인과추론의 데이터 과학 - 디자인 기반의 인과추론

참고영상 : Bootcamp 3-1.  디자인 기반의 인과추론 

 

 

 

1. Quasi-experimental designs 

---

 

◯  Quasi-experiment designs

 

 

•  Research designs without random assignment : 무작위 실험을 할 수 없을 때, 이와 유사하게 실행될 수 있도록 하는 실험 

•  Quasi-experiment 나 Instrumental variable의 경우, 관찰되지 않은 값들까지 (selection bias) 고려하기 위해 research design을 도입한다. 

 

 

◯  Random assignment is not always feasible 

 

 

•  Quasi experiment 는 RCT와 거의 동일하다고 볼 수 있다. 다만, selection bias를 없애기 위해 비교 가능한 control 그룹을 어떻게 구성하느냐 그 방법의 차이가 있을 뿐이다. 

•  RCT 는 무작위 배정을 통해, control group을 연구자가 직접 설계하는 것이고, Quasi experiment 는 무작위 배정과 비슷한 research design을 통해서 간접적으로 비교 가능한 control group을 구성한다. 

•  Quasi experiment 는 무작위 배정을 하지 않았지만, control group 이, (treatment 가 없을 때의 treatment group을 의미하는) counterfactual과 얼마나 비교 가능한지의 여부가 인과추론 결과를 좌우한다. 

 

 

 

 

 

2. Research design example 

---

 

◯   Institution and Economic Growth 

 

•  사회제도와 경제성장 

 

 

 

•  사회 제도는 실험의 대상으로 두기에 쉽지 않다. 관심있는 원인변수인 사회제도를 제외하고, 나머지 요인들이 비교가능하기가 어렵다. (대표적인 예시. 남한과 북한) 

 

 

•  여러 요인에서 비교 가능한 control group 을 찾아 비교하면, 사회 제도가 경제성장에 미치는 영향을 찾아볼 수 있을 것이다. 쌍둥이 도시를 찾아서 비교분석해 볼 수 있다. (ex. 갈라진 Nogales 도시 → 미국에 있는 곳, 멕시코에 있는 곳) 

 

 

 

◯   Minimum wage and employment 

 

•  최저임금이 고용률에 미치는 영향 분석 

 

 

•  준실험의 기본 아이디어 : counterfactual 을 대신할 control group을 찾자 → 최저임금이 인상되었던 뉴저지와 최저임금이 인상되지 않았던, 지리적으로/문화적으로 매우 가까운 펜실베이니아를 비교 

 

 

 

◯   1995 Chicago heat wave

 

•  폭염과 사회적 요인 

 

조건이 비슷한 (지리, 인구, 지역적 특징) 두 지역

 

 

⇨ 인과추론은 원인변수에 대한 intervention strategy 를 design 하여 outcome을 향상하고자 한다. 

 

 

 

◯   Design based inference 

 

 

⇨ 현실에서의 상황을 잘 활용해서, 비교 가능한 대상을 잘 설정하면 인과추론을 할 수 있다. 

⇨ ⭐ Research design, 비교 가능한 control group 을 잘 설계하는 것 

 

 

 

⇨ 인과추론의 가능여부는 얼마나 많은 데이터를 활용했는지, 얼마나 복잡한 통계모형을 활용했는지는 많이 중요하지 않다. Ceteris Paribus 를 만족하는 비교 가능한 control group을 얼마나 잘 구성할 수 있는 research design을 고안하느냐에 따라 인과추론의 quality 가 결정된다.