复杂性科学对新冠肺炎传播规律的研究内容主要包括提出符合新冠肺炎传播规律的模型来预测疫情发展;利用数据研究人口流动性、公共健康干预政策等因素对新冠肺炎传播的影响;研究新冠肺炎流行期间经济、公民情绪等指标的变化等方面。本文利用统计物理方法分析了相关数据得到不同国家新冠肺炎传播规律及新冠肺炎传播的影响因素。首先,论文介绍国内外新冠肺炎传播的最新研究成果。接着,从新增确诊人数和增长率、政府干预力度、人口流动性三方面对比分析美国与欧洲部分国家新冠肺炎的传播规律。研究发现:从每日新增确诊人数和增长率变化来看,美国的新增确诊病例基数大且一直处增长状态,无明显的下降趋势;从各国采取措施变化情况来看,疫情前期美国死亡人数增长最快但政府采取措施力度最小且持续时间长,在中期虽政府措施力度提升,但与欧洲国家相比仍较低;从人口流动性方面来看,在疫情期间,美国居民的居家时间并未大幅度提升且对公共场所的访问频率也比其他国家高,这说明人口流动性大可能是造成疫情严重的重要原因之一。为进一步寻找影响新冠肺炎传播的因素,首先对美国各州的死亡人数和平均社交距离指标数据使用层级聚类方法聚类分析,研究发现加利福尼亚州、德克萨斯州、新泽西州、佛罗里达州、纽约州的疫情比较严重。然后计算不同指标数据与确诊人数的斯皮尔曼相关系数,研究发现人口密度、平均社交距离和非裔美国人口所占比例与其均有较强的相关性。最后利用混沌理论计算李雅普诺夫指数,发现正Lyapunov指数的存在,这表明系统具有混沌特征且对初始条件敏感。本文以新冠肺炎的传播为例研究流行病的统计规律,并探究美国与其他国家新冠肺炎传播特征的异同,这对政府制定应急措施具有指导作用,对各国疫情防控具有借鉴意义。