现代高维统计推理经常面临数据缺失的问题。近几十年来，许多研究都集中在这一主题上，并提供了包括完整样本分析和插补程序在内的策略。然而，完整的样本分析丢弃了不完整样本的信息，而插补程序在每次插补中都有累积误差。在这次报告中，李启寨介绍了一种新的方法，样本组合缺失效应模型与惩罚（SCOM），以处理预测中出现的缺失数据。SCOM评估每个不完整样本的所有缺失数据造成的综合效应，而不是估算预测因子。SCOM充分利用了所有可用数据，并对各种缺失机制具有鲁棒性。理论研究证明了所提出的估计量的oracle不等式，以及变量选择和组合缺失效应选择的一致性。
学生在提问环节踊跃发言，对该领域的前沿问题和李启寨的最新科研成果都表现出了浓厚的兴趣。
李启寨，中国科学院数学与系统科学研究院研究员，2001年本科毕业于中国科技大学，2006年博士毕业于中国科学院数学与系统科学研究院，现任中国数学会常务理事、全国工业统计学教学研究会常务理事等。
（审核：袁 星）
编辑：贾爱平
