異常數(shù)據(jù)通常是指一批數(shù)據(jù)中的個別者，其值明顯地偏離該批數(shù)據(jù)中的其余值。目前關(guān)于異常數(shù)據(jù)檢驗的難點一是如何確定異常數(shù)據(jù)的個數(shù)，二是構(gòu)造合適的檢驗統(tǒng)計量?！秲蓞?shù)Weibull分布基于BLUE的異常數(shù)據(jù)檢驗》一文，針對樣本數(shù)據(jù)服從兩參數(shù)Weibull分布，定數(shù)截尾樣本中出現(xiàn)異常數(shù)據(jù)的檢驗問題，定義了次序統(tǒng)計量的貢獻率，依據(jù)貢獻率的分析給出了異常數(shù)據(jù)的疑似個數(shù)，在此基礎(chǔ)上，基于參數(shù) 的最佳線性無偏估計(BLUE)構(gòu)造了異常數(shù)據(jù)的檢驗統(tǒng)計量，為方便實際應(yīng)用，通過Monte Carlo模擬給出了檢驗統(tǒng)計量分布的分位數(shù)。

估計一隨機序列中變點的位置是統(tǒng)計學(xué)的研究熱點之一。《回歸系數(shù)變點估計的快速非迭代抽樣算法》一文，提出了在估計線性回歸模型中，該算法能夠獲得變點位置的精確后驗分布，進而得到該后驗分布的的獨立同分布的樣本，然后依據(jù)該樣本對變點位置做統(tǒng)計推斷。該算法巧妙地避開了Gibbs抽樣等MCMC方法的收斂性診斷問題，所獲樣本為簡單隨機樣本，可直接用來進行統(tǒng)計推斷。模擬顯示該算法能夠有效地估計未知變點位置，并且，與迭代的Gibbs抽樣相比，該非迭代抽樣算法的運行時間大大縮短。

數(shù)據(jù)搜集前期的量表設(shè)計，數(shù)據(jù)搜集過程中的統(tǒng)計方法，數(shù)據(jù)處理后期的管理策略等都影響著數(shù)據(jù)的質(zhì)量?！墩y(tǒng)計數(shù)據(jù)質(zhì)量的優(yōu)化方法研究》一文，以統(tǒng)計相關(guān)主體為切入點，從統(tǒng)計數(shù)據(jù)獲取路徑、發(fā)布路徑、監(jiān)管路徑三個方面分析其對統(tǒng)計數(shù)據(jù)質(zhì)量的影響，構(gòu)建優(yōu)化模型并在已有研究的基礎(chǔ)上提出假設(shè)，探討了各因素與數(shù)據(jù)質(zhì)量間的相關(guān)關(guān)系。通過偏最小二乘法對數(shù)據(jù)進行分析，對模型假設(shè)進行檢驗，得到數(shù)據(jù)質(zhì)量影響路徑的影響程度，并提出了提升政府統(tǒng)計數(shù)據(jù)質(zhì)量的優(yōu)化方法。

在經(jīng)濟“新常態(tài)”下，研究如何保持中國經(jīng)濟穩(wěn)定優(yōu)質(zhì)的增長，同時又能使省際經(jīng)濟發(fā)展差距收斂，縮小區(qū)域經(jīng)濟發(fā)展的失衡問題，對中國未來經(jīng)濟社會的穩(wěn)定繁榮和共同富裕具有十分重要的意義?！吨袊?jīng)濟“新常態(tài)”下省際經(jīng)濟差距收斂性研究》一文，采用“四分位法”、Z值和回歸分析等統(tǒng)計方法，以我國省際GDP面板數(shù)據(jù)為基礎(chǔ)，對省際經(jīng)濟發(fā)展差距的變化趨勢和收斂性進行了研究。發(fā)現(xiàn)近二十年間我國省際經(jīng)濟總量的絕對差距在持續(xù)擴大，但相對差距經(jīng)歷了先擴大再縮小的明顯特征。近十年間我國省際經(jīng)濟總量與經(jīng)濟增長率呈現(xiàn)出負的相關(guān)性；相對差距的收斂性是可靠的，但收斂速度經(jīng)歷了先加速再放緩的特征。