光華講壇——社會名流與企業家論壇第6683期

主 題：Sure independence screening for mediation analysis對中介分析進行獨立篩選

主講人：圣路易斯華盛頓大學 林楠教授

主持人：統計學院 林華珍教授

時間：11月28日 15:00-16:00

舉辦地點：柳林校區弘遠樓408會議室

主辦單位：統計研究中心和統計學院 科研處

主講人簡介：

林楠教授1999年畢業于中國科學技術大學少年班系，2003年在美國伊利諾伊大學獲得統計學專業博士學位，2003-2004年在耶魯大學做博士后，2004年至今在圣路易斯華盛頓大學任教。現為統計與數據科學系教授。主要從事大數據統計計算、分位數回歸，生物信息學以及相關應用領域的研究工作。先后在Biometrika，Biometrics，JCGS，TKDE，New England Journal of Medicine，Genome Research等國際期刊發表70余篇高水平學術論文。曾擔任《Computational Statistics & Data Analysis》國際期刊副主編，現任《Journal of Computational and Graphical Statistics》國際期刊副主編。

內容簡介：

In recent years, substantial research effort has been devoted to developing methodology for high dimensional mediation analysis to identify variables from a high-dimensional set to explain the causal mechanism. Traditional screening approaches are often applied, while the linear structural equation model structure of the mediation problem is not well accounted for. We propose a new marginal screening procedure, termed Marginal Sobel Screening (MSS), for high dimensional mediation analysis that takes into account the mediation model structure. We establish sample level properties and population properties to ensure the sure screening property for MSS. MSS is shown via simulation to perform better than benchmark approaches and is applied to the Coronary Artery Risk Development inYoung Adults (CARDIA) Study to examine the mediation effect of ultra-high dimensional DNA methylation markers.

近年來，大量的研究工作致力于發展高維中介分析方法，以從高維集合中識別變量來解釋因果機制。傳統的篩選方法往往被采用，而線性結構方程模型結構的中介問題沒有得到很好的解釋。主講人提出了一種新的邊際篩選程序，稱為邊際索貝爾篩選(MSS)，用于考慮中介模型結構的高維中介分析。建立了樣本級屬性和總體屬性，保證了MSS的可靠篩選性能。通過模擬顯示MSS比基準方法表現更好，并應用于年輕人冠狀動脈風險發展(CARDIA)研究，以檢查超高維DNA甲基化標記物的中介作用。