厦门大学李迎星教授做客商道论坛第119-120讲，讲授“Introductory to Functional Data Analysis”和“Spatial Functional Principal Component Analysis with Applications to Neuroeconomics”

2019年5月30日上午10:00-12:00，由经济与金融学院主办的商道论坛第119讲在经管506会议室开讲。演讲主题为“Introductory to Functional Data Analysis”。本次的主讲嘉宾是厦门大学王亚男经济研究院副教授、美国康奈尔大学统计系博士的李迎星副教授。此次报告会的主要对象是经济与金融学院老师及研究生，由经济与金融学院副院长苏梽芳教授主持。

在这次的报告中，李迎星副教授通过一系列案例图片向大家详细介绍了韩属性数据研究的广泛运用，深入浅出地介绍了统计学中的时间序列、非参数分析等一些学科基础知识，以及在处理平滑性数据上的函数数据处理方法。

首先，李迎星副教授向我们介绍了函数型数据的概念和基本分类让我们对函数型数据有基本的了解，接下来通过女孩身高和书写FDA笔迹等实例向我们介绍函数型分析的应用。在函数型数据主成分分析这一模块，李迎星副教授分别从稠密、稀疏数据程度向我们介绍函数估计。函数型主成分分析把具有无限维特征的函数型数据转换为有限维的得分向量，因此起到了降维的作用。

李迎星副教授讲到，函数型数据可以看作是在尾数上排序的有时间先后的多维数据，来自电气测量等设备的噪声较大和频度较低的数据也可以作为一个关键假设是平滑的数据。她还说道，不同于TSA平稳性假设没考虑平衡，纵向或面板数据在对比后，大多数时间点是可用的。导数和微分方程胡须是很有用的，熟悉的多元方法有函数式对等物和平滑性。

同时，李迎星副教授也提出了几点挑战：一是含噪声、离散观测的估计函数数据要用非参方法平滑数据；二是稀疏型数据处理起来更为复杂；三是描述数据变化要考虑方差；四是提取特征根和降维的重要性。

最后李迎星副教授给大家提供了相关函数型数据的外文参考文献，这些都对我们今后进一步学习与研究具有很好的参考作用。讲座结束李老师就相关学术问题与苏梽芳教授进行了互动讨论，李老师一一做出了回答。本次讲座为在座师生带来计量方法上的创新启迪，在座师生均表示受益匪浅。

晚上7点，商道论坛第120讲在经管楼506多媒体会议室开讲。李迎星教授继续做题为“Spatial Functional Principal Component Analysis with Applications to Neuroeconomics”的专题讲座。此次讲座由副院长苏梽芳教授主持。

李老师首先简要介绍了该项目的来龙去脉。李老师所在的团队对一批志愿者进行实验，让志愿者们在核磁共振的过程中接受些许提问并回答，然后利用仪器记录下大脑不同部位的活动情况的图片，并根据相关的统计方法推断出志愿者的意愿态度，并衍生到人们的风险态度。在知识背景的介绍中，李教授说道为了模拟大脑是如何做出反应的，需要建立一个应激函数，并用广义线性回归来分析BOLD信号，同时也指出了这种方法的缺点在于忽略的空间性和BOLD信号之间的相互依赖的关系。

接着，李教授介绍了文章的大致研究思路，首先使用了单变量分析法，随后抽取数据特征，随后建立了一个空间PCA模型，最后通过因子载荷（factorloading）来对风险态度进行分类。在推断过程中，文章运用了一些统计学专业的知识，比如KL分解，奇异值分解等。李教授还提到，相比于其他方法，文章中通过使用奇异值分解可以大幅简化计算。最后通过与现存模型的对比，李老师文章中所运用的方法可以显著提升对风险态度的预测性。

最后，在互动提问环节，苏老师向李教授提出了一些关于PCA降维过程中的技术性问题，还有几位博士生与朱教授进行了交流。在同学们的热烈掌声中，李教授完成了本次讲座。李教授在函数型数据分析、统计推断方面的造诣十分深厚，所提出的研究方法开拓了同学们的视野，并为同学们今后的论文撰写提供了更多方法与思路。