在 COVID-19 大流行三年后，我们学到了一些东西（而且我们了解到还有很多我们仍然不知道的东西）。 有效跟踪和预测传染病的数据挑战相当大，但并非不可克服。 在做出影响健康的其他决策时，我们有更多的数据需要考虑——但是哪些有用的信息可以从组学数据（例如，基因组学、蛋白质组学）中获得？
我们很高兴拥有屡获殊荣的世界知名统计学家父子 Drs。 Robert 和 Ryan Tibshirani 运用他们创新的解决问题的技能，在这些领域取得了长足的进步。 我们感谢他们在 2022 年的最后一集中分享更多关于他们当前研究兴趣的信息从统计学上讲.
两人都因贡献强大的新统计方法，以及他们在许多领域的工作而获得许多赞誉，尤其是生物学、医学和公共卫生。 加州大学伯克利分校统计学教授 Ryan Tibshirani 最近获得了 2022 年 Mortimer Spiegelman 奖，该奖项颁发给一位对统计方法及其在公共卫生领域的应用做出杰出贡献的卫生统计学家。 斯坦福大学生物医学数据科学与统计学教授 Rob Tibshirani 获得过许多奖项，其中最新的一项是国际统计研究所的当代研究贡献统计创始人奖，以表彰他 1996 年关于 LASSO 的论文，该论文被认为是统计和统计的基石数据科学。
他们的谈话引发了几个问题，其中一些在问答环节没有得到解答，但 Rob 在这里友好地提供了答案。
Lasso 是受其他学科（如应用数学）的启发，还是更像是岭回归之后的下一步？ 它的变量选择属性是不是让您感到意外，或者您是先看到了几何形状，然后才联想到它可以用于变量选择？
Rob：套索的想法直接来自 Leo Breiman 1995 年关于“Garote ”。 （Leo 是 bagging 和 Random forests 的发明者；我的英雄之一。）在那里他提议计算最小二乘估计，然后通过带界限的非负常数来缩小它们。 这对 p>n（预测变量多于观测值的情况）不起作用，所以我只是消除了中间人 (LS)。
观察数据分析中的因果关系如何？人们通常将因果解释归因于变量选择练习的结果。 是否有原则性的方法可以使用套索来进行因果陈述？
Rob：因果推理和套索。 一般很难做到。 但是对于观察性（非随机化）数据，您可以使用倾向得分来估计因果治疗效果，并通过套索建模混杂变量：看异构处理效果的类预言估计-R估计-X。 Nie, S. Wager，Biometrika 2021。全面披露——第二作者是我的女婿！！但这确实是一个好主意，而且我已经使用过。
Rob 的演讲还包括他与一名研究生制作的精彩动画，丁菊.
我们感谢 Rob 和 Ryan 花时间分享他们在解决统计问题方面的丰富知识、智慧和创新。我们希望您能观看本节目的点播版插曲从统计角度来看，Tibshiranis 的一些令人着迷的当前研究兴趣和应用使我们所有人受益。
