姓名: 王惠文
电话:010-82338143
Email: wanghw@vip.sina.com
职称: 教授
教师个人主页

————————————————

【主要经历】

王惠文,1974年毕业于江西省南昌县莲塘一中,1974年至1977年在莲塘一中任教师,1977年至1978年为江西省造纸厂化验室人工人。1982年于北京航空航天大学应用数学专业获学士学位,1989年于法国巴黎多芬大学(Paris XI)决策数学系获硕士学位(DEA MASE),1992年于北航获管理工程专业工学博士学位。

现任北京航空航天大学经济管理学院学术委员会主任,教授(博士生导师),“城市运行应急保障模拟技术北京市重点实验室”主任,“创新经济和智慧管理北京市实验教学示范中心”主任,北航复杂数据分析研究中心主任;国家杰出青年科学基金获得者,享受国务院政府特殊津贴;并任第十、第十一、第十二届北京市政协常委,第十一、第十二届北京市政协提案委员会副主任。现为国际统计学会会员、国际统计计算学会会员、中国统计教育学会常务理事、全国统计教材编审委员会委员、中国管理现代化研究会常务理事、中国大数据专家委员会委员,国家自然科学基金委员会学科评审组成员。曾在法国高等商业学院、法国国立工艺学院、法国国家自动化信息研究所、香港大学任客座教授和访问学者。

【讲授课程】

应用统计学(本科生)

数量分析与管理决策(EMBA)

管理统计(MBA)

管理科学与工程学科综合课(博士生)

【研究领域】

经济管理中复杂数据统计分析的理论、方法与应用研究

【科研经历】

主要从事经济管理中的复杂数据统计分析理论方法与应用研究。先后主持国家863项目以及国家自然科学基金重点项目、重点国际合作项目、面上项目、委托项目等20项,还曾主持过航空基础科学基金、教育部博士学科点基金、北京市自然科学基金和中法国际合作项目等;此外,还主持了诸多政府部门和企业的应用项目研究。出版学术专著5部,发表论文150余篇。研究成果曾于1996、1999年两次获得中国航空工业总公司(部级)科技进步二等奖;2000年获北京市科技进步三等奖;2000年入选中国教育部《跨世纪优秀人才培养计划》,2001年获得《国家杰出青年科学基金》。2002、2004年两次获得北京市三八红旗奖章,2004年被授予全国三八红旗手称号,2012年获得北京市师德标兵称号,2014年被评为北京市优秀德育工作者。此外,还曾获得北京市优秀青年骨干教师(1996)、教育部宝钢优秀教师奖(2002)、对首都建设做出突出贡献的统一战线先进个人(2004)、为全国小康建设做出突出贡献的统一战线先进个人(2006)、2013年度北京市政协系统反映社情民意信息工作先进个人等称号;2011年在北航第九届“我爱我师——评选我心中最爱戴的老师”活动中获得“十佳教师奖”,2017年获得北京市教学成果一等奖,2018年获得北京航空航天大学立德树人卓越奖。

欢迎数学、计算机以及经济学基础好的学生报考研究生!

【发表的主要论文和专著】

1. 王惠文、孟洁,变量筛选、模型分类及自动化建模方法,北京:科学出版社,2013.

2. V.Esposito Vinzi,W.W.Chin,J.Henseler,H.Wang,Handbook of PartialLeast Square:Concepts,Methods andApplication. Springer, 2009.

3. 王惠文、吴载斌、孟杰,偏最小二乘回归的线性与非线性方法,北京:国防工业出版社,2006.

4. 王惠文,偏最小二乘回归方法与应用,北京:国防工业出版社,1999.

5. 任若恩、王惠文,多元统计数据分析—理论、方法、实例,北京:国防工业出版社,1997.

6. R.Liu, H. Wang, S. Wang. Functional variable selection via Gram–Schmidtorthogonalization for multiple functional linear regression, Journal ofStatistical Computation and Simulation, DOI: 10.1080/00949655.2018.1530776

7. S.Lu, J. Zhao, H. Wang, R Ren. Herding boosts too-connected-to-fail risk in stockmarket of China. Physica A: Statistical Mechanics and its Applications. 2018,505, pp.945-964.

8. Y.Wei, H. Wang, S. Wang, G. Sporta. Incremental modeling for compositionaldata streams. Communications in Statistics - Simulation and Computation.DOI: 10.1080/ 03610918.2018.1455870.

9. Y.Wei, J. Gu, H. Wang, T. Yao, Z.Wu. Uncovering the culprits of air pollution:Evidence from China's economic sectors and regional heterogeneities. Journal ofCleaner Production, 2018, 171, 1481-1493.

10. Y. Wei, Z. Wang, H.Wang, T. Yao, Y. Li.. Promoting inclusive water governance and forecasting the structureof water consumption based on compositional data: a case study of Beijing.Science of the Total Environment, 2018, 634, 407-416.

11. H. Wang, J. Gu, S.Wang. An effective intrusion detection framework based on SVM with featureaugmentation. Knowledge-Based Systems, 2017, 136: 130-139.

12. Y. Wei, S. Wang, H.Wang. Interval-valued data regression using partial linear model[J]. Journal ofStatistical Computation and Simulation, 2017, 87(16): 3175-3194.

13. B. Xia, H. Wang, R.Zhou. What Contributes to Success in MOBA Games? An Empirical Study of Defenseof the Ancients 2. Games and Culture, 2017, DOI: 1555412017710599.

14. H.Wang, M.Chen, X.Shi,and N.Li. Principal Component Analysis for Normal-Distribution-Valued SymbolicData, IEEE Transactions on Cybernetics. 2016, 46(2): 356-365.

15. H. Wang, C. Wang,H.Zheng, H.Feng, R.Guan, W.Long. Updating Input-Output Tables with BenchmarkTable Series,Economic Systems Research, 2015,27(3):287-305.

16. H.Wang, L.Shangguan,R.Guan. Principal Component Analysis for Compositional Data Vectors.Computational Statistics. 2015, 30(4):1079-1096.

17. L. Huang, H. Wang, H.Cui, S. Wang. Sieve M-estimator for a Semi-functional Linear Model. ScienceChina-Mathematics, 2015,58(11):2421-2434.

18. M. Chen, H. Wang, Z.Qin. Principal Component Analysis for Probabilistic Symbolic Data: a MoreGeneric and Accurate Algorithm. Advances in Data Analysis and Classification.2014. 2015, 9(1):59-79.

19. L. Huang, H. Wang, A.Zheng. The M-estimator for Functional Linear Regression Model. Statistics &Probability Letters, 2014, 88: 165-173.

20. H. Wang, L. Shangguan,J. Wu, R. Guan. Multiple linear Regression Modeling for Compositional Data.Neurocomputing, 2013,:122, 490-500.

21. 王惠文,夏棒,,孟洁,快速Gram-Schmidt回归方法,北京航空航天大学学报, 2013, 39(09):1259-1262.  

22. H. Wang, R. Guan, J. Wu.CIPCA: Complete-information-based Principal Component Analysis forInterval-valued Data. Neurocomputing, 2012, 86:158-169.

23. H. Wang, R. Guan, J. Wu,Linear Regression of Interval-valued Data based on Complete Information inHypercubes. Journal of Systems Science and Systems Engineering. 2012, 21(4) :422-442.

24. 王惠文,仪彬,叶明.基于主基底分析的变量筛选.北京航空航天大学学报,2008,34(11):1288-1291.

25. W. Long,M.K.Mok,Y. Hu,H. Wang.The Style and InnateStructure of the Stock Markets in China,Pacific-Basin Finance Journal.2009, 17(2):224-242 .

26. H. Wang, Q. Liu, M.K. Mok, L. Fu, W.M. Tse,A Hyperspherical Transformation Forecasting Model for Compositional Data,European Journal of Operational Research, 2007, 179, 459-468.

27. M. Chavent, Y. Ding, L.Fu, H. Stolowy, H. Wang, Disclosure and Determinants Studies: An ExtensionUsing the Divisive Cluster Method(DIV),EuropeanAccounting Review, 2005, 14(0):001-38.

28. Wang, Q. Liu, Y. Tu:Interpretation of Partial Least-Squares Regression Models with VARIMAX Rotation.Computational Statistics & Data Analysis 2005,48(1): 207-219.

29. Wang,L. Fu, Y.Lechevallier, Disaster Pattern of Flood and Waterlog in Poyang Lake, ItalianJournal of Applied Statistics, 2001, 13(2):P141-157.

30. H.Wang, Q.Liu,Forecast Modeling For Rotations of Principal Axes of Multi-Dimensional DataSet, Computational Statistics & Data Analysis, 1998, 27(3):345-354.