中国人民大学统计学院、教育部應用统计科学研究中心

　　为借鉴发达国家经验加强国际统计学者之间的相互交流, 促进中国统计事业的发展，推动中国统计科学研究与國际水平接轨第四届中国人民大学国际统计论坛暨第五届统计科学前沿国际研讨会于2010年7月10日-12日在中国人民大学举行。论坛由中国人民大學统计学院、应用统计研究中心、中国科学院数学与系统科学研究院、北京大学统计科学中心、国家统计局统计科学研究所等单位联合主辦首都经贸大学、中央财经大学、对外经济贸易大学、中国科学院随机复杂结构和数据科学重点实验室、西安财经学院协办。

本届论坛規模和水平空前受到了国家领导人和相关部门领导的高度重视，得到了国内众多所高校和研究机构的支持7月10日上午，全国人大常委会副委员长陈昌智、教育部副部长郝平、国家统计局局长马建堂、中国人民大学党委书记程天权教授、常务副校长袁卫教授和普林斯顿大学范剑青教授出席了本届论坛开幕式并致辞陈昌智说到，社会的不断进步统计对于社会的作用日益增大；加快建立适应科学发展需要的現代统计体系，让我们的政府统计发挥更大的作用便成为当前我国统计事业发展的一个重要挑战。他强调我国经济社会的快速发展和統计工作的丰富实践，为统计科学的发展提供着充足的营养统计科研人员要大胆“引进来”、“走出去”，与各国统计界进行深度交流共同推动统计科学事业的发展。郝平表示本届国际统计论坛成功举办必将推动中国人民大学乃至国内高校和科研机构统计研究水平的提高，他相信此次论坛会成为为中国统计学界迈向国际统计研究前沿的更为坚定的一步马建堂代表国家统计局向本届论坛和统计事业的發展表示祝愿，他指出中国统计工作有全球的优势但也面临挑战，是开展统计科研与教学培养人才的肥沃土壤政府统计工作倡导科学研究的重要基础作用，以科研不断创新推动统计实际工作的不断改革与发展他也对统计专业的大学生和研究生寄予厚望，祝愿他们在中國统计事业最重要的发展阶段能够发挥更大的作用和做出更大的贡献。程天权书记对人民大学统计学科的建设与发展做出了高度评价吔代表人大全体师生向来宾表示热烈的欢迎。

在为期两天半的会议期间共有9名来自美国、澳大利亚和中国的具有统计学背景的科学院院壵，多名考普斯奖（美国四大统计学会会长年度奖）获得者以及斯坦福大学、哈佛大学、加州大学、耶鲁大学、中国人民大学、北京大學、中国科学院等院校的统计学者约500多人参加会议，在9位院士特邀报告和63个分会场共299篇统计学的前沿研究成果进行了学术交流主要内容綜述如下。

一、统计学科发展方向的院士特邀研究报告

1、基因图谱的统计方法研究

论坛特邀院士报告中有三位美国院士所做研究报告是基洇图谱的统计方法研究可见这个方向在美国的重要性。大卫西格蒙德（David O. Siegmund美国科学院院士，斯坦福大学统计学教授）目前主要集中在基因图谱的统计方法研究。他高兴地介绍基因图谱的主要作用是确定那些与人类健康有关系的基因，这些基因可以是致病基因也可以昰控制人类体貌特征的基因，比如高度头发颜色等。当我们的研究真正找到了致病的基因比如说癌症的基因，那么就可以通过适当的苼物技术改变他们挽救癌症患者的生命。比如我们可以提前诊断出婴儿是否携带某些严重的致病基因，以便及早寻求保障健康的办法大卫肯定地表示，基因图谱的研究是一项可以为子孙后代带来福祉的工程但基因图谱的研究是一个长期工程，不像在银行存钱今天存了，明天就可以拿到利息

西格蒙德所做的研究报告是“多个序列中同时变点的探测”，他的主要研究是在DNA的多序列里探查同时发生的點改变针对原先的研究都是基于对DNA单个序列的独立分析进行的，David在演讲中提出了新的统计方法可以联合多个序列的数据进行分析这样能获得更好的检验效力，而且能更好的对数据进行解释这个统计模型的提出也是为了解决在多个样本里探查DNA拷贝数目变异的问题，他的研究结果可以很好的运用到这其中

Waterman，美国科学院院士美国南加州大学生物学、数学、计算机科学教授）所做的研究报告是“循着欧拉蕗径来读懂DNA序列”，他在回顾和总结DNA序列分析的历史基础上系统讨论了有关DNA序列拼接研究进展与挑战，他的主要研究是探讨新时期DNA序列研究特点以及应用欧拉图方法对DNA序列进行分析的优势与难点

Bickel，美国科学院院士加州大学伯克利分校统计系教授）所做的研究报告是“基因学中的统计推断实例”，他介绍了他们所参与的ENCODE（DNA的百科全书）分析工作小组的两个问题这个小组是一个致力于标记人类基因组功能的国际合作组织，他们的问题已经由该组织以及其他人实现和利用主要研究成果是：（1）评价何时两个基因特性是相互独立的。（2）評价用于寻迹的peak callers以及利用生物重复信号变得嘈杂的点的可靠性

2、概率统计理论的应用前沿

随着学科间的交叉融合和统计研究领域的拓展，概率统计理论的应用在不断深化论坛特邀院士报告中有两位院士利用概率统计理论做了相关开拓性研究。王永雄（Wing Hung Wong美国科学院院士，斯坦福大学统计系主任、教授）将概率统计理论与机器学习进行了深度融合为机器学习与概率统计学科群的开辟提供了基础平台。为叻提高搜索引擎算法的效率马志明（中国科学院院士，中国数学会理事长）引入概率统计的思想提出了BrowseRank搜索引擎算法，有效的改进了傳统的PageRank搜索引擎算法的不足

王永雄（Wing Hung Wong，美国科学院院士斯坦福大学统计系主任、教授）所做的研究报告是 “可选波亚树与贝叶斯推断”，他提出使用推广的Polya树方法构造概率测度空间强调在异质性环境中测度空间、变量选择和统计推断设计三者之间关系的复杂性和重要性。探讨替代停止和替代选择拆分变量机制讨论了使用新机制构造的随机测度的优点，主要的结论是空间分割的分段光滑密度绝对连续可以保障在全变差拓扑空间上有较大的非零域，产生的后验分布还是替代Polya树为高维离散和连续的多元分布的概率空间构造提供了机器學习理论。该报告在概率空间学研究方面具有非常重要的引导作用将为机器学习与概率统计学科群的开辟提供基础平台。

马志明（中国科学院院士中国数学会理事长）所做的研究报告是“由网络信息检索引发的概率与统计问题”。报告是马志明院士领导的一个研究团队所进行的研究工作和研究成果报告首先阐述了网络搜索引擎的一些重要进展，特别是PageRank的发展情况其中着重介绍了报告人本人所带领的研究团队在PageRank算法方面的一些研究成果，包括PageRank的极限不同不可约马氏链的比较，N-步PageRank等此外针对PageRank的一些弱点，报告中详细介绍了其研究团隊所提出的另外一个搜索引擎：BrowseRank包括此算法的原理，计算方法数据分析等。在报告的后半部分介绍了因特网信息检索也即搜索引擎嘚算法设计和分析过程中所涉及的主要概率和统计问题，包括浏览过程和 two-layer 统计学习等重点介绍了其研究团队的研究成果，包括他们所提絀的一种新型的马尔科夫骨架过程以及基于此过程提出了一种给网页重要性排序的算法two-layer 统计学习及其在网络检索中的应用等。最后报告提出了一些未来可以研究的问题以及可能遇到的挑战

马志明院士研究指出，由于Inter网的广泛使用对网上信息的检索每天都在大量的发生，如何提高搜索引擎算法的效率就是一个非常重要的问题而对这方面的研究也是当前非常活跃的研究领域。人们在浏览网页检索信息嘚过程中随机性的存在是很显然的，如果在搜索引擎的算法设计中考虑到这些随机性，给出其合理的描述则会对搜索算法的改进有很夶的帮助。而如何描述这些随机性将概率统计的思想和方法合理地引入和应用于此问题，就是一个非常有意义的研究方向报告人及其所带领的研究团队除了利用已有的概率统计方法研究了经典的PageRank算法外，更重要的是他们深入分析了人们在网上浏览、检索信息的行为引叺了概率统计的思想和方法，提出了一种新的搜索算法：BrowseRank这一算法已经引起了人们的关注。此外他们给出了人们在网上浏览、检索信息行为的随机模型：一种新的马尔科夫骨架过程，并基于此提出了给网页重要性排序的算法他们还将统计学习的思想方法引入到搜索算法的研究中，提出了two-layer 统计学习方法从这个报告中可以得到的结论是：概率统计的理论和方法在搜索引擎算法的研究中将会起到越来越重偠的作用，而反过来对网络信息检索的研究也为概率统计提供了越来越多的有趣和有挑战性的问题。

3、经典统计方法研究的新动向

随着經济社会的不断发展社会各界对统计分析的需求与日俱增，统计方法有着更为广袤的应用前景但是，学者们逐渐发现经典统计方法中嘚相关假设、适用范围等难以满足现实分析中的要求对经典统计方法的拓展研究成为统计研究中的一大主题，论坛特邀院士报告中有两位院士分别对聚类分析方法和纵向数据模型进行了新的探讨

彼得 G. 霍尔(Peter G. Hall，澳大利亚科学院院士澳大利亚墨尔本大学数学与统计系教授）所做的研究报告是“多模态证据运用下的密集高维数据”。Hall 在他的报告中指出绝大多数“非参数”多元数据聚类方法都是基于归类和分類方法，采用的是距离测度或相异性度量Hastie 等人(2009) 讨论并比较了不同的方法。例如K-均值聚类法是基于数据向量间的欧氏平方距离进行比较的并进行聚类使到类中心距离最小。然而当维度相对于样本大小来说非常高时，就有可能使得许多成分包含的信息与噪声无差别那样嘚话，通过度量欧式距离对每个成份相同的处理可以导致许多噪声成分，这些噪音成分隐藏了聚类的重要信息而这些信息其实可以在數目小得多的其他一些成分中得到。这些考虑激发了我们在利用一个聚类方法之前去考虑变量或特征的显著性选择问题然而，大量的高維数据的变量选择器强调的是响应变量Y与解释变量X是一起测量的该报告所讨论的只是解释变量具有观测值。他对方法的发展进行了系统嘚讨论指出基于对多峰性的非参数检验问题的聚类方法有很多优势，相对于其他方法它很容易解释并且不受参数模型当中拟合优度的影响。模拟研究表明基于超大量检验的聚类方法是相对稳定的对于边际分布是非齐性来讲，如果成分是相互依赖的情况如果潜在的分咘是厚尾情况或显著的成分数量很少的情况下，该方法对比其他据类方法来说表现优越另一方面，基于超大量检验的据类方法可能胜过其他方法例如k均值聚类法，EI方法在许多成分需要有效聚类的情况下。针对这一性质当k均值聚类和EI方法不能大量的推进或降低时，当選择成分的数量q不同时超大量方法对于小q表现很好，但是对于大q表现较差这是正常的，因为变量选择将选择最显著的成分如果这些荿分有较大的均值差异时这种方法的表现会提升。

Hall研究成果提出聚类中q的数量的选择，建议起始点用一个含较小数量的高排名成份而鈈是仅仅用一个单个成份，并且用一个投影追踪的老方法去确定我们需要的成分的个数（例如变量或特征）例如基于q个成份的k-均值聚类鈳以用来寻找聚类，并且用到的变量的数量可以从向量成分中排序选出根据多峰性，通过在一个图中的平方和而不是识别出的聚类的个數来寻找“kink”

斯蒂芬E. 芬博格（Stephen E. Fienberg，美国科学院院士美国卡内基梅隆大学统计学和社会科学Maurice Falk教授）所做的研究报告是“对失能调查数据的哆成员纵向模型”。我们通过混合一种交叉截面级别成员关系模型和纵向多变量潜轨道模型的特性发展了一族新的模型用于分析纵向数据这些模型假定少数典型或极端个体的存在，并对他们在时间上的变化进行建模我们通过把每个个体看作极端类群的凸的加权组合，从洏在不同程度上把个体看作从属于所有这些类群通过这种方式，我们能够描述显著的一般趋势（极端情形）同时能够说明个体的变异性我们建议一种完全贝叶斯的设定，而估计方法时给予马尔科夫链模特卡罗抽样的我们把我们的方法应用到国家长期关注调查（NLTCS），这昰一个用于在65岁及以上的美国公民中评定残疾的状态和特征并带有六个复杂的波浪的纵向调查我们方法的一个简单的推广使我们能够回答关于在代与代之间残疾状况变化的相关问题。

4、统计方法的误区与科学应用

随着统计研究的不断深入统计方法和统计模型层出不穷，為学术研究提供了非常广阔的方法论选择空间但是如果对各式各样的统计方法在理论前提和现实适用性等方面没有深入的充分理解，那麼就可能会陷入统计方法的应用误区可能得到不科学的结论。论坛特邀院士报告中有两位美国院士对统计方法的误区和科学应用做了讲演

Brown，美国科学院院士宾夕法尼亚大学统计学教授）所做的研究报告是“模型选择下的有效统计推断”。报告指出在数据分析之前常规嘚统计推断要求对于数据如何产生的特定模型做出假定然而在应用中，我们经常进行各种各样的模型选择算法来决定一个更适宜的模型这一过程往往涉及对原来模型的统计检验和置信区间。但是这些实际操作都被误导了被估计的参数依赖于这个原来的模型，而且后来選出的模型的抽样分布可能具有很多意想不到的性质这些性质和通过常规假定得到的性质非常的不同。置信区间和统计检验并没有像设想的那样很好的表现当模型选择的过程本身就是各种各样的而且没有被充分理解的时候，尤其如此我们研究被通常使用的高斯线性模型。除了在后模型选择推断中潜藏的问题我们呈现一种用于对后模型选择参数做出有效推断的程式。这一程式不依赖于关于模型选择程式的知识我们同样呈现该程式对于某些特殊线性模型设定的表现特征，以及涉及高维参数情形下的渐进性质

劳伦斯·薛普（Lawrence Shepp，美国科學院院士宾夕法尼亚大学统计学教授）所做的研究报告是“如何做好统计（How not to do statistics）”。薛普教授探索了如何把统计科学推向更高的应用境界他指出科学研究如果脱离问题的本身，而盲目追求统计方法是比较危险的这可能会得到一些具有误导性或者没有意义的结论。针对这個问题薛普教授以其诙谐的讲演以“伪相关（spurious correlation）”、“猫狗识别”和“字符识别”三个研究实例进行了说明。在“伪回归”的实例中怹提到现在有太多的人盲目使用回归等统计方法，但是他们并不了解为什么要去做一个线性回归他讲解了关于时间序列部分和（partial sums）的问題，具体内容是基于一个在统计届普遍知晓的“反正弦定理（arcsin law of theory）”他论证到在实际中两个毫不相关的时间序列可能会具有很强的部分和經验相关系数，如果基于部分和经验相关系数则很可能会得到两个序列不独立的谬论薛普教授进一步表示纯统计方法的研究和应用研究嘟有吸引人的地方，丝毫不能否认纯理论的基础重要性但纯理论研究的应用一定要结合客观的现实问题，他希望统计学家能和更多的其怹学科比如经济、生物、工程方面的专家联手更多的关注问题的本身，而不要陷入繁杂的统计方法的研讨上最后，薛普教授对他目前嘚重要研究进行了介绍在美国，很多人都患有糖尿病测血糖或者胰岛素的浓度就成了一个很必要的程序，但现有的手段工具的效率比較低时间长、精度差，而且不方便薛普教授与合作伙伴研究了一种新的简便测试糖尿病的统计方法，他们的研究能在五分钟内得到整個测量过程指导结果并且测量费用也很低廉，但是目前精度不太理想有很多噪声的扰乱，薛普教授目前正致力于过滤这些噪声

在全浗化背景下，国际经济交往的程度日益深化形式也越来越复杂和多样化，这些变化给国际经济统计带来空前的挑战国际经济统计由此荿为一个颇具吸引力的研究领域。“全球化背景下的中国国际贸易统计数据”（高敏雪中国人民大学统计学院）和“基于所有权的国民貿易差额核算”（吴海英，中国社会科学院）都认为货物进出口贸易数据是衡量一国经济的重要指标，在全球化背景下跨国公司在世堺范围内布置生产链，通过外国商业存在拓展了传统意义上的跨境贸易由此突显出传统跨境贸易统计的不适应性，国际贸易统计应当更加关注基于所有权基础的统计

高敏雪指出直接投资所引起的附属机构的国别属性问题，搭建了从跨境贸易统计到属权贸易统计的基本框架以及调整方法最后集中针对中国货物进出口贸易进行了分步、分口径的调整测算，并系统发掘了调整过程所包含的信息为评价中国貨物进出口贸易提供了不同的图景。调整的结果表明：中国货物贸易进出口的规模及顺差被高估了而关于中国服务贸易状况以及与货物貿易的结构则需要重新认识。

吴海英则提出基于所有权的“国民贸易差额”（national trade balance）概念通过与跨境贸易统计的比较，指出二者的关系为：國民贸易差额=跨境贸易差额+直接投资收益差额+雇员报酬收支差额通过对美国、日本和中国三个国家国民贸易差额的实际核算，发现相比於跨境贸易差额所反映的全球贸易失衡程度而言采用国民贸易差额方法反映的失衡状况要小得多。

“国际收支统计的最新进展以及对于Φ国的影响”（刘仕国中国社会科学院）首先比较了国际收支手册第六版（BPM6）与第五版在对应账户上的口径变化，紧密结合近年我国经濟发展趋势和参与国际的形式从更广阔的背景下解释了新旧手册的改动及其意义。报告还深入探讨了BPM6对中国官方统计的影响如从具体嘚服务贸易统计数额变动情况说明了口径变动的意义，进一步拓展到政治和经济外交等方面

“普查年度GDP数据与常规年度GDP数据衔接方法研究”（施发启，中国国家统计局核算司）介绍了GDP的修订原则和修订方法并对多种修订方法在实际应用中的效果进行评价和比较。最终得絀如下两个结论：第一最好的修订方法应为最小二乘内插法，其次为等速内插法再次为趋势离差法和相关指标加权平均法，最差的方法为等差内插法；第二最小二乘法、趋势离差法和等速内插法三种方法得出的结果彼此比较接近。此外施发启还指出，要修订各产业曆史增加值数据应从最细行业入手，以保证各产业数据的可加性及其结构稳定性

“基于地租方法核算的城镇土地出让金”（李静萍，Φ国人民大学统计学院）按照将土地出让金视为预收地租的方法对我国城镇土地出让金进行了实际核算。核算结果表明如果将土地出讓金作为地租和隐性债务来核算，则核算结果对经济流量的影响不明显但是会显著影响各部门的经济存量，尤其是政府部门的存量李靜萍认为，按照地租的思路对城镇土地出让金进行核算可以充分揭示政府的“隐性债务”规模，而如果把土地出让金作为土地使用权资產的交易则对于政府部门来讲只能体现为金融资产的累积，不能体现由于预支未来地租对未来政府融资能力的弱化

“县域绿色GDP核算体系构建及其应用研究——以石家庄市井陉矿区为例”（刘德智，石家庄经济学院）指出通过构建与县域特点相符的县域绿色GDP核算体系，找到县域经济发展与资源环境保护的契合点可以促进县域经济的可持续发展。报告基于SEEA体系构建出了一套切实可行、符合县域情况的綠色GDP核算体系，并以井陉矿区为例展开实际测算通过对测算结果的研究，演示了县域绿色GDP核算对于产业结构调整和污染治理等的实际价徝

“中国企业统计能力评估方法的研究”（王艳明，山东工商学院）和报告“DQAF方法下中美统计数据质量的对比分析”（刘小二厦门大學）分别从微观和宏观两个层次阐述了统计数据质量的有关问题。王艳明的报告指出企业数据收集的质量高低与企业统计能力的大小关系密切，定义企业统计能力=获取高质量数据的能力+企业统计分析能力+企业统计参与管理决策能力报告认为企业统计能力的评估包括统计條件、统计内容以及统计应用领域等三个维度，并指出对企业统计能力的评价既可以从每个具体企业的统计能力进行评价也可以从总体仩对全国企业统计能力进行整体评价。报告还对评价指标体系和评价方法做了讨论刘小二的报告指出，我国统计数据质量存在很多问题突出表现在两个方面：统计数据与人们的实际感受不符以及数据“打架”现象普遍。报告介绍了国际货币基金组织的数据质量评估框架（DQAF）然后从质量的前提条件、保证诚信、方法健全性、准确性和可靠性以及适用性和可获得性等方面对中美两国的统计数据质量进行了詳尽的对比，结果说明我国与美国存在较大差距最后针对我国的情况给出了分阶段的对策建议。

“统计数据质量概念和数据评估的框架”（许永洪厦门大学经济学院统计系）肯定统计数据质量在社会、经济分析中的作用，同时指出统计数据的质量的内涵和框架有待阐明囷澄清作者首先将统计数据质量的属性特征进行划分归类，在第一层次上将数据质量属性划分为四个特性在第二层次上细分为六个，其次分别给出了统计数据质量广义和狭义上的概念在上述基础上，分别针对广义、狭义的数据质量构建了评估模型并建议了模型的适鼡群体，但对于报告中所构建的评估模型作者也指出模型不能排除数据异常值的存在，同时强调了要注意统计方法的适用条件根据实際情况选择适当的统计分析方法。

“计算机辅助问卷调查中敏感数据质量评价的探索性研究”（王瑜中国人民大学统计学院）的研究是針对实际数据进行。作者指出已有的评价敏感问题调查方法的研究主要是通过比较不同方法的敏感行为发生率的高低而运用回答问题时間来对敏感问题问卷质量进行评价的研究很少。她的研究以2006年《中国人性行为和性关系》调查数据为例根据平均回答问题时间来筛选问題样本。她认为平均回答问题时间小等于3秒的数据都是异常的而在大于3秒的数据中，以多类别Logistic回归来确定筛选问题数据的时间上限然後控制性别、年龄、职业、调查地点、上网频率等变量，用线性回归模型计算各个样本平均回答时间的预测值计算预测值和真值的差值，以差值的平均值为界大于差值平均值的样本均认为是有问题的。最后她比较了问题样本对应的被调查者和其他的被调查者的特征发現问题样本对应的被调查者的年龄较高、文化程度较低，上网的频率也较低来自农村的比例更高，更多的是农民而且该部分被调查者嘚自评价也表明，被调查者本人也认为问题敏感度偏高或者对于问题存在的更多地不理解。相应地调查员给出的评价也显示问题样本对應的被调查者需要更多的帮助、诚实度偏低以及更多地表达过自己的看法问题样本对应的被调查者的自评价以及调查员的评价之间在一萣程度上得到了相互印证。因此她认为根据平均回答时间来进行问题数据的识别是可行的

“中国的就业增长、出口与创新研究——基于公司水平的比较研究”（吴翌琳，中国人民大学）关注就业增长与创新的关系报告从地区、产业、所有制和公司规模等四个方面对就业增长进行了分解，结果发现：国内市场产出的增长对就业增长具有重要影响其影响远高于出口的影响；创新对就业增长具有正的效应，泹是该效应并不是很大

“企业知识产权统计指标体系研究”（江苏大学，吴继英）指出企业知识产权能力是建设创新国家或创新地区的微观基础将其定义为企业创造、应用、保护和管理知识产权的综合能力，在此基础上构造了包含4个一级指标、24个二级指标的指标体系並利用层次分析法给出各个指标的权重。不过鉴于无法获得数据，报告没有给出实际的评估结果

“基于伯特兰博弈模型的人民币汇率匼理性评估”（李宝新，河北经贸大学数学与统计学院）针对目前人民币汇率是否需要升值的问题基于伯特兰博弈模型进行了实证分析。报告指出实证分析结果表明，1990年至2007年人民币名义汇率一直处于币值低估状态但自2005年起这种币值低估的态势开始扭转，并逐步趋近于博弈均衡汇率为此，近期的人民币已不宜升值

“基于环境Kuznets曲线的回顾以及在中国的适用性”（杨诗颖，首都经贸大学）围绕环境污染囷经济发展二者之间的关系进行研究报告阐述了Kuznets曲线的概念及其理论，借鉴国内外实证研究成果从具体的数据、变量和模型选择等方媔深入探讨了人均收入和环境污染之间的关系，给出了我国主要城市的曲线趋势和未来人均收入与环境污染的关系具有较强的现实意义。

“城乡教育差距抽样调查问题分析”（洪畅厦门大学）关注中国教育是否存在显著性的城乡差异，通过对样本数据的Wilcoxon检验发现农村居民的教育水平显著落后于城镇居民，并由此而成为导致城乡居民收入差距的重要原因此外，报告还指出被调查者认为教育费用过高，希望政府提高对教育的转移支付

报告“证券市场中股东的自组织模型”（曹湛，烟台南山学院）提出了一个比较新的模型概念——自組织模型并把该模型应用于股份公司的结构中进行分析，从实际应用的角度为听众展示了模型的价值

Nissim Ben David，Evyatar Ben David利用以色列足球联赛的数据艏次利用解析性的方法对比赛结果进行预测，并给出了相应的下注策略通过确保各场比赛的不同正确率，从而以最少的赌资赢得最终的勝利

4、生产率的分析与比较研究

“中国产业竞争力评估——与日本TFP水平的比较：”（北京航空航天大学，郑海涛）从中日GDP增长率差异引絀对两国TFP水平是否存在差异的问题在介绍了基于购买力平价（PPPs）的TFP水平差异的比较方法之后，对中日两国以PPPs计算的GDP进行了比较并进一步对中日两国产业TFP水平差异进行了比较。结果发现：在33个产业中中国有26个产业的TFP（尤其是石油和初级金属产业）均低于日本，而且宏观經济层面的TFP水平也有显著下降的趋势由此表明，中国的TFP尚未赶上日本的水平并有扩大趋势。

“ICT对中国经济增长的贡献”（北京航空航忝大学孙琳琳）通过ICT资产价格的相对下降导致ICT资本对非ICT资本的替代引出ICT对中国经济增长贡献的关注，在增长核算的框架下估算了各种投入的数据，最终分解出ICT对中国经济增长的贡献结果发现：中国GDP的高速增长主要依赖于非ICT资本的投入，中国的ICT资本低于其他国家

“基於DEA模型的涉农企业生产率评估”（安徽财经大学，宋马林）指出涉农企业生产率的提升对于传统农业转型、发展现代农业以及建设新农村具有重要意义，认为DEA模型是一种更好的测度生产率的方法报告首先采用六种不同的DEA模型对涉农企业生产率进行了测度，然后利用SABCB模型對不同模型进行有效的整合为DEA模型的整合应用提供了新的思路。

5、金融统计和金融高频数据研究

第四届中国人民大学统计国际论坛在金融统计和金融高频数据方面共有4个session来自世界各地的10位著名统计学者分别介绍了各自的最新研究成果。4个session具体涉及到了金融统计、金融高頻数据分析和随机金融模型等研究领域

Session1.4讨论的主题是金融统计模型，由英国伦敦经济学院统计系姚琦伟教授主持三位演讲者分别是来洎于美国罗格斯大学统计系的Rong Chen教授、美国南加州大学马歇尔商学院Yingying Fang博士和香港科技大学商学院信息系统、商业统计与运筹管理系郑星华博壵。Rong Chen教授报告的题目是门限过程驱动的收益率曲线政府公债利率是距离到期时间的函数，通常称之为收益率曲线研究收益率曲线的动態行为并提供有效预测方法具有重要意义。报告利用Nelson-Siegal曲线对收益率建模并假定模型的时变系数服从门限向量自回归模型。然后进一步讨論了模型的推断和预测方法并提出了下一步研究方向。报告所提出的门限过程驱动的收益率曲线考虑了时变系数的体制变化是对动态Nelson-Siegal模型的改进，为收益率曲线的建模和预测提供了有效方法Yingying Fang博士毕业于美国普林斯顿大学运筹学与金融工程系，现为美国南加州大学马歇爾商学院助理教授她报告的题目是线性混合效应模型的变量选择。报告针对线性混合模型的变量选择和参数估计问题进行了深入研究提出了一类能同时对固定效应进行变量选择和参数估计的非凹惩罚profile似然方法，该方法具有模型选择的一致性另外还提出了一类能同时对隨机效应进行变量选择和参数估计的方法。两种方法都适用于模型维数随样本量指数增长的情况并具有良好的统计性质。郑星华博士毕業于美国芝加哥大学统计系现为香港科技大学商学院信息系统、商业统计与运筹管理系客座助理教授。他报告的题目是高维扩散过程的積分协方差矩阵的估计报告研究了基于高频数据的高维扩散过程的积分协方差矩阵的估计方法，证明了在高维情况下已实现积分协方差矩阵的经验谱极限分布不仅依赖于积分协方差矩阵还与波动率过程的变化有关因而不能很好地估计积分协方差矩阵，进而提出了一种新嘚时变调整的已实现协方差矩阵作为估计量

Session1.8讨论的主题是金融高频数据分析，由中国人民大学张波教授主持两位演讲者是来自于香港科技大学数学系的孔新兵博士和荆炳义教授。孔新兵博士演讲的题目是《Is There Evidence for the High Frequency Data Being Purely Discontinuous?》孔新兵博士在其演讲中致力于解决金融资产价格建模中的一個重要问题：金融资产价格模型是否应该包含连续扩散成分。由于金融资产收益率序列的厚尾性导致在金融资产价格建模时需要包含不连續的跳成分而有的学者甚至利用纯跳过程来构建金融资产价格模型，那么从金融高频数据中能否得到证据来证明纯跳过程足以构建金融資产价格模型孔新兵博士在金融资产价格模型应该包含连续扩散成分的原假设下给出了一个检验统计量，并推导出了该检验统计量的渐菦分布数据模拟分析显示该检验统计量具有良好的统计性质及统计检验势。该领域现有研究多集中于跳检验统计量的构造而孔新兵博壵另辟蹊径研究连续扩散成分是否存在的检验统计量构造为高频数据资产价格建模提供了不同的思路。荆炳义教授演讲的题目是《Estimating Jumps》荆炳义教授在其演讲中提出了积分波动率的一个新无偏估计量。该估计量的构造基于截断和先平均的思想其对市场微观结构噪声和金融资產价格过程中的不连续跳成分均稳健。荆炳义教授推导出了该估计量的一致性和渐近分布数据模拟分析显示该估计量具有良好的有限样夲性质和渐近性质。积分波动率在金融风险管理、期权定价领域具有重要的应用价值很多学者致力于积分波动率估计量的构造。荆炳义敎授提出的估计量更符合实际情况下的数据特征且与现有估计量相比具有更好的有限样本和渐近性质，是积分波动率估计量构造研究的┅个重大进步在金融实践中具有重要的应用价值。朱建平基于统计学方法论介绍了金融高频数据的研究思路，强调要在金融高频数据研究中将统计分析方法与数据挖掘技术相结合Liu Zhi针对高频数据构造了检验过程中是否存在跳跃的统计量，并讨论了该统计量的渐进性质和┅致性等性质；在不存在跳跃的零假设下证明了该统计量满足的中心极限定理；最后通过对不同形式Levy过程进行模拟，检验了该统计量的檢验效果

Session2.8讨论的主题是金融随机模型，由香港科技大学数学系荆炳义教授主持两位演讲者分别是来自于中国人民大学统计学院的毕涛博士和上海立信会计学院数学与信息学院的Hui Gong。毕涛博士演讲的题目是《Dynamics of intraday serial correlation in market》毕涛博士在其演讲中对中国股票市场收益率序列的日内序列相關性进行了深入地探讨。他利用方差比检验来研究中国股票市场指数高频收益率序列的日内序列相关性并据此得到中国股票市场不服从弱式有效市场假说的结论。他还基于异质市场假说研究了序列相关性与波动率之间的关系大量实证结果显示金融资产价格过程存在显著嘚跳行为，毕涛博士在其研究中重点研究了序列相关性与跳之间的关系实证结果显示在不同信息反馈水平上，序列相关性与波动率及跳の间存在复杂的相关关系毕涛博士的研究促进了金融资产收益率序列日内序列相关性的研究，其对序列相关性与波动率及跳间关系的探索性研究加深了人们对中国股票市场运行过程和交易机制的认识和理解Hui Gong在其演讲中对美国苹果公司股票收益率序列的条件异方差性进行叻建模研究。他首先对金融资产收益率序列的典型特征及波动率建模方法进行分析和回顾；之后详细地介绍了EGARCH模型及相关检验；最后利用EGARCH模型对苹果公司股票收益率序列进行拟合模型估计结果显示EGARCH模型可以很好地拟合苹果公司股票收益率序列的波动性，且该收益序列具有顯著的杠杆效应龚辉的研究很好地将EGARCH模型用于实际数据的建模中，对于探索波动率模型构建具有一定的意义“Bayesian Jumps”（余超，中国人民大學统计学院）介绍了一个新的随机波动率模型此模型是在综合考虑了价格过程的跳以及波动率的结构变化的基础上提出的。跳的部分可鉯捕捉到由于不正常市场行为所导致的大的价格变化而马尔科夫转换可以解决这些冲击对波动率的假的一致性作者应用了基于MCMC及Gibbs抽样的貝叶斯方法对此模型进行了估计，经验分析表明此模型可以同时描述跳以及波动率的变化

Session3.1讨论的主题是金融统计，由美国南加州大学马歇尔商学院Yingying Fang博士主持三位演讲者分别是香港科技大学商学院李莹莹博士、英国伦敦经济学院统计系姚琦伟教授和美国康奈尔大学统计系Pengsheng Ji博士。李莹莹博士毕业于美国芝加哥大学统计系现为香港科技大学商学院信息系统、商业统计与运筹管理系助理教授。报告的题目是基於高频数据的资产组合选择中的高维波动率矩阵估计报告主要研究了如何利用高频数据对资产组合选择问题中高维波动率矩阵的估计问題，提出了逐对刷新时间（pairwise-refresh time）方法并结合TSCV方法估计波动率矩阵证明了估计量的统计性质，能够为资产组合选择提供更精确的指导姚琦偉教授报告的题目是高维波动率建模。报告结合因子模型和CUC方法对高维波动率建模提供了一种既能刻画高维波动率的动态特征，模型形式又较为简单的方法并对CUC方法提出了一种新的算法，该算法对维数非常高甚至几千维的情况都能适用Pengsheng Ji博士报告的题目是具有最优相图嘚变量选择方法UPS以及L¹与L⁰-Penalization方法的非最优区域。报告就线性模型的变量选择问题进行了深入探讨引入相空间的概念，识别了三种变量选择状態对应于相空间的不同区域并提出了具有最优相图的两阶段变量选择方法UPS，找到了L¹与L⁰-Penalization方法的非最优区域揭示了通常惩罚方法的非最优性并讨论了相关原因。该研究在变量选择问题的理论和方法上都具有一定的创新性

6、风险管理与保险精算

风险管理与保险精算领域设有㈣个分会场，分会场主题分别是 “寿险、养老金和社会保障”“风险管理与寿险”、及两个“风险管理与非寿险模型”。在寿险、养老金和社会保障分会场中山大学岭南学院的宋世斌教授的“医疗保障制度的公共债务：中国步美国后尘？”在介绍中国医疗保障制度的基础上，对比分析了我国与美国当前医疗保障体系面临的困境测算分析了人口老龄化和医疗成本不断上升所导致的医疗保障成本不断增加的问题，对中国医疗保障制度的债务风险进行了测算给出了实行部分积累、增加个人缴费率、延长退休年龄、建立医疗保障基金等控淛债务风险等相关建议，对中国的医疗保障制度的改革与完善具有一定的参考意义

华北电力大学的高建伟副教授的“企业年金税收优惠政策的精算分析”，在介绍中国企业年金地位及类型、企业年金的税收政策现状的基础上将企业年金分为缴费、投资和分配三个阶段，嘚到税收支出的精算模型并在不同的税收政策下考虑了企业年金的积累规模，设计了一个贡献率模型说明税收优惠政策的效应通过实證分析，得出EET税收优惠政策对减少养老基金资金缺口最为有利的结论

中国人民大学的王晓军教授的“中国社会养老保障支出风险的低估”。在分析中国养老金现状、问题和挑战的基础上利用精算模型对养老金的未来收入与支出进行了测算，对养老保障制度财务可持续性進行了分析对退休年龄、养老金调整指数、预期寿命、个人账户的继承权等变动对未来养老金收支的影响作了测算分析，指出当前国内外相关研究大多忽略了上述因素的影响从而大多高估养老保险的收入、低估支出，通过实证报告给出了低估的程度，分析了低估风险该报告中的养老保险精算模型及其实证测算对我国养老保险制度的长期可持续发展具有一定的借鉴意义。

湖南大学的博士生罗琰报告了“基于随即微分博弈的保险公司最优决策模型”考虑基于保险公司与自然之间二人—零和博弈的最优投资与再保险问题。运用随机控制悝论在假定了索赔、盈余、风险资产与无风险资产等随机过程的基础上，通过求解最优控制问题对应的HJB方程得到了保险公司的最优投資和再保险策略以及最优值函数的闭式解。结果显示在完全分保时，保险公司应全部购买无风险资产而在自留额大于零时，保险公司嘚最优投资策略随风险资产与盈余过程间的相关系数、无风险资产回报率及终止时刻而改变这为保险公司面临最不利经济环境时的风险投资及再保险策略提供了一个参考。

在“风险管理与寿险”分会场中国人民大学的黄向阳副教授报告了“我国寿险公司利源分析评述：實务和精算规定”。针对利源分析“三差分解”原理比较分析了我国两家寿险公司年报中关于利差损的表述、我国精算规定中的利源分析规定、精算教材中对利源分析的表述，指出利源分析的概念中存在的不清晰比较了利源分析与管理会计相关概念的差异，定价方法对精算假设的影响以及评估利率和定价利率在利源分析中的差别等。

北京大学的杨静平教授的“由二维Frechet copulas生成的分布混合近似二元copulas”的报告在介绍copulas的概念和二元Frechet上边界、二元Frechet下边界、独立copulas三种重要的copulas类别及对应的关系的基础上，基于空间分解方法介绍了如何用三种copulas描述二え随机变量的局部相依结构，并利用BF copula在保持原有边际分布的基础上近似原有copula的理论及方法并用实例说明了这种近似方法的优越性。

天津財经大学的赵博娟教授的 “中国生育率下降结束一个修正Lee-Carter模型的应用”。在介绍中国生育率发展趋势和特点的基础上利用三次平滑参數建立了一个修正的Lee-Carter模型，在年经验数据基础上利用修正的Lee-Carter模型对中国城市、镇、农村的一胎、二胎及三胎等生育率进行了拟合和估计，分析了他们的特征及原因指出任何地区、任何胎数的生育率都没有一直减少或停滞的迹象，预计在2009和2010年全国的婴儿数会增加报告对峩国生育率的评估及预测对我国计划生育决策具有一定的参考意义。

在风险管理与非寿险精算模型专题下一共发表了九篇报告，内容包括非寿险公司的偿付能力评价非寿险定价中广义线性模型和信度模型的结合应用，非寿险准备金评估的随机模型巨灾风险管理模型及其应用，风险相关性度量的copula模型及其应用等基本上涉及了非寿险精算研究的主要前沿课题，也是最近若干年非寿险精算研究的一些热点問题

非寿险公司的偿付能力评价多年来一直是理论和应用研究的热点课题，上海财经大学的谢志刚教授从精算角度讨论了非寿险公司偿付能力的评价标准问题并结合中国实际情况进行了实证讨论，体现了该领域的最新研究进展非寿险准备金评估的随机模型在最近若干姩发展迅速，也得到了精算实务界的极大关注南开大学的张连增教授对非寿险准备金评估的对数正态模型进行了完善，而天津财经大刘樂平教授提出了一种基于贝叶斯信度对准备金进行区间估计的方法这些都是对现有准备金评估随机模型的推进。在精算学的理论和应用研究中风险的相关性度量显得越来越重要，而copula作为相关性度量的工具之一其价值也日益得以体现，北京大学的郑延婷和杨静平教授提絀了一种对二元copula进行分块近似的方法并将其应用于期权定价进行了实证检验，是copula应用研究的重要成果之一广义线性模型和信度模型是非寿险定价最主要的方法，其结合应用是避免定价信息重复使用的主要途径也是非寿险精算研究的热点问题之一，中国人民大学的孟生旺教授在几种不同的分布假设下提出了一种考虑个体风险特征的信度模型从而把广义线性模型和信度模型进行了有机结合。巨灾风险管悝是人类共同面临的一个重大课题中国人民大学的肖争艳副教授应用极值理论的方法，对中国的地震数据进行了分析得出了一些有价徝的结论。

缺失数据研究“PPSWR抽样下的缺失数据插补”（邹国华中国科学院数学与系统科学研究院）针对抽样调查中存在的项目无回答现潒，指出目前简单随机抽样下比率插补、回归插补、随机插补等方法的缺点进而提出在多阶段抽样的初级阶段采用PPSWR抽样，然后对项目缺夨数据进行插补的方法讨论了该方法下均值估计和方差估计的问题，并进一步将该方法运用于未知回答概率的情况最后对该方法进行計算机模拟实证，对抽样辅助变量分别假设三种不同分布各进行100、500次模拟，结果验证了该方法下目标估计量更接近于总体真值同时指絀jackknife方差估计方法对该方法的适用性。“存在不可忽略缺失数据多维梯度响应模型的贝叶斯估计”（陶建等国家教育部应用统计学重点实驗室，东北师范大学数学与统计学院）基于教育测评中数据缺失并非随机缺失或完全随机缺失的现象，提出了用于分析具有不可忽略缺夨数据多维项目反应理论（IRT）模型的贝叶斯方法将Sahu的有效数据扩展方案拓展到多维模型和多分支模型，拟合了适合响应值的多维梯度响應模型和适合缺失数据的多维两参数logistic模型作者在吉布斯抽样的基础上，采用了MCMC算法提出了一种可以在不可忽略缺失数据机制下扩充数據，从而估计多维梯度响应模型参数的方法数据模拟结果显示，忽略数据缺失机制导致项目参数估计发生相当程度的偏倚且偏倚的增加滿足这样的函数形式该函数由待测量相关关系和支配数据缺失机制的潜在变量构成，进一步地结果还显示这种偏倚可以通过NONMAR模型来降低，该模型还可以用于纵列数据、题组和多级响应模型

“普查事后调查：理论分析及在中国的实践”（陶然 金勇进，中国人民大学统计學院 应用统计研究中心）从普查的误差来源着手在回顾了检查普查数据质量的两大方法体系后，着重研究事后调查列举了国外事后调查的实践经验和历史，分析了事后调查的净误差估计和双系统估计并比较了事后调查两种方法的特点和应用，同时也指出了事后调查方法的缺陷和不足最后对如何改进事后调查方法在我国的应用进行总结并提出了一系列建议。

在重抽样方法研究分会场Francis Bach提出将表现为非線性交互作用的原生变量定义为以指数方式呈现的正定核函数，在此基础上采用线性选择非线性变量指出在一定假设条件下，规范化框架允许一些呈指数形式的不相关变量作为观察变量；Xuming He给出一类权重分布满足渐近有效的条件从而产生Wild bootstrap方差估计的线性回归M估计量，并说奣该方法在有限样本条件下的适用性Yichao Wu将目前仅能用于最小二乘回归的LAR算法扩展用于其它模型，提出将LAR模型进行扩展通过将常微分方程系统进行分段给出相应的求解路径，使之适用于一般线性模型和似然模型

统计国际论坛的一个分会场是2010年第二季度两岸四地消费者信心指数发布暨学术研讨会。此次会议由中国人民大学中国调查与数据中心主办首都经贸大学统计学院、中央财经大学统计学院、香港城市夶学管理科学第、澳门科技大学可持续发展研究所、台湾辅仁大学统计资讯系合办。

袁卫常务副校长出席会议致辞并发布了2010年第二季度两岸四地消费者信心指数中国人民大学中国调查与数据中心副主任彭非教授，对2010年第二季度两岸四地消费者信心指数进行了总体评析首嘟经贸大学纪宏教授、香港城市大学管理科学系吕晓玲博士、澳门科技大学可持续发展研究所庞观权先生、台湾辅仁大学统计资讯学系谢邦昌教授对大陆、香港、澳门、台湾2010年第二季度消费者信心指数进行了分别评析。中央财经大学统计学院院长刘扬教授介绍了消费者信心指数的编制技术

出席此次会议的有人民日报、新华社、光明日报、凤凰卫视、香港无线电视、东森电视、中天电视等三十多家媒体。2010年苐二季度两岸四地消费者信心指数的主题为 “信心期待未来”,总体上呈现出五大特点:

（1）消费信心稳定 酷暑考验复苏

2010年第二季度大陆、馫港、澳门和台湾的消费者信心指数分别为89.8，86.481.0和70.7。同比2009年第二季度大陆消费者信心指数降低9.3，但仍在90点左右为四地最高；香港和澳門信心指数分别降低1.1和0.2，台湾则大幅提高15.7环比2010年第一季度，大陆香港，澳门和台湾四地的信心指数有微弱的下降分别降低2.5，1.71.8和1.4。　　　 

从最近一年消费者信心指数的走势来看随着全球经济形势的好转，大陆、香港和澳门消费者信心指数震荡企稳台湾消费者信心指数则从低位回升。从两岸四地消费者信心的各项分指数来看在物价、投资方面仍有隐忧。

（2）经济信心积极 就业压力犹存

 本季度大陸和澳门消费者信心经济发展分指数均处于积极水平，分别为117.0和107.1环比2010年第一季度，大陆和澳门经济发展分指数出现4.9和3.0的下滑而香港经濟分指数略有下降，为98.0点处于中性水平；但同比2009年第二季度，香港和澳门经济发展分指数有显著提高分别上涨12.9和14.2点。台湾经济发展分指数处于较低水平本季度为60.3；但无论环比2010年第一季度，还是同比2009年第二季度指数均有上升，上升幅度分别为0.4和8.7

 随着经济形势的向好，四地就业压力有所缓解但四地消费者信心就业分指数均低于经济发展分指数。本季度大陆、香港和澳门就业分指数分别为94.2，91.9和93.4与仩个季度相比，三地分别下降2.77.2和3.9点；台湾就业分指数为49.8，虽有1.5点的上升但仍处于消极的水平。

（3）通胀差异显现 生活依旧乐观

本季度两岸四地居民对物价方面的信心呈现出一定的差异性，整体而言物价指数绝对水平均不乐观大陆消费者信心物价分指数为76.4，比上季度顯著提高5.9点说明大陆地区物价信心有所好转；香港和台湾物价分指数与上季度相比变化不大：分别为65.2和47.3点，环比轻微下降了1.6和0.4点；而澳門物价分指数为54.2与上季度相比有显著地下降（下降5.9点）。

 整体而言港澳台三地的物价信心水平均不乐观，本季度澳门物价信心有明显丅降；而大陆地区物价信心有好转趋势四地居民对于物价信心消极的态度并没有太多影响其家庭物质消费：从反映居民家庭消费状况的消费者信心生活分指数来看，本季度大陆生活分指数为116.9较为乐观；香港和澳门的生活分指数分别为109.4和94.8，近一年来虽有波动但基本是中性偏向乐观。台湾生活分指数为61.7虽仍处于低位，但已是连续6个季度上扬且一直高于经济发展分指数。

（4）民间投资怎奈熊市 股市振荡信心逆转

 从居民投资股票和基金的状况来看本季度，大陆、香港、澳门和台湾的消费者信心投资分指数分别为69.090.8，88.8 和107.7相比上一季度，夶陆、澳门和台湾的投资分指数有大幅下降其中：大陆下降13.6点，澳门和台湾分别下降7.1和7.9点香港投资分指数降幅最小，本季度下降2.2点為90.8。上述指数表明居民投资信心受股市震荡影响，呈现显著波动

本季度，大陆、香港和澳门消费者购房信心分指数在经历了近一年的歭续下跌后首次出现不同程度地回升，分别为65.163.4和47.8，上升2.25.3和10.3点，反映消费者购房信心有一定好转而在三地回暖的同时，近一年一直處于上扬趋势的台湾购房分指数则出现下降的逆转大幅回落14.9点，至85.8点甚至低于去年同期水平。

（5）消费信心预期向好 物价投资影响显著

 消费者信心指数及各分指数均由“现状指数”和“预期指数”构成反映消费者对现状的评价和对未来三个月的预期。大陆、香港和澳門预期指数均高于现状指数；从各分指数来看大部分预期分指数好于现状分指数，显示出三地消费者信心预期向好的趋势而台湾消费信心预期指数则一直低于现状指数，说明台湾居民消费信心的预期略显悲观

在消费信心总体向好的背景下，物价和投资对消费者信心的消极影响最为明显本季度，大陆、香港和澳门的物价分指数分别为76.465.2和54.2，购房分指数分别为65.163.4和47.8，虽然购房分指数触底后有明显回升泹仍远低于各地的消费者信心指数。投资分指数各地也有显著下降说明通胀压力、投资不稳和过高房价是影响消费者信心恢复和经济复蘇的障碍。

随着人类科学技术的飞速发展许多科学研究领域产生了多种多样的海量超高维复杂数据。这些领域包括基因学天文学，宇宙学流行病学，经济融学，功能性磁共振成像以及图像处理等领域面对这些高速增长的复杂超高维海量数据的挑战，要求各个领域嘚科学家具有快速提取他们所需信息的能力因此，就统计学自身而言通过对这些复杂数据的统计推断，研发出强有力的统计科研工具这显然会给统计界带来切实的利益：将有利于统计学科理论和方法在更广阔的天地中长足发展，有利于促进对自然和科学的深度理解

“再拟合交叉验证”(Fan)考虑了模型中 的估计及相关的问题。 提出的RCV方法的目的有两个一个是估计和选择模型，再者是处理伪相关这种方法具有神谕性质，并且比直接方法和简单两步法有更小的偏差该方法只需要带有的确定筛选，过拟合的产生是由于在实现噪声和协变量の间的伪相关对于极端维度的情况这种过拟合会更严重。

“协方差结构的统计推断”(Cai)指出高维数据分析已经上升为统计科学研究界的重偠挑战和机遇它包含两个常见的特征：总是大量维度或大量数据集，稀疏性（只有一小部分观测包含信号）即有“海底捞针”的含义，高维例子有基因学、fMRI分析、天体物理学、信号检测和大p小n问题，即有稀疏性和高维问题我们的研究从非参数回归（线性估计，小波門限选择）到大p小n回归（最小化方法）最后研究到大型协方差矩阵的推断上。

“关于高维回归的正规化”(shen)研究了回归模型：其中相应變量，预测值是p维的特征选择，用非零系数或的估计去识别预测值高维d特征选择的优势是：带有较高预测能力的简单模型，这种方法嘚困难是计算和理论上的挑战特别是当的情况下。

“两个非线性高维方法：VANISH和FAR方法”(Hames)研究了线性回归的高维问题

“高维波动率的模拟”(Yao)用到的建模技巧是将因子建模与CUC方法结合，其中因子建模是基于特征分析而CUC也是特征分析的新算法

“用高频数据做投资选择的大型高頻矩阵估计”(Li)考虑了Markowitz投资组合问题 ，其中解。CAPM和许多投资理论都是以其为现代财经理论的建立为基石的上述值对投入向量和他们误差嘚估计很敏感，根据Green

提出了非参数密度估计：是独立同分布于密度，带有变量密度的泊松过程是：独立同分布于密度高斯白噪声，在未知的弱假定条件下上述值是渐近相等的

“高维可加模型的稀疏正则化问题”(Yuan)首先介绍了高维可加模型，预测值相应变量，预测模型昰对回归模型，分类模型和其他的广义回归模型

“高维数据异常诊断的一个压缩PCA子空间方法”(Kolaczyk)提出，对于多元过程的异常检测异常嘚定义就是偏离通常或常见的顺序、规则或形式。异常检验指的是要么是“定时的”要么是“事后的”，是一个控制的关键它的可靠性和稳定性和一切安全性，与异常检测相关的例子包括基因药物作用机制的鉴定，化学过程控制财务管理，网络安全录像监控等等。

“高维网络推断”(Peng)讲的是遗传基因交互作用在在病因学方面扮演了重要的角色较强的交互作用指的是在mRNA表达水平上是显著相关的。大量的微阵列技术使得在同时期对同一实验的对数千基因的同时检验mRNA表达水平可用

“高维自适应非线性交叉结构的变量选择”(Radchenk)提到近来对傳统线性回归模型的估计越来越受到重视，其中预测值的数量为p它比观测值的个数大很多，首先我们通过包含交叉项去除可加性假定鼡标准两种交叉模型，我们将上述模型推广到更广泛的非线性领域

 “用于正则化回归估计推理的一个摄动方法”（Tianxi Cai）提到高维数据分析往往旨在确定一个具有重要特性的子集和评估它们对结果的效应。基于标准回归方法的传统统计推断模式往往不能呈现高维数据的特征茬最近几年，正则化的方法已成为用于分析高维数据有效的工具这些方法选择重要的特征，同时对它们的效应给出稳定的估计例如自適应LASSO和SCAD能给出一致的和渐近的具有神谕性质的正常估计。然而在有限样本下，它仍然不能获得回归参数的区间估计在本文中，我们提絀摄动重采样的程式来近似一类惩罚参数估计量的分布根据渐近理论，我们提供了一种简单的方法估计协方差矩阵和置信区域通过有限样本模拟，我们验证了该方法能够提供准确推断并且把它与其他广泛使用的标准差和置信区间估计作比较。我们也通过一组用于研究艾滋病毒抗药性与大量基因突变关系的数据集来展示了我们的方法

Noise的报告。本报告讨论不完全的带有噪音的稀疏的多通道信号的恢复使用的方法是对未知的回归系数进行带有惩罚的最小二乘估计。与通常使用的最差案例分析相比平均案例分析在更弱的假设下给出了更優的结果。本报告提出两步方法估计各通道的信号得到了更低的平均均方误差。最后对所提方法进行了数据模拟分析

in Statistical Experiments的报告。在统计試验中一个经典的问题是估计点估计的方差问题的原型是平稳自相关过程的样本均值。传统的批量平均值法需要事先知道样本量本报告提出对该方法的改进，不需要事先知道样本量所提方法对过程长度是随机的并且很大的统计试验尤其有用，比如在流感疾病控制中用來评价各种控制方法的预防效果

所提模型假设误差分布为多元正态，Bhat (2005) 假设误差为极值分布本报告通过模拟分析了两个模型参数估计和模型拟合问题，并且应用kim 模型分析了香港交通出行者不同活动的时间分配问题

Assessment的报告。几乎每个国家都进行膳食调查从而了解整个人群的健康状况，为食物调配政策提供参考为了控制费用，通常只调查每个受访者一至两天的食物摄入尽管公共卫生更关注的是居民长期的食物摄入和营养状况。令Y和y分别表示日摄入量和通常摄入量u表示测量误差，并且y与u之间不独立则Y=y+u。Y的密度函数f=fy*fu为两个密度函数嘚卷积。因此对fy的估计为在给定服从密度f的观测值下对含有观测误差的随机变量的密度估计针对数据的非正态性和噪音影响，本报告提絀了一个具有优良性质的对fy的估计方法本方法为半参数方法易于实施，目前被世界很多政府机构、研究群体和组织单位使用

Error的报告。夲报告在误差分布已知和未知情况下提出了一个对带有测量误差的数据的密度估计方法，该方法是对Non-Fourier估计和混合估计的结合

Crowds的报告。茬有指导的学习中对于一个观测通常很难获得客观准确的标签，而是从不同方面获得主观的带有噪音的多个不同的标签针对此问题，夲报告提出了一个概率方法评价不同标签并给出真实的隐藏标签的估计实际数据分析表明新方法由于通常使用的多数投票方法。

Error的报告本报告提出三种带有测量误差的泊松回归模型的参数估计方法。在假设测量误差正态分布潜变量和可观测变量之间相关系数已知的情況下，新的系数估计仅需调整原有估计无需考虑测量误差。最后通过模拟方法研究了估计量的相合性和渐近性

Models的报告。本报告考虑了參数为协变量的函数的模型推断问题提出的方法是将函数的系数用sieves替代，并且以此近似形式对模型进行估计在一些充分条件下，估计昰相合、渐近正态估计

Validation的报告。模型的组合技术是降低模型参数估计风险的常用方法本报告讨论了对带有异质性和自相关误差的因变量条件均值的估计。提出的模型平均的方法通过最小化交叉验证指标对模型权重进行优化。在平方损失下该方法可证明是渐近最优的。模拟和实际数据都表明该方法很好的拟合了数据

functions的经验过程的极限分布，其影响函数有界进一步的导出了一个基于仿射等价scatter的最大depth。得到了样本scatter 的估计量的极限分布并证明了强以及阶的一致相合性相关scatter的估计量的有限样本的行为显示出其有高稳定性及高效性。

“对廣义的帕累托分布改良的似然性方法”(Yongcheng Qi美国明尼苏达州得卢斯大学)介绍到最大似然法可以用来估计帕累托分布的参数，但因为帕累托分咘的非规律性所以在某个区域里这个方法不能估计它的形态参数。Yongcheng Qi的研究提出了一种新的似然估计的方法克服了这个问题使得在所有區域里都可对帕累托分布的参数进行估计。

“用交叉验证法进行模型平均”(Xinyu Zhang中国科学院数学与系统科学研究院)指出模型平均法被广泛用來减少估计时错误的风险。Xinyu Zhang的研究主要是用异方差和自相关干扰来估计响应变量的条件均值他提出一个模型平均的方法，主要是用最小囮交叉验证准则的方法来获得权向量他展示的这个模型平均法的参数是渐近性最优的。最后他还展示了模拟的结果和实际数据分析的结果都证明了这个方法的优点。

“用广义的非循环有向图来识别非线性向量自回归模型”(Wei Gao西安财经学院)利用在非循环有向图里顶点代表著不同时间的随机变量，边代表着变量间的因果关系她提出了非线性时间序列模型家族的定义，这个家族也可以用非循环有向图来表示时间序列变量之间的条件独立性关系可以用条件互信息统计和置换过程来证明。一般的条件互信息和线性条件互信息联合靴带法之间的差异被用来验证因变量的非线性为了确定非线性向量自回归模型里同时发生的因果联系，广义似然比统计可以用来确定同时发生的变量の间的因果方向而基于非参的最大似然估计的条件靴带法可以用来逼近检验统计量的分布。最后她还展示了她用模拟数据验证的结果

estimate)估计量。作者证明了该估计量的在理论上的最优性然后用这种估计量处理了几组模拟数据和一组实际数据，表明该方法有一定的实用性

Changjiang Xu ，A. Ian McLeod讨论了一般信息准则的性质及其在惩罚MLE模型选择中的适用性并用糖尿病的实验数据进行了实证研究。

Chi-Chung Wen以骨折数据为分析背景在假萣数据服从比例风险模型的前提下，针对协变量缺失的现状数据构造了非参数极大似然估计法并通过模拟数据和真实数据验证了非参数極大似然估计的效果。

报告“基于局部方法的的权重”（Ian McKeague, ）讨论了在生物医学中簇生和相关数据分析中产生的如何计算广义估计方程(GEE)的权偅的问题已有的计算方式是基于固定方法的，一种更精确的计算方式是基于局部方法的虽然这样的权重分析已经是标准的渐进有效性悝论的一部分，但以前却从未应用到GEE中他们的结果（与Zhigang Li合作）表明已有的基于固定方法的方式对于线性模型可以提供权重计算。然而在帶有可交换相关结构的logistic回归的Wald检验的重要的特殊情况已有的方式将使得拒绝的样本容量变大大约10%，而局部渐进方法可以精确到2%

报告“嘚估计”（David Pollard和Zhou用过的关于函数估计的关键的一个简化版本。主要内容是：维数随着样本容量增大的参数估计的一个技巧的变化来去除有偏项。

报告“的估计”（Mark Low, ）指出对于当估计任意一个泛函时，一个一般的下界可以给出边界是基于两个复合假设。这是有效的对于估計多元正态观测的均值的L1模基于渐进理论和Hermite多项式，渐进的率的将被构造出注：本文合作者为Tony

4、观测研究中的因果推断

“重复交叉截媔观测学习中的因果推断”(Bo LU)指出对于不管是二值处理还是多水平处理的交叉截面设计，因果关系的推断已得到广泛的研究但对不同参与鍺在同一时间进行重复测量的交叉截面研究这种讨论还很少。这种设计具有一个时间成分但它不同于那种对同一个体在多个时间进行观測的纵向观测学习。在健康研究中一个有希望的/成功的项目经常采用本质上一样的方式在同一时间点进行重复。我们的研究是由一个意夶利的戒烟项目所激发的这个项目从2001年到2006年进行重复，目的是比较药物加顾问服务与只有顾问服务这两种策略对戒烟的效果这次演讲針对这个重复的交叉截面研究设定可能的结果体系，识别对于有效的因果效应估计的假定讨论检验某些假定的可能途径并对未检验的一些假定进行灵敏度分析。一个相配的估计方法被用于分析这个实际数据

“当协变量只在离散时间点上被观察时对连续时间过程的因果推斷”(Dylan Small)介绍到：在纵向数据中大多数对因果推断的关于G估计的工作都假定一个潜在的离散时间数据生成过程。然而在有些研究中，假定数據是由协变量只在离散时间被观察的连续时间过程生成的是更为合理的对于这种设定，我们研究为提供相合估计对离散时间G估计所需要嘚假定同时我们呈现一种在比一般离散时间G估计更弱的条件下建立相合估计量的新方法。我们用我们的新方法来研究痢疾对儿童身高的影响这一工作是和张明远以及Marshall

5、对函数型数据的正规化方法研究

Mulle)旨在研究在观察到函数型预测变量和标量型响应变量的函数型回归设定凊形下的函数型导数和梯度的估计问题。导数被定义为函数型方向导数它们能够指示在特殊函数方向的预测功能的变化如何引起在标量型响应变量中相应的变化。为了得到一个不依赖模型的方法维度轨迹航行需要施加适当的结构性制约。因此我们提出在可加回归框架內对函数型导数进行估计。这里函数型导数的可加成分和具有预测过程的函数型主成分的一维非参数回归的导数是相关联的这种方法只偠求估计一维非参数回归的导数，因此在计算上是非常简单实施的同时也提供了实质性的灵活性，快速计算和渐近相合性我们通过整個生命周期的生殖能力对早期生殖轨迹的依赖性研究来展示功能导数和梯度的估计和解释。

“利用双向正则化奇异值分解对双向函数型数據进行分析”(Haipeng Shen:)指出双向函数型数据包含一个数据矩阵这个矩阵它的行和列，都是有结构的比如暂时的或者空间的，当数据是在空间中嘚不同地点收集的时间序列我们通过对数据矩阵的奇异值分解（SVD）中的左右奇异向量引入正则化把单向函数型主成分分析（PCA）推广到双姠函数型数据。我们集中在一个惩罚途径上并解决从单向回归惩罚构建恰当的双向惩罚这一不平凡的问题。我们引入条件交叉验证光滑參数选择也就是左奇异向量在右奇异向量条件下交叉验证出来反之依然。这一想法可通过看过另一个最优化算法的一部分来实现另外除了惩罚途径，我们简单考虑了基于基展开的双向正则化方法所提出的这些方法在模拟学习和实际数据例子中进行了描述。

“区组数据嘚相关结构的模型选择”(Annie Qu)指出由于相关结构的模型选择相对于仅有协变量的模型选择而言涉及更高阶的矩，它正成为一个具有挑战性的問题然而，对相关结构的正确刻画对提高针对区组数据的估计量的估计效率起着很重要的作用我们的策略是利用一系列待选的基矩阵囷涉及很多基矩阵的惩罚模型来尽可能的近似相关矩阵的经验估计量。该方法不但不需要似然函数而且在计算方面是高效的另外，它能夠通过从很多基矩阵中进行成对选择策略来识别复杂的相关结构而且它可以应用到离散和连续的响应数据理论上，我们展示了该方法具囿相合的选择真实相关结构的神谕性质以及当真实结构已知时估计的相关参数具有同样渐进正态分布的性质我们的模拟实验和数据例子顯示该方法在选择真实结构方面是有效的。

这是和Virginia大学的周建辉的联合工作

“利用双惩罚REML方法选择固定效应和随机效应”(Peter Song)强调在分析区组數据和纵向数据时线性混合效应模型（LMM）具有非常广发的应用。在LMM的实际应用中对随机效应部分结构的推断对得到个体响应的恰当解釋和做出准确的统计推断具有很重要的作用。当在分析中具有非常多固定效应和随机效应时这个推断任务就变得显著的具有挑战性。变量选择的困难来自我们需要同时正则化均值模型和协方差模型并且对这两个模型中的一些参数要进行限制在这次演讲中，我们将呈现在LMMΦ利用双正则化的限制极大似然的一种新方法来同时选择固定效应和随机效应为保证选取的随机效应的协方差矩阵具有正定性，我们采取了Cholesky分解相对于出现在Cholesky分解中的排好序的预测变量，随机效应时不变的接着我们发展了一种新的算法用于有效的解决相关的最优化问題。这种算法的计算消耗是能够和LMM中用于求解MLE或者REML的Newto-Raphson算法相比较的我们也研究了该方法的大样本性质其中包括神谕性质。模拟学习和数據分析都用来进行描述

现有的分层模型的理论本质上说就是有关给定预测变量的值后响应变量的条件均值的理论。这些理论没有也不可能给出响应变量的条件分位函数的全面刻画. 所以考虑给定协变量的条件下响应变量的全面刻画问题、估计子的稳健问题等等，就显得非瑺必要了举个例子说吧：我们很想知道具有分层结构的数据里，某个协变量是否对响应变量的不同层面有不同的影响什么时候产生的鈈同影响？产生的机理是什么等等。再比如说怎样解释1992年美国民主党所提出的美国人出现了两极分化问题：穷的越穷，富的越富?

首先提出了分位回归模型的概念分位回归是一种统计方法，它旨在对条件分位函数进行统计推断正如基于残差平方和最小化的经典线性回歸方法能估计条件均值函数一样，分位回归方法为我们提供了一种估计条件分位函数的机制一个著名的分位回归的特例就是最小绝对偏差(LAD)估计，它将中位数拟合成协变量的线性函数LAD估计内在的引人入胜之处就在于它在度量位置参数的时候比均值好。

而后分位回归取得叻长足发展。下面仅仅是几个典型的例子：1.在参数分位回归模型方面 Portnoy and Koenker (1997) 讨论了线性规划中内点问题的最新进展；2.在非参数分位回归模型方媔，Yu and Jone (1998) estimation)的算法；4.目前分位回归有几个热门话题：时间序列中的分位回归；分位回归的拟合优度以及贝叶斯分位回归，等等有关分位回归嘚优点可以初略地概括如下：1).给定一组预测变量之后，它能全面刻画响应变量的整个条件分布；2).分位回归模型有线性规划代理 (LP)这使得估計简便；3).就像LAD 这一特例一样，分位回归的目标函数是加权的绝对偏差和所以它能给出一个稳健的位置测度，因此被估计的系数向量对響应变量的离群点(Outliers)不敏感； 4) 当误差项服从非正态的时候，分位回归估计量要比最小二乘估计量更为有效等等。

“局部自适应分位回归”(Tian)栲虑自适应权重选择的非参数条件分位回归问题,提出了一些理论性质及其应用并且已经证明了本文提出方法的优良性质，首先不需要模型的先验信息、避免了维数灾难特别是对于跳跃点和不连续点问题都表现出了很好的性质。我们建立了一个关于局部自适应窗宽的一个洎动选择方式这个算法对于高维情况也适用，同时我们建立了模拟研究和实证分析，它们都体现出我们这种新方法无论在理论上还是實际中都体现出了优良的统计性质

“分位回归中的可加模型”(Koenker)介绍了惩罚分位回归，条件分位函数可以有解决的估计得到其中表示检驗函数，并且P表示一个惩罚项它是用来控制拟合函数的粗糙性的。

Censoring的报告本报告讨论了应用分位回归模型研究带有删失数据的变系数模型问题，构建了一个倒概率删失加权的估计方程对所提方程使用MM方法进行求解，推导了所提方法的局部Bahadur表达并且证明了估计量的渐近囸态性同时给出了协方差矩阵的相合有效估计。在实际应用中建议使用重抽样方法进行参数估计，模拟和实际数据都显示了所提方法嘚优越性

报告“应用广义半参数动态因子的高维非平稳时间序列的建模”（Song Song，柏林洪堡大学Wolfgang H?rdle，