• 演讲人： 林华珍（西南财经大学统计学院教授）
• 时间：2020年11月17日 周二下午 15：00（北京时间）
• 地点：腾讯会议 ID：796 612 063
• 主办单位：浙江大学数据科学研究中心

摘要: The efficiency of estimation for the parameters in semiparametric models has been widely studied in the literature. In this paper, we study efficient estimators for both parameters and nonparametric functions in a class of generalized semi/non-parametric regression models, which cover commonly used semiparametric models such as partially linear models, partially linear single index models, and two-sample semiparametric models. We propose a maximum likelihood principle combined with the local linear technique for estimating the parameters and nonparametric functions. The proposed estimators of the parameters and a linear functional of the nonparametric functions are consistent and asymptotically normal and are further shown to be semiparametrically efficient. An efficient computational algorithm to achieve the maximization is proposed. Extensive simulation experiments show the superiority of the proposed methods. Three real data examples are analyzed and presented as an illustration

*Joint work with Ling Zhou, Kani Chen and Hua Liang

报告人简介：林华珍，西南财经大学统计学院教授、博导,统计研究中心主任。

主要研究方向为非参数方法、转换模型、生存数据分析、函数型数据分析、潜变量分析、时空数据分析。部分研究成果发表在国际统计学四大顶级期刊AoS、JASA、JRSSB、Biometrika和计量经济学顶级期刊JOE及JBES上。先后多次主持国家基金项目，包括国家杰出青年基金及自科重点项目。林华珍教授是国际IMS-China、IBS-CHINA及ICSA-China委员，中国现场统计研究会数据科学与人工智能分会理事长，第九届全国工业统计学教学研究会副会长，中国现场统计研究会多个分会的副理事长。先后是国际统计学期刊《Biometrics》、《Scandinavian Journal of Statistics》、《Journal of Business & Economic Statistics》、《Canadian Journal of Statistics》、《Statistics and Its Interface》、《Statistical Theory and Related Fields》的Associate Editor， 国内权威或核心学术期刊《数学学报》（英文）、《应用概率统计》、《系统科学与数学》、《数理统计与管理》编委会编委。

主持人：蒋杭进 浙江大学数据科学研究中心 “百人计划”研究员