报告一

报告题目：大数据时代现代抽样调查技术方法及应用

报告时间： 11月12日 14：30——15：30

报告地点： 腾讯会议 644-284-738

报告人： 陈光慧

报告人简介：主讲人简介：

陈光慧，暨南大学经济学院统计与数据科学系教授、博士生导师，兼任第三届全国统计职业教育教学指导委员会委员、中国商业统计学会常务理事、中国商业统计学会市场调查与教学研究分会副会长、广东省统计学会副会长、广东省百名统计学家，《统计研究》、《数理统计与管理》等刊物编委和审稿人。长期从事统计调查及其在政府统计中的应用研究和教学，博士论文获评2012年全国“百篇”优秀博士学位论文提名论文，2015年入选国家高层次青年人才支持计划；主持完成国家社会科学基金项目3项、全国统计科研重大项目3项、霍英东教育基金及教育部等省部级项目多项；在统计学、经济学各类期刊共发表学术论文60多篇，其中在《统计研究》刊物发表10多篇论文，多篇论文被《人大复印报刊资料》全文转载；研究成果获得第九届、第十届、第十一届全国统计科学研究优秀成果二等、三等奖多项。多次与政府统计部门开展合作研究，内容涉及政府统计调查、统计制度改革，数字经济核算等，如2022年主持完成国家统计局数字经济统计监测试点（东莞市）项目，试点工作成果得到国家统计局采纳。开展培训讲座几十次，主题都是关于新时代现代化统计调查体系相关内容，向全国各地政府统计部门的工作人员极力宣传和推广先进的统计调查方法。

报告摘要：当前大数据时代来临，客观上要求在抽样调查技术方法方面进行相应地变革，以充分发挥大数据在统计调查中的应用潜力。具体来说，针对现行抽样技术方法在人口住户调查、企业调查等实际应用中存在的各类问题，重点研究和合理设计复杂的多阶抽样设计、以样本轮换为主的连续性抽样，以及模型辅助抽样估计方法等前沿的抽样调查技术方法；同时，在未来实际应用方面，充分研究和整合利用各类大数据资源，注重大数据与抽样调查数据及其推断估计方法的结合，在不显著增加整体调查经费的前提下，更加准确、及时、连续地生产各类调查数据,从而有效推进我国统计调查技术方法应用研究和新时代现代化统计调查体系改革。

报告二

报告题目：An automatic MDDM-based test for martingale difference hypothesis

报告时间： 11月12日 15：30——16：30

报告地点： 腾讯会议 644-284-738

报告人： 王国长

报告人简介：主讲人简介：王国长，暨南大学经济学院统计学系教授、博士生导师。2012年毕业于东北师范大学数学与统计学院统计系，并取得统计学博士学位，2012-2014年在中国科学院应用所从事博士后研究工作，2017-2018年赴香港大学统计与精算系学术访问1年。主要研究方向为函数型数据分析、时间序列、充分性降维、统计与机器学习等，迄今为止在Journal of Econometrics, Journal of the Business & Economic Statistics, Statistica Sinica, Scandinavian Journal of Statistics等重要学术期刊接收和发表论文30余篇。主持国家级项目4项，省部级项目4项。

报告摘要：Checking whether the error term is a marginal difference sequence (MDS) in the multivariate time series model with a parametric conditional mean is a crucial problem. Tests based on the martingale difference divergence matrix (MDDM) are an effective statistical method for testing MDS in the residuals of multivariate time series models. However, MDDM-based tests require specifying the lag order. To solve this problem, we propose a data-driven MDDM-based test that automatically selects the lag order. This method has three main advantages: first, researchers do not need to specify the lag order while the test automatically selects it from the data; second, under the null hypothesis, the lag order is one, which significantly reduces computational costs; third, the proposed automatic tests have good performance in detecting model inadequacy caused by high-order dependence. In theory, we prove the asymptotical property of the proposed method. Furthermore, we demonstrate the effectiveness of this method through simulations and real data analysis.

报告三

报告题目：Nonparametric Two-Sample Tests of High Dimensional Mean Vectors via Random Integration

报告时间： 11月12日 16：30——17：30

报告地点： 腾讯会议 644-284-738

报告人：姜云卢

报告人简介：姜云卢，暨南大学经济学院统计与数据科学系教授、博士生导师。2012年博士毕业于中山大学数学与计算科学学院。目前的主要研究包括：稳健统计、高维数据分析和变量选择，至今已公开在JASA、Technometrics、Statistica Sinica等国内外知名期刊上发表SCI论文40余篇，其中入选ESI前1%高被引论文1篇；主持国家自然科学基金项目2项和省部级项目5项；入选“暨南双百英才计划”暨南杰青第一层次和第二层次；入选广东省高等学校“千百十工程”第八批培养对象；荣获第八次广东省统计科研优秀成果奖一等奖。

报告摘要：Testing the equality of the means in two samples is a fundamental statistical inferential problem. Most of the existing methods are based on the sum-of-squares or supremum statistics. They are possibly powerful in some situations, but not in others, and they do not work in a unified way. Using random integration of the difference, we develop a framework that includes and extends many existing methods, especially in high dimensional settings, without restricting the same covariance matrices or sparsity. Under a general multivariate model, we can derive the asymptotic properties of the proposed test statistic without specifying a relationship between the data dimension and sample size explicitly. Specifically, the new framework allows us to better understand the test’s properties and select a powerful procedure accordingly. For example, we prove that our proposed test can achieve the power of 1 when nonzero signals in the true mean differences are weakly dense with nearly the same sign. In addition, we delineate the conditions under which the asymptotic relative Pitman efficiency of our proposed test to its competitor is greater than or equal to 1. Extensive numerical studies and a real data example demonstrate the potential of our proposed test.