光华讲坛——社会名流与企业家论坛第 5745 期

（线上讲座）

主题：How Good is Your Best Selected Subgroup（你选到的最好亚组到底有多好）？

主讲人：密西根大学何旭铭教授

主持人：统计学院 林华珍教授

时间：2020年7月8日（周三）上午9:30-10:30

直播平台及会议ID：腾讯会议，293 131 499

主办单位：统计研究中心、数据科学与商业智能联合实验室、统计学院、科研处

主讲人简介：

   何旭铭教授是密西根大学统计学冠名教授。他也曾在新加坡国立大学和伊利诺伊大学任职，担任过美国国家科学基金会的统计学科主任。何旭铭教授当选美国科学促进协会（AAAS），美国统计协会（ASA），数理统计研究所（IMS）和国际统计研究所（ISI）的会士 (Fellow)。 他曾服务于IMS和ISI理事会，曾任国际华人统计协会（ICSA）主席，也曾任《美国统计协会杂志》（JASA）的主编。他的研究兴趣包括稳健统计的理论和方法，分位数回归，贝叶斯计算和选择后推断。他的跨学科研究旨在促进在生物科学，气候研究，脑震荡研究和社会经济研究中更好地进行数据分析。详情请见其个人主页：

https://lsa.umich.edu/stats/people/faculty/xuhe.html

内容提要：

Subgroup analysis is often performed by “slicing and dicing” the data to find one or more subgroups that show distinctive characteristics. However, evaluation of the best selected subgroup tends to be overly optimistic. In this presentation, we use the subgroup evaluation in clinical trials as an example to discuss the risk of selection bias in subgroup evaluations. In particular, we propose a novel bootstrap-based inference procedure for the best selected subgroup effect. The proposed inference procedure is model-free, easy to compute, and asymptotically sharp. We show, through both theory and empirical investigations, that how a subgroup is selected post hoc should play an important role in any statistical analysis. Much of the talk is based on joint work with Dr. Xinzhou Guo.

亚组分析通常通过对数据进行slicing and dicing方法来找到一个或多个具有显著特征的子组。然而，对最佳选择的子群体的评价往往过于乐观。本报告以临床试验中的亚组评估为例，讨论亚组评估中选择偏差的风险。特别地，我们提出了一种新的基于bootstrap的推断方法来确定最佳选择的子组效应。该推断方法与模型无关,计算简单,具有良好的渐近性质。我们通过理论和实证研究表明，如何选择一个亚组应在任何统计分析中发挥重要作用。报告的大部分内容是基于与Xinzhou Guo博士的合作。