欢迎来到:澳门新葡8455最新网站!

副教授
刘展

 

 

姓名:刘展

出生年月:1981年11月

学位:博士

研究方向:抽样推断、缺失数据处理、大数据分析

联系方式:eleen_20040109@163.com

教育与工作背景

2022.10- 澳门新葡8455最新网站 统计学 教授

2018.7-2022.9澳门新葡8455最新网站 统计学 副教授

2021.6-2021.8香港中文大学统计系 统计学 研究助理

2019.8-2020.8香港中文大学统计系 统计学 研究助理

2019.7-2019.8 香港大学统计与精算学系 统计学 研究助理

2019.4-2019.6 香港中文大学统计系 统计学 博士后

2018.12-2019.2香港中文大学统计系 统计学 研究助理

2018.5-2018.8香港中文大学统计系 统计学 研究助理

2017.7- 2018.6澳门新葡8455最新网站 统计学 讲师

2016.8-2017.3马里兰大学JPSM(美国) 统计学 国家联合培养博士

2014.9-2017.6中国人民大学统计新葡 统计学 博士

2007.6新葡8455数学与计算机科学新葡 数学教育(保送)硕士

2004.6新葡8455数学与计算机科学新葡 数学与应用数学 学士

学术任职

2017.10-应用统计创新团队负责人,澳门新葡8455最新网站

2017.12-中国商业统计学会理事

2018.10-中国数量经济学会理事,中国统计教育学会会员,湖北省楚天学子

近五年发表与录用的主要论文

[1]Zhan Liu*, YAU Chun Yip. (2022). A propensity score adjustment method for longitudinaltime series models under nonignorable nonresponse. Statistical Papers, 63,317–342.

[2]Zhan Liu*, YAU Chun Yip. (2022). Time series analysis for longitudinal survey data underinformative sampling and nonignorable missingness. REVSTAT-Statistical Journal,20(4),405-426.

[3]Zhan Liu, Lin Wang, Yingli Pan*. (2022). Calibration estimation for non-probability samples under two distance functions: A comparative study. Communications in Statistics: Simulationand Computation,https://doi.org/10.1080/03610918.2022.2050395.

[4]Zhan Liu, Yingli Pan*, Chaofeng Tu. (2022). Model-assisted calibration with SCAD toestimated control for non-probability samples. Statistical Methods & Applications,31, 849–879.

[5] Yingli Pan, Wen Cai,Zhan Liu*. (2022). Inference for non-

probability samples under high-dimensional covariate-adjusted superpopulation model. Statistical Methods & Applications,31, 955–979.

[6]Zhan Liu, Junbo Zheng, Yingli Pan*, Chaofeng Tu. (2022). Estimation for volunteer web survey samples using a model-combing approach. Journal of Applied Statistics,DOI: 10.1080/02664763.2022.21

07187.

[7]Zhan Liu, Richard Valliant*.(2022).Investigating an alternative for estimation from a nonprobability sample: Matching plus calibration, to appear in Journal of Official Statistics.

[8]Zhan Liu, Xiaoluo Zhao, Yingli Pan*.(2022).Communication-

efficient distributed estimation forhigh-dimensional large-scale linear regression, to appear in Metrika.

[9] Yingli Pan, Xiaoluo Zhao, Sha Wei,Zhan Liu*.(2022).High-

dimensional expectile regression incorporating graphical structure among predictors,to appear in Journal of Statistical Computation and Simulation.

[10] Yingli Pan, Kaidong Xu, Sha Wei, Xiaojuan Wang,Zhan Liu*. (2022). Efficient distributed optimization for large-scale high-

dimensional sparse penalized Huber regression, to appear in Communications in Statistics-Simulation and Computation.

[11]Zhan Liu*, YAU Chun Yip. (2021). Fitting time series models for longitudinal surveys withnonignorable missing data. Journal of Statistical Planning and Inference, 214,1-12.

[12]Zhan Liu, Yingli Pan*, Chaofeng Tu. (2021). Model-assisted SCAD calibration for non-probability Samples. Brazilian Journal of Probability and Statistics, 35(4): 772-787.

[13] Yingli Pan,Zhan Liu*, Guangyu Song. (2021). Outlier detection under a covariate-adjusted exponential regression model with censored data. Computational Statistics, 36, 961–976.

[14] Yingli Pan*,Zhan Liu*. (2021). Efficient distributed learning for large-scale expectile regression with sparsity. IEEE Access, 9(1), 64732-64746.

[15] Yingli Pan, Song Guangyu,Zhan Liu*. (2021). Statistical inference for case-cohort design under the additive hazards model with covariate adjustment. Communications in Statistics-Simulation and Computation, https://doi.org/10.1080/03610918.2021.1975133.

[16] Yingli Pan,Zhan Liu*, Guangyu Song, Sha Wei.(2021).Case-cohort and inference for the proportional hazards model with covariate adjustment, Communications in Statistics - Theory and Methods,DOI: 10.1080/03610926.2021.1996607.

[17] Yingli Pan ,Zhan Liu*, Wen Cai. (2020). Large-Scale expectile regression with covariatesmissing at random. IEEE Access, 8(1), 36502-36513.

[18] Yingli Pan,Zhan Liu*, Guangyu Song. (2020). Weighted expectile regression with covariates missing at random. Communications in Statistics-Simulation and Computation,https://doi.org/10.1080/03610918.2021.1873371.

[19]刘展*,潘莹丽,石寒.基于Adaptive LASSO Logistic倾向得分模型的网络调查样本推断研究[J].统计与决策,2022(6):17-22.

[20] 潘莹丽,刘展*,闫玲玲. 基于大规模高维线性回归模型的分布式计算方法研究[J]. 应用数学学报,2022,45(3):339-354.

[21] 潘莹丽*,刘展,宋广雨.基于SCAD惩罚回归的异常值检测方法研究[J].统计与决策,2022,38(4):38-42.

[22] 潘莹丽, 刘飞*,刘展, 赵晓洛. 基于大规模尾期望回归的分布式计算[J]. 统计与决策,2022,38(12):11-16.

[23]刘展*,潘莹丽,金美玲.大数据背景下网络调查样本的随机森林倾向得分模型推断研究[J].统计研究,2021,38(11): 130-140.

[24]刘展*,潘莹丽,蔡雯.混合样本的小域模型推断研究[J].统计与决策,2021, 37(20): 5-9.

[25]刘展*,潘莹丽.基于倾向得分的伪权数构造与混合样本推断研究[J].统计与决策,2021,37(2):20-24.

[26] 潘莹丽,刘展*,朱千惠子.大数据背景下基于Huber 回归模型的分布式优化方法研究[J/OL].数理统计与管理,https://doi.org/10.13860/j.cnki.sltj.202103 05-037, 2021.

[27] 潘莹丽,刘展*,姚靖宏.非概率样本模型辅助校准估计方法[J].统计与决策,2021(22):5-10.

[28] 潘莹丽,刘展*, 宋广雨. 带有缺失协变量的分位数回归模型的参数估计[J]. 统计与决策,2021,575(11):21-24.

[29] 王俊*,刘展.概率-非概率混合样本的统计推断问题研究[J/OL].数理统计与管理. 2021, 6: 123-133.

[30] 潘莹丽,刘展*,蔡雯.大数据背景下基于expectile回归模型的分布式优化方法研究[J].数学的实践与认识,2020,50(14):259-268.

[31] 潘莹丽*,刘展,蔡雯.基于缺失数据的Logistic模型的分布式优化方法研究[J].统计与决策,2020,36(562):25-28.

[32]刘展*,潘莹丽.大数据背景下网络调查样本的建模推断问题研究——以广义Boosted 模型的倾向得分推断为例[J].统计研究,2019,36(9):93-103.

[33]刘展*,潘莹丽.基于超总体伪设计与组合样本的候选者数据库网络调查的推断研究[J].应用概率统计,2019,35(3):221-232.

[34]刘展*,金勇进.基于贝叶斯伪设计与组合样本的候选者数据库网络调查的推断研究[J].系统科学与数学,2019,39(6):990-1000.

[35]刘展*.基于倾向得分多层模型的非概率抽样统计推断[J].统计与决策,2018,23:11-15.

[36]刘展*.基于倾向得分广义线性模型的非概率抽样统计推断研究[J].数学的实践与认识,2018(16):175-184.

[37]刘展*,金勇进.网络访问固定样本调查的统计推断研究[J].统计与信息论坛,2017,32(2): 3-10.

[38] 金勇进*,刘展.大数据背景下非概率抽样的统计推断问题[J].统计研究,2016,33(3):11-17.

[39]刘展*,金勇进.基于倾向得分匹配与加权调整的非概率抽样统计推断方法研究[J].统计与决策,2016(21):4-8.

[40]刘展*,金勇进,韩显男.基于倾向得分匹配的缺失数据插补方法[J].数学的实践与认识,2016,46 (12):193-201.

[41]刘展*.自选式网络调查的统计推断研究[J].暨南学报哲学社会科学版,2015,9:106-111.

[42]刘展,郑俊博,刘洋,潘莹丽*,基于Model-X Knockoffs的非概率样本倾向得分模型推断方法[J].统计与决策,2021,已录用.

[43] 潘莹丽,徐凯东,陈慧芳,刘展*.带有污染协变量和辅助生存信息的Cox模型的改进估计方法研究[J]. 应用概率统计,2022,已录用.

[44] 潘莹丽,赵晓洛,张淑莹,刘展*.超高维生存数据中基于相关性秩排序的变量筛选法和FDR控制研究,统计与决策,2022,已录用.

[45]刘展,王典妮,潘莹丽*,彭璐.基于超总体模型与倾向得分模型的非概率样本与概率样本融合推断研究,统计与决策,2021,已录用.

[46]刘展,李若菡,潘莹丽*.高维非概率样本数据的神经网络推断方法研究,新葡8455学报,2022,已录用.

在审论文

[47]Zhan Liu, Ruohan Li, Yingli Pan*. Nonlinear superpopulation model inference for non-probability samples with nonignorable missingness,2022, Submitted.

[48]Zhan Liu, Dianni Wang, Yingli Pan*. Superpopulation model inference for non-probability samples under informative sampling, 2022, Submitted.

[49]Zhan Liu, Dianni Wang, Yingli Pan*. Superpopulationmodelinference fornon-probabilitysamplesunderinformativesampling withhigh-dimensionaldata, 2022, Submitted.

[50]Zhan Liu, Junbo Zheng, Yingli Pan*. Doubly robust estimation for non-probability samples with modified IPAD, 2022, Submitted.

[51]Zhan Liu, Junbo Zheng, Yingli Pan*. Pseudo generalized regression estimation for non-probability samples with high-

dimensional data, 2022, Submitted

[52] Yingli Pan, Xiaoluo Zhao, Kaidong Xu,Zhan Liu*. Distributed estimation for large-scale expectile regression,2021, Submitted.

[53] Yingli Pan, Di Xia,Zhan Liu*. Aggregated false discovery rate control in censored linear regression,2022, Submitted.

[54] Yingli Pan, Di Xia, Guangyu Song, Xiaojuan Wang,Zhan Liu*. Inference for the covariate-adjusted proportional hazards model under the outcome-dependent sampling design,2022, Submitted.

[55] Yingli Pan,Haoyu Wang,Zhan Liu*. Distributed feature screening via distance correlation for high dimensional survival data, 2022,Submitted.

[56]刘展,王林,潘莹丽*,叶桉均.大数据背景下网络调查样本的超总体局部多项式回归模型推断研究,2021,提交在审.

[57]刘展,魏莎,潘莹丽*,涂朝凤,吴娜.非概率样本的SCAD模型辅助校准估计方法,2020,提交在审.

[58]刘展,周青,王林,潘莹丽*. 多源数据融合视角下非概率样本与概率样本的大量插补推断方法,2022,提交在审.

[59]刘展,王典妮,胡洋,潘莹丽*.大数据背景下网络调查样本的半参数超总体模型推断研究,2021,提交在审.

[60]刘展,王典妮,江志高,潘莹丽*.基于Model-X Knockoffs的非概率样本与概率样本模型推断研究,2021,提交在审.

[61]刘展, 周青, 李若菡, 潘莹丽*. 基于非参数超总体模型的概率样本与非概率样本双重稳健估计方法, 2021,提交在审.

[62] 潘莹丽,徐凯东,郑翼,刘展*.协变量随机缺失下大规模Huber回归模型的分布式计算方法研究,2021,提交在审.

[63] 潘莹丽, 夏迪, 龙杰新,刘展*. 带有异质参数的高维线性回归模型的Model-X Knockoffs推断方法研究, 2021,提交在审.

[64] 潘莹丽, 赵晓洛,刘展*.包含预测因子间图形结构的稀疏Huber回归, 2022,提交在审.

[65] 潘莹丽, 夏迪,丁镇岳,刘展*. 基于 AFT 模型的 Fused Lasso 学习方法, 2022,提交在审.

[66]刘展,胡旗,徐燕,潘莹丽*. 大规模非概率样本数据的分布式推断问题研究, 2022,提交在审.

[67] 潘莹丽,王昊宇,喻佳丽,刘展*. 基于一种距离相关的超高维生存数据 Model-Free 特征筛选, 2022,提交在审.

主持参与的科研项目:

1、国家社科基金项目《大数据背景下网络调查样本的模型推断研究》(18BTJ022) ,主持, 2018.7—2021.12

2、教育部产学合作协同育人项目《统计学专业大数据分析课程建设与教学改革》(201802151010),主持, 2019.3—2020.3

3、2019年全国统计科学研究项目《纵向调查中不可忽略缺失数据的统计推断及实证研究》,主持,2019.10—2021.10

4、湖北省高校教学改革研究项目《“数学”+“金融”交叉复合型人才培养模式的探索与实践》(省级),主持,2021.6—2023.6

5、2019年新葡8455教学改革研究项目《“数学+金融”交叉复合型人才培养模式的探索与实践》,主持,2019.7—2020.7

6、湖北省教育厅科学技术研究计划青年人才项目《大数据背景下基于伪设计的非概率样本估计方法研究》(201811041301002),主持, 2018.6—2020.6

7、新葡8455青年科研基金项目《网络调查下非概率抽样的统计推断研究》,主持, 2017.11—2019.11

8、国家社科基金项目《大数据背景下非概率抽样的统计推断问题研究》(15BTJ014) ,主要完成人, 2015.5—2018.12

9、国家认证认可监督管理委员会信息中心项目《认证认可服务业统计指标体系构建》,主要完成人, 2013.9—2015.12

10、教育部学位与研究生教育发展中心项目《学位与研究生教育发展年度报告》,参与, 2014.9—2016.3




版权所有© 新葡8455 2014 澳门新葡8455最新网站

地址:湖北省武汉市武昌区友谊大道368号 邮政编码:430062

Email:stxy@hubu.edu.cn 电话:027-88662127