报告题目：基于MM算法的弱变量动态稳健选择方法研究

报告时间：2022年7月17日上午10:00

会议链接：https://meeting.tencent.com/dm/xRzSn9vx5BCx

会议 ID：621-981-997 

主办单位：研究生院/数学与统计学院

主讲人：许林

许林简介：本科毕业于长春工业大学信息与计算科学专业，硕士和博士毕业于东北师范大学数学与统计学院，并于加州大学河滨分校完成2年期博士后研究，现任浙江财经大学数据科学学院应用统计系副教授，硕士研究生导师；研究方向为：纵向数据分析；稳健估计；因果推断；经验似然理论等。主持完成省部级科学基金两项。近几年在JMVA、SII、CSDA等统计学杂志发表论文8篇。

摘要：基于惩罚过程的变量选择方法在不同的模型拟合过程中通常依赖于固定的阀值进行静态的变量筛选。从而无法实现单次模型拟合过程中即时最优变量选择。本文将 Two—step  Estimator 与变量选择方法结合提出一个更为简单的惩罚分位数回归方法，并在 MM 算法的基础上，提出了一个改进的替代函数。在文中，我们利用渐进理论证明了新替代函数的算法与原替代函数的算法具有相同的收敛性；与此同时，我们比较并讨论了两种替代函数的性能，数值模拟结果表明，当迭代估计的初始值较大时，本文所提出的替代函数的性能较好。