《因果推斷的統計方法》是依託北京大學，由耿直擔任項目負責人的面上項目。
基本介紹
- 中文名：因果推斷的統計方法
- 依託單位：北京大學
- 項目負責人：耿直
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
研究因果推斷的統計方法。因果模型主要有因果網路模型和潛在結果模型。針對這兩種模型，我們研究因果網路的結構學習和因果作用的統計推斷。在因果網路方面，我們探討因果網路的有效學習算法；研究根據不完全數據和時間序列數據的網路結構學習方法；討論完全數據和不完全數據的局部網路學習算法。關於因果推斷方面，我們探討替代指標的準則。我們提出的替代指標悖論說明了目前主要的替代指標準則不能根據處理對替代指標的作用來預測處理對終點指標的作用。因此，需要確定替代指標的新準則。關於多因素之間因果分析，我們研究中間調解分析(Mediation analysis)，討論直接因果作用和間接因果作用的可識別性。用因果路徑的中間因素對總體的進行主分層，我們研究主分層分析(Principal analysis)，探討主分層因果作用的統計推斷方法。我們討論不可忽略缺失數據機制下因果作用的可識別性。
結題摘要
研究因果推斷的統計方法。因果模型主要有因果網路模型和潛在結果模型。針對這兩種模型，我們研究了因果網路的結構學習和因果作用的統計推斷。在因果網路方面，我們探討了因果網路的有效學習算法；研究根據不完全數據和時間序列數據的網路結構學習方法；討論完全數據和不完全數據的局部網路學習算法。關於因果推斷方面，我們探討了替代指標的準則。我們提出的替代指標悖論說明了目前主要的替代指標準則不能根據處理對替代指標的作用來預測處理對終點指標的作用。因此，需要確定替代指標的新準則。關於多因素之間因果分析，我們研究中間調解分析(Mediation analysis)，討論直接因果作用和間接因果作用的可識別性。用因果路徑的中間因素對總體的進行主分層，我們研究主分層分析(Principal analysis)，探討主分層因果作用的統計推斷方法。我們討論不可忽略缺失數據機制下因果作用的可識別性。
