近日，课题组博士生刘蒙阕与其导师组马双鸽教授、方匡南教授、张庆昭副教授合作完成的论文“Structured Analysis of the High-dimensional FMR Model ”被 Computational Statistics & Data Analysis 接受，即将刊出。该论文主要研究了适用于异质性数据的有限混合回归(FMR)模型。在分析高维协变量的FMR模型中，有必要进行正则化估计和重要协变量的识别。在现有文献中，缺乏对重要协变量之间差异的关注，而重要协变量之间差异可显示出协变量效应的潜在结构。具体来说，重要协变量可以分为两类：在不同子总体中表现相同和表现不同的。在本文中，我们的目标是识别这样的结构，这将使我们可以更好地理解协变量及其与响应变量的关系。具体地说，我们考虑具有高维协变量的FMR模型。我们提出了一种结构惩罚方法以进行正则化估计和变量选择，以及同等重要的潜在的协变量效应结构的识别。该方法可以有效地被实现，并且它的统计性质被严格地建立起来。模拟结果表明了所提方法的优越性。在癌症基因表达数据分析中，被现有方法所遗漏的有趣的模型/结构通过我们的方法被识别出来。
Computational Statistics & Data Analysis杂志是厦门大学期刊目录国际二类期刊，主要发表计算统计学和数据分析领域的方法学研究和应用，所涉及的内容包括机器学习和数据分析策略与方法，统计软件和算法的发展、评估与验证。刘蒙阙是课题组2019届毕业生，现任西安交通大学讲师，主要研究机器学习，自然语言处理等。
（ 刘蒙阕）
