主题：An Integrated GMM Shrinkage Approach with Consistent Moment Selection from Multiple External Sources 基于多源外部信息一致矩选择的集成广义矩估计压缩方法
主讲人：美国威斯康星大学麦迪逊分校统计系 邵军教授
主持人：欧洲杯买球app官网副院长 兰伟教授
时间：2024年12月26日（周四）下午15:00-16:00
举办地点：西南财经大学柳林校区诚正楼1320
主办单位：欧洲杯买球app官网 科研处
主讲人简介：
邵军，美国威斯康星大学麦迪逊分校统计系、华东师范大学欧洲杯买球app官网教授，入选国家海外高层次人才计划，国际数理统计学会（IMS）和美国统计学会（ASA）会士。他是Statistical Theory and Related Fields的创始主编，曾担任JASA、Statistica Sinica等众多权威统计学期刊的主编、联合主编及副主编。曾担任美国威斯康星大学麦迪逊分校统计系主任（2005-2009）、国际泛华统计学会会长（2007）。自1987年以来，在统计学领域的国际顶尖期刊上发表论文40余篇，在重抽样技术、变量选择、生物统计和缺失数据的统计处理等方面做了大量开创性工作。
内容简介：
Interest has grown in analyzing primary internal data by utilizing some independent external aggregated statistics for efficiency gain. However, when population heterogeneity exists, inappropriate incorporation may lead to a biased estimator. With multiple external sources under generalized estimation equations and possibly heterogeneous populations, we propose an integrated generalized moment method that can perform a data-driven selection of valid moment equations from external sources and make efficient parameter estimation simultaneously. Moment equation selection consistency and asymptotic normality are established for the proposed estimator. Further, when the sample sizes of all external sources are large compared to the internal sample size, asymptotically the proposed estimator is more efficient than the estimator based on the internal data only and is oracle-efficient in the sense that it is as efficient as the oracle estimator based on all valid moment equations. Simulation studies confirm the theoretical results and the efficiency of the proposed method empirically. An example is also included for illustration.
在分析内部数据时，研究者越来越倾向于利用一些独立的外部汇总信息来提高估计效率。然而，当存在数据异质性时，不恰当的整合可能会导致估计量产生偏差。针对存在多个外部数据源且数据源总体可能存在异质性的广义估计方程，我们提出了一种集成广义矩估计方法，该方法可以从外部数据源中进行数据驱动的有效矩方程选择，并同时进行高效的参数估计。我们为所提出的估计量建立了矩方程选择的一致性和渐近正态性。此外，当所有外部数据源的样本量远大于内部数据样本量时，本文所提出估计量的渐近效率高于仅基于内部数据的估计量，并且具有Oracle效率，即其效率与基于所有有效矩方程的Oracle估计量相当。模拟结果验证了该方法的理论结果和有效性。此外，我们还通过一个实际例子进行了说明。
