7月19日上午和22日下午，经管学院主办的“亚洲计量经济学与统计学暑期学校”邀请到清华大学苏良军教授学员做精彩授课。苏良军教授的主要研究领域包括计量经济学理论、非参数计量、面板数据模型、因子模型、大数据分析以及机器学习，他已经在计量经济学、统计学、信息等领域的国际顶级期刊发表了超过80篇学术论文，包括 Econometrica、Econometric Theory、IEEE Transactions on Information Theory、Journal of Applied Econometrics、Journal of Econometrics、Journal of the American Statistical Association、Journal of Business & Economic Statistics、Journal of Machine Learning Research、Quantitative Economics。苏良军教授现担任Econometric Theory 的联合编辑，Journal of Econometrics和Econometric Reviews的副主编。

　　7月19日上午，苏良军第一次授课带来题为“Regularized Estimation of High Dimensional Panels: Unobserved Heterogeneity, Cross Section Dependence, and Endogeneity”的讲座。为了对课程进行全局性的介绍，苏良军在课程之初回顾了传统的二维固定效应 面板数据模型，指出了潜在的拓展方向，包括允许斜率系数存在不可观测的二维异质性 (时间和截面维度)，允许截面相依性以更一般的形式存在，允许截面相依性和内生性并存，以及拓展到高维VAR 模型、面板分位数回归模型、非线性面板模型、网络模型等更复杂的框架中。此外，苏良军教授讲解了统计学中的低秩(low-rank)方法与本课程将要介绍的各种面板数据模型的联系与应用。第一次课程包括三部分：二维异质性线性面板数据模型的联合推断、正则化估计的方法和理论及其在面板数据中的应用、异质性面板数据模型的估计及其在项目评估中的应用。苏良军逐一进行细致讲授，给学员带来很大启发。

　　7月22日下午，苏良军教授带来了第二次课程，主要对更为复杂的非线性面板数据模型进行估计和统计推断，包括带有共同因子的高维VAR模型、包含时变潜在组群的面板模型、异质性面板分位数模型以及网络模型中的潜在组群识别，并强调了这些模型的共同点在于对低秩(low-rank)方法的应用。为了进一步启发学员，苏良军还介绍了网络模型和面板模型的区别和联系，并将低秩方法拓展到网络模型，建立了logistic无向网络形成模型，解读了模型的设定以及潜在的难点。

　　课程最后，学员们踊跃提问，包括时变潜在组群模型的设定和估计中去偏处理的直观解释，低秩方法相比较于C-LASSO、K-means方法来处理潜在组群结构的优势，函数型系数面板模型与双向异质性面板的关系，以及未来可能的研究方向，苏良军教授一一给出了耐心细致的回答。