DMIR实验室

7月29日下午，北京大学概率统计系研究员苗旺应DMIR实验室蔡瑞初教授的邀请，通过线上形式为实验室师生作题为“Introducing a generalized tetrad constraint”的学术讲座。

图1 | 苗旺老师作分享报告

本次报告包括两方面内容，一是广义四分体约束（generalized tetrad constraint），一是特异性得分（specificity score）。

关于广义四分体约束，苗旺老师首先简要介绍经典的四分体约束（tetrad constraint）并指出其在非线性、非参数的场景中可能失效，进而基于confounding bridge functions提出广义四分体约束。接着，苗旺老师介绍用于测量条件均值的检验统计量MDD（martingale difference divergence），并给出广义四分体约束的检验框架。最后，苗旺老师展示了所提出的方法在模拟数据和“Holzinger and Swineford”数据集上的结果。

图2 | 广义四分体约束

图3 | 检验统计量MDD

关于特异性得分部分，苗旺老师首先介绍了混杂偏倚的调整方法，包括使用工具变量（instrumental variable）和阴性对照（negative controls）。接着，苗旺老师阐明了因果特异性（causal specificity）假设的定义及其与Bradford Hill特异性之间的差异，并在线性模型和因果特异性假设下给出原假设H0的可验证含义。最后，苗旺老师介绍了特异性得分估计、特异性检验过程和特异性图谱，并考虑了非参数模型和多混杂因素下的可识别性问题。

图4 | 实验室师生踊跃参与讨论