本网讯（通讯员：高达）2019年6月17日晚上19点至22点，经济学院第四十三次学术系列讲座在游艇会线路检测中心209教室举行，来自美国德克萨斯A&M大学的吴曦明教授做了非参数方法系列讲座（1），经济学院金融系教师文旷宇老师以及部分数量经济学博士研究生、硕士研究生参加报告。本次报告由文旷宇老师主持。

报告开始前，文旷宇老师向在座同学介绍了吴曦明教授，并表达了对吴曦明教授的热烈欢迎。

讲座伊始，吴曦明教授给我们介绍了统计学的几个基础而又至关重要的几个知识点，这为具体讲述非参数方法做铺垫。第一个基础知识是泰勒展开。泰勒展开的思想在于逼近，曲线上的任意两点的值可以是其多阶导函数的线性组合，从图形上看是非常直观的。我们传统的参数回归就是一个全局回归，而对于非参数回归其实是局部回归，所以逼近思想在局部回归中是十分必要的。另外一个方面，全局回归中如果数据存在异常值，回归的结果很可能受到很大影响，而对于局部回归来讲，由于其对数据进行分组，异常值的影响会大幅度降低，回归的结果也更加的稳健。第二个基础知识是弱大数定律，中心极限定理，一致性和有效性的概念。吴曦明教授通过均值统计量简单介绍了弱大数定律，中心极限定理，同时比较深入的强调了一致性与无偏性的关系。一致性与无偏性是两个毫无联系的概念，但是分别是大样本与有限样本中很重要的两个概念。在非参数估计中一般都会有偏误，但是只要保证估计量是一致的就可以。而传统的对应的参数估计中无偏性往往是底线，否则会产生内生性等问题。但是除非在模型设定正确的情况下，参数回归才可能是无偏的，模型设定是否正确又是一个真实存在却永远不知道的棘手问题。而非参数正是采用不设定具体模型的方法对参数进行估计，也是对传统参数回归的一个改进。

接下里，吴曦明教授给我们讲述了单变量的密度函数的估计。首先，吴曦明教授用简单的直方图引入概率密度函数的估计，他讲到，我们平时用的R中的命令画的直方图就是一种最简答的非参估计的方法，其核心思想在于选取窗宽。比如窗宽越小，估计的的概率密度函数就越平滑，窗宽越大，估计出来的概率密度函数就越不平滑。

最后，吴曦明教授打了一个形象的比方，参数估计方法的是提前设定好参数，因此其估计的收敛速度是1/n, 而非参数估计还需要通过不停地搜素，所以收敛的速度会慢一点，但是其估计的参数是比较稳健的。

吴曦明教授，2003年获加州大学伯克利分校博士学位。现任美国德克萨斯A&M大学农业经济系教授，以及美国信息计量研究院研究员。主要研究方向是经济计量学、应用微观经济学和发展经济学。吴曦明教授曾任农业经济学顶尖期刊American Journal of Agricultural Economics副主编（2013-2017），Journal of Agricultural and Resource Economics和Applied Economics Journal期刊编委（2006-2009），此外他还曾担任美国应用与农业经济学会计量经济分会主席（2014-2015）。他主持或共同主持多项中国自然科学基金、中国社会科学基金、美国国家科学基金、加拿大社会及人文基金、美国农业部资助课题。吴曦明教授在Review of Economics and Statistics, Journal of Econometrics, Journal of the American Statistical Association, Journal of Business and Economic Statistics, American Journal of Agricultural Economics, Econometrics Journal等期刊上发表论文40多篇。