인과관계2

• 

  인과효과에서의 편향 인과효과에서의 편향편향(bias)은 인과관계와 상관관계를 다르게 만드는 요소이다. 인과추론에서는 데이터에서 추정하는 수치가 찾으려는 인과 추정량과 다른 경우 '추정량이 편향되었다'라고 표현한다. 편향은 추정량 $\hat{\beta}$에서 추정하려는 모수 $\beta$를 뺀 값의 기댓값이며, $Bias = E[\hat{\beta} - \beta]$로 표현할 수 있다. 이러한 편향을 이해하는 것은 인과효과를 식별하는 데에 중요한 역할을 하기 때문에 정확히 짚고 넘어갈 필요가 있다. 편향의 정의평균 처치효과(ATE)를 추정하기 위해서는 실험군이 처치 받지 않았을 경우의 기댓값 $E[Y_0 | T = 1]$과, 대조군이 처치 받았을 경우의 기댓값 $E[Y_1 | T= 0]$을 추정해야 한다. 이때, 기본적으로 .. 인과추론 2024. 5. 24.

• 인과관계와 인과추론 인과관계와 인과추론일상에서, 인과관계(causation)는 종종 상관관계(correlation)와 혼동되곤 한다. 하지만 통계학을 비롯한 학문적인 영역에서 이 두 개념을 혼동한다면 큰 비판을 받을 수 있다. 물론 상관관계가 인과관계가 될 수는 있지만, 모든 상관관계가 인과관계는 아니기 때문이다. 간단하게 말하자면, 상관관계는 몇 개의 수치나 확률변수(random variable)가 특정 패턴을 보이며 같이 움직이는 것이며, 인과관계는 어떤 변수가 다른 변수의 변화를 야기하는 것이다. 즉, 인과관계에는 선후관계가 존재하며 원인과 결과의 관계를 가진다. 인과추론(causal inference)은 이러한 상관관계로부터 인과관계를 추론하고, 언제, 그리고 왜 둘이 서로 다른지를 이해하는 과학이라고 할 수 있다... 인과추론 2024. 5. 18.