報告題目🧖🏼‍♂️：Oracally Efficient Estimation and Simultaneous Inference in Partially Linear Single-index Models for Longitudinal Data

報告時間：2019年6月20日下午15:00-16:30

報告地點🏂🏻：經管院335會議室

報告人：王所進教授

報告摘要：In this presentation, we discuss oracally efficient estimation and asymptotically accurate simultaneous confidence band (SCB) for the nonparametric link function in the partially linear single-index models for longitudinal data. The proposed procedure works for possibly unbalanced longitudinal data under general conditions. The link function estimator is shown to be oracally efficient in the sense that it is asymptotically equivalent in the order of one over root n to that with all true values of the parameters being known oracally. Furthermore, the asymptotic distribution of the maximal deviation between the estimator and the true link function is provided, and hence an SCB for the link function is constructed. Finite sample simulation studies are carried out which support our asymptotic theory. The proposed SCB is applied to analyze a CD4 data set.

報告人簡介：現任美國德克薩斯A&M大學統計系終身教授，理凯捷副院長，被評為美國統計學會會士（ASA Fellow），國際統計研究院成員(ISI Member)，國際數理統計研究院會士（IMS Fellow）⇢，研究興趣包括半參數和非參數統計方法、缺失和錯誤測量數據分析🕵🏽、漸近理論、樣本調查和應用統計學©️。在國際重要學術刊物上發表論文160余篇🦹🏼‍♀️🫵🏿，同時在統計學科的研究中先後得到了美國國家科學基金會🐱、國防部、國家衛生研究所、德州高級研究基金會等部門的高度重視和大力資助💋。曾任《Journal of Nonparametric Statistics》總主編（2007-2012），以及五個統計學國際期刊的副主編。擔任浙江大學校友總會理事📓。獲得了德克薩斯州農工大學的四個主要教學獎項，其中包括最負盛名的大學級教學傑出成就獎。