2017年12月12日，【统计学论坛】在清华大学伟清楼209成功举办。本次报告邀请到爱荷华州立大学的王丽教授。报告由清华大学统计学研究中心的杨立坚教授主持。本次报告的主题是“对时空数据的半参数回归方法”。
王教授首先分享了PM2.5数值、交通拥堵程度和水银浓度三个案例，发现如果用传统的线性回归或广义线性回归的方法分析数据，拟合的效果不够理想。这是因为实际数据通常具有异质性和动态特征，并且存在着观测值的分布不均匀、分布区域不规则和数据量过大等问题。
于是，王丽教授提出了时空变系数模型（SVCM），即把回归模型中的系数变为关于地理位置或其他相关因素的一个函数。拟合该模型的传统方法有Bayesian方法和地理权重方法（GWR）。王教授提出了一种新的拟合方法---Bivariate Penalized Splines over Triangulation方法（BPST）。她介绍了该方法的理论推导和具体性质。接着展示了一个模拟案例，发现BPST方法的拟合效果要比GWR方法好很多。
最后，王教授介绍了检验模型拟合优度的方法并提出了SAR-VCM和STVCM两种拓展模型。她指出，半参数回归模型对时空数据十分适用，BPST方法可以解决数据分布不均匀和分布区域不规则等问题，并且还要深入研究有效的算法来分析大范围的时空数据。
