人才培养
国际化专题课程《Propensity Score Analysis》圆满结束
时间:2019-12-23

12月20日和21日,由研究生院和统计学院联合举办的专题课程《Propensity Score Analysis》(倾向值分析)在学景酒店MBA204教室圆满结束。课程由现任美国华盛顿圣路易斯大学Frank J. Bruno杰出教授,西安交通大学长江学者讲座教授,美国社会工作社会福利科学院院士郭申阳教授主讲。来自统计学院、会计学院、经济研究中心等院部的80余位老师和研究生聆听了两天的课程。开课前,校学科办主任马玉林教授、统计学院执行院长李国锋教授分别对郭教授来我校开设研究生短期课程表示欢迎与感谢。 

在随后两天授课时间里,郭教授分别就倾向值分析方法的历史发展、反事实理论框架及其假定、倾向值匹配原理及相关模型和匹配值估计等当面进行了详细的讲授,并与听课师生进行了热烈交流,解答了师生们关于倾向值分析的诸多提问。听课老师和同学们都表示这种短期集中授课方式效果良好,能真正做到听的懂原理、学的会应用!

 

在观察研究或不含随机化的研究中进行因果关系推断颇具有挑战性。由于种种原因,数据偏差(bias)和混杂因素(confounding variable)较多且不可避免。为了减少这些偏差和混杂因素的影响,倾向值分析(Propensity Score Analysis)已被证明是使用非实验数据(Non-experimental Data)或观测数据(Observational Data)进行干预效应评估时的有用、新颖且具创造性的一类统计方法。其理论框架是反事实推断模型,它假定任何因果分析都面临着观测到的和未被观测到的结果。如果我们说“A是导致B的原因,用的是一种事实陈述法;如果我们问:没有A,那么B的结果将会怎样呢(其实A已经发生了)?对于处在干预状态(treatment condition)的成员而言,反事实就是处在控制状态(condition of control)下的潜在结果(potential outcome);反之,对于处在控制状态的成员而言,反事实就是处在干预状态下的潜在结果。显然,这些潜在结果是我们无法观测到的,或说它们是缺失的,需要做进一步的研究。这种方法最早由Paul RosenbaumDonald Rubin1983年提出的,一般常用于医学、公共卫生、经济学和社会学等领域。

 

 


 

 

主讲人简介

郭申阳,复旦大学经济学学士和硕士,南开大学第一期社会学专业班毕业,美国密执安大学社会学博士,现任美国华盛顿圣路易斯大学Frank J Brun杰出教授,西安交通大学长江学者讲座教授,美国社会工作社会福利科学院院士。教授硕博士生统计和定量研究方法课程,在动态研究、多层次研究、结构方程模型、事件史研究、倾向值匹配、内核匹配、项目评估等方法及其运用等领域发表论文100余篇。著作或合著《倾向值分析》《生存分析》《结构方程模型》。多次应邀在美国国立健康研究所暑期班,儿童署,全美社会工作研究年会做统计分析讲座。曾担任北卡大学奥顿研究所应用统计工作组主席。研究课题包括儿童福利、贫困人群、福利政策及改革、老年人群抚养等。担任社会服务纵览编辑委员会委员,经常为多种杂志评审文章,经常受邀对文稿有争议的复杂统计方法发表意见。


撰稿人:李振波

审核人:李国锋