近日，我校特聘教授王启华老师指导的19级理学统计专业博士生梁忠琦在统计学国际权威期刊《Scandinavian Journal of Statistics》上发表论文《A robust model averaging approach for partially linear models with responses missing at random》

论文内容介绍：

    模型平均是解决统计建模不确定性并提升统计预测的主流方法。而在很多实际问题中常常d出现缺失数据，如医学研究、临床试验、社会经济研究和其他社会调查等。本文通过对选择概率函数假设一个参数模型，在响应变量缺失时的，对部分线性模型提出了一个基于加权mallows型准则的稳健模型平均方法，并在以下两个方面做出了创新的贡献。首先，在非局部错误指定框架的假设下，本文率先考虑了反应变量随机缺失时部分线性模型的模型平均方法，不仅允许部分线性模型的线性部分在备选模型间可以不同，而且允许非线性部分的变量在候选模型间可以不同。对此， 本文提出了一种稳健的模型平均方法，其稳健性表现在不需要对选择概率函数指定模型正确，只需要满足选择概率函数的真实模型是其假设参数模型的某个可测函数，这对缺失数据问题的研究是重要的，因为在实际中很难为选择概率函数正确指定参数模型。本文从理论上严格证明了所提的稳健模型平均法可以渐近地实现尽可能小的均方误差。最后，本文通过一些模拟研究对所提方法进行了评估，并将所提方法应用于两个具体实例中。结果表明，所提方法的表现优于现有的其他方法。