• 统计研究中心
当前位置: 首页 > 系列讲座 > 正文

北京大学苗旺研究员:Introducing the specificity score: a measure of causality beyond P value

光华讲坛——社会名流与企业家论坛第 期

主 题Introducing the specificity score: a measure of causality beyond P value

主讲人北京大学苗旺研究员

主持人统计学院林华珍教授

时间:2023年5月16日(周二)下午16:00-17:00

举办地点:柳林校区弘远楼408会议室

主办单位:统计研究中心和统计学院 科研处

主讲人简介:

苗旺现为北京大学概率统计系研究员, 2008-2017年在北京大学数学科学学院读本科和博士,2017-2018年在哈佛大学生物统计系做博士后研究,2018年入职北京大学光华管理学院,2020年调入数学科学学院。苗旺的研究兴趣包括因果推断,缺失数据,半参数统计,及其在生物统计,流行病学,经济学和人工智能研究中的应用,与合作者提出混杂分析的代理推断理论,发展非随机缺失数据的识别性和双稳健估计理论,以及数据融合的半参数理论,获得国家重点研发计划青年科学家项目和国家自然科学基金面上项目资助。

内容简介

P值作为统计显著性度量被广泛地应用于在科学研究中。然而,近年来应用领域针对P值的质疑日益增加,Political Analysis等知名期刊宣布禁用P值,Nature发表评论文章反对统计显著性,在科学领域引起一场“统计危机”。这次危机的背后固然有P值被误用的原因,但P值或统计显著性有自身的局限性——很多科学研究的目的是挖掘因果关系,P值刻画的是数据随机性的影响而不一定具有因果意义,当研究中存在混杂因素时,统计显著性不代表因果关系。工具变量和代理推断等方法可以调整混杂因素,但这些使用辅助变量的方法依赖精确的因果先验或专业领域知识。在本文,作者提出基于因果特异性的因果推断理论,建立严格的因果特异性概念,提出特异性得分度量存在混杂因素时因果关系的显著性,利用特异性得分检验因果关系是否存在。本文提出的因果特异性理论只需要关于因果关系范围的粗略信息,不依赖精确的因果先验知识或辅助变量,在一定条件下,因果显著性检验可以控制住检验因果关系是否存在的第一类错误并具有趋于一的功效,可以识别多个处理和多个结果之间的因果关系。这些新理论和新方法在社会调查、生物样本数据、电子病历数据分析等领域有潜在应用。本文通过分析一个关于老鼠肥胖症的数据研究基因表达和代谢产物之间的因果关系。


上一条:迈阿密大学WANG LAN教授: New Approaches for Inference on Optimal Treatment Regimes

下一条:清华大学邓柯副教授:Stratification and Optimal Resampling for Sequential Monte Carlo