——基于空间经济学模型模拟病毒感染和交易受限的分析和建议
关于“封城”引起的争论，实际上反映了人类面临的两难。人类文明的发展依赖于斯密所说的“分工”，而分工的前提是“交易”。没有交易，分工就不能实现和深化。而在另一方面，传染病之所以能够在人与人之间迅速传播，也依赖于人们之间的交往。广义讲，“交易”和“交往”都是一个词transaction，即人与人之间的交互行动。人类对未知的传染病有着古老的智慧。这就是“隔离”。在《摩西五经》中，犹太人让病人“独居营外”，他们的衣服要烧掉。中国自西元前3世纪就有官方设置的“疠所”。然而如果进行大规模的隔离，就无法进行交易。尤其在今天，经济依赖于一个高度分工的全球体系，交易频率之高前所未有。如果封住像武汉这样拥有1100万人口的大城市，将会对其经济产生什么样的重大冲击，且是否达到了隔离的目的，这是需要根据经验数据进行数量分析，才能判断“封城”利弊，以及提出同时化解防疫和交易这一两难问题的建议方案。
我所采用的模型，全称是“十维远景空间经济学和制度经济学规划模型”，英文缩写为SIEM。这是我们自己研发并且已应用于三个规划制定的模型。其特点是以“交易”为基本单位。我们参照了克鲁格曼等人的理论，但用交易引起的集聚替代了生产引起的集聚。交易会带来交易红利，人们为了交易而集聚，会产生“市场网络外部性”，即人们之间交易机会的增加要快于人数的增加。这是城市发展的基本动力。而在制度经济学中，分析的基本单位又恰是“交易”。因而这两个理论在这里打通了。而我们知道，传染病的感染也和集聚有关。我们现在虽然不完全知道新冠病毒究竟是怎样传染的，接触传染，飞沬传染，还是空气传染，但毫无疑问都是“近距离传染”。只有人们集聚时，才会互相靠近，才有可能互相传染；集聚度越高，互相传染的可能性越大。因而，我们可以用这一模型模拟病毒的传染。
因为时间有限，我们做了一个极为简略的模型。我们假定武汉是一个单一中心的城市，有1113万人，每月GDP为1237亿元，面积为8494平方公里。作为参照，我们假定新冠病毒感染率是1.3。我们用公开发布的确诊病例数作为基础，并知道有大量感染人群没有计入官方统计，所以假定感染人数会10倍于确诊病例，作为计算参数。我们模拟封城就是假定交易概率降低为不封城的1%，并且交易费用平均增加相当于平均价格的36%。得出武汉封城对防疫的效果如下图。结果是，在1月23日，封城使感染人数比假如不封城减少58%。更重要的是，封城阻止了感染人数的快速上升。我们先忽略在这之前犯下的种种错误，如果更早采取措施本不至于封城。看来在这一天，“封城”是不得不采取的措施。
再看封城对武汉经济的影响。参照去年的数字，武汉在正常情况下平均每月的GDP约为1237亿元，但在封城和城内基本停止交易和交往的情况下，每月GDP只有8亿元。而按中国城镇人均消费水平估计，武汉民众每月需要消费213亿元。很显然，在封城期间，武汉民众实际上没有创造出满足自己消费数量的财富，只能消耗自己的积蓄。如果企业停产继续发工资，企业就在亏损。如果封城持续两个月，将会带来2458亿元的损失，约为正常GDP的99.4%。把封城带来的感染人数的降低与损失的经济收入作一对比，如下图。
说明：我们以2020年1月23日封城日感染人数为100，以正常GDP/月为100。感染人数指数以左轴为坐标轴，GDP（月）指数以右轴为坐标轴。封城日是重要节点，在这之后，感染人数指数上升明显减缓，同时GDP指数急剧下降。
可以看出，封城将感染人数压低58%，是以将GDP压低99.4%为代价的。透过数字的现实，就是大量民众颗粒无收、生计无着，企业徒耗费用却不能生产与经营。最先承受不了的是那些靠市场流水的小本经营和靠工薪的弱势群体。对于企业来说，这相当于一场重大的市场萧条和金融危机。因此导致不少企业倒闭，将会产生连锁反应。越是有经济压力的人，越是感受封城所带来的不利后果。众多的微观压力最后会产生宏观后果。因而，这种不得已的封城代价巨大，且随着时间的推移，代价越来越大，最后可能不堪承受。