个人简介
王惠文，1974年毕业于江西省南昌县莲塘一中，1974年至1976年在莲塘一中任教师，1977年至1978年为江西省造纸厂化验室工人。1982年于北京航空航天大学应用数学专业获学士学位，1989年于法国巴黎多芬大学（Paris XI）决策数学系获硕士学位（DEA MASE），1992年于北航获管理工程专业工学博士学位。
现任北京航空航天大学经济管理学院教授（博士生导师），并任校学术委员会副主任，院学术委员会主任，致真书院院长，“创新经济和智慧管理北京市实验教学示范中心”主任，北航复杂数据分析研究中心主任，北航中法数据科学实验室主任；曾任第十、第十一、第十二届北京市政协常委，第十一、第十二届北京市政协提案委员会副主任；任第八、第九届民建中央委员，第八、第九届民建北京市委副主委。现为国际统计学会会员、国际统计计算学会会员、中国统计教育学会常务理事、全国统计教材编审委员会委员、中国大数据专家委员会委员，国家自然科学基金委员会学科评审组成员。曾在法国高等商业学院、法国国立工艺学院、法国国家自动化信息研究所、香港大学任客座教授和访问学者。是国家杰出青年科学基金项目获得者，享受国务院政府特殊津贴专家。
近期论文
查看导师新发文章
（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）
王惠文、孟洁，变量筛选、模型分类及自动化建模方法，北京：科学出版社，2013.
V.Esposito Vinzi，W.W.Chin，J.Henseler，H.Wang，Handbook of PartialLeast Square：Concepts，Methods andApplication. Springer, 2009.
王惠文、吴载斌、孟杰，偏最小二乘回归的线性与非线性方法，北京：国防工业出版社,2006.
王惠文，偏最小二乘回归方法与应用，北京：国防工业出版社,1999.
任若恩、王惠文，多元统计数据分析—理论、方法、实例，北京：国防工业出版社,1997.
Z. Wang, H. Wang, S. Wang. Linear mixed-effects model for multivariate longitudinal compositional data[J]. Neurocomputing, 2019, 335: 48-58.
H. Wang, Z. Wang, S. Wan. Sliced inverse regression method for multivariate compositional data modeling[J]. Statistical Papers, 2019: 1-33.
H. Wang, S. Lu, J. Zhao. Aggregating multiple types of complex data in stock market prediction: A model-independent framework[J]. Knowledge-Based Systems, 2019, 164: 193-204.
J. Gu, L. Wang, H. Wang, et al. A novel approach to intrusion detection using SVM ensemble with feature augmentation[J]. Computers & Security, 2019, 86:53-62.
H. Wang, T. Huang, S. Wang. A Flexible Spatial Autoregressive Modelling Framework for Mixed Covariates of Multiple Data[J]. Communications in Statistics - Simulation and Computation, 2019, doi:10.1080/03610918.2019.1626885.
H. Wang, J. Gu, S. Wang, G. Saporta. Spatial Partial Least Squares Autoregression: Algorithm and Applications[J]. Chemometrics and Intelligent Laboratory Systems, 2019, 184: 123-131.
R.Liu, H. Wang, S. Wang. Functional variable selection via Gram–SchmidtOrthogonalization for multiple functional linear regression, Journal ofStatistical Computation and Simulation, DOI: 10.1080/00949655.2018.1530776
王惠文，王玉茹，任若恩，夏棒，王珊珊.实物资金流量表的预测方法研究,管理科学学报, 2018, 21(9)：1~11.
S.Lu, J. Zhao, H. Wang, R Ren. Herding boosts too-connected-to-fail risk in stockmarket of China. Physica A: Statistical Mechanics and its Applications. 2018,505, pp.945-964.
Wei Y, Gu J, Wang H, et al. Uncovering the culprits of air pollution: Evidence from China's economic sectors and regional heterogeneities[J]. Journal of Cleaner Production, 2018, 171: 1481-1493.
Y.Wei, H. Wang, S. Wang, G. Sporta. Incremental modeling for compositionaldata streams. Communications in Statistics - Simulation and Computation.DOI: 10.1080/ 03610918.2018.1455870.
H. Wang, J. Gu, S.Wang. An effective intrusion detection framework based on SVM with featureaugmentation. Knowledge-Based Systems, 2017, 136: 130-139.
Y. Wei, S. Wang, H.Wang. Interval-valued data regression using partial linear model[J]. Journal ofStatistical Computation and Simulation, 2017, 87(16): 3175-3194.
B. Xia, H. Wang, R.Zhou. What Contributes to Success in MOBA Games? An Empirical Study ofDefenseof the Ancients 2. Games and Culture, 2017, DOI: 1555412017710599.
H.Wang, M.Chen, X.Shi,and N.Li. Principal Component Analysis for Normal-Distribution-Valued SymbolicData, IEEE Transactions on Cybernetics. 2016, 46(2): 356-365.
H. Wang, C. Wang,H.Zheng, H.Feng, R.Guan, W.Long. Updating Input-Output Tables with BenchmarkTable Series，Economic Systems Research, 2015，27(3)：287-305.
H.Wang, L.Shangguan,R.Guan. Principal Component Analysis for Compositional Data Vectors.Computational Statistics. 2015, 30(4):1079-1096.
L. Huang, H. Wang, H.Cui, S. Wang. Sieve M-estimator for a Semi-functional Linear Model. ScienceChina-Mathematics, 2015，58(11)：2421-2434.
M. Chen, H. Wang, Z.Qin. Principal Component Analysis for Probabilistic Symbolic Data: a MoreGeneric and Accurate Algorithm. Advances in Data Analysis and Classification.2014. 2015, 9(1):59-79.
L. Huang, H. Wang, A.Zheng. The M-estimator for Functional Linear Regression Model. Statistics &Probability Letters, 2014, 88: 165-173.
H. Wang, L. Shangguan,J. Wu, R. Guan. Multiple linear Regression Modeling for Compositional Data.Neurocomputing, 2013,:122, 490-500.
王惠文,夏棒,,孟洁,快速Gram-Schmidt回归方法,北京航空航天大学学报, 2013, 39(09):1259-1262.
H. Wang, R. Guan, J. Wu.CIPCA: Complete-information-based Principal Component Analysis forInterval-valued Data. Neurocomputing, 2012, 86：158-169.
H. Wang, R. Guan, J. Wu,Linear Regression of Interval-valued Data based on Complete Information inHypercubes. Journal of Systems Science and Systems Engineering. 2012, 21(4) :422-442.
王惠文,仪彬,叶明.基于主基底分析的变量筛选．北京航空航天大学学报，2008，34（11）：1288-1291．
W. Long，M．K．Mok，Y. Hu，H. Wang．The Style and InnateStructure of the Stock Markets in China，Pacific-Basin Finance Journal.2009, 17（2）:224-242 .
H. Wang, Q. Liu, M．K. Mok, L. Fu, W.M. Tse,A Hyperspherical Transformation Forecasting Model for Compositional Data,European Journal of Operational Research, 2007, 179, 459-468.
Wang, Q. Liu, Y. Tu:Interpretation of Partial Least-Squares Regression Models with VARIMAX Rotation.Computational Statistics & Data Analysis 2005,48(1): 207-219.
Wang，L. Fu, Y.Lechevallier, Disaster Pattern of Flood and Waterlog in Poyang Lake, ItalianJournal of Applied Statistics, 2001, 13（2）：P141-157.
H.Wang, Q.Liu,Forecast Modelingfor Rotations of Principal Axes of Multi-Dimensional DataSet, Computational Statistics & Data Analysis, 1998, 27（3）：345-354.
京公网安备 11010802027423号