COVID-19 팬데믹이 시작된 지 3년이 흘렀고, 우리는 몇 가지 사실을 알게 되었고(그리고 우리는 아직 모르는 것이 훨씬 많다는 사실을 알게 되었습니다). 감염병을 효과적으로 추적하고 예측하기 위한 데이터 과제는 상당하지만 극복할 수 없는 것은 아닙니다. 우리는 건강에 영향을 미치는 다른 결정을 내리는 데 고려해야 할 데이터가 더 많지만, -omics 데이터(예: 유전체학, 단백체학)에서 어떤 유용한 정보를 얻을 수 있을까요?
수상 경력이 있고 세계적으로 유명한 통계학자이자 아버지와 아들인 로버트 팁시라니 박사와 라이언 팁시라니 박사가 혁신적인 문제 해결 기술을 발휘하여 이 분야에서 상당한 진전을 이룰 수 있게 되어 감사드립니다. 그리고 Statistically Speaking 의 마지막 2022년 에피소드에서 현재 연구 관심사에 대해 더 자세히 공유해 주셔서 감사드립니다.
두 사람 모두 강력한 새로운 통계적 방법을 기여하고, 생물학, 의학, 공중 보건 등 많은 분야에서 일한 공로로 많은 찬사를 받았습니다. 캘리포니아 대학교 버클리의 통계학 교수인 라이언 팁시라니는 최근 2022년 모티머 스피겔만 상을 수상했습니다. 이 상은 통계 방법론과 공중 보건 분야의 응용 분야에 뛰어난 기여를 한 건강 통계학자에게 수여됩니다.
스탠포드 대학의 생물의학 데이터 과학 및 통계학과 교수인 롭 팁시라니는 많은 상을 수상했는데, 가장 최근에는 통계와 데이터 과학의 초석으로 여겨지는 LASSO에 관한 1996년 논문에 대한 공로를 인정받아 국제 통계 연구소의 통계 창립자상을 수상했습니다.
그들의 강연은 여러 가지 질문을 불러일으켰고, 그 중 몇 가지는 Q&A에서 답변을 얻지 못했지만, 롭이 친절하게 여기에서 답변을 제공했습니다.
Lasso는 응용 수학 같은 다른 분야에서 영감을 받은 것인가요, 아니면 릿지 회귀 이후의 다음 단계였나요? 변수 선택 속성이 놀라운가요, 아니면 먼저 기하학을 보고 변수 선택에 사용할 수 있다는 연결을 만들었나요?
Rob: 올가미 아이디어는 Leo Breiman의 1995년 논문 "Garote"에서 직접 나왔습니다. (Leo는 bagging과 Random forests의 발명가였습니다. 제 영웅 중 한 명입니다.) 그는 최소 제곱 추정치를 계산한 다음 경계가 있는 비음수 상수를 통해 축소하는 것을 제안했습니다. 이는 p>n(관찰보다 예측 변수가 많은 경우)에서는 작동하지 않았으므로 중간자(LS)를 제거했습니다.
관찰 데이터 분석에서 인과관계는 어떨까요? 사람들은 종종 변수 선택 연습의 결과에 인과적 설명을 귀속시킵니다. Lasso를 사용하여 인과적 진술을 할 수 있는 원칙적인 방법이 있습니까?
Rob: 인과 추론과 라쏘에 대해서요. 일반적으로 하기 어렵습니다. 하지만 관찰(무작위화되지 않음) 데이터를 사용하면 경향 점수를 사용하여 인과적 치료 효과를 추정할 수 있으며, 라쏘를 통해 교란 변수를 모델링할 수 있습니다.
이질적 치료 효과의 유사 오라클 추정 참조 - R 추정 —X. Nie, S. Wager, Biometrika 2021.
완전 공개—두 번째 저자는 제 사위입니다!! 하지만 정말 좋은 아이디어이고, 제가 사용해 본 아이디어 중 하나입니다.
롭의 강연에는 그의 대학원생 데이지 딩 과 함께 만든 훌륭한 애니메이션도 포함되었습니다.
