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 |
- least square estimation
- OVB
- 회귀불연속설계
- 교란변수
- residuals
- 예제
- 최소제곱법
- rct
- Instrumental Variable
- HTML
- 인과 추론
- LU분해
- 크롤링
- Python
- 사영
- simple linear regression
- 교란 변수
- 선형대수
- backdoor adjustment
- 통계
- Sharp RD
- confounder
- 잔차의 성질
- Omitted Variable Bias
- 단순선형회귀
- 네이버 뉴스
- 누락편의
- 머신러닝
- 인과추론
- causal inference
- Today
- Total
목록교란 변수 (3)
Always awake,
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..
앞의 포스팅을 읽고 오시는 것이 좋습니다 :) 인과 추론이 어려운 이유 동일 조건 맞추기? 자 어떤 상황을 생각해봅시다. 회사에서 매출 증대를 위해 프로모션 상품을 개시했다고 합시다. 여기서 우리가 확인할 것은 원인(프로모션 상품)과 결과(매출)의 관계입니다. everyday-tech.tistory.com 앞선 포스팅에서 인과 관계를 확인하기 위해서는 비교하는 두 집단의 성질이 동일해야 하며, 현실 세계에서 이것이 만족되지 않는 경우가 대부분이라고 말씀드렸습니다. 외부 영향을 효과적으로 제거해야 두 사건의 인과 관계를 확인할 수 있습니다. 그렇다면 어떠한 경우 인과 관계가 아닌 외부 영향이 발생할까요? 상관 관계는 인과 관계가 아니다(Correlation is Not Causation). 두 사건이 상관..
동일 조건 맞추기? 자 어떤 상황을 생각해봅시다. 회사에서 매출 증대를 위해 프로모션 상품을 개시했다고 합시다. 여기서 우리가 확인할 것은 원인(프로모션 상품)과 결과(매출)의 관계입니다. 프로모션 상품 때문에 매출이 변한 것이 맞는지 확인해야 하는 것이죠 인과 관계(A는 B의 원인이다)는 A를 제외한 모든 조건이 동일한 상태에서 A를 하였을 때와 하지 않았을 때의 B가 다른 경우를 말합니다. 인과 관계의 정의에 따라 확인하고자 한다면 아래의 두 가지를 비교해야 합니다. 프로모션을 개시하지 않았을 때의 매출(원인을 하지 않았을 때의 결과) 프로모션을 개시하였을 때의 매출(원인을 했을 때의 결과) 하지만 우리는 이미 프로모션을 개시한 상태입니다. 두 번째 결과에 해당하는 "프로모션을 개시하였을 때의 매출"..