成果簡(jiǎn)介

近日，范燕教授與合作者完成的統(tǒng)計(jì)學(xué)科研論文《Biased-sample  empirical likelihood weighting for missing data problems: an  alternative to inverse probability weighting》在英國(guó)皇家統(tǒng)計(jì)協(xié)會(huì)會(huì)刊Journal of the  Royal Statistical Society: Series B (Statistical Methodology) (簡(jiǎn)稱(chēng)JRSSB)  2023年第1期正式發(fā)表。JRSSB由英國(guó)皇家統(tǒng)計(jì)學(xué)會(huì)主辦，創(chuàng)刊于1938年，是國(guó)際統(tǒng)計(jì)學(xué)研究領(lǐng)域頂級(jí)學(xué)術(shù)期刊，該期刊被我校列為國(guó)際一類(lèi)期刊。

內(nèi)容摘要

當(dāng)數(shù)據(jù)缺乏代表性、存在缺失或者選擇偏差時(shí)，逆概率加權(quán)技術(shù)是一種獲得廣泛應(yīng)用的統(tǒng)計(jì)方法。但是該方法的一個(gè)不可避免的缺陷是當(dāng)某些概率接近零時(shí)，它變得非常不穩(wěn)定。為了克服這個(gè)問(wèn)題，文獻(xiàn)中常用的解決辦法有三種：穩(wěn)定化、門(mén)限法以及截?cái)喾?。不過(guò)最終的估計(jì)量仍然是逆概率加權(quán)估計(jì)，因此它們?nèi)匀槐Ａ袅私?jīng)典逆概率加權(quán)估計(jì)得缺陷：要么不穩(wěn)定要么有偏。為此，我們提出了一種偏差樣本經(jīng)驗(yàn)似然加權(quán)(ELW)方法，該方法能夠?qū)崿F(xiàn)逆概率加權(quán)同樣的目標(biāo)，同時(shí)由于避免使用概率的倒數(shù)，從而克服了它的不穩(wěn)定性。ELW  方法不存在無(wú)定義問(wèn)題，且計(jì)算十分方便。理論上，我們證明了ELW  估計(jì)具有漸近正態(tài)性，且在缺失數(shù)據(jù)問(wèn)題和

放回不等概率抽樣下，相比逆概率加權(quán)估計(jì)及其變種更加有效。我們也確立了ELW  估計(jì)在有放回不等概率抽樣下的漸近正態(tài)性。數(shù)值模擬和一個(gè)實(shí)例分析表明，ELW  估計(jì)具有平移不變性和近似無(wú)偏性，且在均方誤差標(biāo)準(zhǔn)下通常優(yōu)于逆概率加權(quán)類(lèi)型的估計(jì)。

作者簡(jiǎn)介

范燕，上海對(duì)外經(jīng)貿(mào)大學(xué)統(tǒng)計(jì)與信息學(xué)院教授，碩士生導(dǎo)師，香港浸會(huì)大學(xué)和美國(guó)范德堡大學(xué)訪(fǎng)問(wèn)學(xué)者。主要研究半?yún)?shù)指標(biāo)模型、穩(wěn)健估計(jì)、高維統(tǒng)計(jì)分析、以及大數(shù)據(jù)統(tǒng)計(jì)分析等，在  《Journal of the Royal Statistical Society, Series B》《Journal of  Business & Economic  Statistics》等國(guó)內(nèi)外著名學(xué)術(shù)期刊發(fā)表SCI、SSCI論文10多篇。主持國(guó)家自然科學(xué)基金面上項(xiàng)目2項(xiàng)，青年基金項(xiàng)目1項(xiàng)、上海市自然科學(xué)基金面上項(xiàng)目1項(xiàng)。曾獲得學(xué)?？蒲袠?biāo)兵稱(chēng)號(hào)。