【成果介绍】

近日，吉林财经大学大数据与交叉科学研究院木仁院长以通讯作者身份在国际权威学术期刊《Journal of Statistical Computation and Simulation》上发表论文《Threshold regression models using mixed-integer programming》，该论文的第一作者为吴凡，系木仁院长在吉林大学指导的博士研究生。

面对门限回归模型在大规模数据下的参数估计难题，该研究提出了一种融合混合整数规划与启发式算法的创新框架。研究将最小二乘与最小绝对偏差估计分别转化为混合整数二次规划与混合整数线性规划问题，在不依赖强假设的前提下得到全局最优解。该框架通过热启动与目标截止机制大幅提升了混合整数规划模型的求解效率。实证结果表明，该框架兼顾了混合整数规划的理论最优性和启发式方法的大规模可扩展性，在估计精度与阈值选择方面表现卓越。

该研究成果的发表，既是吉林财经大学大数据与交叉科学研究院在计算统计学与运筹优化交叉领域科研实力的集中体现，也为学校在大数据分析、统计计算与智能算法等方向的学科建设与科研创新发展注入了新动能。

【成果展示】

Wu, F., Muren, & Zhu, F. (2026). Threshold regression models using mixed-integer programming. Journal of Statistical Computation and Simulation, 1–30. https://doi.org/10.1080/00949655.2026.2666568.

【期刊介绍】

《Journal of Statistical Computation and Simulation》是国际统计计算与模拟领域的重要学术期刊，创刊于1972年，由Taylor & Francis集团出版，JCR分区为2区。该期刊聚焦统计计算方法、蒙特卡洛模拟、随机过程、计算统计学及算法开发等研究方向，被SCI Expanded、CompuMath Citation Index、Current Index to Statistics、MathSciNet等国际主流数据库收录，在统计计算与模拟领域享有良好学术声誉。