原創(chuàng) 冰山君 數(shù)據(jù)冰山

你可能身在美國，或有親友在美國，一直在用各州新冠病毒感染確診人數(shù)來比較疫情嚴(yán)重程度。

這套數(shù)據(jù)，有一個(gè)壞消息，一個(gè)好消息。

壞消息是：這套數(shù)據(jù)自帶3個(gè)缺陷，誤導(dǎo)性很強(qiáng)，你想比的它幫不了你。

好消息是：只要細(xì)品品，還是能品出點(diǎn)秘密的。

好，咱來看看這組數(shù)據(jù)在哪、干不了啥、能干啥、未來走勢如何。

首先，各州檢測數(shù)據(jù)在哪？

要瀏覽和下載美國各州最新和歷史數(shù)據(jù)，需要能上谷歌文檔。大西洋（The Atlantic）雜志和號稱「數(shù)據(jù)博士」Cloudera 聯(lián)合創(chuàng)始人 Jeffrey Hammerbacher 合作發(fā)布在谷歌文檔上一套數(shù)據(jù)，實(shí)時(shí)從各州數(shù)據(jù)源抓取最新數(shù)據(jù)并匯總。數(shù)據(jù)可以下載。數(shù)據(jù)包括各州上報(bào)的檢測數(shù)、確診數(shù)、疑似數(shù)、排除數(shù)和死亡數(shù)。

截止到3月15日確診數(shù)前20州是這樣的：

這組數(shù)據(jù)不能干啥呢？

不能用來比較各州疫情嚴(yán)重程度。

因?yàn)?，這組數(shù)據(jù)有3個(gè)大bug，造成各州之間「蘋果根本沒法跟桔子比」。

第一個(gè)bug是：各州確診絕對數(shù)看不出疫情濃度。各州人口不同，如果用同樣的力度和方法檢測，人均確診數(shù)才是一個(gè)體現(xiàn)中招者在人群中濃度的指標(biāo)。

比如，你可能覺得確診數(shù)769的華盛頓州比確診數(shù)729的紐約州只是嚴(yán)重那么一點(diǎn)點(diǎn)。但是如果你知道華盛頓州和紐約州的總?cè)丝诜謩e是760萬和1950萬呢？這樣一算，華盛頓州的人均確診率是101人/百萬人口，而紐約州只有38人/百萬人口。

這樣一算，你可能以為：「華盛頓州的疫情濃度是紐約州的2倍多呢」。真的嗎？

第二個(gè)bug來了：各州的檢測力度不同，數(shù)字低，也許只是證明「不檢測就不存在」定律。

紐約州這個(gè)人口大州總檢測人數(shù)是5272，人均檢測率為271人/百萬人口；而人口不及一半的華盛頓州總檢測人數(shù)為10220，人均檢測率高達(dá)1342人/百萬人口。所以，紐約的檢測人數(shù)上2.6萬的時(shí)候，檢測力度才能追上華盛頓州。否則就有瞞報(bào)漏報(bào)之嫌。

另外，這個(gè)bug還警告我們：遠(yuǎn)離夏威夷！那個(gè)140萬人的州簡直就是個(gè)黑匣子，那么多世界各地的游客，到現(xiàn)在只有區(qū)區(qū)7人確診，聽起來很安全吧？可是...一共只檢測了7個(gè)人?。?/p>

即使人均檢測率相當(dāng)，還有第三個(gè)bug搗亂：各州接受檢測的標(biāo)準(zhǔn)不同，有的嚴(yán)有的松。雖然紐約確診率是14%而華盛頓州是8%，誰也不知道是因?yàn)榧~約疫情更嚴(yán)重還是紐約只給新冠疑似度更高的患者檢測。

所以，用這組數(shù)據(jù)橫向比較各州疫情嚴(yán)重程度，那是很扯的。

那這組數(shù)據(jù)能干啥？

這組數(shù)據(jù)中的檢測數(shù)，可以從絕對數(shù)和相對數(shù)方面橫向比較各州檢測力度。

先看絕對數(shù)。

我們把50個(gè)州加哥倫比亞特區(qū)按總檢測數(shù)排名：

把排名數(shù)放在橫坐標(biāo)：看到這個(gè)頭大尾巴長的檢測數(shù)排名分布， @何明科說它長得像齊夫定律。

嗯，「齊夫定律」。這個(gè)詞被自然語言處理（NLP）愛好者們私下用來不動聲色地識別同類。今天曝光一下他們私藏的這個(gè)外行過濾器。

齊夫定律（Zipf's law）是哈佛大學(xué)的語言學(xué)家喬治·金斯利·齊夫（George Kingsley Zipf）1949年發(fā)表的經(jīng)驗(yàn)規(guī)律：在自然語言的語料庫里，一個(gè)單詞出現(xiàn)的頻率與它在頻率表里的排名成反比。所以，頻率最高的單詞出現(xiàn)的頻率大約是出現(xiàn)頻率第二位的單詞的2倍，而出現(xiàn)頻率第二位的單詞則是出現(xiàn)頻率第四位的單詞的2倍。

來源：steemit.com

這條冪函數(shù)曲線在雙對數(shù)坐標(biāo)里是直線：

來源：steemit.com

像摩爾定律一樣，齊夫定律也是一條很「驚艷」的經(jīng)驗(yàn)定律。

「數(shù)量和排名成反比」這個(gè)習(xí)性，不光英語有，其他語言也有；不光藏在語言里，還藏在生活的方方面面。比如：

亞馬遜或天貓某品類單品銷量和排名

某國家城市人口和排名

網(wǎng)頁訪問頻率和排名

這些事物的共性是：排名靠前的更容易增長。比如：

銷量高的單品更容易出現(xiàn)在消費(fèi)者搜索頁面前排，因而獲取更多銷量；

最常用詞匯更容易被受眾熟悉，進(jìn)而使受眾也更頻繁使用；

人口規(guī)模更大的城市有更多就業(yè)機(jī)會，進(jìn)而吸引更多人口；

訪問量大的網(wǎng)頁更容易出現(xiàn)在搜索結(jié)果前列，因而獲取更多流量。

所以，齊夫定律直覺上就是馬太效應(yīng)所說的「富者越富」：如果數(shù)量排名靠前能給數(shù)量繼續(xù)增長帶來額外優(yōu)勢，那么數(shù)量與排名的關(guān)系很可能遵循齊夫定律。

新冠檢測這件事，是不是聞起來也有點(diǎn)齊夫的味道？

檢測數(shù)較多的州，確診數(shù)有機(jī)會排名靠前，會促使該州更重視，投入更多的檢測；

檢測數(shù)較少的州，確診數(shù)肯定排名靠后，容易讓本州人「眼不見為凈」，姑且茍安，后續(xù)檢測力度也不強(qiáng)。

我們?nèi)?shù)看看全美各州加哥倫比亞特區(qū)的檢測數(shù)排名是否像齊夫定律所說的，遵循直線。（由于齊夫擬合通常越到尾部偏差越大，我們剔除了夏威夷和懷俄明兩個(gè)尾部數(shù)據(jù)點(diǎn)。）

果然一股濃郁的齊夫氣息撲面而來，R^2高達(dá)0.9675。（這里必須向 @何明科靈敏的鼻子致敬。）

分布符合齊夫定律，感覺很自然；但是你看到這個(gè)排名有沒有發(fā)現(xiàn)什么不自然？

檢測數(shù)前十名的州，只有2個(gè)（佛羅里達(dá)、俄亥俄）是共和黨州長執(zhí)政，其余8個(gè)都是民主黨州長執(zhí)政。

干脆，我們按州長所屬的政黨把50個(gè)州都標(biāo)一下藍(lán)州（民主黨）和紅州（共和黨）。特朗普是共和黨，所以首都DC算紅的。

我們發(fā)現(xiàn)，雖然各州大排名遵循齊夫定律，但是民主黨執(zhí)政州普遍靠前，共和黨執(zhí)政州普遍靠后。

如果我們把藍(lán)色和紅色看成兩個(gè)不同的總體，檢測數(shù)和排名的雙對數(shù)圖是這樣的：

無論哪個(gè)黨，它所執(zhí)政的各州排名和檢測數(shù)都遵循齊夫定律。

但是，在對數(shù)坐標(biāo)上，共和黨和民主黨的齊夫直線斜率不同，位置也不同。共和黨的擬合線完全在民主黨的下方。

兩黨執(zhí)政的州仿佛是平行世界般的存在。

這張圖顯示，無論州大州小，迄今為止共和黨執(zhí)政州在疫情檢測的絕對數(shù)上，全面落后于民主黨執(zhí)政州。

如果想知道人均檢測率的相對數(shù)，各州排名如下：

全美的平均人均檢測率是118人/百萬，而民主黨州為182人/百萬，共和黨州為41人/百萬。

所以說，如果你在共和黨執(zhí)政州，很遺憾，迄今為止你們的平均檢測率還不到民主黨執(zhí)政州的1/4。

當(dāng)你看到自己州確診數(shù)排名不高，放心地逛超市下館子去健身房時(shí)，你根本意識不到遭遇傳染者的風(fēng)險(xiǎn)到底有多大。

所以，民主黨這頭驢在比共和黨大象更加努力地檢測疫情，這已經(jīng)是實(shí)錘了，不管他們是真的更加關(guān)注公共衛(wèi)生，還是更加致力于在大選年扳倒抗疫不力的共和黨。

美國全國疫情檢測會改善嗎？

目前的數(shù)據(jù)對上一階段美國的疫情檢測是一個(gè)總結(jié)。值得高興的是，美國全國疫情檢測不利的局面本周起會有大幅改善。

截止3月15日，全美人均檢測數(shù)118人/百萬，大約是中國廣東2月底（2828人/百萬）的1/20，英國3月8日（347/百萬）的1/3。美國檢測力度最大的華盛頓州，人均檢測率1342人/百萬，接近廣東的一半。

3月15日周日晚，美國衛(wèi)生與公共服務(wù)部助理部長布雷特·賈諾（Brett Giroir）在特朗普和彭斯主持的白宮新聞發(fā)布會上宣布，從周一開始，全美將有多達(dá)2000個(gè)化驗(yàn)室配備可同時(shí)處理多個(gè)樣本的高速新冠病毒檢測儀，一周內(nèi)將有約190萬個(gè)測試盒就緒。賈諾稱，預(yù)計(jì)這些化驗(yàn)室每周能將增加幾萬到幾十萬次的檢測。

過去一周，全美檢測數(shù)為3.5萬，未來幾周的檢測產(chǎn)能有望提高一個(gè)數(shù)量級。如果真的用掉190萬個(gè)測試盒，全美的人均檢測率將達(dá)到6000多人/百萬人口，大約是廣東2月底人均檢測率的兩倍。

我們拭目以待，讓美國大幅提升的人均檢測率幫我們離各州疫情的真相越來越近。

總結(jié)：

截止到3月15日，美國匯總的各州檢測和確診數(shù)據(jù)，沒有考慮各州人口、檢測率、和檢測標(biāo)準(zhǔn)的差異，不足以支持橫向評估疫情嚴(yán)重程度，但可以用來比較各州檢測力度。

各州檢測總數(shù)和各州排名符合齊夫定律。

民主黨執(zhí)政州和共和黨執(zhí)政州的檢測數(shù)分別排名各自符合齊夫定律，但是參數(shù)不同，仿佛存在于兩個(gè)平行世界。政治可以掰彎測量，但不能消滅真相。

迄今為止，民主黨執(zhí)政州比共和黨執(zhí)政州檢測更用力，人均檢測率是后者的4倍多。

如果3月15日白宮新聞發(fā)布會檢測舉措兌現(xiàn)，美國未來幾周有望實(shí)現(xiàn)2倍于廣東的人均檢測率。

雖然，數(shù)據(jù)往往不夠豐滿，但洞察就像溝，只要擠一擠，總還是有的。

原標(biāo)題：《美國疫情：檢測數(shù)，屁股說了算，政治玩著科學(xué)的蛋》

閱讀原文