学术报告（陈施喆 2025.4.24）

摘要：多元点过程是从反复发生事件数据（例如神经元放电序列）中推断不同主体之间关系的常用工具。然而，由于未测量的混杂因素的影响，人们经常通过外生工具变量来推断因果关系。但这些工具变量通常精度较低，可能同时影响多个点过程的强度。在本研究中，我们提出一种以多元点过程作为干预的工具变量分析框架。我们证明了因果效应可通过广义的 Wald 估计进行学习，并提出了一种基于经典密度反卷积方法启发的估计方法。