讲座题目：Simulation-based Sensitivity Analysis for Nonignorably Missing Data

主 讲 人：Dr. Jianqing Shi

讲座时间：2019年4月19日下午1:30时

讲座地点：理学院201报告厅

欢迎专业相关或有兴趣的师生前来学习交流！

理学院

                       2019年4月11日

讲座内容简介：

Sensitivity analysis is popular in dealing with missing data problems particularly for non-ignorable missingness, where full-likelihood method can't be adopted. It analyses how sensitively the conclusions (output) may depend on assumptions or parameters (input) about missing data i.e. missing data mechanism (MDM). In this talk I will discuss a novel approach (Yin and Shi, 2019) on attempting to investigate the possibility of each MDM model assumption, by comparing the simulated datasets from various MNAR models with the observed data nonparametrically, using the nearest-neighbour (KNN) distances. The method is generic. I will demonstrate several examples to demonstrate the performance of the approach.

主讲人简介：

Jianqing Shi，博士，英国纽卡斯尔大学（Newcastle University）统计学教授。南京大学计算数学理学学士；东南大学统计学硕士；香港中文大学统计学博士。主要研究方向为函数型数据的统计分析。在国际学术刊物上发表高水平学术论文多篇，包括统计顶级期刊 JRSS B 和Biometrika。目前担任英国皇家统计协会《应用统计》副主编；Guest AE for JRSS discussion paper；英国 EPSRC数学学科科研经费评审委员会委员；英国APTS研究生课程全国执行委员会委员；校云计算和大数据研究培训中心副主任；院应用统计和概率研究室主任；院统计学科研究生主任；院国际事务主任；院科研委员会委员；院招生委员会委员；英国Alan Turing 研究所Turing fellow。 2008年获邀任剑桥大学世界最顶级数学学院之一牛顿学院访问研究员；2011年获美国统计协会非参数统计分会年度最佳论文奖；2012年获英国 Wellcome trust Health Innovation Challenge Fund，共计210万英镑；2011年在最著名统计学出版社Chapman & Hall 出版专著：Gaussian Process Regression Analysis for Functional Data。