检测到您当前使用浏览器版本过于老旧,会导致无法正常浏览网站;请您使用电脑里的其他浏览器如:360、QQ、搜狗浏览器的极速模式浏览,或者使用谷歌、火狐等浏览器。
下载Firefox职称:长聘副教授、博士生导师(统计与大数据研究院)
研究方向:因果推断
联系方式:givennamefamilyname@ruc.edu.cn
张政,中国人民大学统计与大数据研究院长聘副教授、博士生导师,国家级青年人才计划入选者。2011年本科毕业于东南大学数学系,2015年博士毕业于香港中文大学统计系。主要研究方向为因果推断。在JRSS-B, JOE, Quantitative Economics等期刊发表多篇学术论文。担任中国现场统计研究会统计交叉科学研究分会常务理事、因果推断分会理事。
详见个人主页:https://sites.google.com/view/zheng-zhang/home
部分论文(按姓氏的英文首字母排序,*表示通讯作者,#表示指导的学生)
1. Bensoussan A., Yam S. C. P.*, and Zhang Z. (2015). Well-posedness of Mean-field Type Forward-backward Stochastic Differential Equations. Stochastic Processes and their Applications . 125(9), 3327-3354. [Link]
2. Chan K. C. G.*,Yam S. C. P.,and Zhang Z. (2016). Globally Efficient Nonparametric Inference of Average Treatment Effects by Empirical Balancing Calibration Weighting. Journal of the Royal Statistical Society: Series B . 78(3), 673-700. [Link]
3. Privault N., Yam S. C. P.*, and Zhang Z. (2019). Poisson Discretizations of Wiener Functionals and Malliavin Operators with Wasserstein Estimates. Stochastic Processes and their Applications . 129(9), 3376-3405. [Link]
4. Ai. C., Linton O., Motegi K. and Zhang Z.* (2021). A Unified Framework for Efficient Estimation of General Treatment Models. Quantitative Economics. 12(3),779-816. [Link]
5. Ai. C., Linton O., and Zhang Z.* (2022). Estimation and Inference of Counterfactual Distribution and Quantile Functions in Continuous Treatment Models. Journal of Econometrics. 228(1), 39-61.
6. Huang W., Linton O., and Zhang Z.* (2022). A Unified Framework for Specification Tests of Continuous Treatment Effect Models. Journal of Business & Economic Statistics. 40(4), 1817-1830. [Link]
7. Huang W. and Zhang Z. *(2023). Nonparametric Estimation of Continuous Treatment Effect with Measurement Error. Journal of the Royal Statistical Society: Series B. 85(2), 474–496.[Link]
8. Ai. C., Sun L., Zhang Z.* and Zhu L. (2024). Testing Independence and Conditional Independence via Mutual Information. Journal of Econometrics. 240(2). [Link]
9. Chen X., Liu Y., Ma S.*, and Zhang Z.* (2024). Causal Inference of General Treatment Effects Using Neural Networks with A Diverging Number of Confounders. Journal of Econometrics. 238(1). [Link]
主要科研项目:
1. 复杂数据下因果关系有效推断的理论与方法,2021年01月-2023年 12月,国家自然科学基金(青年项目),主持。
2. 连续处理效应的建模与统计推断,2022年01月-2024年12月,北京市自然科学基金(面上项目),主持。
3. 因果分析中连续处理效应的非参数建模与统计推断,2024年01月-2027年12月,国家自然科学基金(面上项目),主持。
4. 面向跨尺度医学数据的融合表征及因果数学理论与应用,2022年12月-2027年11月,国家重点研发计划(青年科学家项目),参与,排名2/17。
5. 测量误差数据下因果推断的方法与理论研究,2023年4月-2025年12月,中国人民大学科学研究基金(面上项目),主持。
6. 非独立同分布大数据统计基础理论、方法与应用,2024年12月-2028年11月,国家重点研发计划,参与,排名17/106。