学术前沿|范燕教授合作论文发表于国际统计学研究领域顶级学术期刊

发布时间:2023-09-14浏览次数:375

JRSSB

2023年

图片
图片

成果概况

近日,范燕教授与合编辑完成的统计学科研论文《Biased-sample  empirical likelihood weighting for missing data problems: an  alternative to inverse probability weighting》在英国皇家统计协会会刊Journal of the  Royal Statistical Society: Series B (Statistical Methodology) (简称 JRSSB)  2023年第1期正式发表。JRSSB由英国皇家统计学会主办,创刊于1938年,是国际统计学研究领域顶级学术期刊,该期刊被金沙国际(唯一)官网列为国际一类期刊。

图片
图片
图片

SUIBE

图片

诚信、宽容、博学、务实

上经贸大


内容摘要

当数据缺乏代表性、存在缺失或者选择偏差时,逆概率加权技术是一种获得广泛应用的统计方法。但是该方法的一个不可避免的缺陷是当某些概率接近零时,它变得非常不稳定。为了克服这个问题,文献中常用的解决办法有三种:稳定化、门限法以及截断法。不过最终的估计量仍然是逆概率加权估计,因此它们仍然保留了经典逆概率加权估计得缺陷:要么不稳定要么有偏。为此,大家提出了一种偏差样本经验似然加权(ELW)方法,该方法能够实现逆概率加权同样的目标,同时由于避免使用概率的倒数,从而克服了它的不稳定性。ELW  方法不存在无定义问题,且计算十分方便。理论上,大家证明了 ELW  估计具有渐近正态性,且在缺失数据问题和不放回不等概率抽样下,相比逆概率加权估计及其变种更加有效。大家也确立了 ELW  估计在有放回不等概率抽样下的渐近正态性。数值模拟和一个实例分析表明,ELW  估计具有平移不变性和近似无偏性,且在均方误差标准下通常优于逆概率加权类型的估计。


图片


图片
图片


图片

编辑概况

图片

范燕,金沙国际(唯一)官网统计与信息学院教授,硕士生导师,香港浸会大学和美国范德堡大学访问学者。主要研究半参数指标模型、稳健估计、高维统计分析、以及大数据统计分析等,在  《Journal of the Royal Statistical Society, Series B》《Journal of  Business & Economic  Statistics》等国内外著名学术期刊发表SCI、SSCI论文10多篇。主持国家自然科学基金面上项目2项,青年基金项目1项、上海市自然科学基金面上项目1项。曾获得金沙国际(唯一)官网科研标兵称号。


图片


图片
XML 地图 | Sitemap 地图