学术报告

题      目：Estimation and inference for ultra-high dimensional quasi-likelihood models based on data splitting

报  告  人：蒋学军   副教授  (邀请人：吴琴 )

                                     南方科技大学

时      间：5月16日  15：15-16：00

地     点：数科院西楼二楼会议室

报告人简介:

       蒋学军，南方科技大学统计与数据科学系副教授（长聘），博士生导师，于2009年博士毕业于香港中文大学统计系，2009-2010在港中文从事博士后研究，2010-2013任中南财经政法大学副教授，于2013年07月加入南方科技大学，入选深圳市海外高层次人才孔雀计划（2016），曾获南方科技大学杰出教学奖（2018），深圳市优秀教师（2018），主持和完成国家（广东省）自然科学基金、深圳市基础研究面上项目等10余项。其主要研究方向包括分位数回归、变量选择、假设检验、高维统计推断，金融统计与计量等，已发表包括Bernoulli Journal , Statistica Sinica, Econometrics Journal, Insurance: Mathematics and Economics等在内的SCI&SSCI论文50余篇，授权专利1项，并出版英文教材一部。国内学会任职主要有中国现场统计研究会-教育统计与管理分会副理事长，多元分析应用专业委员会秘书长等。

摘      要：

       In this article, we develop a valid framework for inference of ultra-high dimensional quasi-likelihood models, based on a novel weighted estimation approach and a data splitting technique. The optimal weight is obtained by maximizing the efficiency of the estimator. Using the weighted estimator, we construct confidence intervals for some group components of the regression coefficient vector and perform the Wald test for a linear structure of the group components.