邮箱：zhigeng@btbu.edu.cn
地址：北京市房山区北京工商大学良乡主校区东区开云·体育(中国)官方网站数统楼
个人简介
耿直，男，江苏徐州人。教授，博士生导师，长期致力于统计学教学科研。96年当选ISI推选会员，98年获国家杰青。2011年在国际工业与应用数学大会做60分钟大会报告。中国现场统计研究会因果推断分会理事长，曾担任主要社会兼职有中国数学会概率统计学会理事长、中国现场统计研究会理事长、IMS-China主席、中国统计学会副会长、国务院学位委员会统计学学科评议组成员等。
研究兴趣
主要研究因果推断，生物医学统计，因果网络，贝叶斯网络，图模型，机器学习。近五年主要研究因果推断统计理论方法，在统计、机器学习、AI刊物发论文百余篇。
主讲课程
本科生课程《普通统计学》、《概率统计》、《多元统计分析》、《回归分析》，研究生课程《高等统计选讲：因果推断》、《不完全数据分析》、《属性数据分析》。
学习经历
1978年-1982年，上海交通大学计算机科学专业，理学学士；
1983年-1989年，九州大学 (日本) 统计学，理学博士。
工作经历
1989年-1991年，北京大学 概率统计系，讲师；
1991年-1994年，北京大学 概率统计系，副教授；
1994年-2021年，北京大学 概率统计系，教授；
2022年至今，北京工商大学 开云·体育(中国)官方网站，教授。
主要获奖荣誉
1995年，北京市优秀教师
1996年 国家教委科技进步奖二等奖
1997年 国家教委跨世纪优秀人才
1997年 国家教委和人事部全国优秀留学回国人员
1998年 国家杰出青年基金
1998年 国家统计局科技进步奖一等奖
2008年 全国统计科学研究优秀成果奖一等奖
主要科研项目
主持国家自然科学基金项目、国家基金委重点项目-应用统计、国家杰出青年基金项目、曾参加科技部973项目、国家基金委重点项目、跨学科重大计划项目、海外杰出青年基金项目。近五年主要有：
1. 国家自然科学基金面上项目，因果推断方法研究及在食品安全与生物医学中的应用，2018年01月-2021年12月，58万，主持人；
2. 国家自然科学基金重大研究计划子课题，重大脑精神疾病的遗传影像学分析理论与计算方法，2017年01月-2019年12月，30万，主持人；
3. 科技部973子课题，非结构数据的统计学习，2015年01月-2018年12月，30万，主持人；
4. 国家自然科学基金面上项目合作项目，关于无对照研究和中介分析的因果建模与推断，2021年01月-2024年12月，10万，主持人；
5. 华为技术有限公司委托项目，Large Scale Causal Structure Learning，2019年10月-2023年02月，360万，主持人。
主要学术成果
发表论文100余篇，近五年主要有：
1. Wei Li, Zitong Lu, Jinzhu Jia, Min Xie, and Zhi Geng* (2023). Retrospective causal inference with multiple effect variables. Biometrika. To Appear.
2. Zitong Lu, Zhi Geng, Wei Li, Shengyu Zhu, and Jinzhu Jia (2023). Evaluating causes of effects by posterior effects of causes. Biometrika. 110, 449–465.
3. Fang Z, Liu Y, Geng Z, et al. A local method for identifying causal relations under Markov equivalence[J]. Artificial Intelligence, 2022, 305: 103669.
4. Li W, Geng Z*, Zhou X H. Causal mediation analysis with sure outcomes of random events model[J]. Statistics in Medicine, 2021, 40(17): 3975-3989.
5. Liu Y., Fang Z, He Y, Geng Z and Liu C. Local causal network learning for finding pairs of total and direct effects[J]. Journal of Machine Learning Research, 2020, 21(1): 5915-5951.
6. Geng Z*, Liu Y, Liu C, Miao W. Evaluation of causal effects and local structure learning of causal networks[J]. Annual review of statistics and its application, 2019, 6: 103-124.
6. Miao W, Geng Z, Tchetgen Tchetgen E J. Identifying causal effects with proxy variables of an unmeasured confounder[J]. Biometrika, 2018, 105(4): 987-993.
7. Luo P, Cai Z, Geng Z*. Criteria for multiple surrogates[J]. Statistica Sinica, 2019, 29(3): 1343-1366.
8. Li, H., Miao, W., Cai, Z., Liu, X., Zhang, T., Xue, F., & Geng, Z*. Causal data fusion methods using summary‐level statistics for a continuous outcome[J]. Statistics in Medicine, 2020, 39(8): 1054-1067.
9. Li, H., Jia, J., Yan, R., Xue, F., & Geng, Z*. A causal data fusion method for the general exposure and outcome[J]. Statistics in Medicine, 2022, 41(2): 328-339.
10.苗旺, 刘春辰, 耿直*. 因果推断的统计方法[J]. 中国科学: 数学, 2018, 48(12): 1753-1778.
