Notice
Recent Posts
Recent Comments
Link
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 |
Tags
- 머신러닝
- 잔차의 성질
- Instrumental Variable
- 회귀불연속설계
- Omitted Variable Bias
- LU분해
- 교란 변수
- backdoor adjustment
- confounder
- 네이버 뉴스
- 크롤링
- OVB
- 선형대수
- 통계
- least square estimation
- 단순선형회귀
- 최소제곱법
- 교란변수
- residuals
- 인과추론
- 누락편의
- Python
- 인과 추론
- rct
- simple linear regression
- HTML
- Sharp RD
- causal inference
- 사영
- 예제
Archives
- Today
- Total
목록무작위 (1)
Always awake,

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..
인과추론(Causal Inference)
2021. 7. 20. 21:27