2022年3月25日，下午14：00-15：30，由上海市数据科技与决策前沿科学研究基地，商务分析研究中心，上海财经大学商学院主办的“量化方法与数据分析讲座系列”（Quantitative Methods and Data Analytics Seminar Series，QMDA）第5期在线上如期举行。浙江大学经济学院的曾涛教授受邀做了主题为“Deviance Information Criterion for Model Selection: A Theoretical Justification”的精彩学术讲座。本次讲座由上海财经大学商学院王文斌教授和谢天副教授主持。

曾涛老师首先阐述了贝叶斯（Bayesian）估计的理念。贝叶斯估计量通过最小化损失函数的后验期望值（即后验期望损失）来计算估计量或决策规则。与常规的频率模型相比，贝叶斯估计不假设变量具有真实值，而是围绕着所计算目标变量的分布进行估计。

曾涛老师认为所有模型都有误设的问题，这一点贝叶斯相关的模型也不例外。而当模型具有不确定时，偏差信息准则 (DIC) 是贝叶斯估计下最常用的模型选择方法。然而，文献中没有为 DIC 提供严谨的理论依据。作为文章的主要贡献点之一，曾涛老师等人论证了，当使用一种plug-in预测分布时，在一组正则条件下，DIC是真实数据生成过程与plug-in预测分布之间预期Kullback-Leibler 散度的渐近无偏估计量。

曾涛老师还在讲座中讨论了DIC的高阶扩展和参数的有效数量问题。这些都有助于研究先验的影响并对贝叶斯估计在实证应用方面提供了指引。文章在夯实了DIC方法相关理论的同时，作者们还提出了一种改进型的信息准则DIC-BP。该方法建立在传统DIC的方法之上，且具有更加优秀的渐进属性和实证效果。

报告的过程中以及报告最后，参与讲座的同学老师都与曾教授进行了热烈的互动与讨论。最后，讲座在大家的热烈研讨中圆满结束。