光華講壇——社會名流與企業家論壇第6680期

主題：An instrumental variable method for point processes點過程的工具變量法

主講人：中山大學 蔣智超教授

主持人：統計學院 林華珍教授

時間：11月24日 14:00-15:00

直播平臺及會議ID：騰訊會議，ID:392-213-590

主辦單位：統計研究中心和統計學院 科研處

主講人簡介：

蔣智超，中山大學數學學院教授，本科博士均畢業于北京大學數學科學學院，2016年至2019年在普林斯頓大學和哈佛大學從事博士后研究，2019年至2022年在美國麻省大學阿默斯特分校擔任助理教授。研究領域為因果推斷。研究的主要興趣為主分層分析、工具變量、測量誤差和缺失數據，以及因果推斷方法在生物醫學以及社會科學中的應用。

內容簡介：

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.

點過程是對事件數據進行建模的概率工具。雖然研究點過程之間關系的文獻在快速增加，但缺少這些關系與因果效應之間聯系的探索。在存在未測量的混雜因素時，點過程模型的參數不一定有因果解釋。主講人提出了一種工具變量方法，用于點過程治療和結果的因果推斷。根據潛在結果定義因果量，并使用二元工具變量建立非參數識別性結果。

主講人將傳統的Wald估計擴展到處理點過程治療和結果，表明它應該在對治療和結果的意向性效應的傅里葉變換之后進行，因此采取反卷積的形式。主講人將其稱為廣義Wald估計，并提出了一種基于已建立的反卷積方法的估計策略。