光华讲坛——社会名流与企业家论坛第 期

主 题：An instrumental variable method for point processes点过程的工具变量法

主讲人：中山大学蒋智超教授

主持人：统计学院林华珍教授

时间：2023年11月24日（周五）下午14:00-15:00

直播平台及会议ID：腾讯会议，ID: 392-213-590

主办单位：统计研究中心和统计学院 科研处

主讲人简介：

蒋智超，中山大学数学学院教授，本科博士均毕业于北京大学数学科学学院，2016年至2019年在普林斯顿大学和哈佛大学从事博士后研究，2019年至2022年在美国麻省大学阿默斯特分校担任助理教授。研究领域为因果推断。研究的主要兴趣为主分层分析、工具变量、测量误差和缺失数据，以及因果推断方法在生物医学以及社会科学中的应用。

内容简介：

Point processes are probabilistic tools for modeling event data. While there exists a fast-growing literature studying the relationships between point processes, it remains unexplored how such relationships connect to causal effects. In the presence of unmeasured confounders, parameters from point process models do not necessarily have causal interpretations. We propose an instrumental variable method for causal inference with point process treatment and outcome. We define causal quantities based on potential outcomes and establish nonparametric identification results with a binary instrumental variable.

We extend the traditional Wald estimation to deal with point process treatment and outcome, showing that it should be performed after a Fourier transform of the intention-to-treat effects on the treatment and outcome and thus takes the form of deconvolution. We term this as the generalized Wald estimation and propose an estimation strategy based on well-established deconvolution methods.

点过程是对事件数据进行建模的概率工具。虽然研究点过程之间关系的文献在快速增加，但缺少这些关系与因果效应之间联系的探索。在存在未测量的混杂因素时，点过程模型的参数不一定有因果解释。主讲人提出了一种工具变量方法，用于点过程治疗和结果的因果推断。根据潜在结果定义因果量，并使用二元工具变量建立非参数识别性结果。

主讲人将传统的Wald估计扩展到处理点过程治疗和结果，表明它应该在对治疗和结果的意向性效应的傅里叶变换之后进行，因此采取反卷积的形式。主讲人将其称为广义Wald估计，并提出了一种基于已建立的反卷积方法的估计策略。