【例会预告】

会议名称：数据科学与创新管理团队例会

会议时间：2026年4月29日（周三）晚上19：00-21：00

会议地点： 经管楼609会议室

汇报人：李虎峰

汇报题目：

《对DAC方法的几点再补充》

汇报摘要：  

在相较于传统的实证、案例等研究方法，数据驱动分析方法（Data-driven Analysis for studying the influence mechanism of Complex factors，DAC）综合了定量和定性研究的优势，通过机器学习的方法研究复杂系统关键核心因素的机制。有助于提供基于企业异质性的高度细分的管理建议，通过CART决策树有助于理解要素间存在的高阶交互作用。在前序的汇报中，针对DAC方法的异质性分析、决策树结果的稳健性，决策树得到路径的显著性等问题开展了一些探讨。(2025年11月20日例会预告-李虎峰《一种基于DAC方法的统计学检验思路》)

然而，在整个DAC执行流程中，仍然存在一些不可忽视的问题，例如，在K-Means聚类过程中，由于随机初始种子的设定，我们每次聚类得到的结果往往并不稳健，尤其是针对一些本身分类就较为模糊的点，不同聚类批次可能存在较大的差池。另一方面，在通过爬山算法等方法构建贝叶斯网络的过程中，对连续变量的离散化分箱方式可能也会对结果产生一些的影响。因此，还需要探讨更加稳健的聚类方式（从数据或是算法层面进行优化），并对贝叶斯网络的结果进行进一步的稳健性检验（MNLogistic回归和针对网络结果的安慰剂检验），对方法进行进一步的补充，同时研究使用了GeNIe软件分析贝叶斯网络结果，能够得到信息更加丰富的分析内容。

图1 基于GeNIe软件构建的贝叶斯网络

图2 目前对DAC方法的内容补充