高维数据降维方法及其在因果推断中的理论与应用研究

课题名称: 高维数据降维方法及其在因果推断中的理论与应用研究
学科专业: 数学
课题关键词: 高维数据降维因果推断结构化降维
辅导模式: 1对1
发表目标: SCI期刊3～4区
课题介绍: 随着信息技术发展，高维数据在各领域广泛涌现，其特征维度常远超样本量，引发"维数灾难"问题，导致统计分析中变量间多重共线性、模型过拟合等挑战。降维方法通过提取低维特征揭示数据本质结构，成为解决高维问题的关键技术。因果推断旨在探究变量间因果关系，在科学发现与决策支持中具有核心地位。传统因果推断方法多假设低维场景，在高维协变量、工具变量或中介变量条件下，面临模型识别困难、估计偏差等问题。将降维技术与因果推断框架结合，通过对高维变量进行结构化降维，可有效降低因果模型复杂度，改善因果估计的相合性与稳健性。近年来，基于稀疏降维、流形学习的因果推断模型成为研究热点，为高维条件下的因果效应估计、因果中介分析等提供新途径。该交叉研究方向不仅拓展了降维方法的理论边界，也为高维数据下因果机制探索提供方法论支撑，在精准医疗、社会科学等领域具有重要应用前景。

导师信息

科研导师

Prof. Ouyang

QS前50高校助理教授

导师介绍

研究领域：计量经济学,统计学学术成果：已在高水平学术期刊发表学术论文4篇；担任多本顶级期刊审稿人，包括Journal of Econometrics, Review of Economics and Statistics, Econometric Theory, Journal of Business and Economic Statistics, Econometric Review, Statistics and its Interface等；

招生要求

面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。