2024年11月18日，2024年新技术驱动的统计与计量方法研讨会在北航新主楼举办。本次研讨会邀请了七位统计与计量领域资深学者和四位优秀在读博士生分享他们的科研成果，共同探讨了新技术背景下的统计与计量方法研究的最新进展。
经济管理学院院长范英教授首先对参会的各位学者表示热烈欢迎和衷心感谢，并简要介绍了北航经济管理学院的建设情况及其教学和研究理念。随后，范英院长在研讨会上致辞，表示学院将更加注重统计和数据科学等领域的建设，充分发挥北航工科优势，结合统计学的前沿知识和技术，积极推进学科融合与学科交叉建设。最后，范英院长再次感谢参会学者的支持以及学院对本次会议的鼎力相助。
主旨报告环节由经管学院副院长秦中峰教授主持，中国人民大学李扬教授、香港中文大学王子卓教授以及北京师范大学张勋教授分别带来其研究团队的最新研究成果。
李扬教授以“Identification of Influencing Factors On Self-Reported Count Data with Multiple Potential Inflated Values”为题，探讨了计数数据在经济管理领域的应用及多点膨胀问题对统计建模的影响，随后介绍了一种专门针对计数数据膨胀问题的回归模型和基于数据驱动框架的膨胀点自动识别方法，并重点讲解了相应的优化算法及其模型估计的理论性质。
王子卓教授分享了其团队的最新研究“Infrequent Resolving Algorithm for Online Linear Programming”。他介绍了一种适用于在线决策场景下的在线线性规划（OLP）模型。该模型不仅能够通过有限次数的优化求解获得最优决策方案，还充分考虑了样本在线更新的特性，及能在有限的更新时间点条件下实现决策的动态调整。
张勋教授以“数字经济的福利效应研究”为题，介绍了一种结合一般均衡模型和投入产出技术的评价方法，通过实证分析评估了数字鸿沟对地区经济贸易成本的影响，并探讨了贸易网络对中国宏观经济发展及福利效应的作用机制，提出了数字基础设施资源建设的优化配置方案，为数字经济的发展提供了有力的理论支撑和实践参考。
在主旨报告结束后，4位在统计与计量领域的年轻优秀学者带来了他们最新的研究。
首都师范大学胡涛教授介绍了他的最新研究“Probit Time-To-Event Regression for Misclassified Group Testing Data”。提出了适用于集体检测场景下生存数据的半参数 Probit 回归模型。该模型采用数据扩充填补未知数据，进而构造似然函数，并通过 EM 算法求解参数，为解决此类数据分析问题提供了一种创新性的方法。
清华大学刘俊驿副教授以“Risk-Based Robust Statistical Learning”为题，介绍了一种针对数据中存在异常点情况的稳健回归模型。通过引入区间条件在险值（In-CVaR）这一概念，利用风险评估手段筛选异常点，从而实现稳健的参数估计，为解决含噪声和异常点数据的统计学习问题提供了新的思路与方法。
中国科学院奚晋助理研究员分享了“Machine Learning using Nonstationary Data”的报告。她首先阐述了在机器学习框架中关注非平稳数据特征的必要性，随后通过引入去趋势（detrend）思想，提出了一种针对非平稳数据的机器学习方法。实证研究表明，该方法能够显著提升时间序列数据的预测效果。
北京航空航天大学马莹莹副教授介绍了她的最新研究成果“Supervised Centrality via Sparse Network Influence Regression：An Application to the 2021 Henan Flood’s Social Network”。该研究提出了一种全新的稀疏网络影响回归模型，并针对大规模社交网络模型拟合所面临的计算挑战，开发了一种前向加法算法，并通过理论证明该算法能够稳定地识别具有重要影响力的节点。
随后，北京航空航天大学四位在读博士生在会场上分享了他们的最新科研成果。
北京航空航天大学博士生王建东，分享了“Nonparametric Estimation of Price Impact”研究报告，该研究提出了一个非线性结构的VaR模型，并给出了估计得到的非线性方程的估计一致性和渐进正态性。博士生张博涵以“Forecast Reconciliation in Complex Scenarios”为题，介绍了分层时间序列的调和估计方法，并进一步探讨了在数据离散这一特殊条件下的预测算法。实证显示，该方法有助于提升预测的准确性和适用性。
博士生田万介绍了他的最新研究“Block Toeplitz Sparse Precision Matrix Estimation for Large-Scale Interval-Value Time Series Forecasting”，提出一种基于块状Toeplitz精度矩阵估计的大规模区间值时间序列的预测方法，并从理论上证明了方法的收敛性。博士生吴祁颖以“Graphical Model for Mixed Data Types”为题，介绍了适用于复杂混合数据的图模型。该方法通过将不同类型的数据投影到相同维度的矩阵空间，实现了对混合数据的图模型的统一估计，并通过实证数据验证了该方法在估计过程中的优势。
会后，与会学者围绕以上几个重点研究方向进行了热烈讨论，为进一步拓展研究领域以及未来开展多方向、深层次的研究合作提供了重要参考和启发。
未来，经济管理学院将联合多领域研究学者，持续聚焦“新技术驱动的统计与计量方法”开展学术探索，坚持理论研究与实际应用相结合的理念。通过举办更多高水平的学术交流会议，期待在统计与计量学科领域实现前沿理论突破和创新实践，为社会经济的发展贡献强有力的学术支持。
