2017年11月24日，【统计学论坛·特邀报告】在清华大学伟清楼209成功举办。报告邀请到复旦大学统计系朱仲义教授。这次报告由清华大学统计学研究中心杨立坚教授主持。
本次报告的主题是“基于分位数回归的面板数据的聚类”。朱教授首先提出，在面板数据分析中，我们经常用固定效应(fixed effect)来刻画个体效应。根据假设个体斜率(slope)是齐次(homogeneous)的，来改善斜率的估计。然而,无论是在统计学中，还是在经济领域，将齐次的斜率(slope)分组，此限制条件较为苛刻。其次，朱教授介绍了在面板数据分析中有很多方法可以将斜率分组来解释，比如：混合模型(mixed model)，加罚模型(penalized model)，K-means方法等。与条件均值模型(mean model)比较而言,分位数回归缺少可加性，处理起来相对困难。他还补充介绍了面板数据和纵向数据的区别和联系。接着，朱教授详细介绍了利用面板数据模型对个体分组(类似于聚类)，他指出，这种方法的难度在于处理内生的固定效应(fixed effect)项，如果忽略这个因素则估计有偏。他提出了一种类似K-means的方法来对个体分组。这是一种新的两步法迭代算法，利用复合分位数进行聚类，充分利用不同分位数的信息，找到一最佳分位数进行分组。该算法第一步：先估计每个个体，处理固定效应项；第二步：分组后对系数最小化目标函数。
最后，朱教授给出了参数估计量的渐进理论性质，并且展示了其在模拟数据和实际经济增长数据中的表现。
