【新闻动态】祝贺林希虹教授荣获本年度“统计科学领域马文泽伦领导力奖”

ntry-header

2022年3月8日，哈佛大学生物统计系公布本年度“统计科学领域马文泽伦领导力奖（Marvin Zelen Leadership Award in Statistical Science）”获奖人选，清华大学知名校友、哈佛大学生物统计系林希虹教授获此殊荣，祝贺林老师～也感谢林老师长期以来为清华大学统计学科发展做出的卓越贡献！

以下选自哈佛大学介绍：

We are extremely pleased to announce that internationally renowned biostatistician

Dr. Xihong Lin

Professor of Biostatistics and Coordinating Director of the Program in Quantitative Genomics at the Harvard T.H. Chan School of Public Health and Professor of Statistics at the Faculty of Arts and Sciences of Harvard University, will be the recipient of the 2022 Marvin Zelen Leadership Award in Statistical Science and will deliver a virtual lecture in May 2022.

Described by colleagues as “a force of nature”, “a major star”, and “one of the most influential statistical scientists of our time”, Dr. Lin has distinguished herself as a world leader in statistical methods and applications who has dedicated her career to advancing biostatistics, medicine, and public health.

After earning her PhD at the University of Washington and spending almost 10 years at the University of Michigan, Dr. Lin joined the faculty at Harvard in 2005. Her research has evolved over the years, motivated by the pressing analytical needs in health research. Early in her career, she focused on statistical method development and applications for analysis of longitudinal data and complex observational studies. She became a leader in mixed models, nonparametric and semiparametric regression, missing data, and measurement error for analysis of longitudinal data, and causal inference for complex clinical trials. Later in her career her research shifted to statistical genetics and genomics, with her work becoming a hallmark in statistical methods for analysis of rare variants (RVs) in whole genome sequencing studies. She founded and has been the Coordinating Director of Harvard’s Program in Quantitative of Genomics (PQG) since 2008. Most recently, Dr. Lin has been on the forefront of COVID-19 research, becoming part of a team analyzing the first data out of Wuhan, China and the effectiveness of control measures. In addition to several other efforts, she is the PI of the HowWeFeel project that launched an app in spring 2020 to collect COVID-19 health and exposure data in US and other countries.

Dr. Lin has given back to the statistical and biostatistical community in immeasurable ways through her extraordinary service and leadership. She chaired the Harvard Biostatistics department from 2015-2018, helping to launch an MS program in Health Data Science, one of the first in the nation. As coordinating director of the Program in Quantitative Genomics (PQG), she will help organize its 16th conference, “Emerging Challenges and Opportunities in Gene Editing” later this year. She is the former Chair of the COPSS, and a former member of the Committee of Applied and Theoretical Statistics (CATS) of the National Academy of Science. She is the former Coordinating Editor of Biometrics, the founding co-editor of Statistics in Biosciences, and a former Associate Editor of the Journal of the American Statistical Association and American Journal of Human Genetics.

Dr. Lin has trained 37 doctoral students as the primary dissertation advisor and 27 postdoctoral fellows, proving to be a dedicated educator, a generous mentor, and a role model throughout her career. She has always made the development and success of junior faculty and students a priority, particularly focusing on supporting women statisticians, and promoting inclusivity and equity. She has been described by her peers as a caring, supportive colleague who is always thinking about others rather than herself.

Through her groundbreaking research, countless initiatives and projects, and the community she has helped grow, Dr. Lin’s transformative ideas and innovative vision have moved the field forward. Reminiscent of the career of the late Marvin Zelen, and in the true spirit of the award, Dr. Lin has “contributed to the creation of an environment in which statistical science and its applications have flourished”.

Career Highlights

Mortimer Spiegelman Award, APHA
Presidents’ Award, COPSS
Janet L. Norwood Award for Outstanding Woman Statistician, University of Alabama at Birmingham
FN David Award, COPSS
Mosteller Statistician of the Year, ASA Boston Chapter
Adrienne Cupples Award, Boston University
Greenberg Distinguished Lectureship Award, UNC Chapel Hill
Distinguished Alumni Award, University of Washington
Outstanding Service Award, International Chinese Statistical Association
Myrto Lefkopoulou Award, Harvard University
Medallion Lecture Award, Institute of Mathematical Statistics
Coordinating Director, Program in Quantitative Genomics (PQG)
Elected Fellow of the American Statistical Association
Elected Fellow of the Institute of Mathematical Statistics
Elected to the National Academy of Medicine
Named one of 50 Changemakers in Public Health by Washington University
Published over 330 papers, with over 43300 citations
Principal Investigator or Multiple Principal Investigator on six NIH and NSF grants
Received the NCI MERIT Award (R37) and the NCI Outstanding Investigator Award
Chair of the COPSS
Former member of the Committee of Applied and Theoretical Statistics (CATS) of the National Academy of Science
Founder, North America Department of Biostatistics Chair Group
Co-founder, ENAR Young Researcher Workshop
Co-founder, co-founded the ASA Statistical Genetics and Genomics Section
Served on the State of Massachusetts COVID-19 Task Force
Editor, Computational Biology Series
Founding Co-Editor, Statistics in Biosciences
Coordinating Editor, Biometrics
Associate Editor: JASA, AJHG, Statistica, Biometrics, Biometrika, Biostatistics
Books: Past, Present and Future of Statistical Science and New Developments in Biostatistics and Bioinformatics (Frontiers of Statistics)

About the Award

This annual award, supported by colleagues, friends and family, was established to honor Dr. Marvin Zelen’s long and distinguished career as a statistician and his major role in shaping the field of biostatistics.

The award recognizes an individual in government, industry, or academia, who by virtue of his/her outstanding leadership, has greatly impacted the theory and practice of statistical science. While individual accomplishments are considered, the most distinguishing criterion is the awardee’s contribution to the creation of an environment in which statistical science and its applications have flourished. The award recipient will deliver a virtual lecture on statistical science and will be presented with a citation and an honorarium.

以上资料参考自哈佛大学官网：https://www.hsph.harvard.edu/biostatistics/zelenaward/

#post-12311

ntry-header

11月22-23日，深圳市福田区人民政府、深圳市福田区科技创新局和粤港澳大湾区数字经济研究院（International Digital Economy Academy，简称“IDEA”）联合举办IDEA大会。IDEA创院理事长、美国国家工程院外籍院士、英国皇家工程院外籍院士沈向洋在会上发布了由清华大学统计学研究中心俞声副教授团队与粤港澳大湾区数字经济研究院联合开发的大型开放医学知识图谱（Biomedical Informatics Ontology System，简称“BIOS”）（http://bios.idea.edu.cn）。

医学知识图谱是一种由生物医学概念名称、概念分类、概念间关系以及相应的ID系统构成的特殊数据库，用于支持医学自然语言处理、人工智能建模以及行业数据交换，是医学大数据与人工智能领域最重要的基础设施之一，对于行业发展具有战略影响。美国国立卫生院国家医学图书馆于1986年开发并发展至今的一体化医学语言系统（Unified Medical Language System，简称“UMLS”）是目前最权威的英文医学知识图谱，为英语国家医学大数据技术与产业的发展做出了卓越贡献。而长久以来，中文领域缺少大型开放医学知识图谱，是我国医疗大数据与人工智能产业发展的主要制约因素之一。

为解决中文领域开放医学知识图谱的缺失，并在国际范围内进一步提升医学知识图谱的建设水平，清华大学统计学研究中心俞声副教授带领团队进行了长达5年的技术攻关，先后开发了基于图分割与深度学习的中文电子病历无监督多粒度分词及术语提取[1]、知识决定的医学术语向量化及正则化[2]、高通量医学关系提取[3,4]、生物医学自动翻译[5]等技术，为数据驱动的大规模图谱自动构建建立了基础，并于2020年11月与IDEA研究院沈向洋院士团队形成合作。在领先算法、强大算力和超大规模语料数据的支持下，仅用短短一年时间，双方团队便从原始底层医学术语开始，建立了全新的具有完整自主知识产权的中英文双语医学知识图谱BIOS，其规模整体接近现有权威知识图谱UMLS，并在内容质量上形成多点超越。未来，清华大学统计学研究中心将与IDEA研究院以及更多国内顶尖医院合作，不断扩大和完善BIOS的内容与质量，不仅要使我国医疗大数据与人工智能产业的薄弱基础得到全面提升，也要辐射国际，带动全球行业共同发展。

BIOS目前已在线发布（bios.idea.edu.cn）。同时，秉承全面提升发展中国医疗大数据与人工智能行业的开放理念，BIOS拟于近期以CC BY-NC-ND协议开放完整数据下载。

1 Yuan Z, Liu Y, Yin Q, et al. Unsupervised multi-granular Chinese word segmentation and term discovery via graph partition. Journal of Biomedical Informatics 2020;110:103542. doi:10.1016/j.jbi.2020.103542

2 Yuan Z, Zhao Z, Yu S. CODER: Knowledge infused cross-lingual medical term embedding for term normalization. arXiv:201102947 [cs] Published Online First: 5 November 2020.http://arxiv.org/abs/2011.02947 (accessed 7 Nov 2020).

3 Lin Y, Li Y, Lu K, et al. Long-distance disorder-disorder relation extraction with bootstrapped noisy data. Journal of Biomedical Informatics 2020;109:103529. doi:10.1016/j.jbi.2020.103529

4 Lin Y, Lu K, Chen Y, et al. High-throughput relation extraction algorithm development associating knowledge articles and electronic health records. arXiv:200903506 [cs, stat] Published Online First: 7 September 2020.http://arxiv.org/abs/2009.03506 (accessed 27 Sep 2020).

5 Luo S, Ying H, Yu S. Sentence Alignment with Parallel Documents Helps Biomedical Machine Translation. arXiv:210408588 [cs] Published Online First: 17 April 2021.http://arxiv.org/abs/2104.08588 (accessed 7 Jul 2021).

#post-12294

ntry-header

近日，我中心邓柯副教授课题组在统计学顶尖期刊Statistica Sinica发表题为“Total- effect Test is Superfluous for Establishing Complementary Mediation ”的研究论文，从数学上严格地证明了当直接效应和间接效应同方向且均统计显著时，利用最小二乘估计（LSE）和F-检验建立中介效应时总效应检验一定是显著的。同时本文还将类似的结果推广到了利用Sobel检验建立中介效应的场景。曾在邓柯课题组攻读博士学位的姜瑛恺博士（清华大学2015级博士生）是该文的第一作者，邓柯副教授作为通讯作者与澳门大学赵心树教授、香港浸会大学朱力行教授和哈佛大学刘军教授共同指导了该文的研究和撰写。

中介效应模型是因果推断中一类经典的模型，它是指自变量X通过中介变量M对因变量Y产生影响。在社会科学诸多领域的研究中受到研究者的青睐。通常称给定M的条件下，X对Y的影响为直接效应，X通过M对Y产生的影响为间接效应，两者之和为总效应。在建立中介效应时，文献中对于“是否需要X对Y的总效应是统计显著的”这一条件是有争议的。已经有研究指出，当直接效应和间接效应符号相反（称为竞争中介）或直接效应为零（称为完全中介）时，总效应检验有可能会错误地拒绝中介效应。然而，对于直接效应和间接效应同号（称为互补中介）的情形，总效应检验的作用并未达成共识。该文创造性地将是否需要对总效应进行检验的问题转化对相关检验拒绝域的包含关系进行几何验证的问题，从而从数学上严格证明了当直接效应和间接效应同方向且均统计显著时，在LSE-F框架下总效应检验一定显著，在LSE-Sobel框架下相关结论渐进成立。

除上述结论之外，研究团队还利用所构造的几何分析方法，对中介效应的各种情形进行了系统分析，从统计推断和几何分析的双重角度对已有文献中关于中介效应检验的结论给予了新的解读。同时，随机模拟实验的结果与理论结果也是完全契合的。以上这些结论与文献中已有的结果相互印证，支持了一个共同的论断：在各种情形下建立中介效应都不需要总效应检验。最后，研究团队通过一份社会学研究数据展示利用中介效应模型进行实际数据分析的方法。

该研究工作获得国家自然科学基金(Grants 11771242)、北京智源人工智能研究院(Grant BAAI2019ZD0103) 的资助。

论文链接：

http://www.stat.tsinghua.edu.cn/kdeng/wp-content/uploads/sites/2/2021/11/2019-0150_0326.pdf

#post-12290

ntry-header

为了促进国内青年统计和数据科学学者间的学术交流和合作，更好地推动统计学和数据科学的发展，同时加强与各兄弟院校之间的协同合作，清华大学统计学研究中心拟于2021年10月22日-24日在京召开“2021清华大学统计学与数据科学青年学者论坛” (2021 Tsinghua Symposium on Statistics and Data Science for Young Scholars)。

论坛将以线下学术报告形式展开。如届时国家及地方防疫规定要求调整为线上/融合式活动，将另行通知。

会议地点：北京市顺义区春晖园国际会议中心

腾讯会议ID：706 735 268

2021清华大学统计学与数据科学青年学者论坛会议日程安排
一、开幕式
8:30-8:45	主办方致辞清华大学统计学研究中心执行主任邓柯副教授
8:45-9:00	特邀嘉宾致辞清华大学统计学研究中心杨立坚教授
二、23日会议报告
时间	报告题目	报告人	单位		主持人
9:00-9:20	Efficient Algorithms for the Optimal Estimation of Mixture Models	杨朋昆	清华大学统计学研究中心		胡志睿
9:20-9:40	Risk-based Robust Statistical Learning by Stochastic Difference-of-Convex Value-Function Optimization	刘俊驿	清华大学工业工程系
9:40-10:00	Divide-and-Conquer: A Distributed Hierarchical Factor Approach to Modeling Large-Scale Time Series Data	高照省	浙江大学数据科学研究中心
10:00-10:20	Central Limit Theorem for Linear Spectral Statistics of Large Dimensional Kendall’s Rank Correlation Matrices and its Applications	李曾	南方科技大学统计与数据科学系
10:20-10:40	合影
10:40-11:00	Transformed Cointegration Models with Partially Linear Additivity	林颖倩	上海财经大学经济学院		胡志睿
11:00-11:20	Tests of Unit Root Hypothesis with Heavy-tailed Heteroscedastic Noises	佘睿	西南财经大学统计研究中心
11:20-11:40	Multifrequency-Band Tests for White Noise Under Heteroscedasticity	刘梦雅	华中师范大学数学与统计学学院
11:40-12:00	Stratification and Optimal Resampling in Sequential Monte Carlo	李艺超	清华大学统计学研究中心
12:00-13:30	午餐
13:30-13:50	Bayesian Modeling for Detecting the Molecular Basis of Phenotypic Convergence	胡志睿	清华大学统计学研究中心		张静怡
13:50-14:10	Volatility Analysis with Combined High- and Low-Frequency Data	宋馨雨	上海财经大学统计与管理学院
14:10-14:30	Deep Graph Convolutional Network for US Birth Data Harmonization	余丽珊	北京雁栖湖应用数学研究院
14:30-14:50	Rapid Design of Metamaterials via Multi-target Bayesian Optimization	杨洋	广州腾讯科技有限公司
14:50-15:10	State-Domain Change Point Detection for Nonlinear Time Series Regression	崔嫣	哈尔滨工业大学数学研究院
15:10-15:30	休息
15:30-15:50	Extended Admissible Decision Procedures and their Nonstandard Bayes Risk	端木昊随	哈尔滨工业大学数学研究院	张静怡
15:50-16:10	Automated Estimation of Heavy-tailed Vector Error Correction Models	郭菲菲	北京理工大学数学与统计学院
16:10-16:30	FIRM: Flexible Integration of Single-cell RNA-sequencing Data for Large-scale Multi-tissue Cell Atlas Datasets	明静思	华东师范大学统计交叉科学研究院
16:30-16:50	Slicing Free for Functional Sliced Inverse Regression	陈锐	清华大学统计学研究中心
16:50-17:10	Generalized Tessellation Processes	葛淑菲	上海科技大学数学科学研究所
17:10-17:30	Rank Test of Unit-Root Hypothesis with AR-GARCH Errors	廖桂丽	福建师范大学数学与统计学院

三、24日会议报告
时间	报告题目	报告人	单位	主持人
8:40-9:00	Confidence Interval Construction – a New Self-normalization Approach Based on Adjusted Range	孙佳婧	中国科学院大学经济与管理学院	王天颖
9:00-9:20	Two-Sample Mean Test for High-Dimensional Time Series	张澍一	华东师范大学统计交叉科学研究院
9:20-9:40	A Model-free Approach for Electronic Health Record-based Case-control Studies with Contaminated Case Pools	戴国榕	复旦大学管理学院统计学系
9:40-10:00	Segmenting Time Series via Self-Normalization	蒋斐宇	复旦大学管理学院
10:00-10:20	Sparse Spatially Clustered Coefficient Model via Adaptive Regularization	钟琰	华东师范大学统计学院
10:20-10:40	休息
10:40-11:00	Penalized Time-Varying Model Averaging	孙玉莹	中国科学院数学与系统科学研究院	王天颖
11:00-11:20	Understanding the Acceleration Phenomenon via High-resolution Differential Equations	史斌	中国科学院数学与系统科学研究院
11:20-11:40	Data-adaptive Efficient Estimation Strategies for Biomarker Studies Embedded in Randomized Trials	张维	中国科学院数学与系统科学研究院
11:40-12:00	Targeting Underrepresented Populations in Precision Medicine: A Federated Transfer Learning Approach	李赛	中国人民大学统计与大数据研究院
12:00-13:30	午餐
13:30-13:50	Layer-Peeled Model: Toward Understanding Well-Trained Deep Neural Networks	方聪	北京大学信息科学技术学院智能科学系	杨朋昆
13:50-14:10	Controlling for Unmeasured Confounding in Panel Data Using Minimal Bridge Functions	毛小介	清华大学经济管理学院
14:10-14:30	The Role of Callback in Survey Data for Nonresponse Adjustment	苗旺	北京大学数学科学学院
14:30-14:50	Statistical and Practical Considerations on Dose Finding Approaches in Oncology Clinical Trials	李贲	复星医药全球研发中心生物统计与数据科学部
14:50-15:10	An Optimal Ablation Time Prediction Model Based on Minimizing the Relapse Risk	林毓聪	北京理工大学医工融合研究院
15:10-15:30	The Frequency and Severity of Crop Damage by Wildlife in Rural Beijing, China	方良	北京林业大学经济管理学院统计系
15:10-18:00	自由讨论

#post-12281

ntry-header

近日，统计学研究中心2017级博士研究生李杰，2020级博士研究生胡祺睿斩获国际统计学会 (International Statistical Institute, ISI) 颁发的国际统计学会2021年度简·丁伯根奖一等奖（2021 ISI Jan Tinbergen Award Division A First Prize）。

总部在荷兰的国际统计学会（ISI）是全球三个权威统计学学术组织之一，旨在引领、支持和促进全世界对统计学的理解、发展和良好实践。ISI 颁发的各类荣誉奖项都被国际统计学界高度认可。简·丁伯根奖命名于获得1969年首个诺贝尔经济学奖的荷兰学者简·丁伯根，是从每两年举行一次的世界统计学大会（World Statistics Congress, WSC）青年统计学者（1987年以后出生）提交的论文中评选的最佳论文（https://www.isi-web.org/events/isi-awards/tinbergen-award）。其中Division A的获奖论文必须解决一个对广大发展中国家具有实际意义的应用统计问题。自2019年开始，获奖者已不再限于发展中国家。自2013年至2021年，共有来自多个国家的14人获奖，其中3位华人，李杰和胡祺睿是第一次获得一等奖的华人。除此之外，西安电子科技大学数学与统计学院研究生韩路于2013年获二等奖。

今年共有3人获奖。李杰和胡祺睿获得2500欧元奖金，受邀免注册费参加于7月11日至16日在荷兰海牙举行（最终因疫情在线举办）的国际统计学会第63届世界统计学大会（The 63rd ISI World Statistics Congress），并在简·丁伯根奖会场（Jan Tinbergen Awards Session）做了30分钟的邀请报告。

李杰和胡祺睿的获奖论文“非参数回归分析空气污染物浓度的预测区间”（Prediction Interval of Air Pollutants Concentration by Nonparametric Regression Analysis）将非参数回归模型应用于局部平稳时间序列的趋势，分析了由中国环境监测总站高级工程师张凤英博士提供的西安市2013年到2020年间6种主要空气污染物的每日浓度数据，并构造出了未来5日各空气污染物浓度的预测区间。论文提出用样条回归（Spline regression）估计趋势函数，核回归（Kernel regression）估计方差函数，对所得的近似平稳序列拟合自回归（AR）模型，再用核分布（Kernel distribution estimator）方法估计其误差的分位数后，得到了带趋势项自回归时间序列的数据驱动多步向前预测区间。相比于季节性差分整合移动平均自回归（Seasonal ARIMA）等传统方法产生的预测区间，论文中方法得到的预测区间不仅长度更窄，还具有更好的预测精度和覆盖率。该方法有效解释了空气污染物浓度数据潜在的动态变化规律，并可以精确预测未来五到七日空气污染物的浓度，在污染物管理和早期预防方面有着广泛的应用价值。特别值得一提的是李杰和胡祺睿的获奖论文是在无指导教师直接参与的条件下完成的。

官网新闻链接：https://www.isi-web.org/news-newsletter/20555-2021-isi-jan-tinbergen-awards

#post-12271

ntry-header

今日，国家自然科学基金委员会发布《关于2021年国家自然科学基金集中接收申请项目评审结果的通告》（国科金发计〔2021〕51号），我中心杨立坚教授、俞声副教授获得国家自然科学基金面上项目资助；王天颖助理教授、杨朋昆助理教授、胡志睿助理教授获得国家自然科学基金青年项目资助。

负责人	项目类型	项目名称
杨立坚	面上项目	相依函数型数据的统计分析：理论与方法
俞声	面上项目	数据驱动医学知识图谱建设的基础算法研究
王天颖	青年项目	高维异质性数据中的整合分位数回归模型：统计推断理论及其在生物遗传学方面的应用
胡志睿	青年项目	基于贝叶斯模型及计算方法研究物种趋同进化的基因调控机制
杨朋昆	青年项目	大规模域空间上统计推断的性能极限及高效算法

#post-12266

ntry-header

近日，我中心邓柯副教授课题组在统计国际顶尖期刊 Journal of the American Statistical Association (JASA)发表题为“Partition-Mallows Model and Its Inference for Rank Aggregation”的研究论文，提出了一种推断排名聚合的新方法。曾在邓柯课题组工作的朱万闯博士是该文的第一作者，姜瑛恺博士和刘军教授为共同作者，邓柯副教授是论文的通讯作者。

排名聚合是指如何聚合从不同信息源获得的关于某些个体的排序，从而得到一个更加‘精确’的排序。例如，有m位评委为n名运动员的能力进行排序。排名聚合致力于对这m个排序进行整合分析以得到一个新的排序，能够更加准确地反映n名运动员能力的高低。现实中，m位评委的可靠性可能会存在差异，部分可靠性较低的评委可能会误导排名聚合的结果。开发基于数据驱动的方法来自动识别不同评委的可靠性，并据此优化排名聚合的结果，具有重要的实际意义。

邓柯和刘军等人曾于2014年在JASA发表了题为“Bayesian Aggregation of Order-Based Rank Data”的论文中，提出了一种基于划分模型（partition model）的排名聚合方法BARD。BARD将排序对象划分为两个组别，“相关个体组”和“背景个体组”，并假设可靠性高的评委们会以更高的概率将中的个体排位于中的个体之前。该方法能够在有效识别评委可靠性的同时，通过弱化可靠性较差的评委在排名聚合中贡献，来消除他们可能带来的负面作用。但是，该方法简单忽略了和两个组别中各个体的差异，从而在很大程度上损失了组内排名的信息。从应用的角度看，这是该方法的一个重要局限性。

本文在上述工作的基础上，采用更加精细的 Mallows模型对组别的组内排名进行了建模，将partition模型和Mallows 模型的优势结合起来，得到了能力更强的排名聚合模型Partition-Mallows model。该模型构建了对具有复杂结构的排名数据进行定量描述的一般框架，在充分利用和组间及组内的排名信息的基础上，不仅可以有效识别评委可靠性的差异，还能够产出更有效率的排名聚合。我们从理论上证明了该方法的可靠性，并通过大量的计算机模拟和实证研究验证了该方法在处理具有分组结构的排名聚合问题上具有明显优势。

该研究工作获得中国国家自然科学基金(Grants 11771242 & 11931001)、北京智源人工智能研究院(Grant BAAI2019ZD0103)和美国国家科学基金(Grants DMS-1903139 and DMS-1712714)的资助。

论文链接：https://doi.org/10.1080/01621459.2021.1930547

#post-12265

ntry-header

2021年6月25-26日，清华大学统计学研究中心发起并召开“2021第二届清华大学统计学教学改革研讨会”。会议旨在优化统计学课程体系，并为统计学科教学工作者搭建沟通与交流的平台。来自北京大学、中国人民大学、中央财经大学、北京师范大学等23所高校的近五十名学者出席了本次研讨会。

会议伊始，作为本次会议的组织者及主持人—清华大学统计学研究中心讲师王江典博士表示，清华大学统计学教学改革研讨会至今已成功举办两届，该会议的发起既是为了响应国家教学改革的号召，也是希望通过此平台增加统计学教学一线教师们的交流，推动全国高校统计学科教学事业的发展。随后，清华大学统计学研究中心执行主任邓柯副教授代表主办方致欢迎辞，并简要介绍清华大学统计学科的教学情况。

本次研讨会分为两个主题。首先是针对“教学理念与体系”的探讨，中国人民大学王菲菲、上海交通大学宋艳艳、西南财经大学周凡吟三位老师围绕此话题作了主题报告。第二部分则围绕“教学方式与经验”展开，东北师范大学蔺杉、清华大学王琛、中国人民大学李扬分享了各自的教学心得与体会。

沙龙讨论环节围绕三个议题展开：“现代化教学手段的设计与使用”、“理论型课程vs实践型课程教学探讨”、“机器学习/统计计算类课程的课程设计与教学讨论”，分别由清华大学王江典、邓婉璐、周在莹三位老师主持。经过热烈的讨论与交流，与会专家学者达成以下共识：教学理念应加强应用导向；应增设机器学习的相关课程；应积极探索新教学方式以提高教学效果。

教学改革工作任重道远，需要一线的教学工作者结合自身经验，不断地交流与思考，才能推动国内统计学教育稳步前进，共促我国统计学科的发展与进步。与会专家学者充分肯定了本次研讨会召开的必要性，并表示希望通过此次研讨会能切实地推动全国高校统计学的教学改革工作。

#post-12261

ntry-header

2021年6月10日，“第五届北大-清华统计论坛”在北京大学镜春园甲乙丙楼报告厅成功举办。北京大学、清华大学两校统计学科百余名师生参加了本次会议。北大-清华统计论坛是北大清华两校统计学科的传统学术活动，由北京大学统计科学中心和清华大学统计学研究中心联合发起，至今已成功举办五届。

会议伊始，北京大学统计科学中心主任姚方教授致开幕词。姚方介绍了北大统计学科的发展历史与学科发展现状，回顾了两校统计学科紧密合作的深厚渊源，强调了北大-清华统计论坛的重要意义，并表达了对未来两校统计学科更加深入合作的美好愿景。

随后是论坛的特邀报告环节。据悉，国际知名统计学家郁彬教授、刘军教授、林希虹教授、陈松蹊教授、周晓华教授、杨立坚教授、姚方教授、唐纳德·鲁宾教授（Donald Rubin）都曾作为特邀嘉宾出席论坛并作特邀报告。本届论坛的特邀报告嘉宾为北京大学数学科学学院耿直教授和清华大学经济管理学院许宪春教授。耿直教授是统计学领域因果推断方向的国际知名专家，本次报告围绕“因果网络局部学习与因果作用可识别性”展开。许宪春教授是清华大学中国经济社会数据研究中心主任，国家统计局原副局长、高级统计师，特邀报告的题目是“数据资产统计与核算问题研究”。

两校博士研究生进行口头汇报（从左到右、从上到下依次是黄昆、张心雨、金子捷、余博、胡文杰、周航、胡晓玉、朱珂）

海报展示与评选也是北大-清华统计论坛的经典环节，北大、清华两校的博士研究生们针对各自的研究成果进行口头汇报及海报展示，深入沟通交流。

经过紧张激烈的评选，清华大学统计学研究中心17级博士研究生张心雨、18级博士研究生黄昆，北京大学数学科学学院16级博士研究生胡晓玉、17级博士研究生周航获评“优秀海报奖”，清华大学16级博士研究生蒋斐宇、北京大学16级博士研究生林颖倩获评本年度“优秀毕业生”称号。

#post-12258

ntry-header

5月28-30日，“清华大学2021全国优秀大学生统计与数据科学交流会（暨优秀大学生夏令营）”活动成功举办。本次活动共收到来自全国99所高校的390份报名申请，经过层层筛选，来自清华大学、北京大学、北京师范大学、浙江大学、上海财经大学、西安交通大学等等多所国内知名高校的共43名同学通过线上线下结合的方式参加了此次活动。