因果推断方法研究及在食品安全与生物医学中的应用

This project is going to study the statistical methods of causal inference, and to explore the application of Biostatistics in food safety, diseases and health. There are two main causal models: causal network model and potential outcome model. For these two models, we study the local structure learning and causal inference of causal networks. In the aspect of causal inference, we study the criteria of multiple surrogate indicators and the mediation analysis and discuss the identifiability of direct causal effect and indirect causal effect. Using the causal paths of the intermediate factors, we study the principal stratification analysis to explore the principal stratification causal effects. In applications of biostatistical approaches to food safety, diseases and health, we are going to study the correlations of pollutants in foods, and discuss the spatial statistical methods of food safety.

研究因果推断的统计方法，探讨食品安全、卫生与健康中的生物统计的应用研究。因果模型主要有因果网络模型和潜在结果模型。针对这两种模型，我们研究因果网络的局部结构学习和因果作用的统计推断。在因果推断方面，研究多个替代指标的准则，研究中间调解分析(Mediation analysis)，讨论直接因果作用和间接因果作用的可识别性。用因果路径的中间因素对总体的进行主分层，我们研究主分层分析(Principal analysis)，探讨主分层因果作用的统计推断方法。在应用研究方面，研究食品安全中污染物的相互关联，健康与卫生中的因果推断方法的应用，探索食品安全的空间统计方法。

研究因果推断的统计方法，探讨食品安全、卫生与健康中的生物统计的应用研究。因果模型主要有因果网络模型和潜在结果模型。针对这两种模型，我们研究因果网络的局部结构学习和因果作用的统计推断。在因果推断方面，研究多个替代指标的准则，研究中间调解分析(Mediation analysis)，讨论直接因果作用和间接因果作用的可识别性。用因果路径的中间因素对总体的进行主分层，我们研究主分层分析(Principal analysis)，探讨主分层因果作用的统计推断方法。在应用研究方面，研究食品安全中污染物的相互关联，健康与卫生中的因果推断方法的应用，探索食品安全的空间统计方法。