报告人: 许罡, 迈阿密大学(University of Miami)
时间: 2016年12月26日 (周一) 16:30-17:30
 
地点: 数学楼报告厅
 
摘要: 回归模型是最为常用的统计分析工具, 相关的理论目前已经比较成熟. 但在许多实际案例中出现的数据, 往往具有新的特点, 从而在建立回归模型时需要作更多考量. 比如, 当数据间体现较强的关联性时, 我们需要先对原始变量作出"选择", 然后再建立回归模型. 而当数据又有缺失时, 如何将"选择推断"的相关理论进行推广具有较强的挑战性. 针对这样的实际需求, 我们提出了一种缺失数据变量选择的新算法. 初步的数据表明, 该算法在一些实际问题的建模和分析中表现良好.