통합검색

같은 상관관계도 그래프 모양에 따라 원인처럼 보일까?

세 차례 크라우드 실험은 집계 수준과 시각 표지가 인과 판단을 흔들 수 있음을 보였습니다. 그래프와 결론의 거리를 점검합니다.

Illusion of Causality in Visualized Data

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

자료를 더 많이 모으면 원인을 알 수 있을까?

연습한 사람이 높은 점수를 받았다고 해서 연습의 효과가 바로 입증되지는 않습니다. 인과 그림으로 비교의 조건을 살펴봅니다.

Causal inference in statistics: An overview

관찰자료로 실험을 흉내 내려면 무엇부터 정해야 할까?

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

결과와 관련된 변수는 모두 통제해야 할까?

교란변수 C에서 처치 X와 결과 Y로 화살표가 가고 X에서 매개 M을 거쳐 Y로 가는 인과도