원격 감지 결과를 이용한 프로그램 평가: 대리 지표 접근 방식의 함정과 새로운 식별 전략
본 논문은 원격 감지 변수(RSV)를 사용하여 프로그램의 효과를 평가할 때 발생할 수 있는 문제점을 지적하고, 이를 해결하기 위한 새로운 비모수적 식별 전략을 제시합니다.
비선형 세계에서의 동적 인과 효과: 장점과 단점, 그리고 함정
선형 모델 기반의 충격 반응 추정치는 실제 데이터 생성 프로세스가 비선형일 경우에도 인과 관계를 해석할 수 있는 유용한 도구가 될 수 있습니다. 특히, 관측된 충격이나 프록시를 사용하는 방법은 비선형성의 정도와 무관하게 인과 효과의 가중 평균을 식별합니다. 반면, 이분산성이나 잠재적 충격의 비정규성을 이용하는 방법은 선형성에서 벗어날 경우 잘못된 결과를 도출할 수 있습니다.
고차원 교란 변수 설정에서 인과적 기계 학습 방법 및 표본 분할 사용의 비교
고차원 교란 변수가 있는 상황에서 인과적 효과를 추정하기 위해 표본 분할을 사용한 인과적 기계 학습 방법(AIPW, TMLE)을 비교한 결과, 대부분의 경우 두 방법의 성능은 비슷했지만 TMLE가 더 안정적인 것으로 나타났습니다. 교차 검증은 두 방법 모두의 성능을 향상시켰지만, 점 추정치보다는 표준 오차 및 적용 범위 추정에 더 중요했으며, 사용된 폴드 수는 중요하지 않았습니다. 전체 Super Learner 라이브러리를 사용하는 것은 현대 건강 연구에서 일반적인 복잡한 시나리오에서 편향과 분산을 줄이는 데 중요했습니다.
유효한 조정 집합이 주어진 경우, 고차원 인과 효과 추정에 대한 PAC(Probably Approximately Correct) 분석
본 논문에서는 고차원 데이터에서 인과 효과를 추정할 때, 완벽한 인과 구조를 파악하지 않고도 유효한 조정 집합을 활용하여 정확한 추정이 가능함을 보여줍니다.
인과관계 탐구: 도구 변수 발굴을 위한 AI 활용 전략
본 논문은 경제학 연구에서 인과관계 추론에 핵심적인 역할을 하는 도구 변수를 발굴하는 데 있어 대규모 언어 모델(LLM)의 활용 가능성을 제시하고, 그 효과적인 활용 전략을 제안합니다.
부정확하게 매칭된 관측 연구에서 역확률 가중치를 사용한 평균 처치 효과에 대한 새로운 추론 방법 제안
부정확하게 매칭된 관측 연구에서 기존의 방법들과 달리, 역 사후 매칭 확률 가중치(IPPW)를 사용하여 평균 처치 효과에 대한 추론을 개선하는 새로운 방법론을 제시합니다.
부적절한 도구 변수를 사용한 인과 효과 식별을 위한 음성 대조군 활용
본 논문에서는 도구 변수가 타당하지 않더라도 음성 대조군을 활용하여 인과 효과를 식별하는 방법을 제시합니다.
회귀 분석은 대표적인 인과 순위를 생성하는가? - 처리 효과 이질성에 대한 고찰
선형 회귀 또는 이의 변형인 부분 선형 모델(PLM)은 처리 효과 이질성이 존재하는 경우 실제 평균 처리 효과(ATE)와 다른 가중 평균 처리 효과(WATE)를 추정하기 때문에 처리 효과 순위를 잘못 설정할 수 있다.
병렬 추세 가정 하의 구조적 중첩 평균 모델
본 논문에서는 시간에 따라 변화하는 처치 효과를 추정하는 두 가지 접근 방식인 시간 변화 차이(DiD)와 구조적 중첩 평균 모델(SNMM)을 연결하고 확장하여 SNMM이 병렬 추세 가정 하에서도 식별 가능하며 DiD보다 더 광범위한 인과적 질문에 답할 수 있음을 보여줍니다.
서수형 결과에 대한 원인의 필연성 확률 식별 및 경계 설정
본 논문에서는 서수형 결과를 가지는 인과관계에서 특정 처치가 결과 발생에 필수적인 원인일 확률을 의미하는 필연성 확률(PN)을 정의하고, 이를 식별하고 경계를 설정하는 방법을 제시합니다.
© 2024 by Linnk AI