Chapter 1. 인과-행동 프레임워크

플로랑 뷔송, 『Behavioral Data Analysis with R and Python』, 시진, 한빛미디어-OREILLY(2023), p30-48.

 

 

Learned

분석의 유형

• 기술 분석(descriptive analytics): 데이터에 대한 설명 제공
  • 비즈니스 보고 (평균, 간단한 지표 등)
  • e.g. 작년 이익은 얼마일까?
• 예측(prediction): 측정되지 않은 것을 알려줌
  • e.g. 다음 달에 구독을 취소하는 고객을 몇 명일까?
• 인과관계(causal analytics): 데이터의 인과관계를 제공
  • 주로 RCT(Randomized Controlled Trial)를 활용 → A/B Test
  • 교란(confounding) 현상을 파악하고 해결할 수 있는 장점이 있음
  • e.g. 광고를 하지 않으면, 다음 달 매출이 얼마나 감소할까?

 

보간법 vs 보외법

• 보간법(interpolation): 예측하려는 점이 관측값이 모여 있는 영역 안에 있는 경우
• 보외법(extrapolation): 예측하려는 점이 관측값이 모여 있는 영역 밖에 있는 경우
  • 특정 범위에 적용되는 규칙이 밖에서도 적용될 것이라 믿어야 하기 때문에 다소 도전적임

 

벅슨의 역설(Berkson’s paradox)

= 해명 효과(explain-away effect)

• e.g. 충돌 요인(collider)
• 데이터에 편향이 있을 때, 인위적인 상관관계가 생기는 현상
• 변수를 고려하지 않았다면 주장이 성립했을 것이지만, 해당 변수를 고려해 그룹을 나누게 되면 오히려 잘못된 관계를 추정하게 되는 현상

 

Reference

• 벅슨의 역설