报告题目：The Marriage between Econometrics and Machine Learning: New Inference for High-Dimensional Sparse Spatio-Temporal Autoregressions
报 告 人：郭绍俊副教授 中国人民大学
报告时间：2020年11月20日 16:00-17:00
报告地点： 数学楼三楼天元第五研讨室
校内联系人：朱复康 fzhu@jlu.edu.cn
报告摘要：
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.
报告人简介：
郭绍俊，中国人民大学统计与大数据研究院副教授。2003年本科毕业于山东师范大学，2008年获得中国科学院数学与系统科学研究院理学博士学位。博士毕业后留中国科学院数学与系统科学研究院工作，助理研究员，任期至2016年。2009年-2010年赴美国普林斯顿大学运筹与金融工程系博士后研究，做高维数据分析方面的研究工作，并于2014-2016年在英国伦敦经济学院统计系做博士后研究，做大维时间序列建模方面的研究。目前主要研究方向有：统计学习；非参数及半参数统计建模；生存分析及函数型数据分析等。
