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’
2026년 PLOS One 연구에서 올바른 그래프를 보여 주는 교정은 효과가 있었지만, 장식을 없앤 깨끗한 디자인이 원래 디자인을 유지한 교정보다 낫지는 않았습니다.
Debunking Misleading Graphs Effectively: How Vocationally Educated Young Adults Perceive Graphs
시각적 라인업은 관찰 그래프를 영가설에서 만든 그래프들 사이에 놓고 사람이 구별하는지를 검정 절차로 해석합니다.
Human Factors Influencing Visual Statistical Inference
레인클라우드 플롯은 원자료·분포·요약 통계를 함께 보여 주어 같은 평균 아래 다른 모양을 드러냅니다.
Raincloud Plots: A Multi-Platform Tool for Robust Data Visualization
데이터와 화면 요소의 대응을 다룬 D3 논문을 통해 조작형 그림의 정체성 보존을 살펴봅니다. 예쁜 움직임보다 먼저 확인할 연결이 있습니다.
D3: Data-Driven Documents
21–25 / 102편