题 目：Feature selection for high dimensional varying coefficient models via ordinary least squares projection（基于投影最小二乘下高维变系数模型的特征筛选）
报告人： 蒋学军
时 间：2022年09月29日（周四），下午4：30-5：30
地 点：3-222 腾讯会议ID：923960042
报告摘要：近年来，在超高维特征空间下对变系数模型进行特征筛选成为了统计学领域的热点问题。对于超高维变系数模型，一种流行的降维技术是基于非参数平滑的边际相关性筛选方法。但是边际相关性筛选方法可能会筛选掉跟响应变量联合相关的变量。本报告将针对如何解决上述问题，相应解决方法并给出实例验证。
报告人简介：
蒋学军，现任南方科技大学统计与数据科学系副教授(长聘)、博士生导师，统计与数据科学系党总支书记。2009年于香港中文大学获得博士学位，09-10（2010/09-2010/09）在港中文从事博士后研究，2013年07月加入南方科技大学，入选深圳市海外高层次人才孔雀计划（2016），曾获南方科技大学杰出教学奖（2018），深圳市优秀教师（2018），主持有国家自然科学基金、广东省自然科学基金、深圳市基础研究面上项目、深圳市技术委托开发项目、广东省教学改革项目等10余项。
主要研究方向包括金融统计与计量、分位数回归、变量选择、假设检验、高维统计推断等，在数理统计和金融与计量经济统计方向做出了比较深入的研究，已在统计学主流期刊和相关金融、经济等交叉学科期刊上发表SCI&SSCI论文近50篇，授权专利1项目及在科学出版英文教材一部。
