2025年3月21日下午，复旦大学朱仲义教授授应邀来我校开展以“A Data Fusion Method for Quantile Treatment Effects”为主题的学术讲座。本次讲座在综合楼644会议室举行，由统计与数学学院张立新教授主持。
朱仲义，复旦大学统计与数据科学系教授，博士研究生导师，长期致力于统计学领域的前沿研究。曾任中国概率统计学会第八、九届副理事长,国际著名杂志《Statistica Sinica》副主编，《应用概率统计》, 《中国科学：数学》杂志编委；现为国际数理统计学会当选会员，担任《数理统计与管理》杂志编委和国际顶级统计杂志JASA的副主编。专业研究方向为：纵向数据(面板数据)模型，分位数回归模型，非参数与半参数模型，机器学习等。主持完成国家自然科学基金面上项目7项、国家社会科学基金1项，作为子项目负责人完成国家自然科学基金重点项目2项，重大项目子项目1项，目前主持国家自然科学基金重点项目1项，推动了统计方法在保险精算、非寿险数据分析等领域的应用。近几年发表论文100多篇(其中包括在国际四大统计和机器学习顶级刊物等SCI论文八十多篇)。2015年获得教育部自然科学二等奖。
朱教授将本次讲座分为以下六个部分：Introduction,Setup and BasicEstimators,Method,Simulation,Application to Birthweight Dataset以及Discussion。首先，朱教授提到了随着数据集可用性的增加，通过开发数据融合方法来处理不同类型数据的优势来得出因果关系，对许多科学领域来说具有重大的现实意义，因此考虑使用具有完全观察到的混杂因素的小验证数据、以及具有未测量混杂因素的大量辅助数据来估计分位数治疗效果。接着在方法使用方面，朱教授提出了一种融合分位数治疗效果估计器（FQTE），该估计器基于双鲁棒估计函数整合了来自两个数据集的信息，允许在数据集上使用未测量的混杂因素对模型进行错误指定。在温和条件下，朱教授证明了所提出的FQTE是渐近正态的，并且比仅使用验证数据的初始QTE估计器更有效，随后，朱教授展示了建立相关估计量的渐近线性形式，这提供了更为方便的协方差估计方法，使采用的方法易于实现。最后，仿真研究也证明了融合估计器的经验有效性和提高的效率。
随着讲座接近尾声，朱仲义教授非常热情地与在场老师和同学们进行学术方面的讨论，并十分耐心地回答老师们和同学们的疑问。最后，张立新教授对此次讲座发表总结并对朱仲义教授的精彩讲解以及在场听众的参与和互动表达了诚挚的感谢。
图文|黄文曦 林奕霈