空间相关的二元数据的均值参数可以用广义估计方程来构造一致性估计量，然而大家关心的不仅如此，还关心对数据协方差矩阵的估计。潘建新教授为我们介绍了这方面的最新研究成果，潘教授的研究团队提出了一种特定的参数结构来对空间相关的二元数据的相关矩阵建模。接着，利用一种基于广义估计方程的迭代方法来同时估计均值参数和相关系数参数。另外，他们证明了均值参数估计量和相关系数参数估计量的渐进正态性。然后，研究工作通过调整工作相关矩阵、相关系数参数、均值参数的维数等各种模型参数来进行模拟研究，验证了该理论工作。最后，所提出的方法被用来分析了在爱尔兰存在着空间关系的牛肺结核感染数据，旨在考虑獾和牛的集群相关关系的同时量化一些它们受感染的重要影响因素。报告之后，参会师生围绕报告内容与潘教授展开了热烈的讨论，受益匪浅。

报告人简介：
      潘建新，英国曼彻斯特大学数学学院统计系教授。于1996年在香港浸会大学获统计学博士学位。其研究方向包括纵向数据分析、生存数据分析、广义估计方程、生长曲线模型、均值与方差的同时建模，缺失数据问题及统计诊断。潘建新教授致力于统计方法的研究及其在生物、医学及金融领域内的应用研究，2002年在Springer出版社出版专著《Growth Curve Models and Statistical Diagnostics》，目前担任Biometrics杂志编委（Associated Editor）。