Penalized empirical likelihood for high-dimensional generalized linear models

报告人：陈夏
报告地点：数学与统计学院415报告厅
报告时间：2018年11月29日星期四09:30-10:30
报告摘要：

We develop penalized empirical likelihood for parameter estimation and variable selection in high-dimensional generalized linear models. By using adaptive lasso penalty function, we show that the proposed estimator has the oracle property. Also, we consider the problem of testing hypothesis, and the nonparametric profiled empirical likelihood ratio statistic has asymptotic chi-square distribution. Some simulations and an application are given to illustrate the performance of the proposed method.

主讲人简介：
陈夏，陕西师范大学数学与信息科学学院副院长，统计系主任，武汉大学概率论与数理统计专业博士，北京师范大学博士后，美国爱荷华州立大学访问学者，陕西省统计学学会副理事长。主要研究方向是高维数据统计分析，目前已在《Journal of Multivariate Analysis》、《Statistics》、《Communication in Statistics- Simulation and Computation》和《中国科学》等期刊上发表20余篇论文，在科学出版社出版专著1部，教材1部。主持完成国家自然科学基金青年基金、国家自然科学基金数学天元基金和陕西省自然科学基础研究计划项目各一项。目前主持教育部人文社科研究项目一项。