2017年9月至2018年9月在新加坡国立大学统计和数据科学系进行博士研究生联合培养，2019年6月于西南财经大学统计与数据科学学院取得经济学博士学位，2019年6月至2021年6月在西南财经大学统计与数据科学学院从事博士后研究。现为西南财经大学统计与数据科学学院副教授。主要研究方向为高维经验似然方法与应用和充分降维。
张佳
/ 副教授
电子邮箱：zhangjia AT swufe.edu.cn
所获奖项与荣誉
主持科研项目
- 2021.01—2024.12：国家自然科学基金青年科学基金项目《高维估计方程模型中的正确矩条件识别问题研究》
- 2020.10—2021.06：中国博士后科学基金面上项目《基于双重惩罚经验似然估计的高维矩条件选择问题研究》
- 2020.01—2020.12：中央高校基本科研业务费专项基金青年教师成长项目《基于双重惩罚经验似然的超高维矩条件选择》
代表性论文
- Zhang, J., Wu, R., & Chen, X. (2025+). Optimal sparse sliced inverse regression via random projection. Journal of Computational and Graphical Statistics, in press.
- Chen, X., Wu, J., Yao, Z., & Zhang, J. (2024+). Sufficient dimension reduction for classification. Statistica Sinica, in press.
- Chen, X., Deng, C., He, S., Wu, R., & Zhang, J. (2024). High-dimensional sparse single-index regression via Hilbert-Schmidt independence criterion. Statistics and Computing, 34, 86.
- Chang, J., Shi, Z., & Zhang, J. (2023). Culling the herd of moments with penalized empirical likelihood. Journal of Business & Economic Statistics, 41, 791-805.
- Chen, X., Zhang, J., & Zhou, W. (2022). High dimensional elliptical sliced inverse regression in non-Gaussian distributions. Journal of Business & Economic Statistics, 40, 1204-1215.
- Zhang, J., & Chen, X. (2020). Principal envelope model. Journal of Statistical Planning and Inference, 206, 249-262.
- Zhang, J., & Chen, X. (2019). Robust sufficient dimension reduction via ball covariance. Computational Statistics & Data Analysis, 140, 144-154.
- Zhang, J., Shi, H., Tian, L., & Xiao, F. (2019), Penalized generalized empirical likelihood in high-dimensional weakly dependent data. Journal of Multivariate Analysis, 171, 270-283.