Always awake,

"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..

"observational data에서 causal estimand를 추론하는 방법 중 하나인 backdoor adjustment를 정리하였습니다 :)" 모든 자료 및 그림의 출처는 아래 youtube 강의의 Chapter 4입니다. Brady Neal - Causal Inference Causal inference www.youtube.com do-operator do-operator는 Intervention의 수학적 operator입니다. 일반적인 확률의 notation에서 Intervention(개입)이라는 것은 conditioning(조건부)와 다른 의미를 지닙니다. Conditioning on $T=t$ : $T=t$인 subset을 선택하는 것을 의미합니다. $p(Y | T = t)$ 개입 없..

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 ..

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..