在 COVID-19 大流行三年後，我們學到了一些東西（而且我們了解到還有很多我們仍然不知道的東西）。 有效跟踪和預測傳染病的數據挑戰相當大，但並非不可克服。 在做出影響健康的其他決策時，我們有更多的數據需要考慮——但是哪些有用的信息可以從組學數據（例如，基因組學、蛋白質組學）中獲得？
我們很高興擁有屢獲殊榮的世界知名統計學家父子 Drs。 Robert 和 Ryan Tibshirani 運用他們創新的解決問題的技能，在這些領域取得了長足的進步。 我們感謝他們在 2022 年的最後一集中分享更多關於他們當前研究興趣的信息從統計學上講.
兩人都因貢獻強大的新統計方法，以及他們在許多領域的工作而獲得許多讚譽，尤其是生物學、醫學和公共衛生。 加州大學伯克利分校統計學教授 Ryan Tibshirani 最近獲得了 2022 年 Mortimer Spiegelman 獎，該獎項頒發給一位對統計方法及其在公共衛生領域的應用做出傑出貢獻的衛生統計學家。 斯坦福大學生物醫學數據科學與統計學教授 Rob Tibshirani 獲得過許多獎項，其中最新的一項是國際統計研究所的當代研究貢獻統計創始人獎，以表彰他 1996 年關於 LASSO 的論文，該論文被認為是統計和統計的基石數據科學。
他們的談話引發了幾個問題，其中一些在問答環節沒有得到解答，但 Rob 在這裡友好地提供了答案。
Lasso 是受其他學科（如應用數學）的啟發，還是更像是嶺回歸之後的下一步？ 它的變量選擇屬性是不是讓您感到意外，或者您是先看到了幾何形狀，然後才聯想到它可以用於變量選擇？
Rob：套索的想法直接來自 Leo Breiman 1995 年關於“Garote ”。 （Leo 是 bagging 和 Random forests 的發明者；我的英雄之一。）在那裡他提議計算最小二乘估計，然後通過帶界限的非負常數來縮小它們。 這對 p>n（預測變量多於觀測值的情況）不起作用，所以我只是消除了中間人 (LS)。
觀察數據分析中的因果關係如何？人們通常將因果解釋歸因於變量選擇練習的結果。 是否有原則性的方法可以使用套索來進行因果陳述？
Rob：因果推理和套索。 一般很難做到。 但是對於觀察性（非隨機化）數據，您可以使用傾向得分來估計因果治療效果，並通過套索建模混雜變量：看異構處理效果的類預言估計-R估計-X。 Nie, S. Wager，Biometrika 2021。全面披露——第二作者是我的女婿！！但這確實是一個好主意，而且我已經使用過。
Rob 的演講還包括他與一名研究生製作的精彩動畫，丁菊.
我們感謝 Rob 和 Ryan 花時間分享他們在解決統計問題方面的豐富知識、智慧和創新。我們希望您能觀看本節目的點播版插曲從統計角度來看，Tibshiranis 的一些令人著迷的當前研究興趣和應用使我們所有人受益。
