Two-step wavelet-based estimation for mixed Gaussian fractional processes
混合高斯分数过程$\{Y(t)\}_{t \in {\Bbb R}} = \{PX(t)\}_{t \in {\Bbb R}}$是通过将独立的高斯分数过程项$X$的向量预乘以非奇异矩阵$P$而获得的多变量随机过程。它被解释为$Y$是可观察的，而$X$是发生在（未知）坐标系$P$中的隐藏过程。混合过程自然地出现作为近似的解决方案的物理相关类的多变量分数阶随机微分方程下的聚合。我们提出了一个半参数两步小波基方法估计的分层矩阵$P^{-1}$和记忆参数的$X$。在连续时间和离散时间下，建立了估计量的渐近正态性。Monte Carlo实验表明，有限样本估计性能与参数方法相当，同时计算效率非常高。作为应用，我们建立了一个二元时间序列的年轮宽度测量，并建立了样本小波矩阵的特征结构的渐近正态性。
2017-08-10 math.ST stat.TH
Asymptotic normality of simultaneous estimators of cyclic long-memory processes
非零频率处的谱奇异性在研究周期性或季节性时间序列中起着重要的作用。出版物[2]介绍了广义滤波矩量法同时估计奇点位置和长记忆参数。本文继续研究这些同时估计。广泛的一类Gegenbauer型半参数模型被认为是。证明了循环参数和长记忆参数的几种统计量的渐近正态性。提出并研究了新的调整后估计数。数值结果说明了理论研究结果。该方法包括小波变换作为一个特定的情况下。
2020-11-12 math.PR math.ST stat.TH
Optimal Uniform Convergence Rates and Asymptotic Normality for Series Estimators Under Weak Dependence and Weak Conditions
我们证明了弱相依回归变量的样条和小波级数回归估计达到Stone（1982）的最优一致（即超范数）收敛速度$(n/\log n)^{-p/(2p+d)}$，其中$d$是回归变量的个数，$p$是回归函数的光滑性.即使对于$d/p<2$具有有限$(2+(d/p))$阶绝对矩的重尾鞅差误差，也能获得最优速率.在较弱的条件下，我们还建立了条件均值函数的可能非线性、非正则泛函的t统计量的渐近正态性。通过导出一个新的弱相依随机矩阵和的指数不等式，证明了上述结果。
2015-03-10 math.ST stat.TH
Robust Nonparametric Two-Sample Tests via Mutual Information using Extended Bregman Divergence
Novartis AG（诺华公司）
本文提出基于扩展Bregman散度的互信息非参数两样本检验，具有稳健性和高渐近效率，通过模拟验证其在污染下的优越性能。
2026-02-03 stat.ME
Self-similar prior and wavelet bases for hidden incompressible turbulent motion
Inria Rennes（雷恩国家信息与自动化研究所）
针对从图像序列估计湍流这一病态逆问题，提出基于散度自由各向同性分数布朗运动的自相似先验模型，并利用小波基实现有效求解。
2014-03-13 cs.CV cs.NA math.NA
Bounds for the covariance of functions of infinite variance stable random variables with applications to central limit theorems and wavelet-based estimation
我们建立了一大类无穷方差稳定随机变量的函数的协方差的界，包括无界函数，如幂函数和对数。这些界限涉及的措施之间的依赖稳定的变量，其中一些是新的。利用该界还推导了稳定滑动平均时间序列的无界函数的中心极限定理。这个结果推广了Tailen Hsing和作者关于稳定移动平均线的有界函数的中心极限定理的早期结果。它可以用来证明分数阶稳定运动中自相似参数的小波估计的渐近正态性。
2007-11-28 math.ST stat.TH
A note on the asymptotic distribution of the minimum density power divergence estimator
在不同于Basu等人最初提供的正则性条件下，我们建立了最小密度幂散度估计的相合性和渐近正态性.
2006-11-07 math.ST stat.TH
Parameter estimation based on cumulative Kullback-Leibler divergence
本文基于连续环境下生存函数的Kullback-Leibler散度，给出了统计模型参数的一些估计。我们证明了所提出的估计是“广义估计方程”估计的子类。研究了估计量的渐近性质，如相合性、渐近正态性、渐近置信区间和渐近假设检验。
2016-06-29 math.ST stat.TH
Robust Estimation of Polychoric Correlation for Complex Survey Designs Using Minimum Divergence Methods
George Mason University（乔治梅森大学）
针对调查数据污染问题，提出基于Hellinger距离和负指数差异的鲁棒多分格相关估计器，结合Horvitz-Thompson调整频率，并引入惩罚岭和Lasso变体，理论证明一致性和渐近正态性，模拟实验展示不同污染场景下的性能优势。
2026-06-26 stat.ME
On Estimating $L_2^2$ Divergence
我们给出了两个连续分布之间的$L_2^2$分歧的非参数估计的一个全面的理论刻画。我们首先约束我们的估计的收敛速度，表明它是$\sqrt{n}$一致的密度是足够光滑的。在这个光滑的制度，我们然后证明，我们的估计是渐近正态的，构造渐近置信区间，并建立一个Berry-Eschéen风格的不等式特征的收敛到正态的速度。我们还证明了该估计量是极小极大最优的。
2014-10-30 stat.ML
Non-Linear Wavelet Regression and Branch & Bound Optimization for the Full Identification of Bivariate Operator Fractional Brownian Motion
自相似性被广泛认为是模拟真实世界数据尺度特性的参考框架。然而，大多数理论研究和实际应用仍然是单变量的。算子分数布朗运动（OfBm）是近年来提出的一种描述自相似性的多变量模型。然而，它仍然很少在应用中使用，因为在其众多参数的联合估计中出现了严重的问题。虽然单变量分数布朗运动只需要估计两个参数，其仅仅二元扩展已经涉及7个参数，这是非常不同的性质。本发明提出了一种用于完全识别双变量OfBm（即，所有参数的联合估计），通过一个原始的配方，作为一个非线性小波回归加上定制的分支定界数值方案。估计性能（一致性和渐近正态性）的数学建立和数值评估的Monte Carlo实验。定义OfBm的参数对估计性能以及相关计算成本的影响也进行了深入研究。
2016-08-28 math.PR math.ST stat.TH
A New Estimator of Kullback--Leibler Divergence via Shannon Entropy
Faculty of Science, Department of Statistics, Cumhuriyet University（居米舍特大学理学院统计学系）；Department of Mathematics, Linköping University（林雪平大学数学系）
本文提出了一种基于香农熵的KL散度估计器，通过k近邻方法改进了KL散度估计，并通过蒙特卡罗实验验证了其在高维数据中优于传统正态性检验的性能。
2026-03-06 math.ST stat.TH
Robust and Smooth Estimation of the Extreme Tail Index via Weighted Minimum Density Power Divergence
本文针对 Pareto 型分布尾指数，在密度幂散差中引入权重函数，提出兼具稳健性与平滑性的估计量类别，证明其一致性和渐近正态性，并通过模拟评估有限样本表现。
2025-07-24 math.ST stat.TH
Multivariate f-Divergence Estimation With Confidence
f-散度估计问题在机器学习、信息论和统计学领域中很重要。虽然存在几个非参数散度估计，相对较少的已知收敛性。特别是，即使对于那些估计的MSE收敛速度是已知的，渐近分布是未知的。我们建立了一个最近提出的合奏估计的f-发散两个分布之间的有限数量的样本的渐近正态性。该估计器具有O（1/T）的MSE收敛速度，易于实现，并且在高维情况下表现良好。该理论使我们能够执行基于发散的推理任务，例如基于经验样本测试分布对的相等性。我们实验验证我们的理论结果，并作为一个例子，使用它们来经验约束最佳可实现的分类错误。
2014-11-07 cs.IT math.IT stat.ML
How to detect a biased sample using the Renyi divergence measure?
Cochin University of Science and Technology（科钦科学与技术大学）
研究如何用雷尼散度测度检测有偏样本，提出针对未删失和I型删失数据的统计检验方法，通过模拟得临界值，经功效研究与其他检验比较，并分析真实数据集，展示该方法检测长度偏差实用价值。
2026-07-22 stat.OT
Estimation of Tsallis entropy and its applications to goodness-of-fit tests
Indian Institute of Science Education and Research Kolkata（印度科学教育研究所加尔各答分校）；McMaster University（麦克马斯特大学）；Atilim University（阿提利姆大学）
本文提出基于高阶样本间距和分位数函数的Tsallis熵估计方法，并应用于正态和指数分布的拟合优度检验，通过模拟验证其有效性。
2026-02-09 stat.ME
A Componentwise Estimation Procedure for Multivariate Location and Scatter: Robustness, Efficiency and Scalability
Bethune College（贝休恩学院）；Indian Statistical Institute（印度统计研究所）
本文提出了一种新的稳健且高效的估计方法，用于估计椭圆对称分布的位置和散射矩阵，通过最小密度幂分歧方法改进，具有良好的鲁棒性和可扩展性。
2025-11-20 stat.ME
Estimation of quantile inequality curves and measures based on grouped data
Wrocław University of Science and Technology（弗罗茨瓦夫科技大学）；Institute of Mathematics Polish Academy of Sciences（波兰科学院数学研究所）
该研究针对分组数据，采用最小散度法估计分位数不平等曲线与测度，证明了估计量的一致性和渐近正态性，经模拟验证并通过真实数据应用说明方法有效性。
2026-08-04 math.ST stat.AP stat.ME
Divergence-Minimization for Latent-Structure Models: Monotone Operators, Contraction Guarantees, and Robust Inference
George Mason University（乔治梅森大学）
本文提出发散最小化框架，通过残差调整发散量实现稳健推断，结合惩罚准则和样本分割确定混合组件数量，展示其在混合和图像分割任务中的稳定性与准确性。
2025-11-22 cs.IT math.IT math.OC
Universally Optimal Robustness-Efficiency Tradeoffs for a General Class of Minimum Divergence Estimators
Washington University in St. Louis（华盛顿大学圣路易斯分校）；Duke University（杜克大学）；Indian Statistical Institute（印度统计研究所）
研究在稳健统计中平衡估计器在理想条件下的效率及其在污染下的稳健性这一问题，通过研究广义α-β散度族明确帕累托前沿，给出最优调整参数，为稳健推断中最优散度选择问题提供理论解决方案。
2026-07-07 math.ST stat.TH
Robust Inferential Methodology for Multidimensional Diffusion Processes
Interdisciplinary Statistical Research Unit, Indian Statistical Institute（印度统计研究所交叉学科统计研究单元）
本文提出基于最小密度幂分歧估计器的稳健参数估计与检验方法，用于高频观测的多维扩散过程，证明了参数估计的一致性和渐近正态性，并展示了其在处理异常值和模型不准确时的鲁棒性。
2026-03-13 stat.AP stat.ME
Statistical Inference in Causal Partial Identification with Smooth Densities
Stanford University（斯坦福大学）；University of Southern California（南加州大学）
本文提出了一种基于小波的条件最优传输方法，利用协变量和潜在结果的平滑性，以实现具有多变量结果和协变量的因果部分识别的统计推断。
2026-02-24 math.ST stat.TH
Geometric Information Decomposition for Weighted Empirical Measures on the Sphere
Baruch College（巴鲁克学院）；Yale University（耶鲁大学）
研究单位球面上加权概率测度的方向不确定性，传统方法用von Mises-Fisher分布不完整，引入几何信息分解（GID），通过球面特征拟合最大熵投影序列，证明相关性质，实验展示不同情况下GID作用。
2026-07-31 stat.ME
Approximating $f$-Divergences with Rank Statistics
Department of Mathematics, Technical University of Munich \& Munich Center for Machine Learning, Germany. The majority of the work was conducted while at the Institute of Mathematics at the Technical University of Berlin, Germany \& the Berlin Mathematical School.；Department of Signal Theory
提出一种基于秩统计量的 $f$-散度近似方法，通过直接处理秩分布避免显式密度比估计，并证明其单调性、下界性质及收敛速率，同时扩展到高维数据的切片版本。
2026-06-01 cs.LG stat.ML
A Composite Divergence Approach to Robust Multivariate Estimation under Cellwise and Casewise Contamination
Indian Statistical Institute（印度统计研究所）；University of Trento（特伦托大学）
该研究提出复合密度幂散度（CDPD），构建最小CDPD估计量（MCDPDE），结合复合似然的计算可扩展性与密度幂散度的稳健性，可同时抵御单元式与个案式污染，且已通过R包mvdpd实现，模拟与实证显示其稳健性优于极大复合似然估计且效率相当。
2026-08-20 math.ST stat.CO stat.ME
Asymptotic distribution and convergence rates of stochastic algorithms for entropic optimal transportation between probability measures
针对熵正则最优传输的 Sinkhorn 散度估计，论文提出基于半对偶形式的 Robbins-Monro 递推随机算法，证明其在离散与半离散情形下的几乎必然收敛、渐近正态性及期望超额风险收敛速率。
2024-12-09 math.ST stat.TH
The empirical discrete copula process
本文提出有限支撑离散 copula 的 Csiszár I-投影估计框架，证明其强一致性与 root-n 渐近正态性，并用于 Yule 系数分布推导和多元列联表拟独立性检验。
2025-06-14 math.ST stat.ME stat.TH
Estimation of entropy-type integral functionals
密度的熵型积分泛函在数理统计、信息论和计算机科学中有着广泛的应用。示例包括分布之间的接近度的度量（例如，密度功率发散）和随机变量的不确定性特性（例如，Rényi熵）。本文研究了一类泛函的U-统计量估计。估计量是基于ε-关闭向量观测相应的独立和同分布的样本。我们证明了估计的渐近性质（一致性和渐近正态性）在温和的可积性和光滑性条件下的密度。结果可以应用于数理统计和计算机科学中的各种问题（例如，分布识别问题、随机数据库的近似匹配、双样本问题）。
2013-03-07 math.ST stat.TH
Consistency Bands for divergences measures
该研究用小波方法估计密度，结合中值定理推导特殊散度度量的渐近性质，构建其一致性带，为相关统计分析提供理论支撑。
2026-08-19 math.ST stat.ME stat.TH
Fast, asymptotically efficient, recursive estimation in a Riemannian manifold
黎曼流形中的随机优化问题，特别是黎曼随机梯度法，近年来引起了人们的广泛关注。目前的工作适用于随机优化的统计参数，属于黎曼流形的递归估计的任务。粗略地说，这项任务相当于统计发散函数的随机最小化。下面的问题被认为是：如何获得快速，渐近有效的，递归估计，使用黎曼随机优化算法与减少步长？在解决这一问题时，介绍了几个有独创性的结果。首先，在没有任何凸性假设的发散函数，它被证明，与一个适当的步长选择，算法计算递归估计，实现快速的非渐近收敛速率。其次，通过采用一种新的线性化技术，证明了这些递推估计的渐近正态性。第三，它被证明，当Fisher信息度量用于指导算法，这些递归估计达到最佳的渐近收敛速率，在这个意义上，他们成为渐近有效的。这些结果，而相对熟悉的欧几里德的背景下，在这里制定和证明的第一次，在黎曼的背景下。此外，他们示出了一个数值应用程序的递归估计的椭圆轮廓分布。
2018-08-13 math.ST stat.TH
Robust Two-Step Wavelet-Based Inference for Time Series Models
复杂的时间序列模型，例如具有附加噪声、随机游动、舍入误差和/或漂移的ARMA $(p,q)$模型（之和），越来越多地用于在诸如生物学、生态学、工程学和经济学等领域中的数据分析，其中所观察到的信号的长度可能非常大。对这些模型进行推断和/或从这些模型进行预测可能是非常具有挑战性的，原因有几个：（i）数据可能包含可能对估计过程产生不利影响的离群值;（ii）当模型包括不止几个参数和/或时间序列很大时，计算复杂度可能变得过高;（iii）模型构建和/或选择为先前的任务增加了另一层（计算）复杂性;以及（iv）同时解决（i）、（ii）和（iii）的解决方案在实践中不存在。出于这个原因，本文的目的是共同应对这些挑战，提出了一个总体框架，稳健的两步估计的基础上有界影响M估计的小波方差。在这个角度来看，我们首先开发的联合渐近正态性的条件，后者估计，从而提供必要的工具来执行（直接）推理基于尺度的信号分析。利用模型独立的第一步估计的权重，只计算一次，然后我们开发的渐近性质的两步鲁棒估计使用的框架的广义小波矩方法（GMWM），因此定义的鲁棒GMWM（RGMWM），我们然后使用鲁棒模型估计和推理的计算效率的方式，即使是大的时间序列。仿真研究表明，良好的有限样本性能的RGMWM估计和应用的例子突出了所提出的方法的实际意义。
2020-01-13 stat.ME
A Weighted Likelihood Approach Based on Statistical Data Depths
本文提出基于统计数据深度的加权似然估计方法，通过比较观测相对于模型与样本的深度差异进行降权，在保持与MLE相同渐近效率的同时实现高稳健性，并适用于高维数据。
2025-07-22 math.ST stat.TH
Asymptotic analysis of ML-covariance parameter estimators based on covariance approximations
针对高斯随机场的协方差参数估计，提出截断似然函数近似方法，证明在紧支撑情形下估计量的一致性和渐近正态性，并推广至锥化情形，实现渐近最小化KL散度。
2023-11-15 math.ST stat.TH
Simultaneous Mean-Variance Regression
我们提出了同时均值-方差回归的线性估计和近似的条件均值函数。在未知形式的异方差的存在下，我们的方法通过使用与平均回归参数共同确定的权重来解释在条件变量的支持下回归结果的不同分散度。同时性生成保证改善普通最小二乘法预测误差的结果预测，以及自动有效的相应参数标准误差。根据形状误指定的条件均值和方差函数，我们建立的存在性和唯一性的近似和表征其形式的解释和鲁棒性。特别是，我们表明，相应的均值-方差回归位置尺度模型弱主导的普通最小二乘法的位置模型下的Kullback-Leibler措施的分歧，严格改善的异方差的存在。同时均值-方差回归损失函数是全局凸的，相应的估计量易于实现。我们建立了它的一致性和渐近正态性下的误设定，提供强大的推理方法，并提出了数值模拟，表现出很大的改进普通和加权最小二乘在有限样本的估计和推断。我们进一步说明了我们的方法与两个实证应用，以估计1500年和今天的经济繁荣之间的关系，并在美国的汽油需求。
2019-01-02 econ.EM math.ST stat.ME
Kernel density estimation with polyspherical data and its applications
本文提出多球面数据的核密度估计器，推导其渐近性质并引入高效新核，同时基于Jensen-Shannon散度提出非参数k样本检验，应用于婴儿海马体形态分析。
2024-11-06 math.ST stat.ME stat.TH
Robust and efficient estimation for the Generalized Extreme-Value distribution with application to flood frequency analysis in the UK
针对区块极值样本有限且最大似然估计易受异常值影响的问题，提出基于密度幂散度、由 α 调节稳健性与效率的广义极值分布估计量，并验证其理论性质、实证表现及英国洪水频率分析应用。
2025-10-02 math.ST stat.AP stat.ME
Nonparametric Estimation and Inference in Economic and Psychological Experiments
本文的目的是为心理学和经济学实验中的非参数估计和推断提供一些工具。我们考虑了一个实验框架，其中每个$n$受试者提供$T$响应于$T$刺激的载体。我们建议估计未知函数$f$连接刺激反应通过非参数筛选估计。当$n$或$T$或两者发散时，我们给出了一致性的条件。收敛速度取决于误差协方差结构，允许不同的科目。利用这些结果，我们得到了筛基维数与$n$和$T$的最优发散率。我们提供的指导，在实验室实验中的受试者和问题的数量之间的最佳平衡，并认为一个大的$n$往往比一个大的$T$。我们推导出$T$的估计量的泛函的渐近正态性的条件，并应用它们来获得Wald检验的渐近分布时，零下的约束的数量是有限的，当它与其他渐近参数一起发散。最后，我们研究了条件协方差矩阵被估计量取代时的先前性质。
2019-12-06 econ.EM stat.AP
Robust Estimation under Linear Mixed Models: The Minimum Density Power Divergence Approach
针对线性混合模型经典估计在模型偏差下不稳定的问题，提出适用于独立非同分布观测的最小密度幂散度估计量，证明其理论与稳健性质，给出调优参数选择方案，模拟与真实数据验证了其性能优势。
2020-10-12 stat.AP stat.ME
A proof of consistency and model-selection optimality on the empirical Bayes method
研究了大自由度模型超参数推断中极大边际似然估计的相合性和最优性。我们在指数族中进行主要分析，其中自然参数是超参数。首先，我们证明了一般线性模型的MMLE在估计似然和先验方差尺度时的相合性。证明是独立的数据模型参数的数量比，并排除了相关的正则化最小二乘模型参数估计，渐近无偏的不适定性。其次，我们将证明推广到具有有限数量超参数的其他模型。我们发现，指数族中费用函数的广泛性质通常产生似然超参数的MMLE的一致性。此外，我们还证明了在适用于非指数模型族的预测分布的假设渐近正态性下，即使真实数据分布在模型空间之外，MMLE也几乎必然渐近地最小化先验和真实预测分布之间的Kullback-Leibler散度.我们的证明验证了经验贝叶斯方法使用超参数MMLE在许多模型参数的渐近性，确保了相同的资格，为交叉熵交叉验证。
2022-05-26 math.ST physics.geo-ph stat.TH
Robust estimation of polyserial correlation coefficients: A density power divergence approach
University of Zurich（苏黎世大学）
本文提出基于密度幂分歧的稳健估计方法，用于多项序相关系数的估计，该方法在保持高效率的同时提升了对异常值的鲁棒性。
2026-02-10 math.ST stat.AP stat.ME
The Generalized Method of Wavelet Moments with Exogenous Inputs: a Fast Approach for the Analysis of GNSS Position Time Series
全球导航卫星系统（GNSS）的每日位置时间序列通常被描述为随机过程和地球物理信号的总和，其允许研究全球和局部地球动力学效应，诸如板块构造、地震或地下水变化。本文将广义小波矩方法推广到残差相关的线性模型的参数估计。这一统计推断框架适用于全球导航卫星系统每日位置时间序列数据，以联合估计功能（地球物理）以及随机噪声模型。我们的方法被称为GMWMX，X代表eXogeneous变量：它是半参数的，计算效率高，可扩展。与标准方法（如广泛使用的极大似然估计（MLE））不同，我们的方法提供了统计保证，如一致性和渐近正态性，而不依赖于强参数假设。在高斯模型下，我们的结果表明，估计的参数是类似的MLE得到的。我们的方法的计算性能具有重要的实际意义。实际上，对数千个GNSS台站的大型网络的参数进行估计在计算上很快变得难以承受。与标准方法相比，GMWMX的处理时间比$1000$快$1000$倍，并且允许在标准计算机上在几分钟内估计大规模问题。我们通过蒙特卡罗模拟生成GNSS每日位置时间序列与丢失的观测值，我们认为复合随机噪声模型，包括过程呈现长程相关性，如幂律或Matérn过程，验证我们的方法的性能。我们的方法的优点也说明了使用真正的时间序列从位于美国东部的GNSS站。
2022-06-20 stat.AP stat.ME
Detecting the direction of a signal on high-dimensional spheres: Non-null and Le Cam optimality results
我们考虑方向统计中最重要的问题之一，即检验原假设的问题，即在$p$维单位超球面上的Fisher-von Mises-Langevin分布的尖峰方向$θ$等于给定的方向$θ_0$。减少后，通过不变性参数，我们得到局部渐近正态性（LAN）的结果在一个一般的高维框架中，维度$p_n$以任意速率与样本大小$n$无穷大，其中浓度$κ_n$的行为在一个完全自由的方式与$n$，它提供了一个频谱的问题，从任意容易的任意挑战的。我们确定各种渐近制度，根据$(κ_n)$的收敛/发散特性，产生不同的邻接率和不同的限制实验。在每一个政权，我们得到乐凸轮下指定的$κ_n$的最佳测试，我们计算，从乐凸轮第三引理，渐近权力的经典沃森测试下连续的替代品。我们进一步建立局域网的结果与穗方向和浓度，这使我们能够讨论最优性也未指定的$κ_n$。为了研究Watson检验在上述参数框架之外的非零行为，我们在更广泛的半参数旋转对称分布模型中通过鞅CLT推导出其局部渐近幂。蒙特卡罗研究表明，有限样本的各种测试的行为显着同意我们的渐近结果。
2019-03-02 math.ST stat.TH
HAL-MLE Log-Splines Density Estimation (Part I: Univariate)
University of California, Berkeley（加州大学伯克利分校）
本文提出基于HAL框架的HAL-MLE方法，用于单变量总变差惩罚密度估计，并建立了该方法的理论收敛性结果。
2026-02-18 math.ST stat.CO stat.ME
Adaptive LASSO Penalized Minimum Density Power Divergence Estimation through Least Squares Approximation: Application to Bone Mineral Density Data from the SWAN Study
Indian Institute of Technology (Indian School of Mines)（印度理工学院（印度矿业学院））
针对线性混合效应面板数据模型对污染和协变量敏感的问题，提出基于最小二乘近似的自适应LASSO惩罚DPD估计方法，兼具稳健性与计算效率，模拟和SWAN骨密度数据验证了其优势。
2026-09-29 stat.AP stat.ME
