2019年11月20日星期三，“统计大讲堂”第一百零二期在明德主楼1016会议室顺利举行。讲座邀请了来自北京大学的博雅博士后李伟博士，分享了他对于缺失数据的多重稳健估计的最新研究。会议由统计学院副院长尹建鑫副教授主持。

尹建鑫副教授首先介绍了报告人。

李伟博士2018年毕业于北京大学数学学院，获得概率论与数理统计专业博士学位，博士期间师从耿直教授和周晓华教授，博士期间曾经访问美国西雅图华盛顿大学生物统计系一年。主要研究方向为因果推断，因果网络，缺失数据，高维数据分析等。目前已在包括Journal of Econometrics, Biometrika, Statistics in Medicine等国际著名统计期刊上发表学术论文6篇。

李伟博士报告的题目是Demystifying a class of multiply robust estimation。聚焦于随机缺失下的缺失值的稳健估计这一问题，先综述了一系列关于这个问题的研究方法：首先是逆概加权和outcome regression两种常见方法；然后推广到对二者同时建模从而得到更容易保证模型相合性的双重稳健估计方法；最后是Han和Wang，以及Chan提出的一系列多重稳健估计方法。然而，李伟博士的工作证明了，通过某种构造的方式，多重稳健估计和与整合模型之后的双重稳健估计形式上等价。随后，李伟博士的第二个主要工作是，参考了yang在2000年及2001年model mixing process的思想，提出一种整合模型的方式，可以证明整合之后的模型与一系列模型中表现最好的模型损失相当，这样，说明最后得到的稳健估计依然具有多重稳健的性质，同事，只要估计的模型有较好的收敛速率，则整个模型仍然有估计的近似正态性。李伟博士另一个工作是该方法在regularized linear model上一个推广。这个方法可以在高维情形下结合变量选择的方法，这是之前的一系列基于似然估计的方法所不具备的优势。

报告结束后，同学们就非参数与参数估计的收敛速率和相合性之间的权衡，以及该问题向非随机缺失上的推广等问题上进行了热烈地讨论。