摘要
新型冠状病毒肺炎是一种急性呼吸道传染病，简称新冠肺炎(Corona Virus Disease2019，COVID-19)，自爆发以来给社会、经济等各方面带来了巨大的冲击和破坏。在COVID-19的发展中，描述疫情的时空传播特征，探讨疫情传播的影响因素，在数据驱动下预测疫情的可能发展趋势，评估防疫措施的有效性具有重要的现实意义，能够为传染病的预防和控制提供一定的决策依据。 首先，本研究基于时空统计分析法测度了我国COVID-19的时空传播特征。由Moran'I指数表明我国COVID-19的传播具有正空间自相关性;基于时间趋势回归分析发现:我国的疫情主要集中于2020年1月底-2月底;基于时空扫描统计结果发现:我国C OVID-19的高危区域主要是湖北省、浙江省、河南省和山东省。 其次，考虑人口流动、社会经济及气象环境等方面的影响，以16个指标作为研究对象，基于Pearson系数法和GAM模型，分析了各影响因素与COVID-19之间的作用关系和大小，经过筛选和排除，发现平均气温、空间地理距离、日照时数、累计降水量、平均相对湿度和居民消费价格指数具有统计学意义，因此，进一步探讨主要影响因素对COVID-19的作用机制。 从空间视角出发，基于截面数据和面板数据类型，分别构建空间计量回归模型，通过数据驱动下的统计建模分析，发现平均气温对我国新增确诊病例数具有较大影响;且随着距湖北省省会武汉市地理距离的增大，其地区的疫情趋于缓和。从时间序列的角度出发，以中国COVID-19的数据为经验，通过拟合预测，验证了时间序列模型的有效性，进一步，采用SARIMA模型对巴西、印度、美国和意大利的疫情趋势进行了模拟预测。 最后，采用基于传染病机理的动力学模型，预测和分析了中国湖北省的疫情发展趋势，主要包括SIR模型、SEIR模型和改进的SEIR模型。进一步，通过计算传染病的基本再生数，衡量了湖北省COVID-19的传播速度，评估了疫情的风险程度。 本研究具有一定的应用价值和背景，能够为以后的疫情防控提供科学依据。
NETL