Causal Inference

Positivity Assumption * Formal 하게 말하면 관심 있는 모든 계층 및 노출 수준에 대해서 공변량을 조건부로 하였을 때 특정 수준의 노출이 있을 확률이 0보다 크고 1보다 작아야 한다는 것이 Positivty Assumption * 쉽게 말하면 어떤 두 집단을 비교한다고 할 때, Treatment를 받을 수 있거나, 받지 못할 수 있는, 또는 받게될 표본집단을 반드시

ATE(Average Treatment Effect)는 Treatment와 Control Group을 비교해서 Treatment의 Effect를 정의한 값이다. 이름이 의미하는 것처럼 Individual이 아닌 Group단위로 합한 후 평균 효과를 본다. 개개인의 Counterfactual을 보는 것은 불가능에 가깝기 때문이다.  ATE를 수식으로 쓰면 다음과 같다(참고). $$E[Y|T=1] - E[Y|T=0] = \underbrace{E[Y_1

쟤는 키가 저렇게 컸는데 난 왜 이러지? - 사춘기 소녀 멘토링(상큼발랄 블링걸스) 中 Why Difference in Difference? * Online Marketing → Effectiveness 측정이 쉽다. * Offline Marketing(billboard or TV Campaign) → 측정이 어렵다. * Difference in Difference(Diff in Diff or DiD) → Macro interventions의 Effect를 측정 DiD Estimator * $\hat{ATET} = E[Y_1(

Going Around Omitted Variable Background * Omitted Variable Bais를 Control 하기 위해서 가장 쉬운 방법은 Omitted Variable을 식에 추가하면 된다.하지만 데이터가 없으면 더할 수도 없다. * 아니면, Wage에 대한 Education의 Effect를 볼 때, Ability값을 일정한 레벨로 유지하는 방법도 있다.이 때는 회귀모델에 Ability를 넣고 계산하면 된다. * 그런데 Ability를 측정하기 위한 방법을