短期课程：Texas A&M University，Zhao Hongwei教授到访我院并讲授短期课程

2019年6月4日至2019年6月13日，来自Texas A&M University Epidemiology & Biostatistics的Zhao Hongwei教授在我校为我院及相关院系的师生们讲授了以“Causal Inference for Observational Studies”为主题的系列课程。

首先，赵老师在我校明德楼405教室为大家简要介绍了潜在结果框架（Potential Outcomes Framework）的相关内容。该模型广泛应用于因果推理中，着重关注对同一单位同时接受不同干预的比较而得出一个干预相对于另一个干预的因果关系。该模型将实验研究和观察研究统一在一个框架之下思考，具有广泛的应用前景。

接着，赵老师在我校公共教学一楼1506教室为同学们讲授了条件随机试验与结果回归法（Conditional Randomized Trials; Outcome Regression Method）。对不同组实施不同的干预，以对照效果的不同，能够最大程度地避免临床试验设计、实施中可能出现的各种偏倚，平衡混杂因素，获得统计规律性的认识。

随后，赵老师又在我校明德楼405教室为我们介绍了倾向评分分层匹配法（Propensity Score Stratification and Matching Methods）。倾向性评分匹配，是利用产生的倾向性评分，在试验组与对照组中选择研究对象，构成新的试验组和对照组，然后进行两组间干预因素作用的比较。这种方法的分析原理与传统的分层分析方法基本相同, 只是分层变量不是每个混杂变量, 而是倾向评分值。

最后，赵老师又在我校明德楼202教室为大家进一步讲解了逆概率加权与双鲁棒估计（Inverse Probability Weighting; Doubly Robust Estimator）的相关内容。在观察性研究中，研究对象的处理分配机制通常不是随机发生的，而是会受到众多混杂因素的影响。在比较处理组间的暴露效应时，如果忽略这些混杂因素,效果估计就会发生偏倚，而进行逆概率加权可以有效地规避这一问题。

在课堂上，参与此次课程的各位老师同学也和赵老师就课程的内容、问题以及在现实中的应用等方面展开了热烈的讨论，课程取得了圆满成功。

附：Zhao Hongwei教授简介

Texas A&M Health Science Center, School of Public Health

Department of Epidemiology and Biostatistics

Adjunct Member, Statistics Graduate Faculty

E-mail :zhao@sph.tamhsc.edu