日本 COVID-19 感染预测：状态空间建模方法
应用统计
2020-04-29 v1
摘要
日本新型冠状病毒肺炎（COVID-19）确诊病例数逐日增加，尤其在 2020 年 4 月 7 日宣布紧急状态后对社会造成了严重影响。本研究采用基于状态空间模型并结合著名的易感-暴露-感染（SIR）模型的精细统计建模工具，对 2020 年 3 月 1 日至 4 月 22 日的实时数据进行分析。模型估计与预测使用贝叶斯方法完成。本研究给出了由 SIR 模型导出的关键决定疫情进程的未知参数的估计值，并预测了感染比例的未来演变，包括疫情峰值的规模与时机以及自然考虑不确定性的预测区间。多种情景下的预测结果表明，在计划于 5 月 6 日解除紧急状态前对感染率的暂时降低仅会略微推迟疫情峰值。为最小化疫情扩散，强烈建议将干预措施延长实施，且政府与个人应在解除后长期努力降低感染率。
引用
@article{arxiv.2004.13483,
title = {Predicting Infection of COVID-19 in Japan: State Space Modeling Approach},
author = {Genya Kobayashi and Shonosuke Sugasawa and Hiromasa Tamae and Takayuki Ozu},
journal= {arXiv preprint arXiv:2004.13483},
year = {2020}
}
备注
12 pages (main part) + 9 pages (supplement)