2024年4月25日下午，统计学院与厦门大学联合举办博士生论坛，为统计学相关专业研究生提供一个交流学术思想、传递科研经验、增进彼此友谊的空间和平台。本次论坛由统计学院副院长唐晓彬教授主持，厦门大学戴明晓、张妍和秦瑞暄和我院王寅智、杨笑然和崔茂生共六名博士生基于各自研究成果进行了学术报告。

厦门大学博士生戴明晓针对政府注意力的不可观测性，从官方新闻媒体入手，基于规则的文本提取方法具有主观性强和传统LDA模型无法提取特定文本主题信息等问题，提出了一种用于提取文本特定主题信息的定向LDA模型，以人民日报、光明日报和新闻联播文字稿等官方媒体为语料库，首次构建了国家治理现代化政府注意力指数，并基于该指数研究了政府注意力的治理效应与信息效应。他经过研究发现定向LDA模型可以提炼得到更纯净的定向主题的关注度，而不需要给定主题参数、不过度依赖于人工构建的词典以及不需人工审核；同时基于新闻文本构建的国家治理现代化政府注意力指数可以较好地反映政府对国家治理现代化关注度的变化情况。此外，他还认为政府对国家治理现代化的重视可以有效转化为治理效能的提升以及政府透过官方媒体的宣传也能有效带动公众对国家治理现代化的关注度。

厦门大学博士生张妍同学为了解决潜空间（latent space）难以被估计的问题，提出了一种名为Network Model Averaging（NetMA）方法，通过对不同维度的潜空间进行模型平均的方法，关注网络链接预测问题。对于单层和多层网络，她率先在渐近意义下实现了所提出的平均预测的最优性，达到了最低的预测损失，同时她证明了候选模型包含正确模型时，该法会将所有权重分配给正确模型。最后，她通过大量模拟实验证明，NetMA的性能优于简单平均和模型选择方法，在真实潜在空间维度较大时甚至优于“oracle”方法，而且在合作网络和虚拟事件网络评估中，进一步强调了NetMA在链接预测性能上的优势。讨论环节中，王寅智和王一轮分别对文章涉及的K折交叉验证、模拟数据的选取、模拟效果等部分进行了提问，张妍同学一一进行了回答。

厦门大学博士生秦瑞暄主要关注融合节点特征重要性、节点特征与潜变量之间节点特征之间交互作用的潜空间模型（LSI），并提出了该模型的可识别性条件，利用了投影梯度下降算法并设计了初始化方法。为了考虑交互作用的稀疏性，她引入了一种考虑交互作用稀疏性潜空间模型(SLSI)，通过惩罚选择显著的特征和交互作用，并提出了稀疏模型的相应算法，建立了相关的理论性质。最后，她通过进行广泛模拟和对三个真实数据集的分析，展示了所提方法的实用性。讨论环节中王寅智、崔茂生等同学针对梯度下降过程中涉及的波长以及初始值设置等问题与秦瑞暄同学进行了热烈的讨论。

统计学院博士生王寅智对矩阵因子模型进行了改进，基于特定的Huber损失函数，提出了一种自适应稳健的高维矩阵因子模型。针对难以对具有重尾分布的数据集进行稳健性推断和需要额外的参数进行微调以保证性能的问题，他提出了一种自适应稳健的高维矩阵因子模型，并提供了一个高效的迭代算法来一致地确定模型的额外参数以进行稳健估计。他通过引入Huber损失函数，实现了模型估计的稳健性的显著提高。此外，他在理论上对该方法进行了研究，并推导了稳健估计的收敛速度以评估其性能。模拟实验表明，该方法在重尾数据的估计中优于先前的模型。讨论环节中张妍同学就文章中涉及的可识别性假定进行了提问，王寅智同学进行了细致的讲解。

统计学院博士生杨笑然考虑了限制性平均生存时间的估计，提出了一个半参数框架，将RMST直接建模为限制时间的函数。该模型采用了广泛使用的比例形式，使得能够使用统一模型在区间内估计RMST预测，并可以同时导出多个限制时间点的协变效应，在估计方程理论的基础上建立了估计量的渐近性质。此外，她通过对两个实际数据的分析，进一步说明了该方法的应用价值。讨论环节中秦瑞暄同学提出了文章中涉及的H(x)函数的相关问题，杨笑然同学都进行了耐心的解答。

统计学院博士生崔茂生通过构建将改进的数字普惠金融模型与包含个体异质性的Huggett模型相结合的统一理论框架，从资产收益视角深入分析了数字普惠金融发展财富不平等水平的影响及其内在机制，并运用数字普惠金融指数和CHFS微观家庭数据检验了理论假说。经过研究，他认为数字普惠金融发展有效降低了财富不平等程度，并从提高信贷能力和促进风险投资两个层面改善了低财富水平人群的财富积累能力，但对高财富人群未形成显著影响，此外，数字普惠金融在高财富不平等和高市场化程度地区更容易发挥其对于财富不平等的降低作用，高财经素养个体则更能够发挥数宇普惠金融发展对其带来的财富积累效应。

本次博士生论坛首次走出校园，通过与厦门大学统计学专业博士研究生进行学术交流，拓展了研究生的学术视野，提升了创新能力，激发了科研热情。今后，我院博士生论坛将会进一步的深化与拓展跨高校、跨院系之间的学术交流与合作。（通讯员 摄影 统计学院博士）