4月6日下午，中国人民大学李勇教授受经济学科之邀，带来了一场题为“Hypothesis Testing Using Posterior-test-based Bayes Factor”的精彩线上学术讲座。该讲座为太阳成tyc7111cc至善大讲堂第49讲。
讲座开始，李勇教授介绍到：近些年来，基于p值的假设检验面临着种种挑战，例如：大样本情况下检验失效、模型间不具备一致性、存在“p-hacking”等问题。贝叶斯因子（Bayes Factors）作为一种统计推断的方法，被认为是假设检验中p值的一种替代品。然而，传统的贝叶斯因子在理论和实践上存在着一些明显的困难，例如：在不恰当的先验条件下，贝叶斯因子通常没有很好的定义，而使用恰当但模糊的先验条件时，贝叶斯因子会受到Jeffreys-Lindley-Bartlett悖论的影响。此外，对于许多模型来说，贝叶斯因子通常很难计算。因此，此次讲座的主要内容旨在向大家介绍两种基于后验统计量的贝叶斯因子，并展示所提出方法将如何解决上述p值和传统贝叶斯因子中存在的问题。
接下来，李勇教授先介绍了基于似然比检验（Likelihood ratio test）的贝叶斯因子的相关知识，并以此为基础，综合后验似然比统计量的定义，提出了基于后验似然比检验的贝叶斯因子；相似地，在后验瓦尔德检验（Wald test）统计量的启发下，提出了基于后验瓦尔德统计量的贝叶斯因子。此外，李勇教授介绍到：在一定的正则条件下，这两种基于后验检验统计量的贝叶斯因子具备一致性性质。相较于p值检验和传统的贝叶斯因子，所提出的新型贝叶斯因子可以基于检验统计量的后验样本来得到，因而计算起来较为方便，此外能充分利用先验信息，且不受Jeffreys-Lindley-Bartlett悖论的影响。李勇教授通过几项模拟和实证研究结果进一步地验证了所提方法的优点，除上述提及的优点外，值得强调的是：模拟研究结果体现了在样本总数较大的情况下，所提贝叶斯因子仍具备良好的表现，而在用随机波动率模型建模的实证研究中，结果证明在具有潜在变量的模型中，基于后验检验统计量的贝叶斯因子具有明显的假设检验优势。
李勇教授深入浅出的讲解给师生们留下了深刻的印象，在最后的提问环节，与会的林明教授、韩晓祎副教授及Andrew Pua助理教授就该场讲座的相关细节进行了学术探讨，使在座的同学们受益匪浅。该学术讲座不仅为在座的同学们带来最前沿的经济学研究，而且对激发同学们的学术探讨热情起着积极的推动作用。
（SOE 2019级博士生 任蕊）
