近日，我校经济学院青年教师周佳在高维数据潜变量来源识别研究中取得重要进展，相关成果以 “Identify the source of spikes: factor or mixture?” 为题，已在国际统计学著名期刊《Biometrika》在线发表。

该研究聚焦高维线性潜变量模型中潜在变量结构的识别问题，核心是判定数据矩阵中“尖峰”奇异值的来源，检验其究竟源于连续型因子结构，还是类别型混合结构。高维数据下信号结构错综复杂、随机扰动显著，此类推断问题存在较高的理论难度与现实挑战。针对这一问题，周佳与南洋理工大学等单位合作系统分析了尖峰奇异值对应奇异向量经验测度的渐近行为，并在此基础上构建了基于特征向量分位数差异的检验统计量。该研究不仅丰富了高维统计推断理论体系，也为经济金融数据分析、社会经济变量挖掘等经管领域提供了科学可行的统计工具，具有广阔的学科应用前景。

《Biometrika》是国际公认的统计学四大顶级期刊之一，在统计理论与计量方法研究领域影响深远。该刊始终坚持精优发文理念，每年刊发论文仅约70篇，长期致力于传播统计学领域最具原创性与突破性的理论成果。此次发表的成果由我校经济学院教师周佳与新加坡南洋理工大学潘光明教授、林泽钦研究员，暨南大学刘一鸣副教授及安徽大学姚驰老师合作完成，五位作者对本研究具有同等贡献，合肥工业大学为共同署名单位。

论文链接：https://doi.org/10.1093/biomet/asag044。

（周佳/文 周佳/图 张炳武/审核）

责任编辑：侯泽君