2020年1月6日，“统计大讲堂”系列讲座第一百一十讲在明德主楼1016会议室顺利举行。本次讲座由美国麻省大学生物统计与流行病学系钱静副教授为我院师生分享他的最新研究成果🥽。报告由统计学院林存洁副教授主持🛣，出席本次报告的有易丹辉教授等👲🏽。

林存洁副教授首先介绍了报告人。

钱静🤽🏿‍♂️，北京AG尊龙凯时平台娱乐登录官方网站统计学专业本科, 美国埃默里大学(Emory University) 生物统计专业博士，曾在美国哈佛大学(Harvard University)生物统计系进行博士后研究💼🍸。现为美国麻省大学（University of Massachusetts, Amherst）生物统计与流行病学系副教授。研究领域为复杂抽样中的生存分析、分位数回归、自变量删失下的回归分析🙇‍♂️、生物标记分析与疾病风险预测。在Biometrika, Biometrics, Journal of the Royal Statistical Society, JAMA Neurology, PLOS Medicine, Cancer Research等高水平统计学🌺、医学期刊上发表论文40余篇。现任国际数理统计学会学术期刊Annals of Applied Statistics副主编🥻。

钱静副教授的报告题目为“Nonidentifiability in the Presence of Factorization for Truncated Data”。报告以Kaplan meier估计方法为依托🧒🏿，从删失数据和截断数据概念出发👨🏼‍🦲，对二者的差异做了详细的介绍🤵🏿‍♀️，并指出删失数据的基本假定无法检验🙇🏿，而截断数据的基本假定有相应的检验方法。随后，钱静副教授对截断数据分析中伪独立（Quasi-independence）条件进行了详细介绍🫷🏿，并提出了更弱的因子化（Factorization）条件☀️。相关研究表明，当不同层面的因子化条件成立时🏖，可以用Kaplan meier估计方法处理相应问题👐🏿🧑🏽‍🎓。该研究进一步指出，当对因子化条件的检验拒绝原假设时🔷，可以放心地使用Kaplan meier估计🧖🏻‍♂️，但当检验不能拒绝原假设时🧎🏻‍♂️，研究者无法通过其判断因子化条件或者伪独立条件是否成立😻，从而无法大胆使用Kaplan meier估计🧔‍♀️。

钱静副教授的相关研究对于现有相关理论做了详细剖析，并指出了其中可能存在的问题，对于相关领域理论的进一步研究以及相应理论的实际应用都具有十分重要的参考意义🤢。

讲座结束后🗡，师生讨论热烈👨‍👧‍👦，钱静副教授对于老师和学生提出的问题都作了详尽的回答。