7月8日，第四届统计与数据科学联合会议（JCSDS 2026）第四场专题短课在小象直播
修德楼218教室开讲。本场活动开设两大专题分享，聚焦模型平均理论与因果推断两大研究方向，授课内容兼顾严谨理论推导与当下前沿实践应用，兼具学术深度与现实参考意义。
上午，来自中国科学院数学与系统科学研究院的张新雨研究员，作题为《Model Averaging and Related Scopes》的专题学术报告。报告讲解最小二乘模型平均及其渐近最优、有限样本特性，对比最优子集选择推导误差收敛规律，延伸至高维、共享参数模型与机器学习融合方案，由传统准则递进前沿理论，拆解模型平均机理，梳理理论逻辑、应用边界及其在复杂预测场景中的价值。
下午，来自加州大学伯克利分校的Peng Ding教授带来主题报告，题目为《Causal Inference》。报告面向掌握基础概率、统计学与回归知识的学习者，完整覆盖因果推断从基础到前沿的内容体系。梳理四大核心分析框架，包含随机试验与随机化推断、无混杂观察性研究、混杂观察研究的敏感性分析、工具变量；同时拓展主分层、中介分析、时变处理与混杂等前沿进阶议题，搭建起通向因果推断研究领域的完整知识脉络。
两场短课内容充实，夯实了理论基础、拓宽了研究视野。现场交流热烈，搭建起良好学术平台，有力促进统计领域的思想碰撞。