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
정당화 논리는 무엇을 안다는 말에 그 근거의 구조를 함께 기록합니다. 결론이 같을 때에도 어떤 자료와 규칙을 거쳤는지 구별해 봅니다.
Justification Logic
빈도주의 신뢰구간의 95%는 같은 절차를 반복했을 때의 장기 포함률이며, 계산된 특정 구간의 사후확률과 같지 않습니다.
Statistical Tests, P Values, Confidence Intervals, and Power: A Guide to Misinterpretations
파라일관 논리는 모순에서 임의의 결론이 폭발하는 규칙을 제한합니다. 불일치와 아무 결론이나 허용하는 사소화를 구분합니다.
Paraconsistent Logic
321–325 / 821편