ส่องมาตรการควบคุมการระบาด COVID-19 รายจังหวัดกับ Provincial Stringency Index

การระบาดของ COVID-19 เป็นวิกฤตด้านสาธารณสุขระดับโลกที่รุนแรงที่สุดในรอบศตวรรษ ทุกประเทศต่างต้องใช้มาตรการควบคุมการระบาดที่ไม่ใช่เภสัชภัณฑ์ (Non-Pharmaceutical Measures: NPIs) ที่เข้มงวดเพื่อลดการระบาดที่นำไปสู่การเจ็บป่วยและเสียชีวิต แต่ก็ต้องแลกมาซึ่งต้นทุนทางสังคมและเศรษฐกิจมหาศาล ซึ่งเป็นโจทย์สำคัญของผู้ทำนโยบายในการรักษาสมดุลในแต่ละด้าน การทำความเข้าใจถึงความเชื่อมโยงและประสิทธิผลของมาตรการควบคุมการระบาดในมิติต่าง ๆ จึงเป็นประเด็นที่ได้รับความสนใจในช่วงที่ผ่านมา

แนวคิดหนึ่งที่ผู้วางนโยบายในระยะหลังพยายามประยุกต์ใช้คือ การใช้มาตรการควบคุมการระบาดที่ตรงจุดที่สุดทั้งในแง่ของประเภทกิจกรรมและพื้นที่ เพื่อลดต้นทุนทางสังคมและเศรษฐกิจให้เหลือเฉพาะจุดมากที่สุด โดยที่ยังสามารถคุมการระบาดไม่ให้ลุกลามออกไปในวงกว้างได้ โดยในบริบทของประเทศไทย ศูนย์บริหารสถานการณ์แพร่ระบาดของโรคติดเชื้อไวรัสโคโรนา 2019 (ศบค.) ได้เริ่มแบ่งจังหวัดในไทยออกเป็นพื้นที่ความเสี่ยง 5 ระดับ (เฝ้าระวัง เฝ้าระวังสูง ควบคุม ควบคุมสูงสุด ควบคุมสูงสุดและเข้มงวด) และใช้มาตรการควบคุมการระบาดตามการแบ่งพื้นที่เสี่ยงเป็นครั้งแรกในวันที่ 24 ธันวาคม 2563 จนถึงปัจจุบัน โดยมีการประกาศชุดมาตรการของแต่ละระดับความเสี่ยง และให้แต่ละจังหวัดสามารถประกาศมาตรการอื่น ๆ เพิ่มเติมที่ไม่ขัดกับคำสั่งจาก ศบค.

งานศึกษาจำนวนมากประเมินประสิทธิผลของมาตรการควบคุมการระบาดในแต่ละพื้นที่ โดยในช่วงแรกของการระบาด Hale et al. (2020) ได้จัดทำฐานข้อมูล Oxford’s COVID-19 Government Response Tracker เพื่อติดตามมาตรการต่าง ๆ ของภาครัฐที่ใช้รับมือกับการระบาดของ COVID-19 รวมไปถึงการสร้างดัชนีชีวัดระดับความเข้มข้นของมาตรการควบคุมการระบาดรายประเทศในแต่ละช่วงเวลา (Oxford Stringency Index) ซึ่งข้อมูลดังกล่าวนี้ถูกนำไปใช้ในงานศึกษาจำนวนมาก (Doti, 2021; Égert et al., 2020; Deb et al., 2020) เนื่องจากเป็นการวัดมาตรการควบคุมการระบาดอย่างเป็นระบบ ทำให้สามารถเปรียบเทียบในรายประเทศได้อย่างชัดเจน โดยในระยะหลัง มีงานศึกษาจำนวนมาก เช่น Conteduca (2021) ที่ปรับปรุงวิธีการของ Hale et al. (2021) ให้เหมาะสมกับบริบทของแต่ละประเทศ รวมถึงเก็บข้อมูลในระดับรายพื้นที่ (sub-regional) เพื่อติดตามและประเมินมาตรการควบคุมการระบาดให้ละเอียดขึ้น (Gross, Ounnas, and Yeung, 2021; Zhang, et al., 2021) นอกจากนี้ ฐานข้อมูล Oxford’s COVID-19 Government Response Tracker ได้ขยายขอบเขตการจัดทำข้อมูลรายพื้นที่เองในบางประเทศ ได้แก่ สหรัฐอเมริกา แคนาดา สหราชอาณาจักร บราซิล และจีน แต่ยังไม่มีงานศึกษาใดที่เก็บข้อมูลในไทย

บทความนี้นำเสนอดัชนีมาตรการควบคุมการระบาดรายจังหวัด (Provincial Stringency Index: PSI) ที่เหมาะสมกับบริบทของไทย โดยแบ่งออกเป็น 2 ส่วน ส่วนแรกคือ วิธีการวัดระดับความเข้มข้นของมาตรการควบคุมการระบาดรายจังหวัดในประเทศไทยและแสดงข้อมูลเบื้องต้น และส่วนที่สองคือ ตัวอย่างการนำข้อมูลไปใช้ในการประเมินประสิทธิผลของมาตรการคุมการระบาด

ในการจัดทำดัชนีมาตรการควบคุมการระบาดรายจังหวัดในไทย คณะผู้ศึกษาใช้แนวคิดเดียวกันกับ Oxford Stringency Index¹ ที่ใช้ชุดคำถามเกี่ยวกับการทำมาตรการในแต่ละพื้นที่จำนวน 7 ข้อ โดยแต่ละคำถามจะให้เลือกคำตอบตามมาตรวัดอันดับ (ordinal scale) ที่ไม่เท่ากัน สำหรับการเก็บข้อมูลของไทย คณะผู้ศึกษามีการปรับปรุงเพิ่มในสองด้าน ได้แก่

1. เก็บข้อมูลในรายจังหวัด (Oxford Stringency Index ยังไม่มีการจัดเก็บข้อมูลของไทยในระดับรายจังหวัด) และ
2. เพิ่มชุดคำถาม โดยสำรวจเพิ่มเติมเกี่ยวกับมาตรการรายสาขาธุรกิจและมาตรการอื่น ๆ ที่มีการบังคับใช้ในประเทศไทย² โดยสรุปมาตรการที่เก็บข้อมูลตามตารางที่ 1.1

นอกจากฐานข้อมูลรายมาตรการแล้ว คณะผู้ศึกษาได้จัดทำ composite index เพื่อแสดงความเข้มข้นของมาตรการควบคุมการระบาดทั้งในระดับจังหวัดและในภาพรวมระดับประเทศ โดยเก็บข้อมูลตั้งแต่วันที่ 1 มีนาคม 2563 จนถึง 31 สิงหาคม 2564

ภาพที่ 1.1 แสดง PSI ซึ่งโดยรวมเคลื่อนไหวสอดคล้องกับ Oxford Stringency Index³ อย่างไรก็ดี ในบางช่วงพบว่าดัชนีทั้งสองมีความแตกต่างกันบ้าง เนื่องจาก Oxford Stringency Index บันทึกพื้นที่การทำมาตรการเพียงสองระดับ (ทั่วประเทศหรือบางส่วน) ขณะที่ PSI จัดทำขึ้นจากข้อมูลรายจังหวัดจึงวัดระดับความเข้มงวดโดยรวมได้ละเอียดกว่า

ความแตกต่างจากประเด็นดังกล่าวจะเห็นได้ชัดเจนในช่วงที่มีการบังคับใช้มาตรการในลักษณะเดิมแต่ในวงกว้างมากขึ้น เช่น ในช่วงวันที่ 6 มกราคม 2564 ที่ ศบค. ประกาศให้หลายจังหวัดยกระดับมาตรการเป็นพื้นที่ควบคุมสูงสุดและเข้มงวด (จังหวัดสีแดง 28 จังหวัด จากเดิม 1 จังหวัด) ทำให้ PSI ปรับเพิ่มขึ้น แต่ Oxford Stringency Index ไม่เปลี่ยนแปลง เนื่องจากยังถือว่าเป็นการใช้มาตรการคุมการระบาดเข้มงวดระดับเดิมและยังเป็นเพียงบางส่วนของประเทศ นอกจากนี้ ความแตกต่างบางส่วนมาจากการประเมินของผู้เก็บข้อมูล เช่น ในช่วงครึ่งหลังของปี 2563 ที่ไทยคุมการระบาดได้ดีจนไม่มีการติดเชื้อในประเทศเลยเกือบตลอดช่วงเวลาดังกล่าว ทำให้หลายจังหวัดผ่อนคลายมาตรการลงไประดับใกล้เคียงปกติ แต่ Oxford Stringency Index สะท้อนว่ายังคงระดับ “แนะนำ” ให้ใช้มาตรการเข้มงวดในทั่วประเทศ ทั้งนี้ หากพิจารณาถึงความสามารถในการอธิบายการเคลื่อนที่ของผู้คน ซึ่งควรจะสอดคล้องกับระดับความเข้มงวดของมาตรการควบคุมการระบาด พบว่า PSI มีความสัมพันธ์กับการเคลื่อนที่ของผู้คน (mobility) สูงกว่า Oxford Stringency Index ในเกือบทุกประเภทจากข้อมูลหลายแหล่ง (ตารางที่ 1.2)

นอกจากนี้ PSI ยังมีรายละเอียดเพิ่มในระดับรายจังหวัด โดยภาพที่ 1.2 แสดง PSI รายจังหวัดที่จัดทำขึ้น สะท้อนความเข้มงวดของมาตรการควบคุมการระบาดที่แตกต่างกันมากในแต่ละช่วงเวลา ทั้งนี้ ระดับความเข้มงวดที่แตกต่างกันในรายจังหวัดนี้สอดคล้องกับสถานการณ์การระบาดในแต่ละจังหวัด ภาพที่ 1.3 แสดงค่าเฉลี่ยของระดับความเข้มงวดของมาตรการรายจังหวัด และจำนวนผู้ติดเชื้อสะสม ในช่วงเดือนธันวาคม 2563 จนถึงสิงหาคม 2564 พบว่าจังหวัดที่มีผู้ติดเชื้อสะสมสูงมีแนวโน้มที่ใช้มาตรการควบคุมการระบาดที่เข้มงวด

ภาพที่ 1.4 แสดงค่าเฉลี่ยจำนวนวันที่มีการใช้มาตรการเข้มงวด (มีคำสั่งห้ามกิจกรรมบางอย่าง ไม่ใช่ระดับแนะนำ) ในแต่ละหมวดตลอดปี 2563 จนถึงสิ้นเดือนสิงหาคม 2564 โดยพบว่ามาตรการที่ถูกนำมาใช้มากที่สุด ได้แก่ มาตรการปิดกิจการผับ บาร์ อาบอบนวดและอินเตอร์เน็ตคาเฟ่ การห้ามจำหน่ายสุราเพื่อดื่มในร้าน การห้ามชุมนุมหรือรวมตัวในระดับเกินกว่า 100 คน ซึ่งอาจเป็นกลุ่มกิจกรรมที่มีความเสี่ยงสูง อีกทั้งการระบาดระลอกที่สามในช่วงต้นเดือนเมษายน 2564 เกิดจากคลัสเตอร์ที่เริ่มต้นจากกิจกรรมกลุ่มนี้

ทั้งนี้ หากแบ่งพื้นที่ออกเป็น 2 กลุ่มคือ จังหวัดเขตเมือง (urban) และ เขตชนบท (rural)⁴ พบว่าโดยส่วนใหญ่แล้วจังหวัดในเขตเมืองมีการใช้มาตรการควบคุมการระบาดเข้มงวดเป็นระยะเวลานานกว่าจังหวัดเขตชนบท และมีลักษณะการใช้มาตรการที่แตกต่างกัน สะท้อนจากจำนวนวันเฉลี่ยที่แตกต่างกัน โดยเฉพาะมาตรการปิดสถานที่สาธารณะ มาตรการปิดศูนย์แสดงสินค้า หอประชุมและสถานที่จัดนิทรรศการ หรือแม้แต่การปิดกิจการและสถานที่ทำงาน ซึ่งนอกจากจะอธิบายด้วยสถานการณ์การระบาดในจังหวัดเขตเมืองที่รุนแรงกว่าแล้ว ส่วนหนึ่งยังมาจากการที่จังหวัดเขตเมืองมีสถานที่หรือกิจกรรมเสี่ยงที่มากกว่า ทำให้ต้องใช้มาตรการคุมการระบาดอย่างระมัดระวังมากกว่า ยกเว้นในกรณีคำสั่งห้ามที่เกี่ยวข้องกับชายแดนที่ส่วนใหญ่เป็นกลุ่มเขตชนบทตามภูมิศาสตร์

การดำเนินมาตรการด้านสาธารณสุขโดยรักษาสมดุลระหว่างการคุมการระบาดและต้นทุนทางสังคมและเศรษฐกิจมีความสำคัญยิ่ง คณะผู้ศึกษาจึงสร้างแบบจำลองที่แสดงความสัมพันธ์ระหว่างสถานการณ์การระบาด กิจกรรมในระบบเศรษฐกิจ และการดำเนินมาตรการ โดยใช้ข้อมูลจำนวนผู้ติดเชื้อใหม่ การเคลื่อนที่ของผู้คนซึ่งเป็นตัวสะท้อนระดับกิจกรรมในระบบเศรษฐกิจ (Facebook Mobility Index)⁵ และมาตรการควบคุมการระบาด (PSI) ทั้งนี้ คณะผู้ศึกษาใช้แบบจำลอง Vector Autoregressive (VAR) ในการศึกษา เนื่องจากตัวแปรข้างต้นมีความสัมพันธ์ระหว่างกันได้ทั้งสองทาง กล่าวคือหากคนออกจากบ้านมากขึ้นอาจทำให้ไวรัสกระจายได้ง่ายขึ้นและเพิ่มผู้ติดเชื้อรายใหม่ (Chernozhukov et al., 2021) แต่ในทางกลับกัน การเพิ่มขึ้นของจำนวนผู้ติดเชื้อรายใหม่ ก็อาจส่งผลให้ผู้คนเลือกที่จะไม่ออกจากบ้านเพราะโอกาสในการติดเชื้อเพิ่มสูงขึ้น (Boone and Ladreit, 2021)

ผลการศึกษาที่ได้จากแบบจำลองสอดคล้องกับลักษณะทางการระบาดวิทยาของ COVID-19 และพฤติกรรมของผู้คน กล่าวคือ การเพิ่มขึ้นของจำนวนผู้ติดเชื้อ (1 SD of new case) ส่งผลให้ mobility ลดลงอย่างมีนัยสำคัญ และมีผลเพิ่มขึ้นเรื่อย ๆ เมื่อเวลาผ่านไป (ภาพที่ 2.1 ซ้าย) สะท้อนลักษณะของการระบาดที่แต่ละระลอกจะกินเวลานานก่อนที่ระดับ mobility จะฟื้นกลับขึ้นมา ขณะที่การเพิ่มขึ้นของ mobility เอง ( 1 SD of mobility) ส่งผลให้ผู้ติดเชื้อสูงขึ้นหลังจากผ่านไปแล้วประมาณ 2 สัปดาห์ (ภาพที่ 2.2 ซ้าย) ซึ่งอาจอธิบายได้ด้วยระยะเวลาการติดเชื้อและแสดงอาการของไวรัสที่ใช้เวลาราว 14 วันขึ้นไป

สำหรับประสิทธิผลของมาตรการคุมการระบาด การยกระดับมาตรการคุมการระบาดให้เข้มงวดขึ้น (1 SD of PSI) มีประสิทธิผลในการลดผู้ติดเชื้อใหม่ (ภาพที่ 2.2 ขวา) โดยจะมีผลอย่างมีนัยสำคัญเมื่อเวลาผ่านไปประมาณ 3 สัปดาห์ นอกจากนี้ การยกระดับมาตรการคุมการระบาดยังมีผลทำให้ mobility ลดลงอย่างมีนัยสำคัญในช่วง 2 สัปดาห์แรกหลังการยกระดับมาตรการ (ภาพที่ 2.1 ขวา) ผลการศึกษาดังกล่าวสอดรับกับแนวคิดของการทำมาตรการคุมการระบาดที่ต้อง trade-off ระหว่างการคุมการระบาดกับการเคลื่อนที่ของผู้คนและกิจกรรมทางเศรษฐกิจ

ข้อมูล PSI สามารถนำมาใช้ประโยชน์ในแง่ของการวิเคราะห์ประสิทธิผลของการบังคับใช้มาตรการรูปแบบต่าง ๆ ได้ ผ่านการสร้างแบบจำลองทางเศรษฐมิติที่ประเมินระดับการเคลื่อนที่ของคนที่ลดลงจากการทำมาตรการควบคุมการระบาดในหลาย ๆ แบบ เช่นเดียวกับงานศึกษาของ Égert et al. (2020) และ Boone and Ladreit (2021)⁶ โดยในงานศึกษานี้ คณะผู้ศึกษาใช้ตัวแปรหุ่นแสดงเหตุการณ์ที่มีการทำมาตรการคุมการระบาดเข้มงวดในแต่ละหมวดดังที่ได้แสดงในภาพที่ 1.4 มาใช้ในการอธิบายระดับ mobility ในแต่ละจังหวัดด้วยวิธี fixed effects panel regression ทั้งนี้ คณะผู้ศึกษาประเมินประสิทธิผลของมาตรการคุมการระบาดโดยแบ่งกลุ่มตัวอย่างเพิ่มเติมออกเป็นจังหวัดเขตเมือง (urban) และจังหวัดเขตชนบท (rural) เพื่อศึกษาผลของมาตรการที่อาจแตกต่างกันในพื้นที่ดังกล่าว โดยผลการประมาณค่าแสดงในตารางที่ A.3 ของภาคผนวก

เมื่อเรียงลำดับมาตรการตามผลกระทบต่อกิจกรรมทางเศรษฐกิจที่วัดจากอัตราการเปลี่ยนแปลงของ mobility ดังภาพที่ 2.3 พบว่าในภาพรวมทั้งประเทศ (ภาพที่ 2.3.A) มาตรการประเภทห้ามกิจกรรมกลางคืน (เคอร์ฟิว งดจำหน่ายเครื่องดื่มแอลกอฮอล์ และปิดสถานบันเทิง) เป็นมาตรการที่มีประสิทธิผลในการลด mobility มากที่สุด ซึ่งคณะผู้ศึกษามีข้อสังเกตว่าเป็นมาตรการที่ถูกนำมาใช้มากที่สุดเช่นกัน ขณะที่มาตรการที่มีผลน้อยที่สุดคือมาตรการประเภทห้ามเดินทางข้ามจังหวัด ซึ่งคาดว่าเนื่องจากเป็นมาตรการที่หลายจังหวัดบังคับใช้แทบตลอดเวลา ประกอบกับเน้นควบคุมเฉพาะผู้ที่เดินทางเข้า-ออกจังหวัด จึงอาจมีประสิทธิผลในการลด mobility ไม่มากนัก

อย่างไรก็ตาม หากพิจารณาเปรียบเทียบกันระหว่างพื้นที่ในเขตเมือง (ภาพที่ 2.3.B) และพื้นที่ในเขตชนบท (ภาพที่ 2.3.C) พบว่ามีความแตกต่างกันมาก โดยคณะผู้ศึกษามีข้อสังเกตในสองประเด็นคือ

1. ประสิทธิผลของมาตรการปิดโรงเรียนในการลด mobility ในพื้นที่เขตเมืองสูงกว่าพื้นที่เขตชนบทเกือบเท่าตัว
2. มาตรการปิดห้างสรรพสินค้ามีประสิทธิผลมากในการลด mobility ในพื้นที่เขตเมือง แต่กลับมีผลในการเพิ่ม mobility ในพื้นที่เขตชนบท ซึ่งคาดว่ามาจากพฤติกรรมของผู้คนที่แตกต่างกันในทั้งสองพื้นที่

การดำเนินมาตรการควบคุมการระบาดเป็นโจทย์ที่ท้าทายสำหรับผู้ทำนโยบายในการรักษาสมดุลระหว่างการคุมการระบาดและต้นทุนทางเศรษฐกิจและสังคม บทความนี้นำเสนอดัชนีมาตรการควบคุมการระบาดในไทยรายจังหวัด ซึ่งจะช่วยเป็นข้อมูลแก่หน่วยงานและผู้ดำเนินนโยบายในการติดตามและวิเคราะห์มาตรการควบคุมการระบาดในไทยอย่างเป็นระบบ และคณะผู้ศึกษาได้นำเสนอตัวอย่างการนำข้อมูลไปใช้ในการวิเคราะห์และสร้างแบบจำลองเพื่อช่วยในการประเมินประสิทธิผลของมาตรการควบคุมการระบาด โดยพบว่ามาตรการจำกัดการระบาดของ COVID-19 แต่ละรูปแบบส่งผลกระทบต่อการดำเนินกิจกรรมทางเศรษฐกิจต่างกัน ประกอบกับขนาดของผลกระทบยังขึ้นอยู่กับพื้นที่ที่บังคับใช้มาตรการนั้น ๆ ด้วย ดังนั้น ความท้าทายของผู้ออกมาตรการจึงอยู่ที่การเลือกรูปแบบของมาตรการที่เหมาะสมต่อการดำเนินกิจกรรมของประชาชนในพื้นที่ และการบังคับใช้มาตรการภายในระยะเวลาที่เหมาะสม เพื่อลดทอนผลกระทบด้านลบต่อเศรษฐกิจโดยรวม รวมถึงการออกแบบมาตรการช่วยเหลือเยียวยาทั้งภาคธุรกิจและแรงงานที่เกี่ยวข้องให้ตรงจุดทั้งในด้านของมิติสาขาธุรกิจและพื้นที่

Boone, Laurence, and Ladreit Colombe. 2021. Fear of COVID-19 and Non-pharmaceutical Interventions: An Analysis of Their Econommic Impact among 29 Advanced OECD Countries. CEPR Press.

Conteduca, Francesco Paolo. 2021. "Measuring COVID-19 reistriction in Italy during second-wave." COVID-19 Note (Bank of Italy).

Chernozhukov, V., Kasahara, H., & Schrimpf, P. (2021). Causal impact of masks, policies, behavior on early covid-19 pandemic in the U.S. Journal of Econometrics, 220(1), 23–62.

Doti, James L. 2021. "Benefit-cost analysis of COVID-19 policy intervention at the state and national level." Covid Economics (67): 94–127.

Égert, Balázs, Yvan Guillemette, Fabrice Murtin, and David Turner. 2020. Walking The Tightrope: Avoiding A Lockdown While Containing The Virus. Working Papers No.1633, OECD Economics Department.

Facebook Movement range maps. Facebook Data for Good. Link

Gross, Danial, Alexandre Ounnas, and Tomothy Yu-Cheong Yeung. 2021. "A new Covid policy stringency index for Europe." Covid Economics (66): 115–137.

Mobility trends reports. Apple and CDC. Link

Thomas Hale, Noam Angrist, Rafael Goldszmidt, Beatriz Kira, Anna Petherick, Toby Phillips, Samuel Webster, Emily Cameron-Blake, Laura Hallas, Saptarshi Majumdar, and Helen Tatlow. (2021). “A global panel database of pandemic policies (Oxford COVID-19 Government Response Tracker).” Nature Human Behaviour. https://doi.org/10.1038/s41562-021-01079-8

Zhang, Yuxi, Thomas Hale, Andrew Wood, Toby Phillips, Anna Petherick, Martina Di Folco, Ke Meng, and Tianren Ge. 2021. "Chinese provincial government responses to COVID-19." BSG Working Papaer Seires. www.bsg.ox.ac.uk/covidtracker.

รวบรวมคำสั่งจังหวัดเกี่ยวกับสถานการณ์ COVID-19 โดย กระทรวงมหาดไทย

คณะผู้วิจัยใช้ระเบียบวิธีวิจัยในการวัดตาม Hale et al. (2021) โดยใช้ชุดคำถามเกี่ยวกับการทำมาตรการควบคุมการระบาดในแต่ละพื้นที่ และวัดระดับความเข้มงวดในแต่ละด้านออกมาเป็นเชิงลำดับอย่างง่าย (ordinal scale) ตามชุดคำถามในตาราง A.1 ทั้งนี้ การเก็บข้อมูลเป็นลักษณะของการรวบรวมคำสั่ง และประเมินระดับความเข้มงวดโดยใช้ดุลพินิจของ Staff จากสายนโยบายการเงินที่อยู่ทั้งในส่วนกลางและภูมิภาค

ข้อมูลระดับความเข้มงวดของมาตรการควบคุมการระบาดรายจังหวัดในไทย ความถี่รายวัน ตั้งแต่วันที่ 1 มีนาคม 2563 – 31 สิงหาคม 2564

• ข้อมูลการแบ่งพื้นที่จังหวัดตามระดับความเสี่ยง 5 ระดับ (5 ระดับ: เฝ้าระวัง เฝ้าระวังสูง ควบคุม ควบคุมสูงสุด ควบคุมสูงสุดและเข้มงวด) และแนวทางมาตรการควบคุมการระบาดตามการแบ่งพื้นที่เสี่ยงของ ศบค. รวบรวมจากประกาศราชกิจจานุเบกษาในเรื่องการแบ่งพื้นที่จังหวัดตามระดับความเสี่ยง จากราชกิจจานุเบกษา
• ข้อมูลมาตรการควบคุมการระบาดจากประกาศคำสั่งรายจังหวัด รวบรวมโดยกระทรวงมหาดไทย

ข้อมูลมาตรการควบคุมการระบาดที่เผยแพร่และใช้ในงานศึกษานี้ จะยึดตามคำสั่งจังหวัดเป็นสำคัญ และได้มีการปรับปรุงในสองประเด็นคือ

• การปรับปรุงให้สอดคล้องกับมาตรการควบคุมการระบาดตามการแบ่งพื้นที่เสี่ยงของ ศบค. เนื่องจากแนวทางการดำเนินมาตรการของ ศบค. ระบุไว้อย่างชัดเจนว่า ให้แต่ละจังหวัดพิจารณาดำเนินมาตรการเพิ่มเติมได้เอง โดยไม่ขัดหรือผ่อนปรนไปกว่าแนวทางมาตรการของ ศบค. ดังนั้น การบันทึกมาตรการรายจังหวัดที่ไม่พบคำสั่งที่เกี่ยวข้อง หรือพบคำสั่งแต่อาจผ่อนคลายกว่าแนวทางมาตรการของ ศบค. จะถูกบันทึกให้เข้มงวดเท่ากับแนวทางมาตรการของ ศบค.
• การผ่อนคลายมาตรการ เนื่องจากแหล่งข้อมูลมาตรการควบคุมการระบาดจากคำสั่งจังหวัดมักจะไม่พบคำสั่งในการผ่อนคลายหรือยกเลิกมาตรการ ดังนั้นจึงต้องใช้ข้อมูลแนวทางมาตรการของ ศบค. แทนในช่วงที่มีการผ่อนคลายมาตรการ

คณะผู้วิจัยได้จัดทำดัชนีรวมในระดับจังหวัดและประเทศ เพื่อให้สามารถตีความและเปรียบเทียบภาพรวมการทำมาตรการได้โดยง่าย ตามวิธีการคำนวณของ Hale et al. (2021) ดังนี้

1. สร้างดัชนีหมวดย่อยของแต่ละจังหวัด (subindex) โดยการเป็นการปรับข้อมูล ordinal scale ให้อยู่ในช่วง 0 (ไม่มีมาตรการ) ถึง 100 (มาตรการเข้มงวดสูงสุด)
2. สร้างดัชนีรายพื้นที่ในแต่ละช่วงเวลา โดยการหาค่าเฉลี่ยจากดัชนีหมวดย่อยของพื้นที่
3. สร้างดัชนีของประเทศโดยการใช้ดัชนีรวมรายพื้นที่ถ่วงน้ำหนักด้วยมูลค่าผลิตภัณฑ์มวลรวมรายจังหวัด

ทั้งนี้ เนื่องจากคณะผู้ศึกษาได้ทำการเก็บข้อมูลอย่างละเอียดในหมวดการปิดกิจการ ทำให้ดัชนีโดยรวมจะเคลื่อนไหวสอดคล้องกับหมวดดังกล่าว จึงควรระมัดระวังในการตีความดัชนีโดยรวมโดยคณะผู้ศึกษาแนะนำให้ใช้ข้อมูลในรายมาตรการมากกว่าดัชนีรวม นอกจากนี้ มีตัวอย่างงานศึกษาที่ให้น้ำหนักของมาตรการรายหมวดที่แตกต่างกัน ซึ่งขึ้นอยู่กับลักษณะเฉพาะตัวของแต่ละประเทศหรือพื้นที่ (Gross, Ounnas, and Yeung, 2021)