3月16日上午10:00，由中国人民大学统计学院和教育部人文社科重点研究基地应用统计研究中心共同举办的“统计大讲堂”系列讲座第209讲在明德主楼1016会议室举行。

本次讲座邀请北京大学公共卫生学院生物统计系副主任贾金柱作了题为“Causal Effects and Posterior Causal Effects”的报告。讲座由中国人民大学统计学院讲师孙韬主持，采用线上线下相结合的方式，吸引了校内外师生近百人参加。

首先，贾金柱教授从因果效应出发，研究协变量调整平均治疗效果的估计问题，为潜在结果和协变量指定了一个工作模型，并证明了即使当工作模型是错误指定的，平均治疗效果的差异估计是一致的和渐近正态的。接着，贾教授提出了一个设计良好的广义估计方程方法，在较温和的条件下，用它估计的平均治疗效果总是比均值差估计更有效，大量的模拟研究验证了其理论结果。

对于后验因果效应，贾教授首先介绍一些关于这个概念的历史著作。接着他提出，对于具有多个可能相互影响的原因的病例，基于对治疗后变量观察到的证据来定义后验总因果效应和直接因果效应可以被视为对结果的原因的度量。之后，贾教授提出了后验因果效应可识别所需的假设，并提供了识别方程。接着，他运用实例比较了后验因果效应和直接因果效应，以评估结果的原因。

最后，贾金柱教授在提问环节认真细致地回答了师生们有关研究理论的细节问题，就相关话题进行了深入探讨。