报告题目：A semiparametric mixture regression model for longitudinal data
    报告人：潘建新   教授   英国曼彻斯特大学
    邀请人：刘三阳 教授

报告时间：5月31日上午9:00—10:00
    报告地点：信远楼II206williamhill威廉希尔官网报告厅

报告人简介：潘建新教授，中组部国家人才计划入选者，英国曼彻斯特大学(University of Manchester)数学学院终身教授，英国皇家统计学会(The Royal Statistical Society) 会士（Fellow）, 国际统计学会（International Statistical Institute）当选会员（elected member）和美国数理统计学会（Institute of Mathematical Statistics）会员。统计学杂志Biometrics和Biometrical Journal 编委（Associated Editor）。1996年在香港浸会大学获得统计学博士学位，之后到英国洛桑(Rothamsted)实验中心从事博士后研究。2002年10月加盟曼彻斯特大学数学学院，先后仼讲师(2002)、高级讲师(2004)、Reader(2005)。2006年被曼彻斯特大学聘为终身教授，并兼任曼彻斯特大学医学院研究员。曾担任曼大数学学院概率统计系系主任。致力于统计学领域内复杂数据模型的理论研究及其在医学、金融及工业上的应用，取得了多项创新性研究成果。成果发表在包括Journal of the American Statistical Association和Biometrika在内的统计学主流期刊上。至今已发表学术论文100余篇，出版学术专著2部(Growth Curve Models and Statistical Diagnostics和Case-Deletion Diagnostics in Linear Mixed Models)，其中1部于2002年由Springer出版社出版。已指导18名博士研究生并获得学位。

报告摘要：In this talk I will discuss the trajectory analysis that applies finite mixture modelling strategy to longitudinal data. The research introduces new modelling tools using semi-parametric regression methods. A normal mixture is proposed such that the model contains one smooth component and a set of possible linear predictors. The model components are then estimated using the penalized likelihood method with implementation of the EM-algorithm. The research also introduces a computationally appealing method that provides an approximate solution using an ordinary linear model methodology developed for mixture regression and trajectory analysis. Simulation experiments and a real data example of height curves of 4,223 Finnish children illustrate the performance of the proposed methods.