LITTLE BY LITTLE

목차6.1 ATE에서 CATE로 6.2 예측이 답이 아닌 이유 6.3 회귀분석으로 CATE 구하기 6.4 CATE 예측 평가하기 6.5 모델 분위수에 따른 효과 6.6 누적 효과 곡선 6.7 누적 이득 곡선 6.8 목표 변환 6.9 예측 모델이 효과 정렬에 좋을 때6.9.1 한계 수확 체감 6.9.2 이진 결과6.10 의사결정을 위한 CATE 6.11 요약6장. 이질척 처치효과 이전까지는 처치의 평균적인 영향을 살펴보았다면, 이번 장에서는 처치가 사람마다 어떻게 다른 영향을 미치는지에 초점을 맞출 것처치 효과는 일정하지 않기에, 어떤 대상이 처치에 더 잘 반응하는지 아는 것은 처치 대상을 결정하는 데 중요한 역할을 한다.즉, 이질적 효과는 "개인화"라는 개념에 대해 인과추론으로 접근할 수 있는 길을 열어..

목차5.1 관리자 교육의 효과 5.2 회귀분석과 보정 5.3 성향점수 5.3.1 성향점수 추정 5.3.2 성향점수의 직교화 5.3.3 성향점수 매칭 5.3.4 역확률 가중치 5.3.5 역확률 가중치의 분산 5.3.6 안정된 성향점수 가중치 5.3.7 유사 모집단 5.3.8 선택편향 5.3.9 편향-분산 트레이드오프 5.3.10 성향점수의 양수성 가정 5.4 디자인 vs 모델 기반 식별 5.5 이중 강건 추정 5.5.1 처치 모델링이 쉬운 경우 5.5.2 결과 모델링이 쉬운 경우 5.6 연속형 처치에서의 일반화 성향 점수 5.7 요약5장. 성향점수 4장에서는 선형회귀분석을 사용하여 교란 요인을 보정하는 방법과, 직교화를 활용한 편향 제거라는 개념을 소개했다. 5장에서는 또다른 편향 제거 방법 중 하나인 성..

목차5.1 관리자 교육의 효과 5.2 회귀분석과 보정 5.3 성향점수 5.3.1 성향점수 추정 5.3.2 성향점수의 직교화 5.3.3 성향점수 매칭 5.3.4 역확률 가중치 5.3.5 역확률 가중치의 분산 5.3.6 안정된 성향점수 가중치 5.3.7 유사 모집단 5.3.8 선택편향 5.3.9 편향-분산 트레이드오프 5.3.10 성향점수의 양수성 가정 5.4 디자인 vs 모델 기반 식별 5.5 이중 강건 추정 5.5.1 처치 모델링이 쉬운 경우 5.5.2 결과 모델링이 쉬운 경우 5.6 연속형 처치에서의 일반화 성향 점수 5.7 요약5장. 성향점수 4장에서는 선형회귀분석을 사용하여 교란 요인을 보정하는 방법과, 직교화를 활용한 편향 제거라는 개념을 소개했다. 5장에서는 또다른 편향 제거 방법 중 하나인 성..

목차4.1 선형회귀의 필요성4.1.1 모델이 필요한 이유4.1.2 A/B테스트와 회귀분석4.1.3 회귀분석을 통한 보정4.2 회귀분석 이론4.2.1 단순선형회귀4.2.2 다중선형회귀4.3 프리슈-워-로벨 정리와 직교화4.3.1 편향 제거 단계4.3.2 잡음 제거 단계4.3.3 회귀 추정량의 표준오차4.3.4 최종 결과 모델4.3.5 FWL 정리 요약4.4 결과 모델로서의 회귀분석4.5 양수성과 외삽4.6 선형회귀에서의 비선형성4.6.1 처치 선형화4.6.2 비선형 FWL과 편향 제거4.7 더미변수를 활용한 회귀분석4.7.1 조건부 무작위 실험4.7.2 더미 변수4.7.3 포화회귀모델4.7.4 분산의 가중평균과 회귀분석4.7.5 평균 제거와 고정효과4.8 누락 변수 편향4.9 중립 통제변수4.9.1 잡음 ..

목차4.1 선형회귀의 필요성4.1.1 모델이 필요한 이유4.1.2 A/B테스트와 회귀분석4.1.3 회귀분석을 통한 보정4.2 회귀분석 이론4.2.1 단순선형회귀4.2.2 다중선형회귀4.3 프리슈-워-로벨 정리와 직교화4.3.1 편향 제거 단계4.3.2 잡음 제거 단계4.3.3 회귀 추정량의 표준오차4.3.4 최종 결과 모델4.3.5 FWL 정리 요약4.4 결과 모델로서의 회귀분석4.5 양수성과 외삽4.6 선형회귀에서의 비선형성4.6.1 처치 선형화4.6.2 비선형 FWL과 편향 제거4.7 더미변수를 활용한 회귀분석4.7.1 조건부 무작위 실험4.7.2 더미 변수4.7.3 포화회귀모델4.7.4 분산의 가중평균과 회귀분석4.7.5 평균 제거와 고정효과4.8 누락 변수 편향4.9 중립 통제변수4.9.1 잡음 ..

목차3.1 인과관계에 대해 생각해보기 3.1.1 인과관계 시각화 3.1.2 컨설턴트 영입 여부 결정하기 3.2 그래프 모델 집중 훈련 3.2.1 사슬 구조 3.2.2 분기 구조 3.2.3 충돌부 구조 3.2.4 연관성 흐름 치트 시트 3.2.5 파이썬에서 그래프 쿼리하기 3.3 식별 재해석 3.4 조건부 독립성 가정과 보정 공식 3.5 양수성 가정 3.6 구체적인 식별 예제 3.7 교란 편향 3.7.1 대리 교란 요인 3.7.2 랜덤화 재해석 3.8 선택 편향 3.8.1 충돌부 조건부 설정 3.8.2 선택편향 보정 3.8.3 매개자 조건부 설정 3.9 요약3.3 식별 재해석인과 그래프에 대한 이해를 통해서 '편향'의 본질을 더 정확하게 파악할 수 있다.더 중요한 것은, 편향을 없애려면 무엇을 해야 하는지..

목차3.1 인과관계에 대해 생각해보기 3.1.1 인과관계 시각화 3.1.2 컨설턴트 영입 여부 결정하기 3.2 그래프 모델 집중 훈련 3.2.1 사슬 구조 3.2.2 분기 구조 3.2.3 충돌부 구조 3.2.4 연관성 흐름 치트 시트 3.2.5 파이썬에서 그래프 쿼리하기 3.3 식별 재해석 3.4 조건부 독립성 가정과 보정 공식 3.5 양수성 가정 3.6 구체적인 식별 예제 3.7 교란 편향 3.7.1 대리 교란 요인 3.7.2 랜덤화 재해석 3.8 선택 편향 3.8.1 충돌부 조건부 설정 3.8.2 선택편향 보정 3.8.3 매개자 조건부 설정 3.9 요약3장에서는, 인과추론의 두 단계인 '식별'과 '추정' 중 더 어려운 식별 부분을 더 자세히 다룬다. 데이터로 매개변수를 추정하기 전 그래프 모델에 대한..