讲座题目：Partial Identification of Treatment Effects in Factorial Experiments with Ordinal Outcomes
主讲人：杨玥含 教授
主持人：刘玉坤 教授
开始时间：2026-10-09 10:00
讲座地址：普陀校区理科大楼A1514室厅
主办单位：统计学院
报告人简介：
杨玥含，中央财经大学统计与数学学院教授，博导，北京大学博士。中央财经大学青年英才、龙马学者青年学者。主要从事因果推断、迁移学习、复杂数据分析等研究。在JASA、Biometrika、JBES、《中国科学：数学》等国内外期刊发表论文50余篇。
报告内容：
因子实验在经济学与商学领域被广泛用于研究多种处理效应，但许多结果变量是以有序分类量表记录的。对于有序结果，经典的平均因子效应难以解释，因为其估计量依赖于赋予有序类别的分值。我们转而基于概率来定义随机化因子实验中的主效应与交互效应，这些效应通过潜在结果的排序来进行比较。这些估计量依赖于不可观测的潜在结果联合分布，这使得识别面临挑战。在仅利用可观测的边际分布、且不施加参数或分布假设的条件下，我们推导出了主效应的紧界限（sharp bounds）。交互效应涉及多个因素的联合影响，而不同因素对应的处理组合之间存在重叠，这带来了额外的识别困难，我们相应地给出了有效的界限。所提出的理论允许任意数量的有序类别和任意数量的因素。我们进一步将单调性假设纳入该框架，以缩小识别区域。我们为所有识别区域构造了非参数bootstrap置信区间，并通过两项实例阐明这些方法：一项是肯尼亚关于教育补贴与HIV课程的实地实验，另一项是关于残余癌症负荷的临床试验。
