以潜伏期为单位预测新冠肺炎疫情（8月25日）

前文^[2]对于比率与病例数量的回归分析结果可靠性较高——相关系数的绝对值大于0.98，相当接近1，比之前文章^{[3] [4]}的回归分析结果（相关系数分别为0.84和0.80）明显高一些。同时，根据分析结果计算得到的预测结果也与现实非常接近：偏低不到1%，与之前的文章^[3][4]相比（分别偏高12%和1.5%）偏差明显变小。虽然现实喜欢与人开玩笑，但在这次预测中却没有，笔者现在更困惑了：到底什么情况下预测的准确性才比较高呢？

本文中笔者研究的是比率与病例数量的关系：采用一天后的比率会导致波动过大，规律很不明显；应该综合考虑多天的数据，但如果考虑5天或7天等天数后的比率现实意义又不明确；目前公认的新冠肺炎潜伏期为14天，对于某一天来说，知道了当天和14天以后的病例数量，就可以计算出一个潜伏期后的比率。为了使研究具有一定的现实意义，笔者决定选最后一种方法，计算结果如表2：

同样为了研究的现实意义考虑，笔者在分析比率与新冠肺炎病例数量的关系时会考虑一个潜伏期14天的情况。

同样为了研究的现实意义考虑，笔者在分析比率与新冠肺炎病例数量的关系时会考虑一个潜伏期14天的情况。

设一个潜伏期后的比率y与当天确诊病例x间的关系为y=A+Bx，根据表2，首先对8月12-25日的确诊病例（n0）与一个潜伏期后的比率（n14/n0）进行简单线性回归分析，结果是：A=1.410071=141.0071%，B=-1.159215×10^-8（相当于每增加一百万病例比率直接减去1.16%，降速较快），相关系数r= -0.998530，相关系数平方为0.997061。凭感觉也能发现：疫情发展速度明显放缓。