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 |
- Instrumental Variable
- backdoor adjustment
- 선형대수
- 예제
- 사영
- 인과추론
- Python
- 통계
- 단순선형회귀
- rct
- LU분해
- 잔차의 성질
- OVB
- Sharp RD
- 누락편의
- 머신러닝
- residuals
- 크롤링
- 인과 추론
- 교란 변수
- confounder
- 네이버 뉴스
- Omitted Variable Bias
- HTML
- simple linear regression
- 교란변수
- 최소제곱법
- least square estimation
- causal inference
- 회귀불연속설계
- Today
- Total
목록인과 관계 (2)
Always awake,

앞의 포스팅을 읽고 오시는 것이 좋습니다 :) 인과 추론을 어렵게 하는 요소(교란 변수) 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 everyday-tech.tistory.com 앞선 포스팅에서 원인 변수와 결과 변수와의 관계(Association)은 두 가지로 나눌 수 있다고 하였습니다. Causal Association : 분석가가 알고 싶어하는 원인 변수가 결과 변수에 미치는 인과 효과 Non-Causal Association : 외부 영향을 의미 그리고 두 사건을 단순히 비교하여 얻은 상관 관계는 위의 두 가지 Association이 합쳐진 것이므로 ..

"본 포스팅은 인과 관계를 잘 알아야 하는 이유에 대한 개인적인 생각을 정리한 글입니다." correlation is not causation(상관 관계는 인과 관계가 아니다) "A가 B의 원인이다"라는 인과 관계는 A(원인)를 했을 때와 하지 않았을 때의 B(결과)가 다른 것을 의미합니다. 즉, 다른 조건은 모두 동일하게 유지한 채 어떤 하나만 바꿨을 때 결과가 달라지면 그것은 원인에 해당하는 것이죠. 우리는 흔히 어떤 상관 관계가 높은 두 사건을 보고 하나는 원인이고, 하나는 결과다!라고 판단하는 경우가 있습니다. 아래는 재미있는 상관 관계에 대한 예시입니다. 마가린 소비와 이혼율 두 사건은 상관관계가 0.99로 매우 높습니다. 그렇다면 마가린을 많이 소비할수록 이혼율이 높으므로 마가린은 이혼을 촉진..