高维复杂分层数据分析与鞍点逼近方法及其在流行病风险中的应用

本项目致力于解决两个统计学前沿问题：1.高维复杂分层结构数据的统计分析，建立完善的能刻该类数据各层面属性的几大类"分层分位回归模型"的理论与方法；并将这些新方法广泛地应用到实际数据分析中去，包括四大类型的数据：重复测量数据、纵向数据、分层结构数据以及聚类数据. 2.在给定某个参数的充分统计量的条件下，相应的条件分布的鞍点逼近理论与方法，并用之于流行病学中重大的稀有疾病的统计理论与方法研究，比如， 将这些方法应同于血液学、艾滋病和重大稀有疾病的案例控制(比如前年流行的非典，禽流感)等方面去，因此，既有重要的统计理论方面的意义，又有重大的医学等方面的适用价值.最后，研究金融风险中高维相依风险值VaR的精确、快速的计算问题。