检测到您当前使用浏览器版本过于老旧,会导致无法正常浏览网站;请您使用电脑里的其他浏览器如:360、QQ、搜狗浏览器的极速模式浏览,或者使用谷歌、火狐等浏览器。
2025年4月16日上午10:00-11:00,复旦大学戴国榕讲师在崇德西楼815报告厅进行了主题为“Is External Information Useful for Data Fusion? An Evaluation before Acquisition”的学术讲座。
在统计估计问题中,研究者常常希望提高有限维目标参数的估计精度。除了已有的内部数据集外,外部信息(如额外的个体数据或汇总统计量)有潜力通过数据融合技术来提升估计效率。然而,获取外部信息通常需要付出一定成本,因此在实际研究和应用中,如何在不实际获取外部数据的前提下,预判其效用成为一个重要问题。讲座提出了一种基于估计效率的外部信息效用评估指标。该指标定义为在引入外部信息与否两种情形下,目标参数估计的半参数效率界(semiparametric efficiency bounds)之比。这一度量能反映外部信息所能带来的最大潜在效率提升,且不依赖于具体的估计方法。为了在尚未获取外部信息时对该效用进行推断,讲座进一步提出了一种通用的估计策略,基于有效影响函数(efficient influence function)方法,仅利用内部数据构建该效用指标的估计量。在多个具体案例中(目标参数与外部信息形式各异),该方法均表现出良好的适应性和通用性。讲座为每个案例构建了相应的点估计和区间估计,并建立了它们的渐近性质。模拟实验显示,在有限样本下该方法也具有良好的性能,真实数据分析则进一步展示了其实用价值。该框架为科研和商业实践中是否获取外部信息提供了成本效益评估工具,显著提升了决策效率。
讲座结束后,师生们受益良多,对嘉宾的精彩讲座表示感谢。研究院今后会继续邀请专家学者开展讲座,不断拓宽学术视野,欢迎关注公众号的推文。