변수를 많이 통제할수록 인과 추론이 좋아질까?
인과 다이어그램은 통제해야 할 공통 원인과 통제하면 오히려 경로가 열리는 합류 변수를 구분하게 합니다.
Causal Diagrams for Epidemiologic Research
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
인과 다이어그램은 통제해야 할 공통 원인과 통제하면 오히려 경로가 열리는 합류 변수를 구분하게 합니다.
Causal Diagrams for Epidemiologic Research
동등성 검정은 사전에 정한 실질적 차이의 범위 안에 효과가 있는지 묻습니다. 유의하지 않다는 결과와 충분히 작은 차이라는 근거를 구분합니다.
Equivalence Tests: A Practical Primer for t Tests, Correlations, and Meta-Analyses
소아 무작위시험 검토는 이분형 결과의 유의성이 최소 몇 건의 결과 변화에 달렸는지를 Fragility Index로 점검했습니다.
The Fragility Index in a Cohort of Pediatric Randomized Controlled Trials
연습한 사람이 높은 점수를 받았다고 해서 연습의 효과가 바로 입증되지는 않습니다. 인과 그림으로 비교의 조건을 살펴봅니다.
Causal inference in statistics: An overview
Hernán과 Robins는 관찰자료 분석 전에 모방하려는 무작위시험의 참여 기준·전략·추적·결과·분석을 먼저 명시하라고 제안합니다.
Using Big Data to Emulate a Target Trial When a Randomized Trial Is Not Available
66–70 / 86편