中文摘要：

本项目主要研究近年来被广泛关注且具有重要应用前景的三类统计模型(超高维线性模型，广义变系数单指标模型,广义可加部分线性模型)中的稳健方法。对于超高维线性模型，我们将研究基于加权Wilcoxon型估计的稳健变量扫描方法。利用U过程理论，我们将建立该方法的sure screening 性质，并利用此方法来研究超高维部分线性模型的稳健变量扫描问题。我们将通过模拟和实际数据分析来验证所提方法的优良性。对于广义变系数单指标模型，将研究基于样条方法的稳健拟似然估计，并通过构造稳健拟似然比统计量来研究假设检验，通过模拟和实际数据分析来说明所提出的方法的可行性。对于广义可加部分线性模型，本项目将利用稳健拟似然和B 样条方法，研究参数分量与非参数分量的稳健估计，获得估计的大样本性质，利用惩罚似然方法对参数分量与非参数分量进行稳健变量选择，并将所提出的方法应用于实际数据分析。