我系潘俊豪副教授研究成果获第八届高校科学研究优秀成果奖（人文社会科学）之青年成果奖

近日，教育部公布了第八届高校科学研究优秀成果奖（人文社会科学）评选结果，我系潘俊豪副教授的研究成果《An Alternative to Post Hoc Model Modification in Confirmatory Factor Analysis: The Bayesian Lasso》获青年成果奖。

据了解，全国高等学校科学研究优秀成果奖（人文社会科学）旨在表彰、奖励高等学校在人文社会科学研究领域做出突出贡献的研究人员，奖项每三年评选一次，竞争十分激烈，评选结果含金量高，是目前我国高校哲学社会科学领域最高级别的政府奖项，也是最具公信力和影响力的重要奖项。在今年公布的评选结果中，心理学类的青年成果奖全国共4项。

成果简介

获奖成果：《An Alternative to Post Hoc Model Modification in Confirmatory Factor Analysis: The Bayesian Lasso》

完成人：潘俊豪；Edward Haksing Ip；Laurette Dubé

这项研究成果的主要创新在于，通过把机器学习中Lasso (Least Absolute Shrinkage and Selection Operator )正则化方法和心理学领域的经典模型验证性因素分析模型(Confirmatory Factor Analysis，CFA)结合，在贝叶斯方法的框架下，解决了在运用CFA模型分析心理学实际数据过程中数据出现违反“局部独立性”假设时应如何建模的问题。

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。在建模过程中，CFA模型(以及其他潜变量模型)的一个重要前提假设是局部独立性(Local Independence)，违反局部独立性假设的情况被称为局部项目依赖。在实际数据分析当中，研究者往往默认局部独立性假设成立从而建立测量模型。然而，随着CFA模型的广泛应用，研究者逐渐意识到错误地假设局部独立性会对研究结果(特别是潜变量之间关系的估算)产生严重的误导。作为最基础的潜变量模型之一，在CFA模型的统计分析中如何有效地考虑指标变量间的局部依赖程度一直是学界关注的热点问题。此问题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。本项获奖成果为此提供了新的研究思路和研究工具。

完成人简介：潘俊豪，统计学博士，中山大学心理学系副教授、博士生导师，“百人计划”人才引进。主持多项国家级和省部级科研项目，主要从事结构方程模型统计分析方法的改进与发展，在国内外知名期刊上发表论文30余篇，包括Psychological Methods, Psychometrika, Structural Equation Modeling - A Multidisciplinary Journal，心理科学进展，心理科学等。中山大学心理统计与建模实验室诚招博士后和专职科研人员，并欢迎博士和硕士研究生报考，有意者请咨询panjunh@mail.sysu.edu.cn。实验室网站web: https://www.panlab.xyz。