需求大幅降低，如2月7日的占比只有去年同期的15%。從民航、鐵路運輸人次占去年同期的比例來看，返工潮可能已經完成20%到30%。
民航、鐵路運輸人次占去年同期的%（截止2月7日）
數據來源：交通運輸部，中泰證券研究所
1、返工潮的熱門遷入地：
深圳、東莞、廣州、上海、北京
根據百度地圖發布的遷徙大數據，計算節前臘月十五到除夕期間各城市的人口淨流出，節前淨流出越大的城市，節後返工潮流入的規模就越大。
節前淨流出=期間遷出規模指數-期間遷入規模指數
返工潮流入規模較大的熱門目的地是深圳、東莞、廣州、上海、北京、蘇州、成都等。
全國各大城市1月10-24日淨流出人口指數排序
數據來源：百度地圖，中泰證券研究所
2、返工潮人流來源地主要分布：
河南、湖南、安徽、江西等勞務輸出大省
同樣，依據節前臘月十五到除夕期間各地淨流入的規模，判斷返工潮人流的來源。
節前淨流入 = 遷入規模指數-遷出規模指數
返工潮人流來源地主要分布在河南、湖南、安徽、江西等勞務輸出大省。
1月10至24日淨流入人口指數（按城市）排序
數據來源：百度地圖，中泰證券研究所
哪些人口輸出地更容易“輸出”疫情
從疫情擴散至今的20多天時間裏，我們已經獲得了可觀的疫情有關數據，如分省市區的確診病例、疑似病例等，這些數據結合當地人口數據、流動人口數據等，可以做出疫情傳播力的基本評估。
1、用確診病例數與戶籍人口的比例來衡量輸出地的疫情嚴重程度
直觀的來看，哪些地方疫情越嚴重，且返工潮期間輸出人口規模大，其對疫情防控帶來的壓力就越大。疫情的嚴重度可以用當前的確診人數來衡量，更合理和准確的是用確診病患的比例（平均每萬人口有多少個確診病患），比如重慶和湖北十堰確診病例數都是400多人，但顯然不能認爲兩者疫情嚴重程度很接近，因爲重慶的戶籍人口有3000多萬人，而十堰只有300多萬人。我們用平均每萬戶籍人口裏確診病例數來衡量各人口輸出地的疫情嚴重度。
人口輸出地節前淨流入人口指數與疫情嚴重度
數據來源：百度地圖，衛健委官網（確診數據截止2月7日），2018年中國城市統計年鑒；中泰證券研究所
2、引起疫情傳播風險最大的輸出地
用返工潮人口輸出規模乘以當地確診病患率（平均每萬人確診病例數），可以定量代表輸出人口時對外傳播疫情的風險。如果返工期放開人員流動，對外輸出疫情傳播風險最大的20個地級市如下圖，主要在湖北、湖南、河南、安徽、江西等。
數據來源：百度地圖，衛健委官網，中泰證券研究所
返工潮下哪些城市疫情防控壓力最大？
對返工潮流入的前20大城市進行分析，通過百度地圖發布的遷徙大數據，分析流入人口的規模、來源的構成，以及來源地的疫情嚴重程度，定量評估流入城市的應對返工潮的防疫壓力。
以上海爲例，返工潮流入上海的人流主要來自南通、阜陽、鹽城、六安、信陽等，分布在江蘇、安徽、河南等省份。
返回上海的流動人口來源地及占比
數據來源：百度地圖，中泰證券研究所
通過以上獲得的數據，我們就可以計算上海的疫情壓力了，因爲有了遷出地的人口基數，又有了各遷出地的疫情嚴重度數據（用平均每萬人的確診病例數來表示），以此來定量刻畫上海返工潮流入帶來的疫情防控壓力。
上海疫情壓力=Σ返工潮的迁入规模（万人）×各来源地的比例×各來源地的疫情嚴重度
用同樣公式可以計算出前20大返工潮目的地城市的疫情壓力，結果如下：深圳的壓力最大，其次是東莞、上海、廣州、蘇州、北京、杭州、甯波、溫州、佛山等。
依據人口遷入規模與遷出地影響系數得出疫情壓力排序
數據來源：百度地圖，衛健委官網，中泰證券研究所
考慮到湖北大多數地方疫情都比較嚴重，有可能會推遲放開進出交通管制，目的地城市也可能對來自湖北的返工人員采取一些限制措施，所以來自湖北的返工人員可能推遲行程。假如不考慮來自湖北的返工人員，各熱門目的地城市的疫情防控壓力如下：壓力最大的是深圳和上海，其次是東莞、蘇州、杭州、甯波、廣州、北京、中山、金華等。
依據人口遷入規模與遷出地影響系數得出的疫情壓力排序（湖北除外）
數據來源：百度地圖，衛健委官網，中泰證券研究所
從最終得出的結論看，基本合乎情理，如深圳本身就是人口流動性全國第一的地方，商旅和務工人員均多，且最近三年新增常住人口規模也較大。上海雖然實行嚴格的戶籍政策，但人口基數全國最大，作爲經濟、金融、貿易和航運中心，人口流動規模一直保持較大規模，且來自疫情相對嚴重的河南、安徽人員比重較大。
這兩大城市，將在返工潮中，經受疫情再度傳播的考驗，必須采取多種舉措來嚴防死守。
東莞雖然目前確診病例數量較少，但它是一個典型是疫情輸入型城市。因爲疫情爆發的初始階段，恰逢東莞的外地務工人員回家過年。如今，返工潮來臨後，大批外地務工人員返城，疫情風險也隨之而來。
當做完以上數據分析之後，不難發現，湖北之外的地區病例占比較小，新增確診病例中湖北省占比超80%，如節後外出務工數量最多的可能是上饒市，目前確診病例占當地戶籍人口的比重爲百萬分之十二，所以對外傳播的幾率還是比較低。
即使返工季的省外傳播有所反複，只要湖北的防控措施不放松，其他疫情比較嚴重的如溫州等城市也能嚴格限制人口流出，同時各地又對疫情相對嚴重地區的人口流入進行嚴格限制、密切跟蹤及采取相應的管控措施，對複工時間進行錯峰控制，則總體來看疫情是可以得到控制的。
目前來看，新增病例的拐點似乎已經出現，由于返工潮導致新增病例數量即便在過段時間後出現第二峰，大概率不會再創新高。
風險提示： 互聯網應用數據失真，疫情防控失效等。