应我院邀请，11月11日下午，中山大学潘俊豪教授在腾讯会议作了题为《贝叶斯Lasso验证性因子分析模型的统计分析及其应用》的报告。相关师生聆听了此次报告，报告由付志慧老师主持。

报告中，潘俊豪教授主要介绍了验证性因子分析(Confirmatory Factor Analysis, CFA)模型被广泛应用于心理学、社会学等领域的科学研究当中，以研究指标变量(Indicator)和潜变量(Latent Variable)之间的关系，同时也是结构方程建模(Structural Equation Modeling)的基础。通过把机器学习中Lasso(Least Absolute Shrinkage and Selection Operator)正则化方法和CFA结合，我们实现了自动检测并在模型估计中自动考虑是否存在违反局部独立性的情况，一定程度上成功解决了在运用CFA模型分析实际数据过程中数据违反“局部独立性”这一最基本假设时的建模问题。作为最基础的潜变量模型之一，此问题在CFA中的解决也将有助于解决其他潜变量模型中不满足局部独立性时应如何建模的问题。本次报告跟大家分享了关于这方面的系列研究及其应用。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。

潘俊豪，中山大学心理学系教授，博士生导师。2005年本科毕业于中山大学统计科学系统计学专业，2009年获得香港中文大学统计学博士学位（直博），同年以“中山大学百人计划”人才引进进入心理学系任教。主要从事潜变量模型统计分析方法的改进与发展。近年来尤其关注贝叶斯结构方程模型、贝叶斯正则化方法与潜变量模型的结合等，系列成果发表在Psychological Methods (3篇)、Psychometrika、Structural Equation Modeling: A Multidisciplinary Journal、心理科学进展等国内外权威期刊。完成并在研多项国家级科研项目(包括国家自然科学基金面上项目、青年项目、数学天元基金项目以及教育部人文社会科学研究规划基金项目)。2020年获得教育部第八届高等学校科学研究优秀成果奖（人文社会科学）——青年成果奖。