[Panel] Day 1 – 통계분석 기초

강의명: STATA를 이용한 패널분석

강사: 김현식, 경희대학교 사회학과 (http://kpc.khu.ac.kr)

기술통계(Descriptive Statistics): 표본에 대한 기술

추리통계(Inferential Statistics): 표본으로부터 모집단 특성 추론

  • 단일 변수 분포
  • 두 변수 사이의 관계
    • 예측(Prediction):
      • 통제된 다른 변수의 값이 동일하다면 (Ceteris Paribus), 독립 변수(Independent Variable)는 종속 변수(Dependent Variable)를 X만큼 증가시킨다.
      • 아무 변수나 통제해도 되며 통제 변수(Control Variable)에 대한 고려가 필요 없다.
      • 통제변수(Control Variable)가 동일해야 하기 때문에 정책적 함의가 제한적
      • R^2 값 중요…
    • 인과적 추론(Causal Inference):
      • 원인변수(Treatment Variable)가 결과변수(Outcome Variable)에 영향을 줌
      • 인과적 관점에서 통제 변수(Control Variable)를 조심스럽게 선택해야 함
      • 추론에 있어 원인 변수(Treatment Variable)의 효과를 강조하기 때문에 정책점 함의가 매우 큼
      • 모든 과학의 궁극적 목표이며 실험이 가장 좋은 방법으로 인식되는 이유임 (과학적 실험방법 – Control Group과 Treatment Group을 랜덤하게 나눈 뒤, Treatment Group에만 실험 후 결과 분석 & 비교) – 사회과학에서는 어려운 경우가 많음… 장학금/보조금을 아무런 사회적 형평성 문제 없이 랜덤하게 줄 수 있는지?
      • Causal Effect: A ceteris paribus change in one variable that has an effect on another variable [Wooldridge, 5th ed]

인과적 추론 (Causal Inference)

인과관계의 세 요건

  • 시간: 원인결과에 선행하여야 한다.
  • 연관(Association): 두 변수 사이에는 연관이 있어야 한다 – 통계의 역할 (대개 평균의 차이)
  • 제 3의 변수에 의한 설명(Confounding): 두 변수의 관계가 제 3의 변수에 의해 설명되지 않아야 한다.

인과적 추론에서 핵심이 되는 변수의 관계

  • 역인과관계 (Reverse Causation)
  • 혼동변수 (Confounding Variable)
  • 매개 변수(Mediating Variable)
  • 조절 변수 (Moderating Variable)
  • 상충 변수 (Collider Variable)

    Leave Your Comment

    Forgot Password