Posts by category

[5-3] 구조적 인과모형

1. Structural Causal Model Probabilistic Causal Mechanisms Causal Graph/Diagram이 일반적인 design-based approach에서 가능하지만, 직접적으로 인과추론에 활용되는 것은 단연 Structural C...

[5-2] 디자인 기반의 인과추론에서의 인과 그래프 활용

1. Structure-Based Research Design

[5-1] 인과 그래프

1. Causal Graph (Diagram)

[4-4] 통제함수와 선택모형

1. Control Function residual inclusion method, selection bias correction method 기본적으로 도구변수를 활용하는 것은 동일함(도구변수를 활용해서 exogenous한 부분을 설명하는 것). 그런데, selectio...

[4-3] 회귀 불연속

1. Regression Discontinuity(RD) 언제 활용할 수 있는가? control 그룹과 treatment 그룹에 대한 데이터는 있지만, treatment 전후의 데이터는 없으며, treatment 가 임의의 cutoff 혹은 threshold에 의해 정해진...

[4-2] 인과추론 관점에서의 도구변수

1. IV from the Perspective of Potential Outcome Potential Outcome Framework 관점에서 도구 변수를 이해하는 것이 중요함 이를 가능하게 하는 것이 Local Average Treatment Effect(LATE)

[4-1] 도구변수

1. 도구변수

[3-4] 가상의 통제집단

1. Donor pool

[3-3] 이중차분법

1. Difference in Differences(DID)

[3-2] 준실험 분석방법론

1. Quasi-Experiment method 비교 가능한 control group을 찾는 것이 앞서 살펴본 Quasi-Experiment design이었다면, 이렇게 찾은 control group을 활용해서 어떻게 counterfactual을 유추할 수 있을 지에 대한 방...

[3-1] 디자인 기반의 인과추론

1. Research design matters 그림 출처: 인과추론의 데이터과학. (2022, June 17)

[2-4] 매칭과 역확률가중치

1. Regression is analogous to matching, but there are differences regression은 control variable과 selection bias에 대해서 linear function이라는 functional form을 가...

[2-3] 인과추론 관점에서의 회귀분석

1. 어떤 종류의 Selection bias를 다룰 수 있을까? 그림 출처: 인과추론의 데이터과학. (2022, June 15)

[2-2] 무작위 통제 실험

1. Random Assignment는 왜 중요한가? 아래 그림은 인과추론을 위한 연구 디자인의 위계 관계를 나타낸 것이다.

[2-1] 잠재적 결과 프레임워크

1. 잠재적 결과 프레임워크(Potential Outcome Framework)

[1-2] 인과추론의 어려움과 인과추론의 전략

1. Everything is Endogenous

[1-1] 인과추론과 예측 방법론의 차이

1. 인과추론과 예측 방법론의 차이 ‘인과추론 vs 머신러닝에 기반한 예측’을 ‘사회과학 vs 머신러닝, 딥러닝 등의 모델을 통한 computational method’와 같이 단순한 방법론적 차이로 볼 수 없음 인과추론 vs 예측은 데이터 분석의 목적 자체가 다름. 목적...

한국인의 난민에 대한 태도 예측요인 탐색을 위한 다중회귀분석 및 상호작용효과 분석

아래는 디아스포라연구(KCI 등재)에 게재한 논문을 요약한 내용이다. 분석에 활용한 코드도 함께 제시하였다. 전재은, 박기나. (2023). 한국인의 난민신청자(asylum seeker)에 대한 태도: 통합위협이론과 접촉이론을 중심으로. 디아스포라연구, ...

비대면 교육환경에서 대학생의 대학 몰입 예측요인 탐색을 위한 다중회귀분석 및 상호작용효과 분석

This contains a summary of a journal paper which is under review at Korean Journal of Educational Research (September 1, 2023). Python code for data anlys...

서성욱(2023). 결정하는 마음

5장. 베이지안 사고방식

Urban bigdata analysis

2022년 9월, 한국토지주택공사에서 주관한 국토도시 데이터 분석 공모전(연수구 원도심 활성화를 위한 쇠퇴현황 분석 및 시각화)에 참여하였고 장려상을 수상하였다. 주최측에서 제공한 데이터 분석 배경, 목적은 다음과 같다: ...

랜덤포레스트와 SHAP

코로나-19로 대학생 중도탈락 크게 증가하여, 대학생의 중도탈락 예측 요인에 대한 연구가 필요함. 관련하여 기존 선행연구는 대부분 모수 기반의 통계 기법을 활용하였으나, 이와 같이 전통적 통계 기법은 많은 변인을 모형에 투입하는 다중공선성 발생 우려가 있고, 자유도 제약 등의...

컨조인트 분석 & 인과추론

What attributes causally increase or decrease korean public’s support for asylum seekers?

KoBERT를 이용한 학생 역량 점수 분류

아래는 2023 한국교육공학회 춘계학술대회 <인공지능 시대, 교육공학의 새로운 접근 방향> 포스터 세션에서 발표한 내용으로, 본문 마지막에는 사용한 코드를 함께 정리하였다.

1. 연립일차방정식과 행렬의 뜻