学术报告

题      目：Test and Measure for Partial Mean Dependence with Machine Learning Methods

报  告  人：郭旭   教授  (邀请人：吴琴 )

                                     北京师范大学

时      间：5月16日  14：30-15：15

地     点：数科院西楼二楼会议室

报告人简介:

       郭旭博士，现为北京师范大学统计学院教授，博士生导师。郭老师一直从事回归分析中复杂假设检验的理论方法及应用研究，近年来皆在对高维数据发展适当有效的检验方法。部分成果发表在JRSSB, JASA，Biometrika和JOE。担任《应用概率统计》杂志第十届编委。先后主持国家自然科学基金青年基金和国家自然科学基金面上项目。曾荣获北师大第十一届“最受本科生欢迎的十佳教师”和北师大第18届青教赛一等奖。

摘      要：

       It is of great importance to investigate the significance of a subset of covariates $W$ for the response $Y$ given covariates $Z$ in regression modeling. To this end, we propose a significance test for the partial mean independence problem based on machine learning methods and data splitting. The test statistic converges to the standard chi-squared distribution under the null hypothesis while it converges to a normal distribution under the alternative hypothesis.