美国约翰斯·霍普金斯大学新冠肺炎疫情实时监测系统显示，截至美东时间5月4日18时，全球新冠病毒感染人数已经超过357万，新冠病毒在全球造成的死亡病例升至250687例，疫情什么时候能最终结束尚未可知。

客观地说，这场突如其来的灾难应该是新世纪以来人类面临的最大挑战，其影响甚至会远超20世纪30年代的大萧条。

至于这一疫情所引发的复杂国际政治关系变化以及全球化的未来走向，目前还无法准确研判。但无论怎样，降低死亡率是当下最紧迫的任务。

那么，是什么社会因素在影响新冠肺炎的死亡率呢？

我们基于常识选择4个影响变量：当地的人文指数、人均受教育年限、人均GDP以及每千人拥有的护士数量，看看这些变量是否对于疫情发生地的死亡率会产生相关性影响。

在对这些变量进行分析之前，我们在世界范围内选取死亡率（死亡率=死亡人数/确诊病例）排名前20位的国家进行分析，这个选择范围基本可以满足本研究的要求。

图1就是目前世界死亡率排名前20位的国家情况。

从图1可以看出美国死亡人数是最多的，但其死亡率却不是最高的，在死亡率排名前20名国家中位列第11位（明升中国位列14位）。目前死亡率最高的国家是比利时，死亡率高达15.08%，而死亡率最低的国家则是德国为3.72%。

基于我们的常识理解，如果一个国家的社会发展程度比较高，那么它就更有能力应对疫情，从而降低疫情引发的死亡率。

这个指标我们采用联合国开发计划署推出的人类发展指数（Human Development Index，简称HDI）来衡量，这个指数包括三个大类变量：预期寿命、教育水平和生活质量。从这个意义上说，这个指标能够很好地反映一个特定社会的发展程度。

我们倾向于认为发展指数比较高的地区死亡率会相对较低，但是这个指标毕竟是宏观综合性指标。为了更深入揭示个体状况与死亡率的关系，我们再次析取出受教育年限指标，这个指标能够反映个体微观的行为选择。

在我们的理解中，人均受教育年限比较长的话，那就意味着这个国家的民众有较高的app素养，以及更app的自我防护意识，而这些意识都有助于降低疫情的死亡率。

下面我们来看一下这20个国家的人类发展指数、人均受教育年限这些指标与死亡率的关系（数据来源：人类发展指数HDI，2019），见图2：

照理说人类发展指数高的区域，死亡率应该低，但从图2中可以看出，这条曲线并没有完全契合这种认知，比如西欧国家的人类发展指数普遍较高（HDI指数大于0.9的国家有10个，排在死亡率前10名的国家中有5个国家的HDI指数大于0.9），但是它们的死亡率都较高，如比利时、法国、英国、意大利、荷兰等。这些区域的表现与我们的常识认知出现明显的背离情况，目前只有加拿大、德国等少数国家符合我们原初的猜想。

国民受教育年限指标出现与HDI指数同样的情况，对于大多数国家而言，受教育年限的增加并没有大幅减少死亡率，只有少数国家符合我们的传统认知，如加拿大和德国。

如何解释这种与传统认知相背离的现象呢？如果说人类发展指数与平均受教育年限仍然属于比较虚的指标，与疫情关系较远的话，那么我们再来看一下比较硬的指标：人均GDP的高低对于新冠肺炎的死亡率是否有直接影响？见图3：

从图3可以看出，除了德国、加拿大、丹麦等少数国家人均GDP高，死亡率也低，这与我们的传统认知相符外，大多数人均GDP高的国家其死亡率也高，这种现象又一次违背我们的常识。

由此看来，在新冠肺炎面前有钱没钱一视同仁，至少从数据上看是这样的。那么，在此基础上我们再往前推进一步，是否护理资源充分的国家会让死亡率降低呢？毕竟护士是直接参与救助患者明升m88的人。

护士指标我们采取每千人中拥有的护士数量来衡量，具体国家的情况见下图4：

从图4中可以看出，仍然是只有少数几个国家的表现符合我们的预期，即护士数量多的地区，患者的死亡率会随之降低，如加拿大、丹麦与德国符合我们的初始判断。

从图上可以看出大多数西欧国家拥有较多的护士数量，但其死亡率仍然较高，这与我们的预期是相反的。

上述4个指标都是我们念兹在兹、朝思暮想的指标，然而统计数据显示，这些指标竟然对于新冠肺炎作用不大，为何对于新冠肺炎疫情我们的常识大多不靠谱？

为了解释这个现象，利用EXCEL软件自带的回归分析工具，我们对于上述20个国家的死亡率与4个自变量做了简单回归分析，具体结果见下图：

1、死亡率与人类发展指数（HDI）的回归结果：

从回归结果来看，人类发展指数与新冠肺炎死亡率之间仅呈现弱正相关（0.185239），从显著性指标P值来看，已经达到0.434。

2、死亡率与受教育年限的回归结果：

死亡率与受教育年限两者之间的相关性仅为0.0315，相当于没有关系，通过P值（0.8949）可以看出，由于P值太大，导致模型为真的概率仅为10.5%左右。

3、死亡率与人均GDP的回归结果：

死亡率与人均GDP之间的相关性仅为0.073，太微弱，相当于没有关系。P值（0.76）太大，导致模型为真的概率仅有24%左右。

4、死亡率与每千人拥有护士数量的回归结果：

死亡率与每千人拥有的护士数量之间的相关性仅为0.041，相当于没有多大关系，该回归的P值（0.864）实在太高，跟我们常识相距最远（护士直接照顾患者，在我们的常识理解中，这应该是与降低死亡率高度负相关的）。

那么是不是这些被我们所看重的要素都不重要了呢？

显然不是，一方面说明单要素对复杂风险作用有限；另一方面也凸显了新冠肺炎病毒的复杂性，抛开app层面的因素不谈，在社会治理上也需要多管齐下。

我们对四变量采取多元回归，结果的显著性增加不少，这也间接佐证了上述说法。

多元回归的结果显示，相关性已经达到0.504，P值也降为0.323，模型为真的可能性上升到67%，虽然还是很不理想，但已经显示出某种协同的力量。

考虑到各个国家之间存在的巨大差异（如人口数量、贫富差异等），为了便于比较，我们放弃死亡人数指标而采用死亡率，希望以此来让数据在统一基准线上进行比较，尽管如此，上述分析结果仍然很令人失望，新冠疫情与我们拥有的常识认知形成了相当大的反差。

一种新病毒对传统认知（偏见）形成全方位的挑战：诸如不同政体、贫富差距、素质高低等人为分类，实行了无差别打击。

总结下来，有如下三点结论：

其一，突然遭遇一种人类前所未知的病毒，我们赖以自信的基础几乎都是低效甚至无效的。

社会发展程度（HDI指数）、受教育年限、富裕程度（人均GDP）与医疗资源（护士数量）等，这些对于维持明升m88至关重要的基础性资源对于疫情在短期内几乎没有起到多少作用。

其二，在疫苗研发出来之前，从宏观上普及疫情传播特点以及相关知识，在全社会形成防疫共识，可以有效打破信息鸿沟带来的损失。

其三，越简单的方法也越有效。

在新冠疫情仍在全球蔓延的当下，由于没有特效药，检视那些死亡率比较低国家的经验，可以发现，它们不约而同选择了用物理方法人为切断传染链条：隔离。

隔离的代价是非常高的，为了彻底消灭疫情，全球科技界应该充分利用这段宝贵的时间窗口，加强合作加紧研发疫苗，否则隔离是不可持续的。

虽然简单分析得到的结论令人失望（或许我们选择的变量有问题，没有切中要害），但笔者仍坚信：从长远来看，社会发展程度对于战胜疫情仍然是至关重要要的，这个“偏见”至今仍无可撼动。