JRSSB
2023年
成果簡介
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》在英國皇家統(tǒng)計(jì)協(xié)會會刊Journal of the Royal Statistical Society: Series B (Statistical Methodology) (簡稱 JRSSB) 2023年第1期正式發(fā)表。JRSSB由英國皇家統(tǒng)計(jì)學(xué)會主辦，創(chuàng)刊于1938年，是國際統(tǒng)計(jì)學(xué)研究領(lǐng)域頂級學(xué)術(shù)期刊，該期刊被我校列為國際一類期刊。
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，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。但是該方法的一個不可避免的缺陷是當(dāng)某些概率接近零時，它變得非常不穩(wěn)定。為了克服這個問題，文獻(xiàn)中常用的解決辦法有三種：穩(wěn)定化、門限法以及截?cái)喾ā２贿^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 方法不存在無定義問題，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)問題和不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)值模擬和一個實(shí)例分析表明，ELW 估計(jì)具有平移不變性和近似無偏性，且在均方誤差標(biāo)準(zhǔn)下通常優(yōu)于逆概率加權(quán)類型的估計(jì)。
作者簡介
范燕，上海對外經(jīng)貿(mào)大學(xué)統(tǒng)計(jì)與信息學(xué)院教授，碩士生導(dǎo)師，香港浸會大學(xué)和美國范德堡大學(xué)訪問學(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》等國內(nèi)外著名學(xué)術(shù)期刊發(fā)表SCI、SSCI論文10多篇。主持國家自然科學(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)兵稱號。
