近日，经济学院统计学系姜云卢副教授的两篇合作论文（第一作者）分别在统计学领域国际权威期刊 Journal of the American Statistical Association 和 Statistica Sinica 在线发表。
内容简介
☞期刊 Journal of the American Statistical Association
☞论文名称 Nonparametric two-sample tests of high dimensional mean vectors via random integration
☞作者 Jiang Yunlu et al.（2022）
☞DOI 10.1080/01621459.2022.2141636
论文基于随机整技术研究了非参数的高维两样本均值检验问题。对于高维两样本均值检验问题，传统的方法是基于平方和或者极值统计量，他们可能在某一方面具有很好的功效，但是在其它方面表现的不是很好，没有提供一个统一的框架。本论文利用随机整技术，对高维两样本均值检验问题提供了一个统一的框架，包含许多存在的方法作为特例。同时，所提方法没有要求两样本具有相同的协方差矩阵，也不需要稀疏的假设。在一些条件下，研究了所提检验统计量的大样本性质。同时，在均值差的非0信号稠密且几乎具有相同符号时，所提方法能实现完全有效，且所提方法相对于CQ方法的Pitman效是大于等于1。
☞期刊 Statistica Sinica
☞论文名称 Use of random integration to test equality of high dimensional covariance matrices
☞作者 Jiang Yunlu et al.（2022）
☞DOI 10.5705/ss.202020.0486
论文利用随机整技术研究了高维协方差矩阵相等的假设检验问题。所提的方法具有如下优点：第一、所提方法是非参的，不需要分布假设；第二、当维数p很大时，所提方法也能够使用，并且当两个协方差矩阵差的对角线有许多小的扰动或者有一些大的扰动时，所提方法能获得高的功效，然而，现有的方法在这种情况下表现不是很好；第三、在一般的多变量模型下确立了所提方法的大样本理论，并且不需要维数p和样本量n的具体关系。
上述两篇论文是姜云卢主持2021年度国家自然科学基金面上项目《高维数据的自适应稳健高效统计推断研究》的阶段性科研成果。
作者简介
姜云卢，暨南大学经济学院统计学系副教授、博士生导师。目前的主要研究包括：稳健统计、高维数据分析、变量选择，至今已公开在 Journal of the American Statistical Association, Technometrics, Statistica Sinica 等国内外知名期刊上发表SCI论文30余篇，其中入选ESI前1%高被引论文1篇；主持国家自然科学基金项目2项（1项面上基金、1项青年基金）、省部级项目4项和广东省高等教育教学研究改革项目1项；入选广东省高等学校“千百十工程”第八批培养对象；荣获第八次广东省统计科研优秀成果奖一等奖（排第三）；入选“暨南双百英才计划”暨南杰青第一层次和第二层次。
