（1） 研究内容需要具有一定的创新性；

（2） 论文字数在8000~15000之间；

（3） 论文格式需要遵循“全国高校数据驱动创新研究大赛-论文模板.doc”的要求；

（4） 参赛者允许提交的研究论文收录在北京大学机构知识库，论文在一定禁锢期后公开，不影响论文向期刊投稿发表。

使用的数据需要满足如下条件之一：

（1） 北京大学开放研究数据平台中的数据。

参赛团队可使用北京大学开放研究数据平台（http://opendata.pku.edu.cn）中的数据，平台中包含社会科学、计算机、历史等学科领域的200多个数据，如中国家庭追踪调查、中国健康与养老追踪调查等。

（2） 自己收集整理的、具有一定原创性的研究数据。

研究数据需要具有一定的原创性。即以为研究目的，自己收集整理了相关数据资源，对数据进行采集、清洗、预处理等加工步骤。数据的原创性将作为评分标准之一。例如，如下为具有一定原创性的研究数据：①为了研究微博用户行为而自己收集的微博博文数据；②为了研究大学生海洋意识而自己收集的调查问卷数据。

数据需要整理并提交至北京大学开放研究数据平台。对数据进行整理，并提供数据文档，说明数据的来源、采集和处理方法、数据格式及使用等。在成果提交时，数据也需要提交至北京大学开放研究数据平台的“全国高校数据驱动创新研究大赛”数据空间（http://opendata.pku.edu.cn/dataverse/contest），即在该数据空间下创建一个新的数据集。在成果评审时，管理员将对数据进行审核，并公开发布。

研究数据需要遵循北京大学开放研究数据平台使用政策。提交的数据不应：侵犯他人或其他实体的专利权、商标权、商业秘密权、著作权、公开权或其他权利的内容；包含非法、威胁、辱骂、骚扰、诽谤、中伤、欺骗、欺诈、侵犯他人隐私、侵权、淫秽、攻击或亵渎性质的内容；非授权广告、推送广告、垃圾或批量电子邮件（俗称“垃圾邮件”）；包含软件病毒或任何其他计算机代码、文件或有意破坏、损害、限制或干扰任何软件、硬件或通讯设备正常功能的程序，或者意图破坏或非授权访问北京大学开放研究数据平台或其他第三方系统、数据或其他信息的程序。

分主题１：预测家庭样本的流失。参赛者在CFPS 2016年发布的家庭关系库（数据下载地址为：http://opendata.pku.edu.cn/dataset.xhtml?persistentId=doi:10.18170/DVN/45LCSO）中近15000个fid16中选出1000个最有可能在2018年流失的家庭。CFPS 2018实地工作结束后我们根据执行的最后结果选出命中率最高的参赛作品。

分主题２：收入数据的插补。由于收入数据较为敏感，在抽样调查中会出现一定比例的缺失情况。参赛者针对缺失以及可疑的收入数据提出插补方案并给出插补结果。我们将组织相关方面专家对方案的合理性以及最终结果进行评估。

以上两个主题均不限研究方法，传统的统计模型或机器学习方法均可。

附加要求：

①需要提交参赛源代码至北京大学开放数据平台，代码需要为Python、R或其他编程类语言代码；

②需要有说明文档描述代码的运行环境和使用方法；

③代码结构清晰，有适当的注释。

社会经济调查中通常会采集职业和行业信息，为方便数据用户使用这些信息，一般会事先基于国家标准化管理委员会发布的《职业分类与代码》对上述信息进行编码。组委会将在竞赛平台上提供部分社会经济调查中采集得到的职业和行业的具体描述信息，以及相应的已经编码成功的代码。要求参赛者基于上述数据（数据下载地址为：http://opendata.pku.edu.cn/dataset.xhtml?persistentId=doi:10.18170/DVN/PEMXPX），构建自动编码模型。组委会将利用该模型，应用于其他已人工编码成功的数据。基于模型预测的准确度，评判模型的优劣。

附加要求：

①需要提交参赛源代码至北京大学开放数据平台，代码需要为Python、R或其他编程类语言代码；

②需要有说明文档描述代码的运行环境和使用方法；

③代码结构清晰，有适当的注释。