报告题目：Hypothesis Testing in  High-Dimensional Linear Regression: a Simple and Adaptive Scale-Invariant  Test

报 告 人：张金廷教授  

报告时间：2018年5月17日（周四）14:30--16:00

报告地点：综合大楼601会议室

主讲人简介：新加坡国立大学概率统计系终身教授，博士生、博士后导师，华侨大学福建省闽江学者讲座教授。早年于北京大学取得学士学位，中国科学院应用数学所取得硕士学位，美国北卡罗来纳大学教堂山分校获得博士学位，美国哈佛大学博士后。先后在美国普林斯顿、罗彻斯特等大学做高级访问学者。张教授培养了数十名硕士和七位博士以及三位博士后，其主要学术成果发表在Annals of Statistics（世界统计年刊），JASA（美国统计学会杂志），JRSSB（英国皇家统计学会杂志），Statistics Sinica（统计学报）等统计学国际顶级期刊上，著有统计学专著《Analysis of Variance for Functional Data》和《Nonparametric  Regression Methods for Longitudinal Data Analysis》，以及一本学术论文集。现任和曾任多家学术期刊的编委，并多次担任大型国际会议的组织委员。张教授现在的研究领域包括非参数统计，纵向数据分析，函数数据分析，高维数据分析等。  

摘要：We consider a general linear hypothesis testing (GLHT)  problem in  high-dimensional linear regression where the data dimension may be much larger than the sample  size. We discuss a simple and adaptive scale-invariant test which has good size  control and power without imposing strong assumptions on the underlying  covariance or correlation matrix. In addition, we adopt a strategy to employ the adjustment  coefficient smartly to the proposed test. Three simulation studies and a real data  example demonstrate the good performance of the proposed test, via comparing it  against several non-scale and scale-invariant tests.