近日，第十届教育部科学研究优秀成果奖（人文社会科学）评选结果正式公布，我校6项成果获奖，获奖数量再创历史新高，体现了我校哲学社会科学高质量发展成效。我校将以此为契机，进一步总结经验，强化科研组织化程度，产出更多有学术引领力的高水平成果，持续提升我校哲学社会科学研究的影响力。教育部科学研究优秀成果奖（人文社会科学）由教育部设立，旨在表彰高校哲学社会科学工作者取得的突出贡献，每三年评选一次。

7月1日，全国哲学社会科学工作办公室正式公布研究阐释党的二十届四中全会精神国家社科基金重大专项立项名单。我校孙伟增教授作为首席专家申报的“促进区域联动发展的基本内涵、实现路径与政策体系研究”成功获批立项。本次国家社科基金重大专项是研究阐释党的二十届四中全会精神的重要立项，是国家哲学社会科学领域最高层次的研究项目之一。本次国家社科基金重大专项江苏省共获批立项7项。该项目的成功获批，充分体现了我校以习近平新时代中国特色社会主义思想为指导，深入贯彻落实党的二十大和二十届历次全会精神，在服务国家重大战略需求、推进有组织科研方面取得的新进展、新成效，也体现了我校承担重大课题的能力和学术创新水平。项目简介

近日，我校统计与数据科学学院尹燕青教授、李慧琴副教授团队与新加坡南洋理工大学潘光明教授合作完成的论文《Spectral Asymptotics of Neural Network Jacobians: Convergence, Universality, and Phase Transition》被国际统计学顶级期刊《Annals of Statistics》正式接收。论文作者采用国际惯例按姓氏字母顺序排序，尹燕青教授为论文通讯作者。人工神经网络是现代机器学习和人工智能的基石。理解深度神经网络中信号和梯度如何传播，是解释网络稳定性、初始化机制和训练行为的重要理论问题。

近日，我校国家审计学院副教授谭建华与中央财经大学副教授谢蓉蓉、上海商学院教授陈锦全合作的论文Indirect export product quality spillover and corporate innovation（间接出口的产品质量溢出效应与企业创新），在A1期刊Journal of Banking and Finance在线发表。该论文指出，虽然部分中小企业并未直接向国外市场销售产品，但是，它们可以通过与下游公司间的生产网络间接参与国际市场。该论文立足中国创新城市政策，采用上市公司供应链、海关数据，深入探究创新型中小供应商对其客户出口产品质量的影响。研究结果显

近日，我校经济学院教授易先忠与华东师范大学潘锐、湖南大学张亚斌合作的论文《科技强国建设中的双重创新动力源——一个知识流创新链分析框架及其考证》在《管理世界》2026年第5期发表。该论文指出，创新链“脱节”困境根植于“科学推动—需求拉动”二分认知范式割裂了两大创新动力源的有机联系。该论文回归创新的本质，从知识生成、吸收与重组视角，构建融合本土需求与科学研究双重驱动的创新链分析框架，通过对跨国证据、历史经验及中国情境的分析，多维度考证其理论机理与适用性。研究表明：（1）依托本土需求的自主技术实践是企业积累实践性技术知识和增强对“科学知识”吸收能力的关键，从而成为自主创新的基本途径；

近日，南京审计大学统计与数据科学学院讲师周灿、李南，联合黑龙江科技大学讲师王帅、东北师范大学教授王晓飞及北京工商大学教授郭建华，共同完成的学术论文“Learning Semi-parametric Tree Models from Mixed Data” 已在线发表于人工智能领域顶级期刊Artificial Intelligence (AIJ)。该研究聚焦于混合数据情形下的半参数树模型学习问题。在实际应用中，数据通常同时包含连续变量与有序变量，例如医疗诊断中的体征指标与疾病分级、金融风控中的连续评分与等级标签等。然而，现有多数结构学习方法主要针对纯连续或纯离散数据设计

近日，我校统计与数据科学学院博士生施科文完成的学术论文“A Variation-Ratio Test for Volatility Jumps Using Noisy High Frequency Data”以南京审计大学为第一署名单位被统计学权威期刊Statistica Sinica接收。论文指导教师为我校统计与数据科学学院刘广应教授与上海财经大学张志远副教授。该论文聚焦含有市场微观结构噪声的高频金融数据波动跳跃检验问题，提出了一种新的变差比率（variation-ratio）检验方法。该方法基于阈值预平均技术估计已实现波动率，并通过构造不同时间尺度下幂变差之比来识

研究成果 近日，我校教师司马帝的独作论文“Academic freedom and creativity: An empirical investigation”在国际期刊Journal of Development Economics上发表。 Abstract This study examines the impact of academic freedom reform on university graduates’ creativity using a large, multi-decade, cross-country sample. We constr

近日，我校统计与数据科学学院博士生任阳完成的学术论文“Spectral Clustering for Functional Data with Asymptotic Properties”以南京审计大学为第一署名单位被统计学权威期刊Statistica Sinica接收。论文指导教师为我校统计与数据科学学院林金官教授，王江艳副教授与加拿大滑铁卢大学桑培俊副教授。传统聚类方法主要是针对多元数据开发的，往往难以捕捉函数型数据的连续性与动态性，进而忽略了关键特征。针对这一问题，该论文提出一种两阶段函数型数据谱聚类（TSFDSC）方法，该方法可借助图拉普拉斯算子，有效实现对稠

近日，我校统计与数据科学学院联合天津工业大学数学科学学院、南开大学统计与数据科学学院，在共同基金选择中错误发现率控制的统计方法研究方面取得进展。相关研究成果以“Robust mutual fund selection with false discovery rate control”为题，发表于计量经济学领域顶级期刊Journal of Econometrics。论文围绕在大规模共同基金中识别业绩优异基金这一核心问题，基于线性因子定价模型提出了一套稳健的多重检验方法。在可观测因子且特质误差仅弱相关的情形下，文章构建了一种基于空间符号统计量的多重假设检验程序，有效提升

近日，南京审计大学统计与数据科学学院周兴才教授团队（博士生杨光和硕士生郑昊天）与加拿大阿尔伯塔大学孔令龙教授和东南大学曹进徳院士合作完成的学术论文“FedFask: Fast Sketching Distributed PCA for Large-Scale Federated Data”在线发表于人工智能顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)。该期刊科学引文索引影响因子为18.6，中科院分区一区顶级。研究成果主要聚焦于大尺度联邦数据的统计机器学习基础方法主成分分析（PCA）。作为最流行的线性降维工具之一，PCA能够从原始数据中提取主要信息，同时过滤无关信息。该方法已广泛应用于机器学习、统计学、信息检索、生物医学和图像处理等多个科学领域。当数据特征维度超高时，例如全基因组关联分析（GWAS）中特征可达数十万至数百万，这给传统PCA方法带来难以承受的通信负担和计算复杂度。研究提出了一种新算法 FedFask（Fast Sketching for Feder