6月10日上午，加州大学河滨分校统计学教授李业华受统计与数据科学学院邀请在腾讯会议作题为“Bayesian Spatially Varying Coefficient Models with Functional Predictors”的学术报告。报告由统计与数据科学学院马海强老师主持，八十余名师生线上聆听了本次高端学术报告。

报告围绕“函数型数据的贝叶斯空间变系数模型”展开，详细介绍了该模型的背景、数据结构、优点、变量选择、模型拟合、数据分析过程、交叉验证和实际案例的运用。李业华教授指出，可靠的作物产量预测对于经济规划、食品安全监测和农业风险管理至关重要。该研究旨在利用与作物生长密切相关的农业气象变量，开发一个在大空间尺度上预测作物产量的复杂模型。因此，李教授团队提出了一个基于贝叶斯方法的函数型变系数模型（BSVFM），以预测美国中西部五个州县级的玉米产量。

李教授指出，该模型考虑了函数型预测变量的空间相关性和测量误差，并允许系数在空间上的变化来反映响应与相关预测变量之间的空间异质关系，模型通过贝叶斯变量选择方法并引入空间变化系数，以进一步扩展其适应空间异质性的能力，表现出优于其他统计方法的预测性能，为探究气候变化对作物产量的影响提供了新颖的统计思路。

李业华教授详细介绍了贝叶斯空间变系数模型，通过深入浅出的讲解，为师生们带来了一场学术盛宴，讲座后的讨论氛围十分浓厚；为师生今后的相关学术研究指明了新方向，促进了师生的学术科研水平不断提升。

(文图/余源泽 编辑/陈凤 审核/林阳 陶春海)