報告題目：The Marriage between Econometrics and Machine Learning: New Inference for High-Dimensional Sparse Spatio-Temporal Autoregressions
報 告 人：郭紹俊副教授 中國人民大學
報告時間：2020年11月20日 16:00-17:00
報告地點： 數學樓三樓天元第五研讨室
校内聯系人：朱複康 fzhu@jlu.edu.cn
報告摘要：
We consider a new class of spatio-temporal models with sparse autoregressive coefficient matrices and exogenous variable. To estimate the model, we first profile the exogenous variable out of the response. This leads to a profiled model structure. Next, to overcome endogeneity issue, we propose a class of generalized methods of moment (GMM) estimators to estimate the autoregressive coefficient matrices. A novel bagging-based estimator is further developed to conquer the over-determined issue which also occurs in Chang et al. (2015) and Dou et al. (2016). An adaptive forward-backward greedy algorithm is proposed to learn the sparse structure of the autoregressive coefficient matrices. A new BIC-type selection criterion is further developed to conduct variable selection for GMM estimators. Asymptotic properties are further studied. The proposed methodology is illustrated with extensive simulation studies.
報告人簡介：
郭紹俊，中國人民大學統計與大數據研究院副教授。2003年本科畢業于山東師範大學，2008年獲得中國科學院數學與系統科學研究院理學博士學位。博士畢業後留中國科學院數學與系統科學研究院工作，助理研究員，任期至2016年。2009年-2010年赴美國普林斯頓大學運籌與金融工程系博士後研究，做高維數據分析方面的研究工作，并于2014-2016年在英國倫敦經濟學院統計系做博士後研究，做大維時間序列建模方面的研究。目前主要研究方向有：統計學習；非參數及半參數統計建模；生存分析及函數型數據分析等。
