Descrizione del progetto
Approccio bayesiano non parametrico per la selezione delle variabili nell’inferenza causale ad alta dimensionalità
L’inferenza causale può diventare più difficile quando sono disponibili più dati. In contesti altamente dimensionali, l’inclusione di tutte le variabili è impossibile, mentre l’inclusione di un numero troppo basso di variabili porta a risultati che possono essere errati. La selezione delle variabili è quindi una necessità, ma i metodi disponibili sono limitati. Il progetto BayCause, finanziato dal CER, si propone di elaborare teorie e metodi bayesiani non parametrici adatti alla selezione delle variabili nell’inferenza causale ad alta dimensionalità. I recenti progressi teorici nella teoria di Bernstein-von Mises e nella regressione non parametrica ad alta dimensionalità hanno permesso l’applicazione di approcci bayesiani non parametrici nell’inferenza causale. I metodi elaborati dal progetto amplieranno i contesti limitati in cui è possibile un’inferenza causale ad alta dimensionalità affidabile, il che potrà avere applicazioni in medicina, economia e altri campi.
Obiettivo
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.
Parole chiave
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Programma(i)
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
-
HORIZON.1.1 - European Research Council (ERC)
PROGRAMMA PRINCIPALE
Vedi tutti i progetti finanziati nell’ambito di questo programma
Argomento(i)
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Meccanismo di finanziamento
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
HORIZON-ERC - HORIZON ERC Grants
Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento
Invito a presentare proposte
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
(si apre in una nuova finestra) ERC-2022-STG
Vedi tutti i progetti finanziati nell’ambito del bandoIstituzione ospitante
Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.
1081 HV Amsterdam
Paesi Bassi
I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.