Opis projektu
Bayesowskie podejście nieparametryczne do selekcji zmiennych w wysokowymiarowym wnioskowaniu przyczynowym
Wnioskowanie przyczynowe może stać się trudniejsze, gdy dostępnych jest więcej danych. W konfiguracjach wielowymiarowych uwzględnienie wszystkich zmiennych jest niemożliwe, podczas gdy uwzględnienie zbyt małej ich liczby prowadzi do wyników, które mogą być błędne. W związku z tym wybór zmiennych jest koniecznością, ale dostępne metody są ograniczone. Zespół finansowanego ze środków ERBN projektu BayCause zamierza opracować bayesowskie metody nieparametryczne oraz teorie odpowiednie do selekcji zmiennych w wysokowymiarowym wnioskowaniu przyczynowym. Ostatnie postępy teoretyczne w teorii Bernsteina-von Misesa i wysokowymiarowej regresji nieparametrycznej umożliwiły zastosowanie bayesowskich podejść nieparametrycznych we wnioskowaniu przyczynowym. Metody opracowane w ramach projektu rozszerzą ograniczone konfiguracje, w których możliwe jest wiarygodne, wysokowymiarowe wnioskowanie przyczynowe, co otworzy nowe możliwości zastosowań w medycynie, ekonomii i innych dziedzinach.
Cel
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.
Słowa kluczowe
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Program(-y)
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
-
HORIZON.1.1 - European Research Council (ERC)
GŁÓWNY PROGRAM
Wyświetl wszystkie projekty finansowane w ramach tego programu
Temat(-y)
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
System finansowania
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
HORIZON-ERC - HORIZON ERC Grants
Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania
Zaproszenie do składania wniosków
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
(odnośnik otworzy się w nowym oknie) ERC-2022-STG
Wyświetl wszystkie projekty finansowane w ramach tego zaproszeniaInstytucja przyjmująca
Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.
1081 HV Amsterdam
Niderlandy
Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.