<div dir="ltr">Caros,<br><br>Na próxima sexta-feira (<i><font color="#ff0000">07 de janeiro</font></i>, às <i><font color="#ff0000">13:30h</font></i>) o ciclo de Seminários do <i>Departamento de Estatística da UFMG</i> terá a apresentação de <b>P. Richard Hahn</b>.<br><br>Richard é professor da School of Mathematical and Statistical Sciences (Arizona State University, EUA). Ele obteve o grau de Doutor em Estatística pela Duke University (EUA, 2011). Suas áreas de pesquisa são: Inferência Bayesiana, Inferência causal, Árvores de regressão, Aprendizado de máquinas, Aprendizado semi-supervisionado, Modelos de variáveis latentes, Aplicações em ciências sociais, comportamentais e da saúde.<br><br>O seminário será transmitido ao vivo pelo canal do Youtube "<i><a href="https://www.youtube.com/channel/UCoZC2_pME9ca_-Hx4djd60w">Seminários DEST - UFMG</a></i>".<br><br>At.te,<br>Vinícius Mayrink<br><br><b>********** Título e Resumo **********<br></b><br>P. Richard Hahn (Arizona State University, EUA)<br><br><i>Feature selection for causal effect estimation</i><br><br>This paper defines the notion of a minimal control function, on the basis of which a novel regression penalty is devised that is unbiased for average treatment effects. The development of the new approach combines insights from three distinct methodological traditions for studying causal effect estimation: potential outcomes, causal diagrams, and structural models with additive errors. It is demonstrated that naive feature selection and/or regularization approaches to treatment effect estimation can exhibit severe bias for average and conditional average treatment effects.<div><br clear="all"><div><br></div>-- <br><div dir="ltr" class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div dir="ltr"><div dir="ltr"><i><font color="#999999">Vinícius D. Mayrink</font></i><div><i><font color="#999999">Professor Associado - Departamento de Estatística</font></i></div><div><i><font color="#999999">ICEx, Universidade Federal de Minas Gerais<br></font></i></div></div></div></div></div></div></div>