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
게시 2026-09-12 · 약 6분해외 논리학 연구 해설 읽기 →
개별 글보다 주제 전체를 따라 읽고 싶다면 대표 글과 연관 자료를 함께 보세요.
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
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
미국통계학회의 여섯 원칙은 p값을 효과 크기·설계·사전 맥락과 함께 읽어야 함을 강조합니다.
The ASA Statement on p-Values: Context, Process, and Purpose
사전 가능성, 검정력과 거짓 양성률이 양성 결과의 믿을 만함을 어떻게 함께 결정하는지 기대 빈도로 계산합니다.
Why Most Published Research Findings Are False
53쌍의 사전등록과 논문 비교는 분석 결정의 구체성과 일치 여부가 핵심임을 보여 줍니다.
Ensuring the quality and specificity of preregistrations
66–70 / 75편