作者：李   丁 中國人民大學社會與人口學院副教授，中國人民大學國家發展與戰略研究、中國調查與數據中心研究員； 

何凌鋒 中國人民大學社會與人口學院本科生

新冠疫情不斷增長的確診數和死亡數令人揪心，何時是個盡頭，啥時能全面復工復產，經濟后果如何，同樣讓人擔憂。武漢疫情爆發，中央作出指示后，各地都出臺了非常嚴格的防疫措施，大多數人都度過了一個居家隔離的假期。春節假期結束后，各地復工復產的政策相繼出臺，對企業復工復產提出了要求。但很多地方政府的工作重心仍然放在疫情防控上（網上流傳的一個“地方官員納什均衡分析”以及社會學關于中國制度下過度執行的分析很能說明問題），加上防護物質供給不足，很多企業無法滿足復工條件，實際復工進度不如預期。各地復工復產實際進度如何呢？相信根據交通、電力等系統提供監測數據，中央已掌握基本情況。在本報告中，我們將利用公開的、相對比權威和適時數據，估算全國地級行政單位的返城復工進度，讓各級官員和公眾對全國經濟社會生活的恢復進度有所了解。

一、數據來源與說明

本文所用數據來自百度慧眼遷徙地圖數據（http://qianxi.baidu.com/）。百度通過安裝在智能手機中地圖應用采集用戶的一些時空遷移數據，并生產了不少增進社會價值的公共報告，為我們了解城市活力，交通狀況提供了有價值的信息。在遷徙地圖中，百度提供了2019年和2020年春節期間全國各個地級城市遷入、遷出人口、以及市內出行強度的可比數據。而且提供了遷入人口的來源于各個省份、前100個地級市的比例，遷出人口去往各個省份的占比以及前100個地級市的具體比例。時間跨度為2018年臘月初七到2019年正月二十五日，以及2019年臘月初七到2020年正月二十五（本文抓取的為到正月十八日的數據），兩個年份的數據以春節對齊，兩個年份的周六、周日無法對齊。

根據百度提供的文檔資料，該數據具有很強的可比性和內部一致性。雖然平臺提供的數據并非出行的絕對規模，而是通過清理計算的相對規模，但在不同地區之間、不同日期之間具有可比性。其中，市內出行強度為市內有出行的人口占城市居住人口的比值。其中城市居住人口為在一個城市居住3個月以上，綜合了定位屬性、畫像、定位時間、poi屬性挖掘出來的人口數，在一定時間內固定的。總之，百度提供的這一數據具有高度的可比性（由于疫情尚未結束，我們也呼吁百度延長今年數據的觀測期，并持續公開發布這一數，可參照本文構建更多有意思的指標，此次疫情期間的大數據以后可為學界展開縣市層面的研究提供難度的宏觀層次數據）。

根據最新的數據，截至2020年2月14日，無論是從遷入遷出還是市內的出行強度，對于各個大城市而言，大家擔心的返工潮并沒有到來。北京市2019年正月初七之后平均出行強度相對于正月初七之前的一周就要提高80%以上，但今年只提高了4.7%，上海對應的數字是分別為98%、4.4%；北京市正月十五之后出行強度相對于初一到初七的強度是142%，上海為152%，去年對應的數據為204%、221%，要知道今年因為初一到初七的出行強度因疫情影響只有不到2019年的70%。

圖2：百度慧眼-百度遷徙頁面

二、春節出行的一般規律

在正常年份，一個典型的人口流入地（如北京、上海、廣州、深圳的一線二線城市）春節前會有超過平常流出人口規模的人口流出（返鄉過年春運人流），而春節后會有，則會有超出常規規模遷入規模的流入人口（返城復工春運人流）。2020年，新冠肺炎疫情發生時，大量人口已經離開城市返鄉過年，全國居家隔離，村居封閉，導致節后商務、旅游遷出人口下降，與此同時返城復工人流則難以增長。

 

 圖3：典型人口流入地春節期間的遷出-遷入模式

 圖4：北京、上海、深圳及武漢春節期間人口凈遷入模式

一個典型的人口流出地（大量中西部地區的區縣，如湖南邵陽），在正常年份春節前會有大量的返鄉過年人口回來，遷入規模超出平常遷入規模（常規性商務、旅游人口），而春節后會有大量人口外出，形成外出務工、就業的春運人口,同時會有一定的人口流入。

2020年情況因肺炎疫情變化，大量返鄉人口回家過年，但在年后無法外出務工，出現遷入人口年后持續下降，而遷出人口難以增長的情況，工人和學生難以恢復正常的工作和學習，社會經濟遭遇巨大影響。

圖5：典型人口流入地春節期間的遷入-遷出模式

 多數地區的模式可以歸為上述兩個類型，但是也存在一些其他情況。比如，受漢族新年影響小的新疆地區的很多城市春節期間遷入和遷出并沒有如此鮮明的特征，相對比較平穩。旅游城市如桂林、阿壩州，春節期間流入的人較多，節后流出的人較多。同是人口流入地，民營非正規更經濟發達的溫臺地區，春節前人口外流的時間更早，而春節后人們返工的時間更晚一些。臘月二十一即達到返鄉高峰，正月十五之后的返城高峰明顯。具有其他地方所沒有的靈活性。

圖6：溫臺地區有著更長的假期

此外，還有大量人口流動的“中轉”地區，這包括大量中西部地區的二線城市。它們既是周邊人口流入的重要目的地，春節期間走動的目的地，也是去往其他更大城市的中轉或起點，比如河北石家莊、山西呂梁、寧夏固原、江西南昌。湖南邵陽有部分如此。這類地區春節期間僅除夕人口外出較少，其他時間都有大量人口流出；

 圖7：人口流入-流出中間地春節期間的遷入-遷出模式

春節作為特殊的日子，市內出行強度會有所變化。此外，春節城市間的人口遷移變動會使得春節市內出行強度發生對應的變化。這里出行強度的分子是市內有出行的人口規模，是一個實時數，而分母是一個城市的常住3個月以上的居民數，是一個相對穩定的數。平時的人口流入地春節期間大量人員回家，實際人口減少，出行強度相對于平時會有較大下降，出現過年期間空城或冷清現象。而平時的人口流出地，春節大量人口返鄉，實際人口比平時的常住人口更多，春節期間出行人口規模相對于平時的常住人口規模取值會比較大。對比北京和湖南邵陽，春節期間的出行強度可以給大家很直觀的感受，前者春節變得很冷清，而后者春節相對于平時很繁忙。

圖8：典型人口流入地和流出地春節期間的市內出行強度模式對比

根據上述年前年后的城市間出行數據，以及城市內部的出行強度數據，我們可以構建合適的指標測量各個地方的年后返城復工的進度情況。因此，復工的第一步是勞動力返回長期工作的城市，尤其當中國城市勞動力相當部門來自農民子女（包括農民工和農村出來的獲得城市戶籍的新市民）且他們都有回家過年的風俗習慣時。疫情防控后，這些人尚未從老家返城工作的城市，如果他們無法通過線上辦公的方式完成以往返城情況下完成的工作，生產就很難恢復起來。考慮到現代經濟分工越來越細，返城進度不行，復工進度肯定會受影響。當然，返城或市內出行與復工的概念無法完全對應的 。因為各個城市還有不少留守人口，而且即便返鄉人口都回城了，復工政策松緊程度不同也會影響實際復工情況。但這些指標與實際復工之間的相關度一定非常非常高。

三、返城復工指數構建方式

依據人口遷移數據，我們可從人口流入地和流出地兩個角度衡量返城復工情況。一個地方作為人口流入城市，春節后返城人流狀況反映社會經濟恢復正常情況，有兩種定義方式：

第1：用2020年正月初一后累計流入規模除以2019年正月初一到正月二十五日的累計流入規模的70%的比值（bkrc19ain）。

第2：用2020年正月初一后累計流入人口規模除以年前臘月初七到除夕的流出人口的規模的70%（bkrc20bout）。

對于人口流出地來說，其定義的方式為：

第1：用2020年正月初一之后累計流出規模除以2019年正月初一到正月二十五日的累計流出規模的70%的比值（otrc19aout）。

第2：用2020年正月初一以后流出人口規模除以年前臘月初七到除夕的流入人口的規模（otrc20bin）。

任何城市即使人口流入地也是人口流出地，因此兩個指標都有參考價值。對人們常說的主要人口流入地，可主要看流入指標，而對于人口凈流出地可主要看流出指標（操作定義上，可將2019年春節前凈流出為正數而春節后凈流入為正數則為人口凈流入地，其他為人口流出地）。上述兩種定義方式中，第一種定義方式假定各個城市2019年和2020年回鄉或返城的規模類似，用2019年的規模衡量2020年的進度，2019年的春節流量中70%是外出務工或返城務工的人；第二種定義方式無需假定2019年和2020年的相似性，但他假定年前流出（或流入）人口大部分（70%）是返鄉人口，而他們年后通常都會再次外出。這些假定雖不完全成立，但大體反映實際情況。需要說明的是，使用年前年后的凈流入人口構建返城指標會出現測量偏差，特別是那些流入量和流出量都很大，而凈流入量不大的城市（有朋友使用了這種測量方式）。本報告作者在嘗試之后，暫時放棄了使用凈流入流出規模進行指標構建的方案，而使用了分別流入、流出進度測量的方案，避免誤導決策。

圖 9 幾個返城恢復程度指數的相關性情況

市內出行強度的恢復情況更反映市內生活恢復正常的程度。正常情況下，市內出行不僅包括上下班的通勤，也包括大量的就醫、購物、游玩交通。2020年因為疫情影響，后面這些出行也大大下降了，而不得不工作的人必須出行，因此實際開始工作的人的比例會比出行強度恢復的情況要樂觀一些。對于以往的人口流出地，今年春節后由于大量人口未能外出打工，隔離在老家，即便就醫、購物、游玩交通下降了，人口基數會比百度估計的居住人口要多，計算出來的出行強度也會比較大，從而高估當地恢復正常的程度。也就是說這一指標會低估流入地復工情況而高度流出地復工情況。我們需要對各地實際人口規模以及當前出行中務工出行的比例進行適當修正（限于時間和數據，這里我們僅根據前述遷入遷出數據對春節期間的實際人口規模進行了適當修正）。此外，百度城內出行強度為出行人數與市內居住常住人口的比值，由于居住人口是一個相對穩定的量，但由于百度數據覆蓋率提高、社會經濟的發展等原因，各個城市2020年的出行強度比2019年普遍有提高，達到去年同期120%。因此，所謂的恢復正常既可以是2019年的水平，也開始恢復到如果沒有新冠肺炎情況下2020年的反事實水平。據此，我們構建了如下四套指標：

A： 2020年正月初一之后的平均出行強度相對于2019年初一后的平均出行強度的比值（rate19，修正兩年年前平均強度差后為rate19_2）。

B： 2020年正月初一到正月初七為止的平均出行強度相對于2019年正月初一到正月初七日的平均出行強度比值（b7rate，修正兩年年輕平均強度差后為b7rate_2)

C： 2020年初八到正月十八為止的平均出行強度相對于2019年正月初八到正月十八日的平均出行強度比值（a7rate，修正兩年年輕平均強度差后為a7rate_2)

D：2020年正月十六到正月十八為止平均出行強度相對于2019年正月十六到正月十八日的平均出行強度比值（a15rate，修正兩年年輕平均強度差后為a15rate_2)

主要指標測量的結果具有高度的相關性，正月初七前的各個地方的出行強度與初七之后的相關性不大，具體結果如下：

圖10 幾個市內出行強度恢復程度指數的相關性

 

基于城市間人口流動和市內出行強度建構的指標存在

表1 返城指標與市內出行強度指標的相關性

 

四、從返城進度看復工進度

計算結果顯示，截止2月15日（正月廿十二），全國主要城市返城情況并不樂觀，相比去年同期，尚有60%到80%沒有返城，武漢90%以上沒有返工。

相對于年前流出人口規模，返城情況目前最好的是沈陽、重慶、程度、昆明、長沙、南寧、合肥、上海、廈門、青島、貴陽、惠州等城市，返城率可能已經得到四成以上。

從年前流入人口規模來看，主要人口流出地（2019年年后凈流出人口規模前30的城市）年后外出的情況較好的包括南州、梅州、鹽城、邵陽、達州、衡陽、永州等，可能已達到去年同期水平的一半以上（因為將去年的流量打了7折，因此保守估計在35%以上）。

 表2 常見人口流入大市的返城進度和主要人口流出市外出進度

 

主要人口流入地的返城率展示在地圖上，如下圖。可以看到，成都、上海、珠三角和山東半島的返城情況好于蘇南、京津、浙江地區，但返城率都在50%以下，浙江和湖北的情況很糟糕，返城率在兩成以下。

從人口流出地看，東北和內蒙、四川、云南、湖南、廣東省、蘇北內流出地的外出復工情況相對較好，不少地區在五成以上；湖北、江西、河南、甘肅、陜西等等省份外出復工的情況不是很好，不少縣市在三成以下。

實際上，每個地區既是流入地也是流出地。從流入角度看，各個地方的人口返城進度如下圖所示。和流出復工模式類似，東北和西南遠離疫情中心的地區以及湖南、廣東地區流入情況相對較好，而武漢、江西、浙江、華北地區的情況不太好。

五、從市內出行強度看復工進度

市內強度反映的復工進度結果與上述結果類似。由于四個指標具有較強的一致性，我們使用正月十五日后的出行強度相對于2019年的比值（調整年前基準出行強度水平后）進行描述。從結果來看，西南地區、湖南、廣東非珠三角地區市內交通強度恢復水平明顯較高，這與當地春節大量人口返鄉，人口基數相對于平時的常住人口較多有一定關系。浙江、京津冀、珠三角、蘇南、湖北、河南、新疆等省市市內出行強度恢復水平較低，這與當地尚有大量務工人員尚未返回有關。

 圖14正月十五后各地市內出現強度相對于2019年同期恢復情況

從具體城市來看，上海、北京、東莞、廣州、南京、無錫、成都等城市的恢復情況較好，達到沒有新冠疫情狀況下的三成以上。惠州、廈門、濟南、青島、昆明、長沙、沈陽、南寧等城市出行強度比前述城市更強，達到四成以上（可能受大量外出人口未外出增加出行強度，實際復工率待考察）。

 表3 常見人口流入大市市內交通強度恢復程度

 

六、初步結論和建議

依據百度出行數據，復工開始一周后，全國實際復工情況整體并不樂觀，除疫情嚴重的湖北地區外，浙江、江西、河南、河北、新疆、黑龍江、蘇南部分城市，返城及復工的進度相對較緩。采用不同的定義方式，具體水平有一定差異，但總體結論相差不大。上述指標可以與其他途徑的數據相互驗證，例如電力的大數據結果顯示，浙江地區復產率達到25%左右，溫州臺州的情況相對更差一些，只有百分之十幾。我們這里計算的結果類似，有些相對更高一些。未來兩周的復工情況值得進一步跟進。

目前的復工情況與各地實際發生的新冠肺炎案例具有一定的相關性。但即便在類似的疫情下，各個地方復工情況仍存在較大差異。湖南和江西的疫情差不多，湖南復工情況較好，雖然江西復工的新聞和政策叫得比較響亮。河南和安徽的疫情類似，安徽的復工情況似乎要更好一些。四川、貴州、云南的疫情都不太嚴重，但四川和云南的復工情況明顯好于貴州。地方政府和民眾還是具有一些能動性和靈活性的。疫情不太嚴重的地方應該將取消復工行政審批制度，工廠如果出現聚集性疫情，政府應該給予幫助照顧，分擔風險和損失，而不是責罰。

除了湖北外，需要特別提及的是，民營經濟大省浙江的復工情況不理想。這與浙江的疫情和嚴格的控制有一定關系，但也可能也和經濟結構有關。數據顯示，溫臺地區正常年份春節假期就更長更靈活，復工比一般的地區更晚一些。這種靈活性可能也體現在工人與企業的勞動合同上，簽合同或簽固定合同的工人可能相對較少（需要找數據驗證），從而使得春節安排更為靈活。這種靈活性在疫情發生后也體現為勞資關系約束力不夠，大量外地工人在老家觀望的情況，為企業復工帶來困難，出現規上企業復工數占比高于產能恢復進度的情況。與此同時，由于藏富于民，大量小微私營企業難以滿足復工條件而無法復工，這些企業納稅不多，平時和疫情發生后都較難以獲得政府實質性支持和幫助，更需關注。對于浙江而言，盡快控制疫情，落實復工政策和防護措施，才能讓企業和工人安心復工，讓這幾年因“三改一拆”、城市更新、勞動力外流、貿易戰等原因本已有所下滑的經濟形勢停止進一步惡化，否則影響深遠。

感謝百度收集并開放上述相關數據，建議可進一步開放縣市層面的宏觀匯總數據，例如常住人口規模數據，為進一步深入研究提供條件。由于今年的復工復產尚未完成，建議百度慧眼延長今年春節數據的采集，并與往年對比。未來可通過直接公布匯總數據表和數據庫的方式，方便公共部門和學者使用。這樣，我們學者就不需要寫爬蟲，反復爬取平臺數據了

在信息社會，公開可獲取的、機器可讀的數據可大大提高知識生產效率。互聯網公司作為先進生產力的引力者，可帶頭建立數據開放共享的典范，讓統計局、衛計委等政府部門在公開信息時有參照標準（它們的數據公開還有很多不敢恭維的地方，不僅公開程度不夠，數據格式也非常不適應當前的科研需求），引領在技術和意識上都相對落后的政府部門一起進步。

我們將繼續采集相關數據關注和研究復工進度，并與之人口遷移流動、疫情、地方社會經濟狀況結合起來進行深入的分析，并在適當的時候在github上分享相關代碼和數據。各地級市復工指數通過閱讀原文從百度云盤提取，提取碼密碼:u9hh。

本文以獲得作者授權轉載上傳。