Regression model
방향성 비순환 그래프(DAG)를 이용한 인과 관계 식별(do-calculus)
DAG 인과 관계 식별은 Judea Pearl(2009)이 개발한 프레임워크로, 인과 관계 가정을 방향성 비순환 그래프로 인코딩하고 do-calculus 규칙을 사용하여 관찰 데이터로부터 인과 효과를 식별할 수 있는지, 그리고 어떻게 식별할 수 있는지를 결정합니다. 이 프레임워크는 교란 변수, 도구 변수, 후문 경로를 체계적으로 처리합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. ISBN: 978-0521895606
- Pearl, J., Glymour, M., & Jewell, N. P. (2016). Causal Inference in Statistics: A Primer. Wiley. ISBN: 978-1119186847
이 페이지 인용 방법
ScholarGate. (2026, June 1). Causal Identification with Directed Acyclic Graphs (do-calculus). ScholarGate. https://scholargate.app/ko/causal-inference/dag-identification
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 인과 추론을 위한 도구 변수(IV) 방법보건경제학↔ compare
- 역확률 가중치 (Inverse Probability Weighting, IPW / IPTW)인과추론↔ compare
- 매개 분석통계학↔ compare
- 성향 점수 매칭연구 통계↔ compare
- 숨겨진 편향에 대한 민감도 분석 (로젠바움 경계 / E-값)인과추론↔ compare