应公共卫生学院邀请，本周天（6月7日，08:30-11:30）在勤博楼4010举办因果推断专题学术报告报告信息为：

    报告一：Model selection and averaging for estimating heterogeneous treatment effects

    报告人：清华大学  杨宇红  教授

    由于处理效应真值难以直接观测，研究难以开展模型对比，常规交叉验证方法并不适配效应估计任务。最优回归拟合模型并不能保证具备优异的因果估计性能，同时模型加权融合时，也无法依靠真实效应配置最优权重。对此，依托样本精准匹配思路，提出全新的模型选择与模型平均方案。本报告将系统讲解适配处理效应的交叉验证机制，结合匹配算法集成多元学习器；针对样条加性模型，借助交叉验证优化模型权重，并结合近邻匹配推算潜在结果。案例分析结果证明该方案能够有效提升因果处理效应的估计精度。

    报告二：Difference-in-Differences using Double Negative Controls and Graph Neural Networks for Unmeasured Network Confounding

    报告人：辽宁大学  付连艳  教授

利用观测网络数据估计因果效应，会同时面临网络干扰与未观测混杂两大难题。针对该问题，本文提出一种融合双重负控制变量与图神经网络的通用双重差分框架。依托修正后的平行趋势假设与双重负控制变量，本文实现了直接因果效应与间接因果效应的半参数识别。在此基础上，构建了双重稳健估计量。具体而言，研究结合图神经网络与广义矩估计，对高维协变量及网络结构相关函数进行估计；同时，在网络相依性与近似邻域干扰条件下，证明了该估计量服从渐近正态分布。数值模拟验证了所提估计量在有限样本下的表现。最后，本文用实际案例验证了所提出方法的可行性和有效性。