2020年9月3日上午，统计与数学学院孔新兵教授于竞慧西楼403报告厅，为2019级和2018级全体研究生和青年教师，开展了主题是《无矩约束的因子分析》的学术讲座。
孔新兵教授首先向参会师生介绍了目前学术中的大维因子分析研究的进展，同时讲解了现有的相关方法，如主成分分析(PCA)为了得到估计的因子载荷和得分的收敛率，是假设某些异质的成分有有限的四阶矩基础之上。同时指出了，在许多领域，如金融和宏观经济，许多变量是重尾的。在这种情形下，基于PCA的估计量及其变形就没有理论支撑。
随后孔新兵教授向大家介绍了，对因子负荷和得分采用加权最小一乘，该方法意味着对面板观察数据假设一个时间和横断面分位数结构，而不是最小二乘的平均模式。对异质的误差不做任何矩约束，可以正确地识别出每个变量的共同和异质的成分。通过交叉分段和连续地交替迭代分位数回归，从而得到了计算上可行的加权最小一乘估计量的收敛速率。通过以上的研究过程得到了，在一些温和条件下的估计因子负荷和得数的Bahardur表达式。
与此同时，研究中提出了一种稳健的特征值比(RER)方法，相合的估计因子的个数。相应的仿真实验验证了理论的正确性。实验中对一组金融数据的分析也表明所提出的方法优于目前其他先进的方法。
在讲座过程中，孔新兵教授旁征博引，以幽默风趣的讲述风格，为科研之路上添加了几分乐趣。在讲座互动环节，孔新兵教授对各位青年教师的学术问题给予解惑，同时，鼓励员工们树立科研理想、培育员工对统计学研究兴趣。
