北京师范大学郭旭教授应邀为数学与统计学院师生做学术报告

2025年9月9日下午4:00，应数学与统计学院邀请，北京师范大学统计学院郭旭教授在2号报告厅作了题为《双重机器学习方法及其应用》的学术报告，数学与统计学院老师和全体研究生80余人参加了报告。

郭旭教授聚焦计量经济学中高维混杂变量存在时，感兴趣变量对响应变量的效应分析难题，深入阐释了双重机器学习（Double Machine Learning, DML）这一前沿统计方法。他提出传统统计模型在处理高维冗余变量和非线性关系时存在局限，而DML通过样本分割与机器学习算法结合，有效解决了未知函数的估计偏差问题，显著提升因果推断的准确性。报告以AB测试等商业场景为例，说明该方法在政策评估、遗传学等领域的广泛应用价值。

针对非线性关系的量化挑战，郭旭教授提出分位数广义相关度量（qGMC）与分位数偏相关度量（qPGMC），突破传统线性相关系数的局限性。他通过数学证明与仿真实验表明，新方法不仅能捕捉变量间的非线性关联，还对异常值具有强稳健性。

在互动环节，郭旭教授就“样本分割的交叉拟合策略”等技术细节与师生展开讨论。他强调了统计学与机器学习融合的趋势：“机器学习优化函数估计，统计学提供不确定性刻画，二者协同可解决复杂数据下的统计推断问题。”

本次报告是学院“前沿统计方法”系列学术活动的重要一环。郭旭教授的前沿研究成果为学院师生在计量经济学、高维数据分析等方向提供了方法论指导，其提出的交叉学科研究范式，对推动统计学与人工智能的深度融合具有深远意义。