科学研究

科研动态

您当前的位置: 首页> 科学研究> 科研动态
统计学院八位教师荣获首届《统计研究》优秀论文奖
时间:2022-01-13

  近日,由中国统计学会《统计研究》编辑部主办的首届《统计研究》优秀论文评选结果公布,我院共有八位教师荣获优秀论文奖。

  一直以来,统计学院教师积极进取、努力奋斗,面向国家经济社会发展中的重大实际问题展开研究,把研究成果写在中国大地上。本次获奖是统计学院在人文社科领域综合科研实力的集中体现。未来,统计学院将持续发挥优势,提升科研水平,立足创新、服务社会。



成果名称:扩展的自然资源核算——以自然资源资产负债表为重点

作者:高敏雪

摘要:探索编制自然资源资产负债表,是一项对中国当前资源环境管理具有重大意义的创新性课题。本文将自然资源实体与围绕管理所形成的自然资源使用权益分开,提出一套包含三层架构的自然资源核算体系,最终在自然资源开采权益基础上设计出自然资源资产负债表,由此解决了自然资源负债定义和核算这个难题。通过核算,不仅可以满足当前"领导干部离任责任审计"的需求,同时还会对权益等工具在自然资源可持续管理过程中的全面应用产生促进作用。


成果名称:基于网络结构Logistic模型的企业信用风险预警

作者:方匡南 范新妍 马双鸽

摘要:随着计算机和互联网的快速发展,特别是在大数据时代,企业积累了大量有关企业经营、财务等相关数据,变量众多且关系纷繁复杂,如果利用传统的logistic回归建立企业信用风险预警模型往往效果不好。本文在充分考虑变量间的网络结构(Network)关系基础上,提出了网络结构Logistic模型,通过惩罚方法同时实现变量选择和参数估计。蒙特卡洛模拟表明网络结构Logistic模型要优于其他方法。最后,我们将其应用到我国企业信用风险预警中,充分考虑财务指标间的网络结构关系,科学地选择评估指标,构建更加适合我国国情的企业信用风险预警方法。


成果名称:大数据背景下非概率抽样的统计推断问题

作者:金勇进 刘展

摘要:利用大数据进行抽样,很多情况下由于抽样框的构造比较困难,使得抽取的样本属于非概率样本,传统的抽样推断理论难以应用到非概率样本中,如何解决非概率抽样的统计推断问题,是大数据背景下抽样调查面临的严重挑战。本文提出了解决非概率抽样统计推断问题的基本思路:一是抽样方法,可以考虑基于样本匹配的样本选择、链接跟踪抽样方法等,使得到的非概率样本近似于概率样本,从而可采用概率样本的统计推断理论;二是权数的构造与调整,可以考虑基于伪设计、模型和倾向得分等方法得到类似于概率样本的基础权数;三是估计,可以考虑基于伪设计、模型和贝叶斯的混合概率估计。最后,本文以基于样本匹配的样本选择为例探讨了具体解决方法。


成果名称:长寿风险对城镇职工养老保险的冲击效应研究

作者:王晓军 姜增明

摘要:健康长寿是人类社会共同的美好追求和发展趋势,却对养老金体系产生不利影响。当前,长寿风险已成为全球养老金体系面临的重要系统性风险,在我国却没有引起足够重视。本文借助国际上金融机构偿付能力资本需求的思想,首先将长寿风险对我国城镇职工基本养老保险的冲击效应进行界定,并通过联立有限数据双随机Lee-Carter死亡率模型的预测值与城镇职工养老金领取水平的预测值,评估了未来36年长寿风险对我国城镇职工养老保险的冲击效应,最后进行不同改革政策的模拟和敏感性分析。结果显示,长寿风险对我国城镇职工养老保险的冲击效应十分明显,且这种冲击效应受延迟退休年龄和养老金调整指数的影响显著,受城镇化率等其他因素的影响相对有限。


成果名称:我国城镇居民消费结构变动影响因素及趋势研究

作者:王雪琪 赵彦云 范超

摘要:本文利用我国20032013年的省际面板数据,通过动态面板GMM估计方法,研究了人口年龄结构和消费习惯对我国城镇居民消费结构的影响,克服了消费总量分析中产品维度上的"加总谬误"。实证研究表明:1人口年龄结构显著影响城镇居民消费结构,儿童对文教娱乐、老年人对居住和医疗消费需求较强;2我国城镇居民的消费支出存在较强的惯性,消费习惯和收入是影响城镇居民消费结构最为关键的因素;3在提高居民收入、降低实际利率和控制房价的背景下,未来我国城镇居民家庭消费结构将呈现稳中有变、趋向享受型消费的特点。


成果名称:互联网企业广告收入预测研究———基于低频数据的神经网络和时间序列组合模型

作者:吴翌琳 南金伶

摘要:神经网络模型对大样本时间序列的拟合效果优于传统时间序列模型,但对于年度、月度、日度等低频时间序列的预测则难以发挥其优势。鉴于此,本文应用传统时间序列模型和神经网络模型,建立Holtwinters-BP组合模型,利用Holtwinters模型分别拟合各解释变量序列,利用BP模型拟合解释变量和自变量的非线性关系,基于某社交新闻类APP的日广告收入数据进行互联网企业广告收入预测研究。通过与循环神经网络(RNN)模型、长短期记忆神经网络(LSTM)模型等预测结果的对比发现:Holtwinters-BP组合模型的预测精度和稳定性更高;证明多维变量对于广告收入的显著影响,多变量模型的预测准确性高于单变量模型;构建的Holtwinters-BP组合模型对于低频数据预测有较好的有效性和适用性。


成果名称:数据资产核算研究

作者:李静萍

摘要:数据是数字经济时代重要的生产要素,但是目前国民经济核算体系并没有确认数据的资产属性,数据的价值被极大地忽略了。本文认为数据具有明确的所有权归属和经济收益性,因此具有资产属性,应当扩展国民经济核算体系的资产核算范围,将数据资产纳入资产核算。根据数据的产生过程和特点,本文认为应当以聚合数据作为数据资产识别的单位,确认数据的非生产资产属性。本文建议开展包括数据资产和数据开发资产在内的附属核算,就数据资产估价方法给出了一些建议,并指出了若干需要进一步研究的重要课题。


成果名称:高维数据的稳健二分类方法

作者:史兴杰 王赛旎 李扬

摘要:对于实证研究中经常遇到变量维数高和存在异常值的二分类问题,探索稳健的高维二分类方法显得尤为重要。本文提出基于Lasso惩罚的光滑0-1损失函数二分类法,并利用Fabs算法高效地解决了变量选择和参数估计问题。数值模拟的结果表明,在不同异常值比例下该方法均具有良好的稳健性。基于CHIP 2013年度数据,利用该方法对农民工子女高中入学决定的影响因素进行了实证研究。分析发现,农民工父母的教育水平、教育水平与家庭经济状况的交互作用、农民工子女性别、性别与民族的交互作用均对农民工子女的入学决定有重要影响。