论文标题：Penalized Lq-likelihood estimator and its influence function in generalized linear models
论文作者：曾珍
论文介绍：尽管现有研究已经提出了许多惩罚方法，如 Lasso、adaptive group Lasso、weighted Lasso、SCAD等，但这些方法在高维情境下的鲁棒性方面仍然存在不足。为了解决这一问题，本论文提出了一种新的方法——PLqE，并通过影响函数（influence functions）来研究和验证其鲁棒性，将其应用于高维广义线性模型（GLMs）的统计推断。这在现有文献中尚未见到，填补了高维 GLMs研究中的一个空白。
作者简介：曾珍，南京财经大学应用数学学院讲师，2020年获得暨南大学博士学位，2023年在加州大学河滨分校完成博士后研究。
原文链接：https://doi.org/10.1007/s00184-023-00943-z
期刊简介：Metrika 是一本面向理论和应用统计学的国际期刊，主要刊登数理统计与统计方法领域的原创性研究论文。期刊高度关注理论统计和统计模型的最新进展，并强调所提出统计方法及其成果在实际中的创新适用性。主要涵盖的主题包括但不限于多元分析、高维和计算机密集型统计（如重新抽样方法）、非参数统计、时间序列分析、分类数据分析和潜在变量模型、功能数据分析、可靠性、生命周期数据分析和工程科学统计。期刊每年发表42篇文章，2024年影响因子/JCR分区：0.9/Q3，H-index 46。
