统计数据工程技术与应用研讨会

时间：2023年4月26日 14:30-16:30 

地点：综合楼644会议室

主题一：碳排放核算及应用

主讲人：陈广武

讲座时间：14:30―15:10

主讲人简介：

        陈广武，环境工程博士，澳大利亚昆士兰政府主任研究员（Principal Scientist），负责资源和工业部门碳排放核算和减排政策研究。同时担任昆士兰大学的兼职研究员，并已发表20余篇SSCI/SCI 论文。作为澳大利亚注册碳中和咨询师（Climate Active Registered Consultant），长期致力于减排项目的落地和应用推广。曾担任挪威央行投资部的顾问，开发气候变化风险评估工具；为澳大利亚悉尼市政府和堪培拉政府提供消费端碳排放核算以及减排规划咨询；担任英国奥雅纳咨询公司的顾问，并为C40城市集团核算全球79个城市（包括中国北京、武汉以及香港）居民的碳足迹。此外，还担任澳大利亚潘格林（Pangolin Associates）公司的碳核算顾问，帮助澳大利亚国家博物馆、澳大利亚昆士兰国土资源局、英国Biopack等公司和机构实现“碳中和”认证。

讲座摘要：

       主要讨论碳排放核算的理论研究和前沿应用。首先介绍碳排放核算基本概念、碳排放核算的三种方法基础以及碳排放核算标准。然后从三个方面讨论碳排放核算的应用，其中包括：1）学术方向：消费端碳排放核算，以中澳城市为案例分析城市和居民碳排放的特征，以及居民消费对碳排放的影响；2）政府政策方向：生产端碳排放核算，以澳大利亚昆士兰政府为案例，讨论实现碳中和的数据基础以及减排政策研究；3）企业方向：生产消费端混合碳排放核算，讨论企业供应链碳排放核算、碳交易、“碳中和”认证，以及企业减排目标设置在气候风险评估中的应用。

主题二：社交媒体中的大数据：以短视频和论坛为例

主讲人：程明明

讲座时间：15:10―15:50

主讲人简介：

程明明，管理学博士、博士生导师、澳大利亚科廷大学市场营销系副教授、科廷大学社交媒体研究中心主任。主要研究领域：数字营销（如社交媒体）、共享经济（如Airbnb）、可持续旅游、和大数据科学等。担任管理学SSCI一区多种期刊副主编（associate editor）或编委会成员。目前已在管理和营销学领域发表期刊论文超50篇，其中40余篇均发表于SSCI一区期刊（单篇文章最高被引用900次）。主持和参与西澳农业部，西澳大利亚州教育推广署项目，新西兰政府及企业项目。先后获得澳洲国家广播电台最具有活力的思想家（2022）、澳大利亚日报-最具有科研潜力的年轻学者 （2021）、澳大利亚旅游和酒店教育委员会院士奖、西班牙火炬奖（表彰学术研究对业界的贡献）、澳大利亚科廷大学 “最佳青年研究学者”（2021）。更多信息请访问程明明博士的个人主页：https://mingmingcheng.com/。

讲座摘要：

        尽管社交媒体数据具有很大的价值，但迄今为止，该领域仍存在许多尚未解决的问题。目前对社交媒体数据的分析仍然依赖于有限的样本量，并且有时会对"异常值"进行数据选择，而这些异常值不一定能够完全反映潜在现象。此外，由于社交媒体的更新速度非常快，大量的社交媒体数据不仅包含文本或数字，还包括图像与视频等无法通过人工进行大规模处理的内容。这对传统的研究过程和知识创造提出了挑战，因此有必要重新评估我们对社交媒体数据的处理方式。大数据的使用可以对社交媒体数据进行更全面、更具代表性的描述。但是，大数据的收集、组织和分析方法也面临着可量化和省时的挑战。本讲座将以社交媒体中的环保短视频与论坛为例，介绍如何通过自动化大数据分析方法解决上述问题。

主题三：不同层级数据如何改善住房租金预测精度？

主讲人：徐映梅

讲座时间：15:50―16:30

主讲人简介：

       徐映梅，中南财经政法大学统计与数学学院二级教授，博士生导师，大数据研究院常务副院长，主要学术兼职有中国国民经济核算研究会副理事长、中国商业统计学会常务理事、全国市场调查与教学研究分会副会长、中国统计学会理事、中国人口学会理事等，《统计研究》《调研世界》编委。主持国家社科基金3项、省部级项目50余项，在《统计研究》《数量经济技术经济研究》等国内学术期刊发表论文50余篇。曾多次荣获全国及湖北省统计科学优秀成果等次奖，主编教材《市场分析方法》《市场调查理论与方法》《国民经济核算》。。

讲座摘要：

影响住房租赁市场租金变动的因素体现为四个层面，即在租的房源信息；所在小区的相关信息；市区各类基础设施信息；市内各行政区域人口构成、就业情况、经济发展水平等方面。收集并清洗数据后基于树模型特征重要性选择方法筛选出可用于后续建模的多特征数据，分别训练多元线性回归模型、随机森林模型和 XGBoost 模型，并对训练结果进行评价比较。研究表明从多维度构建的数据集能够有效提高市区租房租金预测的精度，不同层级的信息具有各自的价值。