2025年6月16日15:30~16:30，中国人民大学廖军副教授接受函数型数据科研团队的邀请，通过腾讯会议为统计学院作了题为“Model averaging for modal regression”的学术报告，报告由邹家辉副教授主持。

在报告中，廖老师首先指出了众数回归与均值回归、分位数回归一样，是一种刻画数据分布重要特征的建模方法，通常众数还可以得到较窄的预测区间。然而，在实际建模当中，所使用的候选模型通常存在误设定问题，这可能导致单一模型的预测效果不佳。其次，他提出了众数回归下的一种模型平均估计方法，其中模型平均权重通过优化基于核的交叉验证准则来获得。随后，他介绍了该方法的理论性质。当所有候选模型均存在误设定时，该工作得到的模型平均估计量在最小化样本外预测误差意义下是渐近最优的。当候选模型集至少包含一个正确模型时，证明了估计的权重会渐近集中于正确模型上。而且，为识别众数回归中的关键解释变量，他又构造了一种变量重要性度量的指标。最后，他展示了数值模拟和真实案例分析的结果，验证了该工作所提出方法的优良性质。

报告后，与会师生与廖军副教授就报告内容展开了讨论。

报告人介绍：

廖军，中国人民大学统计学院副教授，主要研究方向包括模型选择与模型平均、组合预测、时间序列分析等。在JASA、Journal of Econometrics等统计学和计量经济学国际顶级期刊发表论文多篇，主持国家自然科学基金和教育部人文社会科学研究项目。