（通讯员：边睿骞）2026年7月21日上午10:00，我院特邀华东师范大学统计学院与统计交叉科学研究院马慧娟副教授，在南湖校区综合三报告厅作学术报告。本次报告由beat365在线唯一官网登录承办，会议由学院副院长杨凯教授主持，学院院长王纯杰教授、统计系支部书记袁晓惠教授、学院部分老师和研究生参加了本次学术报告会。

会议开始之际，由杨老师作为代表对马老师的到来表示感谢，并对马老师及其研究内容做了简单的介绍。

报告人简介：马慧娟，华东师范大学统计学院与统计交叉科学研究院副教授。在统计学期刊Journal of the American Statistical Association (JASA)、Biometrika、Biometrics、Journal of Business & Economic Statistics (JBES)、Statistica Sinica等期刊发表论文二十余篇。先后主持上海市浦江人才项目，国家自然科学基金青年项目、面上项目和重点项目子课题等。参与教育部学科突破先导项目、国家自然科学基金重点项目、科技部重点研发项目和上海市科委重点项目等。

报告题目：Distributed Censored Quantile Regression: Convolution Smoothing and Communication

报告摘要：Censored quantile regression (CQR) has become a popular framework for analyzing survival outcomes, yet conventional estimation procedures face computational challenge when scaled to massive datasets. In such modern large-scale settings, individual-level survival data cannot be freely accessed or centrally pooled due to privacy concerns and storage limitations, rendering distributed computation increasingly indispensable. The nondifferentiability of the CQR loss further complicates optimization, making existing methods computationally expensive and poorly suited for distributed data structures. To overcome these challenges, we propose a communication-efficient distributed CQR framework that leverages convolution smoothing to construct a globally smooth and convex objective, thereby enabling quasi-Newton optimization in large-scale distributed environments. The proposed approach effectively balances computational scalability and communication efficiency. We establish the Bahadur representation and asymptotic properties of the convolution-smoothed CQR estimator on a single machine, and further derive the convergence rate of the distributed quasi-Newton updates. Extensive simulations and real-world applications demonstrate that the proposed method achieves statistical accuracy comparable to single-machine full-sample algorithms, while outperforming existing distributed CQR methods in both computational and communication efficiency.

本次报告马老师讲述了在删失情况下利用分布式解决分位数回归问题。她先对删失数据的概念进行了简单的解释，进而引入删失数据下的分位数回归这个概念，并说明在现有文献当中删失分位数回归可以利用某个函数进行表示，然而该函数在某一段内不光滑。

随后，她对不光滑函数的问题进行了研究。对已知处理不光滑函数的方法进行了简述。由于不光滑函数不可以进行求导等缺点，于是她在该函数的不光滑那一段内利用分布函数的性质进行替换，使得其整个函数都变得光滑。进而采用拟牛顿算法来优化参数。

之后，她简单说明了分布式的用途。分布式是主机通过给多台电脑相应的命令并行计算，得出相应的结果，并把各个分电脑的结果上传到主机上。其优点是计算速度较快、效率较高、存储量大、隐私性好。同时，她对估计的性质进行了解释，包括估计的相合性和渐近正态性。最后，她通过模拟实验和实例分析得到了较好的参数估计结果，利用分布式计算其在速度上相较于之前文章的方法用时更短。

报告结束后，参会人员踊跃提问，就感兴趣的问题与马老师进行了深入的讨论和交流。与在场师生深入交流的过程中，马副教授指出拟牛顿算法不需要求出矩阵的逆矩阵，计算量有所下降。聆听报告的师生均表示收获颇丰，并激发了大家的学习热情。

初审：关迪

复审：杨凯

终审：王丹、王纯杰

beat365在线唯一官网登录

2026年7月22日