云南财经大学统计与数学学院邀请陈雪蓉博士作了一场题为“On the asymptotic non-equivalence of GMM and EL estimators in models with missing data(对GMM和EL估计的模型渐近非等价缺失数据)”的讲座,讲座的主要内容是:
云南财经大学统计与数学学院设有统计学在职研究生、信息与计算科学和应用数学三个专业,统计学和数量经济学两个硕士点。学院建有定量分析及动态模拟专业实验室一个,拥有应用统计与数量经济研究所和现代统计应用研究中心。
矩(GMM)和经验似然(EL)的广义方法是结合样品和辅助信息,常用的方法。这些方法在研究非常不同的领域,其中竞争的理论常提示满足不同时刻的条件变量使用。结果在文献中已经表明,有效的GMM(GMME)和最大的EL(MEL)估计具有相同的渐近分布订购根-n和两个估计渐近半参数高效。在本文中,我们证明了当数据是随机从样品丢失,一些知名的利用率缺少在文献中提出的一个处理方法,可以产生GMME和MEL与非相同的属性估计器;特别地,示出了GMME估计是根据考虑但MEL估计并不总是有效的所有丢失数据处理方法,半参数高效。为两个估计的非对等的原因彻底检查提出。我们分析的一个特别强大的功能是,我们没有在底层矩条件假设平滑度。我们的研究结果从而涉及非光滑估算功能,包括分位数和等级回归,稳健估计,ROC曲线的估计,等情况有关。
陈雪蓉博士简介:统计学博士(中科院和云南大学联合培养),乔治城大学和密苏里大学博士后,现为西南财经大学统计研究中心助理教授,在职研究生主要研究领域为分位数回归、非光滑估计方程、生存分析、缺失数据、长度偏差数据、纵向数据、变量选择、药物混合、半参数非参数建模推断。在包括顶级统计学期刊Journal of the American Statistical Association和一流统计学期刊Scandinavian Journal of Statistics,Electronic Journal of Statistics, Statistica Sinica等国际期刊上发表论文数十篇,目前主持国家级课题一项,并参与过多项国家级课题和香港研究资助局课题以及美国国家癌症研究所课题的研究工作,担任过Journal of the American statistical Association,Scandinavia Journal of Statistics,Biometrics,Journal of Multivariate Analysis,Journal of Nonparametric Statistics和Statistics, American Journal of Biostatistics等期刊的匿名审稿人。