报告题目：Averaging Estimators of Heterogeneous Treatment Effect under Additive Models
报 告 人：张新雨 教授
报告单位：中国科学院
报告时间：2022年10月12日 星期三 下午13:30-14：30
报告地点：腾讯会议：963 907 870
校内联系人：丁雪 dingxue83@jlu.edu.cn
报告摘要： In the estimation heterogeneous treatment effect, model uncertainty often exists because of the uncertainty which variable should be used or other reasons. To handle the model uncertainty, we propose a novel model averaging method for estimating the heterogeneous treatment effect by assembling the estimations from multiple additive candidate models with certain weights. The weights are obtained by minimizing J-fold cross-validation, in which nearest neighbor matching is used to impute the unobserved potential outcome. We show that the proposed method is asymptotically optimal in the sense of achieving the lowest possible squared loss and can put the weight one to the correctly specified models. Both simulation study and empirical example show the superiority of our proposed estimator over other competitive methods.
报告人简介：中科院数学与系统科学研究院/预测中心研究员，中国科学技术大学管理学院双聘教授。目前担任《JSSC》、《SADM》、《系统科学与数学》、《应用概率统计》编委和《Econometrics》客座主编。是中国统筹法优选法与经济数学研究会数据科学分会副理事长和国际统计学会当选会员。先后主持国家自然科学基金委优秀和杰出青年研究基金项目，曾获得中国管理学青年奖和中科院优秀博士学位论文等奖励。主要从事统计学和计量经济学的理论和应用研究工作,具体研究方向包括模型平均、机器学习、组合预测和卫生统计等。发表了50多篇学术论文,其中20余篇论文发表在Annals of Statistics、Biometrika、JASA、JRSSB、Journal of Econometrics和Econometric Theory。主要研究方向为模型平均、模型选择、组合预测等。
