워크숍 목표

및 개요

본 워크숍은 잠재적 결과 프레임워크(Potential Outcome Framework)와 더불어 현대 인과추론의 양대 산맥인 구조적 인과모형(Structural Causal Model)을 소개합니다. 사회과학 데이터 분석에서 널리 쓰이는 통계 기법들을 수식이 아닌 논리적 시각구조(인과그래프)를 통해 재해석하는 과정을 경험하게 될 것입니다. 

1. 새로운 이론적 틀 습득: 구조적 인과모형을 통해 인과관계를 시각화하고 설계하는 법을 익힙니다.
2. 통계 기법의 재해석: 회귀분석, 이중차분법, 도구변수 등 기존 방법론의 작동 원리를 인과그래프 관점에서 직관적으로 이해합니다.
3. 연구 설계의 정교화: 어떤 변수를 모형에 포함해야 하는지 등 인과적 타당성을 위한 명확한 기준을 익히고, 이를 통해 자신의 분석 결과를 인과적으로 해석할 수 있는 역량을 갖춥니다.

참가 대상

대학원생 및 일반 연구자

선수 과목

기초통계, 회귀분석

워크숍 운영방식

강의(80%), 실습(20%)

교재

및 참고문헌

강사의 강의노트가 제공됩니다.

<참고문헌>

- Morgan, S. L., & Winship, C. (2015). Counterfactuals and Causal Inference: Methods and Principles for Social Research. New York, NY: Cambridge University Press.

실습자료

강사가 제공하는 실습용 자료 (추후 공지)

사용될 프로그램

R

담당강사 정보

<학력/경력>

- 2018. University of Wisconsin-Madison 박사(양적방법론 전공)

- 2019. University of Wisconsin-Madison 박사후연구원

- 2019-2020. University of Missouri–Columbia 조교수

- 2020-2023. 서울대학교 교육학과 조교수

- 2023-현재. 서울대학교 교육학과 부교수

<주요 논문/저서>

- Kim, Y., & Jung, G. (2025). Understanding linear interaction analysis with causal graphs. British Journal of Mathematical and Statistical Psychology, 78(2), 486–499.

- Suk, Y., & Kim, Y. (2025). Fuzzy regression discontinuity designs with multiple control groups under one-sided noncompliance: Evaluating extended time accommodations. Journal of Educational and Behavioral Statistics, 50(6), 962–984.

- Thoemmes, F., & Kim, Y. (2023). Bias and sensitivity analyses for linear front-door models. Methodology, 19(3), 256–282.

- Kim, Y., & Steiner, P. M. (2021). Causal graphical views of fixed effects and random effects models. British Journal of Mathematical and Statistical Psychology, 74(2), 165–183.

- Kim, Y., & Steiner, P. M. (2021). Gain scores revisited: A graphical models perspective. Sociological Methods & Research, 50(3), 1353–1375.

- Kim, Y. (2019). The causal structure of suppressor variables. Journal of Educational and Behavioral Statistics, 44(4), 367–389.

- Steiner, P. M., Kim, Y., Hall, C. E., & Su, D. (2017). Graphical models for quasi-experimental designs. Sociological Methods & Research, 46(2), 155–188.

- Steiner, P. M., & Kim, Y. (2016). The mechanics of omitted variable bias: Bias amplification and cancellation of offsetting biases. Journal of Causal Inference, 4(2).

유의사항

모든 강의는 실시간으로만 수강 가능하며, 다시보기는 제공되지 않습니다.

1강

1월 26일(월)

▪ 인과추론을 위한 새로운 언어, 인과그래프
   - 인과추론 이론: 잠재결과 모형 vs. 구조적 인과모형
   - d-separation: 인과그래프로부터 관련성 읽어내기
   - 변수선택 기준: backdoor, front-door criteria
   - 충돌변수(collider)의 이해
   - 인과그래프 작성하기

2강

1월 27일(화)

▪ 인과그래프를 활용한 회귀분석의 이해
   - 누락변수 문제
   - 매칭으로 이해하는 회귀분석(통계적 통제의 의미)
   - 통제로 인한 편향의 증가: 편향의 증폭과 충돌변수 편향
   - 통제변수의 회귀계수를 해석해서는 안 되는 이유(Table 2 fallacy)
   - 상호작용 분석의 인과그래프적 이해

3강

1월 28일(수)

▪ 인과그래프를 활용한 이중차분법의 이해
   - 두 가지 편향 제거 원리: 경로 막기 vs. 경로 생성
   - 이중차분법의 장점(사전점수 통제 방법과 비교할 때)
   - Lord의 역설과 Card & Krueger(1994)
   - 패널데이터의 표현방법: wide format vs. long format

4강

1월 29일(목)

▪ 인과그래프를 활용한 도구변수 분석법의 이해
   - 도구변수 가정의 그래프적 표현
   - Wald 추정과 2SLS 추정의 인과그래프적 이해
   - 공변인 통제를 통한 도구변수 분석
   - 효과의 이질성과 순응자 평균 효과

▪  기타 유사실험 설계의 인과그래프적 이해
   - 회귀불연속 설계, 경향점수 매칭

5강

1월 30일(금)

▪ 인과매개분석의 이해
   - 매개분석의 이유: why의 추구
   - 전통적 매개분석(Baron & Kenny) vs. 인과매개분석
   - 다양한 인과매개효과(CDE, NDE, NIE)
   - 매개분석을 위한 가정과 위배
   - 매개분석 실습