现有的亚组分析方法大致可分为两类：有限混合模型（FMM）和具有L1型惩罚的正则化方法。这两种方法在效率上差强人意，那么，是否有一种更高效的方法呢？
2021年12月8日，来自西南财经大学统计研究中心的林华珍教授应欧洲杯竞猜平台临床研究中心邀请，做客“聚菁荟萃”临床研究精品论坛，主讲“Centre-augmented L2-type Regularization for Subgroup Learning”专题讲座。林华珍教授的主要研究方向聚焦非参数方法、转换模型、生存数据分析、函数型数据分析、因子模型等。她率领团队，通过在损失函数中引入群中心和L2型判罚，提出了一种新颖的中心增强正则化（CAR）方法。相比现有方法，CAR更高效，更稳健，计算过程也更便捷，被视为是正则化方法和FMM的统一（CAR is the hard version of FMM）。
林教授团队建立了CAR的渐进正态性，证明了算法的收敛性，并展示了将CAR应用于一项多中心临床试验数据集的实例。
讲座后，线上参会者踊跃向林教授提问并表示对于方法学上的精进大有脾益。
（文：顾雯韵；图：顾雯韵）
