中国人民大学统计学院和统计与大数据研究院第十期青年教师联合论坛顺利举办

2025年9月29日上午，统计学院和统计与大数据研究院第十期青年教师联合论坛顺利举办，中国人民大学统计与大数据研究院张宇谦助理教授、统计学院王春燕副教授开展了主题分别为“Dynamic treatment effects: high-dimensional doubly robust inference under model misspecification”和“Two-level isomorphic foldovers designs”的学术报告。论坛由统计与大数据研究院杨光宇助理教授和统计学院讲师韩雨泽主持，现场同时开设了线上分会场。

张宇谦助理教授首先介绍了动态治疗效应的概念与应用，深入探讨了高维数据下模型误设时动态处理效应的估计与推断问题。他指出，估计动态处理效应对于理解干预措施的时变因果效应至关重要，但该任务长期面临由时变混淆等因素带来的挑战，容易导致估计偏差。针对这一难题，张宇谦阐述了在潜在结果框架下两阶段模型的动态设置，重点分析了线性结果回归模型和逻辑回归倾向性得分模型下，估计量的三项偏差以及四种冗余参数的估计方法，并提出一种新颖的序列模型双稳健估计量。理论方面，尽管高维情境下冗余参数的估计本身可能无法达到根号N的收敛速率，但张宇谦构造的损失函数能够有效地校正，证明了在次高斯等假设下，估计量能够达到根号N的收敛速率，最终确保对研究者关心的因果参数进行有效的统计推断。张宇谦将序列模型双稳健估计量应用于国家就业训练研究中，得到的偏差和均方误差最小，估计效果最好。

王春燕副教授系统地提出了一类新型的非正交实验设计，称为同构折叠设计。报告伊始，王春燕首先回顾了两水平正交阵列在因子实验中的重要性，并指出其可分为正交设计与非正交设计。正交设计虽理论成熟，但其试验次数必须为2的幂次，限制了应用的灵活性；而非正交设计在试验次数和效应估计上更具优势，但其复杂的结构使得构造优质设计一直是个挑战。为解决这一难题，王春燕及其合作者提出了同构折叠设计(IFD)。该方法的核心思想是，由一个初始设计出发，通过多次折叠操作来构造一个更大的设计。王春燕提出的方法能够基于任何初始设计，找出所有由f次折叠构成且互不等价的设计，并进一步提供了两种优化算法，以G-aberration（或G2-aberration）为准则，构造最优的f-IFD。相较于直接构造一个庞大的单一设计更容易成功。同时，IFD具有平行扁平结构，这使得它比许多其他复杂的非正交设计更易于理解、分析和实施。此外，报告还揭示了许多已有的经典设计均可视为IFD的特例，这统一并拓展了师生们对现有设计的认知。

本次论坛结束后，线上线下师生们反映受益良多，不仅拓宽了学术视野，也为他们提供了高维因果模型和实验设计领域全新的研究思路和方法，进一步激发了大家的学术热情。研究院今后会继续邀请国内外专家学者开展系列讲座，不断拓宽师生的学术视野，持续打造研究院在学术领域的品牌影响力，为统计与大数据领域的发展贡献更多力量。