#potential-outcomes

노트 9개

• ATT (Average Treatment Effect on the Treated) ATT는 실제로 처치(treatment)를 받은 집단에 한정한 평균 처치효과(treatment effect)다.
• Doubly Robust Estimator Doubly Robust (DR) Estimator는 결과 회귀(outcome regression)와 성향점수(propensity score) 모델을 결합한 추정량(estimator)으로, 두 모델 중 하나만 올바르게 설정(specified)되어도 일치성(consistency)을 갖는다.
• Endogeneity 내생성(endogeneity)은 설명 변수가 오차항과 상관될 때 발생하는 문제다.
• Fundamental Problem of Causal Inference 인과추론의 근본 문제는 같은 개인에서 처치(treatment, $W=1$)를 받은 결과와 받지 않은 결과($W=0$)를 동시에 관측할 수 없다는 것이다.
• Instrumental Variables 도구변수(Instrumental Variables, IV)는 내생성(endogeneity) 문제를 풀기 위해 끌어오는 외생 변수다. 처치를 직접 무작위화할 수 없을 때, 처치에는 영향을 주되 결과에는 직접 영향을 주지 않는 외부 변동을 이용해 인과효과를 식별(identification)한다.
• Positivity (Overlap) Positivity(중첩, overlap)는 모든 공변량(covariate) 값에서 각 처치(treatment)를 받을 확률이 0과 1 사이에 있어야 한다는 가정이다.
• Strong Ignorability 강한 무시가능성(strong ignorability)은 Ignorability와 Positivity 두 가정을 함께 묶은 조건이다.
• SUTVA (Stable Unit Treatment Value Assumption) SUTVA는 한 단위의 잠재결과(potential outcome)가 다른 단위의 처치(treatment) 할당에 영향받지 않고, 각 처치 수준마다 단일한 버전만 존재한다고 요구하는 가정이다.
• Treatment Effects Overview 잠재결과(potential outcome) 프레임워크에서 추정 대상(estimand)이 되는 처치효과(treatment effect)를 체계적으로 정리한다. 처치효과는 정의되는 수준에 따라 개인(ITE)·모집단(ATE·ATT·ATC)·조건부(CATE·HTE)로 나뉜다.