【专家简介】：邵军，美国威斯康辛-麦迪逊大学统计系教授，国际数理统计学会及美国统计学会的Fellow, 国际泛华统计学会主席。2005-2009任威斯康星大学统计系主任，现为华东师范大学特聘教授。曾任JASA、StatisticaSinica副主编，Journal of Multivariate Analysis和Sankhya联合主编，现任Journal of Nonparametric Statistics 主编，Journal of System Science and Complexity联合主编，2017年联合创立Statistical Theory and Related Fields 并担任总编辑。主要研究方向是刀切法、自助法等重抽样，高维数据变量选择，缺失数据，纵向数据等。发表论文180多篇，出版专著6本。

【报告摘要】：由于数据收集和存储的进步，现代科学研究和实践中的统计分析有机会利用外部信息，例如类似研究的汇总统计。假设外部数据和主要内部数据的分布相同时，已有文献中提出了一种基于参数模型假设的似然方法可以分析外部汇总信。在本文中，我们转而考虑用于统计推断的广义估计方程（GEE）方法，它是半参数的或非参数，并展示了即使在内部和外部数据总体不相同的情况下如何利用外部汇总信息。我们的方法是将内部数据和外部汇总信息耦合起来，形成额外的估计方程，然后应用广义矩（GMM）。我们证明了所提出的GMM估计量是渐近正态的，并且在某些条件下，它比不使用外部汇总信息的GEE估计量更有效。还提出了GMM估计量的渐近协方差矩阵的估计。模拟结果证实了我们的理论，并量化了利用外部数据的改进。

时间：2023年4月24日14:30

地点：位育楼417