近日，我部基础教研部刘宣副教授撰写的英文学术论文A penalized quasi-maximum likelihood method for variable selection in the spatial autoregressive model（空间自回归模型中变量选择的惩罚拟极大似然法）被SCI二区收录。

该论文在国际期刊Spatial Statistics上发表，主要研究在高维数据背景下，应用广泛的空间自回归模型的变量选择问题，采用惩罚拟似然的方法同时进行变量选择和参数估计，获得了优良的性质（Oracle 性质）。值得一提的是，由于对空间效应进行了惩罚，此方法还可用来间接检验空间效应是否存在。此外，由于空间因素的影响，发现以往线性模型下的相关算法皆不能直接使用，针对这一问题，该文提出新的变量选择迭代算法，模拟和实证研究表明效果理想。