共形化物理信息弱回归能估计流行病参数吗？

导数估计是物理信息回归的薄弱环节

房室模型把一场流行病描述为一组常微分方程，传播、康复和转移对应的系数正是流行病学家想知道的量。许多这类模型的右端对一个系数向量是线性的，向量中的每一项是物理参数或参数的乘积，因此系数可以用普通最小二乘解出，再通过一个显式映射还原物理参数。物理信息回归（PIR）正是利用这一点：它从数据估计各状态的时间导数，在数据点上计算模型库，然后解一个最小二乘问题。

问题出在导数估计上。有限差分放大了测量噪声，其截断误差又取决于采样间隔。论文直接展示了后果：在无噪声的 COVID-19 基准上，二阶有限差分留下 0.76–0.95% 的误差，这正是 5.05 天网格上的截断误差，而六阶差分可降到 0.002–0.003%。在麻疹基准上，疫情在约 0.3 年内结束，在 0.2 年的采样间隔下，没有任何有限差分估计器优于 33%。

PIWR 去掉了这一依赖。它不对数据求导，而是对模型做时间积分，因此拟合利用的是轨迹下方的面积，而不是斜率。它不需要数据的导数，把初始状态与参数一起估计，并用三次样条求积达到高阶精度。实际含义是粗采样或噪声采样造成的损失更小：在相同间隔下，麻疹的 PIWR 误差为 9.4%，把间隔减半两次后降到 10⁻³%。

采样能分辨动力学时精度优势成立

主要比较使用疾病信息神经网络（DINN）的 11 个基准模型，按原始初始条件、时间网格和参数值重新生成数据，分别在零噪声和 1% 噪声下测试。在 22 个模型/噪声设置中，PIWR 在 15 个里是最准确的估计器，其余 7 个由六阶有限差分的 PIR 胜出。在采样能分辨动力学的场合，对 COVID-19、埃博拉、登革热、肺炎、脊髓灰质炎和结核病，PIWR 或 PIR-FD6 把已报告的 DINN 误差改善了一到四个数量级，对 HIV 和寨卡则与之相当。

有两个基准在 DINN 的采样下仍无法处理。炭疽的疫情只有几天，却每 40 天采样一次，所有估计器的中位误差都在 7–85%。寨卡则是 PIWR 在调参抽样上选出的行缩放对文献情形并非最优，无噪声时误差为 6.3%，而 PIR-FD6 为 0.19%。无噪声时，天花和麻疹也不如已报告的 DINN 值（6.9% 对 5.1%，9.4% 对 3.4%）。

论文明确指出，与 DINN 的比较并非同条件对比。Shaier 等人把每个参数限制在文献值附近通常 ±1–10% 的搜索范围内，这在构造上就限定了误差上限，并且报告了一些并不出现在方程中、或无法与其他参数分离的参数的估计值。PIR 和 PIWR 则在 ±50% 的范围内搜索，最小二乘结构会把不可辨识性暴露为模型库中的共线列，而不是把它掩盖起来。

共形区间来自模型自己模拟的流行病

点估计只是答案的一半，因为测量噪声、变量含误差偏差和模型失配都会传入系数，而从系数到参数的映射还可能通过比值进一步放大这些误差。论文用分裂共形预测来量化这一点：这是一种无分布假设的方法，把校准总体转化为具有有限样本覆盖保证的区间。不寻常之处在于校准总体的来源：由基于物理的模型自己生成模拟流行病，参数从文献值周围的 ±50% 范围内抽取，按相同时间网格采样，加入相同的测量噪声，再送入同一个估计器。

得到的区间对所有参数同时成立，而不是逐个参数的边际区间。在 DINN 基准上，90% 区间在全部 88 个设置中取得 87–92% 的实测覆盖率，测量基于 2,000 个独立测试问题。残差自适应因子 PIWR-RACC 用一个不需要真实参数的量把区间缩放到每个数据集：估计分辨得好时收窄，分辨得差时放宽，且不损失覆盖率。

这一保证有明确的适用范围。它是对校准总体的边际保证，并假设模型正确，因此模型设定错误、或测试情形远离先验范围时并不被覆盖。对某个固定参数向量在噪声实现上的覆盖率，是一个该方法不控制的条件量：对 PIR-FD6，除一个模型外，这一条件覆盖率在 96–100%；对 PIWR 则为 86–100%。

14 个真实数据点上，系数约束决定答案

真实数据测试用的是 1978 年寄宿学校流感暴发，只有 14 天的卧床男生人数。这里把 SIR 模型写成只观测感染者 compartment 的形式，三个系数满足一个自由拟合会忽略的约束。样本如此之少，拟合两个参数而不是三个自由系数就很关键：有限差分和自由系数 PIWR 估计的覆盖率虽然达到 95–96%，却毫无用处，因为它们的区间包含负的速率，中位测试误差对 PIR-FD2 为 55%，对 PIWR 为 33%。

变量投影变体 PIWR-VP 施加该约束，把中位测试误差降到 7.6%，区间收窄 5–12 倍。加入自适应因子后，其 95% 同时区间为 β ∈ [1.15, 2.47]、γ ∈ [0.39, 0.52] 和 R₀ ∈ [2.97, 4.96]，在五次校准/测试划分上的平均覆盖率为 94.4%。这些区间包含 β 和 R₀ 的 Stan 后验均值，γ 区间与贝叶斯可信区间重叠，不过估计值 γ = 0.46 低于后验均值 0.54。

论文把这一差距归因于加权方式，而不是弱形式：把模拟的 SIR 轨迹对计数做输出误差最小二乘拟合，同样得到 γ = 0.44，所以差异来自 Stan 中的负二项似然和先验，而这里用的是最小二乘。可信区间更窄，尤其是 β，但它们以模型、先验和似然为条件，且是逐参数的边际区间；共形区间则是同时区间，覆盖率保证针对校准总体。

固定参数只有在不确定性进入校准时才有帮助

从其他来源已知的参数可以从待估向量中移出，固定在名义值上，论文在七房室的 S3I3R 模型上检验了这样做的收益。三个康复率完全已知时，φ₁ 和 φ₂ 的区间从 ±34% 和 ±33% 缩小到 ±1.6%，缩小了二十倍，β 的区间从 ±1.8% 缩小到 ±0.7%。先验知识会收窄它所解耦的那些参数的区间。

这一知识的精度决定固定是否值得。若只知道到 ±5% 或 ±20%，康复率仍能收窄 φ₁ 和 φ₂（到 ±9% 和 ±19%），但会放宽 β 和 θ——在所有速率都待估时数据能很好地确定它们（±1.8% 和 ±2.4%）——在 ±5% 时放宽到 ±4.1% 和 ±17%，在 ±20% 时放宽到 ±8% 和 ±33%。固定一个精度不如数据本身所能确定的参数，比估计它更糟。

校准总体还必须反映先验实际有多准。按完全已知来校准，区间覆盖了 90.9% 的康复率为名义值的测试流行病，但当这些速率偏离达 ±20% 时只覆盖 2.4%：这是围绕有偏估计的窄区间。按 ±5% 校准，在这些测试流行病上覆盖 59%（PIWR-RACC 为 74%），按 ±20% 校准则达到 89.9%，即目标值。当速率实际上就是名义值时，更宽的校准偏保守，覆盖率为 100%。

时变传播率仍是线性问题

该框架不限于常数参数。把时变传播率 β(t) 用 B 样条展开，模型对系数仍保持线性，再加一个平滑惩罚，估计就变成一次带惩罚的最小二乘求解。在 Millevoi 等人的基准上，PIR 和 PIWR 在四种情形中的三种比物理信息神经网络更准确，在噪声最大的情形至少与之相当，并给出 β(t) 和 Rₜ 的同时区间带。

噪声最大的情形显示区间按预期工作。在 120 天里每个计数都有 40% 误差时，区间带很宽且信息量有限，以 Rₜ 为单位，半宽分别为 1.7（PIR-FD6）和 4.6（PIWR），正确反映了数据无法更精确地确定 Rₜ。论文将其与 Millevoi 等人的 PINN 区间带对比：后者是多次训练运行的一个标准差，衡量的是单个数据集上优化的波动，而不是数据带来的不确定性。

计算成本始终很小。单次 PIR 拟合耗时 0.14–0.5 ms，PIWR 拟合耗时 0.5–1.6 ms；一个模型的完整共形流程，包括调参、校准和测试四个估计器与两个噪声水平，耗时 19–108 s，主要花在模拟约 3·10⁴ 个校准和测试流行病上。已报告的 DINN 训练时间在不同硬件上从 20 分钟到 91 小时不等，论文称这一比较仅供参考，但差距并非硬件问题。

采样粗或噪声大时优先用 PIWR

论文自己的优先级排序从基准划分中清晰可见。PIWR 在 22 个模型/噪声设置中胜出 15 个，PIR-FD6 胜出其余 7 个，而且这一模式并非随机：PIWR 的优势在有限差分放大小房室噪声的地方最大，例如肺炎（11% 对 13–57%）、埃博拉（25% 对 37–40%）、麻疹（28% 对 84–88%）和 HIV（22% 对 35–51%）。在细网格上，六阶有限差分估计器可能反超，但对 COVID-19 而言，网格要比 DINN 网格细八倍才行。

有两个条件限定这一建议。采样的状态必须能分辨动力学，炭疽在 40 天间隔下就不满足；承载参数的模型库项不能被最大房室的噪声淹没，这限制了埃博拉中的某些传播率。变量含误差偏差也仍然存在：两种方法都在含噪样本上计算模型库，弱形式平均掉了随机部分，但没有消除偏差；在 1% 噪声下偏差很小，但在稀疏、含噪的计数下会占主导。共形校准把这一偏差包含在内，因此覆盖率得以保留，代价是区间更宽。

论文支持的实用门槛在于数据，而不在模型类别。当采样能分辨疫情、且系数约束可以施加时，配合变量投影的 PIWR 能在毫秒内给出经过校准的同时区间，正如寄宿学校数据中自由拟合的区间包含负速率那样。当计数稀疏且含噪时，基于似然的拟合仍比最小二乘更有效，论文也指出，与基于似然或贝叶斯的推断比较仍有价值，可作为验证手段，而不是被取代。

本文引用的文献