2024年10月24日中午11：00-12：30，应对外经济贸易大学保险学院邀请，北方工业大学理学院统计系讲师李二倩在博学楼509会议室进行题为“Optimal Subsampling Proportional Subdistribution Hazards Regression with Rare Events in Big Data”的学术报告。本次报告由统计与精算学系虞祯老师主持，保险学院多名师生在线下参加了报告会。

比例子分布风险（PSH）模型已被广泛应用于分析竞争风险数据，这些数据具有多个原因的互斥事件，通常出现在临床研究以及经济和金融领域。随着医疗行业的快速发展，大规模生存数据集变得越来越普遍，而经典的PSH模型在处理大数据集时计算量较大。在这个背景下，本研究探究了大数据背景下竞争风险模型的最优子抽样估计方法。

本报告内容提出了Fine-Gray模型的最优子抽样估计量和两步算法，建立了所提估计量的渐近性质，并进行了广泛的模拟研究以展示估计量的效率。随后，使用来自SEER数据库的大型数据集验证了所提方法的优势。

最后，我院师生就这项有趣而有意义的研究展开了热烈的讨论，收获颇丰。