COVID-19 팬데믹이 발생한 지 3년이 지난 지금, 우리는 몇 가지를 배웠습니다(아직 모르는 것이 훨씬 더 많다는 것을 배웠습니다). 전염병을 효과적으로 추적하고 예측하기 위한 데이터 문제는 상당하지만 극복할 수 없는 것은 아닙니다. 우리는 건강에 영향을 미치는 다른 결정을 내릴 때 고려해야 할 더 많은 데이터가 있지만 -omics 데이터(예: 유전체학, 단백질체학)에서 어떤 유용한 정보를 얻을 수 있습니까?
수상 경력이 있는 세계적으로 유명한 통계학자인 아버지와 아들 Drs. Robert와 Ryan Tibshirani는 혁신적인 문제 해결 기술을 발휘하여 이 분야에서 상당한 진전을 이루었습니다. 그리고 2022년 마지막 에피소드에서 현재 연구 관심사에 대해 더 많이 공유해 주셔서 감사합니다. 통계적으로 말하면 .
둘 다 강력한 새 통계 방법에 기여하고 많은 분야, 특히 생물학, 의학 및 공중 보건 분야에서 많은 찬사를 받았습니다. UC Berkeley의 통계학과 교수인 Ryan Tibshirani는 최근 2022년 Mortimer Spiegelman Award를 수상했습니다. 스탠포드 대학의 생의학 데이터 과학 및 통계학과 교수인 Rob Tibshirani는 많은 상을 수상했으며, 그 중 가장 최근에는 통계학의 초석으로 여겨지는 LASSO에 대한 그의 1996년 논문을 인정하여 현대 연구 공헌에 대한 국제 통계 연구소의 통계 창립자상을 수상했습니다. 데이터 과학.
그들의 이야기는 몇 가지 질문에 영감을 주었고, 그 중 몇 가지는 Q&A 중에 답변되지 않았지만 Rob은 친절하게 여기에 답변을 제공했습니다.
올가미는 응용 수학 같은 다른 분야에서 영감을 받은 것이었나요, 아니면 능선 회귀 이후의 다음 단계에 더 가까웠나요? 변수 선택 속성이 놀랍습니까? 아니면 형상을 먼저 본 다음 변수 선택에 사용할 수 있도록 연결했습니까?
Rob: 올가미 아이디어는 Leo Breiman의 1995년 "가로테" 논문 ". (Leo는 내 영웅 중 한 명인 배깅 및 랜덤 포레스트의 발명가였습니다.) 그곳에서 그는 최소 제곱 추정치를 계산한 다음 제한이 있는 음이 아닌 상수를 통해 축소할 것을 제안했습니다. 이것은 p>n(관측치보다 예측 변수가 더 많은 경우)에는 작동하지 않았으므로 중간자(LS)를 제거했습니다.
관찰 데이터 분석의 인과 관계는 어떻습니까?사람들은 종종 인과적 설명을 변수 선택 연습의 결과로 돌립니다. 올가미를 사용하여 인과 관계 진술을 할 수 있는 원칙적인 방법이 있습니까?
Rob: 재인과 추론 및 올가미. 일반적으로 수행하기 어렵습니다. 그러나 관찰(무작위화되지 않은) 데이터를 사용하면 성향 점수를 사용하여 올가미를 통해 모델링된 교란 변수와 함께 원인 치료 효과를 추정할 수 있습니다. 보다 이질적인 치료 효과의 준오라클 추정 - 재추정 -엑스. Nie, S. Wager, Biometrika 2021. 전체 공개 - 두 번째 저자는 내 사위입니다!!하지만 정말 좋은 아이디어이고 제가 사용해 본 것입니다.
Rob의 이야기에는 대학원생 중 한 명과 함께 만든 멋진 애니메이션도 포함되어 있습니다. 데이지 딩 .
시간을 내어 통계적 문제 해결에 대한 방대한 지식, 지혜 및 혁신을 공유해 주신 Rob과 Ryan에게 감사드립니다.이 주문형 버전을 시청하시기 바랍니다. 삽화 Tibshiranis의 흥미로운 현재 연구 관심사와 응용 프로그램 중 일부가 우리 모두에게 도움이 되는 것을 보기 위해 통계적으로 말하기.
