时 间： 2021年12月21日（星期二）下午3:30

地 点： 翡翠湖校区翡翠科教楼B座1602

报 告 人：张新雨  研究员

工作单位: 中国科学院数学与系统科学研究院/中国科学院预测科学研究中心

举办单位：华体会网页入口

报告人简介：张新雨，中国科学院数学与系统科学研究院/中国科学院预测科学研究中心研究员，2010年在中科院系统所获博士学位，智源青年科学家，曾在德州农工大学做博士后研究。目前主要从事统计学和计量经济学的理论和应用研究工作,研究兴趣包括模型平均、机器学习、组合预测和卫生统计等。发表了50多篇学术论文,其中20余篇论文发表在Annals of Statistics、Biometrika、JASA、JRSSB、Journal of Econometrics和Econometric Theory等国际顶级期刊。现担任期刊《Journal of Systems Science and Complexity》领域主编、期刊《Statistical Analysis and Data Mining》AE以及期刊《系统科学与数学》、《应用概率统计》的编委，是中国统筹法优选法与经济数学研究会数据科学分会副理事长和国际统计学会当选会员。先后主持国家自然科学基金委优秀青年基金和杰出青年基金项目，曾获得中国管理学青年奖和中国科学院优秀博士学位论文等奖励。

报告摘要：

The interest of this article is in capturing the heterogeneous treatment effects measured by the conditional average treatment effect (CATE). A model averaging estimation scheme is proposed with multiple candidate linear regression models. The theoretical properties of our proposal are provided. First, it is shown that our proposal is asymptotically optimal in the sense of achieving the lowest possible squared error. Second, the convergence of the weights determined by our proposal is provided under the case where at least one of the candidate models is correctly specified. Simulation results in comparison with several related existing methods favor our proposed method. The method is applied to a dataset from a labor skills training program.