COVID-19 パンデミックから 3 年が経ち、私たちはいくつかのことを学びました (そして、まだ知らないことがたくさんあることを学びました)。 感染症を効果的に追跡および予測するためのデータの課題はかなりありますが、克服できないわけではありません。 健康に影響を与える他の決定を下す際に考慮すべきデータはまだありますが、オミクスデータ (ゲノミクス、プロテオミクスなど) から得られる有用な情報は何ですか?
受賞歴があり、世界的に有名な統計学者である父と息子の Dr. Robert Tibshirani と Ryan Tibshirani は、革新的な問題解決スキルを発揮して、これらの分野で大きな進歩を遂げました。 また、2022 年の最後のエピソードで、現在の研究関心について詳しく共有してくださったことに感謝します。統計的に言えば.
どちらも、強力な新しい統計手法への貢献と、特に生物学、医学、公衆衛生など、非常に多くの分野での業績に対して多くの称賛を受けています。 カリフォルニア大学バークレー校の統計学教授 Ryan Tibshirani は、2022 Mortimer Spiegelman Award を最近受賞しました。この賞は、統計手法とその公衆衛生への応用に顕著な貢献をした健康統計学者に贈られます。 スタンフォード大学の生物医学データ科学および統計学の教授であるロブ・ティブシラニは、多くの賞を受賞しており、その最新のものは、統計学の基礎と考えられている LASSO に関する彼の 1996 年の論文が認められた国際統計研究所の現代研究貢献に対する統計創設者賞です。データサイエンス。
彼らの話はいくつかの質問を促し、そのうちのいくつかは Q&A で答えられませんでしたが、Rob は親切にもここで答えを提供してくれました。
なげなわは、応用数学のような別の分野に触発されたものでしたか、それともリッジ回帰の後の次のステップでしたか? その変数選択特性は驚きでしたか、それとも最初に形状を見て、それを変数選択に使用できるという接続を確立しましたか?
ロブ: なげなわのアイデアは、レオ ブレイマンの1995年の「ガローテに関する論文」 "。 (Leo はバギングとランダム フォレストの発明者であり、私のヒーローの 1 人です。)そこで彼は、最小二乗推定値を計算し、それを非負の定数を使用して縮小することを提案しました。 これは p>n の場合 (観測よりも予測子が多い場合) には機能しなかったため、仲介者 (LS) を削除しました。
観測データの分析における因果関係についてはどうですか?人々はしばしば、因果関係の説明を変数選択演習の結果に帰します。 なげなわを因果関係の陳述に使用できる原則的な方法はありますか?
ロブ: 再因果推論となげなわ。 一般にはやりにくい。 しかし、観察 (無作為化されていない) データでは、傾向スコアを使用して因果関係の治療効果を推定できます。見る異種治療効果の準オラクル推定 - R 推定-バツ。 Nie、S. Wager、Biometrika 2021。完全な開示 - 2番目の著者は私の義理の息子です!!しかし、それは本当に素晴らしいアイデアであり、私が使用したものです。
Rob の講演には、大学院生の 1 人と一緒に作成した素晴らしいアニメーションも含まれていました。デイジー・ディン.
Rob と Ryan には、統計上の問題解決における膨大な知識、知恵、革新の一部を共有するために時間を割いてくれたことに感謝します。オンデマンド版でご覧いただければ幸いですエピソードTibshiranis の魅力的な現在の研究関心とアプリケーションが私たち全員に利益をもたらしていることを確認するために、Statistically Speaking の一部をご覧ください。
