我院长聘副教授张政与墨尔本大学讲师黄薇合作发表高水平论文

2023-04-04

我院长聘副教授张政与墨尔本大学讲师黄薇在统计学顶级期刊Journal of the Royal Statistical Society: Series B发表合作论文。该论文研究测量误差数据下的因果分析问题，文中基于反卷积核与广义经验似然的思想，提出了连续平均处理效应的一种非参数识别与估计方法，并建立了大样本统计理论。

论文概述

We identify the average dose-response function (ADRF) for a continuously valued error contaminated treatment by a weighted conditional expectation. We then estimate the weights nonparametrically by maximising a local generalised empirical likelihood subject to an expanding set of conditional moment equations incorporated into the deconvolution kernels. Thereafter, we construct a deconvolution kernel estimator of ADRF. We derive the asymptotic bias and variance of our ADRF estimator and provide its asymptotic linear expansion, which helps conduct statistical inference. To select our smoothing parameters, we adopt the simulation-extrapolation method and propose a new extrapolation procedure to stabilise the computation. Monte Carlo simulations and a real data study illustrate our method’s practical performance.

发表页面

作者简介

张政，中国人民大学统计与大数据研究院长聘副教授。2011年于东南大学数学系获学士学位，2015年于香港中文大学统计系获博士学位，2016年9月-2022年8月于中国人民大学统计与大数据研究院任助理教授， 2022年9月至今任长聘副教授。张政博士为研究院2015年成立后引入的第一批青年教师，他的主要研究方向为因果推断，迄今以主要作者身份在Journal of the Royal Statistical Society (Series B)，Quantitative Economics, Journal of Econometrics, Journal of Business & Economic Statistics, Stochastic Processes and their Applications, Statistica Sinica等国际一流统计与计量经济学期刊上发表论文14篇。

近两年主要成果

(1) 2022年发表在Journal of Econometrics上的论文Ai, Sun, Zhang, Zhu, 2022提出了一种基于互信息的独立性检验方法，有效地解决了传统非参数检验中的“维数灾难”和检验功效损失的问题。

(2) 2022年发表在Journal of Econometrics上的论文Ai, Linton, and Zhang (2022)提出了连续处理变量的分布效应、分位数效应的非参数估计量，建立了估计量的大样本统计理论，证明了所提出的估计方法具有Oracle性质。

(3)2022年发表在Journal of Business & Economic Statistics上的论文Huang, Linton, and Zhang (2022)提出了连续处理效应模型的有效检验方法。

(4) 2021年发表在Quantitative Economics上的论文Ai, Linton, Motegi, and Zhang (2021)提出了统一的凸优化框架研究广义连续处理效应，首次建立了广义连续处理效应模型的半参数有效界和有效估计方法。