一种优化的Logistic模型的流行病分类方法

安传波，刘宇航，周子欣，朱家明

一种优化的Logistic模型的流行病分类方法

安传波，刘宇航，周子欣，朱家明

（安徽财经大学 统计与应用数学学院，安徽 蚌埠 233030）

对流行病的分类进行定量约束，为了确定某感染病是否为大流行病，分别搜集了以H1N1为代表的“大流行病”重灾区样本和以SARS为代表的“流行病”重灾区样本，并定义每次流行病的“重灾区”。其次分别选取感染率、病死率、医疗条件、人口密度等指标作为解释变量建立二分类Logistic模型，通过得到的被解释变量的预测值（即该病是否为大流行病的概率）来判断该病是否为大流行病。最后，由于疾病流行性问题的复杂性，在模型中依次引入平方项重新回归，通过定义不同的训练集和测试集，得到最优的回归方程，最终得到将病死率的平方项引入回归模型中，模型分类的准确率更高。

分类Logistic模型；重灾区；训练组；测试组；病死率

定义某个传染病是否为大流行病，对国家的宏观调动、疾病的防控、减少疫情带来的损失具有重大意义。在冠状病毒引发的病毒性肺炎（COVID-19）爆发之前，世卫组织只在2009年的H1N1流感爆发期间，宣布该传染病为大流行病。WHO表示：“大流行病（Pandemic）”是指某疾病的发病蔓延迅速，涉及地域广，人口比例大，在短时间内可以越过省界国界甚至洲界形成世界性流行。本文分别对H1N1（大流行病）和MERS、SARS（流行病）爆发期间“重灾区”的相关指标数据进行采样，构造出模型的数据源，以该病是否为大流行病为因变量（二分类）进行逻……