报 告 人：耿 直 教授
报告题目：因果推断与因果网络
报告时间：
报告地点：静远楼1506学术报告厅
报告人简介：
耿直, 北京大学数学科学学院教授，北京大学统计科学中心联席主任。研究领域为统计理论与方法。研究方向为因果推断、因果网络、不完全数据分析等。研究著名的Simpson悖论和虚假相关问题；提出了替代指标悖论，又称为中间指标悖论；探索评价因果作用的可识别性和分析方法；提出了因果网络结构的分解学习方法、局部学习方法和主动学习方法。研究成果发表在国际上的统计学、生物医学统计、人工智能、机器学习等领域的刊物上。1996年当选为国际统计学会推选会员，1998年获国家杰出青年基金资助项目。现任中国现场统计研究会理事长，中国统计学会副会长, 国家统计局统计咨询委员会委员，国务院学位委员会统计学学科评议组成员，国外和国内多个刊物的编委等职。
报告内容摘要：
因果关系与相关关系是两个不同的重要概念。相关关系只能用在没有外部干预的情况下进行预测。因果关系意味着可预言性，可以进行干预情况下的预测。我们将介绍如何避免虚假相关现象，探讨如何评价事物之间因果作用，如何挖掘因果关系，如何进行干预预测的统计方法。介绍下面若干因果推断的统计方法：
1、井底之蛙：人类就如同井底之蛙，如何根据看到的这一小部分推测自然界的奥秘？讨论相关关系与因果关系的区别。
2、替罪羔羊：为降低研究的成本、缩短时间，常采用终点目标的替代指标(surrogate)。介绍确定替代指标的准则及存在的问题。
3、盲人摸象：介绍复杂多因素之间相互联系的因果网络方法，讨论如何根据数据挖掘和学习多因素之间的因果网络结构。
4、纲举目张：很多因果关系不能完全根据数据确定。提出主动学习方法，干预少量变量，使相关关系网络变为因果关系网络。
5、寻根问底 + 顺藤摸瓜：与传统预测不同，干预的预测需要区别与目标Y相关的那些X中，哪些Xi是目标Y的结果？哪些Xj是Y的原因？介绍从目标Y出发寻根，再返回Y摸瓜的方法。