2016年度金沙9001cc以诚为本首页外请专家学术报告之九

时间：2016-05-04 09:37:39 来源： 作者：数学学院

报告题目：Exponentially tilted likelihood inference on growing dimensional unconditional moment models

报 告 人：唐年胜

报告时间：2016年5月14日（周六）下午17:00

报告地点：数学学院学术报告厅（数学楼315室）

报告人简介： 唐年胜，云南大学教授、博士生导师、金沙9001cc以诚为本首页院长，兼任中国统计学会常务理事、中国现场统计学会常务理事、中国教育统计学会常务理事、全国统计教材编审委员会委员、教育部高等学校统计学专业教学指导委员会委员等职务。2007年入选教育部“新世纪优秀人才支持计划”；2012年获“国家杰出青年科学基金”资助，并获“云南省中青年学术和技术带头人”称号，2013年被聘为教育部“长江学者”特聘教授。 2014年获云南省有突出贡献优秀专业技术人才二等奖、云南省首批“云岭学者”。曾多次赴香港中文大学、香港浸会大学、美国哥伦比亚大学、美国北卡罗莱纳大学访问或做博士后。发表论文110余篇，其中SCI检索70余篇；出版专著1部、译著2部、教材1部。主持完成国家自然科学基金3项、国家社科基金1项、高校博士点专项基金1项以及多项省部级课题。

报告内容: Growing-dimensional data with likelihood unavailable are often encountered in various fields. This paper presents a penalized exponentially tilted likelihood (PETL) for variable selection and parameter estimation for growing dimensional unconditional moment models in the presence of correlation among variables and model misspecification. Under some regularity conditions, we investigate the consistent and oracle properties of the PETL estimators of parameters,
and show that the constrainedly PETL ratio statistic for testing contrast hypothesis asymptotically follows the central chi-squared distribution. Theoretical results reveal that the PETL approach is robust to model misspecification. We also study high-order asymptotic properties of the proposed PETL estimators. Simulation studies are conducted to investigate the finite performance of the proposed methodologies. An example from the Boston Housing Study is illustrated.

欢迎广大师生参加！

金沙9001cc以诚为本首页

2016年4月29日