应我院邀请，12月16日下午，浙江大学张荣茂教授在腾讯会议作了题为《Self-normalization for Stationarity of Irregular Spatial Data》的报告。相关师生聆听了此次报告，报告由吕阳阳老师主持。

报告中，张荣茂教授在此次会议中简要介绍了静态测试是空间数据分析中的一个重要问题。设Z（s）是一个随机场，Jn（ω）是其频率ω处的离散傅里叶变换（DFT）。已知，当且仅当Z（s）为二阶平稳时，基频处的Jn（ω）是渐近不相关的，参见Bandyopaddyay和Subba Rao（2017）。可以构建基于Jn（ω）的样本协方差的平稳性测试。然而，这种测试总是表现得很差，因为它的渐近方差很难在有限样本中准确估计，这导致了小规模和小功率。为了解决这个问题，本文提出了两种基于DFT样本协方差的极值和部分和的自归一化统计量，这允许在构造统计量时频率的滞后阶是固定的或发散的。在一定的规则条件下，证明了所提出的检验收敛于布朗运动的泛函。还提供了仿真和两个实际数据示例，以说明新测试的性能。报告结束后，在座的师生就相关研究问题进行了探讨和交流。

张荣茂，浙江大学数学科学学院教授、数据科学中心兼职教授、浙江大学统计所所长、浙江省现场统计研究所副理事长。2004年在浙江大学获得博士学位，2004年7月-2006年6月在北京大学从事博士后研究，2006年至今在浙江大学工作，多次访问香港科大、香港中文大学和伦敦政治经济学院。主要从事非平稳时间序列和高维空间数据的理论与应用研究，已发表SSCI/SCI论文50多篇，发表的杂志包括Ann. Statist.，J. Amer. Assoc. Statist.，J. Econometrics等。2015年获浙江省杰出青年基金，主持国家自然科学基金和省部级基金项目多项，现任J. Korean Statist. Soc.（SCI期刊）和Intern. J. Math. Statist.的副主编。