关于我校郭朝会老师参与2019重庆市科学技术奖提名的公示

 

关于我校郭朝会老师参与2019重庆市科学技术奖提名的公示

 

根据《重庆市科学技术奖励办法》及《重庆市科学技术奖励办法实施细则》的有关规定，现将我单位郭朝会老师参与申报的奖项进行公示，公示材料附后。公示期：2019年7月16日至2019年7月23日。任何单位或个人对申报项目持有异议的，应当在公示时间内以真实身份书面向重庆师范大学科研处提出,并提供必要的证明材料和有效联系方式。

 

特此公示。

 

 

联系人：李秉祥

 

联系电话：023 65910078

 

邮箱：503540047@qq.com

 

 

重庆师范大学科研处

2019年7月16日

 

 

 

 

一、提名类别：自然奖二等奖

 

二、项目名称：复杂大数据模型选择中的混合参数统计推断与稳健算法研究

 

三、提名单位及提名意见：

 

提名单位：重庆市教育委员会

 

提名意见：我单位严格按照《重庆市科学技术奖励办法》及其实施细则的有关规定和重庆市科学技术奖励工作办公室对推荐工作的具体要求，对推荐书内容及全部附件材料进行了严格审查，确认该成果符合《重庆市科学技术奖励办法实施细则》规定的推荐资格条件，推荐材料全部内容属实，且未发现任何违反《中华人民共和国保守国家秘密法》和《科学技术保密规定》等相关法律法规及侵犯他人知识产权的情形，如被推荐成果发生争议，将积极配合工作，协助调查处理。我单位承诺将严格按照重庆市科学技术奖励工作办公室的有关规定和要求，认真履行作为推荐单位的义务并承担相应的责任。

 

四、项目简介

 

本项目属统计学中的数理统计领域。半参数回归模型的稳健估计和变量选择以及纵向数据下半参数回归模型的组内相关性分析是一个国际国内充满活力的研究领域。半参数模型不仅继承了非参数模型的灵活性同时又具有参数模型易于解释的特点，在当今复杂大数据环境下特别适用于模型选择和统计计算。为了提升统计推断方法的抗干扰性和稳健性，我们对算法进行了一系列的研究，无论在模拟还是实证上都显示了算法的稳健性和可靠性。另外纵向数据作为当前各行各业越来越常用的复杂数据载体形式，如何完善现有的理论、方法和算法体系，成为学术界和应用领域的当务之急。本项目在三项国家自然科学基金项目的资助下，针对半参数模型提出了新的变量选择方法和程序算法，研究了纵向数据的组内相关结构，导出了若干新的定理和提出了新的计算算法，很好地解决了半参数模型研究中的若干前沿科学问题，取得了系列原创性研究成果。主要发现点有：

 

1.针对部分线性单指标模型的两步估计方法，严格推导了模型中指标参数系数向量的两步估计的渐近方差，发现其渐近分布仍然满足千人学者夏应存教授早期提出的经典形式，其结果纠正了已发表在统计学方面权威期刊The Annals of Statistics上论文的重大缺陷。该文由美国加州大学戴维斯分校著名统计学家Jane-lingWang和国家自然科学二等奖获得者朱力行教授等完成，后续有一系列跟踪研究，均发表在国际统计顶级和权威期刊上，为ESI高被引论文。该重大缺陷的发现得到论文原作者的认可，以联合署名的方式将修改论文发表在统计学顶级杂志The Annals of Statistics上，显示了该项发现的重要性。

 

2.关于广义部分线性变系数模型，利用指数得分函数研究了模型中参数和非参数函数的稳健估计，进一步基于光滑阈估计方程选择参数向量中的重要分量。这一成果表明光滑阈估计方程是除惩罚函数之外实现变量选择的又一重要方法，并且可以有效避免惩罚函数在原点不可导的缺陷，使得问题大大简化，运算速度显著提升。

 

3.关于纵向广义线性模型，利用指数得分函数研究了纵向广义线性模型的稳健估计与变量选择，提出了一类稳健且有效的新方法用于解决纵向数据的估计问题，通过SCAD惩罚函数和秩回归函数研究了高维线性模型的稳健变量选择。进一步，针对所提方法提出了一个全新的高效稳定的坐标下降算法，模拟和实证研究都展示了该算法的优异表现。

 

本项目发表SCI论文72篇。

 

五、客观评价

 

经检索，杨虎等所提交的8篇代表性论文均已被SCI收录，这些论文在SCI库内引用总次数为46次，其中SCI库内他引总次数为37次，检索结果的详细情况见附件中的检索报告。代表性评价如下：

 

(1) 代表作[1]指出文献中关于部分线性单指标模型中基于估计方程的指标参数向量两步估计的渐近分布理论的重大缺陷，并得到原作者的认可，以联合署名的方式将修改论文发表在统计学顶级杂志The Annals of Statistics上。该论文 SCI他引2次。

 

(2) 代表作[2]-[6]研究了广义变指标系数回归模型的剖面拟似然估计。利用指数得分函数和B样条基函数近似非参连接函数研究了广义部分线性变系数模型中的参数和非参数函数的稳健估计，进一步基于光滑阈估计方程选择参数向量中的重要分量；在高维线性模型框架下，利用SCAD惩罚函数和秩回归研究回归参数的估计和变量选择问题；进一步，利用指数得分函数和广义估计方程研究高维纵向广义线性模型的稳健估计与变量选择以及利用修正的Cholesky分解处理纵向数据的组内相关性，同时结合稳健的 Huber 函数和广义估计方程研究均值和协方差模型中的参数估计，进一步，借助广义阈广义估计方程实现了均值模型和协方差模型中参数的变量选择问题。SCI他引次数14次，被著名学者Hu Jianhua，Liu Liangyuan ,Liu Xu, Gao Bin,Cui Yuehua在Journal of Multivariate Analysis, Statistical Applications in Genetics andMolecular Biology期刊等上引用，此外引用的杂志还包括 Stochastics and Dynamics等等。

 

(3) 代表作[7]研究了带随机约束的线性模型参数估计，提出了一类新颖的随机约束 Liu 估计，后续许多研究者把该结果推广到了其他回归模型之中，SCI 他引次数 20 次，被著名统计学者 Kibria, B. M. Golam等在 Journal of MultivariateAnalysis以及Journal of Applied Statistics上引用，此外引用的杂志还包括 Statistical Papers，Journal of Statistical Planningand Inference等等。

 

(4) 代表作[8]主要研究了纵向数据分析中基于广义估计方程的模型选择准则及检验问题，导出了文献中有名的相关信息准则CIC的大样本分布，并应用于相应的模型检验之中。该论文结果被美国耶鲁大学生物统计系Tao Wang教授在著名的统计期刊Test上引用。

 

六、代表性论文专著目录

 

1.Tingting Li, Hu Yang,Janeling Wang, Liugen Xue, Lixing Zhu. Correction: Estimation for apartial-linear single-index model. The Annals ofStatistics, 2011, 39 (6): 3441-3443.

 

2.Jing Lv, Hu Yang,Chaohui Guo. An efficient and robust variableselection method for longitudinal generalized linear models. ComputationalStatistics & Data Analysis, 2015, 82: 74-88.

 

3.Hu Yang, Chaohui Guo,Jing Lv. SCAD penalized rank regression with adiverging number of parameters. Journal of Multivariate Analysis, 2015, 133:321-333.

 

4.Chaohui Guo, Hu Yang,Jing Lv. Generalized varying index coefficientmodels. Journal of Computational and Applied Mathematics, 2016, 300: 1-17.

 

5.Jing Lv, Hu Yang,Chaohui Guo. Robust smooth-thresholdestimating equations for generalized varying-coefficient partially linearmodels based on exponential score function. Journal of Computational andApplied Mathematics, 2015, 280: 125-140.

 

6.Chaohui Guo, Hu Yang,Jing Lv. Robust variable selection insemiparametric mean-covariance regression for longitudinal data analysis.Applied Mathematics and Computation, 2014, 245: 343-356.

 

7.HuYang, Jianwen Xu.Analternative stochastic restricted Liu estimator in linear regression.Statistical Papers, 2009, 50(3): 639-647.  

 

8.Jianwen Xu, YouganWang. Intra-cluster correlation structure in longitudinal data analysis:Selection criteria and misspecification tests. Computational Statistics &Data Analysis, 2014, 80: 70-77.

 

六、主要完成人情况

 

杨虎：第一完成人，教授，工作单位：重庆大学，完成单位：重庆大学。作为本项目的第一完成人，参与并指导完成了绝大部分工作，对本项目所有重要科学发现都做出了创造性贡献，是第1、2、3、4、5、6、7篇代表性论文的作者，在该项研究中的工作量占本人工作总量的80%。在他的持续多年指导下，其他成员从本科生通过硕博连读成长为高水平的学术骨干成员。从1986年开始，第一完成人就师从著名统计学家陈希孺院士、王松桂教授、王学仁教授开始了直到今天的线性模型研究，目前是国际线性模型理论的权威学者和集大成者，早在上世纪90年代初就开始从事岭估计的研究和带约束最小二乘研究，发展到今天，产生了大数据时代处理稀疏问题的关键技术LASSO系列技术与算法，本人和所率领的团队持续保持着该方面的国际前沿水平，在国际本方向专业学术期刊发表SCI论文180余篇，曾获得1998年全国统计科技进步二等奖。

 

徐建文：第二完成人，副教授，工作单位：重庆大学，完成单位：重庆大学。在项目研究中主要负责模型的参数估计和模型选择问题，对本项目第2、3项重要科学发现做出了创造性贡献，是第7、8篇代表性论文的作者，在该项研究中的工作量占本人工作总量的70%。在项目中研究了随机约束下线性模型的一类新颖的有偏估计；此外针对纵向数据中的模型选择问题，导出了文献中著名的CIC准则的大样本性质，并应于模型选择和检验之中。

 

郭朝会：第三完成人，副教授，工作单位：重庆师范大学，完成单位：重庆大学。

 

对本项目第1、2、3项重要科学发现做出了创造性贡献，是第2、3、4、5、6篇代表性论文的作者，在该项研究中的工作量占本人工作总量的60%。在项目中主要研究包括在几类半参数模型框架下，基于秩回归、分位数回归等稳健方法研究了参数和非参连接函数的稳健估计和变量选择问题，进一步研究了高维线性模型的变量选择问题并提出了新的坐标下降算法。同时也研究了纵向半参数模型的组内相关性，从而提高估计的效率。

 

李婷婷：第四完成人，副教授，工作单位：西南大学，完成单位：重庆大学。对本项目第1项重要科学发现做出了创造性贡献，是第1篇代表性论文的作者，在该项研究中的工作量占本人工作总量的50%。在项目中主要研究了基于估计方程的部分线性单指标模型的两步估计问题，特别是对估计量的理论渐近性质进行更准确的刻画，首次发现前人研究中存在的缺陷，通过详细推导指出基于估计方程的指标参数向量的两步估计的渐近分布仍然满足经典形式，对文献中的相关结果加以修正。

 

吕晶：第五完成人，讲师，工作单位：西南大学，完成单位：重庆大学。对本项目第1、2、3项重要科学发现做出了创造性贡献，是第2、3、4、5、6篇代表性论文的作者，在该项研究中的工作量占本人工作总量的50%。在项目中主要基于众数回归、分位数回归等稳健方法，研究了几类半参数模型中的参数和非参连接函数的稳健估计和变量选择问题，同时利用修正的Cholesky分解研究了纵向半参数模型的组内相关性，从而提高估计的效率。

 

八、完成人合作关系说明

 

重庆师范大学郭朝会、西南大学吕晶均从硕士开始到博士都在第一完成人指导下从事本项目研究，具体指导时间持续5年，合作完成了本项目相关的代表性论文。西南大学李婷婷从大四本科毕业论文开始就在第一完成人的指导下开展本项目的研究，然后硕士和博士阶段共计持续6年时间接受第一完成人的学术指导，期间前往美国威斯康辛大学麦迪逊分校与著名统计学家张春明教授联合培养一年，更详细情况见附后的完成人合作关系情况汇总表。

 

 

完成人合作关系情况汇总表

 

 

 

承诺：本人作为项目第一完成人，对本项目完成人合作关系及上述内容的真实性负责，特此声明。

 

第一完成人签名：杨虎