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

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..
인과추론(Causal Inference)
2021. 5. 21. 22:47