10月16日 | 陈雪蓉:Non-ignorable missing data, single index propensity score and profile synthetic distribution function

时间:2020-10-12浏览:234设置

时  间:2020年10月16日(周五) 10:00-11:00

地  点:腾讯会议 ID:207 363 438

题  目:Non-ignorable missing data, single index propensity score and profile synthetic distribution function

主讲人:陈雪蓉  西南财经大学统计科学中心副教授

摘  要:In missing data problems, missing not at random is difficult to handle since the response probability or propensity score is confounded with the outcome data model in the likelihood. Existing works often assume the propensity score is known up to a finite dimensional parameter. We relax this assumption and consider an unspecified single index model for the propensity score. A pseudo-likelihood based on the complete data is constructed by profiling out a synthetic distribution function that involves the unknown propensity score. The pseudo-likelihood gives asymptotically normal estimates. Simulations show the method compares favourably with existing methods.

报告人简介:

陈雪蓉,西南财经大学统计学院统计研究中心副教授、博士生导师。云南大学和中科院数学与系统科学研究院联合培养博士,美国密苏里大学统计系、乔治城大学生物统计博士后,香港城市大学、香港大学和密歇根大学访问学者。在JASA,Statistica sinica,SJS等统计学期刊发表论文20余篇,其中缺失数据分位数回归的工作获得了“第八届高等学校科学研究优秀成果奖(人文社会科学)青年成果奖”。现为中国优选法统筹法与经济数学研究会数据科学分会常务理事、中国现场统计研究会资源与环境统计分会副秘书长及常务理事,中国现场统计研究会经济与金融统计分会常务理事。其研究领域包括:流数据分析,多源数据分析,高维数据,缺失数据,纵向数据,生存分析,非参数半参数建模推断,分位数回归,变点分析等。

 


返回原图
/