主题：基于线性模型的高维相关数据变量选择：全子集自适应随机搜索法
主讲人：费宇 云南财经大学
主持人：姜云卢 暨南大学
时间：2025年12月10日（周三）下午16:00-17:30
地点：暨南大学石牌校区经济学院大楼（中惠楼）323室
摘要
目前主流的变量选择方法（如LASSO、SCAD、MCP等）对于低维（p<n）数据和变量相关程度低的情况效果很好，但当变量维度较高且变量间存在复杂相关性时性能会显著降低。我们在线性模型框架下，提出了一种基于Gibbs抽样的全子集自适应随机搜索（All-subsets Adaptive Random Screening, AARS）变量选择方法。该方法在备选模型空间上构建以信息准则为导向的概率分布，并以此为目标分布采用Gibbs抽样算法沿概率更高（即信息准则更优）的路径进行随机探索，从而高效地获取代表性模型样本，并据此确定最优变量子集。模拟研究与实际数据分析结果均证实，我们提出的全子集自适应随机搜索（AARS）方法是一种行之有效的变量选择方法，尤其在处理高维（p>n）、复杂相关数据时，其表现显著优于LASSO、SCAD、MCP等经典方法。
主讲人简介
费宇，二级教授，博士，英国曼彻斯特大学博士后，博士生导师，云南财经大学统计学首席教授，云南省云岭学者，云南省中青年学术技术带头人，云岭教学名师，中国数量经济学会常务理事，云南省统计学会副会长。主要从事统计理论与方法和应用统计方面的研究。在《Technometrics》《Journal of Multivariate Analysis》《Energy》《中国科学》和《统计研究》等杂志发表论文60多篇，出版专著2部，教材4部，主持国家自然科学基金项目4项，获云南省自然科学一等奖1项、三等奖3项，国家统计局科研成果二等奖1项，云南省教学成果一等奖1项、二等奖1项。
欢迎感兴趣的师生参加！
校对|姜云卢
责编| 彭毅
初审| 姜云卢
终审发布| 何凌云
（来源：暨南大学经济学院微信公众号）
