信息来源：中国人民大学统计与大数据研究院 发布日期：2026年1月6日

在小说阅读器中沉浸阅读        2025年12月5日上午，华盛顿大学西雅图分校韩放教授线上开展了主题为“Matching for causal inference”的讲座，主要探讨针对平均处理效应的匹配估计量的半参数有效性与自助抽样法的一致性。

韩放系统回顾并推进了基于最近邻匹配的因果效应估计理论。匹配方法作为观察性研究中控制混杂、识别处理效应的关键工具，其理论性质长期受到学界关注。目前匹配法的Abadie与Imbens在其开创性工作中证明，当采用固定数量的最近邻进行匹配时，平均处理效应的估计量虽具有渐近正态性，但存在半参数效率不足与自助抽样法不一致的固有局限。韩放的研究突破了这两种传统框架的局限，首次从理论上证明：只要允许匹配数目随样本量增加而增长，最近邻匹配估计量即可同时具备渐近正态性、双重稳健性与半参数有效性，并支持一致的自助法推断。研究进一步揭示，匹配过程中天然构造的捕获区域统计量，实际上是协变量在处理组与对照组之间密度比的一致估计量，从而为匹配方法与双重稳健估计、双重机器学习架起了桥梁。在模拟与实证分析中，该方法在经典数据集上均表现出更优的估计精度与覆盖性能，且算法具备近乎线性的计算效率。该成果不仅统一了匹配估计的理论体系，也为经济学、流行病学、社会学等领域的观察性研究提供了更可靠、更高效的因果推断工具。

讲座结束后，师生们反映受益良多，不仅拓宽了学术视野，也为他们提供了全新的研究思路和方法，进一步激发了大家的学术热情。研究院今后会继续邀请国内外专家学者开展系列讲座，不断拓宽师生的学术视野，持续打造研究院在学术领域的品牌影响力，为统计与大数据领域的发展贡献更多力量。

讲座结束后，与会师生纷纷表示受益良多。本次讲座拓展了师生们在因果推断领域的研究视野，进一步激发了同学们结合在因果推断与机器学习理论创新方向的热情。未来研究院将持续邀请海内外专家学者开展高水平学术讲座，持续打造研究院在统计与大数据领域的学术品牌影响力，为推动统计学科发展贡献更多力量。