제임스 로빈스

James Robins
제임스 로빈스와 혼동하지 않기 위해.
제임스 M. 로빈스
James Robins.jpg
2012년 Oberwolfach 수학적 연구소의 로빈스
국적미국인의
모교워싱턴 대학교 세인트루이
하버드 대학교
수상네이선 맨텔상(2013년)
과학 경력
필드역학
기관하버드 보건대학원

제임스 M. 로빈스는 복잡한 관찰 연구와 무작위 시험, 특히 시간에 따라 치료가 변화하는 실험에서 인과적 추론을 이끌어내는 방법을 발전시킨 것으로 가장 잘 알려진 역학학자 겸 생물통계학자다.그는 통계학과 역학에서 평생 업적을 남긴 2013년 네이단 맨텔상 수상자다.

그는 워싱턴 대학에서 의학을 졸업했다. 1976년 루이스그는 현재 미첼 L.와 로빈 라폴리 동 하버드 T.H. Chan 보건대학원 역학 교수다.그는 100개 이상의 논문을 학술지에 발표했으며 ISI의 고도로 인용된 연구원이다.[1]

전기

로빈스는 1971년 하버드 대학에 수학, 철학을 전공하며 다녔다.3학년 때 피 베타 카파(Phi Beta Kappa)에 당선되었으나 졸업하지 못했다.그는 워싱턴 의과대학에 진학하여 1976년에 졸업했으며,[2] 몇 년 동안 직업의학을 연습했다.그는 직업의학에서 일하면서 예일대 공중보건대학원에서 응용의료통계 기초과정을 수강했으나, 당시 사용했던 방법론이 인과적 결론을 뒷받침하기에 불충분하다는 결론을 재빨리 내렸다.

리서치

1986년 로빈스는 관찰 자료에서 인과 추론을 이끌어내기 위한 새로운 틀을 도입한 논문 '사망 연구 인과 추론에 대한 새로운 접근법'을 발표하였다.이 논문과 비슷한 시기에 발표된 다른 논문에서 로빈스는 비실험적 자료에서 노출은 거의 항상 시간에 의존하며, 따라서 회귀와 같은 표준 방법은 거의 항상 편향되어 있음을 보여주었다.이 프레임워크는 수학적으로 매우 밀접하게 수학적으로 Pearl이 그 직후 독자적으로 개발한 Gudea Pearl의 그래픽 프레임워크 Non-Parametric Structural 방정식 모델과 관련이 있다.펄의 그래픽 모델은 이 이론의 더 제한적인 버전이다.[3]

인과 추론에 관한 그의 원래 논문에서 로빈스는 교란 편견에 대한 제어를 위한 두 가지 새로운 방법을 설명했는데, 이는 시간 의존적 노출의 일반화된 설정에 적용될 수 있다.구조 내포 모형의 G-포뮬라 및 G-추정.나중에 그는 처리 가중치의 역확률을 사용하여 모수를 추정하는 세 번째 등급 모델인 한계 구조 모형을 도입했다.그는 비교 효과 연구와 개인 맞춤형 의학에서 높은 의의가 있는 동적 치료제 이론에도 크게 기여했다.1994년 Andrea Rotnitzky 및 다른 동료들과 함께 그는 인과 추론과 누락 데이터 문제에서 통계적 매개변수에 대해 이중으로 강력한 추정기(영향함수에서 파생됨)를 도입했다.이중으로 견실한 추정자에 대한 이론은 [주의 추론] 분야에서 영향력이 컸으며 컴퓨터 과학, 생물통계학, 역학, 기계 학습, 사회과학, 통계학 등에서 실천에 영향을 미쳤다.[4][5]2008년에는 링링 리, 에릭 쳇겐 쳇젠, 아드 반 데르 바르트 등 협력자들과 함께 통계 기능 추정을 위한 고차원의 영향 함수 이론을 개발하기도 했다.

선택한 게시물

  • Robins, J.M. (1989). "The control of confounding by intermediate variables". Statistics in Medicine. 8 (6): 679–701. doi:10.1002/sim.4780080608. PMID 2749074.
  • Robins, J.M.; Tsiatis, A.A. (1991). "Correcting for non-compliance in randomized trials using rank preserving structural failure time models". Communications in Statistics - Theory and Methods. 20 (8): 2609–2631. doi:10.1080/03610929108830654.
  • Robins, J.M. (1994). "Correcting for non-compliance in randomized trials using structural nested mean models". Communications in Statistics - Theory and Methods. 23 (8): 2379–2412. doi:10.1080/03610929408831393.
  • Robins, J.M. (1997). "Causal inference from complex longitudinal data". In M. Berkane (ed.). Latent Variable Modeling and Applications to Causality. Lecture Notes in Statistics. Vol. 120. Springer-Verlag. pp. 69–117.
  • Robins, J.M.; Ritov, Y. (1997). "Toward A Curse Of Dimensionality Appropriate (CODA) Asymptotic Theory For Semi-parametric Models". Statistics in Medicine. 16 (3): 285–319. doi:10.1002/(SICI)1097-0258(19970215)16:3<285::AID-SIM535>3.3.CO;2-R. PMID 9004398.
  • Robins, J.M. (1998). "Correction for non-compliance in equivalence trials". Statistics in Medicine. 17 (3): 269–302. doi:10.1002/(SICI)1097-0258(19980215)17:3<269::AID-SIM763>3.0.CO;2-J. PMID 9493255.
  • Robins, J.M.; Hernan, M.A.; Brumback, B. (2000). "Marginal Structural Models and Causal Inference in Epidemiology". Epidemiology. 11 (5): 550–560. CiteSeerX 10.1.1.116.7039. doi:10.1097/00001648-200009000-00011. JSTOR 3703997. PMID 10955408. S2CID 8907527.
  • van der Laan, M.J.; Robins, J.M. (2003). Unified Methods for Censored Longitudinal Data and Causality. Springer Series in Statistics. Springer. ISBN 978-0-387-95556-8.

메모들

  1. ^ 로빈스, 제임스 ISIHighlyCited.com
  2. ^ 토마스 S.Richardson과 Andrea Rotnitzky, Statistic, James M. Robins Research의 인과적 동태학.Sci. 29 (4) 459-484, 2014. doi:10.1214/14-STS505
  3. ^ 단일 World Intervention Graphs(SWIG): 인과관계에 대한 반사실적, 그래픽적 접근의 통일 https://csss.uw.edu/files/working-papers/2013/wp128.pdf
  4. ^ Michelle Jonsson Funk, Daniel Westreich, Chris Wiesen, Til Stürmer, M. Alan Brookhart, Marie Davidian, Doubly Strong Efficients of Incause Effects, American Journal of Politiology, 제173권, 제7권, 2011년 4월 1페이지 761–767, https://doi.org/10.1093/aje/kwq439
  5. ^ https://towardsdatascience.com/double-machine-learning-for-causal-inference-78e0c6111f9d 2021년 11월 28일 회수

참조