3月20日，“统计大讲堂”系列学术报告第七十四讲在明德主楼1016会议室成功举行。本次报告邀请中科院数学与系统科学研究院预测中心的副研究员张新雨作题为“Model Averaging Estimation for High-dimensional Covariance Matrix with a Network Structure”的学术报告。统计学院医学与生物统计教研室主任许王莉、教授张景肖出席本次会议，本次会议由统计学院副院长尹建鑫主持。

张新雨博士毕业于中科院数学与系统科学研究院，主要从事模型平均和模型选择方面的研究工作，在统计学四大期刊和计量经济学顶级期刊等发表论文十余篇。曾获优秀青年基金等三项自然科学基金委基金项目资助，目前担任两个SCI期刊编委和Econometrics客座主编。

张新雨博士介绍了一种估计高维协方差矩阵模型平均的新方法，其候选模型由不同阶的多项式函数组成，在此基础上建立Mallows类的权重选择准则，并给出了估计的渐近最优性。他介绍了由Lan(2018)等人提出的协方差回归网络模型(CRNM)，该方法用来估计高维的协方差结构，把协方差看作是在给定的网络结构下对称的邻接矩阵的多项式函数来建模，这样直接降低了模型待估参数的个数。他回顾了模型平均的思想及其发展，并介绍了对CRNM中的邻接矩阵进行标准化和特征值分解的方法，从而将一个网络模型变为熟悉的线性回归模型，进而利用模型平均的估计框架，给出权重估计的准则Model Averaging Covariance(MAC)，并给出权重选择的渐近最优性。他在模型选择的框架下，给出了估计的相合性。数据模拟和真实中国机场网络结构的验证都可以说明此估计方法的有效性。

此次报告，张新雨博士分享了关于模型平均在高维协方差矩阵估计上的最新研究成果，针对模型平均、模型设置和定理条件等方面进行了理论和实际的详细解释，同学们受益匪浅。报告结束后，老师和同学们针对报告内容，从理论和方法两方面进行了热烈的讨论。