2024年11月27日上午，中国社会科学院大学应用经济学院卓越讲堂第五十四讲暨中国社会科学院大学经管片学院联合学术讲座第二十六讲在良乡校区研教楼123教室成功举办。本次讲座由中国社会科学院大学应用经济学院主办。讲座邀请了首都经济贸易大学党委常委、副校长、国家杰青李鲲鹏教授主讲,主题为《One Binds All:Dimension Reduction with Single Factor》。讲座由中国社会科学院大学应用经济学院执行院长、倪红福教授主持，来自我校各学院的本科生和研究生参加。
讲座伊始，由倪教授为本次讲座致辞。倪教授对李教授的莅临表示热烈欢迎和感谢，并介绍了李教授的学术成就；希望与会人员积极思考、同李教授交流互动。
李教授在本次讲座中汇报了近期研究工作《One Binds All:Dimension Reduction with Single Factor》的核心内容。在引入理论计量研究之前，李教授详细介绍了该研究的背景，即在处理庞大的数据量的过程中，为了选取对我们有用的信息如何选择权重，降维后形成合成指数。
李教授对主成分分析法、PLS等常用指数合成方法进行详细介绍，指出加权就会损失信息，PCA方法能保留更多的有效信息，使损失的信息最少，缺点是不能把降维和目的相匹配，即非监督型降维。当样本个数大于时间维度时，无法运用回归方法得到系数，PLS能使得合成指数与被解释变量有较大的相关性，从而用监督降维的方法解决上述问题。所以长期以来，文献一直认为PLS能够持续有效地恢复相关因子。但李教授表明这种理解是有偏差的：PLS的一致性严重依赖于双向正交条件，但相关因子在模型中是可识别的，因此这些条件通常不成立。
基于此，李老师提出了“有监督期望最大化方法(SEM)”，以恢复相关因子。通过模拟来研究SEM、PCA和PLS的性能，模拟结果显示PLS和PCA的性能不佳，表明即使有预测目标的指导，这两种方法也无法提取正确的方向。相比之下，SEM方法在相同情况下表现非常好。运用SEM方法进行各种金融和宏观经济预测练习之后，发现基于一个SEM因素的预测性能优于具有多个因素的PCA和PLS方法。
本次讲座历时约一个小时，在全场师生的热烈掌声中圆满落幕并合影留念。
