柳树副教授与合作者撰写的论文《Unifiedstatistical inference for a nonlinear dynamic functional/longitudinal datamodel》近日被统计学领域的权威期刊《Journal of Statistical Planning andInference》发表。该期刊被我校列为国际二类（I）期刊。
成果简介：在函数/纵向数据研究中，本文提出了一种灵活的非线性动态建模方法，即半变系数可加模型，其中的响应可以是函数/纵向变量，解释变量可以同时包含函数/纵向变量和标量变量。首先对未知函数用B样条逼近，接着利用局部线性平滑法来估计模型中的未知函数。由于稀疏和密集纵向数据的统计推断存在很大不同，因此在稀疏、密集和超密集纵向数据的统一框架下，本文证明了基于局部线性估计的先导估计量（PEBLLE）的渐近理论，并获得了估计量的orcale性质。大量的蒙特卡洛数值模拟验证了所提方法的有限样本性质以及本文的渐近理论结果。通过进一步分析中国的COVID-19数据，论证了所提的方法的实用性。
作者简介
柳树，统计与信息学院数理统计系副教授，硕士生导师。2012年博士毕业于上海财经大学统计学专业。研究方向为纵向数据分析，非/半参数建模。主持国家自然科学基金青年项目、天元基金项目各1项。先后在Journal of Multivariate Analysis、Journal ofStatistical Planning and Inference、TEST等重要学术刊物上发表论文多篇。
