统计与大数据研究院2020级博士生徐子雅与导师合作的论文“Leveraging Local Distributions in Mendelian Randomization: Uncertain Opinions are Invalid”被统计学期刊《Statistica Sinica》接收。

论文概述

当存在未观测的混杂因素时，研究者常用工具变量法来推断因果效应。孟德尔随机化使用遗传变异作为工具变量，以探索表型之间的因果关系。然而，由于基因的多效性，工具变量的基本假设可能不成立，导致研究中使用的工具变量是无效的，进而影响因果推断的准确性。这给孟德尔随机化研究带来了挑战。为此，本研究提出了MR-Local方法，能够在存在无效工具变量的情况下依然有效地估计因果效应。MR-Local通过利用局部分布识别并排除无效工具变量，在较弱的条件下提供了满足相合性和渐近正态性的因果效应估计，确保推断的稳健性。我们的方法在相对多数原则或平衡多效性假设中任一假设成立时有效，甚至在两个假设都不成立的某些情况下也能提供可靠的结果。数值模拟和真实数据分析均表明，MR-Local在各种场景下表现稳健，较之仅依赖单一假设的方法，更适合应对复杂的现实问题。

作者简介

徐子雅，中国人民大学统计与大数据研究院2020级直博生，主要研究方向包括基于工具变量的因果推断方法、高维复杂数据的统计推断问题以及在遗传学和健康数据的应用。

李赛，中国人民大学准聘副教授，博士生导师。研究方向包括高维统计推断、机器学习和遗传学驱动的统计方法和理论、基于工具变量的因果推断等。