题目：正则化结构方程模型：探索性和验证性分析的平衡

报告人：潘俊豪，中山大学心理学系教授

时间：2025年11月10号3:00～4:30

地点：腾讯会议828-729-508

报告人简介：

潘俊豪，中山大学心理学系教授，博士生导师，心理学系副系主任。中山大学逸仙学者、社会科学学部学术委员会委员。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、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）。曾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。兼任中国社会心理学会社会量化研究方法专业委员会(筹)副主任委员、广东省心理学会心理与教育测量统计专业委员会主任委员、中国现场统计研究会贝叶斯统计分会常务理事、中国教育学会教育统计与测量分会理事、广东省现场统计学会常务理事。同时担任《心理科学》、《应用心理学》、Journal of Pacific Rim Psychology、Structural Equation Modeling: A Multidisciplinary Journal编委。

报告摘要：

结构方程模型(Structural Equation Modeling, SEM)作为一种验证性的方法，难以同时实现良好的模型拟合和模型简约性，容易出现模型误设的问题；而基于数据驱动的探索性方法则有着较高的I类错误率，易将冗余参数纳入模型中。通过结合机器学习领域的正则化(Regularization)方法与SEM而来的正则化SEM能够弥补传统方法的局限，并且随着数据采集技术的发展，正则化SEM对高维数据具有相当大的应用价值。本次报告主要对频率学派和贝叶斯学派框架下正则化SEM的方法原理、研究进展和应用进行介绍，希望对该方法在心理学等相关学科研究中的应用起到推动作用。