Descrizione del progetto
Rivoluzionare la modellizzazione statistica
La modellizzazione statistica svolge un ruolo fondamentale in molti settori, potenziando la qualità dell’analisi dei dati, migliorandone la leggibilità e la comprensione, e offrendo spunti chiave sui dati raccolti. Il progetto ACME, finanziato dal CER, mira a rivoluzionare la modellizzazione statistica introducendo un paradigma all’avanguardia e trasformativo che migliori notevolmente l’analisi dei dati. Il progetto svilupperà un quadro di modellizzazione basato su ipotesi, progettato per massimizzare l’interpretabilità e ridurre al minimo le distorsioni, anche in presenza di errori di specificazione del modello. I ricercatori esploreranno e applicheranno l’apprendimento privo di distorsioni per creare nuovi stimatori e strategie che affrontino le limitazioni attuali. In definitiva, i risultati hanno il potenziale per far progredire numerose scienze empiriche, fornendo nuovi potenti strumenti che potrebbero portare a scoperte notevoli.
Obiettivo
I propose a cutting-edge and transformative paradigm for statistical modelling that is crucial to enhance the quality of data analyses. Leveraging my expertise in causal inference and semiparametric statistics, I will establish the fundamental principles of a comprehensive estimation theory, which maps model parameters onto generic, interpretable, model-free estimands (e.g. association or effect measures) with favourable efficiency bound, and harnesses the power of debiased (statistical/machine) learning techniques to estimate these. My core objective is to develop a flexible and accessible data modelling framework, called ‘assumption-lean modelling’. This framework will deliver minimal bias and maximal interpretability, even in the presence of model misspecification, along with honest confidence bounds that account for model uncertainty.
Debiased learning is at the core of this research. While gaining popularity, a rigorous scientific optimality theory is lacking. I shall draw on my expertise in (bias-reduced) double robust estimation to develop optimal debiased learning estimators. These utilize learners that optimize strategically chosen loss functions to achieve low variance and high stability, along with confidence intervals that are valid under weak conditions on the learners.
I will connect to timely, exciting developments in statistics, such as debiased learning of function-valued parameters and the construction of confidence bounds for such parameters. I will offer novel avenues into these problems by incorporating the assumption-lean modelling principles and connecting to real-world needs.
I will develop assumption-lean modelling strategies to tackle significant challenges in causal modelling, including target trial emulation, causal mediation analysis, and statistical modelling of dependent outcomes. I will deliver methods with potential impact on all empirical sciences, as well as on the foundations of the discipline of statistical modelling.
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-2023-ADG
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.
9000 GENT
Belgio
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.