COVID：人员流动增加了多少新冠病例？| 唧唧堂论文解析

picture from Internet

本文是对《人员流动增加了多少新冠病例？来自纽约和美国其他四个城市的证据（How Much does COVID-19 Increase with Mobility? Evidence from New York and Four Other U.S. Cities, Working Paper No. 27519）》的解析，该论文于2020年7月发表于NBER工作论文系列中，并于2020年10月进行了修改。该研究作者包括Edward L. Glaeser，Caitlin Gorback和Stephen J. Redding。

背景和问题

限制人员流动对减少新冠传播有用吗？如何评价为对抗新冠肺炎疫情而实行封城或其它人员流动限制政策？回答上述问题的主要挑战是，如何用数字来估计人员流动限制在减少疾病传播方面的有效性。 本文从广义上定义“人员流动”：工人离开家或通过地铁旋转门。为了衡量工人是否离开家，本文将地理位置精细到邮政编码所在地级别，每个邮编地为一个基本单位。利用美国五个城市的邮编地级别数据，本文实证分析了人员流动对新冠传播的影响。

数据来源

每日新增病例数和累计病例数来源于公共卫生部门。人员流动的数据来源有两个:第一个来源是由SafeGraph提供的手机移动数据，当使用SafeGraph数据时，解释变量%∆Tripsi表示离开邮编i地的人数的百分比变化;第二个来源是由大都会交通管理局（Metropolitan Transit Authority，MTA）提供的纽约市地铁旋转门数据，当使用地铁旋转门数据时，解释变量%∆Tripsi表示邮编i地地铁入口人数的百分比变化。工具变量的数据来源于美国社区调查（ACS）。控制变量中，各邮编地的非裔美国人比例、年龄中位数、收入中位数也来源于美国社区调查。最后，在纽约市的面板数据中，本文控制了警务部门就业数：通过贝尔（2020年）提出的信息自由法请求，获得了截至2016年警官居住地点的数据。

研究设计

工具变量

本文构建了两个工具变量，分别是2018年邮编i地的基本产业人员比例（ShareEssentiali）和远程办公人员比例（ShareTeleworki）。从工具相关性来看，一个地区的基本产业人员比例会与该地区的人员流动正相关，一个地区的远程办公人员比例会与该地区的人员流动负相关。从工具外生性来看，2018年的基本产业人员比例或远程办公人员比例是外生于新冠病例数的。

回归模型