王明秋，教授，硕士生导师，山东邹城人。研究兴趣包括稳健估计、非参数统计推断、变量选择、高维数据分析、大数据抽样等。2007年获鲁东大学学士学位， 2012年获大连理工大学博士学位，专业概率论与数理统计。美国数学会评论员，中国现场统计研究会数据科学与人工智能分会理事。先后多次受邀前往香港大学、南方科技大学进行学术访问。主持或参与8项省部级以上项目，在国内外学术刊物上发表论文30余篇。已毕业硕士研究生在中国人民银行、中国农业银行、中国移动、济南市历城区委组织部、枣庄学院等单位工作。先后被评为济宁市科普先进个人、曲阜师范大学师德先进个人、曲阜师范大学优秀教师、曲阜师范大学优秀研究生指导教师、曲阜师范大学科研管理先进个人、曲阜师范大学优秀班主任。作为指导老师多次获美国大学生数学建模竞赛一等奖、全国大学生市场调查与分析大赛三等奖、全国大学生统计建模大赛二等奖等。
个人信息
1982年8月生，男，中国共产党党员，山东邹城人
联系方式
E-mail：mqwang@qfnu.edu.cn
通讯地址：山东省曲阜市静轩西路57号曲阜师范大学统计与数据科学学院（273165）(School of Statistics, Qufu Normal University, Qufu , Shandong 273165, P. R. China)
受教育情况
2007.9-2012.12 大连理工大学，理学博士学位
2005.9-2007.7 鲁东大学,理学学士学位
2002.9-2005.7 济宁师范专科学校
工作经历
2022.01-至今 曲阜师范大学统计与数据科学学院，副教授
2019.04-2021.09 曲阜师范大学bwin必赢线路，应用统计系主任
2015.07-2021.12 曲阜师范大学bwin必赢线路，副教授
2015.01-2015.07 曲阜师范大学数学科学学院，副教授
2014.03.31-2016.11.19 曲阜师范大学数学科学学院，博士后，合作导师 尹传存
2012.12-2014.12 曲阜师范大学数学科学学院，讲师
访学经历
2021.07-2021.08 南方科技大学统计与数据科学系, 访问学者
2019.07-2019.08 南方科技大学数学系, 访问学者
2017.07-2017.08 南方科技大学数学系, 访问学者
2016.12-2017.01 南方科技大学数学系, 访问学者
2014.06-2014.08 Department of Statistics and Actuarial Science, The University of HongKong, Research Associate
2012.03-2012.06 Department of Statistics and Actuarial Science, The University of HongKong, Research Associate
2011.03-2011.04 Department of Statistics and Actuarial Science, The University of HongKong, Research Associate
科研项目
1. 2019.07-2022.06，高维数据中的稳健统计推断问题研究，山东省自然科学基金面上项目，主持
2. 2017.09-2019.09，高维回归模型中的组变量选择研究，全国统计科学研究项目，主持
3. 2015.1-2017.12，超高维半参数回归模型的结构识别和变量选择问题研究，国家自然科学青年基金项目，主持
4. 2014.4-2016.4，超高维半参数回归模型的稳健统计推断，中国博士后科学基金面上项目，主持
5. 2021.01-2024.12，断点回归中模型识别、效应估计和大数据统计学习，国家自然科学基金面上项目，参与
6. 2020.09-2022.09，断点回归中处理效应的稳健估计及其应用，2020年度全国统计科学研究重点项目，参与
7. 2018.01-2021.12，几类因子试验的最优设计与数据分析，国家自然科学基金面上项目，参与
8. 2012.1-2014.12，稀疏高维半参数模型的稳健统计推断，国家自然科学青年基金项目，参与
代表性论文
1. Cao Zhimiao, Kang Xiaoning and Wang Mingqiu*, Doubly robust weighted composite quantile regression based on SCAD-L2. The Canadian Journal of Statistics, 2021, DOI: 10.1002/cjs.11681.
2. Li Chunshi, Yang Mo, Wang Mingqiu, Kang Hong and Kang Xiaoning. A Cholesky-based sparse covariance estimation with an application to genes data, Journal of Biopharmaceutical Statistics, 2021, 31(5): 603-616.
3. Kang Xiaoning and Wang Mingqiu*, Ensemble sparse estimation of covariance structure for exploring genetic disease data. Computational Statistics & Data Analysis, 2021, 159, 107220.
4. Liu Yin, Tian Guo-Liang and Wang Mingqiu*，A new variant of the parallel regression model with variable selection in surveys with sensitive attribute. Journal of Statistical Planning and Inference, 2021, 212: 69-83.
5. Wang Mingqiu, Zhao Peixin and Kang Xiaoning*, Structure identification for varying coefficient models with measurement errors based on kernel smoothing, Statistical Papers, 2020, 61(5): 1841-1857.
6. Wang Mingqiu, Wu Yuanshan and Yang Qinglong*, Adaptive penalized least absolute deviations estimation for the accelerated failure time model. Acta Mathematica Sinica-English Series, 2020, 36(7): 812-828.
7. Kang Xiaoning, Xie Chaoping and Wang Mingqiu*, A cholesky-based estimation for large-dimensional covariance matrices. Journal of Applied Statistics, 2020, 47(6): 1017-1030. Wang Xiuli, Cao Zhimiao, Liu Chao and Wang Mingqiu*, Group selection via adjusted weighted least absolute deviation regression. Journal of Computational and Applied Mathematics, 2020, 378: 112924. (2020-11 IF: 1.883)
8. Wang Mingqiu, Tian Guo-Liang and Liu Yin*, Statistical Inference for semiparametric varying-coefficient partially linear models with a diverging number of components. Journal of the Korean Statistical Society, 2020, 49: 223-243.
9. Wang Xiuli, Zhao Shengli and Wang Mingqiu*, Profile statistical inference for partially linear additive models with a diverging number of parameters, Journal of Systems Science and Complexity, 2019, 32: 1747-1766.
10. Wang Mingqiu and Tian Guo-Liang*, Adaptive group lasso for high-dimensional generalized linear models, Statistical Papers, 2019, 60: 1469-1486.
11. Wang Mingqiu, Wang Xiuli and Amin Muhammad*, Identification and estimation for generalized varying coefficient partially linear models, Hacettepe Journal of Mathematics and Statistics, 2018, 47: 1041-1060.
12. Wang Mingqiu* and Tian Guo-Liang, Robust group non-convex estimations for high-dimensional partially linear models, Journal of Nonparametric Statistics, 2016, 28(1): 49-67.
13. Wang Mingqiu*, Song Lixin and Tian Guo-Liang, SCAD-Penalized least absolute deviation regression in high dimensional models, Communications in Statistics-Theory and Methods, 2015, 44(12): 2452-2472.
14. Wang Mingqiu and Wang Xiuli*, Adaptive lasso estimators for ultrahigh dimensional generalized linear models, Statistics & Probability Letters, 2014, 89: 41-50.
15. Tian Guo-Liang, Wang Mingqiu* and Song Lixin, Variable selection in the high-dimensional continuous generalized linear model with current status data, Journal of Applied Statistics, 2014, 41: 467-483.
16. Wang Mingqiu* and Song Lixin, Identification for semiparametric varying coefficient partially linear models, Statistics & Probability Letters, 2013, 83: 1311-1320.
讲授课程
本科生课程：概率论，数理统计，应用回归分析，多元统计分析，统计软件，金融数学
研究生课程：多元统计分析，回归分析，统计案例分析，机器学习
