교수님 안녕하세요? 좋은 강의 감사드립니다. 궁금한 점이 있어 댓글을 남기게 되었습니다. exogenous shock은 누군가 의도한 shock이 아니기 때문에 그것의 효과에 대해 보는 것은 진정으로 사회과학자들이 원하는 연구는 아니라고 생각이 들었습니다. 의도한 정책에 대한 효과를 확인하는 것이 가장 좋을텐데 이 경우에도 exogenous shock을 이용하는 연구가 있나요? 예를들어 exogenous shock이 연구의 주제는 아니지만 중간에 exogenous shock이 있는 기간을 포함하게 된다면 x와 y의 인과관계를 더 잘 파악할 수 있는 경우가 있는지 궁금합니다!
사실 준실험 혹은 자연실험은 정책평가 관점에서 더 많이 활용되었던 연구 방법론이라고 볼 수 있습니다. 즉, 의도한 정책이 시행되었을 때 정책의 영향을 받은 집단을 처치집단, 그렇지 않은 집단을 통제집단으로 정의할 수 있다면 이중차분법 등의 다양한 방법론을 활용하여 인과적 분석을 수행할 수 있을 것입니다. 가장 대표적인 사례가 바로 코로나19 에 대응하기 위해 시행되었던 사회적거리두기 정책의 효과성 평가 연구일 것입니다. 우리나라의 경우에는 대부분의 정책이 전국적으로 동시에 시행되기 때문에 준실험을 구성하기 쉽지 않지만, 미국이나 독일 등의 국가들에서는 각 주 별로 정책을 상이하게 시행하기 때문에 처치집단과 통제집단을 효과적으로 구분할 수 있어 인과추론 관점에서 큰 이점이 있다고 볼 수 있습니다. 작년에 업로드한 영상이 도움이 되길 바라겠습니다.
확인하고 싶은 변수가 결과 변수를 말씀하시는 거라면, DID 에서의 평행추세가정은 결과변수에 적용되는 것이기 때문에 다른 변수들이 다르더라도 결과변수의 시간에 따른 변화만 평행하면 큰 문제가 되지는 않을거라고 생각합니다. 그리고 개별 유닛의 차이는 상당부분 유닛 고정효과로 상쇄될 수 있습니다.
너무 간단한 설명 뿐이라 구체적인 답변이 쉽지 않은데, 결국 상황과 데이터의 특성에 따라 다를 것입니다. 우선 단순히 물의 효과를 추정하는 건 DID 에 적합하지 않습니다. 그래서 원인을 오염된 물이라고 특정하고, 오염된 물에 노출된 사람들과 그렇지 않은 사람들을 나누고, 물이 오염되기 전과 후에 그들의 콜레라 감염 정도를 모두 관측할 수 있어야 DID 분석이 가능합니다. 이런 상황에서 만약 콜레라 감염 정도의 시간의 따른 추세가 "평행" 하다는 걸 보일 수만 있다면 (콜레라 감염 정도가 반드시 같을 필요는 없음), 공기 조건과 같은 다른 요인은 큰 문제가 안될 수 있습니다. 하지만, 이를 직접 증명할 수 없는 경우라면 결국 여러 정황 조건으로 평행추세를 가정할 수 밖에 없는데, 그 때 만약 공기와 같은 다른 조건이 콜레라 감염에 영향이 있다면 그러한 조건이 같다는 것이 두 집단에서의 콜레라 감염의 평행추세를 가정하는데 도움이 될 수 있습니다.
13:12 DID Analysis에서 Parallel Trends assumption을 만족한다면 treatment 이전의 control 그룹과 treatment 그룹 간 시간에 따른 변화량이 비슷하게 나타나기 때문에 randomized assumption을 만족하는듯한 효과가 나타나서 인과추론에서 유리한 도구가 된다 -> DID가 인과추론에서 유리한 이유를 요렇게 해석했는데 맞을까요?
![[Session 3-1] 무작위 통제실험 연구사례 1: 출근시간 타켓 마케팅의 인과적 효과](http://i.ytimg.com/vi/LBpmqRs_JCI/mqdefault.jpg)
![[Session 3-1] 무작위 통제실험 연구사례 1: 출근시간 타켓 마케팅의 인과적 효과](/img/tr.png)
![[Session 0] 인과추론 온라인 세미나 소개](http://i.ytimg.com/vi/3JUlFC1LuIk/mqdefault.jpg)
사회과학 연구자로 이제 첫발을 들이는데 정말 양질의 자료 감사합니다
감사합니다! 보건통계쪽 공부하고 있는데 부분적으로 알고 있던 내용들이 잘 정리가 되고 있습니다~ 앞으로도 잘 보겠습니다! ㅎㅎ
보건학/역학도 인과추론이 굉장히 활발하게 적용되고 있는 대표적인 분야 중 하나기 때문에 공부하시는데 도움되길 바라겠습니다!
유용한 영상 감사합니다 잘 배워보겠습니다
수능 특강과 6월 모의고사에 DID가 나와 공부하러 와 봤습니다. 양질의 자료 감사합니다😊😊
모의고사에 이중차분법에 관한 내용이 나왔는지 몰랐는데, 알려주셔서 감사합니다 :)
교수님 안녕하세요? 좋은 강의 감사드립니다. 궁금한 점이 있어 댓글을 남기게 되었습니다. exogenous shock은 누군가 의도한 shock이 아니기 때문에 그것의 효과에 대해 보는 것은 진정으로 사회과학자들이 원하는 연구는 아니라고 생각이 들었습니다. 의도한 정책에 대한 효과를 확인하는 것이 가장 좋을텐데 이 경우에도 exogenous shock을 이용하는 연구가 있나요? 예를들어 exogenous shock이 연구의 주제는 아니지만 중간에 exogenous shock이 있는 기간을 포함하게 된다면 x와 y의 인과관계를 더 잘 파악할 수 있는 경우가 있는지 궁금합니다!
사실 준실험 혹은 자연실험은 정책평가 관점에서 더 많이 활용되었던 연구 방법론이라고 볼 수 있습니다. 즉, 의도한 정책이 시행되었을 때 정책의 영향을 받은 집단을 처치집단, 그렇지 않은 집단을 통제집단으로 정의할 수 있다면 이중차분법 등의 다양한 방법론을 활용하여 인과적 분석을 수행할 수 있을 것입니다. 가장 대표적인 사례가 바로 코로나19 에 대응하기 위해 시행되었던 사회적거리두기 정책의 효과성 평가 연구일 것입니다. 우리나라의 경우에는 대부분의 정책이 전국적으로 동시에 시행되기 때문에 준실험을 구성하기 쉽지 않지만, 미국이나 독일 등의 국가들에서는 각 주 별로 정책을 상이하게 시행하기 때문에 처치집단과 통제집단을 효과적으로 구분할 수 있어 인과추론 관점에서 큰 이점이 있다고 볼 수 있습니다. 작년에 업로드한 영상이 도움이 되길 바라겠습니다.
혹시 DID에서 확인하고 싶은 변수 이외의 다른 조건이 다르다고 해도 그 조건이 변화된 정도가 시행집단과 비교집단에서 같다면 평행추세가 성립하는 건가요?
확인하고 싶은 변수가 결과 변수를 말씀하시는 거라면, DID 에서의 평행추세가정은 결과변수에 적용되는 것이기 때문에 다른 변수들이 다르더라도 결과변수의 시간에 따른 변화만 평행하면 큰 문제가 되지는 않을거라고 생각합니다. 그리고 개별 유닛의 차이는 상당부분 유닛 고정효과로 상쇄될 수 있습니다.
@@causaldatascience 그럼 예를 들어 콜레라 감염에 미치는 물의 효과를 보고 싶을 때 두 집단의 각각의 공기가 고정값이라면 초기 공기 조건이 같을 필요가 없는 건가요?
이번 모의고사에 관련 지문이 나왔는데 이해가 잘 안돼서 질문합니다..
너무 간단한 설명 뿐이라 구체적인 답변이 쉽지 않은데, 결국 상황과 데이터의 특성에 따라 다를 것입니다. 우선 단순히 물의 효과를 추정하는 건 DID 에 적합하지 않습니다. 그래서 원인을 오염된 물이라고 특정하고, 오염된 물에 노출된 사람들과 그렇지 않은 사람들을 나누고, 물이 오염되기 전과 후에 그들의 콜레라 감염 정도를 모두 관측할 수 있어야 DID 분석이 가능합니다. 이런 상황에서 만약 콜레라 감염 정도의 시간의 따른 추세가 "평행" 하다는 걸 보일 수만 있다면 (콜레라 감염 정도가 반드시 같을 필요는 없음), 공기 조건과 같은 다른 요인은 큰 문제가 안될 수 있습니다. 하지만, 이를 직접 증명할 수 없는 경우라면 결국 여러 정황 조건으로 평행추세를 가정할 수 밖에 없는데, 그 때 만약 공기와 같은 다른 조건이 콜레라 감염에 영향이 있다면 그러한 조건이 같다는 것이 두 집단에서의 콜레라 감염의 평행추세를 가정하는데 도움이 될 수 있습니다.
@@causaldatascience 넵 감사합니다
13:12 DID Analysis에서 Parallel Trends assumption을 만족한다면 treatment 이전의 control 그룹과 treatment 그룹 간 시간에 따른 변화량이 비슷하게 나타나기 때문에 randomized assumption을 만족하는듯한 효과가 나타나서 인과추론에서 유리한 도구가 된다 -> DID가 인과추론에서 유리한 이유를 요렇게 해석했는데 맞을까요?
네 맞습니다. Randomized Assumption 이라고 지칭하셨던 건 Ceteris Paribus 라고 볼 수 있고, 그러한 조건을 만족시키기 위해서 각 방법론들이 만족해야 할 구체적인 가정들을 Identification Assumption 이라고 부릅니다.
안녕하세요. 혹시 나머지 session 동영상들은 공개될수 없나요??
나머지 세션영상들은 다음주부터 순차적으로 공개될 예정입니다!
@@causaldatascience 네! 유용한 자료들 공유해주셔서 감사합니다! 도움이 많이 될것 같습니다:)