近日，由西南财经大学统计研究中心兰伟教授与其在读博士生张冬雪、南开大学冯龙教授、香港理工大学吴宇佳博士后、中国人民大学周静副教授合作完成的论文“Temporal network influence model with application to the COVID-19 population flow network”被统计学国际顶级学术期刊《Annals of Applied Statistics》正式接收。
 
内容简介
    自新冠疫情爆发以来，COVID-19迅速在全球范围内传播，成为对公共卫生构成重大威胁的突发事件。既有经验表明，受潜伏期影响，当期人口流动并不会立即影响当期新增确诊病例的数量，但滞后的人口流动却可能对后续病例数量产生显著影响。此外，不同时间滞后的人口流动网络在疫情传播过程中可能具有异质性的动态影响。然而，大多数现有研究仅关注网络的静态效应，忽视了网络传播机制所具有的动态特征。为系统评估人口流动网络的动态传播效应，本文提出一种新颖的时间网络影响模型（Temporal Network Influence, TNIF）。该模型从COVID-19的三种传播机制出发——跨城市传播、城市内部传播与扩散式传播，构建动态结构，分别引入三个时间变化的参数以度量对应的传播影响。为估计上述影响参数，本文构建了拟最大似然估计量（quasi-maximum likelihood estimator），并建立了其理论性质。在跨城市传播影响参数方面，我们进一步提出了两种最大型检验统计量（max-type test statistics），用于分别检验该参数的同质性与结构变点，并推导其渐近分布。此外，为选择城市内部传播与扩散式传播影响参数的最优滞后阶数，本文设计了基于贝叶斯信息准则（BIC）的模型选择方法。通过模拟研究验证了TNIF模型的有效性。最后，我们将该模型应用于对2020年1月20日至2020年4月23日期间，来自中国283个城市的COVID-19疫情数据进行实证分析。实证结果显示：前一期与前两期的人口流动网络对当前时期的病例数具有显著的正向影响，而更早时期（三期及更早）的网络对当期疫情发展不再具有统计显著性。这一发现进一步支持了当时实施的“两周封锁”政策的合理性，表明该措施在较低代价下有效减缓了COVID-19的传播速度。

作者简介
张冬雪，西南财经大学统计与数据科学学院在读博士生，研究领域包括社交网络数据分析、网络相关性建模。
冯龙，南开大学统计与数据科学学院教授，研究领域包括高维数据分析、计量经济学、高频数据分析、变点检测等。
吴宇佳，香港理工大学数据科学与人工智能系博士后，研究领域包括大型网络数据分析、高维数据分析与建模。
兰伟，西南财经大学统计与数据科学学院教授，研究领域包括高维数据分析与建模、大型社交网络数据分析、风险管理和投资组合优化、消费金融反欺诈等。
周静（通讯作者），中国人民大学统计学院副教授，研究领域包括医学图像分析、AI辅助肺癌诊断，医疗大数据分析等。