主 题：Bayesian Jackknife Empirical Likelihood-based Inference for Missing Data and Causal Inference基于贝叶斯刀切经验似然的缺失数据和因果推断推理

主讲人：美国佐治亚州立大学赵亦川教授

主持人：统计学院林华珍教授

时间：2024年6月24日（周一）下午2：00-3：00

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 国际交流与合作处 科研处

主讲人简介：

赵亦川博士是美国佐治亚州立大学的统计学教授，主要研究方向为生存分析、经验似然方法、非参数统计、ROC曲线分析、生物信息学、蒙特卡洛方法和模糊系统等统计模型。赵教授在统计学和生物统计学研究领域发表了一百多篇研究论文，是六本在施普林格出版的统计学、生物统计和数据科学专著的联合主编。作为组织委员会主席，他成功组织了多个统计学，生物统计学和生物信息学方面的大型国际学术会议（包括Workshop Series on Biostatistics and Bioinformatics，2016 ICSA Applied Statistics Symposium，2023泛华统计协会中国会议等）。在全球各地做了两百多场的学术报告。赵亦川教授目前是若干权威统计期刊的付主编或编委会成员，也是泛华统计协会的理事会成员，他同时也是美国统计学会的会士和国际统计学会的当选成员。

内容简介：

Missing data reduces the representativeness of the sample and can lead to inference problems. This study applied the Bayesian jackknife empirical likelihood method for inference with missing data that were missing at random and causal inference. The semiparametric fractional imputation estimator, propensity score weighted estimator, and doubly robust estimator were used for constructing the jackknife pseudo values which were needed for conducting Bayesian jackknife empirical likelihood-based inference with missing data. Existing methods, such as normal approximation and jackknife empirical likelihood, were compared with the Bayesian jackknife empirical likelihood approach in a simulation study. The proposed approach had better performance in many scenarios in terms of the behavior of credible intervals. Furthermore, we demonstrated the application of the proposed approach for causal inference problems in a study of risk factors for impaired kidney function.

It is based on joint work with Sixia Chen and Yuke Wang.

缺失数据会降低样本的代表性，并可能导致推断问题。本研究应用贝叶斯刀切经验似然方法对随机缺失数据和因果推断进行推理。半参数分数插补估计器、倾向评分加权估计器和双重稳健估计器被用于构建刀切伪值，这些伪值是进行基于贝叶斯刀切经验似然的缺失数据推理所需的。在模拟研究中，将现有的方法，如正态近似和刀切经验似然，与贝叶斯刀切经验似然方法进行了比较。在许多场景中，所提出的方法在可信区间的行为方面表现更好。此外，主讲人在一项关于肾功能受损风险因素的研究中将展示所提出方法在因果推断问题中的应用。该研究基于与Sixia Chen和Yuke Wang的共同工作。