2019年9月26日，我院举办的“统计大讲堂”第九十三讲在明德主楼1016进行。本次报告邀请密歇根大学安娜堡分校社会研究所的研究助理教授司亚娟分享了她一直以来的一些研究工作。我院易丹辉教授和李扬教授共同主持了此次报告会，参加此次报告的还有张波教授、许王莉教授、蒋妍副教授、范新妍老师。

易丹辉教授首先介绍了报告人：司亚娟助理教授于2008年在中国人民大学获统计学专业学士学位，于2012年在杜克大学获统计科学博士学位。之后任威斯康星大学麦迪逊分校生物统计学助理教授，哥伦比亚大学统计系博士后研究学者。于2017年加入密歇根大学，目前任密歇根大学安娜堡分校社会研究所助理教授。主要从事贝叶斯统计、复杂调查推断、缺失数据分析、因果推断和数据隐私保护等领域前沿方法的研究和发展。司亚娟助理教授主持多项NSF，NIH，USDA等研究基金项目，并为公共卫生和社会科学领域的合作者提供统计支持。

司亚娟助理教授的报告题目为：通过多层回归和事后分层进行统计数据集成和推断（Statistical Data Integration and Inference via Multilevel Regression and Poststratification）。司亚娟助理教授首先介绍了研究问题的背景。基于总体（population-based）的研究中出现的大数据既有宏观水平的观测，又有微观水平的测量，这为这类研究提供了前所未有的数据资源去解决那些政策相关的问题。但是，这类数据可能是非概率（nonprobability-based）样本，如方便样本或志愿样本，因而无法代表目标总体。与响应率低和成本高的基于概率的调查相反，非概率样本收集便捷、成本低，因而广受欢迎，而这就为调查研究提供了新的方向——将研究重点放在数据集成和记录连结上。这种新数据收集方式缺乏概率的理论基础，对传统的基于设计（design-based）的方法提出了挑战。司亚娟助理教授利用多层回归和事后分层（Multilevel Regression and Poststratification，MrP）给出了一个统一建模框架，用于数据集成和推断，并结合基于概率的和基于非概率的调查大数据来处理估计方法和计算方面的问题。MrP将多层回归模型给出的预测和事后分层的权重结合，在建模中考虑到样本选择和响应机制的问题，通过一些实际数据分析表明，相比其他方法，MrP可以给出稳定的小面积估计（small area estimation）。最后，就多层回归模型中贝叶斯先验分布和事后分层权重的选取问题简单介绍了一些最新的方法。

报告结束后司亚娟助理教授和在场师生就报告内容和个人科研心得进行了热烈讨论。