2025年5月20日18时, 华东师范大学方方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做题为“An Integrated GMM Shrinkage Approach with Consistent Moment Selection form Multiple External Sources”的学术报告，学院约20名师生参加，报告由邹家辉副教授主持。

报告中，方方教授围绕多源数据融合中的统计估计问题，分享了其团队在利用外部数据提升内部数据统计估计效率方面的最新成果。在统计学中常会遇到“内部数据样本量小但变量完整，外部数据样本量大但变量不完整”的场景，而外部数据与内部数据可能存在的分布差异（异质性）会导致直接使用外部数据引入偏差。针对这一问题，方方教授提出集成收缩广义矩估计（IGMM）的创新方法，通过自适应筛选机制识别有效外部数据，避免预先假设数据同质或异质的局限。该方法仅需内部数据的模型假设正确，即可通过统计量整合外部信息，提升参数估计效率。最后，模拟实验和银行客户收入数据的实证分析表明，IGMM能有效筛选出与内部数据匹配的外部信息，降低估计误差，验证了方法的实用性和稳健性。

分享后，与会师生与方方教授就IGMM方法的思想、理论以及实际应用等问题展开了讨论。