[인과추론] 진짜 인과를 구분하는 법

비타민을 먹고 감기가 나았다! 어느 날 감기에 걸린 사람이 비타민C를 챙겨 먹었고, 며칠 뒤 감기가 나았다고 해요.그래서 "역시 비타민 덕분이야!"라고 생각하죠. 🤔 하지만 사실, 감기는 약을 안 먹어도 일주일쯤 지나면 대부분 자연스럽게 낫는 병이에요.😏 즉, 감기 → 비타민 → 회복처럼 보이지만, 사실은 시간만 지나도 나았을 가능성이 커요.  이와 같이 실제의 인과 관계를 올바르게 추론하기 위해선 몇 가지 중요한 가정을 반드시 충족해야 해요. 오늘은 이 인과 관계 추론을 위해 필요한 몇 가지 중요한 가정들에 대해 알아보려고 해요.특히 의학 연구나 정책 평가에서는 이 가정들이 굉장히 중요한 역할을 한답니다!💡 1. 상관관계(Correlation) 🤝상관관계가 있어야 인과관계가 성립되지만,그렇다고 ..

• format_list_bulleted 통계
• · 2025. 4. 8.
• textsms

[인과추론] “IQ 높이려면 발을 키우라고요?” – 상관관계에 속지 않는 법

🔍 핵심 주제 “E가 증가할수록 O가 더 많이 발병한다. 따라서 O의 발생을 줄이기 위해선 E를 잘 관리해야 한다.” 이런 주장을 논문에서 설득력 있게 제시하려면,위 관계가 단순한 상관관계가 아닌 명확한 인과관계임을 보여야 합니다.즉, Exposure(E) → Outcome(O)이라는 경로가 다른 요인들에 의해 왜곡되지 않았다는 걸 증명해야 해요.  💡 왜곡되어 버린 거짓 인과관계  "IQ 높은 아이는 신발 사이즈도 크대요. 그러니 IQ를 높이려면 발 사이즈를 키워야겠네요!" 이런 말, 어딘가 이상하지 않나요? 🧠 사실은 이렇습니다:- 나이가 많을수록 발도 크고, IQ도 높죠.- 즉, 나이라는 공통 원인(confounder) 때문에 신발 사이즈와 IQ가 관련 있어 보이는 겁니다. 이처럼, 교란 변수..

• format_list_bulleted 통계
• · 2025. 3. 31.
• textsms

[인과추론] 과거 통계 모델링의 한계를 넘어서

Correlation은 Causation을 말하지 않는다.위 유명한 명제는,데이터 분석에서 상관관계가 인과관계를 의미하지 않음을 경고합니다.  상관관계는 종종 우연의 일치일 수 있으며, 외부 요인이나 숨겨진 변수들이 영향을 미칠 수 있습니다.  최근 들어, 인과 추론이 연구에서 중요한 분야로 떠오르고 있습니다.  이는 단순히 변수들 간의 관계를 분석하는 것을 넘어서,어떤 변수가 다른 변수에 대해 인과적인 영향을 미치는지를 추론하려는 시도를 포함합니다.  2021년, 인과 추론을 공동 연구한 Joshua D. Angrist, Guido W. Imbens, David Card가 노벨 경제학상을 수상한 바 있습니다.이들의 연구는 관찰 데이터를 기반으로 한 인과 관계 추론 방법을 발전시켰고,경제학뿐만 아니라 여..

• format_list_bulleted 통계
• · 2024. 12. 28.
• textsms