워크숍 목표

및 개요

본 워크숍은 잠재적 결과 프레임워크(Potential Outcome Framework)와 함께 현대 인과추론의 핵심 이론으로 자리 잡은 구조적 인과모형(Structural Causal Models)을 소개합니다. 인과그래프(DAGs)라는 시각적 도구를 활용하여, 연구자가 가정하는 자료생성 과정에 대한 이론적 이해가 실제 통계분석과 인과적 해석에 왜 핵심적인지를 살펴봅니다.

본 워크숍의 목표는 새로운 고급 통계기법을 익히는 데 있지 않습니다. 대신 회귀분석, 도구변수, 이중차분법, 매개분석 등 사회과학 분야에서 널리 활용되는 분석법이 어떠한 원리와 가정 아래 작동하는지를 인과그래프를 통해 명확하게 이해하는 데 있습니다. 이를 통해 수강생들은 분석에서 이루어지는 선택과 그 결과의 인과적 의미를 보다 선명하게 파악할 수 있을 것입니다.

1. 새로운 이론적 틀 습득: 구조적 인과모형과 인과그래프의 기본 원리를 익히고, 자료생성 과정과 인과적 가정을 시각적으로 표현하는 법을 배웁니다.

2. 통계 기법의 원리와 가정 이해: 회귀분석, 도구변수, 이중차분법, 매개분석 등 기존 방법론의 작동 원리와 식별 가정을 인과그래프 관점에서 명확하게 이해합니다.

3. 연구 설계의 정교화: 어떤 변수를 통제해야 하고 통제하지 말아야 하는지, 어떤 조건에서 분석 결과를 인과적으로 해석할 수 있는지에 관한 분명한 기준을 익혀 연구 설계와 분석 결과를 비판적으로 검토하는 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.

- Pearl, J., & Mackenzie, D. (2018). The Book of Why: The New Science of Cause and Effect. New York, NY: Basic Books.

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(Supervisor: Dr. Felix Elwert)

- 2019-2020. University of Missouri–Columbia 조교수

- 2020-2023. 서울대학교 교육학과 조교수

- 2023-          서울대학교 교육학과 부교수

<주요 논문/저서>

- Kim, Y. (2026). Reconsidering the graphical representation of propensity scores in causal diagrams. International Journal of Epidemiology, 55(2), dyag012.

- 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

- 수업 시간 중 약 30분의 점심시간이 포함됩니다.

- 모든 강의는 실시간으로만 수강 가능하며, 다시보기는 제공되지 않습니다.

1강

11월 7일(토)

▪ 인과추론을 위한 새로운 언어, 인과그래프

  - 인과그래프와 구조적 인과모형의 등장 배경

  - 잠재적 결과 프레임워크와 인과그래프 접근의 관계

  - DAG의 구성 요소와 인과적 가정의 표현

  - d-separation: 경로의 열림과 닫힘, 인과그래프 작성하기

2강

11월 14일(토)

▪ 인과그래프로 다시 보는 회귀분석

  - 회귀분석과 통계적 통제의 인과적 의미

  - backdoor criterion과 변수선택의 명확한 기준

  - 통제로 인한 편향의 증가: 편향 증폭과 collider bias

  - 통제변수의 회귀계수를 해석해서는 안 되는 이유: Table 2 fallacy

3강

11월 21일(토)

▪ 미관측 교란에 대응하는 인과추론: 도구변수와 이중차분법

  - 미관측 교란과 인과효과 식별의 문제

  - 도구변수의 가정과 식별 원리의 인과그래프적 이해

  - 이중차분법의 논리와 평행추세 가정

  - 공변인 통제와 도구변수 및 이중차분법

4강

11월 28일(토)

▪ 인과매개분석의 이해

  - 매개분석의 이유: why의 추구

  - 전통적 매개분석(Baron & Kenny) vs. 인과매개분석

  - 다양한 인과매개효과(CDE, NDE, NIE)

  - 매개분석을 위한 가정과 위배