主題：An Integrated GMM Shrinkage Approach with Consistent Moment Selection from Multiple External Sources 基于多源外部信息一致矩選擇的集成廣義矩估計壓縮方法

主講人：美國威斯康星大學麥迪遜分校統計系 邵軍教授

主持人：統計學院副院長 蘭偉教授

時間：12月26日15:00-16:00

地點：柳林校區誠正樓1320

主辦單位：統計學院 科研處

主講人簡介：

邵軍，美國威斯康星大學麥迪遜分校統計系、華東師范大學統計學院教授，入選國家海外高層次人才計劃，國際數理統計學會（IMS）和美國統計學會（ASA）會士。他是Statistical Theory and Related Fields的創始主編，曾擔任JASA及Statistica Sinica等眾多權威統計學期刊的主編、聯合主編及副主編；曾任美國威斯康星大學麥迪遜分校統計系主任（2005-2009）、國際泛華統計學會會長（2007）。自1987年以來，在統計學領域的國際頂尖期刊上發表論文40余篇，在重抽樣技術、變量選擇、生物統計和缺失數據的統計處理等方面做了大量開創性工作。

內容提要：

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.

在分析內部數據時，研究者越來越傾向于利用一些獨立的外部匯總信息來提高估計效率。然而，當存在數據異質性時，不恰當的整合可能會導致估計量產生偏差。針對存在多個外部數據源且數據源總體可能存在異質性的廣義估計方程，我們提出了一種集成廣義矩估計方法，該方法可以從外部數據源中進行數據驅動的有效矩方程選擇，并同時進行高效的參數估計。我們為所提出的估計量建立了矩方程選擇的一致性和漸近正態性。并且當所有外部數據源的樣本量遠大于內部數據樣本量時，本文所提出估計量的漸近效率高于僅基于內部數據的估計量，且具有Oracle效率，即其效率與基于所有有效矩方程的Oracle估計量相當。模擬結果驗證了該方法的理論結果和有效性。此外，我們還通過一個實際例子進行了說明。