可信的假设在COVID取代缺失的数据分析

如何COVID-19传染,严重程度是病毒对于那些已经抓住了吗?

每个人都希望公司数字学校决定现场和远程学习,为地方和国家政府应对重新开放,作为家庭照顾生病的亲人。

但公司数据丢失,弗朗西斯卡莫利纳里说的高韧性Warshow和罗伯特·欧文Warshow经济系的教授,在艺术与科学学院。找出最好的办法的人口比例已经暴露在病毒测试每个人或测试随机样本的人。但是目前不是人人都测试了,测试不是随机;此外,测试是不完美的。这些数据的挑战导致非常不同的预测在最近几个月有多少人被感染,有多少人死于感染。

在发表的研究计量经济学杂志莫伦纳和查尔斯·f·曼斯基,董事会西北大学教授写道,实际累计COVID-19感染率高于报道的感染,因此实际感染死亡率低于报道率。研究人员使用了一种叫做得出上述结论的“部分鉴定,”莫伦纳使用经常在她的计量经济学研究。

“你感兴趣的一些数量,但你不能学习它,”她说。“在这个特殊的例子中,我们感兴趣的感染率,我们认识到,因为我们没有一个随机样本,我们不能学习准确的感染率从数据。”

她和曼斯基弱但逻辑假设COVID-19数据来自伊利诺斯州,纽约和意大利从3月16日到4月24日,从而把一些限制在不完整的数据。

他们认为,感染率高于率测试的人不是一个逻辑假设,因为人们表现出症状的人最有可能被测试。研究人员还允许false-i.e许多负面测试结果的可能性。,这个人测试实际上是积极但不计算在内。

这两个假设驱动实际累计感染率上升,推动实际死亡率下降,莫伦纳说。累积感染率在纽约州截至4月24日,据研究人员介绍,在1.7%和61%之间的1945万居民(或330650至12020100人),上层感染死亡率的4.9%。大大低于其死亡率证实感染者,4月24日为5.9%。

感染率为同一日期在伊利诺斯州是0.04%到52%之间;在意大利,他们是在0.06%和47%之间。

:“你得到的范围是广泛的莫伦纳说,“但它们大幅紧缩范围相比你获得假设对缺失的数据。”

关键假设和缩小范围帮助决策者和领导者更好地理解死亡率,他们试图限制病毒的传播,而计划。莫伦纳希望这项研究将有助于严重的政策分析。

莫伦纳和曼斯基正在更长时间的随访分析添加数据来自加利福尼亚州,佛罗里达州和德克萨斯州。

---

---