12月13-14日，2025年厦门大学现代统计学研讨会在厦大经济楼圆满举行。来自国内外40余所院校的130余嘉宾抵厦参会，围绕“面向人工智能时代的统计学与数据科学前沿研究”主题深入交流研讨。
会议为期一天半，邀请7名知名学者担任大会主旨报告嘉宾，另设20个分组报告，共82篇论文在会上进行汇报交流。国际著名统计学家、厦门大学邹至庄杰出访问教授汤家豪教授，美国普渡大学统计学杰出教授林共进教授受邀参会。
本次会议是厦门大学经济学科自2011年以来第12次举办的以现代统计学为主题的研讨会，旨在发挥厦门大学统计学科的资源优势，搭建促进国内统计学者之间的学术交流和合作的平台，更好地推动统计学科、计量经济学科及相关应用学科的发展，同时加强厦门大学统计学科与各兄弟院校之间的协同合作。
13日上午，在厦门大学统计学与数据科学系副主任（主持工作）方匡南教授的主持下，会议开幕式在经济楼报告厅举行。厦门大学党委常委、副校长方颖致开幕词。方颖表示，连续举办的现代统计学系列研讨会汇聚海内外学界智慧，有力地推动了学术研究的交流合作，为统计学科的发展注入新的活力。厦门大学将持续践行“开放办学”的理念，进一步深化与国内外高校、科研机构的合作，共同推动统计学科在人工智能时代实现更高质量的发展。
中国科学院大学经济与管理学院院长、厦门大学邹至庄经济研究院院长洪永淼教授为与会嘉宾详细介绍了厦门大学统计学科的发展历程和现状。厦门大学统计学科有着七十余年的发展历史，曾涌现了钱伯海、黄良文等老一辈学科带头人，在统计理论与国民经济核算领域独树一帜；自王亚南经济研究院成立后，经过二十年的探索，形成了经济统计学、计量经济学和数理统计学三位一体、共同发展的大统计学科框架，在学科建设、人才培养、科学研究、师资队伍建设、对外交流合作等方面取得不俗成绩。
香港教育大学李伟强教授、东南大学金加顺教授、中国科学技术大学王学钦教授、香港中文大学王军辉教授、中国科学院大学和厦门大学洪永淼教授、浙江大学孙文光教授、澳门大学李德柜教授依次带来精彩主旨演讲。
李伟强：Testing for the Symmetry of Innovation in Multivariate Time Series Models
李伟强教授针对多元时间序列模型中噪声项对称性检验长期存在的技术难题，提出了一种基于特征量度的一致性检验方法。现有对称性检验主要针对单变量情形，通常依赖核平滑或鞅变换技术，难以自然推广至多元框架。相比之下，该方法在维度固定的设定下结构简洁、实现便利，具有良好的可操作性。报告系统推导了检验统计量在零假设下的极限分布，并进一步证明该检验对一大类非对称备择假设具有一致性和非退化的局部检验力。为实现有限样本下的有效推断，研究采用wild bootstrap方法近似临界值。李伟强教授进一步指出，在某些纯条件均值模型以及所有纯条件方差模型中，参数估计误差对检验统计量的极限分布影响可以忽略，从而显著提升了wild bootstrap的计算效率。此外，该方法还被扩展至符号对称性检验，体现了该框架在处理不同对称性问题上的良好可拓展性。大量模拟实验与真实数据分析结果表明，所提出的检验方法在稳健性、准确性及实际应用表现方面均具有显著优势，为多元时间序列噪声结构的诊断提供了一种简洁而有效的工具。
金加顺：Counting Cycles with AI
金加顺教授在报告中提出了一种人类与AI协同解决复杂数学问题的新范式。报告指出，尽管近年来人工智能在数学推理和代码生成方面取得显著进展，但在涉及高阶组合结构与复杂推导的研究级数学问题上，AI仍难以独立完成系统性工作。以循环计数统计量的计算等价形式（CEEF）推导为例，该问题长期缺乏通用解法，传统人工推导计算量大、步骤繁琐且容易出错。针对这一挑战，报告提出了一种由人类主导研究策略、AI辅助执行的研究思路，通过清晰的整体框架设计和分步骤指引，引导AI高效完成大规模计算与程序化推导任务。基于该人机协作方法，相关研究发展了一套新的图论分析工具，揭示了循环结构在多重图中的系统分解性质。报告强调，AI 在此过程中并非替代研究者的数学判断，而是在结构化引导下显著提升计算效率与研究可扩展性，展示了人机协作在复杂数学推理与图论研究中的重要潜力。
王学钦：度量分布函数：非欧数据的统计新基石
王学钦教授提出了一种面向非欧几里得数据的非参数统计推断新框架，系统拓展了经典分布函数在一般度量空间中的理论基础。王学钦教授指出，在欧氏空间中，分布函数借助其与概率测度之间的一一对应关系，以及Glivenko–Cantelli和Donsker等基本渐近性质，构成了经典统计推断的理论基础；然而，这一体系本质上依赖于空间的线性结构与顺序性，因此在面对复杂数据对象时难以直接延拓。针对这一问题，该研究引入了仅依赖度量结构的度量分布函数（Metric Distribution Function，MDF），并在适当的条件下证明了MDF与概率测度之间的一一对应关系，从而为度量空间中的统计推断奠定了坚实的理论基础。进一步地，王学钦教授展示了经验MDF的一致收敛与弱收敛性质，其在理论上可类比于经典经验分布函数。该研究为复杂对象的统计推断提供了统一且可扩展的理论框架。
王军辉：Learning Nonparametric Graphical Model on Heterogeneous Network-Linked Data
王军辉教授围绕网络关联数据中图结构学习面临的依赖性与异质性挑战，提出了一种新的非参数图模型研究框架。现有图模型方法通常依赖独立同分布和高斯分布假设，在分析网络连接样本或复杂结构数据时存在明显局限。针对这一问题，构建了一种将网络信息与图模型估计相结合的非参数方法，在不依赖具体分布形式的前提下，刻画不同节点所对应的异质条件独立结构。该框架通过引入网络嵌入信息，将节点层面的异质图结构与其网络特征联系起来，实现了统一的非参数建模，并在计算上具备良好的可扩展性。报告在理论层面证明了所提出方法在结构识别上的可靠性，并通过系统的数值实验与真实数据分析展示了其实际表现。结果表明，该方法能够有效捕捉网络数据中的结构差异，在准确性和稳定性方面均具有优势，为复杂网络环境下的图模型推断提供了一种通用而灵活的解决思路。
洪永淼：Reinforced Tail Quantile Regression
洪永淼教授的报告聚焦于分位数回归在重尾分布情形下的估计难题。他指出，在重尾分布情形下，随着分位水平趋近于0或 1，标准分位回归估计量往往表现出较高方差和非标准渐近性质，从而给统计推断带来显著困难。为克服这一挑战，报告提出一种新的尾部强化分位回归估计量，通过有效利用重尾分布中固有的幂律行为，显著降低尾部分位估计的方差。理论结果表明，该估计量在尾部区域仍具有一致性与渐近正态性。为实现可操作的统计推断，报告进一步提出一种基于多组随机权重的Bootstrap方法。模拟研究显示，该方法相较于标准分位回归能够在显著缩短置信区间长度的同时，仍能保证置信区间在重复抽样意义下具有接近设定水平的覆盖概率。最后，报告将所提出的方法应用于分析教育对高收入分位的边际影响，结果发现教育在收入分布上端具有显著的正向作用，而传统方法往往因估计不精确而难以识别该效应。
孙文光：Empowering Trustworthy Machine Learning through Conformalized Automated Model Selection
孙文光教授指出，当前机器学习广泛使用高度复杂的黑箱模型，而不同模型的表现高度依赖于数据结构，并不存在一种能够适用于所有数据集的“最优模型”。在此情况下，预先选定模型往往并不现实；若直接依据测试集表现挑选“最优”模型，则会引入严重的选择偏差，降低统计推断结果的可信度。为解决这一关键问题，报告系统介绍了“共形自动化模型选择”（Conformalized Automated Model Selection，CAMS）框架。孙文光教授强调，这一框架推动统计推断的研究范式从传统的“模型假设驱动”转向“算法设计驱动”。报告重点阐述了两类面向分布外检测（out-of-distribution testing）的 CAMS 方法，其核心在于构建并利用共形分数的可交换性。在此基础上，孙文光教授详细介绍了新提出的 P-TAMS 方法。该方法充分发挥共形推断的模型自由和高度灵活性的优势，通过引入精心设计的伪评分（pseudo-scores），确保模型选择和推断过程中的共形分数保持成对可交换性，从而能够借助多模型工具箱实现高效的自适应检验。
李德柜：Large-Scale Curve Time Series with Common Stochastic Trends
李德柜教授在报告中指出，随着曲线型数据维度的不断攀升，传统时间序列方法在刻画其复杂动态特征方面面临明显局限。针对这一挑战，报告提出了一种面向高维曲线时间序列的双重函数型因子模型框架，通过对观测曲线与潜在因子曲线同时引入因子表示，有效识别并刻画数据中所蕴含的共同随机趋势及其非平稳特征。在方法实现上，报告采用函数主成分分析（functional PCA）提取共同随机趋势并估计相应的函数型因子载荷。在适当正则条件下，相关估计量的渐近性质得以系统建立。为提升方法的可操作性，报告还提出了一种简便的准则用于确定非平稳因子的数量，并进一步讨论了潜在因子存在协整关系时的模型扩展。通过高维气温曲线及股票价格曲线的实证分析，李德柜教授展示了该方法在有限样本下的稳定表现和良好的实际应用前景，为高维非平稳曲线时间序列的建模与分析提供了新的思路。
分组报告环节，青年学者们围绕复杂数据的机器学习、现代统计建模与学习前沿、高维复杂数据的统计推断、结构学习、宏观经济统计、模型适配与预测推断、经济统计、多源数据融合等二十个专题进行成果分享与交流讨论。
会议由厦门大学经济学院、王亚南经济研究院、邹至庄经济研究院主办，由厦门大学经济学院统计学与数据科学系、厦门大学-中国科学院计量建模与经济政策研究基础科学中心、“计量经济学”教育部重点实验室（厦门大学）、福建省统计科学重点实验室（厦门大学）承办。
（经济学科 刘佳蕾 何永芳 ）
