近日，由WISE 2018届硕士毕业生段孙蓬与其硕士导师WISE钟威教授、人民大学统计与大数据研究院朱利平教授合作完成的题为“Forward Additive Regression for Ultrahigh Dimensional Nonparametric Additive Models”的学术论文在Statistica Sinica期刊正式接受，在线发表，即将出刊。Statistica Sinica创立于1996年，是学术界公认的统计学国际重要期刊，也是经济学科认定的统计学国际A-期刊。
随着现代信息技术的迅猛快速发展，超高维数据涌现于众多领域。其特征为预测变量维度远大于样本量。为了充分降维，学者们提出了独立变量筛选方法。但是，这些独立变量筛选方法均存在固有弊端。即，它们可能无法识别出真实但边际独立于响应变量的预测变量，且倾向于选择一些虚假的预测变量。为了克服这些缺点，基于超高维线性模型的向前回归（FR）法应运而生。但是，在超高维模型中，预测变量与响应变量之间往往非线性相关。该文进一步将FR方法拓展为基于向前可加回归的变量筛选方法（FAR），以适用于超高维非参数可加模型的变量筛选。该文严格建立了FAR算法的筛选一致性，并通过模拟实验和真实数据分析检验了FAR算法在有限样本下的表现。研究结果表明，与独立变量筛选方法相比，FAR算法能更加有效地识别可加模型中的真实预测变量。且当预测变量间高度相关时，FAR算法甚至比基于迭代过程的独立变量筛选方法表现更好。
段孙蓬，2015-2018年在厦门大学王亚南经济研究院攻读数理统计专业硕士研究生，于2018年获得全额奖学金资助，在美国加州大学圣巴巴拉分校（University of California, Santa Barbara）应用概率和统计系攻读统计学博士学位。
(WISE 许有淑）
