讲座报告主题：重尾分布的高分位数异质性处理效应估计
专家姓名：王晓瑞
日期：2026-09-04 时间：14:00
地点：数学科学学院404
主办单位：数学科学学院

主讲简介：王晓瑞，南京信息工程大学数学与统计学院讲师。2023年在华东师范大学统计学院获博士学位，2023-2025年在南方科技大学统计与数据科学系从事博士后研究。主要研究方向是复杂数据分位数回归、因果推断、多模态数据相关结构分析等方面。目前已在Statistica Sinica, Science China Mathematics, Statistical Methods in Medical Research, Journal of Multivariate Analysis等期刊发表多篇文章。主持中国博士后科学基金特别资助项目1项，参与国家重点研发计划、上海市自然科学基金面上项目等，获2024年度国家资助博士后研究人员计划（B 档）。研究专长：复杂数据分位数回归、因果推断、多模态数据相关结构分析等方面

主讲内容简介：分析大学教育对极高工资水平的因果效应，对于理解经济流动性具有重要意义。然而，由于这类极端结果较为罕见，并且可能在不同子群体中表现出显著差异，对其进行准确刻画面临着重要的统计挑战。传统方法往往对尾部效应进行平均，或忽略个体背景特征，因而难以在数据稀疏的极端尾部捕捉处理效应的异质性。本文针对具有重尾分布的观察性研究，提出了一种估计条件极端分位数处理效应的新框架。其主要贡献是一种两步估计方法：首先利用逆概率加权估计中间条件分位数，以校正混杂因素分布的不平衡；随后基于渐近近似，将中间分位数外推至极端高分位水平。此外，本文还提出了两个用于估计极值指数的 Hill 型估计量，以保证估计的准确性。该问题的主要挑战在于如何应对极端尾部严重的数据稀疏性，建立分位数回归系数在尾部区域上的一致收敛性，以及推导相关估计量的渐近分布。将所提出的方法应用于劳动力市场数据后，我们发现了不同协变量特征所定义的子群体之间显著但此前被掩盖的处理效应异质性，而传统的边际方法往往无法揭示这种异质性。

欢迎师生参加！