JRSSB
2023年
成果簡介
近日，范燕教授與合作者完成的統計學科研論文《Biased-sample empirical likelihood weighting for missing data problems: an alternative to inverse probability weighting》在英國皇家統計協會會刊Journal of the Royal Statistical Society: Series B (Statistical Methodology) (簡稱 JRSSB) 2023年第1期正式發表。JRSSB由英國皇家統計學會主辦，創刊于1938年，是國際統計學研究領域頂級學術期刊，該期刊被我校列為國際一類期刊。
內容摘要
當數據缺乏代表性、存在缺失或者選擇偏差時，逆概率加權技術是一種獲得廣泛應用的統計方法。但是該方法的一個不可避免的缺陷是當某些概率接近零時，它變得非常不穩定。為了克服這個問題，文獻中常用的解決辦法有三種：穩定化、門限法以及截斷法。不過最終的估計量仍然是逆概率加權估計，因此它們仍然保留了經典逆概率加權估計得缺陷：要么不穩定要么有偏。為此，我們提出了一種偏差樣本經驗似然加權(ELW)方法，該方法能夠實現逆概率加權同樣的目標，同時由于避免使用概率的倒數，從而克服了它的不穩定性。ELW 方法不存在無定義問題，且計算十分方便。理論上，我們證明了 ELW 估計具有漸近正態性，且在缺失數據問題和不放回不等概率抽樣下，相比逆概率加權估計及其變種更加有效。我們也確立了 ELW 估計在有放回不等概率抽樣下的漸近正態性。數值模擬和一個實例分析表明，ELW 估計具有平移不變性和近似無偏性，且在均方誤差標準下通常優于逆概率加權類型的估計。
作者簡介
范燕，上海對外經貿大學統計與信息學院教授，碩士生導師，香港浸會大學和美國范德堡大學訪問學者。主要研究半參數指標模型、穩健估計、高維統計分析、以及大數據統計分析等，在 《Journal of the Royal Statistical Society, Series B》《Journal of Business & Economic Statistics》等國內外著名學術期刊發表SCI、SSCI論文10多篇。主持國家自然科學基金面上項目2項，青年基金項目1項、上海市自然科學基金面上項目1項。曾獲得學校科研標兵稱號。
