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

본 포스팅은 인과추론을 위한 sub sampling 기법 중 하나인 성향 점수 매칭(propensity score matching)에 대해 정리한 글입니다 :) 개요 처치가 결과에 미치는 영향을 추론(인과 추론)하기 위해서는 처치를 받은 집단(실험군)과 받지 않은 집단(대조군)을 비교해야 합니다. 그리고 반드시 처치를 제외한 다른 조건은 두 집단 간 평균적으로 동일해야 합니다. 그래야 편향 없이 처치가 결과에 미치는 영향을 추론할 수 있습니다 하지만 현실에서는 처치 자체가 특정 요인에 영향을 받으며, 특정 요인이 결과에도 영향을 미치는 경우가 많습니다. 이를 교란 요인 (교란 변수) 이라고 합니다. 이러한 경우 교란 요인이 처치 여부에 미치는 영향을 제거해야 올바른 인과 효과를 추정할 수 있습니다. 즉,..
인과추론(Causal Inference)
2022. 9. 10. 20:21