결과와 관련된 변수는 모두 통제해야 할까?
인과 다이어그램은 교란 경로와 매개·충돌 변수를 구분합니다. 상관이 큰 변수부터 넣는 선택은 편향을 만들 수 있습니다.
Robust Causal Inference Using Directed Acyclic Graphs: the R package ‘dagitty’
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 교란 경로와 매개·충돌 변수를 구분합니다. 상관이 큰 변수부터 넣는 선택은 편향을 만들 수 있습니다.
Robust Causal Inference Using Directed Acyclic Graphs: the R package ‘dagitty’
Lee와 Lemieux의 회귀불연속 설계 안내를 바탕으로 컷오프 주변의 연속성 가정, 조작 가능성, 국소 효과와 대역폭 선택을 구분한다.
Regression Discontinuity Designs in Economics
시각적 라인업은 관찰 그래프를 영가설에서 만든 그래프들 사이에 놓고 사람이 구별하는지를 검정 절차로 해석합니다.
Human Factors Influencing Visual Statistical Inference
세 논쟁적 주제의 실험은 초기 태도가 약한 참가자에게 그래프의 설득 효과가 더 컸지만 강한 반대 태도에서는 달라질 수 있음을 보였습니다.
The Persuasive Power of Data Visualization
Elwert와 Winship은 서로 독립인 두 원인이 공통 결과에 모일 때 그 결과를 조건화하면 가짜 연관이 열리는 선택 편향을 인과 다이어그램으로 통합했다.
Endogenous Selection Bias: The Problem of Conditioning on a Collider Variable
6–10 / 29편