日前，太阳成集团tyc7111cc经济学科青年教师张庆昭与人合作的论文“Promoting Similarity of Sparsity Structures in Integrative Analysis With Penalization”在统计学四大国际顶级期刊Journal of American Statistical Association (JASA) 2017年112卷总第517期上正式发表。
对于具有高维协变量但样本量小的数据，单一数据集的分析往往会产生令人不满意的结果。多个独立数据集的综合分析提供了一种有效的信息汇集方法，优于单一数据集和几种可供选择的多数据集方法。在许多情况下，期望多个数据集共享共同的重要协变量，即相应的模型在稀疏结构中具有相似性。然而，现有的方法没有一种机制来促进稀疏结构在综合分析中的相似性。在这项研究中，作者考虑综合分析中惩罚变量的选择和估计。我们开发了一个基于L0的处罚，其中明确促进稀疏结构的相似性。计算它是使用坐标下降算法实现的。从理论上讲，它具有选择和估计一致性。在广泛的模拟场景下，它具有与替代方案相媲美或更好的识别和估计性能。在对三个肺癌基因表达谱数据集的分析中，确定了具有良好生物学意义和令人满意的预测性能的基因。
Journal of American Statistical Association是美国统计学会出版的专业性统计期刊，其与Annals of Statistics, .Biometrika, Journal of Royal Statistical Society, Series B常被称为统计学四大国际顶级期刊。该期刊的文章侧重于统计理论与方法在经济、社会、物理、工程和健康科学等领域中的应用。
张庆昭，中国科学院数学与系统科学研究院概率与数理统计博士，美国耶鲁大学生物统计系、中国科学院数学科学学院博士后，现任太阳成集团tyc7111cc统计系与王亚南经济研究院（WISE）副教授，主要从事半参数、高维数据、经验似然、稳健统计、统计机器学习等领域研究。研究论文发表在Journal of American Statistical Association, Journal of Multivariate Analysis, Statistica Sinica, Statistics and Probability letters等国际重要学术期刊上。
（太阳成集团tyc7111cc 崔庆炜）
