12月18日下午，伦敦大学禁漫岛
精神病学系博士后Stephanie Wu应邀为禁漫岛
师生做了一场题为“Bayesian Weighted Clustering Methods for Survey Data”的学术讲座。讲座由应用统计系主任周力凯主持，部分教师及研究生参加了此次讲座。
首先，Stephanie从人口健康研究的核心数据基础切入，指出调查数据在其中扮演着至关重要的角色，但其复杂的抽样设计、高维特性以及变量间的相互关联也带来了巨大的统计分析挑战。本研究旨在解决这些挑战，提升从复杂调查数据中推断总体规律的可靠性与公平性。随后，Stephanie 提出了本工作的核心方法论贡献：发展了一套贝叶斯建模框架，该框架扩展了经典的聚类方法，使其能够同时兼容处理复杂概率抽样设计与非概率抽样数据。通过引入伪似然框架，所提出的方法能够有效校正样本选择偏差，并完全传递抽样与模型的不确定性，从而显著提升了统计推断的可推广性与准确性。然后，Stephanie具体阐述了方法的理论基础与实现机制。在伪似然的构建中，研究通过整合调查权重与设计信息，将抽样机制自然地纳入贝叶斯生成模型。这种设计确保了在进行潜在人群亚组识别及其与健康结局关联分析时，所有推断步骤均能充分反映原始调查设计的复杂性，并实现不确定性从数据到结论的完整传播。进一步，Stephanie强调了该方法的通用性与理论价值。虽然研究最初受营养流行病学实际应用的驱动，但所发展的贝叶斯建模途径具有高度的灵活性，可广泛适用于心理健康研究等其他公共卫生乃至社会科学领域，为解决各类复杂调查数据的分析难题提供了统一、严谨的统计工具。Stephanie指出，本次报告的工作与传统忽略调查设计的聚类分析或机器学习模型有根本不同。它将抽样设计的考量深度嵌入贝叶斯生成模型的核心，为在“大数据”时代科学、公平地利用具有复杂结构的调查数据，创造了一个新的方法论范式。
讲座结束后，Stephanie与参会师生展开了积极的学术讨论，详细解答了师生提出的问题。Stephanie的研究成果具有极高的前沿性和应用性，为禁漫岛
师生今后的研究与实践提供了宝贵经验与重要指导。
