数学科学学院学术报告[2024] 132号

(高水平大学建设系列报告1012号)

报告题目: Tuning-parameter-free propensity score matching approach for causal inference under shape restriction

报告人：刘玉坤  教授 （华东师范大学）

报告时间：2024年12月9日下午14:30-15:30

讲座地点：腾讯会议：484-453-513

报告内容：Propensity score matching (PSM) is a pseudo-experimental method that uses statistical techniques to construct an artificial control group by matching each treated unit with one or more untreated units of similar characteristics. To date, the problem of determining the optimal number of matches per unit, which plays an important role in PSM, has not been adequately addressed. We propose a tuning-parameter-free PSM method based on the nonparametric maximum-likelihood estimation of the propensity score under the monotonicity constraint. The estimated propensity score is piecewise constant, and therefore automatically groups data. Hence, our proposal is free of tuning parameters. The proposed estimator is asymptotically semiparametric efficient when the covariate is univariate or the outcome and the propensity score depend on the covariate in the same direction. We conclude that matching methods based on the propensity score alone cannot, in general, be efficient.

报告人简历：刘玉坤，华东师范大学统计学院教授，博士生导师，担任华东师范大学经济与管理学部统计交叉科学研究院副院长，统计学院院长助理，统计与数据科学前沿理论及应用教育部重点实验室副主任。研究兴趣包括经验似然和半参数统计理论及其在缺失数据、因果推断、生态学、流行病学等方面的应用。多项研究成果发表在JRSSB、AOS、JASA、Biometrika、JoE、Biometrics等国际统计学期刊上。主持多项国家自然科学基金项目和科技部国家重点研发计划课题。担任全国工业统计教学研究会副会长、中国现场统计研究会资源与环境分会副理事长、中国数学会概率统计分会常务理事等学术兼职。

欢迎师生参加！

邀请人：数学科学学院（胡宗良）

　　　　　　　　　　　　　　　　　　　　　数学科学学院

　　　　　　　　　　　　　　　　　　　 2024年12月9日