Descripción del proyecto
Método bayesiano no paramétrico para la selección de variables en la inferencia causal de alta dimensión
La inferencia causal puede resultar más difícil cuanto mayor es el número de datos disponibles. En entornos de alta dimensión, la inclusión de todas las variables es imposible, mientras que la inclusión de muy pocas conduce a resultados que pueden ser erróneos. Así pues, la selección de variables es una necesidad, pero los métodos disponibles son limitados. El equipo del proyecto BayCause, financiado por el Consejo Europeo de Investigación, pretende desarrollar métodos bayesianos no paramétricos adaptados a la selección de variables en inferencias causales de alta dimensión. Los recientes avances teóricos en la teoría de Bernstein-von Mises y la regresión no paramétrica de alta dimensión permitieron la aplicación de métodos bayesianos no paramétricos en la inferencia causal. Los métodos desarrollados en el marco del proyecto ampliarán los limitados entornos en los que es posible realizar inferencias causales de alta dimensión fiables, lo cual dará lugar a aplicaciones en medicina, economía y otros campos.
Objetivo
Causal conclusions are at the center of research, yet notoriously difficult to obtain. Many research studies report correlations only, which, in line with the maxim, do not imply causation. With correlations, one can make predictions. With causation, one can intervene.
Paradoxically, causal inference can become harder when more data becomes available. In the by now increasingly common high-dimensional settings which are the focus of this proposal, including all variables is impossible while including too few can severely bias results. Variable selection becomes necessary, yet available methods are in short supply.
My aim is to develop Bayesian nonparametric methods and theory for high-dimensional causal inference. Bayesian nonparametrics is eminently suited for variable selection in causal inference, because it excels at both incorporating and describing uncertainty. Recent theoretical advances, in particular in Bernstein-von Mises theory and high-dimensional nonparametric regression, have now finally opened up causal inference to Bayesian nonparametric approaches.
I will investigate high-dimensional versions of the two most important causal frameworks, based on unconfoundedness and directed acyclic graphs. I will focus on novel aspects scarcely available in the literature, including uncertainty quantification, a broad range of data types, and nonlinear relationships.
My expertise in causal inference, Bayesian nonparametrics, variable selection and survival analysis puts me in a unique position to work on this multifaceted challenge. My dual track in theoretical and applied statistics enables me to identify the problems which have highest priority in practice and are mathematically interesting. The novel methods with solid mathematical statistical foundation resulting from this proposal will tremendously expand the now limited settings in which trustworthy high-dimensional causal inference is possible, with applications in medicine, economics and many other fields.
Palabras clave
Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).
Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).
Programa(s)
Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.
Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.
-
HORIZON.1.1 - European Research Council (ERC)
PROGRAMA PRINCIPAL
Ver todos los proyectos financiados en el marco de este programa
Tema(s)
Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.
Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.
Régimen de financiación
Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.
Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.
HORIZON-ERC - HORIZON ERC Grants
Ver todos los proyectos financiados en el marco de este régimen de financiación
Convocatoria de propuestas
Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.
Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.
(se abrirá en una nueva ventana) ERC-2022-STG
Ver todos los proyectos financiados en el marco de esta convocatoriaInstitución de acogida
Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.
1081 HV Amsterdam
Países Bajos
Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.