科学研究

2005年6月毕业于中国人民大学统计学专业，2009年赴美国耶鲁大学进行博士联合培养项目，2010年获得中国人民大学统计学博士学位并赴美国耶鲁大学生物统计系从事博士后研究，2013年起任中国人民大学统计学院副教授，并任中国人民大学统计咨询研究中心主任。李扬博士现为国际生物统计学会中国分会（IBS-China）青年理事委员，2013年当选为国际统计学会（International Statistical Institute）推选会员（Elected Member），2015年起任北京生物医学统计与数据管理研究会（BBA）副秘书长。李扬博士主要从事统计模型在生物医学、决策预测、市场研究、教育心理领域的方法与应用研究，并在生物医学领域大数据的理论与应用研究展开探索，针对影响因素的复杂高维交互效应问题构建具有分层假设的半参数特征筛选模型及算法，针对含有复杂因果关系的多维混合型（连续型数据与类别型数据混合）数据构建改进的潜变量综合评价模型。相关成果发表在Statistics in Medicine、Journal of Statistical Computation and Simulation、Human Brain Mapping、《统计研究》等国内外期刊上。

Although model selection is ubiquitous in scientific discovery, the stability and uncertainty of the selected model is often hard to evaluate. To this goal, the concept of model confidence bounds (MCB) in the context of nested model is introduced. MCB identifies two nested models (upper and lower confidence bound models) containing the true model at a given level of confidence, whose width and composition can be the measure of the model selection uncertainty. Several graphical tools are further proposed. These include the model uncertainty curve (MUC), G-plots, H-plots, and model selection deviation (MSD), to visualize the distribution of the selected model and the variability of model selection. The proposed assessment method and visualization tools enable the practitioner to evaluate the overall model selection uncertainty and to compare different model selection procedures. Monte Carlo simulations and the real data examples confirm the validity and illustrate the advantages of the proposed method.