报告题目：空间杜宾模型的迁移学习及其在数字关注度预测中的应用

报告时间：2026年1月9日下午13:30

报告地点：北湖东校区数统新楼201室

主办单位：澳门博彩在线

报告人：于卓熙

报告人简介：于卓熙，教授，现任辽宁大学统计学学科博士生导师，中国现场统计研究会统计交叉科学研究分会常务理事，全国工业统计学教学研究会数字经济与区块链协会常务理事。多年来一直从事非参数统计、空间面板数据建模、分位数回归、模型选择、贝叶斯统计分析等方面的研究。以第一作者身份在《Applied Mathematics and Computation》、《Statistics & Probability Letters》、《Communications in Statistics-Theory and Methods》、《Journal of Environmental Management》、《数学物理学报》、《应用概率统计》、《系统科学与数学》等期刊上发表核心以上论文29篇。主持并完成省级科研项目5项；主持并完成国家社会科学基金项目《广义部分线性可加模型的统计分析与应用研究》；主持并完成国家社会科学基金项目《固定效应半参数变系数面板分位数回归模型求解与应用研究》；出版专著2部；主编教材2部。

摘要：数字关注度对于舆情监控、经济社会优化资源配置，推动各领域决策、规划与发展协同进行等都具有实用价值，数字关注度预测中面临数据稀缺性与空间依赖性等问题。本文提出空间杜宾模型（SDM）迁移学习框架（TranSDM），能够利用相似性辅助数据集通过迁移-去偏两阶段提升目标估计与预测效果；当信息性辅助数据集未知时，可以引入一种基于空间残差可迁移源检测方法（Auto_TranSDM）。数值模拟结果表明，相较于空间杜宾模型传统两阶段最小二乘估计方法本文提出的算法可显著提升估计效果。将本文方法用于预测中国地级市层面数字关注度，可以显著缩小预测误差。