7月20日 Lu Wenbin:Multiplicative Structural Nested Mean Model for Zero-Inflated Outcomes


主讲人简介:

  Lu Wenbin教授来自美国北卡罗来纳州州立大学(North Carolina State University)统计系。他在2003年在美国哥伦比亚大学(Columbia University)统计系获得博士学位。吕文斌教授的研究领域涉及生物统计、高维数据分析、精准医疗中的统计学习和机器学习方法、网络数据分析等。他在Biometrika、Journal of the AmericanStatistical Association、Journal of the RoyalStatistical Society (Series B)、Annals of Statistics和Journal of Machine Learning Research等国际顶级学术期刊上发表论文100余篇。他的研究工作部分得到了美国国家卫生院(National Institute ofHealth)的多项基金支持。吕文斌教授是Biostatistics、Biometrics和Statistica Sinica副主编,并且担任美国统计学会(American Statistical Association)会士(fellow)。


内容简介:

  零膨胀结果变量在许多实际应用中都很常见。在本项工作中,受免费增值手机游戏数据的驱动,我们对零膨胀非负结果变量提出了一族乘积结构嵌套均值模型。当存在随时间变化的混杂因素时,它可以灵活地描述一列处理方案的联合效应。我们所提出的估计量是一个双稳健估计方程的解,其中冗余参数、倾向得分和给定混杂因素条件下的条件结果变量的均值由参数的或者非参数的方法进行估计。为了改善精度,我们利用零膨胀结果变量的特征,将条件均值分成两部分进行估计,即对给定混杂因素的条件下结果变量取正值的概率、以及同时给定取正值和混杂因素的条件下的结果变量的均值分别进行建模。我们证明了当样本量或者跟踪时间趋于无穷时,所提出的估计量是相合的并且渐近服从正态分布。进一步,如果不考虑由于估计冗余函数导致的不确定性,典型的三明治公式可以相合地估计处理效应估计量的方差。我们进行了仿真模拟,并应用到了一个免费增值手机游戏数据集中,以说明所提出方法的经验性能并为理论结果提供支持。