项目名称申报奖种提名专家意见-山东大学科学技术研究院.PDFVIP

一、项目名称 若干复杂和高维模型中的稳健和适应性推断方法 二、申报奖种 山东省自然科学奖 三、提名专家意见 该项目研究复杂和高维模型中的稳健和适应性推断方法，研究内容涉及 现代统计学中几个重要研究方向。这是具有挑战性的课题，有重要的科学意义。 一、该项目在非参数和半参数模型方面获得如下成果： 1. 对于在医学和生物等方面有重要应用的协变量调整模型，以前的统计推断 方法只能适应于线性模型。该项目提出的方法具有广泛的适应性，可用于线性、 非线性和非参数模型。 2. 当半参数估计方程含有讨厌参数的估计时，怎么降低估计方程的偏，一直 是统计学者感兴趣的难题。该项目用函数中心化和两步估计方法，解决了估计方 程纠偏的问题，使得含非参数讨厌参数的统计推断得到标准的理论结果。 3. 该项目提出了再回归复合方法，所得非参数模型中的导数估计有最优收敛 速度和最小渐近方差，迄今为止，这是最好的理论结果。 二、该项目在高维模型方面获得如下成果： 1. 现有高维模型的特征筛选方法，受到模型结构和条件的限制。该项目提出 了一种信息流技术，通过把变量投影到信息流，降低模型条件，得到了高维非参 数模型中稳健的特征筛选方法。 2. 该项目提出了一种变量中心化方法，从而降低高维变量的相关性，得到适 应于变量相关的特征筛选结果。 该项目的成果有理论和方法上的创新，多篇论文发表在国际顶级和重要期刊， 得到多篇统计学、机器学习和工程技术等顶级期刊论文的引用和好评，论文获得 的理论和方法有较大的影响。 我提名该项目参评山东省自然科学奖一等奖。 彭实戈 该项目研究复杂和高维统计模型的若干问题，涉及当前统计学几个重要的研 究方向，有重要的科学意义，研究课题具有挑战性。 协变量调整模型是医学和生物中的重要模型，而之前的统计推断方法只能适 应于线性模型。该项目提出了基于协变量预测的统计推断方法，该方法简单易行， 并具有广泛的适应性，解决了协变量调整线性、非线性和非参数等模型的统计推 断问题。对半参数模型，该项目提出的估计方程纠偏和正则化方法，具有重要的 理论和实际意义。该项目通过函数中心化，解决了估计方程纠偏的问题，使得统 计推断得到标准的理论结果。该项目通过正则化方法，能在参数和非参数之间找 到平衡，得到半参数模型中适应性推断方法。对非参数模型，该项目巧妙地利用 估计量的渐近表示，提出了一种再回归复合方法，得到的非参数模型导数估计有 最优收敛速和最小方差。迄今为止，这是最好的理论结果。 高维统计模型，是当前统计界的重要研究课题，模型变量选择和降维，是重 要的研究方向。而现有高维模型的特征筛选方法，受到模型结构和条件的限制。 该项目提出了信息流方法，把变量投影到信息流，从而可降低模型条件。该项目 用中心化方法，降低高维变量的相关性，得到适应于变量相关性特征筛选结果。 本项目的成果发表在国际顶级期刊Ann. Statist.和Journal of Machine Learning Research 和重要期刊，并得到国际顶级统计学家Peter Hall 和Hua Liang 等的文 章的好评。 我提名申请人参评山东省自然科学奖一等奖。 王兆军 四、项目简介 复杂和高维统计模型是现代统计学的重要研究方向，有诸多挑战性的问题。我们 从2008 年起，研究若干复杂和高维统计模型，提出了稳健和适应性统计推断方 法，在2008-2016 年期间，在国际顶级和重要期刊发表相关论文30 余篇，被引 用近200 次。现就8 篇二区以上代表作取得的成果，总结如下。 一、协变量调整模型的变量预测方法 对协变量调整模型，现有方法只适用于线性模型。研究适应于多种模型的统 计推断方法具有重要的意义。我们提出了协变量预测方法，其代表作[1]发表在 统计学顶级期刊Ann. Statist. 。方法有如下特点：这是一种统一的参数估计方法， 适用于线性、非线性、非参数和半参数等模型；方法计算简单；有很好的统计性 质。很多文献用我们的方法构造各种模型的参数估计和一般的统计推断。著名统 计学家Peter Hall （曾任Ann. Sta