일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
- 단순선형회귀
- 통계
- 회귀불연속설계
- Omitted Variable Bias
- least square estimation
- 교란 변수
- 네이버 뉴스
- confounder
- HTML
- simple linear regression
- LU분해
- 인과 추론
- Sharp RD
- rct
- 선형대수
- 인과추론
- 교란변수
- 잔차의 성질
- 누락편의
- 예제
- Python
- causal inference
- 크롤링
- Instrumental Variable
- backdoor adjustment
- 최소제곱법
- 머신러닝
- 사영
- residuals
- OVB
- Today
- Total
목록인과추론(Causal Inference) (18)
Always awake,

본 포스팅은 불연속회귀설계에 관해 정리한 내용입니다 :) 참고 서적 : Joshua D. Angrist, Jorn-Steffen Pischke. (2018). 고수들의 계량경제학. 시그마프레스. p.146 ~ p.175 참고 사이트 : https://mixtape.scunning.com/regression-discontinuity.html 불연속 회귀 설계는 언제 사용하나요 불연속 회귀 설계(RDD; Regression Discontinuity Design)는 인과 추론 방법 중 하나입니다. 해당 방법은 처치(treatment)가 특정 제약 조건이나 자격 하에 정해지는 경우에 사용합니다. 처치가 랜덤하게 배정되지 않기 때문에 실험군, 대조군 간 처치를 제외한 다른 특성이 동일하지 않은 경우입니다. 어떤 ..

본 포스팅은 이중 차분법에 대해 공부한 내용을 정리한 글입니다 :) 참고 서적 : Joshua D. Angrist, Jorn-Steffen Pischke. (2018). 고수들의 계량경제학. 시그마프레스. p.178 ~ p.190 이중 차분법 컨셉 이중 차분법은 원인변수와 결과변수 간의 인과 효과를 측정하기 위한 인과 추론 방법입니다 인과 추론 시 데이터의 특성과 생성되는 상황에 따라 적절한 방법을 선택하여 사용하는데 그 중 이중 차분법에 대해 설명하고자 합니다. 이중 차분법(DID; Difference In Difference)은 도구 변수(Instrumental Variable)과 회귀불연속설계(RDD; Regression Discontinuity Design)의 적용이 어려울 때 사용할 수 있습니다..

"본 포스팅은 도구 변수(IV, Instrumental Variable)을 활용한 인과 추론 예제에 관한 내용입니다" 도구 변수 관련 내용은 아래 링크를 참고해주시면 감사하겠습니다. 도구 변수(IV) 본 포스팅은 도구변수에 대해 공부한 내용을 정리한 글입니다 :) 참고 서적 : Joshua D. Angrist, Jorn-Steffen Pischke. (2018). 고수들의 계량경제학. 시그마프레스. p.98 ~ p.144 들어가며 일전에 causal diag.. everyday-tech.tistory.com 데이터 생성 아래와 같은 형태로 예제 데이터를 생성합니다. $T$ : 원인 변수 $Y$ : 결과 변수 $W$ : (관측하지 못한) 교란 변수 $Z$ : 도구 변수 추정해야할 인과 효과는 $T$가 $Y..

본 포스팅은 도구변수에 대해 공부한 내용을 정리한 글입니다 :) 참고 서적 : Joshua D. Angrist, Jorn-Steffen Pischke. (2018). 고수들의 계량경제학. 시그마프레스. p.98 ~ p.144 들어가며 일전에 causal diagram(인과 다이어그램)에서 backdoor adjustment를 통해 변수를 통제하여 인과 효과를 추론하는 방법을 설명드렸습니다. (해당 내용은 아래 링크를 참고해주시면 감사하겠습니다) backdoor adjustment "observational data에서 causal estimand를 추론하는 방법 중 하나인 backdoor adjustment를 정리하였습니다 :)" 모든 자료 및 그림의 출처는 아래 youtube 강의의 Chapter 4입..

일전에 포스팅한 누락 편의(OVB)의 예제를 살펴보는 글입니다 :) 본 포스팅에서 사용하는 변수명 및 notation은 아래 내용과 이어지니 먼저 확인하고 오시면 좋습니다. 누락 편의(OVB) 누락 편의에 대해 공부한 내용을 정리한 글입니다 :) 참고 서적 : Joshua D. Angrist, Jorn-Steffen Pischke. (2018). 고수들의 계량경제학. 시그마프레스 p.90 ~ p.91 누락 편의 개념 누락 편의란 통제가 필요한.. everyday-tech.tistory.com 누락 편의 예제 일전 포스팅에서 누락 편의는 다음과 같이 계산된다고 말씀드렸습니다. (model1: $W$를 누락한 모델) $Y_i = \beta_0 + \beta_1 X_i + \epsilon_{1i}$ (mode..

누락 편의에 대해 공부한 내용을 정리한 글입니다 :) 참고 서적 : Joshua D. Angrist, Jorn-Steffen Pischke. (2018). 고수들의 계량경제학. 시그마프레스 p.90 ~ p.91 누락 편의 개념 누락 편의란 통제가 필요한 변수가 통제되지 않았을 때 발생하는 편의(bias)를 의미합니다. 예를 들어, $X$가 $Y$에 미치는 인과 효과를 추정할 때, 교란 변수 $W$가 존재하는 경우를 생각해봅시다. 실제 $X$가 $Y$에 미치는 인과 효과는 교란 변수인 $W$를 통제(회귀식에 독립항으로 추가)한 상태에서 측정한 값입니다. 하지만, 어떠한 이유에 의해 우리는 교란 변수 $W$를 누락하게 되었다고 합시다. 설계 단계에서 $W$를 생각하지 못한 경우 $W$가 교란 요인으로 작용할..