日前，国家自然科学基金委员会公布了2022年度集中申报期项目的评审结果。我院教授张波、李扬，讲师白琰冰、王武、吴奔、范新妍、刘越获得立项，立项信息详见下文。
立项信息
张波
中国人民大学统计学院教授
项目类别：面上项目
项目名称：面向中小微企业金融信息服务的网络结构数据建模及应用
项目简介：本项目的目的是基于金融信息服务场景下由中小微企业、消费者与支付机构形成的复杂网络，通过网络数据与大数据分析技术，实现面向中小微企业的金融信息服务在理论建模与实际应用上的突破。主要研究以下三项内容：1）融合网络数据以提高金融资讯服务质量；2）网络数据分析赋能第三方支付数字化服务升级和;3）基于网络数据分析方法构建供应链中小微企业的风险评价体系。
李扬
中国人民大学统计学院教授
项目类别：面上项目
项目名称：变量选择不确定性评价方法及其在管理科学中的应用
项目简介：变量选择是数据科学时代常用的分析工具。实证研究中有限的样本量会导致变量选择的模型不确定性，带来模型结果的可重复性挑战，弱化研究结论的科学性。本项目以变量选择不确定性评价为目标，针对“如何遴选变量选择的方法”和“如何评价变量选择的结果”展开探索：讨论不同应用场景下变量选择方法的不确定性评价度量，构建评价变量选择结果的不确定性提供创新推断工具。
白琰冰
中国人民大学统计学院讲师
项目类别：青年科学基金项目
项目名称：基于多模态数据自监督学习的社会经济指标预估及可解释性研究
项目简介：及时准确的获取社会经济指标对于了解经济发展规律和制定政府决策是十分重要的。以往社会经济指标获取严重依赖于传统的统计调查方法，存在数据获取成本和难度高且更新滞后等问题。研究表明卫星遥感图像、街景图像及社交媒体文本等新兴数据源与社会经济指标有密切的关系。本项目拟利用自监督学习方法构建基于多模态数据的社会经济指标预估方法，探究新兴数据源内在特征与社会经济指标之间的关联规律，从模型可解释性角度挖掘模型背后的预测逻辑。
王武
中国人民大学统计学院讲师
项目类别：青年科学基金项目
项目名称：函数型数据亚组分析的理论和应用研究
项目简介：亚组分析是有效处理异质性的一种统计方法，目前大部分研究都集中在有限维向量数据。函数型数据亚组分析方法可以极大地补充函数型数据分析中异质性的建模方法。此课题将聚焦在函数型数据亚组分析的检验、可识别性、估计、大样本性质等基础问题。课题将提出函数型亚组估计的新算法，结合限制极大似然法解决多个光滑参数选择的问题，研究函数型线性、广义线性和分位数回归亚组模型的统计性质。
吴奔
中国人民大学统计学院讲师
项目类别：青年科学基金项目
项目名称：贝叶斯独立成分分析模型及其在神经影像学中的应用
项目简介：神经影像学技术目前已经成为了研究脑部神经活动的重要工具，其分析的常见目标之一是分解脑部三维图像，从而识别潜在的脑功能（或结构）网络。独立成分分析（ICA）已被广泛应用在该问题之中。由于不同模态的神经影像数据具有全然不同的特征，现有的研究常常只能根据模态的不同选择特定的分析方法，而难以做到跨模态的联合分析。本项目从贝叶斯统计的角度出发，针对单模态数据、多模态单主体数据、多模态多主体数据分别构造合适的先验分布进行研究，提出与数据特征相适应的贝叶斯ICA模型，为分析神经影像数据提供强有力的工具。
范新妍
中国人民大学统计学院讲师
项目类别：青年科学基金项目
项目名称:融合复杂多源信息的潜空间模型
项目简介：本项目将针对节点变量间相依关系、多层复杂网络、多模网络等三种常见的结构复杂的多源信息展开研究建立潜空间模型。将通过潜变量的位置函数和多种距离函数构建节点变量和多种复杂网络的生成方式，基于共享潜变量把多源信息融合起来。本项目将阐述所提模型的可识别条件，给出估计的理论性质。为了分析大规模网络，将基于投影梯度下降法设计算法，并通过大量数值研究验证模型在有限样本下的表现。
刘越
中国人民大学统计学院讲师
项目类别：青年科学基金项目
项目名称：基于因果网络的因果作用估计算法与不变预测
项目简介：从观察数据中发现不同因素之间的因果关系是统计学和人工智能领域长期关注的科学难题。本项目基于因果图模型，并对现有因果作用估计算法和不变因果预测算法进行研究和改进。一方面，本项目将研究图模型局部性质与数据背后的因果机制，并从理论和模拟两个方面对新算法进行验证；另一方面，本项目将提出在线可适应的不变因果预测算法，并将其拓展到现有人工智能算法中，推证和模拟新算法的可靠性和有效性；推动基于因果推断的“强人工智能”的发展。
统计学院高度重视国家自然科学基金申报工作，通过组织项目申报交流会、院内评审交流会等举措有效提高项目申报质量，立项比例连续三年持续提升。学院将以此为契机，继续做实做优国家自然科学基金申报的各项工作，争取明年再创佳绩！