文/江其衽副教授

第六屆的計量經濟學與統計學國際會議(the 6th International Conference on Econometrics and Statistics, aka EcoSta 2023 http://www.cmstatistics.org/EcoSta2023/index.php ) 於2023年8月1—3日在日本東京早稻田大學舉行，合辦單位是CFE-CMStatistics，EcoSta，早稻田大學與IFMSE (International Foundation of Methodological Statistics and Econometrics)。EcoSta主要的贊助者是四個國際期刊，分別是Econometrics and Statistics，Computational Statistics & Data Analysis，Annals of Computational and Financial Econometrics與Annals of Statistical Data Science。相較於CFE-CMStatistics是整合有關計量與統計研究在歐洲的年會，EcoSta是一個在亞洲的年會，也是很多亞洲的大專院校從事統計相關研究的教師固定會參加的年會。首屆的EcoSta於2017在香港科技大學舉行，第三屆(2019)在台中中興大學舉辦。由於疫情的關係2020停辦，2021 virtual，2022雖然是hybrid但in-person的與會者主要是主辦單位國家的住民。今年是疫情後比較正式的聚會，由於籌備期間對於各國境解封時程仍不明朗，因此，這次會議仍採hybrid方式舉辦，雖然有了彈性，卻也間接造成一些困擾，比如說，Session chair 難以同時掌控是否有線上與會者欲發言或是提問，邀請演講者時也相對不容易。本屆EcoSta統計所有兩名教師（楊鈞澔助理教授與本人）參加。

近年隨著科技與資料收集方式的進步，除了資料的組成越來越多樣化，資料也趨複雜的同時資料量也大幅成長。常用的統計方法通常無法直接應用或是無法產生令人滿意的結果，因此，新的統計方法因應而生。舉例來說，第一場的keynote speech，Prof. Regina Liu就介紹他利用早年(1990)研究的一個統計量”深度”(depth)提出一個新個概念稱為depth-CD，這個概念結合了原本的depth，重抽(bootstrap)與信賴分佈(confidence distribution)，進而發展出來的無母數fusion learning (指整合從不同的來源資料，方法或研究的推估結果進而得到一個比使用單種研究更有效的推估或預測)。第三場的keynote speech則是從統計學的中心思想之一的降維方法出發，探討利用迴歸模型來分析資料時，如果有未觀察到的變數在模型中扮演重要的角色，但是該變數存在另一筆資料中且兩筆資料有部分變數共有的情況下，透過降維方法讓原本表現會受限於變數個數的matched-sample indirect inference 跟 plug-in least squares 這兩個目前常用的估計方法仍然可以達到最快的收斂速度。這兩場keynote speeches 著重的方向都是如何將不同來源的資料進行有效的整合。

除了keynote speeches外，這個會議有相當多的平行場次，涵蓋了統計領域不同主題的最新研究與發展，與會者可以挑選自己有興趣或與研究主題相關的場次參加，藉機會學習最新發展中的方法與分享彼此的研究心得。比方說楊鈞澔老師在會議中碰見了許久不見的博士班同學Prof. Ray Bai（南卡羅來納大學），彼此交流了相當多貝氏統計方法在未來的可能發展。北卡教堂山分校的林逢章老師跟我則是討論了一些與函數資料處理相關的問題，例如如何嚴謹的檢定出兩個估計的曲面是否相同。舉辦如此規模的學術會議需要一定水準的硬體設備，足夠的空間規模與交通便利的地點，因此合辦單位一直都是國際知名的大學，透過合辦這樣的國際會議，除了老師們得以建立新的人脈，學生也得以進一步跟國際學者有面對面討論的機會，藉此可以吸引更多學生從事更深入的學術研究。