2018年9月18日下午，美国加州大学河滨分校马舒洁副教授在我校博识楼434会议室为我院师生做了题为“A Robust and Efficient Approach to Causal Inference Based on Sparse Sufficient Dimension Reduction”的讲座。统计与信息学院林红梅博士主持讲座，来自统计与信息学院的师生10余人参加。

讲座中马老师介绍了近年来备受瞩目的高维数据混杂因子的因果推断方法。现有的大多数推断模型需要提前指定好参数，采用变量选择程序来识别混杂因子。但在实际操作中，由于模型设定、变量选择等问题，估算结果往往不理想。马老师介绍了她及其团队提出的一种更为稳健有效的平均处理效应推断方法。这种方法通过引入惩罚因子（penalized variable）的方式，构建了一个更为灵活的建模策略。之后，马老师提出了一种新的高维稀疏矩阵的充分降维方法来进行估算，避免了因提前限定参数所可能出现的问题。这种推断方法符合渐进性，并且具备半参数有效性。马老师及其团队通过仿真实验和生物医学应用的方式，验证了该方法的有效性。

 在讲座后马老师同在座的各位老师同学们展开了积极的学术讨论，并详细回答了现场老师和学生提出的各种学术问题。。

 马舒洁副教授2004年在西安交通大学获得管理学学士学位，2006年在美国密西根州立大学获得统计学硕士学位，2011年获统计学博士学位。目前的主要研究方向包括高维数据分析，函数数据分析，渐近理论随机过程等，先后在统计学和经济学顶级期刊Annals of Statistics, Journal of Econometrics, JASA等期刊上已发表论文几十篇。