2024年11月15日上午，中国人民大学李杰教授授应邀来我校开展以“Time-varying Treatment Effects of Functional Data with Latent Confounders: Application to Sleep Heart Health Studies”为主题的学术讲座。本次讲座在A217会议室举行，由统计与数学学院蔡利老师主持。

李杰，中国人民大学统计学院讲师，中国人民大学青年英才。2022年于清华大学获得统计学博士学位。主要研究方向为函数型数据分析、时间序列分析、非参数统计等。曾荣获2021年国际统计学会简·丁伯根奖一等奖，目前主持国家自然科学基金青年项目。

在本次讲座中，李教授首先提到了探究变量之间因果关系的重要性。目前已有的因果推理文献研究主要为两个方面：一维数据、二维数据。重复观察的函数数据经常出现在各种应用中，其中功能数据中治疗设计会随着时间的推移而发生变化，这样的治疗效果是一个时变函数。然而，大多数基于观测数据的治疗效果估计方法都依赖于可忽略性假设，即在给定可观测协变量的情况下，治疗分配与潜在结果无关。当涉及未观察到的潜在协变量时，可能会违反这一假设。基于以上这些问题，李教授提出了一种针对功能数据的无偏治疗效果估计的新方法，这方法含有未观察到的潜在协变量。随后，李教授进一步指出可以通过蒙特卡洛EM算法的联合似然方法来解决这个具有挑战性的问题。对此，李教授证明了这个方法在估计个体的异质性治疗效果和平均治疗效果具有灵活性，为制定治疗决策提供了可靠的推理工具。李教授说该方法也可以应用于不规则和稀疏的数据。当应用于研究睡眠质量对心率变异性的动态影响时，该方法带来了有意义的发现。