本项目拟开展在统计学中有重要的理论意义和应用背景的科研工作。它包括了许多重要场合下的不完全数据的统计模型的分析、参数估计、中小样本下的统计推断、复杂纵向数据的统计建模、半参数模型的统计分析、统计稳键性的研究和非参数模型分析。它还包括现代回归分析的主要问题。项目的内容是当前统计学家们关心和感兴趣的问题。
不完全观测下Poisson过程的强度估计是试验科学中经常遇到的问题,本研究解决了强度函数的估计问题,这是至今为止所能见到的理论结果,在此之前人们只能用计算机仿真的方法;广义线性模型是对经典线性回归模型的推广,它的引入和发展对更广意义下的统计建模产生了深远影响,本项目研究了广义线性模型的大样本理论,在一般条件下证明了极大似然估计、拟似然估计的存在性、相合性与渐近正态性,丰富了这方面的理论;本项目基于以往的工作分别对于数据被随机删失,数据缺失及数据测量有误差的估计方法建立了各种不同模型下经验似然推断理论和技术,发展了半参数回归分析方法及降维技术与降维估计方法,研究了变系数比例风险模型的估计方法与理论;不假设任何模型结构,在核实数据下发展了非参数回归分析方法与理论以及一类半参数模型参数的估计方法与理论;本项目解决了Croux猜想,证明这个猜想对于更一般的一类分布刻度泛函成立;给出了空间数据的稳健回归分析,给出了截尾型的渐进方差阵的相合估计,研究了深度函数及所诱导的估计的诸多性质, 包括有限样本,大样本性质和稳健性。研究了纵向数据和多元线性回归中t-型分布的渐进性质。