유튜브 "인과추론의 데이터과학"을 참고로 하여 작성한 글입니다.
# RCT의 결과를 다른 상황에 대입하기 어려울 수 있다.
사실 이건 RCT의 문제라기 보다는 모든 실험 설계에 대해 해당하는 이야기이다.
이전 게시물에서 다룬 재택근무와 업무 효율성 관련 실험
ATE1에서는 Treatment group을 재택근무를 희망하여 당첨된 사람, Control group을 재택근무를 희망했으나 낙첨된 사람으로 나누었음
ATE2에서는 Treatment group을 재택근무를 희망한 사람, Control group을 재택근무에 희망하지 않은 사람으로 나누었음.
두 경우에 Treatment group, Control group의 설정을 다르게 했으므로 ATE1과 ATE2는 다르게 나올 것이고, ATE1에서 확인한 재택근무가 업무 효율에 미치는 effect가 ATE2의 Control group이 재택근무를 하게 되었을 때의 effect를 설명하지 못할 것이다.
경기 중간에 작은 점수차로 지고있던 팀이 오히려 우승할 확률이 높다는 것을 Regression Discontinuity를 통해 보여준 실험이 있음
연구 자체에는 문제가 없지만, 시즌을 바꿨을 때, 종목을 바꿨을 때는 결과가 다르게 나타났고 연구의 확장성에 한계가 있었음
'계량경제학 > 인과추론의 데이터과학' 카테고리의 다른 글
| 인과추론 영역에서의 Data Structure (1) | 2023.11.13 |
|---|---|
| Causal Inference에서의 Regression (2) | 2023.11.09 |
| Randomized Controlled Trials (RCT, ABTest) (0) | 2023.11.09 |
| Causal Inference의 개요 (0) | 2023.11.09 |
| 인과추론을 위한 회귀분석 - Penalized Regression (1) | 2022.10.03 |
