JRSSB
2023年
成果简介
近日，范燕教授与合作者完成的统计学科研论文《Biased-sample empirical likelihood weighting for missing data problems: an alternative to inverse probability weighting》在英国皇家统计协会会刊Journal of the Royal Statistical Society: Series B (Statistical Methodology) (简称 JRSSB) 2023年第1期正式发表。JRSSB由英国皇家统计学会主办，创刊于1938年，是国际统计学研究领域顶级学术期刊，该期刊被我校列为国际一类期刊。
内容摘要
当数据缺乏代表性、存在缺失或者选择偏差时，逆概率加权技术是一种获得广泛应用的统计方法。但是该方法的一个不可避免的缺陷是当某些概率接近零时，它变得非常不稳定。为了克服这个问题，文献中常用的解决办法有三种：稳定化、门限法以及截断法。不过最终的估计量仍然是逆概率加权估计，因此它们仍然保留了经典逆概率加权估计得缺陷：要么不稳定要么有偏。为此，我们提出了一种偏差样本经验似然加权(ELW)方法，该方法能够实现逆概率加权同样的目标，同时由于避免使用概率的倒数，从而克服了它的不稳定性。ELW 方法不存在无定义问题，且计算十分方便。理论上，我们证明了 ELW 估计具有渐近正态性，且在缺失数据问题和不放回不等概率抽样下，相比逆概率加权估计及其变种更加有效。我们也确立了 ELW 估计在有放回不等概率抽样下的渐近正态性。数值模拟和一个实例分析表明，ELW 估计具有平移不变性和近似无偏性，且在均方误差标准下通常优于逆概率加权类型的估计。
作者简介
范燕，上海对外经贸大学统计与信息学院教授，硕士生导师，香港浸会大学和美国范德堡大学访问学者。主要研究半参数指标模型、稳健估计、高维统计分析、以及大数据统计分析等，在 《Journal of the Royal Statistical Society, Series B》《Journal of Business & Economic Statistics》等国内外著名学术期刊发表SCI、SSCI论文10多篇。主持国家自然科学基金面上项目2项，青年基金项目1项、上海市自然科学基金面上项目1项。曾获得学校科研标兵称号。
