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
- 누락편의
- 인과 추론
- confounder
- 사영
- Python
- 크롤링
- 최소제곱법
- causal inference
- 단순선형회귀
- 예제
- 머신러닝
- 교란변수
- Omitted Variable Bias
- LU분해
- 교란 변수
- HTML
- backdoor adjustment
- Instrumental Variable
- 통계
- 네이버 뉴스
- simple linear regression
- least square estimation
- 인과추론
- Sharp RD
- 회귀불연속설계
- 잔차의 성질
- OVB
- rct
- residuals
- 선형대수
Archives
- Today
- Total
목록Collider (1)
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 ..
인과추론(Causal Inference)
2021. 6. 5. 01:32