Multiply Robust Conformal Risk Control with Coarsened Data
University of Pennsylvania（宾夕法尼亚大学）；Carnegie Mellon University（卡内基梅隆大学）
本文针对训练数据存在结果或协变量缺失及删失的粗化数据问题，结合半参数理论与共形风险控制，提出多重稳健的无分布有效预测区域构造方法，并支持灵活机器学习估计冗余函数。
2026-10-23 math.ST stat.ME stat.ML
Two-Stage Least Squares Instrumental Variable Estimation for Semiparametric Accelerated Failure Time Models with Right-Censored Data
本文提出一种结合Leurgans合成变量法的迭代重加权GEE方法，将两阶段最小二乘工具变量估计扩展至带右删失数据的半参数AFT模型，实现了高效且可扩展的因果推断。
2025-09-13 stat.ME
Semiparametric inference for the scale-mixture of normal partial linear regression model with censored data
在删失数据建模的框架下，假设随机误差为正态分布的经典线性回归模型近年来受到越来越多的关注，主要是为了数学和计算上的方便。然而，实际研究中经常批评这种线性回归模型，由于其偏离正态性和部分非线性的敏感性。本文提出了解决这些潜在的问题，同时在部分线性回归模型的背景下，假设随机误差遵循一个规模混合正态（SMN）分布族。所提出的方法使我们能够以极大的灵活性对数据进行建模，适应重尾和离群值。通过实现B样条函数，并使用方便的分层表示的SMN分布，计算分析EM型算法进行极大似然推断的模型参数。各种模拟研究进行了调查的有限样本性质以及在处理重尾分布数据集的模型的鲁棒性。最后通过实际数据实例分析说明了该方法的有效性。
2020-11-15 math.ST stat.CO stat.ME
Robust Semiparametric Graphical Models with Skew-Elliptical Distributions
Sapienza University of Rome（罗马第一大学）
本文提出了一种基于偏椭圆分布的半参数图模型估计方法，实现了对非高斯图模型的鲁棒估计，并在实际数据中展示了更稀疏的图结构。
2025-12-02 stat.ME
Robust self-tuning semiparametric PCA for contaminated elliptical distribution
主成分分析（PCA）是最常用的降维方法之一。已知通常的PCA对异常值的存在敏感，因此已经开发了许多鲁棒的PCA方法。其中，泰勒的M-估计被证明是最强大的散布估计下的椭圆分布。然而，当潜在的分布被污染，偏离椭圆，泰勒的M-估计可能无法很好地工作。在这篇文章中，我们应用半参数理论，提出了一个强大的半参数PCA。我们的建议有两个优点。首先，它对重尾椭圆分布以及非椭圆离群值具有鲁棒性。其次，它与数据驱动的调优过程很好地结合在一起，该调优过程基于活动比率，可以适应不同程度的数据异常。理论性质的推导，包括各种统计泛函的影响函数和渐近正态性。仿真研究和数据分析证明了该方法的优越性。
2022-06-08 stat.ME
Technical and Legal Aspects of Federated Learning in Bioinformatics: Applications, Challenges and Opportunities
本文综述生物信息学领域联邦学习的技术与法律相关内容，梳理其在多类组学研究中的应用、挑战与机遇，指出其可在保护隐私前提下跨机构利用数据，推动相关研究成果转化。
2025-11-09 cs.LG q-bio.OT stat.ML
Identification, Doubly Robust Estimation, and Semiparametric Efficiency Theory of Nonignorable Missing Data With a Shadow Variable
我们考虑结果非随机缺失（MNAR）的识别和估计。我们研究了一种基于所谓的阴影变量的识别策略。假设影子变量与结果相关，但独立于以结果和完全观察到的协变量为条件的缺失过程。我们描述了一个一般条件下的MNAR使用一个有效的影子变量的非参数识别的全部数据的法律。我们的条件是满足许多常用的模型，而且，它是强加在完整的情况下，因此具有可测试的影响与观察到的数据。我们描述半参数估计方法，并评估其性能的模拟数据和真实数据的例子。我们刻画了正则和渐近线性估计类的半参数有效界，并给出了有效影响函数的封闭形式。
2019-09-09 stat.ME
Doubly Robust Semiparametric Inference Using Regularized Calibrated Estimation with High-dimensional Data
考虑半参数估计，其中低维参数的双稳健估计函数可用，取决于两个工作模型。对于高维数据，我们开发了正则化校准估计作为估计两个工作模型中的参数的一般方法，使得如果两个工作模型中的任一个被正确指定，则可以在适当的稀疏条件下获得感兴趣的参数的有效Wald置信区间。我们提出了一个计算上易于处理的两步算法，并提供了严格的理论分析，证明了足够快的收敛速度的正则化校准估计，尽管顺序建设，并建立了所需的渐近扩展的双重鲁棒估计。作为具体的例子，我们讨论了部分线性，对数线性和逻辑模型和估计的平均处理效应的应用。在前三个例子的数值研究表明，我们的方法优越的性能相比，去偏Lasso。
2020-09-25 stat.ME
Semiparametric doubly robust targeted double machine learning: a review
在这篇评论中，我们涵盖了有效的非参数参数估计（也称为功能估计）的基础知识，重点是参数，出现在因果推断问题。我们回顾了两个效率界限（即，估计给定参数的最佳性能是什么？）以及特定估计量的分析（即，这个估计器的误差是多少，它是否达到了效率界？）在脆弱的假设下我们强调极小极大风格的效率界限，工作的例子，和简化推导的实用快捷方式。为了突出重要的概念并为主要思想提供直观的认识，我们对大多数技术细节进行了掩饰。
2023-01-26 stat.ME
Robust semiparametric inference with missing data
具有缺失结果数据的经典半参数推断对观测数据的污染不具有鲁棒性，并且单个观测可以对感兴趣的参数的估计具有任意大的影响。当使用逆概率加权方法时，这种敏感性会加剧，这可能会使污染的观测值超重。我们引入逆概率加权，双稳健和结果回归估计的位置和尺度参数，这是强大的污染的意义上说，他们的影响函数是有界的。我们给出了渐近性质，并研究了有限样本行为。我们的模拟实验表明，污染可以更严重的威胁，推理的质量比模型误指定。我们的研究结果的一个有趣的方面是，辅助结果模型，用于调整的估计的可重复的缺失，也是有用的，以防止污染。我们还通过案例研究说明了如何通过加权方案实现对可识别缺失的调整和对污染的保护，这些方案可以进行对比以获得进一步的见解。
2018-10-05 stat.ME
Semiparametric robust mixture of experts based on nonparametric maximum likelihood
Pukyong National University（釜庆国立大学）；University of Connecticut（康涅狄格大学）；Sungkyunkwan University（成均馆大学）
该研究针对现有MoE模型对误差分布参数假设敏感的问题，提出基于非参数极大似然的半参数鲁棒MoE模型，可提升复杂误差下的鲁棒性且在高斯设定下仍具竞争力。
2026-08-06 stat.ME
Robust and Efficient Semiparametric Inference for the Stepped Wedge Design
University of California, San Francisco（旧金山加利福尼亚大学）；University of Washington（华盛顿大学）；Fred Hutchinson Cancer Center（弗雷德·哈钦森癌症中心）；Duke University（杜克大学）
本文提出一种统一的半参数框架，用于估计阶梯设计中可能随时间变化的干预效应，通过非标准半参数效率理论处理相关观测、变化的集群-时期大小和弱相关治疗分配，提供稳健且高效的推断方法。
2026-05-09 stat.ME
A Profile Likelihood Approach to Semiparametric Estimation with Nonignorable Nonresponse
无应答的统计推断是相当具有挑战性的，特别是当应答机制不可解释时。现有的方法往往需要正确的模型规格的结果和响应模型。然而，由于无响应，这两个模型不能直接从数据中验证，模型错误指定可能导致严重偏倚的推断。为了克服这一局限性，我们开发了一个强大的和有效的半参数方法的基础上的轮廓似然。该方法采用稳健半参数响应模型，其中假设研究变量的函数完全未知。提出了一种基于分数插补的有效计算算法。一个准似然的方法来测试可扩展性也被开发。证明了该方法的相合性和渐近正态性。有限样本的性能进行了检查，在广泛的模拟研究和韩国劳动和收入面板研究数据集的应用。
2018-09-11 stat.ME
Semiparametric Imputation Using Conditional Gaussian Mixture Models under Item Nonresponse
插补是调查抽样中处理项目无应答的常用技术。参数插补基于插补的参数模型，对插补模型的失效不太稳健。非参数插补是完全稳健的，但由于维数灾难，当协变量的维数很大时不适用。半参数插补是另一种基于灵活模型的稳健插补，其中模型参数的数量可以随着样本量的增加而增加。在本文中，我们提出了另一种半参数插补的基础上更灵活的模型假设比高斯混合模型。在建议的混合模型中，我们假设一个条件高斯模型的研究变量给定的辅助变量，但边缘分布的辅助变量不一定是高斯。我们表明，建议的混合模型实现了较低的近似误差绑定到任何未知的目标密度比高斯混合模型的库尔贝克-莱布勒散度。通过在条件对数似然函数中引入惩罚函数，该方法适用于高维协变量问题。该方法适用于韩国统计局进行的2017年韩国家庭收入和支出调查。补充材料可在线查阅。
2019-09-19 stat.ME
A Class of Semiparametric Tests of Treatment Effect Robust to Confounder Classical Measurement Error
当评估暴露对给定结果的因果影响时，众所周知，暴露的经典测量误差可以降低所讨论的原假设的检验功效，尽管其第一类错误率通常保持在标称水平。相比之下，混杂因素的经典测量误差会增加处理效应检验的第一类错误率。在本文中，我们开发了一个大类的半参数检验统计量的曝光因果效应，这是完全鲁棒的经典测量误差的一个子集的混杂因素。我们提出的方法的一个独特和吸引人的特点是，他们不需要外部信息，如验证数据或重复的易出错的混杂因素。我们提出了一个双稳健的形式，这个测试，只需要两个模型之一被正确指定的检验统计量有正确的第一类错误率。我们通过模拟研究证明了我们的类检验统计量的有效性和功效。我们将这些方法应用于多个美国-城市，时间序列数据集，以测试温度对死亡率的影响，同时调整直径为2.5微米或更小的大气颗粒物（PM2.5），这是已知的测量误差。
2016-10-17 stat.ME
A Note on "How Robust Standard Errors Expose Methodological Problems They Do Not Fix, and What to Do About It"
King和Roberts（2015，KR）声称，稳健和经典标准误之间的不一致暴露了模型的错误设定。我们强调，KR的主张一般只适用于参数模型：假设结果分布的限制形式的模型。政治学中使用的许多常见模型，包括线性模型，不一定是参数模型，而是半参数模型。模型参数的常用估计量（如普通最小二乘）具有稳健（对应于半参数模型）和经典（对应于更严格的模型）标准误估计值。在适当指定的半参数模型和弱正则条件下，经典标准误一般不相容，但稳健标准误是相容的。为了说明这一点，我们考虑的情况下，回归估计的半参数线性模型，没有模型误设定，并表明，稳健的标准误，但可能系统地不同于经典的标准误误差。我们表明，稳健和经典标准误之间的不一致通常不适合作为回归估计的诊断，并且KR对Neumayer（2003）和Büthe and Milner（2008）的重新分析是基于原作者没有引用或要求的强假设。
2016-09-06 stat.ME
A Semiparametric Approach to Model Effect Modification
精准医学和健康差异等研究领域的一个基本统计问题是通过观察到的协变量发现治疗或暴露的效果改变。我们提出了一个半参数的框架来识别这种效果的修改。我们不使用传统的结果模型，而是直接将半参数模型用于对比，或不同治疗选择或暴露下结果的预期差异。利用半参数估计理论，导出了包括有效分数在内的所有有效估计方程。除了双重鲁棒损失函数，我们的方法也使降维存在许多协变量。通过统一的统计和算法分析，所提出的方法的渐近和非渐近性质进行了探讨。与现有的方法在模拟和实际数据分析的比较表明，我们的估计的优越性，特别是效率的改进版本。
2020-08-02 stat.ME
Semiparametric fractional imputation using Gaussian mixture models for handling multivariate missing data
在实践中经常遇到项目无应答。忽略缺失数据会降低效率并导致误导性推断。分数插补是一种处理缺失数据的频率主义插补方法。然而，\cite{kim2011parametric}的参数部分插补可能会在模型误设下出现偏倚。在本文中，我们提出了一种新的半参数分数填补方法使用高斯混合模型。所提出的方法是计算效率，并导致稳健估计。所提出的方法进一步扩展到将分类辅助信息。并证明了半参数分式插补估计的渐近模型相合性和$\sqrt{n}$ -相合性。一些仿真研究，以检查所提出的方法的有限样本性能。
2018-09-16 stat.ME
Adaptive Accelerated Failure Time modeling with a Semiparametric Skewed Error Distribution
Ewha Womans Univerisity（梨花女子大学）；University of Pittsburgh（匹兹堡大学）；Yonsei University（延世大学）；Sungkyunkwan University（成均馆大学）
本文提出一种基于半参数偏斜误差分布的自适应加速失败时间模型，以提高参数估计的鲁棒性和准确性。
2024-02-03 stat.ME
Flexible semiparametric modeling with application to Causal Inference
City University of Hong Kong（香港城市大学）；Wuhan University（武汉大学）；Columbia University（哥伦比亚大学）；The Hong Kong Polytechnic University（香港理工大学）
本文提出了一种灵活的框架，用于构建包含无限维干扰参数的半参数模型中的Neyman正交分数。通过显式构造策略，确保目标参数估计量的渐近正态性，不依赖于干扰参数估计方法，适用于复杂模型。方法应用于二元工具变量的因果推断，开发了新的稳健治疗效应估计器。
2026-04-29 stat.ME
Semiparametric Exponential Families for Heavy-Tailed Data
我们提出了一个半参数方法来拟合一个重尾人口的尾巴，从人口中的一个相对较小的样本和一个较大的样本从相关的背景人口。我们使用一个强大的充分统计量极值理论的动机，作为一个指数倾斜的小样本的尾巴观察到的大样本的尾巴。特别是，我们的方法诱导估计的小人口的平均值，我们给出了理论和经验证据表明，这种估计优于不使用背景样本的方法。我们在模拟和Facebook进行的大型对照实验的数据上证明了与竞争方法相比的显著效率提高。
2014-10-19 stat.ME
On semiparametric estimation of a path-specific effect in the presence of mediator-outcome confounding
途径特异性效应是通过一个或多个因果途径，与中间变量的某个子集相关，从暴露到结果的广泛一类介导效应。大多数关于估计介导效应的文献都集中在参数模型上，对未测量的混杂因素进行了严格的假设。当这些假设被放松时，我们考虑特定路径效应的半参数推断。特别是，我们开发了一套半参数估计的效果沿着一条途径，通过一个调解人，但不是一些不确定性引起的混杂因素，该调解人。这些估计量具有不同的鲁棒性，因为每个估计量取决于观测数据可能性的不同部分。我们的估计之一可以被看作是结合其他的，因为它是局部半参数有效的和乘法鲁棒的。后一个属性是在模拟研究中说明。我们将我们的方法应用于HIV研究，在该研究中，我们估计比较两种药物治疗对患者的平均对数CD 4计数的影响，该患者的依从性水平介导，但不是由先前的毒性经验，这显然是受患者分配到哪种治疗的影响，并且可能混淆患者的依从性水平对他们的病毒学结果的影响。
2017-10-03 stat.ME
Robust Spatial Extent Inference with a Semiparametric Bootstrap Joint Testing Procedure
空间范围推断（SEI）被广泛用于神经成像模式，以研究大脑表型的关联，从而为我们对疾病的理解提供信息。最近的研究表明，高斯随机场（GRF）为基础的工具可以有膨胀的家庭明智的错误率（FWER）。这导致了关于使用基于GRF的SEI控制FWER所需的预处理步骤的热烈讨论。基于GRF的方法的失败是由于对成像数据的协方差函数的不切实际的假设。置换过程是最鲁棒的SEI工具，因为它从成像数据估计协方差函数。然而，置换过程可能会失败，因为它的假设交换是违反了许多成像模态。在这里，我们提出了（半）参数自举联合（PBJ; sPBJ）测试程序，设计用于多层次成像数据的SEI。sPBJ过程使用协方差函数的稳健估计，即使协方差模型指定错误，也会产生标准误的相合估计。我们使用我们的方法来研究之间的关联性能和执行功能的功能磁共振成像研究。与GRF方法相比，sPBJ方法对方差误设定具有稳健性，并在小样本中保持标称FWER。sPBJ还具有与PBJ和置换过程相等或更高的功率。我们提供了一个R软件包https://github.com/simonvandekar/pbj来使用PBJ和sPBJ过程执行推理
2018-08-22 stat.ME
Semiparametric Elliptical Mixture Clustering for High-Dimensional Data
Nankai University（南开大学）；Fujian Normal University（福建师范大学）
本文提出一种半参数椭圆混合聚类方法，用于处理高维数据中重尾且近似椭圆的分布问题，通过数据驱动规则选择聚类数量，结合变换半径估计、径向分数中心更新和Tyler-POET-GLASSO更新，实现高效鲁棒的聚类。
2026-05-09 stat.ME
Semiparametric generalized linear models for time-series data
人口健康和流行病学中的时间序列数据常常涉及非高斯响应。在本说明中，我们提出了一个半参数广义线性模型框架的时间序列数据，不需要规范的工作条件响应分布的数据。相反，基本的响应分布被视为一个无限维的参数，同时估计与通常的有限维参数通过最大经验似然方法。给出了所得估计量的一般相合性结果。仿真结果表明，估计和推断，使用所提出的方法可以执行以及正确指定的参数模型，即使是中等的样本量，但可以更强大的模型误指定下的参数方法。该方法用于分析Zeger（1988）的脊髓灰质炎数据集和Menendez等人（2015）最近的Kings Cross攻击数据集。
2016-03-09 stat.ME
Doubly Robust Estimators of Quantile Treatment Effects With Semiparametric Cumulative Probability Models
Vanderbilt University Medical Center（范德比尔特大学医学中心）；Keck School of Medicine of the University of Southern California（南加州大学凯克医学院）
针对现有分位数处理效应（QTE）估计方法对模型误设敏感的问题，提出基于半参数累积概率模型（CPM）的双重稳健QTE估计框架，开发两种估计策略并通过模拟和HIV数据验证其有效性。
2026-08-12 stat.ME
Joint Estimation of Location and Scatter in Complex Elliptical Distributions: A robust semiparametric and computationally efficient $R$-estimator of the shape matrix
从理论和计算两方面研究了一组独立同复椭圆对称（CES）分布观测值的位置向量和形状矩阵的联合估计问题。这个联合估计问题是在半参数模型的原始上下文中框架，允许我们处理（通常未知的）密度生成器作为\textit{infinite-dimensional}滋扰参数。在本文的第一部分中，一个计算效率和节省内存的实现的强大的和半参数有效的$R$估计形状矩阵。在此基础上，在第二部分中，联合估计，依赖于泰勒的$M$ -估计的位置和形状矩阵的$R$ -估计，提出了其均方误差（MSE）性能相比，半参数克拉美-拉奥界（CSCRB）。
2021-01-26 eess.SP stat.ME
On Doubly Robust Inference for Double Machine Learning in Semiparametric Regression
针对部分线性回归中的因果效应推断，本文提出一种双重稳健的双重机器学习实现，在单一第一阶段预测不一致时仍可降低偏差并改善置信区间覆盖率。
2025-01-07 stat.ME
On Semiparametric Instrumental Variable Estimation of Average Treatment Effects through Data Fusion
假设一个人有兴趣在一个有效的工具变量的帮助下，在存在潜在的不可测量的混杂因素的情况下估计因果效应。本文研究了从两个独立的来源，其中一个包含信息的治疗和其他包含信息的结果，而仪器和基线协变量的向量值记录在两个数据融合时，对平均处理效应的推断问题。我们提供了一个一般的充分条件下，平均处理效应是非参数识别的数据融合引起的观察数据法，即使当数据是从两个异质群体，并推导出估计这个因果参数的效率界。对于推理，我们开发了参数和半参数的方法，包括一个多个强大的和局部有效的估计，即使在部分误指定的观测数据模型是一致的。我们通过模拟和公共住房项目的应用程序来说明的方法。
2020-02-13 stat.ME
Semiparametric causal mediation analysis of cluster-randomized trials for indirect and spillover effects
Washington University in St. Louis（华盛顿大学圣路易斯分校）；Yale School of Public Health（耶鲁公共卫生学院）
本文提出半参数效率理论，开发双重稳健方法，用于估计集群随机试验中的间接效应、个体中介效应和溢出效应。
2026-01-09 stat.ME
Semiparametric estimation of structural failure time model in continuous-time processes
结构失效时间模型是用于估计随时间变化的治疗对生存结果的影响的因果模型。在存在时间依赖性混杂和行政截尾的情况下，提出了G估计和人工截尾来估计模型参数。然而，大多数现有的方法需要手动预处理数据成规则间隔的数据，这可能会使随后的因果分析无效。此外，由于人工删失的非光滑性，计算和推理具有挑战性。我们提出了一类连续时间结构故障时间模型，它尊重底层数据过程的连续时间性质。在无不可测混杂的鞅条件下，我们证明了模型参数可由潜在无穷大的估计方程识别。使用半参数效率理论，我们得到的第一个半参数双稳健估计，在这个意义上说，估计是一致的，如果治疗过程模型或故障时间模型是正确的，但不一定两者兼而有之。此外，我们提出了使用截尾加权逆概率来处理相依截尾。与人工删失相比，我们的加权策略不会在估计中引入非光滑性，并确保了重新排序方法可以用于进行推理。
2019-02-17 stat.ME
Semiparametric Regression Models for Explanatory Variables with Missing Data due to Detection Limit
针对检测限导致解释变量左删失的问题，提出半参数广义线性模型新方法，结合样本拆分与交叉拟合，比自助法计算效率提高450倍，提供更稳健高效的推断。
2025-07-13 stat.ME
Robust semiparametric inference for polytomous logistic regression with complex survey design
分析复杂调查方案（如分层或整群抽样）的多分类响应在一些社会经济学应用中非常重要。本文给出了多分类逻辑斯谛回归模型的一类最小拟加权密度幂离估计。这个家庭的半参数估计是一个强大的推广的最大拟加权似然估计，利用流行的密度功率发散措施的优势。相应地，还导出了设计效应的鲁棒估计。利用新的估计量对回归系数进行了一般线性假设的稳健检验。理论上研究了它们的渐近分布和鲁棒性，并通过数值算例和广泛的蒙特卡罗研究进行了经验验证。
2019-04-03 math.ST stat.AP stat.ME
Estimation of parametric and semiparametric mixture models using phi-divergences
混合模型的研究构成了统计学研究的一个大领域。在这项工作的第一部分中，我们提出了φ发散和现有的方法，产生强大的估计。我们对所谓的φ-发散的对偶公式更感兴趣。我们建立了一个新的鲁棒估计基于这个公式。我们研究了它的渐近性质，并给出了数值模拟数据与现有的方法进行比较。我们还介绍了一个近似点算法，其目的是计算基于发散的估计。我们给出了该算法的一些收敛性质，并在理论和仿真例子上说明了它们。在本文的第二部分中，我们建立了一个新的结构的两组分混合模型，其中一个组分是未知的。新的方法允许将事先的线性信息，如力矩类型和L-矩约束的未知组件。我们研究所提出的估计量的渐近性质。几个模拟数据的实验结果示出了新的方法的优点和增益，使用先验信息相比，现有的方法，不包括任何先验信息，除了对未知组件的对称性假设。
2016-11-24 stat.ME
A Semiparametric Bayesian Method for Instrumental Variable Analysis with Partly Interval-Censored Time-to-Event Outcome
University of California Los Angeles（加利福尼亚大学洛杉矶分校）
针对部分区间删失生存数据，本文提出基于两阶段 Dirichlet 过程混合工具变量（DPMIV）模型的半参数贝叶斯方法，放宽正态误差假设以估计内生变量的因果效应，模拟和 UK Biobank 数据验证了其稳健性与优越性。
2025-01-23 cs.LG stat.AP stat.CO
Estimation of Semiparametric Factor Models with Missing Data
本文提出PPCA方法，用于处理缺失数据的半参数因子模型估计，通过逆概率加权实现一致因子估计，具有混合正态分布和扩大方差的极限特性。
2025-12-05 stat.ME
A semiparametric approach for bivariate extreme exceedances
尾上的推论仅通过应用极值理论的结果来执行。虽然这种理论在单变量的情况下是很好的定义和足够的灵活性，多变量推理方法往往需要强加任意的约束，而不是完全合理的基础理论。相比之下，我们的方法只使用理论施加的约束。我们建立在以前的，理论上合理的工作，在一个高的，未知的阈值的边际copucances，通过结合它与灵活的，半参数copulae规格，调查极端的依赖。虽然概率判断的极端政权的所有边际变量，我们的方法正式使用完整的数据集，并允许各种模式的依赖，无论是极端与否。一个新的概率准则量化的可能性，数据表现出渐近独立的介绍和其鲁棒性的实证研究。极值分析中感兴趣的函数的估计是通过MCMC算法进行的。注意力也致力于新的极端观测的预测。我们的方法进行评估，通过一系列的模拟，应用到真实的数据集和评估对竞争的方法。证据表明，大部分的数据不偏置，并改善了极端依赖的推理过程。
2017-08-10 stat.ME
Semiparametric sensitivity analysis: unmeasured confounding in observational studies
本文推广了半参数敏感性分析方法，推导出固定敏感性参数下平均因果效应的非参数有效影响函数，构建了单步样本拆分截断估计量并验证了其渐近性与应用效果。
2025-09-12 stat.ME
Robust and efficient estimation in the presence of a randomly censored covariate
针对右删失协变量，提出兼具双重稳健与半参数高效性的估计量，并在 R 包 sparcc 中实现，用于分析 Enroll-HD 亨廷顿病症状轨迹。
2024-09-18 stat.ME
A Semiparametric Functional Generalized Linear Model for Multi-Population Data
Sauder School of Business, University of British Columbia（不列颠哥伦比亚大学 Sauder 商学院）；Columbia University（哥伦比亚大学）；Department of Statistics and Actuarial Science, Simon Fraser University（西蒙菲莎大学统计与精算科学系）
本文提出一种面向多总体数据的半参数函数型广义线性模型，通过密度比模型关联多总体基线响应分布，采用最大经验似然估计与惩罚B样条近似，经模拟及大豆产量数据验证可提升估计效率且具稳健性。
2026-10-09 stat.ME
Semiparametric Mediation Analysis with Separately Observed Mediator and Outcome under Unmeasured Confounding
Department of Biostatistics, University of California, Los Angeles（加州大学洛杉矶分校生物统计系）；Department of Biostatistics, Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院生物统计系）
针对中介变量和结局变量从未同时观测的数据不完整性，提出一种数据融合框架，利用共享工具变量在无交互条件下识别自然直接和间接效应，并开发具有多重稳健性的半参数影响函数估计器。
2026-06-17 stat.ME
Discrete Choice Models for Nonmonotone Nonignorable Missing Data: Identification and Inference
非单调缺失数据经常出现在社会科学和健康科学的实证研究中，如果忽略它，会导致选择偏差和效率损失。在实践中，通常在随机缺失假设下解释无应答，虽然很方便，但当无应答是非单调的时，这种假设很少适用。似然法和贝叶斯缺失数据方法通常需要为完整数据法指定参数模型，因此先验排除了任何半参数推断的可能性。在本文中，我们提出了一个通用的方法，提供半参数推断时，缺失数据是非单调的，而不是随机的。该方法是基于离散选择模型（DCM）作为一种手段，以产生一个大类的非单调nonresponse机制，是nonconsciable。给出了非参数辨识的充分条件，并给出了任意DCM下全参数和半参数推理的一般框架。特别考虑到的情况下，logit离散选择无响应模型（LDCM），我们描述了推广的逆概率加权，模式混合估计，双重稳健估计和乘法稳健估计。
2017-07-19 stat.ME
Efficient and Globally Robust Causal Excursion Effect Estimation
Duke University（杜克大学）；Kings College London（伦敦国王学院）；University of California, Irvine（加州大学尔湾分校）
面向微随机试验中的因果偏移效应，提出达到半参数效率界且对冗余模型误设全局稳健的两阶段估计量，并通过模拟与 Drink Less 数据验证其效率优势。
2026-11-02 stat.ME
Semiparametric Estimation with Data Missing Not at Random Using an Instrumental Variable
缺失数据经常出现在健康和社会科学的实证研究中，经常损害我们做出准确推断的能力。如果在观察到的变量的条件下，缺失数据机制仍然取决于未观察到的结果，则称结果为非随机缺失（MNAR）。在这种情况下，如果不施加额外的假设，一般是不可能识别的。然而，如果对所有受试者都观察到一个工具变量（IV），并且该变量满足排除限制，即IV影响缺失过程而不直接影响结果，则有时可以识别。在本文中，我们提供了必要和充分条件下的MNAR的援助下的全数据分布的非参数识别的IV。此外，我们给出了充分的识别条件，更直接的在实践中验证。对于推断，我们专注于估计的人口结果的意思，我们开发了一套半参数估计，扩展以前开发的数据随机随机缺失的方法。具体地说，我们提出了逆概率加权估计，基于结果回归的估计和双重稳健估计的平均结果受到MNAR。为了说明，该方法被用来考虑选择偏见引起的艾滋病毒检测拒绝在莫丘迪，博茨瓦纳的艾滋病毒血清阳性率的评价，使用面试官的特点，如性别，年龄和多年的经验作为IV。
2017-01-17 stat.ME
Causal Inference with a Hidden Treatment
University of Connecticut（康涅狄格大学）；University of Pennsylvania（宾夕法尼亚大学）
针对处理变量不可直接观测而仅有代理测量的情况，提出半参数框架，通过正交补映射导出影响函数和效率界，并构建具有多重稳健性的估计量。
2026-06-23 stat.ME
Risk Prediction with Imperfect Survival Outcome Information from Electronic Health Records
如果基于较差的替代指标进行分析，则疾病发作时间的现成替代指标（如首次诊断代码的时间）可能导致重大风险预测错误。由于缺乏详细的文件和人工注释的劳动密集型，通常只能通过随访时间而不是确切的时间来确定一小部分疾病的当前状态。在本文中，我们的目标是开发风险预测模型的发病时间有效地利用少量的标签的当前状态和大量的未标记的观察不完美的代理。在半参数转换模型和高度灵活的测量误差模型下，提出了一种有效结合代理和有限标签信息的半监督风险预测方法.从一个初始估计完全基于标记的子集，我们执行一个一步的校正与完整的数据增加对来自代理的平均零秩相关得分。我们建立了所提出的半监督估计的相合性和渐近正态性，并提供了一个区间估计的估计过程。仿真研究表明，所提出的估计器在有限样本下具有良好的性能。我们通过使用合作伙伴生物银行电子健康记录（EHR）的数据开发肥胖的遗传风险预测模型来说明所提出的估计量。
2021-03-07 stat.ME
Sandwich regression for accurate and robust estimation in generalized linear multilevel and longitudinal models
针对半参数多水平广义线性模型中现有估计量因协方差误设导致效率低的问题，提出三明治回归方法，从参数估计类中选取方差最小的估计量，实验验证其效果优于经典方法。
2024-12-09 stat.ME
Structured Semiparametric Estimation of Average Treatment Effects with Treatment-Specific Non-Gaussian Error Distributions
Ewha Womans University（梨花女子大学）
本文研究了在半参数回归模型中使用目标最大似然估计（TMLE）估计平均治疗效应的问题，其中误差分布未指定，但需满足温和的正则性条件和与治疗及基线协变量独立。研究推导了因果效率界、半参数效率下限和针对平均治疗效应的靶向步骤，并通过模拟验证了该方法在误差分布重尾或偏斜时的优越性。
2026-08-06 stat.ME
Bayesian Semiparametric Causal Inference: Targeted Doubly Robust Estimation of Treatment Effects
Texas A&M University（德克萨斯农工大学）
本文提出了一种贝叶斯半参数方法，用于高维数据中准确估计治疗效应，通过双重稳健性确保效率和有效性。
2025-11-19 econ.EM math.ST stat.ME
An efficient and doubly robust empirical likelihood approach for estimating equations with missing data
本文考虑了当数据随机缺失时，由一般估计方程定义的参数的经验似然推断。现有的估计的效率关键取决于正确指定的条件期望的估计函数给定的随机观测值的观测分量。当条件期望没有被正确指定时，即使（缺失的）倾向函数被正确指定，估计的效率也会严重受损。我们提出了一个有效的估计，它具有双重鲁棒性，并且可以在估计方程的估计函数所生成的估计函数类内达到半参数有效界，如果正确指定倾向模型和回归模型（条件期望）。此外，如果正确地指定了倾向模型，但错误地指定了回归模型，所提出的估计仍然实现了半参数效率下界内更一般的估计函数类。仿真结果表明，所提出的估计是强大的对误设定的倾向模型或回归模型，并优于许多现有的竞争对手的意义上有较小的均方误差。此外，使用我们的方法进行统计推断，既不需要重采样，也不需要核平滑。一个真实数据的例子来说明所提出的方法。
2016-12-03 stat.ME
Semiparametric Volatility Model with Varying Frequencies
针对不同频率时间序列数据聚合导致信息丢失的问题，提出两种半参数波动率模型VF-ARMA和VF-GARCH，通过非参数函数引入高频数据，模拟证明其预测能力优于传统聚合方法，且VF-ARMA更具鲁棒性。
2021-05-09 stat.ME
Avoid Estimating the Unknown Function in a Semiparametric Nonignorable Propensity Model
我们研究的问题估计的功能或参数的上下文中，结果是受不可分割的missingness。我们完全避免建模的回归关系，而允许的倾向，以半参数的逻辑关系，依赖于协变量是未指定的。我们发现了一个令人惊讶的现象，在倾向模型中的参数估计以及功能估计可以进行，而不需要评估缺失对协变量的依赖性。这使我们能够提出一个一般类的模型参数估计和功能估计，包括估计结果的平均估计估计。估计的鲁棒性是非标准的，严格建立通过理论推导，并支持模拟和数据应用。
2021-08-10 math.ST stat.ME stat.TH
Semiparametric Triple Difference Estimators
本文针对三重差分因果推断框架，提出了基于结果回归和加权方法的半参数估计量，利用交叉拟合和机器学习技术，证明了其高效、双重稳健和渐近正态性，并验证了强制生育福利使育龄妇女小时工资下降2.6%。
2025-09-15 econ.EM stat.ME
Robust Semiparametric Inference for Bayesian Additive Regression Trees
University of Bonn（波恩大学）；Chinese University of Hong Kong（香港中文大学）；University of Osaka（大阪大学）
针对随机缺失数据的半参数推断问题，该研究结合BART与贝叶斯自助法提出RoBART方法，建立相关定理并验证其在有限样本下的稳健性能，可用于不确定性量化。
2026-09-22 econ.EM math.ST stat.ME
