7月20日，密歇根大学安娜堡分校朱骥教授应邀来我院作报告，报告在一教218会议室进行。本次报告由统计与数学学院院长石磊主持。常务副院长（主持行政工作）安起光、副院长（挂职）金立斌及线上线下20多位教师参会。

　　朱骥是密歇根大学安娜堡分校的SusanA.Murphy统计学教授。他的主要研究方向包括统计机器学习、高维数据建模、统计网络分析以及它们在健康和自然科学领域的应用。2014年至2020年，他连续被WOE评为ISI高被引研究人员，该名单每年评选全球科学和社会科学领域的顶尖研究人员。2022年，获得泛华统计协会“许宝騄奖”(Pao-Lu HsuAward)。此外, 他担任Annals of Applied Statistics的主编。

　　潜空间模型（LSMs）通过将网络节点映射到低维潜空间，已成为分析复杂网络数据的重要工具；引入边协变量进一步增强了模型的可解释性与实用价值。然而，朱骥教授团队研究发现，基于极大似然估计的边协变量系数估计会因高阶几何效应和潜变量估计误差而产生渐近偏差。针对这一核心难题，朱教授提出了一种“插件式偏差校正估计量”，能够有效实现对边协变量效应的渐近无偏统计推断。研究团队在多种网络结构下严格证明了该方法的理论性质，包括一致性与渐近正态性。大量模拟实验与真实数据案例表明，新方法显著降低了估计偏差，提升了统计推断的准确性。该项成果为含边协变量的网络潜空间模型提供了一个系统性的参数估计框架，对相关统计方法论的发展具有重要推动作用。

　　讲座会后，朱骥教授与线上线下听众就理论推导过程、应用前景、模型适用边界、高维扩展等问题进行了深入交流。本次讲座不仅加深了与会师生对复杂网络建模中偏差来源的理解，也为社会网络、生物信息学等领域的实证研究提供了新的分析思路。

（图文  邱梦凡）