报 告 人：金百锁 教授
报告题目：Spatial weights matrix selection and model averaging for spatial generalized linear model
报告时间：2024年5月17日（周五）下午16:00
报告地点：静远楼1508学术报告厅
主办单位：数学与统计学院、数学研究院、科学技术研究院
报告人简介：
金百锁，中国科学技术大学管理学院统计与金融系教授。2001年毕业于中国科学技术大学获得学士学位，2006年获得中国科学技术大学博士学位。研究方向为变结构模型，随机矩阵，空间统计等。在PNAS，AoS，Biometrika，AAP等期刊已发表学术论文50余篇。主持承担国家自然科学基金面上项目、重大项目课题、重点项目课题、国际交流项目等。现为中国现场统计研究会理事，中国现场统计研究会教育统计分会常务理事、秘书长，中国现场统计研究会旅游大数据分会常务理事、副理事长，中国现场统计研究会多元统计应用专业委员会 常务理事。
报告摘要：
Spatial weights matrix selection and model averaging for spatial generalized linear model. For analyzing non-normal data that are observed from all the spatial units, we proposed a generalized linear model, whose link function has autoregressive construction for spatial interaction. In this article, we develop an approach that uses instrumental variables (IVs) to derive maximum likelihood estimators for the parameters. It is conceptually simple and easier to implement. Under mild conditions, it is shown that the estimator resulting from two-stage MLE is consistent and asymptotically normally distributed. Base on the proposed method, we employ the Kullback-Leibler (KL) loss function with a penalty term (Zhang et al.,2016) to choose the true spatial weights matrix or the best one in the sense of minimizing of KL loss. Additionally, we introduce a model averaging procedure to effectively reduce the KL loss. Extensive simulation studies and data examples demonstrate the effectiveness of the proposed method.