摘要: We consider the estimation of mean and covariance functions for longitudinal and sparse functional data by using the full quasi-likelihood coupling a modification of the local kernel smoothing method. The proposed estimators are shown to be consistent, asymptotically normal, and semiparametrically efficient in terms of their linear functionals. Their superiority to the competitors is further illustrated numerically through simulation studies. The method is applied to analyze AIDS study and atmospheric study.

Joint work with Ling Zhou and Hua Liang

简介: 林华珍，教授，博士生导师，西南财经大学统计研究中心主任, 教育部长江学者特聘教授，国家杰出青年科学基金获得者，国家百千万人才工程获得者，享受国务院政府特殊津贴专家，教育部新世纪优秀人才。

主要研究方向为非参数方法、转换模型、生存数据分析、函数型数据分析、潜变量分析、ROC方法、偏态数据分析、捕获-再捕获数据分析，发表学术论文40余篇，其中包括发表在国际统计学四大顶级期刊AoS、JASA、JRSSB、Biometrika和计量经济学顶级期刊JOE上论文若干。先后七次主持国家自然科学基金项目。林华珍教授是国际IMS-China、IBS-CHINA及ICSA-China委员，中国现场统计研究会数据科学与人工智能分会理事长，第九届全国工业统计学教学研究会副会长，中国现场统计研究会多个分会的副理事长。先后是国际统计学权威期刊《Biometrics》、《Scandinavian Journal of Statistics》、《Canadian Journal of Statistics》、《Statistics and Its Interface》、《Statistical Theory and Related Fields》Associate Editor， 国内核心学术期刊《应用概率统计》、《系统科学与数学》、《数理统计与管理》编委。

海报