摘要：皮尔逊相关系数和距离相关系数等经典关联分析方法被广泛应用于度量低维数据之间的关联性，但在处理高维数据时，常面临随机变量取值范围差异显著（即异质性强）的挑战。在此情形下，聚合高维自变量与因变量的关联时，取值范围较大的自变量易主导聚合结果，致使取值范围较小的自变量之关联信息被掩盖。为此，本文提出一类基于排序的鲁棒（即稳健）关联分析方法，并从理论上严格分析了该方法在同质和异质情形下的统计检验功效，并严格证明了其在应对高维数据异质性方面的优势。

个人简介：朱利平，中国人民大学教授、博士生导师，国务院学位委员会统计学学科评议组召集人，享受国务院特殊津贴专家，国家重大人才工程入选者，国家杰出青年科学基金获得者，国家重点研发计划项目首席科学家，国家自然科学基金重点项目负责人，兼任人民教育出版社普通高中教材《数学》分册联合主编，《中国大百科全书》统计学科编委会委员和数据科学分卷主编等。先后受邀担任国际统计学领域顶级学术期刊《美国统计学会会刊》和《统计年刊》、国际权威学术期刊《中华统计学》和《多元分析期刊》等副主编，以及国内统计学领域顶级学术期刊《中国科学·数学》（中、英文版）和《系统科学与数学》（中、英文版）等专业期刊青年编委、编委和副主编等。长期从事高维度和非线性大数据统计分析研究工作，多项研究成果已被收录进《Statistical Foundations of Data Science》和《High Dimensional Probability》等国内外重要教材和专著。