Political Data Science

In den letzten Tagen wird sehr viel über die Reproduktionszahl R diskutiert und das zum Teil sehr heftig. Jens Spahn hat das Sinken von R auf 0.7 als Beleg genommen, dass nun der Corona-Ausbruch wieder beherrschbar ist ( https://www.dw.com/de/gesundheitsminister-jens-spahn-h%C3%A4lt-corona-ausbruch-f%C3%BCr-beherrschbar/a-53163527 ). Die Kanzlerin erklärte am 16.04. öffentlichkeitswirksam, wie  wichtig die Reproduktionszahl ist und dass sie unter 1.2 bleiben müsse ( https://www.focus.de/gesundheit/news/1-0-oder-1-2-ist-ein-grosser-unterschied-reproduktionszahl-statt-verdoppelung-merkel-praesentiert-wichtige-corona-rechnung_id_11889566.html ). Die einhellige politische Meinung war, dass der Erfolg, gemessen in R zeige, wie gut die Maßnahmen in Deutschland funktionieren. Allerdings war R schon vor dem 23.03. unter 1 und daher habe ich Zweifel angemeldet, ob der Lockdown vom 23.03. etwas in Bezug auf R bewegt hat. Andere sind noch weiter gegangen und sagen, der Lockdown hat gar keine Wirk

"Die Maßnahmen von 23.03.2020 haben nicht zu einer Senkung der Reproduktionszahl R geführt.", ist die These, die ich vertrete. Zur Klarstellung:  Ich sage nicht, ich könne beweisen, dass die Maßnahmen nicht gewirkt haben. Es ist allerdings auch unlauter, einen Beweis für eine Nicht-Wirkung einzufordern, wenn die Wirkung nicht näher bestimmt ist. Ich kann auch nicht beweisen, dass Homöopathie oder Zauberei nicht wirkt. Aber eigentlich ist es anerkannte wissenschaftliche Praxis, dass eine behauptete Wirkung nachgewiesen werden muss. Die Politik behauptet, die Maßnahmen vom 23.03.2020, die ich im Folgenden als "Lockdown" bezeichnen möchte, hätten gewirkt. Die Daten liefern diesen Beweis meiner Meinung nach nicht. In Bezug auf die Reproduktionszahl heißt eine positive Wirkung, dass diese Werte durch die Maßnahmen niedriger ausfallen, als sie ohne sie wären. Das Problem ist, wir wissen natürlich nicht, wie die Zahlen ohne die Maßnahmen aussehen würden. Es ist daher

RKI gibt zu, das Reproduktionszahl unter 1 liegt! Heute, also nach (!) der Verlängerung der Maßnahmen ohne substantielle Lockerungen für die Bevölkerung, und zwei Tage, nach dem Merkel der Nation erklärt hat, wie wichtig es ist, dass die Reproduktionszahl R nicht von 1,1 auf 1,2 steigt, geht der Gesundheitsminister und der Präsident des Robert-Koch-Instituts vor die Presse und sagen, R liegt bei 0,7.  https://www.sueddeutsche.de/politik/coronavirus-news-deutschland-1.4828033 . Hier der Link zur Stellungnahme des RKI:  https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Situationsberichte/2020-04-16-de.pdf?__blob=publicationFile Und plötzlich heißt es, der Ausbruch ist beherrschbar. Also vorbei mit #flattenthecurve. Schluss mit Herdenimmunität. Aber natürlich sind sich alle einig, dass das ein Erfolg der Maßnahmen ist. Ich habe da im letzten Blogpost Zweifel angemeldet:  https://politicaldatascience.blogspot.com/2020/04/bleibtzuhause-hat-nicht-zu-einer.html . Alternati

Gerade haben Bund und Länder die Maßnahmen und insbesondere die Kontaktbeschränkungen um mindestens zwei Wochen verlängert. Das Robert-Koch-Institut hat am selben Tag ein kleines Papier veröffentlicht, dass definitiv mehr Aufmerksamkeit verdient:  https://www.rki.de/DE/Content/Infekt/EpidBull/Archiv/2020/Ausgaben/17_20_SARS-CoV2_vorab.pdf?__blob=publicationFile In diesem Bulletin versucht das RKI die Reproduktionszahl des COVID-Virus über den Zeitverlauf zu berechnen. Hier der entscheidende Plot: Wenn man sich den Zeitverlauf anschaut, sieht es nicht so aus, als hätten die Maßnahmen am 16.03. (keine Veranstaltungen mit über 1000 Leuten) oder die Ausgangsbeschränkungen vom 23.03. einen sichtbaren Effekt. Gleichzeitig ist die Reproduktionszahl wesentlich geringer, als in früheren Szenarien angenommen und lag schon vor dem 23.03. unter eins, was eine Eindämmung der Krankheit bedeutet. Dies widerspricht dem herrschenden Diskurs in zweierlei Hinsicht: Erstens hieß es bislang immer wi

Vor einiger Zeit hatte ich hier ein paar Modelle präsentiert, die statt einer exponentiellen Verbreitung von vorneherein eine Sigmoid Funktion angenommen hatten:  http://politicaldatascience.blogspot.com/2020/03/sigmoid-oder-exponentiell.html Die Daten haben dann aber die prognostizierte Entwicklung nicht bestätigt und es kam mir klüger vor, die Modelle öffentlich zu kritisieren, um keine falschen Hoffnungen zu wecken. Dabei war klar, dass ein großes Problem der Analyse in der Datenlage bestand: Denn was als offizieller Fall einer COVID-Erkrankung gemeldet wird, ist eine politische Entscheidung. Und gerade während meine Modelle liefen, hat das Robert-Koch-Institut die Definition, was ein Fall ist, verändert. Damit waren diese Daten unbrauchbar. Todesfälle statt Fallzahlen Es liegt auf der Hand, dass die Todesfälle etwas eindeutiger sind, als die reinen Fallzahlen. Ich halte eigentlich nichts davon, mit Toten zu rechnen. Es hat etwas zynisches, als ob es weniger schlimm wäre, wenn