【1月15日】统计学学术讲座（共2场）
报告题目1： 部分线性可加危险率模型中的估计和变量选择
主讲人：卢学文教授（加拿大卡尔加里大学）
时间：2019年1月15日（周二）9:30 a.m.
地点：北院卓远楼305
主办单位：统计与数学学院
摘要：我们考虑一个可加危险率半参数模型，该模型针对左截尾右删失数据，其风险函数具有部分线性结构。模型的非线性部分用B样条函数建模，因此，模型可以被视为一个含未知起始危险率函数和部分线性风险函数的半参数模型。对于一个线性协变量个数固定的情形，我们构建一个伪得分函数，用于估计线性协变量系数和B样条基函数。在假定真实非线性函数是结点位置和结点数都固定的B样条函数时，我们所提出的估计是渐近正态的。对于分组线性协变量个数发散的情形，我们提出了一个分层两水平变量选择方法。该方法可以同时处理变量组的选择和组内个体变量选择。对于所提出的估计，我们建立了渐近阶数和变量选择的相合性。模拟结果显示，较之几个现有方法（如：LASSO，SCAD和适应性LASSO），我们所提出的方法表现更好。
主讲人简介：
卢学文教授，现任加拿大卡尔加里大学数学系教授, 1997年于加拿大贵湖大学获得博士学位,2008.08-2009.06担任密歇根大学访问副教授, 2008.04-2013.03于卡尔加里大学担任副教授, 2013.04至今, 担任卡尔加里大学教授. 主要从事非参数回归、半参数回归、生存分析、广义线性/可加模型、混合模型、面板数据分析、经验似然等领域的研究，在Technometrics、Scandinavian Journal of Statistics, Computational Statistics and Data Analysis, Journal of Multivariate Analysis等期刊发表论文数十篇。
报告题目2： 高维时间序列模型
主讲人：吴月华教授（加拿大约克大学）
时间：2019年1月15日（周二）10:30 a.m.
地点：北院卓远楼305
主办单位：统计与数学学院
摘要：环境科学研究中出现大量的空间相关数据，我们急需寻找空间估计方法来提高空间相关性的估计精度。本次讲座中，我们提出一种非参数的叠代方法来估计带有一般相关结构的空间数据，在一般性条件下，我们建立了该估计方法的渐进正态性，在数据模拟和案例分析中，这种方法比传统的局部线性方法更有效。
主讲人简介：
吴月华教授是加拿大约克大学数学和统计系教授, 她的主要研究方向：空间统计、M-估计、模型选择、变点检测、非参数估计等，以及在环境科学、信息科学、计量经济学中的应用。承担了多项重大科研项目，已发表学术论文100多篇。
主讲人：卢学文教授（加拿大卡尔加里大学）
时间：2019年1月15日（周二）9:30 a.m.
地点：北院卓远楼305
主办单位：统计与数学学院
摘要：我们考虑一个可加危险率半参数模型，该模型针对左截尾右删失数据，其风险函数具有部分线性结构。模型的非线性部分用B样条函数建模，因此，模型可以被视为一个含未知起始危险率函数和部分线性风险函数的半参数模型。对于一个线性协变量个数固定的情形，我们构建一个伪得分函数，用于估计线性协变量系数和B样条基函数。在假定真实非线性函数是结点位置和结点数都固定的B样条函数时，我们所提出的估计是渐近正态的。对于分组线性协变量个数发散的情形，我们提出了一个分层两水平变量选择方法。该方法可以同时处理变量组的选择和组内个体变量选择。对于所提出的估计，我们建立了渐近阶数和变量选择的相合性。模拟结果显示，较之几个现有方法（如：LASSO，SCAD和适应性LASSO），我们所提出的方法表现更好。
主讲人简介：
卢学文教授，现任加拿大卡尔加里大学数学系教授, 1997年于加拿大贵湖大学获得博士学位,2008.08-2009.06担任密歇根大学访问副教授, 2008.04-2013.03于卡尔加里大学担任副教授, 2013.04至今, 担任卡尔加里大学教授. 主要从事非参数回归、半参数回归、生存分析、广义线性/可加模型、混合模型、面板数据分析、经验似然等领域的研究，在Technometrics、Scandinavian Journal of Statistics, Computational Statistics and Data Analysis, Journal of Multivariate Analysis等期刊发表论文数十篇。
报告题目2： 高维时间序列模型
主讲人：吴月华教授（加拿大约克大学）
时间：2019年1月15日（周二）10:30 a.m.
地点：北院卓远楼305
主办单位：统计与数学学院
摘要：环境科学研究中出现大量的空间相关数据，我们急需寻找空间估计方法来提高空间相关性的估计精度。本次讲座中，我们提出一种非参数的叠代方法来估计带有一般相关结构的空间数据，在一般性条件下，我们建立了该估计方法的渐进正态性，在数据模拟和案例分析中，这种方法比传统的局部线性方法更有效。
主讲人简介：
吴月华教授是加拿大约克大学数学和统计系教授, 她的主要研究方向：空间统计、M-估计、模型选择、变点检测、非参数估计等，以及在环境科学、信息科学、计量经济学中的应用。承担了多项重大科研项目，已发表学术论文100多篇。
