研究员

职 称：研究员，博士生导师

研究方向：统计学、图模型

办公电话：0431-85095015

办公地点：惟真楼420室

电子邮件：xupf900@nenu.edu.cn, xupf_stat@126.com

个人简历

【教育经历】

1999.9-2003.07东北师范大学数学与应用数学专业，本科生，理学学士

2003.9-2005.07东北师范大学概率论与数理统计专业，硕博连读

2005.9-2010.12东北师范大学概率论与数理统计专业，理学博士

【工作履历】

2011.03-2011.12，长春工业大学，基础科学学院，统计教研室，讲师
  2012.01-2017.09，长春工业大学，基础科学学院，统计系，副教授

2017.10-2018.03，长春工业大学，基础科学学院，统计系，教授
  2018.04-2021.09，长春工业大学，数学与统计学院，统计系，教授，副院长

2021.10-至今， 东北师范大学，前沿交叉研究院，研究员

【学术访问】

2010.01-2010.03，香港浸会大学，数学系，科研助理

2011.08-2011.10，香港浸会大学，数学系，访问学者

2015.08-2016.08，美国威斯康星大学麦迪逊校区，统计系，访问学者

2017.04-2017.09，香港恒生学院，数学与统计系，研究员

2018.07-2018.10，香港恒生学院，数学与统计系，研究员

2019.02-2019.03，香港恒生大学，数学与统计系，博士后研究员

【社会兼职】

2011.09-2017.08，吉林省现场统计研究会理事

2017.03至今，中国现场统计研究会计算统计分会理事

2017.09至今，吉林省现场统计研究会常务理事

2018.03至今，中国现场统计研究会数据科学与人工智能分会常务理事

2018.11至今，全国工业统计学教学研究会理事

2020.12至今，全国工业统计学教学研究会数字经济与区块链技术协会常务理事

2023.04至今，中国现场统计研究会教育统计与管理分会，副理事长

【科研成果】

论文

1. Xu PF, Guo   JH* and He X. An improved iterative proportional scaling procedure for   Gaussian graphical models, Journal of Computational and Graphical Statistics,   20, 417-431, 2011

2. Xu PF, Guo   JH* and Tang ML. Structural learning of Bayesian networks by testing complete   separators in prime blocks. Computational Statistics & Data Analysis,   55(12), 3135-3147, 2011

3. Xu PF, Guo   JH* and Tang ML. An improved Hara-Takamura procedure by sharing computations   on junction tree in Gaussian graphical models. Statistics and Computing,   22(5), 1125-1133, 2012

4. Xu PF and Guo   JH*. A new algorithm for decomposition of graphical Models. Acta Mathematicae   Applicatae Sinica, English, 28(3), 571-582, 2012

5. Xu PF, Guo   JH* and Tang ML. A localized implementation of the iterative proportional   scaling procedure for Gaussian graphical models. Journal of Computational and   Graphical Statistics, 24(1), 205-229, 2015

6. Shan N, Dong   XG, Xu PF* and Guo JH. Sharp bounds on survivor average causal effects when   the outcome is binary and truncated by death. ACM Transactions on Intelligent   Systems and Technology, 7(2), 18，2016

7. Xu PF, Sun J   and Shan N*. Local computations of the iterative proportional scaling   procedure for hierarchical models. Computational Statistics & Data   Analysis, 95, 17-23,2016

8. Shan N, Xu   PF*. Bounds on the average causal effects in randomized trials with   noncompliance by covariate adjustment. Biometrical Journal,58(6), 1311-1318, 2016

9. 徐平峰、王福友、邓文礼、马文卿、董小刚. 基于图分解的最优三角化图及连接树的构建, 应用数学学报, 40(4): 594-611, 2017

10. Xu PF, Shang L, Zheng QZ, Shan N*, and Tang ML. Latent   variable selection in multidimensional item response theory models using the   expectation model selection algorithm. British Journal of Mathematical and   Statistical Psychology, 75(2), 363-394, 2022

11. Zheng QZ, Xu PF*. A unified framework for   nonconvex nonsmooth sparse and low-rank decomposition by   Majorization-Minimization algorithm. Journal of the Franklin Institute,   359(16), 9376-9400, 2022

12. Shang L, Xu PF*, Shan N, Tang ML and Ho G.   Accelerating L1-penalized expectation maximization algorithm for latent   variable selection in multidimensional two-parameter logistic models.  PLOS ONE 18(1): e0279918, 2023.

13. Jiao, J. W., Yin, J. P., Xu, P. F., Zhang, J.,   & Liu, Y. Transmission mechanisms of geopolitical risks to the crude oil   market——A pioneering two-stage geopolitical risk analysis approach. Energy,   283, 128449, 2023.

14. Shang L, Zheng QZ, Xu PF*, Shan N, and Tang ML. A   generalized expectation model selection algorithm for latent variable   selection in multidimensional item response theory models. Statistics and   Computing, 2024, 34(1), 49. https://doi.org/10.1007/s11222-023-10360-x

15. Shan N, Xu PF. Bayesian adaptive Lasso for the   detection of differential item functioning in graded response models. Journal   of Educational and Behavioral Statistics, 2024. https://doi.org/10.3102/10769986241233777

16. Shan, N.*, & Xu, P. F. Bayesian Adaptive   Lasso for Detecting Item–Trait Relationship and Differential Item Functioning   in Multidimensional Item Response Theory Models. Psychometrika, 89, 1337–1365,   2024. https://doi.org/10.1007/s11336-024-09998-x

17. Zheng QZ, Xu PF*, Shang L. Structure learning of   Bayesian networks with latent variables via sparse and low-rank   decomposition. Journal of Nonlinear and Convex Analysis, 25, (12), 3143-3164,   2024.

18. Shang L, Xu PF*, Shan N, Tang ML and Zheng QZ. The   improved EMS algorithm for latent variable selection in M3PL model. Applied   Psychological Measurement, 49, (1-2), 50-70, 2025.
  https://doi.org/10.1177/0146621624129123  

在研科研项目

1. 复杂数据下因果网络结构学习方法研究及其应用研究，国家社会科学基金(23BTJ062)，2023.09.22-2027.06.30，经费20万元，负责人

2. 黑土区农业面源污染影响因素解析与水质数据插补软件研发，国家科技计划项目国家重点研发计划(2023YFA1009001)， 2023.12-2028.11，经费24万元，子课题负责人

3. 黑土区面源污染过程多尺度动态数学建模与计算，国家科技计划项目国家重点研发计划 (2023YFA1009000)，2023.12-2028.11 ，经费1200万元，参加人

4. 高维矩阵型数据的统计建模研究，吉林省科技厅自然科学基金优秀青年基金项目，(20240101022JJ)，2024.01-2026.12，经费20万元，参加人

5. 高维矩阵型因子模型的变点检测方法研究，吉林省教育厅项目( JJKH20231317KJ), 2023.01-2024.12，经费2.5万，第二参加人  

结题科研项目

6. 高维不完全数据的模型选择，吉林省科技发展计划项目，自然科学基金 (20210101152JC)，2021.07-2024.06，经费：12万，负责人

7. 含潜变量图模型的参数学习和结构学习，国家自然科学基金面上项目(11571050)，2016.01-2019.12， 经费：58.9万元，负责人

8. 含缺失数据的图模型的参数估计和模型选择，吉林省科技厅(20140520059JH)，2014.01-2016.12，经费：5万元，负责人

9. 高维图模型的参数估计和模型选择，国家自然科学基金青年基金(11101052)， 2012.01-2014.12， 经费：23万元，负责人

10. 基于图模型的多维能力与认知属性的分析，国家自然科学基金面上项目(11871013)，2019.1-2022.12, 经费：52万，第二参加人

11. 含有隐变量的因果结构学习与统计因果推断，国家自然科学基金(11401047)，2015.01-2017.12，经费：22万，第二参加人

12. 长度偏差右删失数据下分位数差和ROC曲线的统计推断，国家自然科学基金青年基金(11701043)，2018.1-2020.12, 经费：25万，第二参加人

13. 含隐变量因果网的学习及因果推断，国家自然科学基金(11226216)，2013.01-2013.12，经费：3万元，第二参加人

14. 结果变量不完全观测下因果效应的预测，吉林省教育厅，2016.04-2018.12，经费：5万，第二参加人

15. 诱导相依删失下寿命时间医疗费用的统计建模分析，吉林省教育厅，2016.04-2018.12，经费：3万，第四参加人

荣誉获奖

1. 首批“吉林省高校科研春苗人才”称号，2012年9月

2. 吉林省科学技术奖自然科学三等奖，大数据驱动的云计算平台及其在统计学中的应用，获奖日期：2020-11-04，证书编号：2020Z30005。第二名

                                                                                                                             2024年12月25日更新