消费者需求-价格函数是政府与企业制定资源分配方法、分析市场均衡和设计定价策略等的基础理论，支撑着市场供给的稳定与经济的有序发展。当今，随着消费模式趋向多元化，消费者需求数据呈现大规模、多变性等特点，由此带来了关键数据缺失、消费者反馈行为不真实等诸多现实问题，这使得从大量数据中精准计算需求-价格函数成为一项极具挑战的科学难题。
在国家自然科学基金项目（批准号：72150002）等资助下，由香港中文大学（深圳）王子卓与上海财经大学葛冬冬等组成的研究团队，联合纽约大学陈溪教授，对在仅有一些聚合数据以及消费者可能出现策略性反馈行为时的需求-价格函数估计问题开展了一系列研究。研究发现，传统回归分析模型在仅有聚合数据时可能对真实的需求-价格函数估计产生偏差，研究团队基于矩生成函数分析框架，提出了一个修正映射函数来修正上述偏差，解析了偏差方向与消费者需求数据特征的关系，并从理论上证明了该方法的渐进无偏性；研究进一步发现，当消费者存在不真实的策略性反馈行为时，采用传统的拟合方式也可能会对需求-价格函数产生偏差，研究团队提出一种随机化数据采集的方法，通过合理设置信息采集间隔和概率，减少消费者的策略性反馈行为，以解决该偏差，并通过鞅收敛分析方法从理论上证明了其有效性。
上述研究成果以“对数需求函数拟合中的聚合偏差（Aggregation Bias in Estimating Log-Log Demand Functions）”和“针对策略消费者的贝叶斯动态学习和定价（Bayesian Dynamic Learning and Pricing with Strategic Customers）”为题，分别于2021年11月和2022年8月在《生产与运营管理》（Production and Operations Management）杂志上正式发表。论文链接分别为：https://onlinelibrary.wiley.com/doi/full/10.1111/poms.13488以及https://onlinelibrary.wiley.com/doi/full/10.1111/poms.13741。