加州大学伯克利分校丁鹏教授学术报告

2018年12月26日，【统计学论坛】在清华大学伟清楼209室成功举办。本次报告邀请到加州大学伯克利分校的丁鹏教授。报告由清华大学统计学研究中心的俞声教授主持。报告的主题是Combining multiple observational data source to estimate causal effects.

大数据时代，多个数据来源的特征可能不完全一致，如何高效利用各个数据集的信息？假设大样本的数据集（训练集）缺少某些变量，这些变量可能测量成本高，只有小部分的数据样本（验证集）才有这些变量的数据，在可忽略处理的假设下，因果效应的统计量可以通过回归填充，逆概率加权和配对的方法得到。然而，这些统计量仅仅依赖验证集数据，没有充分利用数据的信息。丁鹏教授介绍了一种新的思路，容易操作，高效利用数据且可处理非常规渐进线性(RAL)估计量。

构造估计量的表达式为：

其中为利用验证集的相合估计量，为利用主要数据集（验证集和训练集全部）的倾向犯错估计量，两项相减则均值为零。从而可以得到估计量：可以证明该估计量是相合的，其中可以选择任何有限参数下相合的估计量。估计量的渐进性质需要对估计量的方差进行估计，考虑用自助法进行方差估计。

此外，丁鹏教授对该方法的应用场景进行介绍，分析了慢性阻塞性肺病对带状孢疹的影响。大数据集包括8486个实验组病人和33944个对照组病人，验证集包括244个实验组病人和904个对照组病人，结果显示该方法大大降低了估计量的标准差，从而得到显著因果效应的结果。

与会人员合影

会议整理：刘朝阳

编辑：侯禹珊